Sistemi di Acquisizione Dati Prof. Alessandro Pesatori

Documenti analoghi
RAPPRESENTAZIONE GRAFICA DEI RISULTATI SPERIMENTALI INTERPOLAZIONE E CURVE DI REGRESSIONE

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

RAPPRESENTAZIONE DI MISURE. carta millimetrata

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Misure dirette utilizzate per il calcolo della misura indiretta X:

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Regressione e correlazione

INTERPOLAZIONE MEDIANTE CURVE SPLINE. '' ( b ) = 0

5.1 Controllo di un sistema non lineare

UNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Risposta in frequenza

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

materiale didattico I incontro

Capitolo 3. Cap. 3-1

Misure Ripetute ed Indipendenti

Sistemi Intelligenti Stimatori e sistemi lineari - III

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Corsi di Laurea in Farmacia e CTF Prova di Matematica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Elementi di statistica

Limitazioni di ampiezza negli amplificatori reali

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

CARATTERISTICHE DEI SEGNALI RANDOM

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009

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

Analisi statistica degli errori casuali

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Precisione e Cifre Significative

Studio delle oscillazioni del pendolo semplice e misura dell accelerazione di gravita g.

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

a) Individuare l intervallo di confidenza al 90% per la media di popolazione;

Variabili statistiche - Sommario

IL RUMORE NEGLI AMPLIFICATORI

INFORMAZIONE IMPORTANTE. Per questioni organizzative, le iscrizioni per l esame scadranno una settimana prima del dell esame stesso!!!

si utilizzano per confrontare le distribuzioni

La soluzione delle equazioni differenziali con il metodo di Galerkin

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Support Vector Machines. Macchine a vettori di supporto

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

26/08/2010. segnali deterministici. segnali casuali o random. stazionario. periodico. Non stazionario. transitorio

ELEMENTI DI STATISTICA

Statistica Descrittiva

Amplificatori operazionali

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

Soluzione esercizi seconda settimana

La taratura degli strumenti di misura

LE FREQUENZE CUMULATE

LABORATORIO II. 1 La retta di regressione. NB create un nuovo foglio di lavoro

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per

Incertezza di sensibilità < fluttuazione intrinseca delle misure.

REALTÀ E MODELLI SCHEDA DI LAVORO

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

Algebra 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.

Determinarelatranscaratteristicav out (v in ) del seguente circuito R. V out. V in V ٧ = 0.7V D Z D V R = 5V. R o V R V Z = -8V

Stima dei Parametri: Metodo dei Minimi Quadrati

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

Risposta in frequenza e filtri

Campo di applicazione

Calibrazione. Lo strumento idealizzato

Il diagramma cartesiano

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

IL RUMORE NEGLI AMPLIFICATORI

La resistività apparente viene ricavata dalla relazione:

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1

Dinamica del corpo rigido

Variabili casuali. Variabili casuali

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D

Risposta in frequenza e filtri

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

Introduzione al calcolo numerico. Derivazione Integrazione Soluzione di equazioni

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2:

Propagazione degli errori

Relazioni tra variabili: Correlazione e regressione lineare

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

3) Entropie condizionate, entropie congiunte ed informazione mutua

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

Propagazione delle incertezze

Corso di. Dott.ssa Donatella Cocca

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

Adattamento di una relazione funzionale ai dati sperimentali

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

Stima dei Parametri Metodo di Massima Verosimiglianza

Transcript:

Rappresentazone grafca Vsone d nseme d una grandezza n funzone del tempo o d un altro parametro Tpcamente s utlzzano ass coordnat che devono rportare la descrzone della grandezza rappresentata e all occorrenza anche la sua untà d msura

Tp d Grafc Quando sugl ass compaono de valor numerc, bsogna sempre ndcare l untà d msura corrspondente. Il grafco s dce QUANTITATIVO Altrment l dagramma è QUALITATIVO e può servre per ndcare degl andament o delle tendenze 3

