Analisi Numerica I, a.a Docente: M.Gaviano

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi Numerica I, a.a Docente: M.Gaviano"

Transcript

1 Eserctazone n.1 Anals Numerca I, a.a Medante MatLab 1) Costrusc le seguent matrc ) Calcola la matrce prodotto C= A*B Medante la funzone sze defnta n MatLab calcola le dmenson delle matrc A, B, e C. Costrusc la matrce D, 64, formata dalle 4 rghe che compongono A e le 2 rghe che compongono B. Costrusc dalla matrce A la matrce E composta dalle prme due colonne d A. Costrusc dalla matrce A la matrce F ottenuta elmnando la prma ed ultma rga, e la prma ed ultma colonna. Genera la matrce denttà d dmensone 2, 4, 6 e 8. Genera una matrce casuale (medante la funzone rand() predefnta n Matlab) con valor compres tra 0 e 10 d dmensone 2, 4. Genera una matrce 44 casuale con valore compres tra 0 e 1. Calcolane l determnante e l nversa. Genera 2 matrc A e B, 44, casual con valor compres tra -2 e 2. Costrusc una matrce C ottenuta moltplcando gl element d A e B elemento per elemento ovvero c j = a j * b j Costrusc una matrce D ottenuta dvdo gl element d A e B elemento per elemento ovvero d j = a j / b j 3) Utzzando l help verfca l utlzzo delle funzon per matrc rand(), nv(), eye(), zeros(), ones() Calcola: rand(6), eye(4), zeros(6), ones(3), nv(a) con A matrce 55 casuale con valor compres tra -10 e 10 Calcola la soluzone del seguente sstema d 4 equazon n 4 ncognte: A=b n cu A è una matrce casuale 44 e b un vettore casuale 41 d element compres tra 0e 1. Verfca l esattezza della soluzone. Genera vettor rga 1 con 20 element scelt equdstant nell ntervallo [ π, π] 2 con 12 element equdstant nell ntervallo [ 4, 4] 4) Costrusc un fle MatLab che, quando eseguto, chede come dat un ntervallo [a,b] un numero ntero n e qund genera un vettor rga costtuto da n punt equdstant nell ntervallo [a,b]. 5) Costrusc funzon MatLab d nome fun1, fun2, fun3 e fun4 (memorzzate n fles d nome fun1.m, fun2.m, fun3.m e fun4.m) che calcolno le funzon y=2*sn(), y=sn()++4, y= , y=1/( 2 +1) Fa n modo che se è un vettore allora vene resttuta la tabulazone della funzone. 6) Costrusc un fle MatLab d nome grafco.m che tracc l grafco delle funzon y=2*sn(), y=sn()++4, y= , y=1/( 2 +1) n un ntervallo da assegnare ogn volta che l fle vene eseguto. Il numero d punt per la tabulazone sa ugualmente assegnato da tastera.

2 Eserctazone n.2 Anals Numerca I, a.a ) Scrvere un programma n MATLAB che calcol le radc real (D 0, D=b 2 4ac) dell equazone d secondo grado ovvero calcol le radc 1 e 2 date da 12 a 2 +b+c=0 2 b ± b 4ac = 2a Nel caso D<0, D=b 2 4ac l programma deve solo dare l seguente messaggo: radc complesse conugate. Fare l test su seguent problem 2) a b c Scrvere un programma n MATLAB che calcol le radc real o complesse conugate dell equazone d secondo grado ovvero per D 0 calcol le radc 1 e 2 date da a 2 +b+c=0 12 = b ± 2 b 4ac 2a Per D<0 calcol le radc complesse conugate 1 e 2 date da 1,2 ( parte _ reale ( = Fare l test su seguent problem b ) ± 2a ( parte _ mmagnara ( = 4ac b 2a 2 ) ) 3) a b c Scrvere un programma n MATLAB che calcol le radc real o complesse conugate dell equazone d secondo grado n modo da sfruttare la capactà d matlab d operare con numer compless. Fare l test su seguent problem a b c

3 Eserctazone n.3 Anals Numerca I, a.a a) Scrvere un programma n Matlab che legga un valore e ne calcol l seno utlzzando la sere nfnta sn = - 3 /3! + 5 /5! - 7 /7! n /7!. dove è espresso n radant ed n è un numero ntero ntrodotto da tastera. Vsualzzare la dfferenza tra l valore d sn() calcolato dal programma e quello calcolato con la funzone predefnta d MatLab. Rere l programma nterattvo, ovvero l esecuzone contnu assegnando valor successv d n e termn quando l utente lo desdera b) Scrvere un programma n Matlab che legga un valore e ne calcol l seno utlzzando la sere nfnta sn = - 3 /3! + 5 /5! - 7 /7! +... dove è espresso n radant. Nel sommare gl element successv della sere nterrompere l operazone quando la dfferenza tra gl ultm 2 termn (calcolat) della sere è mnore n valore assoluto d 10-8 (accuratezza). Vsualzzare la dfferenza tra l valore d sn() calcolato dal programma e quello calcolato con la funzone predefnta d MatLab. Vsualzzare anche l numero d terazon necessare a raggungere l accuratezza. Rere l programma nterattvo, ovvero l esecuzone contnu assegnando valor successv d e termn quando l utente lo desdera Fare l test con var valor d.

