Sito web di informazione ecologica e gestione faunistica INTRODUZIONE ALL US0 DEL DISTANCE SAMPLING a cura di Riccardo Scipioni
|
|
- Gabriella Sacco
- 8 anni fa
- Visualizzazioni
Transcript
1 Sito web di informazione ecologica e gestione faunistica INTRODUZIONE ALL US0 DEL DISTANCE SAMPLING a cura di Riccardo Scipioni
2 Sommario PREMESSA... 3 I MONITORAGGI... 4 Caratteristiche dei metodi di stima di densità IL DISTANCE SAMPLING... 5 DISTANCE SAMPLING CONVENZIONALE... 5 Disegno sperimentale... 6 Probabilità di contatto (o di osservazione) (p)... 6 Indice di incontro medio... 7 Istogramma delle distanze perpendicolari... 7 Frequenza relativa... 8 Funzione di contattabilità g(x)... 9 Akaikes s Information Criterion (AIC)... 9 Lo studio pilota... 9 La rilevazione Area di campionamento Periodo di campionamento ESERCITAZIONE Esecuzione del monitoraggio alle lepri su transetti con l uso del faro: contesto CREATE PROJECT IMPORT DATA WIZARD PROJECT BROWSER Data Filter Proprieties Model Definition Properties Result
3 PREMESSA La crescente attenzione alle tematiche gestionali in ambito biologico, ha stimolato i vari settori di interesse a generare nel tempo, strumenti di utilità tecnologica utili alle esigenze emergenti. Le tecnologie, soprattutto informatiche, create a supporto di elaborazioni e decisioni di pianificazione quali le cartografie digitali, GPS, GIS, strumenti digitali, software applicati, hanno dato un sostanziale contributo a rendere l approfondimento conoscitivo sempre più attento e preciso. Parallelamente sono diventate un interesse comune anche le varie attività di applicazione in campo, sempre più orientate verso procedure e metodologie standardizzate per una reciprocità di interpretazione e crescita. Ad oggi, nella conservazione della fauna selvatica applicata, il mondo accademico e i pochi che sono riusciti a ritagliarsi uno spazio o una competenza, detengono l onere e l onore di promuovere e sostenere la gestione faunistica nelle nostre realtà territoriali. Le figure tecniche preparate nei nostri eccellenti centri di formazione a fatica trovano la giusta collocazione ed equilibrio tra l ambito della ricerca e la gestione diretta. Dalla prima dovranno trarre conoscenze, capacità e metodo per poi dedicarsi con competenza, concretezza ed efficacia sui territori, nei quali si spera verranno sempre più chiamati ad operare. Per questo ho predisposto questa raccolta di appunti, derivanti da generosi contributi e soprattutto dalla bella ed utile pubblicazione di Franzetti B. e Focardi S., La stima di popolazioni di ungulati mediante distance sampling e termocamera a infrarossi., Min.Politiche Agricole, Alimentari e Forestali INFS, usata come traccia. Scopo della proposta è promuovere e la conoscenza e l uso del Distance Sampling come strumento per lo studio delle popolazioni animali attraverso l approccio agevolato di una esercitazione, senza dover rinunciare per poca dimestichezza con concetti statistici o con la lingua straniera che per eventuali ed opportuni approfondimenti dovranno comunque, in seguito, essere necessariamente affrontati. Per la stesura di questo testo ho sentito particolarmente, pazienti e vicini: Meriggi Alberto, Anna Vidus Rosin, Marco Zaccaroni, Noemi Giannini, Andrea Cadei. A loro i miei più sentiti ringraziamenti. 3
4 I MONITORAGGI I metodi di monitoraggio vengono comunemente utilizzati quando si vuole individuare indici o stime di densità I monitoraggi si affidano a metodologie statistiche per individuare lo stato e andamenti di tendenza delle dinamiche di popolazione della specie osservata nello spazio e nel tempo. Caratteristiche dei metodi di stima di densità. Accuratezza: livello di conformità dei risultati di una stima con il valore di densità reale esistente sul territorio monitorato. Vizio: differenza tra il dato di consistenza reale e quello di stima. Può essere sia negativo che positivo. - Negativo quando si campionano aree con densità minori della media. Si sottostima. - Positivo quando si prediligono aree con densità maggiori della media. Si sovrastima. Bisogna scegliere le aree di censimento con migliore rappresentatività media del territorio. Precisione: grado di vicinanza dei valori di diverse stime effettuate sulla stessa popolazione. Valida: una stima di densità ha maggior validità quando maggiore è la sua precisione ed accuratezza. Potenza statistica: capacità di un metodo di monitoraggio di identificare una variazione nell andamento di un trend di una popolazione, cioè la sua risoluzione. Essa dipende da: 1) Numero delle stime disponibili per i confronti; 2) Modalità di distribuzione dei valori intorno alla linea di tendenza di cui si deve stimare l inclinazione; 3) Errore con cui le stime sono ottenute. Per aumentare la potenza si deve intervenire con un aumento del numero dei campionamenti disponibili (costanza nella metodologie di monitoraggio). 4
