Update

.idea/inspectionProfiles/Project_Default.xml

@@ -14,5 +14,10 @@
     <inspection_tool class="HtmlUnknownTarget" enabled="false" level="WARNING" enabled_by_default="false" />
     <inspection_tool class="JSCheckFunctionSignatures" enabled="false" level="WEAK WARNING" enabled_by_default="false" />
     <inspection_tool class="JSXNamespaceValidation" enabled="false" level="WEAK WARNING" enabled_by_default="false" />
+    <inspection_tool class="SpellCheckingInspection" enabled="false" level="TYPO" enabled_by_default="false">
+      <option name="processCode" value="true" />
+      <option name="processLiterals" value="true" />
+      <option name="processComments" value="true" />
+    </inspection_tool>
   </profile>
 </component>

docs/push-manifest.json

@@ -1 +1 @@
-{"/":{"style.5336e.css":{"type":"style","weight":1},"bundle.61f2f.js":{"type":"script","weight":1}}}
+{"/":{"style.5336e.css":{"type":"style","weight":1},"bundle.8b2a9.js":{"type":"script","weight":1}}}

docs/ssr-build/style.5336e.css

@@ -0,0 +1,2 @@
+*{-webkit-box-sizing:border-box;box-sizing:border-box}body{background-color:#0d193b;color:#a0ccff;font-family:sans-serif}h1,h2,h3,h4,h5,h6{margin-top:4px;margin-bottom:4px;color:#fff;font-weight:400}h1,h2,h3{text-align:center}h4,h5,h6{font-weight:700}a{color:#00caca;text-decoration:none}a:hover{color:#4affff}a:active{color:#fff}img{max-width:100%}code{font-family:Consolas,monospace}blockquote{border-left:3px solid #a0ccff;padding:4px;margin-left:12px;background-color:rgba(160,204,255,.1);border-top-right-radius:4px;border-bottom-right-radius:4px}.panel__22fOQ{background-color:rgba(160,204,255,.1);padding:4px;border-radius:4px;margin:4px;height:calc(100% - 8px);min-width:256px}.splitparent__nqY7W{display:-webkit-box;display:-ms-flexbox;display:flex;-ms-flex-wrap:wrap;flex-wrap:wrap}.splitchild__3Ip86{-webkit-box-flex:1;-ms-flex-positive:1;flex-grow:1;-ms-flex-negative:0;flex-shrink:0;-ms-flex-preferred-size:0;flex-basis:0}.todo__5Soco{border:4px solid #ff0;border-radius:4px;padding:2px;background-color:#000;color:#ff0}.latex__34DCT{display:inline-block;vertical-align:middle}.plus__1JPyf{color:#ff7d7d}.minus__2d_8r{color:#7d7dff}.copyright__TBGn1{margin-top:8px;color:#fff;text-align:center;font-size:x-small}.theorem__yukmA{background-color:rgba(160,255,204,.1);color:#a0ffcc}.example__2CnC8{border:none;color:#d3a1ff;background-color:rgba(211,161,255,.1);border-radius:4px}.example__2CnC8:before{content:"\2666   "}
+/*# sourceMappingURL=style.5336e.css.map*/