4 Eserctazone n.4 Anals Numerca I, a.a a) Scrv un algortmo che calcol la precsone macchna d MatLab e del complatore C della Borland col tpo d dat float e double (solo per gl nformatc).. Lo schema dell algortmo può essere algortmo(precsone macchna) eps=1. eps1=eps+1; whle eps1> 1, eps=0.5*eps; eps1=eps+1 stampa la precsone macchna è: 2*eps Calcola valor approssmat d t, L, U per l sstema floatng pont d MatLab e del complatore Borland col tpo d dat float e double. b) La funzone può essere scrtta anche nella forma y 1 = y 2 =(-1) 6 c) Fa l grafco della funzone utlzzando le 2 rappresentazon. Ovvero fa l grafco d y 1 e y 2 nell ntervallo [0.994, 1.006] nella stessa fgura. Cerca d capre perché l grafco della rappresentazone y 1 ha un andamento non regolare. S sa da un qualsas lbro d Anals Matematca che per <1 la sere n = 0 te a 1/(1-) per n che assume valor crescent. Scrv un algortmo n MatLab che legge un numero reale, controlla se l suo valore assoluto è mnore d 1, qund se la rsposta è affermatva, legge un numero reale postvo Acc quale accuratezza, e determna l'ntero n* tale che * n = Acc (Consdera che = -1 *. Qund cascun termne della sere può essere ottenuto eseguo una sola moltplcazone) Esempo: Input: = 0.6 Acc = Output: n* = 16

5 Eserctazone n.5 Anals Numerca I, a.a Un algortmo per la rsoluzone d sstem trangolar nferor del tpo Ly=b è l seguente: 1. algortmo y 1 =b 1 /l 11 for =2,,n y =b for j=1,, -1 y =y -l j y j y =y /l Scrv un algortmo n Matlab che a) gener a caso un problema del tpo Ly=b d dmensone n la cu soluzone esatta yy è nota. b) applch l algortmo 1 per trovare la soluzone approssmata y. c) stamp la soluzone trovata e la norma del massmo dell errore yy-y. Spermenta l algortmo con n=10, 20,40, 60, 80,100,200, 300. Suggermento: Determna l problema a caso, generando una matrce A casuale d dmensone n cu element sono tra 0 e 1. Estra da A medante la funzone trl() predefnta n MatLab, la trangolare nferore otteno L. Scegl ugualmente a caso (element tra 0 e 1) l vettore colonna yy d dmensone n e qund calcola b=l*yy. I dat del problema sono n, L e b; yy è la soluzone esatta del problema. R l algortmo MatLab nterattvo.

6 Eserctazone n.6 Un algortmo per la rsoluzone d sstem trangolar superor del tpo U=y è l seguente: 1. algortmo n =y n /u nn for =n-1,,1 =y for j=+1,,n = -u j j = /u Scrv un algortmo n Matlab che a) gener a caso un problema del tpo U=y d dmensone n la cu soluzone esatta è nota. b) applch l algortmo 1 per trovare la soluzone approssmata. c) stamp la soluzone trovata e la norma eucldea dell errore -. Spermenta l algortmo con n=10, 20,40, 60, 80,100, 200,300. Suggermento: Determna l problema a caso n 2 mod dvers (otteno problem con caratterstche dfferent) 1. genera una matrce A casuale d dmensone n cu element sono tra 0 e 1. Estra da A medante la funzone tru(), predefnta n MatLab, la trangolare superore otteno U. Scegl ugualmente a caso (element tra 0 e 1) l vettore colonna d dmensone n e qund calcola y=u*. n, U e y sono dat del problema; è la soluzone esatta del problema. R l algortmo MatLab nterattvo. 2. genera una matrce A casuale d dmensone n cu element sono tra 0 e 1. Estra da A medante la funzone tru(), predefnta n MatLab,la trangolare superore otteno U. Modfca U pono gl element nella dagonale prncpale ugual a 1. Scegl ugualmente a caso (element tra 0 e 1) l vettore colonna d dmensone n e qund calcola y=u*. n, U e y sono dat del problema; è la soluzone esatta del problema. R l algortmo MatLab nterattvo. Controlla l valore dell errore al crescere d n.