5 IL DISTANCE SAMPLING Rappresenta una serie di metodi statistici che utilizzano gli stimatori per elaborare ed interpretare i dati dei monitoraggi. E un software disponibile gratuitamente nella rete web. Il distance sampling prevede che ci sia la possibilità di non riuscire ad incontrare tutti gli animali presenti e permette di determinare la probabilità di contattabilità lungo i transetti percorsi. Per fare questo utilizza le distanze perpendicolari tra animali e transetto. Più aumenta la distanza più diminuiscono i contatti Il sito web di riferimento è curato dal RUWPA (Research Unit for Wildlife Population Assessment). Per un primo approfondimento sull argomento è disponibile sul sito da me condotto, all indirizzo nella sezione Approfondimenti, la pubblicazione: Franzetti B. e Focardi S., La stima di popolazioni di ungulati mediante distance sampling e termocamera a infrarossi, Min. Politiche Agricole, Alimentari e Forestali INFS. L utilizzazione del Distance Sampling è subordinato al rispetto di quattro assunti fondamentali: 1. Gli oggetti sulla linea del transetto sono registrati con certezza (g(0) = 1). 2. L animale deve essere contattato prima che si muova in risposta alla presenza dell osservatore. 3. Le misure sono esatte. 4. Le osservazioni sono indipendenti. DISTANCE SAMPLING CONVENZIONALE Modello di stato: è la rappresentazione della distribuzione spaziale di una popolazione condizionate dalle proprietà biologiche e demografiche. Quando la distribuzione è uniforme in tutto lo spazio, con la stessa probabilità di densità. La legge che determina la posizione degli animali è definita processo stocastico. Altrimenti si possono avere concentrazioni di animali diverse. Il modello di stato non è statico, ma muta nel tempo a causa delle abitudini ed esigenze animali. Per questo si devono considerare solo delle istantanee della situazione reale rispetto alla dinamicità spaziale della specie. Per analizzare il modello di stato si usano due metodi: a) con un disegno sperimentale per stimarne delle proprietà; b) con dei modelli per rappresentare la distribuzione spaziale. Il disegno sperimentale è quello usato nel Distance Sampling convenzionale. 5
6 Disegno sperimentale Basato su regole probabilistiche per selezionare un certo numero di unità di campionamento nell area totale di studio, anche se la scelta del disegno sperimentale è spesso basata sul campionamento casuale semplice dei transetti di campionamento. Dai transetti di campionamento disposti in modo casuale, si misureranno le distanze perpendicolari dagli animali censiti al percorso con telemetro e bussola digitale. Ponendo casualmente dei transetti si possono avere delle sovrapposizioni di percorsi, quindi sarà meglio definire prima una griglia di transetti e poi posizionare casualmente la griglia sul territorio. I transetti possono essere anche chiusi con un percorso che al termine torna all origine. Quindi noi definiamo una proprietà fondamentale del nostro modello di stato, cioè che le distanze rilevate sono distribuite uniformemente rispetto alla distribuzione spaziale degli animali. Alla fine del campionamento viene costruito un diagramma del numero degli avvistamenti per le varie lunghezze rilevate. Probabilità di contatto (o di osservazione) (p) Quando si effettuano censimenti faunistici tradizionali si ha la certezza che se l animale è presente venga censito. Poniamo il valore 1 a questa probabilità. Quindi se l animale c è e viene avvistato, la probabilità di contatto vale 1. Il valore varia da 1 a 0. Quando non si ha la sicurezza di avvistare tutti gli animali presenti, il valore della probabilità p sarà < di 1. 6