docs/ssr-build/style.5336e.css.map

@@ -0,0 +1 @@
+{"version":3,"sources":["webpack:///./D:/Codice/appuntiweb/src/index.css","webpack:///./components/D:/Codice/appuntiweb/src/components/panel.css","webpack:///./components/D:/Codice/appuntiweb/src/components/split.css","webpack:///./components/D:/Codice/appuntiweb/src/components/todo.css","webpack:///./components/D:/Codice/appuntiweb/src/components/latex.css","webpack:///./components/D:/Codice/appuntiweb/src/components/plus.css","webpack:///./components/D:/Codice/appuntiweb/src/components/minus.css","webpack:///./components/D:/Codice/appuntiweb/src/components/copyright.css","webpack:///./components/D:/Codice/appuntiweb/src/components/theorem.css","webpack:///./components/D:/Codice/appuntiweb/src/components/example.css"],"names":[],"mappings":"AAAA,EACC,8BAAuB,sBAGxB,KACC,yBACA,cACA,sBAAwB,CAGzB,kBACC,eACA,kBACA,WACA,eAAoB,CAGrB,SACC,iBAAmB,CAGpB,SACC,eAAkB,CAInB,EACI,cACA,oBAAsB,CAG1B,QACC,aAAe,CAGhB,SACC,UAAe,CAGhB,IACC,cAAgB,CAGjB,KACC,8BAAmC,CAGpC,WACC,8BACA,YACA,iBACA,sCACA,4BACA,8BAAgC,CCrDjC,cACI,sCACA,YACA,kBACA,WACA,wBACA,eAAiB,CCFrB,oBACI,oBAAc,iCACd,mBAAgB,eAGpB,mBACI,mBAAa,gCACb,oBAAe,cACf,0BAAc,aCZlB,aACI,sBACA,kBACA,YACA,sBACA,UAAc,CCLlB,cACI,qBACA,qBAAuB,CCF3B,aACI,aAAe,CCDnB,cACI,aAAe,CCDnB,kBACI,eACA,WACA,kBACA,iBAAmB,CCJvB,gBACI,sCACA,aAAe,CCFnB,gBACI,YACA,cACA,sCACA,iBAAmB,CAGvB,uBACI,kBAAc","file":"style.5336e.css","sourcesContent":["* {\n\tbox-sizing: border-box;\n}\n\nbody {\n\tbackground-color: #0d193b;\n\tcolor: #a0ccff;\n\tfont-family: sans-serif;\n}\n\nh1, h2, h3, h4, h5, h6 {\n\tmargin-top: 4px;\n\tmargin-bottom: 4px;\n\tcolor: #ffffff;\n\tfont-weight: normal;\n}\n\nh1, h2, h3 {\n\ttext-align: center;\n}\n\nh4, h5, h6 {\n\tfont-weight: bold;\n}\n\n\na {\n    color: #00caca;\n    text-decoration: none;\n}\n\na:hover {\n\tcolor: #4affff;\n}\n\na:active {\n\tcolor: #ffffff;\n}\n\nimg {\n\tmax-width: 100%;\n}\n\ncode {\n\tfont-family: \"Consolas\", monospace;\n}\n\nblockquote {\n\tborder-left: 3px solid #a0ccff;\n\tpadding: 4px;\n\tmargin-left: 12px;\n\tbackground-color: rgba(62.7%, 80%, 100%, 0.1);\n\tborder-top-right-radius: 4px;\n\tborder-bottom-right-radius: 4px;\n}\n\n\n// WEBPACK FOOTER //\n// ./D:/Codice/appuntiweb/src/index.css",".panel {\n    background-color: rgba(62.7%, 80%, 100%, 0.1);\n    padding: 4px;\n    border-radius: 4px;\n    margin: 4px;\n    height: calc(100% - 8px);\n    min-width: 256px;\n}\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/panel.css",".split {\n\n}\n\n.splitparent {\n    display: flex;\n    flex-wrap: wrap;\n}\n\n.splitchild {\n    flex-grow: 1;\n    flex-shrink: 0;\n    flex-basis: 0;\n}\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/split.css",".todo {\r\n    border: 4px yellow solid;\r\n    border-radius: 4px;\r\n    padding: 2px;\r\n    background-color: black;\r\n    color: yellow;\r\n}\r\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/todo.css",".latex {\n    display: inline-block;\n    vertical-align: middle;\n}\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/latex.css",".plus {\r\n    color: #ff7d7d;\r\n}\r\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/plus.css",".minus {\r\n    color: #7d7dff;\r\n}\r\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/minus.css",".copyright {\r\n    margin-top: 8px;\r\n    color: white;\r\n    text-align: center;\r\n    font-size: x-small;\r\n}\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/copyright.css",".theorem {\r\n    background-color: rgba(160, 255, 204, 0.1);\r\n    color: #a0ffcc;\r\n}\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/theorem.css",".example {\n    border: none;\n    color: #d3a1ff;\n    background-color: rgba(211, 161, 255, 0.1);\n    border-radius: 4px;\n}\n\n.example::before {\n    content: \"♦ \";\n}\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/example.css"],"sourceRoot":""}

docs/style.5336e.css

@@ -0,0 +1,2 @@
+*{-webkit-box-sizing:border-box;box-sizing:border-box}body{background-color:#0d193b;color:#a0ccff;font-family:sans-serif}h1,h2,h3,h4,h5,h6{margin-top:4px;margin-bottom:4px;color:#fff;font-weight:400}h1,h2,h3{text-align:center}h4,h5,h6{font-weight:700}a{color:#00caca;text-decoration:none}a:hover{color:#4affff}a:active{color:#fff}img{max-width:100%}code{font-family:Consolas,monospace}blockquote{border-left:3px solid #a0ccff;padding:4px;margin-left:12px;background-color:rgba(160,204,255,.1);border-top-right-radius:4px;border-bottom-right-radius:4px}.panel__22fOQ{background-color:rgba(160,204,255,.1);padding:4px;border-radius:4px;margin:4px;height:calc(100% - 8px);min-width:256px}.splitparent__nqY7W{display:-webkit-box;display:-ms-flexbox;display:flex;-ms-flex-wrap:wrap;flex-wrap:wrap}.splitchild__3Ip86{-webkit-box-flex:1;-ms-flex-positive:1;flex-grow:1;-ms-flex-negative:0;flex-shrink:0;-ms-flex-preferred-size:0;flex-basis:0}.todo__5Soco{border:4px solid #ff0;border-radius:4px;padding:2px;background-color:#000;color:#ff0}.latex__34DCT{display:inline-block;vertical-align:middle}.plus__1JPyf{color:#ff7d7d}.minus__2d_8r{color:#7d7dff}.copyright__TBGn1{margin-top:8px;color:#fff;text-align:center;font-size:x-small}.theorem__yukmA{background-color:rgba(160,255,204,.1);color:#a0ffcc}.example__2CnC8{border:none;color:#d3a1ff;background-color:rgba(211,161,255,.1);border-radius:4px}.example__2CnC8:before{content:"\2666   "}
+/*# sourceMappingURL=style.5336e.css.map*/

