Segnali (processi) aleatori (casuali)
|
|
- Geraldo Ferri
- 6 anni fa
- Visualizzazioni
Transcript
1 Segnali (processi) aleatori (casuali) Definizione di processo aleatorio Descrizione statistica di un processo aleatorio Media, potenza, varianza Autocorrelazione e autocovarianza Filtraggio di un processo stazionario Densità spettrale di potenza di processi stazionari Processi ergodici 1
2 Processo aleatorio Un processo aleatorio è una relazione che lega al risultato (casuale) di un esperimento una funzione nel tempo. A A 1 A 1 A 1 Noi considereremo solo i processi aleatori tempo-continui, che si rappresentano con la lettera maiuscola e la dipendenza dal tempo X(" i,t) # x i (t) Attenzione: per i fissato, il segnale x i (t) NON è casuale, ma deterministico, mentre a t fissato X(t) può assumere tutti i valori che le varie (infinite) x i (t) assumono in t e dunque X t = X(t) è una variabile casuale. 2
3 Caratterizzazione statistica Dato che X t = X(t) è una variabile casuale, si potrà definire una funzione cumulativa di probabilità F X (x,t) = P( X( t) " x) Tale funzione però non è sufficiente per caratterizzare il processo: a volte, ad esempio, serve sapere cosa succede al tempo t 1 e al tempo t 2 : F X (x,t) = P X t il che a sua volta richiede la conoscenza della funzione cumulativa congiunta (del secondo ordine): F X (x 1,x 2, t 1,t 2 ) = P X t 1 ( ( ) " x 1,X( t 2 ) " x 2 ) ( ( ) " x) In generale, servirà la conoscenza della funzione cumulativa di probabilità di ordine n, per ogni possibile n! F X (x 1,x 2,K,x n, t 1,t 2,Kt n ) = P X t 1 ( ( ) " x 1,X( t 2 ) " x 2,K,X( t n ) " x n ) 3
4 Valor medio, potenza, varianza Per semplificarci la vita, è possibile ridursi a considerare solo alcuni indici statistici semplificati, come il valor medio: m X t la potenza: ( ) = E X( t) e la varianza: " X 2 t +# $ ( )dx f X (x,t) = d dx F X x,t ( ) = x f X x,t P X t ( ) = E& X t "# +# ( ) = $ x 2 f X x,t ( ) = E X 2 ( t) "# ( )dx Si noti che la media NON corrisponde necessariamente ad una delle possibili realizzazioni del processo, cioè ad una x i (t). ( ) $ ( ( )#m X ( t) ) 2 ' +* ) = x # m % ( + ( x ( t) ) 2 2 f X ( x,t)dx = P X ( t)# m X t #* ( ) 4
5 C X t 1,t 2 Autocorrelazione e covarianza E interessante considerare anche degli indici del secondo ordine, come la autocorrelazione (correlazione tra le variabili casuali corrispondenti a due istanti di tempo, t 1 e t 2 ): ( ) = E X t 1 R X t 1,t 2 +# +# $ "# "# ( ( )X( t 2 )) = $ x 1 x 2 f X ( x 1,x 2,t 1,t 2 )dx 1 dx 2 e la loro autocovarianza (misura indipendente dal valor medio): ( ) = E X t 1 (( ( )" m x ( t 1 ))( X( t 2 )" m x ( t 2 ))) = $ $ x 1 " m x t 1 = R X ( t 1,t 2 )" m x ( t 1 )m x ( t 2 ) +# +# "# "# ( ( )) x 2 " m x ( t 2 ) ( ) f X x 1,x 2,t 1,t 2 ( )dx 1 dx 2 Si noti che si parla di autocorrelazione e di autocovarianza perché, nonostante si considerino due istanti di tempo diversi, il processo è lo stesso. 5
6 Processi stazionari In un generico processo aleatorio, tutte le quantità introdotte precedentemente sono funzione del tempo, possono cambiare al variare degli istanti. Se tutte le funzioni statistiche che caratterizzano un processo sono invarianti rispetto al tempo, allora il processo si dice stazionario in senso stretto. f X (x 1,x 2,K,x n, t 1,t 2,Kt n ) = f X (x 1,x 2,K,x n, t 1 +"t,t 2 + "t,kt n + "t) Si noti che l uguaglianza deve valere per ogni Δt, il che è praticamente impossibile da verificare. Inoltre, la stazionarietà in senso stretto (o forte) significa che non posso distinguere due processi che sono diversi, ma differiscono tra loro solo per una traslazione nel tempo utilizzando misure statistiche. 6