7 Eserctazone n.7 1) L algortmo d Gauss nave per la rsoluzone d sstem lnear A=b trasforma l sstema n uno trangolare superore medante l seguente: 1. algortmo for =1,2,,n-1 for =+1,,n ( ) a, m, = ( ) a, for j=+1,,n+1 + 1) ( ) a = a m a ( ( ) j, j j Scrv un algortmo n Matlab che rsolva l sstema lneare A=b operando come segue a) gener a caso un problema del tpo A=b d dmensone n la cu soluzone esatta è nota; b) applch l algortmo 1 per trangolarzzare l sstema; c) trov la soluzone approssmata rsolvo l sstema trangolare superore; c) stamp la soluzone trovata e la norma eucldea dell errore -. Spermenta l algortmo con n=10, 20,40, 60, 80,100. Suggermento: Il problema a caso può essere determnato, generando una matrce A casuale d dmensone n cu element sono tra 0 e 1. S scegle, ugualmente a caso, l vettore colonna d dmensone n e qund s calcola b=a*. n, A e b sono dat del problema; è la soluzone esatta del problema. 2) Modfca l metodo d Gauss nave n modo che sa applcable a problem A=b n cu det(a) 0 e qualche mnore prncpale sa uguale a zero. Suggermento: Il problema a caso può essere determnato come nel caso precedente ed mpono successvamente che due rghe d qualche matrce prncpale sano ugual.

8 Eserctazone n.8 Il seguente algortmo d Gauss scalato trangolarzza un sstema lneare A=b n cu A e b sono memorzzat n un unco array A 1. algortmo for =1,..,n d =ma 1<=j<=n+1 a j Scala l sstema lneare dvdo la rga -sma del sstema per d. for =1,2,,n-1 ( ) ( ) p ntero tale che a p = ma a ( ) j ( ) a pj n scambo a e, j=1,,n+1. for =+1,,n ( ) a, m, = ( ) a, for j=+1,,n+1 + 1) ( ) a = a m a ( ( ) j, j j Scrv un algortmo n Matlab che rsolva l sstema lneare A=b operando come segue Caso 1 a) gener a caso un problema del tpo A=b d dmensone n la cu soluzone esatta è nota; b) applch l algortmo 1 per trangolarzzare l sstema; c) trov la soluzone approssmata rsolvo l sstema trangolare superore; d) stamp la soluzone trovata e la norma eucldea dell errore -. Caso 2 a) gener un problema test A =b n cu A è la matrce d Hlbert e la cu soluzone esatta è nota; I pass b), c), d) sono gl stess del caso 1 Spermenta l algortmo con n=10, 20,40, 60, 80,100. Suggermento: Il problema a caso può essere determnato, generando una matrce A casuale d dmensone n cu element sono tra 0 e 1. S scegle, ugualmente a caso, l vettore colonna d dmensone n e qund s calcola b=a*. n, A e b sono dat del problema; è la soluzone esatta del problema. La matrce d Hlbert s genera utlzzando la funzone hlb( ) predefnta n MatLab.

9 Eserctazone n.9 Il seguente algortmo d Gauss Dooltle fattorzza una matrce A nella forma A=LU con L matrce trangolare nferore avente 1 nella dagonale prncpale e U trangolare superore For =1,..,n For =,..,n u = a For =+1,..,n l 1 l p= 1 1 p p u p ( a = lpu p ) / u =1 Rsolv con MatLab un sstema lneare A=b generato a caso, fattorzzando prma A con l algortmo su descrtto e po rsolvo sstem trangolar. Calcola anche l numero d operazon artmetche (addzon, sottrazon, moltplcazon e dvson) esegute durante l esecuzone dell algortmo. Suggermento: Il problema a caso può essere determnato, generando una matrce A casuale d dmensone n cu element sono tra 0 e 1. S scegle, ugualmente a caso, l vettore colonna d dmensone n e qund s calcola b=a*. n, A e b sono dat del problema; è la soluzone esatta del problema. Eserctazone n.10 Anals Numerca I, a.a Il seguente algortmo d Cholesy fattorzza una matrce A, smmetrca defnta postva, nella forma A=R*R T con R matrce trangolare nferore. For =1,..,n 1 ( a = a a p= 1 For =+1,..,n p ) 1 a ( a = apap ) / a =1 p Rsolv con MatLab un sstema lneare A=b generato a caso, con A smmetrca defnta postva, fattorzzando prma A con l algortmo su descrtto e po rsolvo sstem trangolar.. Suggermento: Il problema a caso può essere determnato, generando una matrce C casuale d dmensone n cu element sono tra 0 e 1 e pono po A=C T C. S scegle, ugualmente a caso, l vettore colonna d dmensone n e qund s calcola b=a*. n, A e b sono dat del problema; è la soluzone esatta del problema.

10 Eserctazone n.11 Calcola l tempo che l algortmo d Gauss con pvotng scalato mpega a rsolvere sstem lnear con dmenson n= 10,20,30, 40,, 200. Memorzza temp ottenut n un array d nome temp(), qund fa l grafco della varable n e della corrspondente tabulazone temp() Suggermento. Pon l algortmo d Gauss dentro un cclo n cu n vara da 10 a 200 con passo 10 e qund memorzza temp d calcolo. Utlzza le funzon d Matlab cputme che fornsce l tempo dell orologo n second; la dfferenza tra due chamate successve d cputme fornsce l tempo d utlzzo della cpu tra le due chamate.

