Corso di Elementi di Data Mining. Prova Pratica Prototipo - Prof. M. Romanazzi
|
|
- Giuditta Salvadori
- 8 anni fa
- Visualizzazioni
Transcript
1 1 Università Ca Foscari di Venezia Corso di Elementi di Data Mining Prova Pratica Prototipo - Prof. M. Romanazzi 18 Aprile 2014 Cognome e Nome Matricola Punteggio totale (teorico): 30/30 (3 punti per ogni domanda). Punteggio minimo per la sufficienza: 18/30. Non è ammessa la consultazione di libri o appunti. Risposte e risultati devono essere riportati sul testo del compito, negli spazi accanto ai quadratini. Indica l opzione per la prova orale nello spazio sottostante. Default: prova orale, sì. Opzione prova orale No Sì
2 2 Esercizio 1 Il data set GM contiene i dati di 804 vetture General Motors prodotte nel 2005, in ottime condizioni e con meno di un anno di vita alla data della rilevazione. Le variabili sono 12 e la loro descrizione è riportata nella Tabella 1. La funzione per caricare in R i dati è > GM <- read.csv(" dec=",") > str(gm) data.frame : 804 obs. of 12 variables: $ Price : num $ Mileage : int $ Make : Factor w/ 6 levels "Buick","Cadillac",..: $ Model : Factor w/ 32 levels "9-2X AWD","9_3",..: $ Trim : Factor w/ 47 levels "Aero Conv 2D",..: $ Type : Factor w/ 5 levels "Convertible",..: $ Cylinder: int $ Liter : num $ Doors : int $ Cruise : int $ Sound : int $ Leather : int > head(gm) Price Mileage Make Model Trim Type Cylinder Liter Doors Cruise Buick Century Sedan 4D Sedan Buick Century Sedan 4D Sedan Buick Century Sedan 4D Sedan Buick Century Sedan 4D Sedan Buick Century Sedan 4D Sedan Buick Century Sedan 4D Sedan Sound Leather > N <- dim(gm)[1] Estrai un campione casuale di n = 200 unità dal data set usando come seme il numero di matricola. > set.seed(141593) > n <- 200 > uni_camp <- sample(1:n, n) > camp_gm <- GM[uni_camp,] > str(camp_gm) data.frame : 200 obs. of 12 variables: $ Price : num $ Mileage : int $ Make : Factor w/ 6 levels "Buick","Cadillac",..: $ Model : Factor w/ 32 levels "9-2X AWD","9_3",..:
3 3 $ Trim : Factor w/ 47 levels "Aero Conv 2D",..: $ Type : Factor w/ 5 levels "Convertible",..: $ Cylinder: int $ Liter : num $ Doors : int $ Cruise : int $ Sound : int $ Leather : int > attach(camp_gm) The following object(s) are masked from camp_gm (position 3) : Cruise, Cylinder, Doors, Leather, Liter, Make, Mileage, Model, Price, Sound, Trim, Type 1. Quante automobili hanno tutti e tre gli accessori (cambio automatico, stereo migliorato, interni in pelle)? > # Il prodotto Cruise*Sound*Leather è pari a 0 se e solo se... > # è pari a 1 se e solo se... > tab01 <- table(cruise*sound*leather) # freq. assolute > tab > tab01[1] # n. vetture senza accessori > tab01[2] # n. vetture con tutti gli accessori 1 62 > 100*tab01[2]/sum(tab01) # freq. % 1 31 Nome della variabile Price Mileage Make Model Trim Type Cylinder Liter Doors Cruise Sound Leather Descrizione Prezzo (dollari) N. di miglia percorse Produttore (Buick, Cadillac, ecc.) Modello (ignora) Versione del modello (ignora) Tipo di vettura (Convertible, Coupe, ecc.) N. di cilindri Capacità del motore (1 liter = 61 cc) N. di porte Dummy cambio automatico (1: Sì) Dummy stereo migliorato (1: Sì) Dummy interni in pelle (1: Sì) Tabella 1: Descrizione delle variabili.
4 4 Le vetture aventi tutti e tre gli accessori sono 62, 31% del totale. 2. Il prezzo delle automobili dipende dal produttore? E il numero di miglia percorse? Giustifica dettagliatamente. > table(make) # controlliamo le numerosità delle distr. subordinate Make Buick Cadillac Chevrolet Pontiac SAAB Saturn > # Visualizziamo le distr. sub. Price Make, boxplot con opzione notch > boxplot(price ~ Make, notch=true) > # prezzo mediano significativamente più alto per SAAB, Cadillac > # rispetto agli altri marchi > boxplot(mileage ~ Make, notch=true) > # differenze tra chilometraggi mediani non significative > # Ripetiamo l analisi con tabella di contingenza > marchi <- rep("altri", n) > marchi[make == "SAAB"] <- "SAAB" > marchi[make == "Cadillac"] <- "Cadillac" > cl_prezzo <- cut(price, breaks=quantile(price), include.lowest=true) > tab_prezzoxmarchio <- table(marchi, cl_prezzo) > summary(tab_prezzoxmarchio) Number of cases in table: 200 Number of factors: 2 Test for independence of all factors: Chisq = , df = 6, p-value = 3.169e-26 > # test chi-q. di indipendenza altamente significativo Buick Cadillac Chevrolet Pontiac SAAB Saturn Buick Cadillac Chevrolet Pontiac SAAB Saturn Figura 1: Dati vetture GM. Relazioni Make -> Price, Make -> Mileage. Il numero di miglia percorse non dipende dal produttore, il prezzo sì. E evidente una specializzazione dei marchi in vetture di fascia alta (Cadillac), medio-alta (SAAB), bassa e medio-bassa (gli altri marchi). Il grado di sovrapposizione è molto limitato.