docs/style.5336e.css.map

@@ -0,0 +1 @@
+{"version":3,"sources":["webpack:///./D:/Codice/appuntiweb/src/index.css","webpack:///./components/D:/Codice/appuntiweb/src/components/panel.css","webpack:///./components/D:/Codice/appuntiweb/src/components/split.css","webpack:///./components/D:/Codice/appuntiweb/src/components/todo.css","webpack:///./components/D:/Codice/appuntiweb/src/components/latex.css","webpack:///./components/D:/Codice/appuntiweb/src/components/plus.css","webpack:///./components/D:/Codice/appuntiweb/src/components/minus.css","webpack:///./components/D:/Codice/appuntiweb/src/components/copyright.css","webpack:///./components/D:/Codice/appuntiweb/src/components/theorem.css","webpack:///./components/D:/Codice/appuntiweb/src/components/example.css"],"names":[],"mappings":"AAAA,EACC,8BAAuB,sBAGxB,KACC,yBACA,cACA,sBAAwB,CAGzB,kBACC,eACA,kBACA,WACA,eAAoB,CAGrB,SACC,iBAAmB,CAGpB,SACC,eAAkB,CAInB,EACI,cACA,oBAAsB,CAG1B,QACC,aAAe,CAGhB,SACC,UAAe,CAGhB,IACC,cAAgB,CAGjB,KACC,8BAAmC,CAGpC,WACC,8BACA,YACA,iBACA,sCACA,4BACA,8BAAgC,CCrDjC,cACI,sCACA,YACA,kBACA,WACA,wBACA,eAAiB,CCFrB,oBACI,oBAAc,iCACd,mBAAgB,eAGpB,mBACI,mBAAa,gCACb,oBAAe,cACf,0BAAc,aCZlB,aACI,sBACA,kBACA,YACA,sBACA,UAAc,CCLlB,cACI,qBACA,qBAAuB,CCF3B,aACI,aAAe,CCDnB,cACI,aAAe,CCDnB,kBACI,eACA,WACA,kBACA,iBAAmB,CCJvB,gBACI,sCACA,aAAe,CCFnB,gBACI,YACA,cACA,sCACA,iBAAmB,CAGvB,uBACI,kBAAc","file":"style.5336e.css","sourcesContent":["* {\n\tbox-sizing: border-box;\n}\n\nbody {\n\tbackground-color: #0d193b;\n\tcolor: #a0ccff;\n\tfont-family: sans-serif;\n}\n\nh1, h2, h3, h4, h5, h6 {\n\tmargin-top: 4px;\n\tmargin-bottom: 4px;\n\tcolor: #ffffff;\n\tfont-weight: normal;\n}\n\nh1, h2, h3 {\n\ttext-align: center;\n}\n\nh4, h5, h6 {\n\tfont-weight: bold;\n}\n\n\na {\n    color: #00caca;\n    text-decoration: none;\n}\n\na:hover {\n\tcolor: #4affff;\n}\n\na:active {\n\tcolor: #ffffff;\n}\n\nimg {\n\tmax-width: 100%;\n}\n\ncode {\n\tfont-family: \"Consolas\", monospace;\n}\n\nblockquote {\n\tborder-left: 3px solid #a0ccff;\n\tpadding: 4px;\n\tmargin-left: 12px;\n\tbackground-color: rgba(62.7%, 80%, 100%, 0.1);\n\tborder-top-right-radius: 4px;\n\tborder-bottom-right-radius: 4px;\n}\n\n\n// WEBPACK FOOTER //\n// ./D:/Codice/appuntiweb/src/index.css",".panel {\n    background-color: rgba(62.7%, 80%, 100%, 0.1);\n    padding: 4px;\n    border-radius: 4px;\n    margin: 4px;\n    height: calc(100% - 8px);\n    min-width: 256px;\n}\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/panel.css",".split {\n\n}\n\n.splitparent {\n    display: flex;\n    flex-wrap: wrap;\n}\n\n.splitchild {\n    flex-grow: 1;\n    flex-shrink: 0;\n    flex-basis: 0;\n}\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/split.css",".todo {\r\n    border: 4px yellow solid;\r\n    border-radius: 4px;\r\n    padding: 2px;\r\n    background-color: black;\r\n    color: yellow;\r\n}\r\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/todo.css",".latex {\n    display: inline-block;\n    vertical-align: middle;\n}\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/latex.css",".plus {\r\n    color: #ff7d7d;\r\n}\r\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/plus.css",".minus {\r\n    color: #7d7dff;\r\n}\r\n\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/minus.css",".copyright {\r\n    margin-top: 8px;\r\n    color: white;\r\n    text-align: center;\r\n    font-size: x-small;\r\n}\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/copyright.css",".theorem {\r\n    background-color: rgba(160, 255, 204, 0.1);\r\n    color: #a0ffcc;\r\n}\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/theorem.css",".example {\n    border: none;\n    color: #d3a1ff;\n    background-color: rgba(211, 161, 255, 0.1);\n    border-radius: 4px;\n}\n\n.example::before {\n    content: \"♦ \";\n}\n\n\n// WEBPACK FOOTER //\n// ./components/D:/Codice/appuntiweb/src/components/example.css"],"sourceRoot":""}