11 Eserctazone n.12 L algortmo d Gauss per la fattorzzazone A=L*U d matrc a banda nferore p e superore q è 1. algortmo for =1,2,,n-1 for =+1,,mn(+p,n) a a, = a, for =+1,,mn(+p,n) for j=+1,,mn(+q,n) a = a a a j j j Scrv un algortmo n Matlab che rsolva l sstema lneare A=b n cu A è una matrce a banda (p,q) determnando prma le matrc U ed L con l algortmo su ndcato e po rsolvo Ly=b e U=y. Spermenta l algortmo con n=60, q=p=0, n/4, n/2, n-1. Calcola l tempo d esecuzone per cascuno d quest parametr medante la funzone d MatLab cputme. Suggermento: Il problema a caso può essere determnato, generando prma una matrce A, casuale d dmensone n cu element sono tra 0 e 1, po utlzzando successvamente le funzon predefnte trl(a,) e tru(a,) (l help d tru() e trl() ndcano quale valore dare a ). S scegle, ugualmente a caso, l vettore colonna d dmensone n e qund s calcola b=a*. n, A e b sono dat del problema; è la soluzone esatta del problema.

12 Eserctazone n.13 Rsolv un sstema lneare A=b utlzzando sa l metodo teratvo d Jacob sa l metodo d Gauss- Sedel. Il prmo è basato sul seguente schema teratvo For 1=1,..,n ( + 1) = ( b 1 n ( ) aj a j j j= 1 j= + 1 ( ) j ) / a Il secondo sullo schema For 1=1,..,n ( + 1) = ( b 1 n ( + 1) aj a j j j= 1 j= + 1 ( ) j ) / a Testa due metod sa nel caso la matrce A sa data da A = 1 1 1, A = sa nel caso la matrce A sa generata a caso utlzzando funzon predefnte d MatLab per costrure un sstema A=b per l quale s è scur che l metodo d Jacob converge: B=(1/n)*rand(n); DD=dag(dag(B)); B=B-DD; A=DD-DD*(B); Suggermento. I due metod sono teratv; ndcando con l ndce d terazone s ha che la convergenza è ottenuta per che te all nfnto. Pertanto nella formulazone dell algortmo è necessaro nserre un crtero d stop. Questo può essere: fssata un accuratezza acc termna le terazon quando la norma della dfferenza d due n-ple successve (+1), () è mnore d acc. Inoltre poché l crtero d stop potrebbe non essere ma soddsfatto ( caso della non convergenza), entrando n un cclo nfnto, convene aggungere un altro crtero d stop: l esecuzone dell algortmo è nterrotta quando vene raggunta un terazone massma prefssata. Nota anche che nell mplementazone non è necessaro memorzzare tutta la successone () basta solo operare su due vettor 0 e 1.

13 Eserctazone n.14 L algortmo d Nevlle data la tabulazone d una funzone, y = 0,..n permette d calcolare l valore del polnomo nterpolante fs n un punto generco s. Memorzzando valor d e y negl arrays () e y() l algortmo può scrvers nella forma t(0)=y(0) for =1,,n t()=y() for j=-1,-1,0 t(j)=t(j+1)+(t(j+1)-t(j))*(s-())/(()-(j)) fs=t(0). Scrv un algortmo n matlab che dato un ntervallo [a,b] scelga per una assegnata funzone f(), n nod equdstant nell ntervallo dato e calcol valor y = f( ). con l algortmo d Nevlle calcol valor ps j del polnomo nterpolante n m punt s j equdstant nell ntervallo [a,b]. calcol valor d f() ne punt s j da ndcare con fs j. Usando valor s j e ps j e fs j facca grafc del polnomo nterpolante e della funzone f(). Come funzon test f() pr 2sen()+2, e 1/(1+ 2 ) Hnt: Scegl n come una varable nput n questo modo s possono faclmente fare prove con un numero d nod varable. Usa la defnzone d funzone presente n Matlab per creare l fle fun.m contenente la defnzone d funzone. Per esempo: functon y = fun() y=2*sn()+2; % calcolo d y

14 Anals Numerca I, a.a Eserctazone n.15 Data la tabulazone d una funzone, y = 0,..n, MatLab permette d costrure l polnomo nterpolante d grado n. Cò s ottene medante la funzone polyft(,y,n) con ( ), y (y ) e n l grado del polnomo (polyft s trova nel gruppo polyfun). Polyft resttusce un vettore, che possamo chamare P cu element sono coeffcent del polnomo nterpolante. Inoltre n matlab esste, predefnta, la funzone polyval(p,z) la quale dat coeffcent P d un polnomo dà una tabulazone del polnomo n z, con z vettore d numer. Scrv un algortmo n matlab che dato un ntervallo [a,b] scelga per una assegnata funzone f(), n nod equdstant nell ntervallo dato e calcol valor y = f( ). medante la funzone polyft calcol coeffcent del polnomo nterpolante ne punt j y. facca l grafco d f() e del polnomo nterpolante sceglo m punt s j equdstant nell ntervallo [a,b]. Come funzon test f() pr e - sen(2π) nell ntervallo [0,4] (-3+1.4)*sen(18) nell ntervallo [ , ]. 1/(1+ 2 ) nell ntervallo [-5, 5]. Hnt: Scegl n come una varable nput n questo modo s possono faclmente fare prove con un numero d nod varable. Usa la defnzone d funzone presente n Matlab per creare l fle fun.m contenente la defnzone d funzone. Per esempo: functon y = fun() y=2*sn()+2; % calcolo d y