7 Indice di incontro medio L indice di incontro medio è il rapporto tra il numero di animali censiti per unità di lunghezza percorsa (n/l) e viene calcolato su ciascun transetto. Istogramma delle distanze perpendicolari Dopo avere raccolto le rilevazioni del campionamento, su un transetto largo W si raccolgono i dati in gruppi per classi di distanza e costruisce l istogramma delle distanze perpendicolari rilevate. In ascissa si avranno i valori delle distanze, mentre in ordinata si avranno i valori delle frequenze di contatto, la frequenza assoluta. Siccome il primo assunto del Distance Sampling dice appunto che a distanza 0 tutti gli individui vengono contattati, a distanza 0 il valore di probabilità di osservazione p sarà 1. Avendo anche definito dal disegno sperimentale che il numero di animali non cambia con la distanza del transetto, teoricamente io potrei calcolare il numero degli animali presenti. Esempio: In un campionamento con transetto largo 35 metri, nel raggruppamento di contatti a distanza 0 si sono rilevati 6 animali f (0) (probabilità di osservazione p =1), il numero ipotetico di animali N che l osservatore dovrebbe aver visto in tutta l area sarà dato da 6 (f (0)) x 35 (W) = 210 (N). 7
8 Se poi in realtà, ne sono stati avvistati meno, poniamo a caso 65 (n), allora la nostra probabilità di osservazione media p sarà stimata come il rapporto tra il numero rilevato e quello che si sarebbe dovuto vedere, p = n / f (0) x W. quindi : p = 65/(6 x 35) = 0,309 Ipotizzando che i nostri transetti abbiano coperto una percentuale dell area A del nostro territorio pari al 12,5%, la popolazione N sarà il risultato tra il rapporto tra il numero degli animali contati e il prodotto tra il valore della probabilità di contatto e la percentuale di copertura del transetto. N = n / ( p x %A) Avremo allora: 65 / (0,309 x 0,125) = 1682 animali Frequenza relativa Se si trasformano i numeri censiti per singoli transetti in valori relativi (numero censito per unità / la sommatoria degli animali censiti) avremo che la sommatoria totale dei contatti sarà pari a 1. Avendo trasformato la nostra frequenza assoluta in una frequenza relativa il nostro calcolo per la nostra probabilità di contatto, se p =1, sarà p = 1 / (f(0) x W). Dati: L, la lunghezza totale dei transetti; A, la superficie dell area di studio, dall equazione N = n / (p x %A), dopo qualche sostituzione e semplificazione si arriva ad ottenere: N = A x n x f (0) / 2L Che può essere scritta in termini di densità ( D ) D = N / A Quindi, sostituendo e semplificando: D = n x f(0) / 2L Nel caso si abbia la necessità di definire la densità di animali in gruppi compatti, Distance offre la possibilità di ottenere queste correzioni. 8
9 Funzione di contattabilità g(x). Il programma Distance Sampling automaticamente ci restituisce una rappresentazione grafica della funzione continua della probabilità di contattare un animale. Il grafico contiene delle particolarità comuni a tutte le funzioni di contattabilità. La curva disegnata ha un caratteristico andamento con una spalla di livello massimo, in prossimità di una distanza prossima allo 0 (p =1). Il valore della funzione si mantiene alto in prossimità della distanza minima, poi decresce con l aumentare della distanza vino a raggiungere una coda alle distanze più lontane. Akaikes s Information Criterion (AIC) Al fine di adattare le funzioni di contattabilità ai dati reali, si applicano chiavi di correzioni che riescono meglio allo scopo. Fortunatamente il programma fornisce la possibilità di sceglierne alcune tra cui quella di nostro interesse: l AIC. L AIC verrà applicato per giudicare la bontà del nostro modello ai dati reali disponibili, confrontandolo con altri simili. Dobbiamo considerarlo come metodo di paragone. Il modello migliore avrà il punteggio AIC minore. Lo studio pilota Fondamentale è la definizione del piano di campionamento dove si studia e pianificano le azioni che si dovranno svolgere. Importante: Conoscere la zona o farsi accompagnare con qualcuno che la conosca; Avere conoscenze approfondite della specie che si deve monitorare; Avere collaboratori che sappiano quali dati sono utili al fine dell elaborazione del Distance; Informare dello scopo del campionamento per definirne il grado di precisione; Conoscere la distribuzione spaziale della specie; Sapere se è una popolazione chiusa o aperta; Considerare l influenza demografica della stagione in cui viene effettuato il lavoro. 9