docs/sw.js

@@ -1 +1 @@
-"use strict";var precacheConfig=[["/assets/favicon.ico","468bad0a3f47a965985c8a99f3ab0ced"],["/assets/icon.png","2b714cf154cd80b3949545dfe0c5939a"],["/bundle.61f2f.js","ed206d55f0cc78aea115b4cad30292da"],["/favicon.ico","468bad0a3f47a965985c8a99f3ab0ced"],["/index.html","db9d2e2a4e5375677bd1b672e7f22c1f"],["/manifest.json","451674ae8f01fd50402a3afd4ebeeffa"],["/style.5336e.css","bf9341495a45d7236460e2af436a3b33"]],cacheName="sw-precache-v3-sw-precache-webpack-plugin-"+(self.registration?self.registration.scope:""),ignoreUrlParametersMatching=[/^utm_/],addDirectoryIndex=function(e,t){var n=new URL(e);return"/"===n.pathname.slice(-1)&&(n.pathname+=t),n.toString()},cleanResponse=function(e){return e.redirected?("body"in e?Promise.resolve(e.body):e.blob()).then(function(t){return new Response(t,{headers:e.headers,status:e.status,statusText:e.statusText})}):Promise.resolve(e)},createCacheKey=function(e,t,n,r){var a=new URL(e);return r&&a.pathname.match(r)||(a.search+=(a.search?"&":"")+encodeURIComponent(t)+"="+encodeURIComponent(n)),a.toString()},isPathWhitelisted=function(e,t){if(0===e.length)return!0;var n=new URL(t).pathname;return e.some(function(e){return n.match(e)})},stripIgnoredUrlParameters=function(e,t){var n=new URL(e);return n.hash="",n.search=n.search.slice(1).split("&").map(function(e){return e.split("=")}).filter(function(e){return t.every(function(t){return!t.test(e[0])})}).map(function(e){return e.join("=")}).join("&"),n.toString()},hashParamName="_sw-precache",urlsToCacheKeys=new Map(precacheConfig.map(function(e){var t=e[0],n=e[1],r=new URL(t,self.location),a=createCacheKey(r,hashParamName,n,!1);return[r.toString(),a]}));function setOfCachedUrls(e){return e.keys().then(function(e){return e.map(function(e){return e.url})}).then(function(e){return new Set(e)})}self.addEventListener("install",function(e){e.waitUntil(caches.open(cacheName).then(function(e){return setOfCachedUrls(e).then(function(t){return Promise.all(Array.from(urlsToCacheKeys.values()).map(function(n){if(!t.has(n)){var r=new Request(n,{credentials:"same-origin"});return fetch(r).then(function(t){if(!t.ok)throw new Error("Request for "+n+" returned a response with status "+t.status);return cleanResponse(t).then(function(t){return e.put(n,t)})})}}))})}).then(function(){return self.skipWaiting()}))}),self.addEventListener("activate",function(e){var t=new Set(urlsToCacheKeys.values());e.waitUntil(caches.open(cacheName).then(function(e){return e.keys().then(function(n){return Promise.all(n.map(function(n){if(!t.has(n.url))return e.delete(n)}))})}).then(function(){return self.clients.claim()}))}),self.addEventListener("fetch",function(e){if("GET"===e.request.method){var t,n=stripIgnoredUrlParameters(e.request.url,ignoreUrlParametersMatching);(t=urlsToCacheKeys.has(n))||(n=addDirectoryIndex(n,"index.html"),t=urlsToCacheKeys.has(n));!t&&"navigate"===e.request.mode&&isPathWhitelisted(["^(?!\\/__).*"],e.request.url)&&(n=new URL("index.html",self.location).toString(),t=urlsToCacheKeys.has(n)),t&&e.respondWith(caches.open(cacheName).then(function(e){return e.match(urlsToCacheKeys.get(n)).then(function(e){if(e)return e;throw Error("The cached response that was expected is missing.")})}).catch(function(t){return console.warn('Couldn\'t serve response for "%s" from cache: %O',e.request.url,t),fetch(e.request)}))}});
+"use strict";var precacheConfig=[["/assets/favicon.ico","468bad0a3f47a965985c8a99f3ab0ced"],["/assets/icon.png","2b714cf154cd80b3949545dfe0c5939a"],["/bundle.8b2a9.js","a6723ae84b02f1f8c7e8f4e95019b092"],["/favicon.ico","468bad0a3f47a965985c8a99f3ab0ced"],["/index.html","42a788a61f40bde044aa453f49033f47"],["/manifest.json","451674ae8f01fd50402a3afd4ebeeffa"],["/style.5336e.css","bf9341495a45d7236460e2af436a3b33"]],cacheName="sw-precache-v3-sw-precache-webpack-plugin-"+(self.registration?self.registration.scope:""),ignoreUrlParametersMatching=[/^utm_/],addDirectoryIndex=function(e,t){var n=new URL(e);return"/"===n.pathname.slice(-1)&&(n.pathname+=t),n.toString()},cleanResponse=function(e){return e.redirected?("body"in e?Promise.resolve(e.body):e.blob()).then(function(t){return new Response(t,{headers:e.headers,status:e.status,statusText:e.statusText})}):Promise.resolve(e)},createCacheKey=function(e,t,n,r){var a=new URL(e);return r&&a.pathname.match(r)||(a.search+=(a.search?"&":"")+encodeURIComponent(t)+"="+encodeURIComponent(n)),a.toString()},isPathWhitelisted=function(e,t){if(0===e.length)return!0;var n=new URL(t).pathname;return e.some(function(e){return n.match(e)})},stripIgnoredUrlParameters=function(e,t){var n=new URL(e);return n.hash="",n.search=n.search.slice(1).split("&").map(function(e){return e.split("=")}).filter(function(e){return t.every(function(t){return!t.test(e[0])})}).map(function(e){return e.join("=")}).join("&"),n.toString()},hashParamName="_sw-precache",urlsToCacheKeys=new Map(precacheConfig.map(function(e){var t=e[0],n=e[1],r=new URL(t,self.location),a=createCacheKey(r,hashParamName,n,!1);return[r.toString(),a]}));function setOfCachedUrls(e){return e.keys().then(function(e){return e.map(function(e){return e.url})}).then(function(e){return new Set(e)})}self.addEventListener("install",function(e){e.waitUntil(caches.open(cacheName).then(function(e){return setOfCachedUrls(e).then(function(t){return Promise.all(Array.from(urlsToCacheKeys.values()).map(function(n){if(!t.has(n)){var r=new Request(n,{credentials:"same-origin"});return fetch(r).then(function(t){if(!t.ok)throw new Error("Request for "+n+" returned a response with status "+t.status);return cleanResponse(t).then(function(t){return e.put(n,t)})})}}))})}).then(function(){return self.skipWaiting()}))}),self.addEventListener("activate",function(e){var t=new Set(urlsToCacheKeys.values());e.waitUntil(caches.open(cacheName).then(function(e){return e.keys().then(function(n){return Promise.all(n.map(function(n){if(!t.has(n.url))return e.delete(n)}))})}).then(function(){return self.clients.claim()}))}),self.addEventListener("fetch",function(e){if("GET"===e.request.method){var t,n=stripIgnoredUrlParameters(e.request.url,ignoreUrlParametersMatching);(t=urlsToCacheKeys.has(n))||(n=addDirectoryIndex(n,"index.html"),t=urlsToCacheKeys.has(n));!t&&"navigate"===e.request.mode&&isPathWhitelisted(["^(?!\\/__).*"],e.request.url)&&(n=new URL("index.html",self.location).toString(),t=urlsToCacheKeys.has(n)),t&&e.respondWith(caches.open(cacheName).then(function(e){return e.match(urlsToCacheKeys.get(n)).then(function(e){if(e)return e;throw Error("The cached response that was expected is missing.")})}).catch(function(t){return console.warn('Couldn\'t serve response for "%s" from cache: %O',e.request.url,t),fetch(e.request)}))}});