15 Eserctazone n.16 Data la tabulazone d una funzone f(),, y = 0,..n, la f() può approssmars medante una splne lneare. Scrv un algortmo n matlab che dato un ntervallo [a,b] scelga per una assegnata funzone f() n nod equdstant nell ntervallo dato e calcol valor y = f( ). facca grafc della splne nterpolante e della funzone f(). Come esempo funzone pr le funzon 2sen()+2 (nell ntervallo [-20, 20]), e - sen(2π) nell ntervallo [0,4] (-3+1.4)*sen(18) nell ntervallo [ , ]. 1/(1+ 2 ) (nell ntervallo [-6, 6]) Hnt: n deve essere una varable nput n questo modo s possono faclmente fare prove con dvers nod. Usa la defnzone d funzone presente n Matlab: Crea l fle fun.m contenente % defnzone d funzone functon y = fun() y=2*sn()+2; la scrttura fun(6.0) n un programma o nella fnestra d commando permette d calcolare 2sen()+2 nel punto =6.0. Attento che alla funzone può passars uno scalare o un vettore. In quest ultmo caso la funzone resttusce l vettore tabulazone, ma la defnzone deve essere fatta opportunamente.

16 Eserctazone n.17 1) Suppon d conoscere la tabulazone, y, =1,..,m, d una funzone f() n un ntervallo [a,b]. Utlzzando Matlab costrusc un polnomo d grado n, n<m che approssma la f() nel senso de mnm quadrat (caso dscreto). Fa l grafco della f() (per punt) e del polnomo approssmante. 2) Rpet la stessa procedura utlzzata per rsolvere 1) suppono che valor d f() non sano calcolat esattamente ma con un errore casuale che non supera l 10% del valore della funzone. Coè nvece d f() s ha g()=f()+ casuale() con f() 0.1* f() <casuale()< f() +0.1* f(). Consdera come esemp d funzon 2sen()+2 (nell ntervallo [-20, 20]), e - sen(2π) nell ntervallo [0,4] (-3+1.4)*sen(18) nell ntervallo [ , ]. 1/(1+ 2 ) (nell ntervallo [-6, 6]) Hnt: Approssmare nel senso de mnm quadrat (caso dscreto) con un polnomo d grado n sgnfca: Data la tabulazone, y, =1,..,m, d una funzone f()εc[a,b] e l sottospazo W de polnom d grado n, w(a,)= a 0 +a 1 + +a n n, trovare l polnomo w(a*,) tale che m = 1 ( w( a*, ) y ) 2 m = 1 ( w( a, ) y ) 2 Il vettore a * = ( a, a,..., a * * * 0 1 n ) è dato da Con M m = 1 Ma*=r j = ( m = =0,1,,n e j=0,1,,n, j ) m = 1 r = ( r ) = y =0,1,,n

17 Eserctazone n.18 3) Suppon d conoscere la tabulazone, y, =1,..,m, d una funzone f() n un ntervallo [a,b]. Dato un ntero n, n 0, utlzzando la funzone predefnta d Matlab polyft(,y,n) (data la tabulazone ( ), y (y ) ed n l grado del polnomo, Polyft resttusce un vettore, che possamo chamare P cu element sono coeffcent del polnomo nterpolante) costrusc un polnomo d grado n, che approssma la f() nel senso de mnm quadrat (caso dscreto). Fa l grafco della f() ( per punt) e del polnomo approssmante. 4) Rpet la stessa procedura utlzzata per rsolvere 1) suppono che valor d f() non sano calcolat esattamente ma con un errore casuale che non supera l 10% del valore della funzone. Coè nvece d f() s ha g()=f()+ casuale() con f() 0.1* f() <casuale()< f() +0.1* f(). Consdera come esemp d funzon 2sen()+2 (nell ntervallo [-20, 20]), e - sen(2π) nell ntervallo [0,4] (-3+1.4)*sen(18) nell ntervallo [ , ]. 1/(1+ 2 ) (nell ntervallo [-6, 6]) Hnt: per ottenere la tabulazone del polnomo nterpolante utlzza la funzone polyval(p,z) la quale dat coeffcent P d un polnomo dà una tabulazone del polnomo n z, con z scalare o vettore d numer.

