INSEGNAMENTO DI ANALISI DI DATI BIOLOGICI LM IN BIOINGEGNERIA - A.A.2013/2014 HOMEWORK 3
|
|
- Raimonda Bonetti
- 8 anni fa
- Visualizzazioni
Transcript
1 INSEGNAMENTO DI ANALISI DI DATI BIOLOGICI LM IN BIOINGEGNERIA - A.A.2013/2014 HOMEWORK 3 COGNOME: Montanino NOME: Annaclaudia MATRICOLA: DATA: 13 gennaio annaclaudia.montanino@studenti.unipd.it allegati: montanino_h3_4.zip ESERCIZIO H3_4: Problema ispirato dall articolo reperibile su Nel file smbg.mat sono contenuti dati di Self Monitoring Blood Glucose (SMBG) di un soggetto diabetico. Le misurazioni SMBG sono state eseguite 3 volte al giorno (equispaziate, sempre alla stessa ora) per un periodo della durata di un mese (non sono presenti missing samples). Analizzando graficamente i dati, il diabetologo che ha in cura questo soggetto diabetico ritiene che possa esistere una ciclicità giornaliera nelle misurazioni, che verosimilmente ruota attorno ad un trend mensile. Possiamo pensare che la misurazione del valore glicemico possa essere strutturata così: y(t) = t(t) + c(t) + v(t) dove t(t) rappresenta il trend mensile, c(t) rappresenta la componente ciclica giornaliera e v(t) è il rumore di misura. L obiettivo di questo homework è quello di implementare uno script per separare le componenti t(t) e c(t) mediante filtraggio alla Kalman, a partire da una serie di campioni rumorosi y(t) contenuti nella variabile ys (file smbg.mat), per cercare di confermare o meno se esistono una ciclicità giornaliera ed un trend mensile. I modelli a priori da usare sono: t(t) descritto da un modello a doppia integrazione di un rumore bianco con varianza λ 2 1 = c(t) descritto come un segnale periodico x 3(t) guidato da rumore bianco w(t) con varianza λ 2 2 =16, la cui frequenza f è relativa al numero di campioni SMBG giornalieri. La struttura in termini di variabili di stato è la seguente: { x 3(t + 1) x 4(t + 1) = cos(2πf)x 3(t) + sin(2πf)x 4(t) = sin(2πf)x 3(t) + cos(2πf)x 4(t) + w(t) Va aggiunto che le misurazioni y(t) sono soggette ad errore con CV v = 0.1%. Utilizzare come valori iniziali il vettore di stato x0 e la matrice P 0 contenuti in smbg.mat. Descrivere e commentare i risultati ottenuti. 1 Introduzione Il Filtraggio alla Kalman, in questo esercizio utilizzato per la separazione di componenti di un segnale rumoroso ys, sfrutta possibilità di scrivere modelli stocastici nella forma di modelli di stato: x(t + 1) = F x(t) + w(t) y(t) = Hx(t) + v(t) Dove x è il vettore di stato che contiene anche ciò che si vuole stimare, F è la matrice di transizione di stato, w è il rumore di modello (con matrice di covarianza Q), y è il vettore delle misure, H è la matrice di trasferimento stato-uscita ed infine v è il rumore di misura (con matrice di covarianza R). Nel caso proposto da questo esercizio si vuole decomporre il segnale y(t) in una componente ciclica giornaliera c(t) e un trend mensile t(t) che esprime le variazioni 1