Grafco n un PIANO CARTESIANO ASCISSE (asse X): varable ndpendente o d comando o d ngresso ORDINATE (asse Y): varable dpendente o grandezza d uscta Tpcamente u(x)<< u(y), ossa la varable d comando è nota con buona precsone (ncertezza trascurable) mentre la varable d uscta presenta una maggore ncertezza Molte volte le ncertezze d ngress e uscte non sono specfcate ma nseme al rumore su dat s traducono n una dspersone de punt spermental 4

Caratterstca tensone corrente per un dodo Zener 5

Rappresentazone grafca della dspersone (ncertezza): Barre d Errore Caratterstca ngresso uscta d un amplfcatore elettronco. Le barre d errore ndcano un ntervallo d confdenza, che va specfcato: ad esempo ±1σ (68%), oppure ad esempo l 90%. 6

Dagramm polar Coordnata radale: ρ =(x +y ) 1/ Coordnata angolare: θ =arctg(y/x) per x 0 Dagramma d drettvtà d un altoparlante x =ρ cos(θ ) y =ρ sn(θ ) ρ (θ ) può anche ndcare la potenza rradata da un antenna 7

Scale logartmche Utl per vsualzzare grandezze che varano d dvers ordn d grandezza, con dettaglo relatvo costante: punt equspazat n scala logartmca stanno n uno stesso rapporto n scala lneare. z log =log B (z/z 0 ) B è la base e z 0 è l rfermento Molto comun db e dbm (con B=10) P db =10 log 10 (P/P 0 ) A db =0 log 10 (A/A 0 ) P dbm =10 log 10 [P/(P m )] con P m =1 mw 8

Dagramm Semlogartmc (log-ln) Dagramma semlog y per la curva I V d un dodo a semconduttore n polarzzazone dretta: I=I 0 exp(v/v T ) y = log(i) = (1/V T ) V+log(I 0 ) = mx+q m = (1/V T ) q=log(i 0 ) 9

Dagramm Semlogartmc (ln-log): dagramma d Bode (della fase) 6 decad (da 1 mhz a 1 khz) Sfasamento n grad o radant n funzone della frequenza rportata n scala logartmca (ampa dnamca). 10

Dagramm Blogartmc (log-log): dagramma d Bode (dell'ampezza) Ampezza o guadagno n db n funzone della frequenza rportata n scala logartmca: s possono ndvduare delle pendenze tpche (e.g. -0 db/dec). 11

Dagramm Blogartmc (log-log): spettro d potenza d un segnale Ampa dnamca d frequenze e potenze vsualzzabl sullo stesso dagramma. 1

Interpolazone Msura: nseme fnto e dscreto d valor spermental. Quest punt spermental dscret sono tpcamente valor assunt dal msurando al varare d uno o pù parametr d comando (grandezza/e d ngresso). Oppure sono campon dscret prelevat nel tempo. La rappresentazone è pù faclmente leggble se operamo un rempmento o nterpolazone tra due punt spermental adacent. Interpolante: è una funzone contnua, che passando per due punt n questone c fornsce l andamento presunto (nterpolato) della relazone ngresso uscta. 13

Interpolazone lneare È la pù semplce nterpolazone possble: consste nel congungere punt con una spezzata (nseme de segment d rette che passano per due punt adacent). Non consente una buona rcostruzone del segnale perché non sfrutta l nformazone de punt precedent e successv. 14

Interpolazone polnomale cubca È la curva che passa per punt spermental, mantenendo contnue la dervata prma e seconda. Ha l effetto vsvo d una lnea smussata. Può essere ottenuta con dfferent condzon al contorno (ne due punt estrem dell ntervallo d dat dsponbl ). 15

