La famiglia delle distribuzioni GEV - I

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "La famiglia delle distribuzioni GEV - I"

Transcript

1 La famiglia delle distribuzioni GEV - I La distribuzione generalizzata degli eventi estremi (GEV) è la distribuzione teoricamente attesa per i massimi all interno di blocchi temporali di dimensione molto ampia. Sebbene sia una distribuzione asintotica, nelle applicazioni ingegneristiche viene spesso utilizzata per interpretare i massimi estratti da blocchi temporali finiti, solitamente assunti pari ad un anno. La distribuzione di frequenza cumulata della famiglia delle distribuzioni GEV assume la seguente forma generale: P(x; µ, σ, κ) = exp { [ 1 + κ { [ exp exp ( )] } 1/κ x µ σ ( )]} x µ σ κ 0 κ = 0 dove µ (, ) rappresenta il parametro di posizione, σ > 0 il parametro di scala e κ (, ) il parametro di forma. (1) Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 1 / 12 ) La famiglia delle distribuzioni GEV - II Al variare dal parametro di forma k la distribuzione GEV descrive: κ = 0 Tipo I - distribuzione Gumbel. La distribuzione ha due soli parametri (µ, σ), che controllano scala e posizione. La distribuzione è illimitata sia inferiormente che superiormente: x (, ). Il coefficiente di asimmetria assume il valore costante di κ > 0 Tipo II - distribuzione Fréchet. La distribuzione di frequenza è limitata inferiormente: x (µ σ/κ, ). In questo caso i momenti convenzionali di ordine pari o superiore a 1/k sono degeneri. κ < 0 Tipo III - distribuzione Weibull. superiormente: x (, µ σ/k). La distribuzione è limitata Invertendo l equazione (1) otteniamo i quantili della distribuzione GEV: { µ σ 1 ( ln P) κ} /κ κ 0 x(p) = µ σ ln ( ln P) κ = 0 dove in genere si pone P = 1 1 T, per valutare la grandezza che corrisponde ad un tempo di ritorno T espresso in anni. Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 2 / 12 ) (2)

2 Curva di crescita GEV - I Sia x una variabile aleatoria distribuita secondo la GEV descritta dall equazione (1), con parametri κ, σ e µ. Nell analisi regionale risulta particolarmente conveniente introdurre la variabile adimensionale y = x/m, dove m rappresenta la media campionaria di x, ed è anche detta pioggia o portata indice, a seconda del campo di applicazione. Con semplici passaggi algebrici, dalla equazione (1) si ricava la seguente funzione di ripartizione per la nuova variabile y: { [ ( )] } y µ 1/κ exp 1 + κ σ κ 0 P(y; µ, σ, κ) = (3) { [ ( )]} y µ exp exp κ = 0 dove il parametro di forma κ è rimasto invariato, mentre i parametri adimensionali di scala e di posizione sono pari rispettivamente a: σ σ = σ m e µ = µ m (4) Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 3 / 12 ) Curva di crescita GEV - II La curva di crescita già definita nell equazione (2) avrà ora equazioni: { µ σ 1 ( ln P) κ} /κ κ 0 y(p) = µ σ ln ( ln P) κ = 0 Quando poi si conosca la pioggia indice o portata indice m nella specifica località di interesse, il quantile della variabile dimensionale x sarà pari a: { µ σ 1 ( ln P) κ} /κ κ 0 x(p) = m y(p) = m (6) µ σ ln ( ln P) κ = 0 Dalle stime ˆσ e ˆκ dei parametri di forma e scala si ricava una stima di µ : 1 + ˆσ [1 Γ(1 ˆκ)] ˆκ 0 ˆµ ˆκ = 1 γ ˆσ ˆσ ˆκ = 0 dove γ = è la costante di Eulero, Γ() è la funzione gamma. Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 4 / 12 ) (5) (7)

3 GEV giornaliera: distribuzione del parametro di forma κ D GEV shape parameter Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 5 / 12 ) GEV giornaliera: distribuzione del parametro di scala σ D GEV dimensionless scale parameter Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 6 / 12 )