2 lente, da cui: y(t) = t(t) + c(t) + v(t). Viene inoltre fornito un modello a priori per entrambe le componenti e da questi si deduce la loro formulazione in termini di variabili di stato: t(t + 1) = 2t(t) t(t 1) + w(t) = 2x 1 (t) x 2 (t) w(t) c(t) = x 3 (t) x 3 (t + 1) = cos(2πf)x 3 (t) + sin(2πf)x 4 (t) x 4 (t + 1) = sin(2πf)x 3 (t) + cos(2πf)x 4 (t) + w(t) Da ciò è possibile riscrivere il modello ingresso-uscita sotto forma del seguente modello di stato: x 1 (t + 1) x 1 (t) w 1 x 2 (t + 1) x 3 (t + 1) = x 2 (t) 0 0 cos(2πf) sin(2πf) x 3 (t) x 4 (t + 1) 0 0 sin(2πf) cos(2πf) x 4 (t) w 2 R = cov(v) = x 1 y = [ ] x 2 x 3 + v(t) x 4 λ Q = cov(w) = λ 2 2 (y(1)cv v ) (y(2)cv v ) (y(end)cv v ) 2 Una volta scritto il modello in forma di stato è possibile derivare le equazioni del filtro di Kalman che saranno poi implementate nel codice: P (t + 1 t) = F P (t)f T + Q con P (0) = P 0 K(t + 1) = P (t + 1 t)h T [HP (t + 1 t)h T + R(t)] 1 P (t + 1) = [I N K(t + 1)H]P (t + 1 t) ˆx(t + 1 t) = F ˆx(t t) con ˆx(0) = x 0 e(t + 1) = y(t + 1) H ˆx(t + 1 t) ˆx(t + 1 t + 1) = ˆx(t + 1 t) + K(t + 1)e(t + 1) dove P (t + 1 t) è la covarianza dell errore di predizione ad un passo, K(t + 1) è denominato guadagno del filtro, P (t + 1) è la varianza dello stato al passo t+1, ˆx(t + 1 t) è la predizione ad un passo dello stato (imposto w(t) = 0), e(t + 1) è il residuo di predizione ed infine ˆx(t + 1 t + 1) è la stima dello stato al passo t+1 (passo correttivo in cui vengono usate le misure al tempo t + 1 per raffinare la stima). 2
3 2 Presentazione del codice 2.1 montanino_h3_4.m Lo script montanino_h3_4.m implementa un filtro di Kalman atto alla separazione del segnale y(t) nelle due componenti t(t) e c(t). 1 % Analisi di Dati Biologici - HW3 es4 2 % Annaclaudia Montanino % montanino_h3_4_main. m 4 5 close all 6 clear all 7 clc load smbg 11 n= length (ys ); 12 ts =0:8: n *8-8; 13 f =1/3; 14 F =[ cos (2* pi*f) sin (2* pi*f) sin (2* pi*f) cos (2* pi*f )]; 18 H =[ ]; Q= diag ([ ]); 21 R=( ys.^2)*(0.1/)^2; xold =X0; 24 pold =P0; 25 x= zeros ( length (X0),n); for i =1: n xpred =F* xold ; 30 ppred =F* pold *F +Q; 31 K= ppred *H *1./( H* ppred *H +R(i )); e=ys(i)-h* xpred ; 34 xnew = xpred +K*e; 35 I= eye ( size (Q )); 36 pnew =(I-K*H)* ppred ; pold = pnew ; 39 xold = xnew ; 40 x(:,i)= xnew ; 41 end figure subplot (3,1,1) 47 plot (ts,ys, b ) 48 title ( misurazioni SMBG ) 49 xlabel ( Tempo [h] ) ylabel ( Glicemia [mg/dl] ) 51 axis ([ ]) subplot (3,1,2) 3
4 54 plot (ts,x (1,:)) 55 title ( componente t(t) ) 56 xlabel ( Tempo [h] ) 57 ylabel ( Glicemia [mg/dl] ) 58 axis ([ ]) subplot (3,1,3) 61 plot (ts,x (3,:)) 62 title ( componente c(t) ) 63 xlabel ( Tempo [h] ) 64 ylabel ( Glicemia [mg/dl] ) 65 axis ([ ]) figure plot (ts,ys, b ) 70 hold on 71 plot (ts,x(1,:), r ) 72 hold off 73 title ( Confronto misure - trend mensile ) 74 xlabel ( Tempo [h] ) 75 ylabel ( Glicemia [mg/dl] ) 76 axis ([ ]) RIGA 11-RIGA 13: Una volta caricati i dati, viene calcolato il numero di campioni a disposizione n, viene definita la griglia dei tempi ts il cui passo corrisponde a 8 ore (essendo indicato nelle specifiche che si ha 3 campioni equispaziati all interno di una giornata e che non sono presenti missing samples ). Infine viene calcolata la frequenza dei campioni (usata nel modello a priori di c(t) il cui periodo equivale ad un giorno) f = 1/numero di campioni giornalieri. RIGA 14-RIGA 21: Viene costruita la matrice di transizione di stato F, la matrice di trasferimento stato-uscita H, la matrice di covarianza del rumore di modello Q ed infine il vettore R che contiene le varianze dell errore di misura espresse come (y(t) cv) 2 (in questo caso l errore di misura non è tempo-invariante