10 La rilevazione Per limitare errori di rilevazione, quindi della funzione di contattabilità, durante la realizzazione del campionamento è fondamentale: cercare di osservare tutti gli animali che sono sulla linea di transetto a distanza 0; evitare lo spostamento degli animali prima di averli avvistati; rilevare con precisione le misure; dimensione dei gruppi e loro posizione; per ottenere un rilievo attendibile con una buona stima dei parametri sarebbe opportuno effettuare circa rilevazioni che possono scendere a se aumenta la qualità ottenendo una funzione di contattabilità con una buona spalla e l indice di incontro risulta abbastanza preciso. Per gruppi di animali occorrono contatti. Per raggiungere l obiettivo di un buon campionamento, si può valutare attraverso lo studio pilota le scelte più idonee, decidendo anche la lunghezza totale dei transetti per raccogliere il numero ideale di contatti. Per aumentare la dimensione del campione è possibile anche ripetere il campionamento per cumulare i dati raccolti preferibilmente usando uno schema di transetti diverso anche se quello definito in origine è spesso il migliore. La ripetizione dei campionamenti è possibile con intervalli di tempo da 1 a 4 settimane, ricordando che il passar del tempo può avere diverse influenze sui comportamenti animali. Area di campionamento Per valutare la consistenza di una popolazione l ideale sarebbe considerare l areale di presenza degli animali anche se spesso bisogna utilizzare i confini amministrativi di aree come limite della nostra stima. Questa particolarità dovrà essere considerata per valutare eventuale spostamenti o migrazioni stagionali degli animali. Il numero minimo di transetti (con almeno una osservazione) da utilizzare sarà variabile tra 10 e 20, ordinandoli con codice di riconoscimento. La disposizione dello schema dei transetti dovrebbe seguire un disegno sistematico, con transetti paralleli, partendo da un punto casuale anche se in ambienti più difficili è possibile percorrere dei transetti con curve o percorsi. Effettuando molti campionamenti di notte e su autovetture (alle lepri con il faro) è opportuno affidarsi alla viabilità carrabile esistente. Sull uso dell auto si evidenza il minor disturbo che arreca alla fauna selvatica. 10
11 Se gli animali stagionalmente si spostano preferibilmente verso determinate aree, sarà opportuno assecondare l orientamento dei transetti verso il gradiente di concentrazione in modo da minimizzare la varianza campionaria. Periodo di campionamento La definizione del periodo di campionamento sarà deciso considerando: gli obiettivi dell attività di campionamento (es. per definizione piani di abbattimento); percorribilità dell ambiente; il ciclo biologico e uso dello spazio da parte della specie in relazione al periodo dell anno; stato della vegetazione presente; necessità di effettuare ripetizioni per aumentare il numero dei campionamenti; presenza di attività di gestione che influenzino la distribuzione degli animali (foraggiamento, caccia). ESERCITAZIONE Esercitazione tratta anche dalle lezioni del dott. Marco Zaccaroni al corso di Conservazione della Natura al Corso di Laurea Magistrale in Scienze e Gestione delle Risorse Faunistico Ambientali presso la Facoltà di Agraria di Firenze. Esecuzione del monitoraggio alle lepri su transetti con l uso del faro: contesto. Inizio del censimento al tramonto, procedendo su autovettura a velocità minima per illuminare l area nel miglior modo possibile. I transetti da utilizzare, possono essere strade poderali, o tratti di terreno utilizzati per attraversare o costeggiare il campo con i mezzi agricoli, vengono percorsi in modo da poter avere la migliore visibilità sia a destra che a sinistra. Se ci sono vigneti si costeggiano in modo da avere il filare totalmente visibile e illuminabile (il fascio di luce viene fatto passare tipo a pettine lungo i filari: dall'inizio del filare fino a dove arriva!). Ogni volta che si avvista una lepre ci si ferma, si prende il punto GPS sulla perpendicolare al transetto, quando siamo allineati al punto dove era stata rilevata (se poi si è spostata) oppure dove è ferma la lepre. Questo non è così difficile dato che il fascio di luce viene tenuto più perpendicolarmente possibile alla macchina, e di conseguenza al transetto. Si prende la distanza (col distanziometro) da dove la lepre è partita, cioè il punto dove è stata avvistata la prima volta e non dove la troviamo dopo che si è spostata. Sul foglio si scrive l'ora, la specie, il numero, la distanza e l'ambiente (incolto, vigna, olivo, medica,...). 11
12 Per praticità creo un file in Excel dove inserisco le rilevazioni del monitoraggio; Devo rispettare i nomi di questi campi salvo con nome in formato.txt (testo delimitato da tabulazioni); per l importazione dei dati 12
13 Apro Distance ed eseguo i comandi: File mio nuovo progetto New project; Attribuisco le caratteristiche al 1- CREATE PROJECT in Create project decido la cartella di destinazione file (di default propone la cartella My Distance Projects) e il nome del file. clicco Create; Step 1: Type of project : clicco Analyze a survey that has been completed ; Step 2: Setup for Analyze a Survay : clicco Next ; 13