4 GEV giornaliera: distribuzione del pioggia indice m D (mm) Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 7 / 12 ) Quantile delle precipitazioni giornaliere Dopo aver determinato dalle Figure precedenti i parametri di forma κ D e di scala adimensionale σd della distribuzione GEV e la pioggia indice m D per le precipitazioni giornaliere nel punto di interesse, possiamo calcolare il quantile corrispondente a qualsiasi tempo di ritorno dalle eq. (6) e (7). Quando si voglia aggirare il calcolo con la funzione gamma, il quantile H T delle precipitazioni giornaliere, corrispondente al tempo di ritorno T, si può ottenere dal prodotto della pioggia indice giornaliera m D e della variabile ridotta adimensionale Y T per le piogge giornaliere: H T = m D Y T (8) dove l altezza di precipitazione giornaliera H T e la pioggia indice giornaliera m D sono espresse in mm. Esprimendo il tempo di ritorno T in anni si calcola il valore della curva di crescita Y T (quantile della variabile ridotta adimensionale): Y T = 10 Y p + Y q log 10 T + Y r (log 10 T ) 2 dove la dipendenza territoriale è introdotta dalle seguenti relazioni, attraverso i parametri di forma κ D e di scala adimensionale σ D della precipitazione giornaliera: Y p = κ D σd κ 2 D κ D σd σd Y q = κ D σd κ 2 D κ D σd σd Y r = κ D σd κ 2 D κ D σd σd Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 8 / 12 )

5 Curva di di possibilità pluviometrica da modello GEV - I Il risultato delle analisi sulle precipitazioni giornaliere ha permesso di determinare le nuove curve di possibilità pluviometrica per la Regione Sardegna con metodo geostatistico boundaryless e distribuzione GEV. Dalle Figure precedenti determiniamo, per qualsiasi punto di interesse della Regione Sardegna, i seguenti parametri riferiti alle precipitazioni giornaliere: k D - parametro di forma della distribuzione GEV [-] σ D - parametro di scala adimensionale della distribuzione GEV [-] m D - pioggia indice giornaliera [mm] Per il quantile h T (τ) delle precipitazioni brevi ed intense di durata τ, corrispondente al tempo di ritorno T, è stata proposta la seguente espressione monomia, pari al prodotto della pioggia indice m(τ) e della variabile ridotta adimensionale o curva di crescita y T (τ) relative alla stessa durata τ: a 1 τ n 1 τ 1ora h T (τ) = m(τ) y T (τ) = (9) a 2 τ n 2 τ 1ora dove l altezza di precipitazione h T (τ) è espressa in mm, la durata τ in ore, il tempo di ritorno T in anni. Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 9 / 12 ) Curva di di possibilità pluviometrica da modello GEV - II La pioggia indice m(τ) espressa in mm e la variabile ridotta adimensionale y T (τ) per piogge di durata τ sono anch esse fornite in forma monomia: a 1m τ n 1m τ 1 ora m(τ) = a 2m τ n 2m τ 1 ora a 1y τ n 1y τ 1 ora y T (τ) = a 2y τ n 2y τ 1 ora Ovviamente valgono le seguenti relazioni che pemettono di calcolare i parametri della curva di possibilità pluviometrica fornita nell eq. (9): a 1 = a 1m a 1y a 2 = a 2m a 2y n 1 = n 1m + n 1y n 2 = n 2m + n 2y Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 10 / 12 )

6 Curva di di possibilità pluviometrica da modello GEV - III I parametri relativi alla componente pioggia indice m(τ) dipendono dalla località di interesse attraverso la pioggia indice giornaliera m D e si determinano con le seguenti espressioni: n 1m = log 10 m D n 2m = log 10 m D a 1m = a 2m = m D 24 n 2m I parametri relativi alla componente variabile ridotta adimensionale y T (τ) dipendono dal tempo di ritorno T e dalla località di interesse attraverso i parametri di forma k D e di scala adimensionale σd della precipitazione giornaliera e si determinano con le seguenti espressioni: n 1y = n 1yp + n 1yq n 2y = n 2yp + n 2yq log 10 T log 10 T a 1y = a 2y = 10 a 1y p + a 1yq log 10 T + a 1yr (log 10 T ) 2 Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 11 / 12 ) Curva di di possibilità pluviometrica da modello GEV - IV La dipendenza territoriale della variabile ridotta adimensionale y T (τ) è introdotta infine dalle seguenti relazioni: n 1yp n 1yq n 2yp n 2yq a 1yp a 1yq a 1yr = κ D σd κ 2 D κ D σd σd = κ D σd κ 2 D κ D σd σd = κ D σd κ 2 D κ D σd σd = κ D σd κ 2 D κ D σd σd = κ D σ D κ 2 D κ D σ D σ D = κ D σ D κ 2 D κ D σ D σ D = κ D σ D κ 2 D κ D σ D σ D Idrologia - A.A. 17/18 - R. Deidda Cap 7c - Eventi Estremi - CPP da modello GEV ( 12 / 12 )

Università della Calabria

Università della Calabria Università della Calabria FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Civile CORSO DI IDROLOGIA N.O. Prof. Pasquale Versace SCHEDA DIDATTICA N 3 CURVE DI PROBABILITÀ PLUVIOMETRICA A.A. 00- CURVE

Dettagli

La distribuzione normale o distribuzione di Gauss

La distribuzione normale o distribuzione di Gauss La distribuzione normale o distribuzione di Gauss Gauss ha dimostrato che secondo questa legge si possono ritenere distribuiti gli errori accidentali di misura di una qualsivoglia grandezza. Densità di