e bisognerà tenerne conto). RIGA 23-RIGA 25: I valori xold e pold vengono inizializzati ai valori forniti nel file smbg.mat. Si tiene inoltre traccia dell intero vettore di stato x = [x 1 x 2 x 3 x 4 ] T del quale poi ci interesserà ispezionare la prima e la terza componenti essendo t(t) = x 1 (t) e c(t) = x 3 (t). RIGA 27-RIGA 41: All interno di questo ciclo f or sono implementate le equazioni descritte nell introduzione (RIGA 29-RIGA 36). Si sottolinea che, avendo errore di misura tempo-variante, alla RIGA 31 si è utilizzato il valore R(i) corrispondente al campione ys(i) che si sta utilizzando. Infine vengono aggiornati i valori di pold e xold che verranno utilizzati al passo successivo. 4
5 3 Risultati e discussione Nelle figure riportate in questo paragrafo sono raffigurati rispettivamente i campioni rumorosi di concentrazione glicemica, il trend mensile e la componente ciclica giornaliera nella prima immagine, mentre nella seconda si è scelto di plottare il trend mensile sovrapposto ai campioni di concentrazione glicemica. 2 misurazioni SMBG componente t(t) componente c(t) Ciò che è possibile osservare innanzitutto è che i risultati confermano la presenza di una ciclicità giornaliera e di un trend mensile. Il trend mensile presenta un andamento simile alla media temporale delle misurazioni smbg e i valori assunti dalla componente ciclica giornaliera variano nel range [- ]mg/dl. A differenza di ciò che nell introduzione di [1] viene indicato come indice di una soddisfacente terapia, nel nostro caso l andamento del trend mensile è tutt altro che costante e non risulta sempre compreso nella fascia euglicemica [80-140]mg/dl (specialmente nella parte centrale dell asse dei tempi). A tal proposito posso osservare che, ai fini della lettura dei dati da parte di un clinico, il trend mensile riassume efficacemente l informazione contenuta nel segnale misurato: visivamente dove il trend supera la soglia dell iperglicemia, anche ys raggiunge valori fuori soglia. Provando a contare (con semplici istruzioni matlab) i valori sopra la soglia iperglicemica è risultato: 5
6 length(find(ys>140)=51 e length(find(x(1,:)>140)=52 che sono valori confrontabili almeno in prima istanza, anche se per indagini più accurate bisogna tener conto di episodi iperglicemici non rilevati dalla sola componente t(t) e viceversa. Si osserva infine che le informazioni fornite sui modelli a priori (con le rispettive varianze del rumore di modello) e sui valori iniziali x 0 e P 0 sono stati scelti sapientemente: le stime sono fin da subito coerenti con il segnale di origine ed inoltre, provando a ricostruire il segnale y(t) come somma delle due componenti trovate e del rumore v(t), si ottiene un andamento identico a quello di origine. 2 Confronto misure trend mensile ipo iper Bibliografia [1] R. Bellazzi, P. Magni, and G. De Nicolao Bayesian Analysis of Blood Glucose Time Series from Diabetes Home Monitoring, IEEE Transactions on Biomedical Engineering, vol. 47, NO. 7, July
Introduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliStudente: SANTORO MC. Matricola : 528
CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice
DettagliProf.ssa Paola Vicard
Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.
DettagliNOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1.