5 5 3. E possibile prevedere il prezzo dell automobile, usando l informazione fornita dalle altre variabili? Qual è il ruolo delle variabili di stratificazione? (Suggerimento: usa i risultati del quesito precedente.) > table(doors) # Doors ha solo due valori distinti Doors > table(cylinder) # Cylinder ha solo tre valori distinti Cylinder > # Valutiamo la correlazione lineare di Price con le altre variabili numeriche > cor_prezzo <- cor(price, data.frame(mileage, Cylinder, Liter)) > cor_prezzo Mileage Cylinder Liter [1,] > # Usiamo colori diversi per distinguere SAAB e Cadillac dagli altri modelli > colore <- rep("black", n) > colore[marchi == "SAAB"] <- "green" > colore[marchi == "Cadillac"] <- "red" > plot(mileage, Price, pch=20, col=colore) > # Il grafico conferma che Price non dipende da Mileage > plot(cylinder, Price, pch=20, col=colore) > plot(liter, Price, pch=20, col=colore) > # Liter, insieme con Make, o meglio, marchi è un previsore abbastanza preciso > cor(liter[marchi == "Altri"], Price[marchi == "Altri"]) # corr circa 0.89 [1] > cor(liter[marchi!= "Altri"], Price[marchi!= "Altri"]) # corr circa 0.68 [1] La variabile Liter (cioè la capacità e dunque la potenza del motore), combinata con Make (o meglio, la sua versione semplificata, marchi), fornisce un previsore abbastanza accurato. Se marchi = Altri, si suggerisce un modello previsionale lineare. Se marchi Altri, si può usare ancora un modello lineare. Oppure più semplicemente, se marchi == SAAB (Cadillac) si può usare come previsione il corrispondente prezzo medio. Tra le variabili categoriali di stratificazione, marchi (variante compressa di Make) gioca un ruolo importante. Esercizio 2 Il data set eudemo contiene alcuni indicatori demografici delle nazioni dell Unione Europea più Islanda, Liechtenstein, Norvegia, Svizzera, Montenegro, Croazia, Macedonia, Turchia per un totale di n = 35 unità. La prima riga contiene inoltre i dati riepilogativi dell intera UE 27. Le variabili sono 13 e la loro descrizione è riportata nella Tabella 2 (fonte: EUROSTAT, estrazione 14/10/2012; i dati sono riferiti al 2009). La funzione per caricare i dati in R è > eudemo <- read.csv2(" > str(eudemo) data.frame : 36 obs. of 14 variables: $ Country: Factor w/ 36 levels "Austria","Belgium",..: $ Eu27 : int
6 Mileage Price Liter Price Figura 2: Dati vetture GM. Diagrammi di dispersione Mileage, Price e Liter, Price. $ Code : Factor w/ 36 levels "Au","Be","Bu",..: $ Npop : int $ Natv : num $ Totv : num $ Migr : num $ Birth : num $ Fert : num $ Women : num $ Old : num $ Dep : num $ Lifef : num $ Lifem : num > head(eudemo) Country Eu27 Code Npop Natv Totv Migr Birth Fert Women Old 1 EU (27 countries) 0 Eu Belgium 1 Be Bulgaria 1 Bu Czech Republic 1 Cz Denmark 1 De Germany 1 Ge Dep Lifef Lifem Escludi dall analisi la prima riga del data set (riepilogo UE) e la variabile Npop.