14 Step 3 Survey method : Uso transetti Singole osservazioni Distanze perpendicolari Obiettivi singoli (es.lepri), Cluster per gruppi di animali Step 4 Measurement units: distanze in metri; transetti in chilometri e aree in ettari; 14
15 Step 5 Multipler: non scelgo nessuna opzione Next; Step 6 Finished : scelgo Procedet to data Entry Wizard per importare i dati; Finish. Finish 15
16 2 - IMPORT DATA WIZARD Step 1 Introduction : Next Step 2 : File Containing Data to import : Mi chiede dove è il file txt, lo scelgo e con OK lo carico 16
17 Step 3 Data destination : chiede dove devono essere caricati i dati. Lascio così; Next 17
18 Step 4 Data File Format : Delimiter : Tab, Fleggo ; Ignore row (ignora la prima riga); Decimal symbol, Scelgo e provo. (serve per la punteggiatura dei decimali nei file txt) Next. Step 5.Data File Structure : assegno ai campi le categorie di appartenenza Next. 18
19 Step 6 Finished :scelgo Owerwrite existing data Finish. Finish 19
20 3 - PROJECT BROWSER Faccio elaborare il programma Analyses Run La palla è grigia se devo ancora elaborare il programma 20
21 Clicco due volte il pallino grigio oppure Run Diventa verde se tutto ok; Diventa arancione se con avviso Clicco due volte sul pallino Log 21
22 Analysis 1 Imposto le proprietà su Inputs Data Filter Proprieties Data Filter Proprieties Intervals Definisco il numero di intervalli Definisco il numero di Inserisco per prima la distanza massima 22
23 Data Filter Proprieties -Truncation Clicco OK Destra: Elimina osservazioni oltre Sinistra: Elimina osservazioni oltre Con Truncation decido se non voglio considerare le osservazioni a destra e a sinistra per la lunghezza che voglio (es presenza di un fossato). OK Data Filter Proprieties Units Clicco OK 23
24 Model Definition Properties Model Definition Properties Estimate 24
25 Model Definition Properties - Delection function Con il tasto + aggiungo le funzioni al modello Cliccando nei record seleziono le funzioni Seleziono il modello matematico AIC Clicco OK 25
26 RUN Torno alla schermata Log 26
27 Result Estimation Option Listing Glossario dei termini Nota bene 27
28 Delecton Fct/Global/Plot:detection Probability per visualizzare la curva di contattabilità Curva di contattabilità tipo Si prosegue con Next Estimation summary 28
29 Densità e abbondanza 29
La 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
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
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
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
DettagliIL MIO PRIMO SITO: NEWS
Pagina 1 IL MIO PRIMO SITO: NEWS Sommario IL MIO PRIMO SITO: NEWS...1 Introduzione...2 I Contenitori...2 Creo un Contenitore...3 I Tracciati...4 Creo le Notizie...6 Inserisco il Testo...6 Inserisco un
DettagliGuida Compilazione Piani di Studio on-line
Guida Compilazione Piani di Studio on-line SIA (Sistemi Informativi d Ateneo) Visualizzazione e presentazione piani di studio ordinamento 509 e 270 Università della Calabria (Unità organizzativa complessa-
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
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
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
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
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliGestione Turni. Introduzione
Gestione Turni Introduzione La gestione dei turni di lavoro si rende necessaria quando, per garantire la continuità del servizio di una determinata struttura, è necessario che tutto il personale afferente
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
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
DettagliTutte le interrogazioni possono essere condotte su qualsiasi campo della banca dati (ad esempio, Forma, Frequenza, Lunghezza, ecc...).
ESEMPIO DI QUERY SUL FILE Formario_minuscolo Tutte le interrogazioni possono essere condotte su qualsiasi campo della banca dati (ad esempio, Forma, Frequenza, Lunghezza, ecc...). Durante l interrogazione,
DettagliSISTEMI MULTIAGENTE. Esercizio
Esercizio SISTEMI MULTIAGENTE Nello studio dei sistemi dinamici complessi la simulazione al computer ha un ruolo importante dal momento che presenta molti vantaggi rispetto ai metodi sperimentali più tradizionali;
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
DettagliRegistratori di Cassa
modulo Registratori di Cassa Interfacciamento con Registratore di Cassa RCH Nucleo@light GDO BREVE GUIDA ( su logiche di funzionamento e modalità d uso ) www.impresa24.ilsole24ore.com 1 Sommario Introduzione...