7 Statistiche del 1 ordine per processi stazionari Se un processo è stazionario in senso stretto, la sua funzione densità di probabilità del primo ordine deve soddisfare f x ( x,t) = f x ( x,t +"t), il che significa che deve essere indipendente dal tempo. Di conseguenza, la media di un processo stazionario in senso stretto soddisfa la stessa condizione, cioè è costante nel tempo. m x t +# ( ) = x f x x,t $ ( )dx = $ x f x ( x)dx = m X "# e similmente per le altre statistiche del primo ordine, come la potenza e la varianza: +# "# 2 2 P x ( t) = P X " X ( t ) = " X 7
8 Statistiche di ordine superiore La stazionarietà di ordine due implica che f x ( x 1,x 2,t 1,t 2 ) = f x ( x 1,x 2,t 1 + "t,t 2 + "t) e che, di conseguenza, la funzione densità di probabilità congiunta, così come le statistiche come la autocorrelazione e la autocovarianza, risulta dipendente solo dalla differenza t 1 -t 2 e non dai particolari valori di t 1 e t 2. ( ) = $ x 1 x 2 f X x 1,x 2,t 1 "t 2 R X t 1,t 2 +# +# $ ( )dx 1 dx 2 = R X t 1 "t 2 "# "# ( ) Generalizzando, si può affermare che, in un processo stazionario in senso stretto, la funzione densità di probabilità di ordine n dipenderà solo dalle n-1 differenze di tempo t 1 -t 2, t 2 -t 3,, t n-1 -t n che ci sono tra gli n istanti di tempo t 1, t 2,, t n. Tali differenze, infatti, sono indipendenti dalla traslazione nel tempo. 8
9 Stazionarietà in senso lato Dato che la stazionarietà in senso stretto risulta praticamente impossibile da verificare, ci riduciamo a considerare una stazionarietà in senso lato, nel caso in cui siano valide: m X t ( ) = m X ( ) = R x ( t 1 " t 2 ) R X t 1,t 2 Facciamo un esempio: è stazionario in senso lato, mentre non lo è. X( t) = acos( 2"f 0 t +# ) f # ( $ ) = 1 2" X( t) = acos( 2"f 0 t +# ) f # ( $ ) = 1 " & $ %" ) rect ( + ' 2" * & $ % " /2) rect ( + ' " * 9
10 Autocorrelazione di un processo stazionario La autocorrelazione di un processo stazionario può essere scritta nella stessa forma di quella di un segnale deterministico: R X ( t 1,t 2 ) = R X ( t 1,t 1 +" ) # R x ( t 1 $t 2 ) = R X (") e per di più soddisfa le stesse condizioni: R X 0 ( ) = P X ( ) = E X 2 ( t) R X ("#) = E( X( t)x( t " #)) = E( X( t +# )X( t) ) = R X (#) R X ( 0) $ R X (#) %# In particolare, l ultima condizione viene dall espansione della condizione E # %( X( t) ± X( t +" )) 2 & () 0 $ ' ( ( ) + X 2 ( t +" ) ±2X( t)x( t +" )) ) 0 E X 2 t R X ( 0)+ R X ( 0)± 2R X " ( ) ) 0 10
11 Filtraggio di un processo stazionario Se un processo aleatorio X(t) passa in un filtro, quanto ne esce può essere scritto come Y( t) = X( t)"h( t), dove h(t) è la risposta impulsiva del filtro e la convoluzione va intesa nel senso che, ad ogni funzione x i (t) si associa una funzione y i ( t) = x i ( t)"h( t) In generale, però, non si riesce a sapere cosa succede delle funzioni densità di probabilità congiunte in uscita a partire da quelle in ingresso. Limitandoci alla media, si può osservare che m Y t +$ ( ) = E( Y( t) ) = E( % h (") X t # " +$ & ' #$ = h (")m X ( t # ")d" #$ ) +$ +$ ( )d" + = % E( h (") X( t # "))d" = % h ( " )E( X( t # "))d" = * ( ) % = h(t)& m X t #$ cioè il filtro agisce normalmente sulla parte deterministica del processo aleatorio. #$ 11