Dettagli

Insegnamento di Idrologia. Esercitazione n. 4

Insegnamento di Idrologia. Esercitazione n. 4 Insegnamento di Idrologia Esercitazione n. 4 Si vogliono costruire delle opere di difesa lungo un affluente del torrente Staffora. Poiché non esistono osservazioni di portata, occorre stimare la portata

Dettagli

Dispositivi e Tecnologie Elettroniche. Esercitazione Proprietà di trasporto nei semiconduttori

Dispositivi e Tecnologie Elettroniche. Esercitazione Proprietà di trasporto nei semiconduttori Dispositivi e Tecnologie Elettroniche Esercitazione Proprietà di trasporto nei semiconduttori Esercizio 1: testo Si consideri un campione di Si uniformemente drogato tipo n con una concentrazione N D =

Dettagli

DI IDROLOGIA TECNICA PARTE III

DI IDROLOGIA TECNICA PARTE III FACOLTA DI INGEGNERIA Laurea Specialistica in Ingegneria Civile N.O. Giuseppe T. Aronica CORSO DI IDROLOGIA TECNICA PARTE III Idrologia delle piene Lezione XIX: I metodi indiretti per la valutazione delle

Dettagli

Studi sugli eventi estremi per stima delle portate di piena

Studi sugli eventi estremi per stima delle portate di piena Studi sugli eventi estremi per stima delle portate di piena Un obiettivo degli studi sugli eventi estremi idrometeorologici è la determinazione dell idrogramma delle portate di piena (o almeno della portata

Dettagli

t (min) UH (1/min) Tabella 1. Idrogramma unitario

t (min) UH (1/min) Tabella 1. Idrogramma unitario Esercizio n 1 Assegnato l idrogramma unitario riportato in tabella 1 calcolare l idrogramma alla sezione di chiusura di un bacino di 500 ha a fronte dello ietogramma di pioggia totale riportato in tabella

Dettagli

tabelle grafici misure di

tabelle grafici misure di Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine

Dettagli

ALLEGATO 1 METODO E DATI DI RIFERIMENTO PER LA DETERMINAZIONE DELLE QUANTITÀ DI PIOGGIA PER EVENTI ESTREMI

ALLEGATO 1 METODO E DATI DI RIFERIMENTO PER LA DETERMINAZIONE DELLE QUANTITÀ DI PIOGGIA PER EVENTI ESTREMI Regione Toscana Autorità di Bacino del Reno PROCEDURE, METODI E DATI DI RIFERIMENTO DA ADOTTARE NELLA PREDISPOSIZIONE DEI PIANI CONSORTILI INTERCOMUNALI ALLEGATO 1 METODO E DATI DI RIFERIMENTO PER LA DETERMINAZIONE

Dettagli

Stima della portata di piena: un esempio

Stima della portata di piena: un esempio Stima della portata di piena: un esempio Giuseppe Pino APAT Dipartimento Nucleare, Rischio Tecnologico e Industriale 1 aprile 2008 Stima della portata di massima piena Obiettivo: determinare la portata

Dettagli

Lezione 8: Esercizi di Idrologia

Lezione 8: Esercizi di Idrologia Lezione 8: Esercizi di Idrologia Problemi di Idrologia 1 Problemi di bilancio idrologico Problema 1 Alla sezione di ciusura di un bacino idrografico di 40 km di superficie è stata registrata una portata

Dettagli

CURVE DI DURATA: Introduzione e Rappresentazione analitica

CURVE DI DURATA: Introduzione e Rappresentazione analitica CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d

Dettagli

Problema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T?

Problema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T? Problema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T? Il problema dell'inferenza: dato un campione, individuare la distribuzione di probabilità da cui ha avuto origine.

Dettagli

Relazione idrologica

Relazione idrologica 03.01.01.00 ULSS N 17 - NUOVO POLO OSPEDALIERO UNICO - MONSELICE - ESTE S.P. dei Bersaglieri IDROLOGIA Generale Relazione idrologica RT I - 001 1 1-0 28/03/10 0 Emissione 28/03/2010 S. Cibin S. Flora G.

Dettagli

Il Modello di Markowitz e la frontiera efficiente (1952)

Il Modello di Markowitz e la frontiera efficiente (1952) Il Modello di Markowitz e la frontiera efficiente (1952) Introduzione La selezione di portafoglio consiste nella ripartizione di un capitale tra più investimenti di reddito aleatorio Il capitale da ripartire

Dettagli

Statistica Applicata all edilizia: il modello di regressione

Statistica Applicata all edilizia: il modello di regressione Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione

Dettagli

DISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA

DISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA DISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA 17 ottobre 2011 INDICE i Indice 1 Richiami di statistica applicata all Idrologia 1 1.1 Distribuzioni di probabilità.............................. 1 1.2 Stimatori........................................