7 7 Nome della variabile Country Eu27 Code Npop Natv, Totv Migr Birth Fert Women Old Dep Lifef, Lifem Descrizione Nazione Dummy appartenenza EU (1: Sì) Codice identificazione due caratteri N. abitanti Tasso di crescita naturale e totale saldo migratorio totale Tasso di natalità Tasso di fertilità N. di donne per 100 uomini N. abitanti con 65 anni o più per 100 abitanti N. abitanti con 65 anni o più per 100 abitanti in età lavorativa (15-64 anni) Speranza di vita alla nascita (anni) per donne e uomini, rispettivamente Tabella 2: Demografia dell Europa. > eudemo1 <- eudemo[-1, -4] > n1 <- dim(eudemo1)[1] > row.names(eudemo1) <- eudemo1[,3] > summary(eudemo1[,-(1:3)]) Natv Totv Migr Birth Min. : Min. : Min. : Min. : st Qu.: st Qu.: st Qu.: st Qu.:10.25 Median : Median : Median : Median :11.30 Mean : Mean : Mean : Mean : rd Qu.: rd Qu.: rd Qu.: rd Qu.:11.90 Max. : Max. : Max. : Max. :17.40 Fert Women Old Dep Min. :1.310 Min. : 97.1 Min. : 6.80 Min. : st Qu.: st Qu.: st Qu.: st Qu.:19.60 Median :1.530 Median :103.5 Median :16.30 Median :23.80 Mean :1.634 Mean :104.5 Mean :15.38 Mean : rd Qu.: rd Qu.: rd Qu.: rd Qu.:25.30 Max. :2.230 Max. :117.1 Max. :20.40 Max. :30.90 Lifef Lifem Min. :76.70 Min. : st Qu.: st Qu.:72.60 Median :82.70 Median :77.30 Mean :81.56 Mean : rd Qu.: rd Qu.:78.45 Max. :85.00 Max. : Ricava le componenti principali dei dati standardizzati. Qual è il coefficiente di compressione delle prime due e delle prime tre componenti? > covm <- cov(eudemo1[,-(1:3)]) > diag(covm) # varianze molto diverse Natv Totv Migr Birth Fert Women Old Dep Lifef Lifem
8 8 > corm <- cor(eudemo1[,-(1:3)]) > round(corm, 2) Natv Totv Migr Birth Fert Women Old Dep Lifef Lifem Natv Totv Migr Birth Fert Women Old Dep Lifef Lifem > cp <- princomp(eudemo1[,-(1:3)], cor=true) > summary(cp) Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Standard deviation Proportion of Variance Cumulative Proportion Comp.6 Comp.7 Comp.8 Comp.9 Standard deviation Proportion of Variance Cumulative Proportion Comp.10 Standard deviation e-03 Proportion of Variance e-06 Cumulative Proportion e+00 > # Le prime 2 componenti assorbono il 76.2% della varianza totale, > # le prime 3 l 88.6%. 2. Proponi un interpretazione delle prime due componenti principali e della mappa delle nazioni europee da loro disegnata. Qual è la posizione dell Italia? Qual è la posizione delle nazioni non-ue? > # Interpretazione delle componenti basata sulle correlazioni > # con le variabili osservate > round(cor(eudemo1[,-(1:3)], cp$scores[,1:5]), 2) Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Natv Totv Migr Birth Fert Women Old Dep Lifef Lifem
9 9 > # La prima componente è praticamente coincidente col tasso di crescita > # naturale (Natv, corr = -0.98). Altre correlazioni importanti con > # Birth (-0.86), Fert (-0.78), Women (0.75), Old (0.76). > # Nel complesso PC1 esprime una contrapposizione tra fattori collegati alla > # dinamica naturale della popolazione (Birth, Fert, Natv) e fattori > # che misurano la composizione per genere (Women) e per età(old). > # Sul polo positivo troveremo nazioni con alte % di anziani e donne, > # su quello negativo nazioni con alti tassi di crescita naturale. > # La seconda componente è linearmente associata a Lifef, Lifem > # (corr = 0.82, 0.79) e Migr (0.70). Nel complesso, PC2 riassume > # la speranza di vita e il saldo migratorio totale. Sul polo positivo > # troveremo nazioni con valori elevati della speranza di vita > # e del saldo migratorio. > plot(cp$scores[,1], cp$scores[,2], pch=20, ylim=c(-3.5, 3.5), xlab="cp1", ylab="cp2", main="d > text(cp$scores[,1], cp$scores[,2], labels=eudemo1$code, pos=3, cex=0.7, + col="red") > abline(v=0, h=0, lty="dashed") > # L Italia si trova nel terzo quadrante (cp1 > 0 e cp2 > 0), > # confermando alto grado di invecchiamento della popolazione e > # basso tasso di crescita naturale e, congiuntamente, alti valori > # della speranza di vita e del saldo migratorio. > # Le nazioni non-ue hanno posizioni differenziate. Turchia, Islanda, > # Macedonia e Montenegro si trovano nel terzo quadrante, con un tasso > # di crescita naturale più alto delle altre nazioni e un saldo > # migratorio più basso. La Turchia può essere considerata un caso > # "anomalo" rispetto alle altre nazioni del