Interpolazone polnomale cubca 3 S ( x) = ax + bx + cx + d Rappresenta la funzone splne che nterpola la funzone S, le condzon sono: La propretà d nterpolazone, S(x )=f(x ) La contnutà delle splne, S -1 (x ) = S (x ), =1,...,n-1 La Contnutà delle dervate, S' -1 (x ) = S' (x ) and S'' -1 (x ) = S'' (x ), =1,...,n -1. Per n polnom d terzo grado che formano S (lavoramo qund su n+1 punt), abbamo bsogno d 4n condzon (per ogn polnomo d grado tre c sono 4 condzon). Sebbene la propretà d nterpolazone c dà n + 1 condzon, le condzon d contnutà c danno n + 1 = n 1 condzon, e ottenamo 4n condzon. Abbamo bsogno d altre condzon che possono essere d questo tpo: S(x ) =cost e S(x n ) =cost (splne vncolate) 16

Interpolazone a seno cardnale Utlzzata per la rcostruzone d segnal camponat nel tempo. S rcava matematcamente dall operazone d fltraggo passa-basso deale del segnale camponato. Nel domno del tempo consste n una convoluzone del segnale camponato con la funzone snc(x)=sn(x)/x 17

Esempo d rcostruzone d un segnale medante nterpolatore Snusode camponata a.51 punt per perodo Interpolatore snc(x) Interpolatore lneare 18

Regressone d pù punt spermental Un dagramma spermentale, ottenuto da rsultat d msura, spesso mostra una dpendenza y = f (x) che appare ragonevolmente approssmable con una funzone nota Alternatvamente, da un anals teorca, possamo conoscere quale tpo d relazone matematca dovrebbe essere rappresentata da punt, ma la dspersone de dat è talmente grande (e.g. per la presenza d rumore) che non ruscamo a defnre con suffcente affdabltà valor de parametr Come è possble rcavare quest valor (parametr caratterstc del fenomeno msurato) da una msura/osservazone d pù punt? 19

Regressone a mnm quadrat (LS) Consderamo una generca dpendenza d una varable fsca y da un altra varable x, attraverso una funzone f con pù parametr A,B, : y = f (A,B, x) Effettuamo qund n msure y della varable y n funzone della varable x osservata ne punt x Per stmare parametr che meglo rappresentano la realtà msurata, defnamo una funzone dstanza tra la msura e la funzone f. S vuole mnmzzare tale dstanza La funzone dstanza pù comunemente usata è la somma degl scart quadratc tra f e l valore msurato Scarto: δ = y f(x ) Funzone dstanza da mnmzzare: Φ = n = 1 δ 0

Regressone lneare LS (1/) Un mportante caso d regressone, semplce da rsolvere analtcamente, è quello della regressone lneare: Consderamo una dpendenza lneare y = m x + b d cu s voglono rcavare due parametr m e b. Per l punto -esmo d msura, lo scarto δ tra l valore emprco, y, e quello della curva d regressone, f(x ), vale δ = y [ m x + b ] Dobbamo trovare valor de parametr (m e b) per qual è mnma la dstanza Φ ( m, b) = δ n = 1 = n [ y ( + )] mx b = 1 1

Regressone lneare LS (/) Per trovare l mnmo d Φ, annullamo le due dervate prme parzal rspetto a m e b : Φ ( = 0 m x ) + = b x x y m Φ ( ) = 0 m x + nb = y b dove tutte le sommatore sono ovvamente estese per che va da 1 fno a n. S è ottenuto un sstema lneare d due equazon n due ncognte, m e b appunto.

Regressone lneare: calcolo d m e b La soluzone del sstema (che s ottene faclmente per sosttuzone) è: b m n x y x n x ( ) x = x y x x y y m = = n x ( x ) n y x = y mx Questa soluzone corrsponde a un mnmo (lo s può dmostrare matematcamente facendo le dervate seconde, entrambe >0, oppure rpensando al sgnfcato della funzone dstanza, ntrnsecamente postva e che cresce allontanandos da punt acqust...) 3

Eserczo su retta d regressone (1/) n(=5) msure d y=f(x) con punt spermental 1 3 4 5 x = [ 0 1 3 4] y = [ 1 3] Modello lneare δ = y [ m x + b ] Regressone a mnm quadrat à (δ ) = mn. m n xy x n x ( x ) = y b x y x x y y m = = n x ( x ) n x = y mx 4

Eserczo su retta d regressone (/) 5