Dettagli

LAUREA SPECIALISTICA IN FARMACIA - Prova scritta di MATEMATICA - 24/01/03 ANNI PRECEDENTI. 1. (Punti 10) Si consideri la funzione

LAUREA SPECIALISTICA IN FARMACIA - Prova scritta di MATEMATICA - 24/01/03 ANNI PRECEDENTI. 1. (Punti 10) Si consideri la funzione MATEMATICA - 4//3 ANNI PRECEDENTI (Punti ) Si consideri la funzione ( ) f() = ln Si studi f, determinando in particolare dominio, limiti, intervalli di crescenza, decrescenza, concavità, convessità di

Dettagli

GRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti

GRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 GRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti A cura di: Ing. Giovanna

Dettagli

GNDCI Linea 1. Rapporto di sintesi sulla valutazione delle piene in Italia 11. SINTESI DEL RAPPORTO REGIONALE SICILIA

GNDCI Linea 1. Rapporto di sintesi sulla valutazione delle piene in Italia 11. SINTESI DEL RAPPORTO REGIONALE SICILIA 11. SINTESI DEL RAPPORTO REGIONALE SICILIA 11.1 Premessa In questa breve nota vengono sintetizzati i risultati salienti del Progetto VAPI per la stima delle portate di assegnato tempo di ritorno, per qualsiasi

Dettagli

Distribuzione Normale

Distribuzione Normale Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di

Dettagli

Scheda n.3: densità gaussiana e Beta

Scheda n.3: densità gaussiana e Beta Scheda n.3: densità gaussiana e Beta October 10, 2008 1 Definizioni generali Chiamiamo densità di probabilità (pdf ) ogni funzione integrabile f (x) definita per x R tale che i) f (x) 0 per ogni x R ii)

Dettagli

Macroattività B - Modellazione idrologica Attività B1: Regionalizzazione precipitazioni

Macroattività B - Modellazione idrologica Attività B1: Regionalizzazione precipitazioni ACCORDO DI COLLABORAZIONE SCIENTIFICA TRA REGIONE TOSCANA E DIPARTIMENTO DI INGEGNERIA CIVILE E AMBIENTALE DELL UNIVERSITA DEGLI STUDI DI FIRENZE PER ATTIVITA DI RICERCA PER LA MITIGAZIONE DEL RISCHIO

Dettagli

Esercizi su variabili aleatorie discrete

Esercizi su variabili aleatorie discrete Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare

Dettagli

Variabili casuali. - di Massimo Cristallo -

Variabili casuali. - di Massimo Cristallo - Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali

Dettagli

16/03/2017. Maurizio Giugni CENNI DI IDROLOGIA IL CICLO IDROLOGICO. Idrologia. Lezione n. Parole chiave: Reti di drenaggio urbano

16/03/2017. Maurizio Giugni CENNI DI IDROLOGIA IL CICLO IDROLOGICO. Idrologia. Lezione n. Parole chiave: Reti di drenaggio urbano Maurizio Giugni CENNI DI IDROLOGIA 11 Lezione n. Parole chiave: Reti di drenaggio urbano Corso di Laurea: IAeT Insegnamento: Infrastrutture idrauliche Email Docente: giugni@unina.it A.A. 2009-2010 IL CICLO

Dettagli

Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17

Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17 Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le

Dettagli

Le precipitazioni intense in Lombardia

Le precipitazioni intense in Lombardia Le precipitazioni intense in Lombardia Progetto Interreg I-CH SRADA Milano, Comitato di Pilotaggio del 18 aprile 2013 Angela Sulis (1), Roberto Serra (2) - Arpa Lombardia-Servizio Idrografico Contributo

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Statistica Applicata all edilizia: alcune distribuzioni di probabilità Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete

Dettagli

1. Pluviometria sulla città di Napoli

1. Pluviometria sulla città di Napoli Il nubifragio del 17 e 18 settembre 2005 a Napoli 1. Pluviometria sulla città di Napoli Le precipitazioni registrate dai pluviometri in telemisura di Napoli Camaldoli e Napoli Capodimonte hanno avuto inizio

Dettagli

Capitolo 6. La distribuzione normale

Capitolo 6. La distribuzione normale Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università

Dettagli

Capitolo 6 La distribuzione normale

Capitolo 6 La distribuzione normale Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università

Dettagli

Statistica Inferenziale

Statistica Inferenziale Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 8 Abbiamo visto: Metodi per la determinazione di uno stimatore Metodo di massima verosimiglianza