campione. Viceversa, > # Svizzera (Sz) e Norvegia (No) (secondo quadrante) hanno un profilo > # demografico simile a quello delle nazioni UE. Esercizio 3 Considera ancora i dati demografici dell Esercizio Calcola le distanze euclidee tra le nazioni europee usando i dati standardizzati. Trova le nazioni rispettivamente più vicina all Italia e più lontana, insieme con le distanze corrispondenti. > d_eucl <- dist(scale(eudemo1[,-(1:3)])) > d_it <- as.matrix(d_eucl)[11,] # riga 11 della matrice di distanze, Italia > c(min(d_it[d_it > 0]), max(d_it)) [1] Nazione più vicina: Grecia (1.73); più lontana: Turchia (9.63). Il risultato è confermato dal diagramma di dispersione delle prime due CP, nonostante l approssimazione. 2. Ricava il dendrogramma delle nazioni europee usando il metodo del legame medio. Quanti gruppi si ottengono fissando un livello di taglio uguale alla mediana delle distanze euclidee? > dendro <- hclust(d_eucl, method="average") > plot(dendro, xlab="nazioni", ylab="distanza Euclidea", main="dati Demografici Europa", hang=- > taglio <- median(d_eucl) > taglio [1] > rect.hclust(dendro, h=taglio) > eudemo1[eudemo1$natv > 8,]
10 10 Dati Demografici Europa CP Tu Ir Ic No Lc Lu Sw Cy Fr Uk Ne Be Sp De Ma Sl Cz Mn Sk Mc Sz Fi Pl Gr Au It Po Ro Cr Es Bu Li Ge Hu La CP1 Figura 3: Dati demografici. Scatter plot CP1, CP2. Country Eu27 Code Natv Totv Migr Birth Fert Women Old Dep Lifef Lifem Ir Ireland 1 Ir Ic Iceland 2 Ic Tu Turkey 2 Tu > colmeans(eudemo1[,-(1:3)]) Natv Totv Migr Birth Fert Women Old Dep Lifef Lifem Vengono individuati 4 gruppi, dei quali a) uno contiene la sola Turchia, b) uno contiene Islanda e Irlanda. Dei due gruppi principali, uno contiene le nazioni dell est europeo di più recente adesione (Romania, Bulgaria, Ungheria, Estonia, Lettonia, Lituania, Polonia, Rep. Slovacca) e nazioni dell ex Jugoslavia (Croazia, Montenegro, Macedonia), l altro contiene le restanti nazioni. I primi due gruppi a), b) e c) sono da interpretarsi come nazioni singole o gruppi di nazioni con caratteristiche demografiche particolari. Irlanda, Islanda e Turchia hanno valori eccezionalmente elevati del tasso di crescita naturale.
11 11 Dati Demografici Europa Ge It Sp Gr Au Po Lu Sz No Fr Sw Uk Be Fi De Ne Cy Lc Ma Cz Sl Ro Bu Hu Cr Es La Li Mn Mc Pl Sk Tu Ir Ic Distanza Euclidea Nazioni Legame Medio Figura 4: Dati demografici. Dendrogramma. 3. Fornisci un interpretazione dei gruppi trovati al punto precedente. Qual è la corrispondente misura di bontà? > gruppi <- cutree(dendro, h=taglio) # etichette dei gruppi > n_gruppi <- table(gruppi) # numerosità dei gruppi > # 1: gruppo nazioni di più antica appartenenza UE > # 2: gruppo nazioni di recente adesione UE o non UE > # 3: Irlanda + Islanda; 4: Turchia > medie_gruppi <- by(scale(eudemo1[,-(1:3)]), gruppi, colmeans) # prototipi dei gruppi > # Misura d bontà: traccia(b)/traccia(t) > # B: matr. codevianza between (= T - W), W: matr. codevianza within > # T: matr. codevianza totale > # Data la standardizzazione, T = (n - 1)*R e traccia(t) = (n - 1)*traccia(R) > dati_st <- scale(eudemo1[,-(1:3)]) # dati standardizzati > T <- (n1-1)*cov(dati_st) > W1 <- (n_gruppi[1]-1)*cov(dati_st[gruppi == 1,]) # codev. gruppo 1 > W2 <- (n_gruppi[2]-1)*cov(dati_st[gruppi == 2,]) # codev. gruppo 2 > W3 <- (n_gruppi[3]-1)*cov(dati_st[gruppi == 3,]) # codev. gruppo 3
12 12 > W <- W1 + W2 + W3 > indice <- sum(diag(t - W))/sum(diag(T)) # > plot(cp$scores[,1], cp$scores[,2], pch=gruppi, ylim=c(-3.5, 3.5), xlab="cp1", ylab="cp2", mai > text(cp$scores[,1], cp$scores[,2], labels=eudemo1$code, pos=3, cex=0.7, + col="red") > abline(v=0, h=0, lty="dashed") Dati Demografici Europa CP Tu Ir Ic Lu No Lc Cy Mn Sw Fr Uk Ne Mc Sz Be Sp Sl Fi De Ma Cz Sk Gr Pl It Ge Au Po Cr Hu Es Bu Ro Li La CP1 Figura 5: Dati demografici. Scatter plot CP1, CP2 con etichette dei gruppi. Il confronto dei prototipi fornisce le caratteristiche dei gruppi, in media. Essi mostrano ovvie differenze delle variabili demografiche. La misura di bontà, circa 59%, non è elevatissima e rivela eterogeneità interna ai gruppi (del resto chiaramente documentata dal dendrogramma). Utile la rappresentazione dei gruppi sul piano delle prime due CP. Il gruppo 1 (con la sola eccezione della Rep. Ceca) appartiene al primo e secondo quadrante. Il gruppo 2 appartiene al terzo e quarto. Sono evidenti i sottogruppi interni (ad es.: Italia, Germania, Grecia, Austria, Portogallo nel primo quadrante). Esercizio 4 Il data set chaeto contiene i dati di un campione di n = 74 esemplari di Chaetocnema (una specie di coleotteri) appartenenti a tre varietà diverse, Chaetocnema Concinna, indicata con A, Chaetocnema Heikertingeri, indicata con B, Chaetocnema Heptapotamica, indicata con C. Su ogni esemplare sono rilevate, oltre alla varietà di appartenenza, i valori di p = 6 variabili numeriche