12 Per la autocorrelazione succede che ( ) = E Y t 1 R Y t 1,t 2 Filtraggio di (II) ( ( )) ( ( ),Y( t 2 )) = E X( t 1 )"h( t 1 )# X( t 2 )"h t ) +& +&, +& +& = E+ ' X ( $ )h( t 1 %$)d$ # ' X (()h( t 2 % ()d(. = ' ' E ( X ( $ )h( t 1 % $ )# X (()h( t 2 % ())d$ d( = * - %& +& +& %& %& %& +& +& = ' ' h( t 1 % $ )h( t 2 % ()E( X ( $ ) X (())d$ d( = ' ' R X ( $,( )h( t 1 % $ )h( t 2 % () d$ d( = %& %& = R X ( t 1,t 2 )"h( t 1 )"h t 2 ( ) %& %& Perciò, se il processo in ingresso è stazionario (in senso lato) si ottiene dunque che la media in uscita è costante e l autocorrelazione dipende solo dalla differenza dei tempi, cioè il processo in uscita è pure stazionario. 12
13 Filtraggio di (III) Più precisamente, se il segnale in ingresso è stazionario si ricava che m Y ( t) = h(t)" m X ( t) = h(t)" m X = m X h(t)dt mentre per la autocorrelazione vale +$ % = m X H 0 R Y ( t,t " #) = R X (t,t "#)$ h( t)$ h( t " #) = h (%) R t "%,t " # +& +& #$ ( ) +& ' [ ( )$h( t "#)]d% = "& +& ' "& = ' h (() ' h (%)R( t "%,t " # " ()d% d( = h ( "& +& "& +& ( ) h % ' ( )R("% +# +( )d% d( = = ' h (()[ R (( +# )$ h (#)]d( = ' h ( ") )[ R (# " ))$h(#)]d) = R ( # )$h("#)$ h # "& +& "& "& ( ) e dunque anche il segnale in uscita è stazionario in senso lato. 13
14 Densità spettrale di potenza dei segnali stazionari I segnali aleatori stazionari non possono avere energia finita. Altrimenti, andrebbero a zero all infinito, con loro la media, e questa non potrebbe essere costante come richiesto. Essendo segnali di potenza, si definisce la loro densità di potenza come ciò che si ottiene invertendo la loro autocorrelazione. S X (f) soddisfa le condizioni: S X S X ( ( )) ( f ) = F "1 R X # ( f ) è reale e pari +# ( ) = S X f P X = E X 2 ( t) S X ( f ) % 0 $ ( )df = 2 S X ( f )df "# +# $ 0 14
15 Processi ergodici Per caratterizzare un processo, fosse anche stazionario, dovremmo conoscerne tutte le funzioni campione (impossibile!). Ci farebbe comodo invece ricavare le informazioni statistiche sul processo da UNA SOLA funzione campione. La cosa è possibile se il processo è ergodico. Un processo ergodico nella media soddisfa: 1 m X ( t) = m X = X m = lim T"# T cioè la variabile casuale X m, ottenuta mediando nel tempo ogni possibile funzione campione, ha una funzione densità di probabilità con media pari a m X e varianza nulla. $T /2 In pratica, si può calcolare la media su una finestra mobile T /2 % X( t)dt X T = 1 T T /2 # X( t)dt X m = lim "T /2 t"# X T 15
Il campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliProbabilità. Ing. Ivano Coccorullo
Ing. Ivano Coccorullo PROBABILITA Teoria della Eventi certi, impossibili e casuali Nella scienza e nella tecnologia è fondamentale il principio secondo il quale ogni volta che si realizza un insieme di
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
DettagliEsercizi sulla retta. Gruppo 1 (4A TSS SER, 4B TSS SER, 4A AM )
Esercizi sulla retta. Gruppo 1 (4A TSS SER, 4B TSS SER, 4A AM ) 1. Scrivere l'equazione della retta passante per i punti P1(-3,1), P2(2,-2). Dobbiamo applicare l'equazione di una retta passante per due