Dettagli

Misure della lunghezza focale di una lente

Misure della lunghezza focale di una lente Padova, Gennaio 2004 Misure della lunghezza focale di una lente Cognome... Nome... Matricola... Cognome... Nome... Matricola... Cognome... Nome... Matricola... Indicare il numero identificativo e le caratteristiche

Dettagli

Analisi delle componenti principali

Analisi delle componenti principali Analisi delle componenti principali Serve a rappresentare un fenomeno k-dimensionale tramite un numero inferiore o uguale a k di variabili incorrelate, ottenute trasformando le variabili osservate Consiste

Dettagli

UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA

UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto

Dettagli

I appello di calcolo delle probabilità e statistica

I appello di calcolo delle probabilità e statistica I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale

Dettagli

DI IDROLOGIA TECNICA PARTE III

DI IDROLOGIA TECNICA PARTE III FACOLTA DI INGEGNERIA Laurea Specialistica in Ingegneria Civile N.O. Giuseppe T. Aronica CORSO DI IDROLOGIA TECNICA PARTE III Idrologia delle piene Lezione XII: I metodi diretti per la valutazione delle

Dettagli

SOGLIE DI ALLERTA PLUVIOMETRICHE NELLA REGIONE SARDEGNA

SOGLIE DI ALLERTA PLUVIOMETRICHE NELLA REGIONE SARDEGNA Presidèntzia Presidenza Attivazione del Centro funzionale regionale SOGLIE DI ALLERTA PLUVIOMETRICHE NELLA REGIONE SARDEGNA Ottobre 2014 1. PREMESSA In relazione a quanto stabilito nell allegato alla Delib.G.R.

Dettagli

Considerare il moto di un punto materiale di massa m = 1 soggetto ad un potenziale V (x):

Considerare il moto di un punto materiale di massa m = 1 soggetto ad un potenziale V (x): sercizio Considerare il moto di un punto materiale di massa m = soggetto ad un potenziale V (x): ẍ = V (x), dove V (x) = x x.. Scrivere esplicitamente l equazione del moto e verificare esplicitamente la

Dettagli

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale

Dettagli

Analisi di frequenza regionale delle precipitazioni estreme

Analisi di frequenza regionale delle precipitazioni estreme Macroattività B - Modellazione idrologica Attività B1 - Regionalizzazione precipitazioni Analisi di frequenza regionale delle precipitazioni estreme Relazione Tecnica Finale Febbraio 2014 Sommario Metodologia

Dettagli

DISTRIBUZIONI DI CAMPIONAMENTO

DISTRIBUZIONI DI CAMPIONAMENTO DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,

Dettagli

Macroattività B - Modellazione idrologica Attività B1: Regionalizzazione precipitazioni

Macroattività B - Modellazione idrologica Attività B1: Regionalizzazione precipitazioni ACCORDO DI COLLABORAZIONE SCIENTIFICA TRA REGIONE TOSCANA E DIPARTIMENTO DI INGEGNERIA CIVILE E AMBIENTALE DELL UNIVERSITA DEGLI STUDI DI FIRENZE PER ATTIVITA DI RICERCA PER LA MITIGAZIONE DEL RISCHIO

Dettagli

LINEE GUIDA E INDIRIZZI OPERATIVI PER L ATTUAZIONE DEL PRINCIPIO DELLA INVARIANZA IDRAULICA

LINEE GUIDA E INDIRIZZI OPERATIVI PER L ATTUAZIONE DEL PRINCIPIO DELLA INVARIANZA IDRAULICA PRESIDÈNTZIA PRESIDENZA AUTORITA DI BACINO REGIONALE DELLA SARDEGNA LINEE GUIDA E INDIRIZZI OPERATIVI PER L ATTUAZIONE DEL PRINCIPIO DELLA INVARIANZA IDRAULICA (articolo 47 delle NTA del PAI) Allegato

Dettagli

FACOLTÀ DI INGEGNERIA

FACOLTÀ DI INGEGNERIA a.a. 2012/2013 FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN: INGEGNERIA DELLE COSTRUZIONI EDILI E DEI SISTEMI AMBIENTALI Insegnamento: COSTRUZIONI IDRAULICHE OGGETTO: QUADERNO DELLE ESERCITAZIONI dott. ANDREA

Dettagli

CALENDARIO BOREALE 2 AMERICHE 2015 QUESITO 1

CALENDARIO BOREALE 2 AMERICHE 2015 QUESITO 1 www.matefilia.it Indirizzi: LI0, EA0 SCIENTIFICO; LI0 - SCIENTIFICO - OPZIONE SCIENZE APPLICATE CALENDARIO BOREALE AMERICHE 0 QUESITO Determinare il volume del solido generato dalla rotazione attorno alla

Dettagli

Esercitazione: La distribuzione NORMALE

Esercitazione: La distribuzione NORMALE Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando

Dettagli

6. Applicazione di curve di probabilità pluviometrica in ambito di verifica.

6. Applicazione di curve di probabilità pluviometrica in ambito di verifica. 6. Applicazione i curve i probabilità pluviometrica in ambito i verifica. Viene qui riportato un esempio i applicazione i curve i probabilità pluviometrica per la eterminazione el perioo i ritorno i un

Dettagli

CURVA IPSOGRAFICA. Superficie (ha) Curva ipsografica del bacino sotteso dalla sezione di intervento

CURVA IPSOGRAFICA. Superficie (ha) Curva ipsografica del bacino sotteso dalla sezione di intervento 1. STUDIO IDROLOGICO DEL BACINO Lo studio idrologico del bacino afferente all impianto di progetto consente di determinare la portata duecentennale, assunta come elemento di calcolo. Si tratta della portata

Dettagli

Politecnico di Torino. Esercitazioni di Protezione idraulica del territorio

Politecnico di Torino. Esercitazioni di Protezione idraulica del territorio Politecnico di Torino Esercitazioni di Protezione idraulica del territorio a.a. 2012-2013 ESERCITAZIONE 1 VALUTAZIONE DELLA RARITÀ DI UN EVENTO PLUVIOMETRICO ECCEZIONALE 1. Determinazione del periodo di

Dettagli

GNDCI Linea 1. Rapporto di sintesi sulla valutazione delle piene in Italia

GNDCI Linea 1. Rapporto di sintesi sulla valutazione delle piene in Italia 6. SINTESI DEL RAPPORTO REGIONALE NEI BACINI DELLE SEZIONI IDROGRAFICHE DI ROMA E PESCARA 6.1 Premessa Il presente capitolo si basa sulle analisi pluviometriche effettuate dall U.O. 1.34, mentre per le

Dettagli

Modelli Log-lineari Bivariati

Modelli Log-lineari Bivariati Modelli Log-lineari Bivariati Luca Stefanutti Università di Padova Dipartimento di Psicologia Applicata Via Venezia 8, 35131 Padova L.Stefanutti (Università di Padova) Modelli Log-lineari 1 / 71 Contenuti

Dettagli

ISTOGRAMMI E DISTRIBUZIONI:

ISTOGRAMMI E DISTRIBUZIONI: ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI

Dettagli

Analisi Regionale di Frequenza delle piene

Analisi Regionale di Frequenza delle piene Analisi Regionale di Frequenza delle piene (VALUTAZIONE PROBABILISTICA DELLE PIENE) pierluigi.claps@polito.it; daniele.ganora@polito.it 1 Schema concettuale della Protezione Idraulica del Territorio PIANIFICAZIONE

Dettagli

Trasporto in Semiconduttori e Metalli - Esercizi con soluzioni

Trasporto in Semiconduttori e Metalli - Esercizi con soluzioni Trasporto in Semiconduttori e Metalli - Esercizi con soluzioni Fisica della Materia Condensata Dipartimento di Matematica e Fisica Università degli Studi Roma Tre A.A. 2016/2017 Trasporto in Semiconduttori

Dettagli

Idraulica e idrologia: Lezione 9

Idraulica e idrologia: Lezione 9 Idraulica e idrologia: Lezione 9 Agenda del giorno - Relazioni per la stima della portata al colmo; - Tempo di corrivazione di un bacino; - Metodo razionale. 1 LINEA SEGNALATRICE DI PROBABILITA PLUVIOMETRICA

Dettagli

UNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.

UNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA. Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi

Dettagli

Alcune v.a. discrete notevoli

Alcune v.a. discrete notevoli Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia

Dettagli

GNDCI Linea 1. Rapporto di sintesi sulla valutazione delle piene in Italia

GNDCI Linea 1. Rapporto di sintesi sulla valutazione delle piene in Italia 12. SINTESI DEL RAPPORTO REGIONALE SARDEGNA 12.1 Premessa In questa breve nota vengono sintetizzati i risultati salienti del Progetto VAPI per la stima delle portate di assegnato tempo di ritorno, per

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto

Dettagli

Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"

Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in Scienze e Tecnologie Alimentari Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa

Dettagli

Test per l omogeneità delle varianze

Test per l omogeneità delle varianze Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una

Dettagli

Variabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia

Variabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia Variabili aleatorie continue: la normale Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia 2015-16 1 / 40 Distinzione Le variabili aleatorie possono essere 1 discrete 2 continue 2

Dettagli

x 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =

x 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 = 56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,

Dettagli

EQUILIBRIO TERMODINAMICO LOCALE. Contents. 1 Variabili termodinamiche locali 2. 2 Quantità di moto 3

EQUILIBRIO TERMODINAMICO LOCALE. Contents. 1 Variabili termodinamiche locali 2. 2 Quantità di moto 3 Contents EQUILIBRIO TERMODINAMICO LOCALE 1 Variabili termodinamiche locali 2 2 Quantità di moto 3 3 Variabile intensiva coniugata alla quantità di moto 4 4 Densità delle variabili estensive 6 5 Equilibrio

Dettagli

Project Scheduling: PERT. Il PERT ha potenzialità superiori rispetto a quelle di un semplice mezzo per la pianificazione ed il controllo.