13 13 V 1, V 2, V 3, V 4, V 5, V 6. Abbiamo stimato la funzione di classificazione usando il metodo degli alberi decisionali (algoritmo CART). Il diagramma sottostante visualizza i risultati. CART: Chaetocnema Data V6< 93.5 B 0/30/0 V1>=159 A 21/1/0 C 0/0/22 Figura 6: Dati Chaetocnema. Albero di classificazione. 1. Ricava dal diagramma la matrice di confusione e la stima della probabilità totale di errore. > conf_m <- matrix(c(21, 0, 0, 1, 30, 0, 0, 0, 22), nrow=3, ncol=3, byrow=true, dimnames = list > n <- sum(conf_m) > err <- 1 - sum(diag(conf_m))/n 2. A quale varietà viene attribuito un Chaetocnema con V 1 = 131 e V 6 = 102? Gruppo C. 3. (Quesito aggiuntivo) Si possono visualizzare i domini di attribuzione delle tre varietà sul piano cartesiano? > chaeto <- read.table(" header=true) > colore <- rep("black", dim(chaeto)[1]) > colore[chaeto[,1] == "B"] <- "red"
14 14 > colore[chaeto[,1] == "C"] <- "green" > plot(chaeto$v1, chaeto$v6, col=colore, pch=20, xlab="v1", ylab="v6", + main="dati CHAETOCNEMA", sub="domini di attribuzione CART") > lines(c(min(chaeto$v1),max(chaeto$v1)), c(93.5,93.5), type="l", lty="dashed") > lines(c(159, 159), c(93.5, max(chaeto$v6)), type="l", lty="dashed") > text(c(230, 130, 130), c(120, 80, 120), label=c("a", "B", "C"), cex=1.5) > points(131, 102, type="p", pch="*", cex=1.5) # punto da classificare Dati CHAETOCNEMA Domini di attribuzione CART V1 V6 A B C * Figura 7: Dati Chaetocnema. Visualizzazione domini attribuzione CART. Sì, perchè il classificatore considera solo 2 variabili, V1 e V6.
Statistiche matrimonio e divorzio Da Eurostat - Statistics Explained http://ec.europa.eu/eurostat/statistics-explained/index.php. Dati di maggio 2014.
Statistiche matrimonio e divorzio Da Eurostat - Statistics Explained http://ec.europa.eu/eurostat/statistics-explained/index.php Dati di maggio 2014. Questo articolo presenta gli sviluppi che hanno avuto
DettagliSondaggio d'opinione paneuropeo sulla salute e la sicurezza sul lavoro
Sondaggio d'opinione paneuropeo sulla salute e la sicurezza sul lavoro Risultati in Europa e Italia - Maggio 2013 Risultati rappresentativi in 31 Paesi europei partecipanti per l'agenzia europea per la
DettagliVALORI ECONOMICI DELL AGRICOLTURA 1
VALORI ECONOMICI DELL AGRICOLTURA 1 Secondo i dati forniti dall Eurostat, il valore della produzione dell industria agricola nell Unione Europea a 27 Stati Membri nel 2008 ammontava a circa 377 miliardi
DettagliCOME EFFETTUATE I PAGAMENTI? COME LI VORRESTE EFFETTUARE?
COME EFFETTUATE I PAGAMENTI? COME LI VORRESTE EFFETTUARE? 2/09/2008-22/10/2008 329 risposte PARTECIPAZIONE Paese DE - Germania 55 (16.7%) PL - Polonia 41 (12.5%) DK - Danimarca 20 (6.1%) NL - Paesi Bassi
DettagliCOMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009
COGNOME E NOME COMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009 Esercizio I MATR. Si è effettuata un indagine di customer satisfaction su un campione di 100 acquirenti d un modello di auto, chiedendo
DettagliATTO DI CANDIDATURA. Posizione professionale attuale
LOGO MLPS/MIUR ALLEGATO B N di Protocollo ATTO DI CANDIDATURA ESPERTI INDIPENDENTI NEL QUADRO DEL PROGRAMMA LEONARDO DA VINCI INFORMAZIONI PERSONALI COGNOME: NOME(I): DATA DI NASCITA (GG/MM/AAAA): / /
DettagliValidazione dei modelli Strumenti quantitativi per la gestione
Validazione dei modelli Strumenti quantitativi per la gestione Emanuele Taufer Validazione dei modelli Il data set Auto I dati Il problema analizzato Validation set approach Diagramma a dispersione Test
DettagliNOI E L UNIONE EUROPEA
VOLUME 1 PAGG. IX-XV MODULO D LE VENTI REGIONI ITALIANE NOI E L UNIONE EUROPEA 1. Parole per capire A. Conosci già queste parole? Scrivi il loro significato o fai un disegno: paese... stato... governo...