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE TEORIA DELLE CODE Teoria delle code Obiettivo Avere uno strumento analitico per determinare le condizioni di funzionamento di una rete in termini prestazionali La teoria delle
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliEsercitazione del 06/03/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 6/3/ Istituzioni di Calcolo delle Probabilità David Barbato barbato@math.unipd.it Esercizio. E la notte di San Lorenzo, Alessandra decide di andare a vedere le stelle cadenti. Osserverà
DettagliEsercizi con catene di Markov Pietro Caputo 12 dicembre 2006
Esercizi con catene di Markov Pietro Caputo dicembre 006 Esercizio. Si considerino i lanci di un dado (6 facce equiprobabili). Sia X n il minimo tra i risultati ottenuti nei lanci,,..., n. Si calcoli la
DettagliVariabili aleatorie Parte I
Variabili aleatorie Parte I Variabili aleatorie Scalari - Definizione Funzioni di distribuzione di una VA Funzioni densità di probabilità di una VA Indici di posizione di una distribuzione Indici di dispersione
DettagliLa riduzione a gradini e i sistemi lineari (senza il concetto di rango)
CAPITOLO 4 La riduzione a gradini e i sistemi lineari (senza il concetto di rango) Esercizio 4.1. Risolvere il seguente sistema non omogeneo: 2x+4y +4z = 4 x z = 1 x+3y +4z = 3 Esercizio 4.2. Risolvere
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
DettagliTeoria dei Segnali Densità spettrale di energia e di potenza; campionamento e teorema di Shannon
Teoria dei Segnali Densità spettrale di energia e di potenza; campionamento e teorema di Shannon Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliMONOMI. Donatella Candelo 13/11/2004 1
Donatella Candelo 1/11/00 1 MONOMI Un monomio è una qualunque espressione algebrica intera data dal prodotto di fattori qualsiasi, numerici o letterali. Praticamente in ogni monomio si può distinguere
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
DettagliCapitolo 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
DettagliSTIMA DELLA VARIANZA CAMPIONARIA
STIMA DELLA VARIANZA CAMPIONARIA Abbiamo visto che una stima puntuale corretta per il valore atteso µ delle variabili aleatorie X i è x n = (x 1 +.. + x n )/n. Una stima puntuale della varianza σ 2 delle
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliAnno 2. Risoluzione di sistemi di primo grado in due incognite
Anno Risoluzione di sistemi di primo grado in due incognite Introduzione In questa lezione impareremo alcuni metodi per risolvere un sistema di due equazioni in due incognite. Al termine di questa lezione
DettagliARROTONDANDO FIGURE CON TRIANGOLI EQUILATERI
ARROTONDANDO Cosa succede ad accostare figure identiche una all altra? Le figure ottenute che proprietà presentano? Posso trovare un qualche tipo di legge generale? Per rispondere a questa ed altre domande
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it SILSIS 1 Unità 3 Tassi equivalenti Tassi effettivi e nominali Capitalizzazione
DettagliStatistica descrittiva e statistica inferenziale
Statistica descrittiva e statistica inferenziale 1 ALCUNI CONCETTI POPOLAZIONE E CAMPIONE Popolazione: insieme finito o infinito di unità statistiche classificate secondo uno o più caratteri Campione:
DettagliI coefficienti delle incognite sono proporzionali fra loro ma NON coi termini noti, e il sistema è dunque IMPOSSIBILE (si dice anche: INCOMPATIBILE).