Project Scheduling: PERT. Il PERT ha potenzialità superiori rispetto a quelle di un semplice mezzo per la pianificazione ed il controllo. 1. Introduzione Project Scheduling: PERT Il PERT è una tecnica introdotta per la pianificazione ed il controllo di progetti in cui le durate t ij delle singole attività sono delle variabili aleatorie.

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 52 Adattamento di una distribuzione

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 2 1 Distribuzione normale Esercizio 1 Sia X una variabile aleatoria Normale N (5, ). Facendo

Dettagli

Progetto fognatura di Trigoria

Progetto fognatura di Trigoria UNIVERSITA DEGLI STUDI ROMA TRE Facoltà di Ingegneria Corso di laurea in INGEGNERIA CIVILE Progetto fognatura di Trigoria Tesi di Laurea di Gaetano Passaro Ottobre 2011 Relatori: Prof. G. Calenda Prof.

Dettagli

Distribuzione esponenziale. f(x) = 0 x < 0

Distribuzione esponenziale. f(x) = 0 x < 0 Distribuzione esponenziale Funzione densità f(x) = λe λx x 0 0 x < 0 Funzione parametrica (λ) 72 Funzione di densità della distribuzione esponenziale 1 0.9 0.8 0.7 λ=1 0.6 f(x) 0.5 0.4 0.3 λ=1/2 0.2 0.1

Dettagli

Sistema a tre stati L. P. 25 marzo 2014

Sistema a tre stati L. P. 25 marzo 2014 Sistema a tre stati L. P. 25 marzo 204 Consideriamo un sistema costituito da N particelle identiche, ognuna delle quali può trovarsi in uno di tre stati: i {0,, 2}, le cui energie valgono rispettivamente

Dettagli

Statistica. Lezione 4

Statistica. Lezione 4 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela

Dettagli

Riesame dei risultati del metodo razionale con due metodi di stima della pioggia netta

Riesame dei risultati del metodo razionale con due metodi di stima della pioggia netta Angela Cianchi Matr. 188270 16 Dicembre 2012 Riesame dei risultati del metodo razionale con due metodi di stima della pioggia netta Svolgimento Il metodo della corrivazione si basa sulle seguenti ipotesi:

Dettagli

Le variabili casuali o aleatorie

Le variabili casuali o aleatorie Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore

Dettagli

Lezione 4 a - Misure di dispersione o di variabilità

Lezione 4 a - Misure di dispersione o di variabilità Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono

Dettagli

Analisi degli Errori di Misura. 08/04/2009 G.Sirri

Analisi degli Errori di Misura. 08/04/2009 G.Sirri Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia

Dettagli

ESERCIZI PROBABILITA I

ESERCIZI PROBABILITA I ESERCIZI PROBABILITA I ESERCIZIO 1 Il rendimento annuo di un titolo viene descritto mediante una distribuzione normale. I e III quartile del rendimento sono uguali a, rispettivamente, -0.1 e 0.3. Si calcoli

Dettagli

Misurare il rischio finanziario con l Extreme Value Theory

Misurare il rischio finanziario con l Extreme Value Theory Misurare il rischio finanziario con l Extreme Value Theory M. Bee Dipartimento di Economia, Università di Trento MatFinTN 2012, Trento, 24 gennaio 2012 Outline Introduzione Extreme Value Theory EVT e rischio

Dettagli

PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE

PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE (da un idea di M. Impedovo Variabili aleatorie continue e simulazione Progetto Alice n. 15, ) 1. La simulazione Nelle schede precedenti

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verifica delle ipotesi Se abbiamo un idea di quale possa essere il valore di un parametro incognito possiamo sottoporlo ad una verifica, che sulla base di un risultato campionario, ci permetta di decidere

Dettagli

Distribuzione Gaussiana (Distribuzione ib i normale) l)

Distribuzione Gaussiana (Distribuzione ib i normale) l) (Distribuione ib i normale) l).35.3 5 f().5..5-5 -4-3 - - 3 4 5 Usata per guasti distribuiti casualmente attorno ad un valore medio temporale. Una variabile aleatoria si dice Gaussiana se la sua densità

Dettagli

L'implementazione delle ROC Curve nei modelli GAMLSS come strumento di previsione per i Big Data

