Fitting di dati con distribuzione gaussiana rumorosa

martedì, Giugno 9th, 2020

fitting,fit,gaussiane


Immaginiamo di avere dei dati sperimentali relativi a due grandezze che esibiscono un andamento gaussiano. Naturalmente i dati sono "sporchi", vediamo come "ripulirli" con uno script di Mathematica, dove vengono utilizzate le istruzioni FindFit, e Block. Quest'ultima permette di "bloccare" i valori assunti dalle variabili locali (cioè definite all'interno dell'istruzione) in modo da non andare in conflitto con le variabili globali (definite nel notebook di Mathematica).
(altro…)




Covid-19 e processi aleatori

venerdì, Maggio 15th, 2020

covid-19,processi aleatori,noise,processo di wiener


«Il cielo sopra il porto aveva il colore della televisione sintonizzata su un canale morto.»
W. Gibson (Neuromante)

Viviamo in un foreground causale (e quindi, deterministico) e facilmente "oggettivizzabile". Matematicamente espresso da un qualche problema di Cauchy. Quindi in linea di principio, prevedibile.
A ciò si contrappone un background aleatorio che sfugge al principio di causalità. Imprevedibilità e casualità sono i suoi connotati dominanti. La citazione di Gibson è la più indicata: un vecchio televisore analogico sintonizzato su un canale morto, restituisce una serie di puntini distribuiti uniformemente sullo schermo. In senso tecnico, siamo in presenza di un noise.

Il paradigma dei processi non deterministici i.e. aleatori, può essere facilmente esteso per così dire, ad altri tipi di "segnali", ad esempio una pandemia, come confermato da quest'altro lavoro.

(altro…)