src/pages/statistica.js

@@ -9,6 +9,8 @@ import Hypothesis from "../components/hypothesis";
 import Thesis from "../components/thesis";
 import Proof from "../components/proof";
 import Example from "../components/example";
+import Plus from "../components/plus";
+import Minus from "../components/minus";
 
 const r = String.raw;
 
@@ -644,6 +646,9 @@ export default class Statistica extends Component {
                         <p>
                             A differenza della funzione probabilità, è possibile che la funzione densità <b>non esista</b> per una certa variabile aleatoria.
                         </p>
+                        <Example>
+                            Rappresenta "quanta" probabilità c'è in un'unità di x!
+                        </Example>
                     </Panel>
                 </Split>
                 <Split title={"Funzione di ripartizione"}>
@@ -687,7 +692,8 @@ export default class Statistica extends Component {
                             Nel discreto basta abbinare un nuovo valore a ogni valore della variabile originale.
                         </p>
                     </Panel>
-                    <Theorem title={"Nel continuo (invertibile)"}>
+                    <Panel title={"Nel continuo (invertibile)"}>
+                        {/*
                         <Hypothesis>
                             <ul>
                                 <li><Latex>{r`X`}</Latex> è una variabile aleatoria continua</li>
@@ -700,9 +706,6 @@ export default class Statistica extends Component {
                             </p>
                         </Thesis>
                         <Proof>
-                            <p>
-                                <Todo>TODO: è spiegata male!</Todo>
-                            </p>
                             <p>
                                 Per semplicità, assumiamo che <Latex>g</Latex> sia crescente.
                             </p>
@@ -719,7 +722,14 @@ export default class Statistica extends Component {
                                 <Latex>{r`\int_{g(x) \leq y} f_X (x) dx = \int_{t \leq y} f_X ( h(t) ) h'(t) dt`}</Latex>
                             </p>
                         </Proof>
-                    </Theorem>
+                        */}
+                        <p>
+                            Nel continuo applichiamo la formula dell'integrazione per sostituzione:
+                        </p>
+                        <p>
+                            <Latex>{r`f_Y (y) = \int_{g(a)}^{g(b)} f_X ( g^{-1} (x) ) g^{-2} (x)`}</Latex>
+                        </p>
+                    </Panel>
                     <Panel title={"Nel... digitale"}>
                         <p>
                             Trasformare variabili aleatorie è molto utile nell'informatica per creare distribuzioni partendo da una funzione <a href={"https://docs.python.org/3/library/random.html#random.random"}><code>random()</code></a> che restituisce numeri da 0 a 1 con una distribuzione lineare.
@@ -727,31 +737,25 @@ export default class Statistica extends Component {
                     </Panel>
                 </Split>
                 <Split title={"Informazioni delle variabili aleatorie"}>
-                    <Panel title={"Valore medio"}>
+                    <Panel title={"Media"}>
                         <p>
-                            Ogni variabile aleatoria che ha una <b>funzione di ripartizione</b> e un <b>supporto finito</b> ha anche un <i>valore medio</i> (o <i>valore atteso</i>):
+                            Ogni variabile aleatoria che ha una <b>funzione di ripartizione</b> e un <b>supporto finito</b> ha anche una <i>media</i> (o <i>valore medio</i> o <i>atteso</i>):
                         </p>
                         <p>
                             <Latex>{r`E(X) = \int_0^{+infty} (1 - F_X (t)) dt - \int_{-\infty}^{0} F_X (t) dt`}</Latex>
                         </p>
                         <p>
-                            Nel discreto, si può calcolare più facilmente con:
+                            Nel discreto, si può calcolare con:
                         </p>
                         <p>
                             <Latex>{r`E(X) = \sum_i P(X = x_i) \cdot x_i`}</Latex>
                         </p>
                         <p>
-                            <Todo>TODO: dimostrazione</Todo>
+                            Nel continuo, si può calcolare con:
-                        </p>
-                        <p>
-                            Nel continuo, si può calcolare più facilmente con:
                         </p>
                         <p>
                             <Latex>{r`E(X) = \int_{-\infty}^{+\infty} f_X (x) \cdot x \cdot dx`}</Latex>
                         </p>
-                        <p>
-                            <Todo>TODO: dimostrazione</Todo>
-                        </p>
                     </Panel>
                 </Split>
                 <Split>
@@ -766,7 +770,7 @@ export default class Statistica extends Component {
                         </p>
                         <p>
                             <Latex>
-                                {r`P([X < x_{\alpha} \leq \alpha \leq P([X \leq x_{\alpha}])`}
+                                {r`P([X < x_{\alpha}]) \leq \alpha \leq P([X \leq x_{\alpha}])`}
                             </Latex>
                         </p>
                         <p>
@@ -784,40 +788,336 @@ export default class Statistica extends Component {
                     </Panel>
                     <Panel title={"Varianza"}>
                         <p>
-                            È un valore che indica quanto la variabile aleatoria si discosta generalmente dal valore medio:
+                            È un valore che indica quanto la variabile aleatoria si discosta generalmente dalla media:
                         </p>
                         <p>
                             <Latex>{r`Var(X) = E( (X - E(X) )^2 ) = E ( X^2 ) - (E(X))^2`}</Latex>
                         </p>
-                        <p>
-                            <Todo>TODO: dimostrazione per la formula alternativa</Todo>
-                        </p>
                     </Panel>
                 </Split>
                 <Split title={"Disuguaglianze notevoli"}>
                     <Panel title={"Disuguaglianza di Markov"}>
                         <p>
-                            <Todo>TODO: a cosa serve...?</Todo>
+                            La disuguaglianza di Markov serve a "stabilire un limite superiore al valore della probabilità" quando si è solo a conoscenza del valore atteso.
                         </p>
                         <p>
                             <Latex>{r`\forall K > 0, P([g(X) \geq K]) \leq \frac{E(g(X))}{K}`}</Latex>
                         </p>
                     </Panel>
-                    <Panel title={"Disuguaglianza di Cebicev"}>
+                    <Panel title={"Disuguaglianza di Čebyšëv"}>
+                        <blockquote>
+                            "disuguaglianza di cebicev"
+                        </blockquote>
                         <p>
-                            <Todo>TODO: a cosa serve...?</Todo>
+                            Se la variabile aleatoria <Latex>X</Latex> ha media e varianza, allora la probabilità che essa abbia un valore a più di <Latex>{r`\epsilon`}</Latex> di distanza dal valore medio è minore o uguale a <Latex>{r`\frac{Var(X)}{\epsilon^2}`}</Latex>.
                         </p>
                         <p>
-                            <Latex>{r`\forall \epsilon > 0, P([\left| X - E(X) \right| \leq \epsilon]) \leq \frac{Var(X)}{\epsilon^2}`}</Latex>
+                            <Latex>{r`\forall \epsilon > 0, P([ -\epsilon \leq \left( X - E(X) \right) \leq \epsilon]) \leq \frac{Var(X)}{\epsilon^2}`}</Latex>
+                        </p>
+                        <Example>
+                            Serve per semplificare i calcoli quando la funzione di ripartizione è difficile da calcolare!
+                        </Example>
+                    </Panel>
+                </Split>
+                <Split title={"Un momento...!"}>
+                    <Panel title={"Momento"}>
+                        <p>
+                            Il <i>momento</i> <Latex>k</Latex>-esimo di una variabile aleatoria è:
+                        </p>
+                        <p>
+                            <Latex>
+                                {r`\mu_k = E ( X^k ) = \begin{cases}
+                                \sum_i x_i^k p_X (x_i) \qquad nel\ discreto\\
+                                \\
+                                \int_{-\infty}^{+\infty} x^k f_X (x) dx \qquad nel\ continuo
+                                \end{cases}`}
+                            </Latex>
+                        </p>
+                        <Example>
+                            La media di una variabile aleatoria è anche il suo primo momento.
+                        </Example>
+                    </Panel>
+                    <Panel title={"Funzione generatrice dei momenti"}>
+                        <p>
+                            La <i>funzione generatrice dei momenti</i> è:
+                        </p>
+                        <p>
+                            <Latex>{r`m_X (t) = E( e^{t \cdot X} )`}</Latex>
+                        </p>
+                        <p>
+                            Se due variabile aleatorie hanno la stessa funzione generatrice dei momenti, allora esse hanno la <b>stessa distribuzione</b>.
+                        </p>
+                        <p>
+                            E' la <b>trasformata di Laplace</b> della variabile aleatoria di X.
+                        </p>
+                    </Panel>
+                    <Panel title={"Funzione caratteristica"}>
+                        <p>
+                            La <i>funzione caratteristica</i> è:
+                        </p>
+                        <p>
+                            <Latex>{r`H_X (t) = E ( e^{i \cdot t \cdot X} )`}</Latex>
+                        </p>
+                        <p>
+                            Se due variabile aleatorie hanno la stessa funzione caratteristica, allora esse hanno la <b>stessa distribuzione</b>.
+                        </p>
+                        <p>
+                            E' la <b>trasformata di Fourier</b> della variabile aleatoria di X.
                         </p>
                     </Panel>
                 </Split>
-                <Split>
+                <Split title={"Prove e schemi"}>
-                    <Panel title={"Momento di una variabile aleatoria"}>
+                    <Panel title={"Variabile con distribuzione"}>
                         <p>
-                            <Todo>TODO</Todo>
+                            Per dire che una variabile ha una certa distribuzione, si usa la notazione:
+                        </p>
+                        <p>
+                            <Latex>{r`X \sim Distribuzione()`}</Latex>
                         </p>
                     </Panel>
+                    <Panel title={"Prova di Bernoulli"}>
+                        <p>
+                            Una prova con solo due possibili esiti: <Plus>successo</Plus> e <Minus>insuccesso</Minus>.
+                        </p>
+                    </Panel>
+                    <Panel title={"Schema di Bernoulli"}>
+                        <p>
+                            Una sequenza di prove di Bernoulli per le quali le probabilità di successo e fallimento rimangono invariate.
+                        </p>
+                    </Panel>