L'implementazione delle ROC Curve nei modelli GAMLSS come strumento di previsione per i Big Data L'implementazione delle ROC Curve nei modelli GAMLSS come strumento di previsione per i Big Data Paolo Mariani, Andrea Marletta Dipartimento di Economia, Metodi Quantitativi e Strategie di Impresa, Università

Dettagli

SIMULAZIONE - 29 APRILE QUESITI

SIMULAZIONE - 29 APRILE QUESITI www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione

Dettagli

MATEMATICA CORSO A II COMPITINO (Tema 1) 5 Aprile 2013

MATEMATICA CORSO A II COMPITINO (Tema 1) 5 Aprile 2013 MATEMATICA CORSO A II COMPITINO (Tema 1) 5 Aprile 2013 Soluzioni 1. Due sperimentatori hanno rilevato rispettivamente 25 e 5 misure di una certa grandezza lineare e calcolato le medie che sono risultate

Dettagli

LE PROVE DI AFFIDABILITA

LE PROVE DI AFFIDABILITA 4. LE PROVE DI AFFIDABILITA Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 4 1 LE PROVE DI AFFIDABILITA SI RICAVANO INFORMAZIONI RELATIVE AD UN CAMPIONE E SI

Dettagli

Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )

Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, ) Università degli Studi di Milano Bicocca Scuola di Economia e Statistica Corso di Laurea in Economia e Amministrazione delle Imprese (ECOAMM) Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE

Dettagli

Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili.

Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili. Sistemi di variabili casuali Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili. Esempi: - il massimo annuale della

Dettagli

ESAME. 9 Gennaio 2017 COMPITO B

ESAME. 9 Gennaio 2017 COMPITO B ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto

Dettagli

Variabili aleatorie gaussiane

Variabili aleatorie gaussiane Variabili aleatorie gaussiane La distribuzione normale (riconoscibile dalla curva a forma di campana) è la più usata tra tutte le distribuzioni, perché molte distribuzioni che ricorrono naturalmente sono

Dettagli

Schema lezione 5 Intervalli di confidenza

Schema lezione 5 Intervalli di confidenza Schema lezione 5 Intervalli di confidenza Non centrerò quella barca, ne sono convinto al 95% COMPRENDERE: Significato di intervallo di confidenza Uso degli stimatori come quantità di pivot per stime intervallari

Dettagli

Statistica Applicata all edilizia Lezione: carte di controllo

Statistica Applicata all edilizia Lezione: carte di controllo Lezione: carte di controllo E-mail: orietta.nicolis@unibg.it 24 maggio 2007 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Fonti

Dettagli

Seminario RISCHIO ALLUVIONI IN TOSCANA: PRECIPITAZIONI ED EFFETTI AL

Seminario RISCHIO ALLUVIONI IN TOSCANA: PRECIPITAZIONI ED EFFETTI AL Seminario RISCHIO ALLUVIONI IN TOSCANA: PRECIPITAZIONI ED EFFETTI AL SUOLO Firenze, aprile 015 REGIONALIZZAZIONE REGIONALIZZAZIONE DELLE DELLE PRECIPITAZIONI: PRECIPITAZIONI: AGGIORNAMENTO AGGIORNAMENTO

Dettagli

Variabile Casuale Normale

Variabile Casuale Normale Variabile Casuale Normale Variabile Casuale Normale o Gaussiana E una variabile casuale continua che assume tutti i numeri reali, è definita dalla seguente funzione di densità: 1 f( x) = e σ 2 π ( x µ

Dettagli

LA DISTRIBUZIONE NORMALE. La distribuzione Gaussiana. Dott.ssa Marta Di Nicola

LA DISTRIBUZIONE NORMALE. La distribuzione Gaussiana. Dott.ssa Marta Di Nicola LA DISTRIBUZIONE NORMALE http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo o un cane o un altro essere qualunque

Dettagli

Politecnico di Milano Ingegneria Industriale Analisi e Geometria 1 Secondo compito in itinere 3 Febbraio 2014

Politecnico di Milano Ingegneria Industriale Analisi e Geometria 1 Secondo compito in itinere 3 Febbraio 2014 Politecnico di Milano Ingegneria Industriale Analisi e Geometria Secondo compito in itinere Febbraio 04 Cognome: Nome: Matricola: Compito A Es: 8 punti Es: 8 punti Es: 8 punti Es4: 8 punti Totale a) Determinare

Dettagli

MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE

MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le

Dettagli

Dispositivi e Tecnologie Elettroniche. Esercitazione Giunzione pn

Dispositivi e Tecnologie Elettroniche. Esercitazione Giunzione pn Dispositivi e Tecnologie Elettroniche Esercitazione Giunzione pn Esercizio 1: testo Si consideri una giunzione brusca e simmetrica con drogaggio N A N D 10 17 cm 3 sezione trasversale A 0.5 mm 2 e lati

Dettagli