DettagliMigrazioni e statistiche demografiche dei migranti
Migrazioni e statistiche demografiche dei migranti Questo articolo presenta le statistiche dell'unione europea (UE) in materia di migrazioni internazionali, la popolazione di cittadini autoctoni e stranieri
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
DettagliCrescita, competitività e occupazione: priorità per il semestre europeo 2013 Presentazione di J.M. Barroso,
Crescita, competitività e occupazione: priorità per il semestre europeo 213 Presentazione di J.M. Barroso, Presidente della Commissione europea, al Consiglio europeo del 14-1 marzo 213 La ripresa economica
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliFamiglia e crisi economica Marica Martini 1
Famiglia e crisi economica Marica Martini 1 Premessa La crisi economica è ancora argomento d attualità. Lungi dal perdersi nell analisi approfondita di indici economici e nella ricerca di una verità nei
DettagliLa protezione e l'inclusione sociale in Europa: fatti e cifre chiave
MEMO/08/XXX Bruxelles, 16 ottobre 2008 La protezione e l'inclusione sociale in Europa: fatti e cifre chiave La Commissione europea pubblica oggi il resoconto annuale delle tendenze sociali negli Stati
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliINFORMAZIONI PERSONALI
ALLEGATO B Compilare l atto di candidatura, stamparlo, firmarlo ed inviarlo all Agenzia Nazionale LLP Italia per posta, o a mezzo fax nelle modalità specificate nell Invito a presentare candidature ESPERTI
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliLuciano Camagni. Condirettore Generale Credito Valtellinese
Luciano Camagni Condirettore Generale Credito Valtellinese LA S PA S PA: area in cui i cittadini, le imprese e gli altri operatori economici sono in grado di eseguire e ricevere, indipendentemente dalla
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
DettagliCERTIFICATO RIGUARDANTE L AGGREGAZIONE DEI PERIODI DI ASSICURAZIONE, OCCUPAZIONE O RESIDENZA. Malattia maternità decesso (assegno) invalidità
COMMISSIONE AMMINISTRATIVA PER LA SICUREZZA SOCIALE DEI LAVORATORI MIGRANTI E 104 CH (1) CERTIFICATO RIGUARDANTE L AGGREGAZIONE DEI PERIODI DI ASSICURAZIONE, OCCUPAZIONE O RESIDENZA Malattia maternità
DettagliSondaggio paneuropeo d'opinione sulla salute e la sicurezza sul lavoro
Sondaggio paneuropeo d'opinione sulla salute e la sicurezza sul lavoro Risultati rappresentativi nei 2 Stati membri dell'unione europea Blocco comprensivo dei risultati per l'eu2 e per l'italia Struttura
DettagliMetodi Matematici e Informatici per la Biologia----31 Maggio 2010
Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o
DettagliCommissione Europea Eurobarometro DONAZIONI E TRASFUSIONI DI SANGUE
Commissione Europea Eurobarometro DONAZIONI E TRASFUSIONI DI SANGUE L'obiettivo di questa ricerca speciale sugli atteggiamenti degli europei nei confronti della donazione e della trasfusione di sangue
DettagliUna simulazione degli effetti della riforma previdenziale C l o e D ll Aringa Presidente REF Ricerche www.refricerche.it
Una simulazione degli effetti della riforma previdenziale Presidente REF Ricerche www.refricerche.it Un analisi fondata su coorti e tempo Età nell anno t: Anno Nascita 2004 2011 2020 1950 54 61 70 1955
Dettagli1. Da quanto tempo conduce ispezioni nel campo della certificazione biologica?
Spettabile bio ispettore, Grazie dell'interesse mostrato nei confronti del nostro progetto e di aver preso parte al nostro questionario on line. Il suo contributo ci darà preziose indicazioni per il nostro
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
Dettagli3. L industria alimentare italiana a confronto con l Ue
Rapporto annuale 2012 3. L industria alimentare italiana a confronto con l Ue IN SINTESI Nel 2011, la contrazione della domanda interna nonostante la tenuta di quella estera ha determinato un calo dell
DettagliIl mercato tedesco del vino
Agenzia per la promozione all estero e l internazionalizzazione delle imprese italiane Ufficio di Berlino Nota Settoriale Il mercato tedesco del vino Berlino, marzo 2013 2 INDICE 1. Importanza del mercato
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
DettagliRegressione logistica
Regressione logistica Strumenti quantitativi per la gestione Emanuele Taufer Metodi di classificazione Tecniche principali Alcuni esempi Data set Default I dati La regressione logistica Esempio Il modello
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliApplicazione: Pianificazione di un impianto con il valore attuale netto
Applicazione: Pianificazione di un impianto con il valore attuale netto Un azienda intende produrre un farmaco che sarà venduto in modo esclusivo per 20 anni, dopo di che il brevetto diverrà pubblico.
DettagliCosa è il Volontariato?