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti UNIVERSIA DEGLI SUDI DI CAGLIARI Facoltà d Ingegnera Elettronca Corso d Calcolo Numerco 1 A.A. 00/003 Anals e confronto tra metod d regolarzzazone drett per la rsoluzone d prolem dscret mal-post Docente:

Dettagli

La rappresentazione dei numeri. La rappresentazione dei numeri. Aritmetica dei calcolatori. La rappresentazione dei numeri

La rappresentazione dei numeri. La rappresentazione dei numeri. Aritmetica dei calcolatori. La rappresentazione dei numeri Artmetca de calcolator Rappresentazone de numer natural e relatv Addzone e sommator: : a propagazone d rporto, veloce, con segno Moltplcazone e moltplcator: senza segno, con segno e algortmo d Booth Rappresentazone

Dettagli

SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE

SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE GIOVANNI CRUPI, ANDREA DONATO SUMMARY. We characterze a set of

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

LAVORO ESTIVO 4CO1 / 4 CO2

LAVORO ESTIVO 4CO1 / 4 CO2 LVORO ESTIVO CO / CO LE EQUZIONI ESPONENZILI 7 7 7 LE DISEQUZIONI ESPONENZILI 7 LE EQUZIONI LOGRITMICHE [ ] [ ] log log log log log log log log log ln ln ln ln ln ln log log log LE DISEQUZIONI LOGRITMICHE

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

Dettagli

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

Code a priorità (Heap) Definizione Heapify (mantenimento coda a priorità) Costruire un Heap Insert, Maximum e Extract-Max

Code a priorità (Heap) Definizione Heapify (mantenimento coda a priorità) Costruire un Heap Insert, Maximum e Extract-Max Code a prortà (Heap) Defnzone Heapfy (mantenmento coda a prortà) Costrure un Heap Insert, Maxmum e Extract-Max Coda a prortà (Heap) Una coda a prortà può essere rappresentato da un albero bnaro completo.

Dettagli

Aritmetica e architetture

Aritmetica e architetture Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

Introduzione all uso di Matlab

Introduzione all uso di Matlab Introduzone all uso d Matlab RIASSUNTO avvo del programma costant macro funzon cclo for struttura f else help / lookfor vettor e operazon statstca: meda, varanza grafca: plot matrc e operazon generator

Dettagli

Risoluzione quesiti I esonero 2011

Risoluzione quesiti I esonero 2011 Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

Dettagli

Fondamenti di Fisica Acustica

Fondamenti di Fisica Acustica Fondament d Fsca Acustca Pro. Paolo Zazzn - DSSARR Archtettura Pescara Anals n requenza de segnal sonor, bande d ottava e terz d ottava. Rumore banco e rumore rosa. Lvello equvalente. Fsologa dell apparato

Dettagli

Questo è il secondo di una serie di articoli, di

Questo è il secondo di una serie di articoli, di DENTRO LA SCATOLA Rubrca a cura d Fabo A. Schreber Il Consglo Scentfco della rvsta ha pensato d attuare un nzatva culturalmente utle presentando n ogn numero d Mondo Dgtale un argomento fondante per l

Dettagli

Manuale di istruzioni Manual de Instruções Millimar C1208 /C 1216

Manuale di istruzioni Manual de Instruções Millimar C1208 /C 1216 Manuale d struzon Manual de Instruções Mllmar C1208 /C 1216 Mahr GmbH Carl-Mahr-Str. 1 D-37073 Göttngen Telefon +49 551 7073-0 Fax +49 551 Cod. ord. Ultmo aggornamento Versone 3757474 15.02.2007 Valda

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

Induzione elettromagnetica

Induzione elettromagnetica Induzone elettromagnetca L esperenza d Faraday L'effetto d produzone d corrente elettrca n un crcuto prvo d generatore d tensone fu scoperto dal fsco nglese Mchael Faraday nel 83. Egl studò la relazone

Dettagli

Introduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12

Introduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12 Introduzone alla Programmazone e Applcazon per la Fnanza M2 (Prodott Dervat) Lezone 12 Anno accademco 2006-07 Ttolare corso: Prof. Costanza Torrcell Docente: Dott.ssa Maranna Brunett In partcolare mplementeremo:

Dettagli

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza Sergo Frasca Anals de Segnal Dpartmento d Fsca Unverstà d Roma La Sapenza Versone 13 dcembre 011 Versone aggornata n http://grwavsf.roma1.nfn.t/sp/sp.pdf Sommaro 1 Introduzone: segnal e sstem... 7 1.1

Dettagli

Calibrazione. Lo strumento idealizzato

Calibrazione. Lo strumento idealizzato Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca

Dettagli

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica Fotogrammetra Scopo della fotogrammetra è la determnazone delle poszon d punt nello spazo fsco a partre dalla msura delle poszon de punt corrspondent su un mmagne fotografca. Ovvamente, affnché questo