RISOLUZIONI DEGLI ESERCIZI SUI SISTEMI DI 1 GRADO IMPOSSIBILI E INDETERMINATI Per ciascuno dei seguenti sistemi, stabilisci se è determinato, impossibile, o indeterminato. In caso di indeterminazione,
DettagliIntroduzione alla probabilità
Introduzione alla probabilità Osservazione e studio dei fenomeni naturali: a. Caso deterministico: l osservazione fornisce sempre lo stesso risultato. b. Caso stocastico o aleatorio: l osservazione fornisce
DettagliRisoluzione di problemi ingegneristici con Excel
Risoluzione di problemi ingegneristici con Excel Problemi Ingegneristici Calcolare per via numerica le radici di un equazione Trovare l equazione che lega un set di dati ottenuti empiricamente (fitting
DettagliAppunti ed esercizi sulle coniche
1 LA CIRCONFERENZA 1 Appunti ed esercizi sulle coniche Versione del 1 Marzo 011 1 La circonferenza Nel piano R, fissati un punto O = (a, b) e un numero r > 0, la circonferenza (o cerchio) C di centro O
DettagliCampo di Variazione Costituisce la misura di
Statistica2 22/09/2015 I Parametri di dispersione Campo di Variazione Costituisce la misura di PESO ALLA NASCITA DEI BOVINI matricola PESO SESSO 7 38,00 F 8 38,00 F 1 40,00 F 2 40,00 F 5 40,00 F 10 42,00
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 4
X N(m ; s ) f X x 1 e π σ xμ σ σ 0 m F X x x 1 π σ e tμ σ dt 1 0.5 EX μ VarX σ m La distribuzione normale permette di modellizzare moltissimi fenomeni aleatori (ad esempio misure di ogni genere), serve
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliAnno 3 Equazione dell'ellisse
Anno Equazione dell'ellisse 1 Introduzione In questa lezione affronteremo una serie di problemi che ci chiederanno di determinare l equazione di un ellisse sotto certe condizioni. Al termine della lezione
DettagliLEZIONE 4. { x + y + z = 1 x y + 2z = 3
LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.
DettagliI RADICALI QUADRATICI
I RADICALI QUADRATICI 1. Radici quadrate Definizione di radice quadrata: Si dice radice quadrata di un numero reale positivo o nullo a, e si indica con a, il numero reale positivo o nullo (se esiste) che,
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliMISURA DELLA FUNZIONE DI DENSITÀ SPETTRALE (POWER SPECTRAL DENSITY)
NOA INERNA MISURA DELLA FUNZIONE DI DENSIÀ SPERALE (POWER SPECRAL DENSIY) DI UN SEGNALE ALEAORIO DAVIDE BASSI (revisione.a - Dicembre 999) Questa nota, dopo un sintetico richiamo ad alcuni concetti elementari
DettagliRisoluzione dei triangoli rettangoli
Risoluzione dei triangoli rettangoli In questa dispensa esamineremo il problema della risoluzione dei triangoli rettangoli. Riprendendo la definizione di seno e coseno, mostreremo come questi si possano
Dettagli+2 3 = = =3 + =3 + =8 =15. Sistemi lineari. nelle stesse due incognite. + = + = = = Esempi + =5. Il sistema è determinato
Sistemi di equazioni SISTEMI LINEARI Un sistema di equazioni è un insieme di equazioni per le quali si cercano eventuali soluzioni comuni. +=7 =1 Ognuna delle due equazioni ha infinite soluzioni. La coppia
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
Dettaglia) Usando i seguenti livelli di significatività, procedere alla verifica di ipotesi, usando come ipotesi alternativa un'ipotesi unidirezionale:
ESERCIZIO 1 Da studi precedenti, il responsabile del rischio di una grande banca sa che l'ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto è pari a 240.
DettagliSISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
DettagliMoto degli elettroni di conduzione per effetto di un campo elettrico.
LA CORRENTE ELETTRICA: Moto degli elettroni di conduzione per effetto di un campo elettrico. Un filo metallico, per esempio di rame, da un punto di vista microscopico, è costituito da un reticolo di ioni
DettagliProbabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette
DettagliGIOCHI, STRATEGIE DOMINATE e CONOSCENZA COMUNE
GIOCHI, STRATEGIE DOMINATE e CONOSCENZA COMUNE C è un modo ovvio per predire come saranno giocati i seguenti giochi? Example 1 D E F A 4 3 5 1 6 B 1 8 4 3 6 C 3 0 9 6 8 Fissiamo la nostra attenzione sul
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliQuesto paragrafo e quello successivo trattano gli stessi argomenti del capitolo B6 relativo alla soluzione grafica dei sistemi di primo grado.
D1. Retta D1.1 Equazione implicita ed esplicita Ogni equazione di primo grado in due incognite rappresenta una retta sul piano cartesiano (e viceversa). Si può scrivere un equazione di primo grado in due
DettagliEsercizi sulle affinità - aprile 2009
Esercizi sulle affinità - aprile 009 Ingegneria meccanica 008/009 Esercizio Sono assegnate nel piano le sei rette r : =, s : =, t : =, r : =, s : =, t : = determinare l affinità che trasforma ordinatamente
DettagliLa probabilità matematica
1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliAPPUNTI DI MATEMATICA ALGEBRA \ CALCOLO LETTERALE \ MONOMI (1)
LGEBR \ CLCOLO LETTERLE \ MONOMI (1) Un monomio è un prodotto di numeri e lettere; gli (eventuali) esponenti delle lettere sono numeri naturali (0 incluso). Ogni numero (reale) può essere considerato come
DettagliChi non risolve esercizi non impara la matematica.
5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi
DettagliNUMERI COMPLESSI. Test di autovalutazione
NUMERI COMPLESSI Test di autovalutazione 1. Se due numeri complessi z 1 e z 2 sono rappresentati nel piano di Gauss da due punti simmetrici rispetto all origine: (a) sono le radici quadrate di uno stesso
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliLA RILEVAZIONE SPERIMENTALE DELLE CURVE DI FLUSSO E DI FREQUENZA
Scelta delle sezioni e dei giorni Rilevamento del campione di dati Omogeneizzazione Elaborazione CURVE DI FLUSSO E DI FREQUENZA Aggregazioni successive Filtraggi La scelta delle sezioni... deve essere
DettagliOsservazioni sulle funzioni composte
Osservazioni sulle funzioni composte ) 30 dicembre 2009 Scopo di questo articolo è di trattare alcuni problemi legati alla derivabilità delle funzioni composte nel caso di funzioni di R n in R m Non si
DettagliAlgebra Lineare (Matematica C.I.), 12.11.13. Sistemi di equazioni lineari. 1. Un equazione lineare in una incognita reale x e un equazione del tipo
Algebra Lineare (Matematica C.I.), 12.11.13 Sistemi di equazioni lineari 1. Un equazione lineare in una incognita reale x e un equazione del tipo ax = b, dove a e b sono numeri reali dati; a e il coefficiente
DettagliSchema 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
DettagliLe equazioni di I grado
Le equazioni di I grado ITIS Feltrinelli anno scolastico 007-008 R. Folgieri 007-008 1 Le equazioni abbiamo una uguaglianza tra due quantità (espressioni algebriche, perché nei due termini ci possono essere
DettagliC I R C O N F E R E N Z A...