VOLONTARIATO Cosa è il Volontariato? Attività all'interno di una organizzazione strutturata Aree di intervento: ambiente, arte, cultura, conservazione del patrimonio culturale, disabilità, disagio sociale,
DettagliCOMMISSIONE DELLE COMUNITÀ EUROPEE COMUNICAZIONE DELLA COMMISSIONE AL CONSIGLIO E AL PARLAMENTO EUROPEO
IT IT IT COMMISSIONE DELLE COMUNITÀ EUROPEE Bruxelles, 27.1.2009 COM(2009) 9 definitivo COMUNICAZIONE DELLA COMMISSIONE AL CONSIGLIO E AL PARLAMENTO EUROPEO Monitoraggio delle emissioni di CO2 delle automobili
DettagliFACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA
FACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA NB Come potete vedere facendo la somma dei punteggi il numero di quesiti è superiore a quello
DettagliPRINCIPALI SOLUZIONI DI BUSINESS INTELLIGENCE
Listino Prezzi Informazioni Commerciali [Leanus - L'Imprenditore Srl] Informazioni e strumenti per l'analisi e la valutazione d'impresa Valido fino al 31.12.2015 PRINCIPALI SOLUZIONI DI BUSINESS INTELLIGENCE
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliI processi decisionali all interno delle coppie
9 aprile 2003 I processi decisionali all interno delle coppie Nel 2001 l indagine Panel europeo sulle famiglie ha dedicato una particolare attenzione agli aspetti legati ai processi decisionali all interno
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliSalute: Preparativi per le vacanze viaggiate sempre con la vostra tessera europea di assicurazione malattia (TEAM)?
MEMO/11/406 Bruxelles, 16 giugno 2011 Salute: Preparativi per le vacanze viaggiate sempre con la vostra tessera europea di assicurazione malattia (TEAM)? Non si sa mai. Pensate di recarvi in un paese dell'ue,
DettagliDott.ssa Caterina Gurrieri
Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo
DettagliBando Erasmus+ Mobilità per Studio 2015/2016
Bando Erasmus+ Mobilità per Studio 2015/2016 Il Programma Erasmus+ permette di vivere esperienze culturali all'estero, di conoscere nuovi sistemi di istruzione superiore e di incontrare giovani di altri
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliMATEMATICA 5 PERIODI
BAC EUROPEO 2008 MATEMATICA 5 PERIODI DATA 5 giugno 2008 DURATA DELL ESAME : 4 ore (240 minuti) MATERIALE AUTORIZZATO Formulario delle scuole europee Calcolatrice non grafica e non programmabile AVVERTENZE
DettagliRegressione logistica. Strumenti quantitativi per la gestione
Regressione logistica Strumenti quantitativi per la gestione Emanuele Taufer file:///c:/users/emanuele.taufer/dropbox/3%20sqg/classes/4a_rlg.html#(1) 1/25 Metodi di classificazione I metodi usati per analizzare
DettagliI quattro ordini di scuola a confronto Elisabetta Malaguti
I quattro ordini di scuola a confronto Elisabetta Malaguti Esperienze censite, destinate ad uno o più ordini di scuola. Le esperienze censite nella regione sono 2246. Nella figura che segue è, però, riportato
DettagliIncontro Gruppo RAV lettura dati INVALSI. Liceo Scientifico «A. Volta», 19 maggio 2015
Incontro Gruppo RAV lettura dati INVALSI Liceo Scientifico «A. Volta», 19 maggio 2015 Rilevazione degli apprendimenti- Popolazione di riferimento I livelli scolari coinvolti : classi II e V della scuola
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliResponsabilità sociale d impresa e performance aziendale. Dicembre 2013
Responsabilità sociale d impresa e performance aziendale Dicembre 2013 Sommario Premessa e sintesi dei risultati Il lavoro svolto Risultati aziende italiane Risultati aziende europee 2 Premessa L obiettivo
DettagliMisure della dispersione o della variabilità
QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.
DettagliLABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) LABORATORIO EXCEL
DettagliEsercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera
Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera 1. Avete risparmiato 10 dollari che volete investire per un anno in azioni e/o buoni del tesoro
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
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
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliComunicato stampa. Focus sulle strutture dell'istruzione superiore in Europa 2004/05. La struttura in due cicli: una realtà in Europa
Focus sulle strutture dell'istruzione superiore in Europa 2004/05 Tendenze nazionali nel Processo di Bologna Comunicato stampa In occasione della Conferenza dei Ministri dell'istruzione superiore di Bergen
DettagliStatistica descrittiva
Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra
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
DettagliIl sintomatico caso degli stage alla Commissione europea e della massiccia presenza di candidature italiane
Il sintomatico caso degli stage alla Commissione europea e della massiccia presenza di candidature italiane di Francesca Fazio Uno stage presso la Commissione europea? È il sogno di molti ragazzi italiani
Dettagliprezzi industriali Di Mauro Novelli 25-9-2013
Il PuntO n 277 UE 28. Capacità di spesa pro capite (PPS) e prezzi di benzina e gasolio. Una analisi comparata: A) Tra tutti i paesi UE. B) Tra i 5 maggiori paesi UE e C) Tra Lussemburgo e Italia Fonti:
DettagliRELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della
RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili
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
Dettagli5. IL PC E INTERNET NELLE DIVERSE TIPOLOGIE FAMILIARI
5. IL PC E INTERNET NELLE DIVERSE TIPOLOGIE FAMILIARI 5.1 Considerazioni generali Il livello di informatizzazione delle famiglie toscane è stato esaminato, oltre che sulla base del territorio, anche tenendo
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliInformazioni demografiche e socio-economiche sugli Enti Locali
Informazioni demografiche e socio-economiche sugli Enti Locali Utilizzo e funzionalità: L applicativo cerca di essere il più flessibile ed intuitivo possibile. Spetta all utente, in base alle necessità,
DettagliMETODI per effettuare previsioni con analisi di tipo WHAT-IF
METODI per effettuare previsioni con analisi di tipo WHAT-IF 1. TABELLA DATI Una tabella di dati è un intervallo che mostra come la modifica di alcuni valori nelle formule ne influenza i risultati. Le
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
DettagliCome descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca
Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche
DettagliCome archiviare i dati per le scienze sociali
Come archiviare i dati per le scienze sociali ADPSS-SOCIODATA Archivio Dati e Programmi per le Scienze Sociali www.sociologiadip.unimib.it/sociodata E-mail: adpss.sociologia@unimib.it Tel.: 02 64487513
DettagliIL CONCETTO DI SCAMBIO INTERCULTURALE: UNA GRANDE RISORSA.