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Leggere i dati da file

Leggere i dati da file Esempo %soluzon d una equazone d secondo grado dsp('soluzon d a^+b+c') anput('damm l coeffcente a '); bnput('damm l coeffcente b '); cnput('damm l coeffcente c '); deltab^-4*a*c; f delta0 dsp('soluzon

Dettagli

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

Corso di Automazione Industriale 1. Capitolo 7

Corso di Automazione Industriale 1. Capitolo 7 1 Corso d Automazone Industrale 1 Captolo 7 Teora delle code e delle ret d code Introduzone alla Teora delle Code La Teora delle Code s propone d svluppare modell per lo studo de fenomen d attesa che s

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

La taratura degli strumenti di misura

La taratura degli strumenti di misura La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

Corso di Architettura (Prof. Scarano) 25/03/2002

Corso di Architettura (Prof. Scarano) 25/03/2002 Corso d rchtettura (Prof. Scarano) // Un quadro della stuazone Lezone Logca Dgtale (): Crcut combnator Vttoro Scarano rchtettura Corso d Lauren Informatca Unverstà degl Stud d Salerno Input/Output Regstr

Dettagli

1 Bimatrix Games e Best Response Condition

1 Bimatrix Games e Best Response Condition Strument della Teora de Goch per l Informatca A.A. 2009/10 Lecture 5: 29 Ottobre 2010 Calcolo d Equlbr Nash Mst per Goch a due Gocator Docente Prof. Vncenzo Auletta Note redatte da: Roberto D Russo Sommaro

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Elemento Finito (FE) per travi 2D

Elemento Finito (FE) per travi 2D Eemento Fnto (FE) per trav D Govann Formca corso d Cacoo Automatco dee Strutture AA. 9/1 Premesse a modeo modeo fsco prncp d banco e dsspazone { Pest P nt = { q u S u = P nt φ modeo smuato (dscretzzazone)

Dettagli

I generatori dipendenti o pilotati e gli amplificatori operazionali

I generatori dipendenti o pilotati e gli amplificatori operazionali 108 Lucano De Menna Corso d Elettrotecnca I generator dpendent o plotat e gl amplfcator operazonal Abbamo pù volte rcordato che generator fn ora ntrodott, d tensone e d corrente, vengono dett deal per

Dettagli

Grafico di una serie di dati sperimentali in EXCEL

Grafico di una serie di dati sperimentali in EXCEL Grafco d una sere d dat spermental n EXCEL 1. Inseramo sulla prma rga l ttolo che defnsce l contenuto del foglo. Po nseramo su un altra rga valor spermental della x e su quella successva valor della y.

Dettagli

Fig.1.2.1 Schema a blocchi di un PMSM isotropo con ingressi ed uscite del controllo digitale.

Fig.1.2.1 Schema a blocchi di un PMSM isotropo con ingressi ed uscite del controllo digitale. . ll metodo del fattore d scala globale Il progetto d un sstema d controllo dgtale può avvalers del cosddetto metodo del fattore d scala globale (FSG), attraverso l quale è possble stablre una corrspondenza

Dettagli

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

Taratura: serve a trovare il legame tra il valore letto sullo strumento e il valore della grandezza fisica misurata

Taratura: serve a trovare il legame tra il valore letto sullo strumento e il valore della grandezza fisica misurata Taratura: serve a trovare l legame tra l valore letto sullo strumento e l valore della grandezza fsca msurata Msure Meccanche e Termche Dsturb d trasduttor anello dnamometrco trasduttore d spostamento

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

DATA MINING E CLUSTERING

DATA MINING E CLUSTERING Captolo 4 DATA MINING E CLUSTERING 4. Che cos'è l Data Mnng Per Data Mnng s'ntende quel processo d estrazone d conoscenza da banche dat, tramte l'applcazone d algortm che ndvduano le assocazon non mmedatamente

Dettagli

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Dettagli

PROGRAMMAZIONE DIDATTICA

PROGRAMMAZIONE DIDATTICA ISTITUTO ISTRUZIONE SUPERIORE STATALE CARLO GEMMELLARO CATANIA PROGRAMMAZIONE DIDATTICA ECONOMIA AZIENDALE A.S.: 2015/2016 Prof Pnzzotto Dana classe 5 b afm Obtv educatv OBTV ddattc trasversal Acqusre

Dettagli

Appunti sulle curve di Bézier

Appunti sulle curve di Bézier Appunt sulle curve d Bézer Marco Barbato 1 Ottobre 2000 Abstract Vengono delneat n modo elementare gl argoment matematc alla base delle curve d Bézer e la loro mplementazone ne software tool d svluppo

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore Modello per la stma della produzone d una dscarca gestta a boreattore 1 Produzone d Bogas Nella letteratura tecnca sono stat propost dvers modell per stmare la produzone d bogas sulla base della qualtà