NOME:... MATRICOLA:.... Scienza dei Media e della Comunicazione, A.A. 007/008 Analisi Matematica, Esame scritto del 08.0.008 Indicare per quali R vale la seguente diseguaglianza : + >. Se y - - è il grafico
DettagliInformatica B 2013-2014
2013-2014 Matlab Laboratorio del 17/12/2013 Responsabili di laboratorio: Gianluca Durelli: durelli@elet.polimi.it Luigi Malago : malago@di.unimi.it Materiale di laboratorio reperibile all indirizzo: www.gianlucadurelli.com
DettagliLaboratorio di Fondamenti di Automatica Ingegneria Elettrica Sessione 2/3. Danilo Caporale [caporale@elet.polimi.it]
Laboratorio di Fondamenti di Automatica Ingegneria Elettrica Sessione 2/3 Danilo Caporale [caporale@elet.polimi.it] Outline 2 Funzione di trasferimento e risposta in frequenza Diagrammi di Bode e teorema
DettagliInterpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliUniversità degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI
ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliGRUPPO MY- social media solutions / Via G.Dottori 94, Perugia / PI 03078860545
Capitolo 3 - Dalla strategia al piano editoriale GRUPPO MY- social media solutions / Via G.Dottori 94, Perugia / PI 03078860545 Social Toolbox ed i contenuti presenti nel seguente documento (incluso a
DettagliAnalisi dei segnali nel dominio della frequenza
Laboratorio di Telecomunicazioni - a.a. 2010/2011 Lezione n. 7 Analisi dei segnali nel dominio della frequenza docente L.Verdoliva In questa lezione affrontiamo il problema dell analisi dei segnali tempo
DettagliFinestre grafiche. >> figure >> figure(n)
Finestre grafiche MATLAB ha anche la possibilità di lavorare con delle finestre grafiche sulle quali si possono fare disegni bidimensionali o tridimensionali. Una finestra grafica viene aperta con il comando
DettagliPreprocessamento dei Dati
Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza
DettagliFasi di creazione di un programma
Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo 41 Sviluppo di programmi Per la costruzione di un programma
DettagliFondamenti di Automatica. Modellistica dei sistemi dinamici a tempo discreto
Fondamenti di Automatica Modellistica dei sistemi dinamici a tempo discreto Sistemi dinamici a tempo discreto I sistemi dinamici a tempo discreto sono sistemi in cui tutte le grandezze variabili sono funzioni
DettagliIL FILTRAGGIO DEL SEGNALE
CAPITOLO 4 IL FILTRAGGIO DEL SEGNALE 4.1 - SISTEMA LINEARE NON DISTORCENTE E un sistema lineare che restituisce in uscita una replica indistorta del segnale di entrata, intendendo x(t) y(t) = Ax(t-t 0
DettagliElaborazione nel dominio della frequenza Soluzioni
Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza Soluzioni 1 La trasformata discreta 1D Calcoliamo lo spettro di x(n) = R L (n) al variare di L = 2, 10, 20,
DettagliMatematica e Statistica
Matematica e Statistica Prova d esame (0/07/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/07/03) Università di Verona - Laurea in Biotecnologie
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2011-2012 Lezione 6 Indice 1 Il metodo bootstrap 2 Esercitazione 3 Interpolazione
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliCorso Matlab : Sesta lezione (Esercitazione, 25/10/13) Samuela Persia, Ing. PhD.
Advanced level Corso Matlab : Sesta lezione (Esercitazione, 25/10/13) Samuela Persia, Ing. PhD. Sommario Toolbox finance Analisi dei portafogli Analisi grafica Determinate Date Toolbox statistics Analisi
Dettagli(Esercizi Tratti da Temi d esame degli ordinamenti precedenti)
(Esercizi Tratti da Temi d esame degli ordinamenti precedenti) Esercizio 1 L'agenzia viaggi GV - Grandi Viaggi vi commissiona l'implementazione della funzione AssegnaVolo. Tale funzione riceve due liste
DettagliProva di Laboratorio di Programmazione
Prova di Laboratorio di Programmazione 6 febbraio 015 ATTENZIONE: Non è possibile usare le classi del package prog.io del libro di testo. Oltre ai metodi richiesti in ciascuna classe, è opportuno implementare
Dettaglietà sesso luogo-abitazione scuola superiore esperienza insegnamento 1 2 2 2 1 2 2 2 2 2 1 2 3 2 2 2 1 2 4 2 2 2 1 2 5 3 2 2 1 2 6 2 2 2 1 2 7 3 2 1 1
età sesso luogo-abitazione scuola superiore esperienza insegnamento 1 1 1 3 1 4 1 5 3 1 6 1 7 3 1 1 8 3 1 9 3 1 10 3 1 11 3 1 1 1 13 4 1 1 14 3 1 15 1 16 1 17 1 18 1 19 1 0 1 1 1 1 3 3 1 4 1 Come analizzare
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliModelli matematici e realtà:
Piano Lauree Scientifiche Matematica e Statistica 2010-11 Modelli matematici e realtà: sulle equazioni differenziali - prima parte R. Vermiglio 1 1 Dipartimento di Matematica e Informatica - Università
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliGuida Compilazione Piani di Studio on-line
Guida Compilazione Piani di Studio on-line SIA (Sistemi Informativi d Ateneo) Visualizzazione e presentazione piani di studio ordinamento 509 e 270 Università della Calabria (Unità organizzativa complessa-
DettagliServizi di consulenza specialistica per IGRUE 2009 2012
Allegato 9A Metodo della stima delle differenze Descrizione della procedura Il metodo della stima delle differenze è indicato qualora il controllore ritenga che la popolazione sia affetta da un tasso di
DettagliInteresse, sconto, ratei e risconti
TXT HTM PDF pdf P1 P2 P3 P4 293 Interesse, sconto, ratei e risconti Capitolo 129 129.1 Interesse semplice....................................................... 293 129.1.1 Esercizio per il calcolo dell
DettagliStrutturazione logica dei dati: i file
Strutturazione logica dei dati: i file Informazioni più complesse possono essere composte a partire da informazioni elementari Esempio di una banca: supponiamo di voler mantenere all'interno di un computer
DettagliMONITORAGGIO DEI PROGETTI DI E-GOVERNMENT FASE I. Cruscotto: Manuale d uso Utente Generico
Centro Nazionale per l Informatica nella Pubblica Amministrazione AIREL Monitoraggio dei progetti di e-government MONITORAGGIO DEI PROGETTI DI E-GOVERNMENT FASE I Cruscotto: Manuale d uso Utente Generico
DettagliEsercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di
Esercizi svolti. Si consideri la funzione f() 4. a) Verificare che la funzione F() 4 + arcsin è una primitiva di f() sull intervallo (, ). b) Verificare che la funzione G() 4 + arcsin π è la primitiva
DettagliISTRUZIONI SULLE OPERAZIONI DI CAMBIO ANNO CONTABILE 2005/2006 LIQUIDAZIONE IVA - STAMPA REGISTRI - CHIUSURA/APERTURA CONTI
ISTRUZIONI SULLE OPERAZIONI DI CAMBIO ANNO CONTABILE 2005/2006 LIQUIDAZIONE IVA - STAMPA REGISTRI - CHIUSURA/APERTURA CONTI PREMESSA La procedura contabile consente la gestione di più anni in linea. Questo
DettagliESAME SCRITTO DI ELEMENTI DI INFORMATICA E PROGRAMMAZIONE. 27 Gennaio 2015
COGNOME E NOME: MATRICOLA: Civile Ambiente e Territorio Non si possono consultare manuali, appunti e calcolatrici. Esercizio 1: [3 punto] Rappresentare i numeri 36 e 91 (in base 10) in notazione binaria
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliRappresentazione nello spazio degli stati
Chapter 1 Rappresentazione nello spazio degli stati La modellazione di un sistema lineare di ordine n, fornisce un insieme di equazioni differenziali che una volta trasformate nel dominio discreto, possono
DettagliGUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL GUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL
GUIDA RAPIDA BOZZA 23/07/2008 INDICE 1. PERCHÉ UNA NUOVA VERSIONE DEI MODULI DI RACCOLTA DATI... 3 2. INDICAZIONI GENERALI... 4 2.1. Non modificare la struttura dei fogli di lavoro... 4 2.2. Cosa significano
DettagliExcel avanzato. I nomi. Gli indirizzi e le formule possono essere sostituiti da nomi. Si creano tramite Inserisci Nome Definisci
Excel avanzato I nomi marco.falda@unipd.it Gli indirizzi e le formule possono essere sostituiti da nomi documentazione astrazione Si creano tramite Inserisci Nome Definisci Vengono raccolti nell area riferimento
DettagliLA FINESTRA DI OPEN OFFICE CALC
LA FINESTRA DI OPEN OFFICE CALC Barra di Formattazione Barra Standard Barra del Menu Intestazione di colonna Barra di Calcolo Contenuto della cella attiva Indirizzo della cella attiva Cella attiva Intestazione
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
Dettagli[ Analisi della. concentrazione] di Luca Vanzulli. Pag. 1 di 1
[ Analisi della concentrazione] di Luca Vanzulli Pag. 1 di 1 LA CONCENTRAZIONE NELL ANALISI DELLE VENDITE L analisi periodica delle vendite rappresenta un preziosissimo indicatore per il monitoraggio del
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliFunzioni in C. Violetta Lonati
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Funzioni - in breve: Funzioni Definizione di funzioni
DettagliEsercizi su. Funzioni