C I R C O N F E R E N Z A... ESERCITAZIONI SVOLTE 3 Equazione della circonferenza di noto centro C e raggio r... 3 Equazione della circonferenza di centro C passante per un punto A... 3 Equazione della
DettagliLa Rappresentazione dell Informazione
La Rappresentazione dell Informazione Parte III I codici Codici a.a. 27-28 Un codice è una funzione che associa ad una sequenza di simboli un significato Codice : {entità} {sequenze di simboli} Un codice
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
Dettaglix 2 + (x+4) 2 = 20 Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati per le EQUAZIONI di PRIMO GRADO.
EQUAZIONI DI SECONDO GRADO Un'equazione del tipo x 2 + (x+4) 2 = 20 è un'equazione DI SECONDO GRADO IN UNA INCOGNITA. Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati
Dettagli( x) Definizione: si definisce dominio (o campo di esistenza) di una funzione f ( x) l insieme dei valori
Definizione: si definisce dominio (o campo di esistenza) di una funzione f ( ) l insieme dei valori che la variabile può assumere affinché la funzione f ( ) abbia significato. Vediamo di individuare alcune
DettagliSISTEMI DI 1 GRADO CON DUE EQUAZIONI IN DUE INCOGNITE
Pagina 1 di 6 SISTEMI DI 1 GRADO CON DUE EQUAZIONI IN DUE INCOGNITE L insieme di due equazioni di primo grado in due incognite si dice SISTEMA DI 1 GRADO. La soluzione del sistema è ogni coppia di numeri
DettagliIl test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
DettagliEsercizi svolti sulla parabola
Liceo Classico Galilei Pisa - Classe a A - Prof. Francesco Daddi - 19 dicembre 011 Esercizi svolti sulla parabola Esercizio 1. Determinare l equazione della parabola avente fuoco in F(1, 1) e per direttrice
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA
QUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA 1 Fondamenti di segnali Fondamenti e trasmissione TLC Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo
DettagliPROGRAMMAZIONE STRUTTURATA
PROGRAMMAZIONE STRUTTURATA Programmazione strutturata 2 La programmazione strutturata nasce come proposta per regolamentare e standardizzare le metodologie di programmazione (Dijkstra, 1965) Obiettivo:
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,
DettagliUnità di misura di lunghezza usate in astronomia
Unità di misura di lunghezza usate in astronomia In astronomia si usano unità di lunghezza un po diverse da quelle che abbiamo finora utilizzato; ciò è dovuto alle enormi distanze che separano gli oggetti
DettagliCampionamento La statistica media campionaria e la sua distribuzione
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2015/2016 www.mat.uniroma2.it/~caramell/did 1516/ps.htm 01/03/2016 - Lezioni 1, 2 [Caramellino] Breve introduzione al corso. Fenomeni
Dettagli1 Multipli di un numero
Multipli di un numero DEFINIZIONE. I multipli di un numero sono costituiti dall insieme dei prodotti ottenuti moltiplicando quel numero per la successione dei numeri naturali. I multipli del numero 4 costituiscono
Dettagli1 1+e ξ, (1) P A (ξ) = P B (ξ) = 1 1+e ξ (3) In figura (1) riportiamo l andamento delle probabilità P A (ξ) e P B (ξ). P A,P B
Algoritmo di Elo generalizzato AEg Marcello Colozzo Siano A e B due giocatori che eseguono un gioco a somma zero G. La probabilità di vittoria per A è: dove P A ξ = +e ξ ξ = βr A R B 2 In questa equazione
DettagliAnno 3. Funzioni esponenziali e logaritmi: le 4 operazioni