IL CONCETTO DI SCAMBIO INTERCULTURALE: UNA GRANDE RISORSA. COME STUDIARE ALL ESTERO Per studiare all estero, le università italiane, in accordo con i progetti europei e con i trattati internazionali, rendono
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliL UNIONE EUROPEA. L Unione europea, invece, è una grande famiglia di 27 Stati 1 europei con più di 450 milioni di abitanti
L UNIONE EUROPEA Prima di iniziare è importante capire la differenza tra Europa e Unione europea. L Europa è uno dei cinque continenti, insieme all Africa, all America, all Asia e all Oceania. Esso si
DettagliMercato lavoro, orari, produttività, salari
Mercato lavoro, orari, produttività, salari Roberto Romano 22 marzo 2012 Sommario Premessa... 2 Rigidità della protezione dell'occupazione... 2 Italia, paese dai bassi salari... 4 Ore lavorate... 5 Costo
DettagliBasi di dati 9 febbraio 2010 Compito A
Basi di dati 9 febbraio 2010 Compito A Domanda 0 (5%) Leggere e rispettare le seguenti regole: Scrivere nome, cognome, matricola (se nota), corso di studio e lettera del compito (ad esempio, A) sui fogli
DettagliExcel Terza parte. Excel 2003
Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliPIL : produzione e reddito
PIL : produzione e reddito La misura della produzione aggregata nella contabilità nazionale è il prodotto interno lordo o PIL. Dal lato della produzione : oppure 1) Il PIL è il valore dei beni e dei servizi
DettagliI modelli insediativi della popolazione straniera nei Sistemi Locali del Lavoro Italiani
I modelli insediativi della popolazione straniera nei Sistemi Locali del Lavoro Italiani Mauro Albani*, Antonella Guarneri*, Frank Heins**, Conferenza AISRe - Torino, 15-17 settembre 2011 * Istat Servizio
DettagliEconomia del Lavoro 2010
Economia del Lavoro 2010 Capitolo 6-3 Il capitale umano - L addestramento sul lavoro e il profilo età - guadagni 1 L addestramento sul lavoro e il profilo età - guadagni La forma del profilo età guadagni
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.
DettagliPREZZI ALL IMPORTAZIONE DEI PRODOTTI INDUSTRIALI
24 febbraio 2014 Dicembre 2013 PREZZI ALL IMPORTAZIONE DEI PRODOTTI INDUSTRIALI A partire dal mese corrente, l Istat avvia la diffusione mensile degli indici dei prezzi all importazione dei prodotti industriali.
DettagliL invecchiamento demografico: Un fenomeno mondiale
Comunità di Sant Egidio Anziani nel Mondo, Europa e Italia Le regioni europee in cui si vive più a lungo L invecchiamento demografico: Un fenomeno mondiale Secondo le Nazioni Unite nel 2010 la popolazione
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
DettagliCapitolo II. La forma del valore. 7. La duplice forma in cui si presenta la merce: naturale e di valore.
Capitolo II La forma del valore 7. La duplice forma in cui si presenta la merce: naturale e di valore. I beni nascono come valori d uso: nel loro divenire merci acquisiscono anche un valore (di scambio).
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliRelazioni tra variabili
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina
Dettagli7.2 Indagine di Customer Satisfaction
7.2 Indagine di Customer Satisfaction Il campione L indagine è stata condotta su un campione a più stadi di 373 clienti di Tiemme Spa sede operativa di Piombino (errore di campionamento +/- 2%) rappresentativo
DettagliEfficacia ed equità dei sistemi scolastici in base ai dati di PISA Quali politiche scolastiche?
Efficacia ed equità dei sistemi scolastici in base ai dati di PISA Quali politiche scolastiche? Maria Teresa Siniscalco National Project Manager PISA 2003 Roma, 17 aprile 2007 1. La fotografia che PISA
DettagliDossier 7 Il possesso e l acquisto di beni durevoli (1997-2004)
Dossier 7 Il possesso e l acquisto di beni durevoli (1997-2004) Audizione del Presidente dell Istituto nazionale di statistica, Luigi Biggeri presso le Commissioni congiunte V del Senato della Repubblica
Dettagli