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

PONTE DELLA MUSICA - ROMA Analisi modale operazionale

PONTE DELLA MUSICA - ROMA Analisi modale operazionale g 0.01 g 0.04 g 5.00e-3 g 0.08 g 8.00e-3 g -9.00e-3 20:VACALE:14:+Y 0.00 s 2200.00-0.08 21:VACALE:14:+Z 0.00 s 2200.00-7.00e-3 22:VACALE:12:+Y 0.00 s 2200.00-0.05 23:VACALE:12:+Z 0.00 s 2200.00-0.01 24:VACALE:13:+X

Dettagli

Valore attuale di una rendita. Valore attuale in Excel: funzione VA

Valore attuale di una rendita. Valore attuale in Excel: funzione VA Valore attuale d una rendta Nella scorsa lezone c samo concentrat sul problema del calcolo del alore attuale d una rendta S che è dato n generale da V ( S) { R ; t, 0,,,..., n,... } n 0 R ( t ), doe (t

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

Misure di dispersione. Introduzione. Statistica descrittiva. Distribuzioni di probabilità e funzioni di ripartizione. Indici di posizione

Misure di dispersione. Introduzione. Statistica descrittiva. Distribuzioni di probabilità e funzioni di ripartizione. Indici di posizione UNIVERSITA DEL SALENTO CORSO DI LAUREA IN FISICA (a.a. 007/008) Corso d Laboratoro II (Prof. Antono D INNOCENZO) ESERCITAZIONE DI STATISTICA * Lo scopo d questa eserctazone è quello d comncare ad utlzzare

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand Collusone (Cabral cap.8 PRN capp. 13-14) Accord tact o esplct per aumentare l potere d mercato e pratcare prezz pù elevat rspetto all equlbro non cooperatvo corrspondente Esste un vantaggo dalla collusone

Dettagli

CONFORMITA DEL PROGETTO

CONFORMITA DEL PROGETTO AMGA - Azenda Multservz S.p.A. - Udne pag. 1 d 6 INDICE 1. PREMESSA...2 2. CALCOLI IDRAULICI...3 3. CONFORMITA DEL PROGETTO...6 R_Idr_Industre_1 Str.doc AMGA - Azenda Multservz S.p.A. - Udne pag. 2 d 6

Dettagli

Costruzioni in c.a. Metodi di analisi

Costruzioni in c.a. Metodi di analisi Corso d formazone n INGEGNERIA SISICA Verres, 11 Novembre 16 Dcembre, 2011 Costruzon n c.a. etod d anals Alessandro P. Fantll alessandro.fantll@polto.t Verres, 18 Novembre, 2011 Gl argoment trattat 1.

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Appunti delle lezioni di Laboratorio di Strumentazione e Misura

Appunti delle lezioni di Laboratorio di Strumentazione e Misura Sergo Frasca Appunt delle lezon d Laboratoro d Strumentazone e Msura Dpartmento d Fsca Unverstà d Roma La Sapenza Museo del Dpartmento d Fsca dell'unverstà La Sapenza Versone 5 ottobre 004 Versone aggornata

Dettagli

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca ONTOI UTOMTII Ingegnera della Gestone Industrale e della Integrazone d Impresa http://www.automazone.ngre.unmore.t/pages/cors/ontrollutomatcgestonale.htm MODEI DI SISTEMI Ing. ug Bagott Tel. 05 0939903

Dettagli

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007 STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa

Dettagli

6.1. Moody s KMV Credit Portfolio Manager

6.1. Moody s KMV Credit Portfolio Manager 6.. Moody s MV Credt Portfolo Manager 6... La struttura del modello L mpanto d Moody s MV (MMV) è costtuto dal modello d Merton e da un approcco d tpo fattorale per la stma delle correlazon. Attualmente,

Dettagli

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria 2 Modello IS-LM 2. Gl e ett della poltca monetara S consderun modello IS-LM senzastatocon seguent datc = 0:8, I = 00( ), L d = 0:5 500, M s = 00 e P =. ) S calcolno valor d equlbro del reddto e del tasso

Dettagli

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm. Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano

Dettagli

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

Dettagli

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia PROT. N 53897 ENTE EMITTENTE: OGGETTO: DESTINATARI: DATA DECORRENZA: CIRCOLARE N. 9 DC Cartografa, Catasto e Pubblctà Immoblare, d ntesa con l Uffco del Consglere Scentfco e la DC Osservatoro del Mercato

Dettagli

L analisi di studi con variabili di risposta multiple

L analisi di studi con variabili di risposta multiple X1 X X 3 Quando un confronto venga effettuato per tre lvell d un fattore, sembrerebbe ntutvo effettuare l confronto con l test t d Student a pù lvell: X X X 1 1 vs vs vs X X X 3 3 Metodologa per l anals

Dettagli

Il Ministro delle Infrastrutture e dei Trasporti

Il Ministro delle Infrastrutture e dei Trasporti Il Mnstro delle Infrastrutture e de Trasport VISTO l decreto legslatvo 30 aprle 1992, n. 285, come da ultmo modfcato dal decreto legslatvo 18 aprle 2011, n. 59, recante Attuazone delle drettve 2006/126/CE

Dettagli