Anno 3 Funzioni esponenziali e logaritmi: le 4 operazioni 1 Introduzione In questa lezione impareremo a conoscere le funzioni esponenziali e i logaritmi; ne descriveremo le principali caratteristiche e
DettagliTensioni e corrente variabili
Tensioni e corrente variabili Spesso, nella pratica, le tensioni e le correnti all interno di un circuito risultano variabili rispetto al tempo. Se questa variabilità porta informazione, si parla spesso
DettagliLa simulazione con DERIVE Marcello Pedone LE SIMULAZIONI DEL LANCIO DI DADI CON DERIVE
LE SIMULAZIONI DEL LANCIO DI DADI CON DERIVE Premessa Abbiamo già visto la simulazione del lancio di dadi con excel Vedi: http:///statistica/prob_simu/index.htm Ci proponiamo di ottenere risultati analoghi
DettagliPunti nel piano cartesiano
Punti nel piano cartesiano In un piano consideriamo due rette perpendicolari che chiamiamo x e. Solitamente, disegniamo la retta x (ascisse) orizzontalmente e orientata da sinistra a destra, la retta e
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliL impresa. Sistemi di governo valutazione e controllo. Costi - 6
Costi - 6 La WiD S.p.A. è una piccola impresa operante nel settore dell automazione che realizza tre diversi tipi di meccanismi di automazione per cancelli allocando i costi con un sistema del tipo Activity
DettagliEquazioni lineari con due o più incognite
Equazioni lineari con due o più incognite Siano date le uguaglianze: k 0; x + y = 6; 3a + b c = 8. La prima ha un termine incognito rappresentato dal simbolo letterale k; la seconda ha due termini incogniti
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
DettagliFUNZIONI E LORO PROPRIETÀ. V CLASSICO a. s. 2015-2016 prof. ssadelfino M. G.
FUNZIONI E LORO PROPRIETÀ 1 V CLASSICO a. s. 2015-2016 prof. ssadelfino M. G. A1 DEFINIZIONE DI FUNZIONE 2 Diapositiva 2 A1 Autore; 08/09/2015 DEFINIZIONE DI FUNZIONE X Y E una funzione! g a b c d e f.1.2.3.4
DettagliLa corrente alternata
La corrente alternata Corrente continua e corrente alternata Le correnti continue sono dovute ad un generatore i cui poli hanno sempre lo stesso segno e pertanto esse percorrono un circuito sempre nello
DettagliProva scritta di STATISTICA. CDL Biotecnologie. (Programma di Massimo Cristallo - A)
Prova scritta di STATISTICA CDL Biotecnologie (Programma di Massimo Cristallo - A) 1. Un associazione di consumatori, allo scopo di esaminare la qualità di tre diverse marche di batterie per automobili,
DettagliTeoria dei Segnali Covarianza, correlazione e densità spettrale di potenza; processi stocastici stazionari
Teoria dei Segnali Covarianza, correlazione e densità spettrale di potenza; processi stocastici stazionari Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
DettagliBanchi ortogonali Casi importanti
anchi ortogonali anchi ortogonali Casi importanti Trasformata a blocchi (JPEG, MPEG) anchi a due canali (JPEG 000) anchi modulati Trasformata di Fourier a blocchi (OFDM) anchi coseno-modulati (AC3, MUSICAM)
DettagliTOLLERANZE DIMENSIONALI DESIGNAZIONE DI FORI E ALBERI
TOLLERANZE DIMENSIONALI DESIGNAZIONE DI FORI E ALBERI Nel ciclo di lavorazione di un pezzo meccanico ci sono inevitabili errori che rendono impossibile il rispetto delle esatte misure riportate nel disegno.
DettagliPresentazione di: Condes Angel Grace Colella Ludovica Conte Flaminia
Presentazione di: Condes Angel Grace Colella Ludovica Conte Flaminia Il verbo Che cos'è il verbo? Il verbo è la parte variabile del discorso con la quale si esprimono, collocandoli nel tempo, un'azione,
Dettagli