+                </Split>
+                <Split title={"Bernoulliana"}>
+                    <Panel title={"Distribuzione bernoulliana"}>
+                        <p>
+                            Una variabile aleatoria che rappresenta una prova di Bernoulli:
+                        </p>
+                        <ul>
+                            <li>vale <Plus>1</Plus> in caso di <Plus>successo</Plus>.</li>
+                            <li>vale <Minus>0</Minus> in caso di <Minus>insuccesso</Minus>.</li>
+                        </ul>
+                        <p>
+                            Il suo simbolo è <Latex>{r`Ber(p)`}</Latex>
+                        </p>
+                    </Panel>
+                    <Panel title={"Densità della bernoulliana"}>
+                        <p>
+                            La distribuzione bernoulliana ha come densità:
+                        </p>
+                        <p>
+                            <Latex>{r`f_X (k) : \{0, 1\} = \begin{cases}
+                            p \quad se\ k = 1\\
+                            q \quad se\ k = 0\\
+                            0 \quad altrimenti
+                            \end{cases} = p^x \cdot q^{1 - k}`}</Latex>
+                        </p>
+                    </Panel>
+                </Split>
+                <Split title={"Binomiale"}>
+                    <Panel title={"Distribuzione binomiale"}>
+                        <p>
+                            Una variabile aleatoria che conta il numero di successi di <Latex>n</Latex> prove di uno schema di Bernoulli.
+                        </p>
+                        <p>
+                            Il suo simbolo è <Latex>{r`Bin(n, p)`}</Latex>.
+                        </p>
+                    </Panel>
+                    <Panel title={"Densità della binomiale"}>
+                        <p>
+                            La binomiale ha come densità:
+                        </p>
+                        <p>
+                            <Latex>{r`f_X (k) : \{0..n\} = \binom{n}{k} \cdot p^k \cdot q^{n - k}`}</Latex>
+                        </p>
+                    </Panel>
+                    <Panel title={"Momenti della binomiale"}>
+                        <p>
+                            La <b>funzione generatrice dei momenti</b> della binomiale è:
+                        </p>
+                        <p>
+                            <Latex>{r`m_X (t) = (q + p \cdot e^t) ^ n`}</Latex>
+                        </p>
+                        <p>
+                            La <b>media</b> di una binomiale è:
+                        </p>
+                        <p>
+                            <Latex>{r`E(X) = n \cdot p`}</Latex>
+                        </p>
+                        <p>
+                            La <b>varianza</b> di una binomiale è:
+                        </p>
+                        <p>
+                            <Latex>{r`Var(X) = n \cdot p \cdot q`}</Latex>
+                        </p>
+                    </Panel>
+                </Split>
+                <Split title={"Geometrica"}>
+                    <Panel title={"Distribuzione geometrica"}>
+                        <p>
+                            Una variabile aleatoria che conta il numero di prove in uno schema di Bernoulli fino alla comparsa del primo successo.
+                        </p>
+                        <p>
+                            Il suo simbolo è <Latex>Geo(p)</Latex>.
+                        </p>
+                    </Panel>
+                    <Panel title={"Densità della geometrica"}>
+                        <p>
+                            La geometrica ha come densità:
+                        </p>
+                        <p>
+                            <Latex>{r`f_X (k) : \mathbb{N} = q^{k - 1} p`}</Latex>
+                        </p>
+                    </Panel>
+                    <Panel title={"Momenti della geometrica"}>
+                        <p>
+                            La <b>funzione generatrice dei momenti</b> della geometrica è:
+                        </p>
+                        <p>
+                            <Latex>{r`m_X (t) = \frac{p \cdot e^t}{1 - q \cdot e^t}`}</Latex>
+                        </p>
+                        <p>
+                            La <b>media</b> della geometrica è:
+                        </p>
+                        <p>
+                            <Latex>{r`E(X) = \frac{1}{p}`}</Latex>
+                        </p>
+                        <p>
+                            La <b>varianza</b> della geometrica è:
+                        </p>
+                        <p>
+                            <Latex>{r`Var(X) = \frac{q}{p^2}`}</Latex>
+                        </p>
+                    </Panel>
+                    <Panel title={"Assenza di memoria della geometrica"}>
+                        <p>
+                            <Todo>TODO: Quella di uno studente all'esame.</Todo>
+                        </p>
+                    </Panel>
+                </Split>
+                <Split title={"Binomiale negativa"}>
+                    <Panel title={"Distribuzione binomiale negativa"}>
+                        <p>
+                            Una variabile aleatoria che conta il numero di prove in uno schema di Bernoulli necessarie perchè si verifichi l'<Latex>n</Latex>-esimo successo.
+                        </p>
+                        <p>
+                            Il suo simbolo è <Latex>{r`\overline{Bin}(n, p)`}</Latex>.
+                        </p>
+                    </Panel>
+                    <Panel title={"Densità della binomiale negativa"}>
+                        <p>
+                            La binomiale negativa ha come densità:
+                        </p>
+                        <p>