Esercizi su Funzioni ๒ Varie Tracce extra Sul sito del corso ๓ Esercizi funz_max.cc funz_fattoriale.cc ๔ Documentazione Il codice va documentato (commentato) Leggibilità Riduzione degli errori Manutenibilità
DettagliMAGNETIC RESONANCE IMAGING
MAGNETIC RESONANCE IMAGING L'MRI èuna tecnica di generazione di immagini usata prevalentemente per scopi diagnostici in campo medico, basata sul principio fisico della risonanza magnetica nucleare. Le
DettagliAnalisi statistica delle funzioni di produzione
Analisi statistica delle funzioni di produzione Matteo Pelagatti marzo 28 Indice La funzione di produzione di Cobb-Douglas 2 2 Analisi empirica della funzione di produzione aggregata 3 Sommario Con la
DettagliProduct Shipping Cost Guida d'installazione ed Utilizzo
Guida d'installazione ed Utilizzo Installazione Per installare il modulo è sufficiente copiare la cartella app del pacchetto del modulo nella cartella principale dell'installazione di Magento dove è già
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettagliper immagini guida avanzata Organizzazione e controllo dei dati Geometra Luigi Amato Guida Avanzata per immagini excel 2000 1
Organizzazione e controllo dei dati Geometra Luigi Amato Guida Avanzata per immagini excel 2000 1 Il raggruppamento e la struttura dei dati sono due funzioni di gestione dati di Excel, molto simili tra
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 6 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 6 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Quantizzazione Il segnale y(t) non solo è campionato sull asse dei tempi, ma anche i valori di ordinata sono
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliRegistratori di Cassa
modulo Registratori di Cassa Interfacciamento con Registratore di Cassa RCH Nucleo@light GDO BREVE GUIDA ( su logiche di funzionamento e modalità d uso ) www.impresa24.ilsole24ore.com 1 Sommario Introduzione...
DettagliLABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE
LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliIntroduzione allo Scilab Parte 3: funzioni; vettori.
Introduzione allo Scilab Parte 3: funzioni; vettori. Felice Iavernaro Dipartimento di Matematica Università di Bari http://dm.uniba.it/ iavernaro felix@dm.uniba.it 13 Giugno 2007 Felice Iavernaro (Univ.
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
DettagliALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio.
ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio. Per una migliore caratterizzazione del bacino idrologico dell area di studio, sono state acquisite
Dettagli(a cura di Francesca Godioli)
lezione n. 12 (a cura di Francesca Godioli) Ad ogni categoria della variabile qualitativa si può assegnare un valore numerico che viene chiamato SCORE. Passare dalla variabile qualitativa X2 a dei valori
DettagliCarichiamo il segnale contenuto nel file ecg_es_20121128.mat
Esercitazione su analisi segnale ECG Carichiamo il segnale contenuto nel file ecg_es_20121128.mat Il file contiene due variabili - dt, che vale 0.004 - ecg, che è vettore lungo 6500 campioni La frequenza
DettagliComandi di Input/Output in Matlab
Comandi di Input/Output in Matlab Il comando format controlla la configurazione numerica dei valori esposta da MAT- LAB; il comando regola solamente come i numeri sono visualizzati o stampati, non come
DettagliINTRODUZIONE A MATLAB Matrix Laboratory
INTRODUZIONE A MATLAB Matrix Laboratory Introduzione Linguaggio di programmazione per applicazioni scientifiche e numeriche Vasto set di funzioni predefininte Interprete di comandi Possibilità di scrivere
DettagliDefinire all'interno del codice un vettore di interi di dimensione DIM, es. int array[] = {1, 5, 2, 4, 8, 1, 1, 9, 11, 4, 12};
ESERCIZI 2 LABORATORIO Problema 1 Definire all'interno del codice un vettore di interi di dimensione DIM, es. int array[] = {1, 5, 2, 4, 8, 1, 1, 9, 11, 4, 12}; Chiede all'utente un numero e, tramite ricerca
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliFogli Elettronici: MS Excel
Fogli Elettronici: MS Excel Informatica - A.A. 2010/2011 - Excel 7.0 Foglio Elettronico Un foglio elettronico (o spreadsheet) è un software applicativo nato dall esigenza di: organizzare insiemi di dati
DettagliConsorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni
Consorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni A cura di Sebastiano Cappuccio SCHEDA N. 6 ARGOMENTO: Grafici di funzioni sottoposte a trasformazioni elementari.
DettagliESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE
ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114
DettagliInteresse, sconto, ratei e risconti
129 Interesse, sconto, ratei e risconti Capitolo 129 129.1 Interesse semplice....................................................... 129 129.1.1 Esercizio per il calcolo dell interesse semplice........................
DettagliSegnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro
Segnali e Sistemi Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici Gianni Borghesan e Giovanni Marro Indice Introduzione 2. Notazione............................. 2 2 Classificazione
DettagliMATLAB-SIMULINK. Grafici 2D e 3D. Ing. Alessandro Pisano. pisano@diee.unica.it
1 MATLAB-SIMULINK Grafici 2D e 3D Ing. Alessandro Pisano pisano@diee.unica.it 2 Indice 3 7 10 10 11 12 13 14 16 17 22 24 28 34 36 39 44 Grafici 2D Griglia, label e titolo Grafici sovrapposti. Colori Legenda
DettagliLE FINESTRE E L ISOLAMENTO ACUSTICO
LE FINESTRE E L ISOLAMENTO ACUSTICO Roberto Malatesta. William Marcone Ufficio Tecnico (giugno 2008) LA PROTEZIONE DAL RUMORE DEGLI EDIFICI, LA NORMATIVA NAZIONALE La maggior sensibilità delle persone
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliIl Campionameto dei segnali e la loro rappresentazione. 1 e prende il nome frequenza di
Il Campionameto dei segnali e la loro rappresentazione Il campionamento consente, partendo da un segnale a tempo continuo ovvero che fluisce con continuità nel tempo, di ottenere un segnale a tempo discreto,
DettagliLa pista del mio studio Riflettiamo sulla pista. Guida per l insegnante
Riflettiamo sulla pista Guida per l insegnante Obiettivi educativi generali Compito di specificazione - possiede capacità progettuale - è in grado di organizzare il proprio tempo e di costruire piani per
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliProf.ssa Paola Vicard
DISTRIBUZIONE DI FREQUENZE PER CARATTERI QUALITATIVI Questa nota consiste per la maggior parte nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000,
DettagliRICERCA DI UN ELEMENTO
RICERCA DI UN ELEMENTO Si legga da tastiera un array di N elementi (N stabilito dall utente) Si richieda un elemento x il programma deve cercare l elemento x nell array Se l elemento è presente, deve visualizzare
DettagliDocumentazione esterna al software matematico sviluppato con MatLab
Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno
DettagliComputazione per l interazione naturale: Modelli dinamici
Computazione per l interazione naturale: Modelli dinamici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html
DettagliPolitecnico di Torino. Esercitazioni di Protezione idraulica del territorio
Politecnico di Torino Esercitazioni di Protezione idraulica del territorio a.a. 2012-2013 ESERCITAZIONE 1 VALUTAZIONE DELLA RARITÀ DI UN EVENTO PLUVIOMETRICO ECCEZIONALE 1. Determinazione del periodo di
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliIOL_guidaoperativa_gestione_allegati-1 0.doc 1 INTRODUZIONE ALL USO DELLA GUIDA... 3 1.1 SIMBOLI USATI E DESCRIZIONI... 3 2 GESTIONE ALLEGATI...