+                            <Latex>{r`f_X (k) : \{ n .. +\infty \} \in \mathbb{N} = \binom{k - 1}{n - 1} \cdot p^n \cdot q^{k - n} `}</Latex>
+                        </p>
+                    </Panel>
+                    <Panel title={"Momenti della binomiale negativa"}>
+                        <p>
+                            <p>
+                                La <b>funzione generatrice dei momenti</b> della binomiale negativa è:
+                            </p>
+                            <p>
+                                <Latex>{r`m_X (t) : \{ t < ln(\frac{1}{q}) \} = \left( \frac{p \cdot e^t}{1 - q \cdot e^t} \right) ^n`}</Latex>
+                            </p>
+                            <p>
+                                La <b>media</b> della binomiale negativa è:
+                            </p>
+                            <p>
+                                <Latex>{r`E(X) = \frac{n}{p}`}</Latex>
+                            </p>
+                            <p>
+                                La <b>varianza</b> della binomiale negativa è:
+                            </p>
+                            <p>
+                                <Latex>{r`Var(X) = \frac{n \cdot q}{p^2}`}</Latex>
+                            </p>
+                        </p>
+                    </Panel>
+                </Split>
+                <Split title={"Geometrica traslata"}>
+                    <Panel title={"Distribuzione geometrica traslata"}>
+                        <p>
+                            Una variabile aleatoria che conta il numero <Latex>k</Latex> di insuccessi consecutivi in uno schema di Bernoulli:
+                        </p>
+                        <p>
+                            Il suo simbolo rimane <Latex>{r`Geo(p)`}</Latex>.
+                        </p>
+                    </Panel>
+                    <Panel title={"Densità della geometrica tralsata"}>
+                        <p>
+                            La geometrica traslata ha come densità:
+                        </p>
+                        <p>
+                            <Latex>{r`f_X (k) : \mathbb{N} = p \cdot q^k `}</Latex>
+                        </p>
+                    </Panel>
+                    <Panel title={"Momenti della geometrica traslata"}>
+                        <p>
+                            La <b>funzione generatrice dei momenti</b> della geometrica traslata è:
+                        </p>
+                        <p>
+                            <Latex>{r`m_X (t) : \left\{ t < ln \left( \frac{1}{q} \right) \right\} = \frac{p}{1 - q \cdot e^t}`}</Latex>
+                        </p>
+                        <p>
+                            La <b>media</b> della geometrica traslata è:
+                        </p>
+                        <p>
+                            <Latex>{r`E(X) = \frac{q}{p}`}</Latex>
+                        </p>
+                        <p>
+                            La <b>varianza</b> della geometrica è:
+                        </p>
+                        <p>
+                            <Latex>{r`Var(X) = \frac{q}{p^2}`}</Latex>
+                        </p>
+                    </Panel>
+                    <Panel title={"Assenza di memoria della geometrica traslata"}>
+                        <p>
+                            <Todo>TODO: Quella di uno studente all'esame.</Todo>
+                        </p>
+                    </Panel>
+                </Split>
+                <Split title={"Binomiale negativa traslata"}>
+                    <Panel title={"Distribuzione binomiale negativa traslata"}>
+                        <p>
+                            Una variabile aleatoria che conta il numero di insuccessi in uno schema di Bernoulli prima che si verifichi l'<Latex>n</Latex>-esimo successo.
+                        </p>
+                        <p>
+                            Il suo simbolo rimane <Latex>{r`\overline{Bin}(n, p)`}</Latex>.
+                        </p>
+                    </Panel>
+                    <Panel title={"Densità della binomiale negativa traslata"}>
+                        <p>
+                            La binomiale negativa traslata ha come densità:
+                        </p>
+                        <p>
+                            <Latex>{r`f_X (k) : \mathbb{N} = \binom{k + n - 1}{n - 1} \cdot p^n \cdot q^k `}</Latex>
+                        </p>
+                    </Panel>
+                    <Panel title={"Momenti della binomiale negativa traslata"}>
+                        <p>
+                            <p>
+                                La <b>funzione generatrice dei momenti</b> della binomiale negativa traslata è:
+                            </p>
+                            <p>
+                                <Latex>{r`m_X (t) : \left\{ t < ln \left( \frac{1}{q} \right) \right\} = \left( \frac{p \cdot e^t}{1 - q \cdot e^t} \right) ^n`}</Latex>
+                            </p>
+                            <p>
+                                La <b>media</b> della binomiale negativa traslata è:
+                            </p>
+                            <p>
+                                <Latex>{r`E(X) = \frac{n \cdot q}{p}`}</Latex>
+                            </p>
+                            <p>
+                                La <b>varianza</b> della binomiale negativa traslata è:
+                            </p>
+                            <p>
+                                <Latex>{r`Var(X) = \frac{n \cdot q}{p^2}`}</Latex>
+                            </p>
+                        </p>
+                    </Panel>
+                </Split>
+                <Split title={"Ipergeometrica"}>
+                    <Todo>TODO: it's a bit weird</Todo>
                 </Split>
             </div>
         )