2014 1 Luglio 2014 INDICE 1 INTRODUZIONE ALL USO DELLA GUIDA... 3 1.1 SIMBOLI USATI E DESCRIZIONI... 3 2 GESTIONE ALLEGATI... 4 2.1 COS È E A CHI È RIVOLTO... 4 2.2 NORMATIVA DI RIFERIMENTO... 4 2.3 ASPETTI
Dettagli(liberamente interpretato da http://www2.unipr.it/~bottarel/epi/homepage.html) SCHEDA ALUNNI. Descrizione dell attività:
Pagina 1 di 11 (liberamente interpretato da http://www2.unipr.it/~bottarel/epi/homepage.html) SCHEDA ALUNNI Descrizione dell attività: Problema 1. Siamo nel 2060 ed ormai gli umani hanno colonizzato Marte.
DettagliMATLAB: Una veloce introduzione (Parte II)
MATLAB: Una veloce introduzione (Parte II) Author: Luca Albergante 1 Dipartimento di Matematica, Università degli Studi di Milano 14 Marzo 2011 L. Albergante (Univ. of Milan) MATLAB 14 Marzo 2011 1 / 14
Dettaglimarketing highlights Google Analytics A cura di: dott. Fabio Pinello
marketing highlights Google Analytics A cura di: dott. Fabio Pinello Google Analytics è uno strumento gratuito fornito da Google per monitorare il traffico di visite dei siti web su cui è installato. Cos
DettagliFASCI DI RETTE. scrivere la retta in forma esplicita: 2y = 3x + 4 y = 3 2 x 2. scrivere l equazione del fascio di rette:
FASCI DI RETTE DEFINIZIONE: Si chiama fascio di rette parallele o fascio improprio [erroneamente data la somiglianza effettiva con un fascio!] un insieme di rette che hanno tutte lo stesso coefficiente
DettagliCome creare il test di Conconi tramite l applicazione Training Center
Come creare il test di Conconi tramite l applicazione Training Center Nella seguente nota tecnica, è spiegato passo passo come creare un allenamento avanzato, nello specifico, il Test di Conconi. Un test
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliMatematica 1 - Corso di Laurea in Ingegneria Meccanica
Matematica 1 - Corso di Laurea in Ingegneria Meccanica Esercitazione su massimi e minimi vincolati 9 dicembre 005 Esercizio 1. Considerare l insieme C = {(x,y) R : (x + y ) = x } e dire se è una curva
DettagliGuida all utilizzo Software PDP Programma dei Pagamenti
Guida all utilizzo Software PDP Programma dei Pagamenti Accesso alla procedura Per accedere alla procedura occorre disporre di una connessione Internet e di un qualunque browser in produzione (Internet
DettagliSistema operativo: Gestione della memoria
Dipartimento di Elettronica ed Informazione Politecnico di Milano Informatica e CAD (c.i.) - ICA Prof. Pierluigi Plebani A.A. 2008/2009 Sistema operativo: Gestione della memoria La presente dispensa e
DettagliIl massimo dei risultati, con il minimo sforzo e nel minor tempo possibile! Creative Consulting
Il massimo dei risultati, con il minimo sforzo e nel minor tempo possibile! Creative Consulting La maggior parte della nostra attività di consulenza ruota intorno a un Framework che abbiamo ideato e perfezionato
DettagliConfigurazione della ricerca desktop di Nepomuk. Sebastian Trüg Anne-Marie Mahfouf Traduzione della documentazione in italiano: Federico Zenith
Configurazione della ricerca desktop di Nepomuk Sebastian Trüg Anne-Marie Mahfouf Traduzione della documentazione in italiano: Federico Zenith 2 Indice 1 Introduzione 4 1.1 Impostazioni di base....................................
DettagliPolitecnico di Milano Facoltà di Ingegneria Industriale INFORMATICA B
Politecnico di Milano Facoltà di Ingegneria Industriale INFORMATICA B Esercitazione del 22/01/2013 Esercizio 1 Un sistema dispone di 16 pagine di memoria fisica e 64 di memoria virtuale. Sapo che l indirizzo
DettagliGrafici tridimensionali
MatLab Lezione 3 Grafici tridimensionali Creazione di un Grafico 3D (1/4) Si supponga di voler tracciare il grafico della funzione nell intervallo x = [0,5]; y=[0,5] z = e -(x+y)/2 sin(3x) sin(3y) Si può
Dettagli