DettagliIL MIO PRIMO SITO NEWS USANDO GLI SCHEDARI
Pagina 1 UN SISTEMA DI NEWS Sommario UN SISTEMA DI NEWS...1 Introduzione...2 Scelgo l'area su cui operare...3 Un minimo di teoria...3 Creo le Pagine...4 Definizione dello Schedario Novità...6 Compilo la
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
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
DettagliGRUPPO MY- social media solutions / Via G.Dottori 94, Perugia / PI 03078860545
Capitolo 3 - Dalla strategia al piano editoriale GRUPPO MY- social media solutions / Via G.Dottori 94, Perugia / PI 03078860545 Social Toolbox ed i contenuti presenti nel seguente documento (incluso a
DettagliRiccardo Dutto, Paolo Garza Politecnico di Torino. Riccardo Dutto, Paolo Garza Politecnico di Torino
Integration Services Project SQL Server 2005 Integration Services Permette di gestire tutti i processi di ETL Basato sui progetti di Business Intelligence di tipo Integration services Project SQL Server
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliMatrice Excel Calcolo rata con DURATA DEL FINANZIAMENTO determinata dall'utente
Matrice Excel Calcolo rata con DURATA DEL FINANZIAMENTO determinata dall'utente L'acquisto di un immobile comporta un impegno finanziario notevole e non sempre è possibile disporre della somma di denaro
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliExcel. A cura di Luigi Labonia. e-mail: luigi.lab@libero.it
Excel A cura di Luigi Labonia e-mail: luigi.lab@libero.it Introduzione Un foglio elettronico è un applicazione comunemente usata per bilanci, previsioni ed altri compiti tipici del campo amministrativo
DettagliS-TRAINER v.1.00 Esempio d uso
S-TRAINER v.1.00 Esempio d uso S-TRAINER v.1.00, ovvero il software per la pianificazione e la gestione dell allenamento sportivo. Andiamo a scoprire le potenzialità di questo nuovo software ideato da
DettagliCome costruire una distribuzione di frequenze per caratteri quantitativi continui
Come costruire una distribuzione di frequenze per caratteri quantitativi continui Consideriamo i dati contenuti nel primo foglio di lavoro (quello denominato dati) del file esempio2.xls. I dati si riferiscono
DettagliNUOVA PROCEDURA COPIA ED INCOLLA PER L INSERIMENTO DELLE CLASSIFICHE NEL SISTEMA INFORMATICO KSPORT.
NUOVA PROCEDURA COPIA ED INCOLLA PER L INSERIMENTO DELLE CLASSIFICHE NEL SISTEMA INFORMATICO KSPORT. Con l utilizzo delle procedure di iscrizione on line la società organizzatrice ha a disposizione tutti
DettagliIng. Simone Giovannetti
Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Ing. Simone Giovannetti Firenze, 29 Maggio 2012 1 Incertezza di Misura (1/3) La necessità di misurare nasce dall esigenza
DettagliInvio SMS. DM Board ICS Invio SMS
Invio SMS In questo programma proveremo ad inviare un SMS ad ogni pressione di uno dei 2 tasti della DM Board ICS. Per prima cosa creiamo un nuovo progetto premendo sul pulsante (Create new project): dove
DettagliSistema operativo. Sommario. Sistema operativo...1 Browser...1. Convenzioni adottate
MODULO BASE Quanto segue deve essere rispettato se si vuole che le immagini presentate nei vari moduli corrispondano, con buona probabilità, a quanto apparirà nello schermo del proprio computer nel momento
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
DettagliGuida alla compilazione delle schede di valutazione
Valutazioni 2013 Guida alla compilazione delle schede di valutazione Servizio di Programmazione e Controllo 2 INDICE 1 Introduzione... 4 1.1 Modalità di compilazione e di consegna... 4 1.2 Compilazione
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliMatrice Excel Calcolo rata con IMPORTO DEL FINANZIAMENTO determinato dall'utente
Matrice Excel Calcolo rata con IMPORTO DEL FINANZIAMENTO determinato dall'utente L'acquisto di un immobile comporta un impegno finanziario notevole e non sempre è possibile disporre della somma di denaro
DettagliITIS Mattei Sondrio. Appunti veloci su moodle versione 2.7
ITIS Mattei Sondrio Appunti veloci su moodle versione 2.7 Generalità Moodle è una piattaforma web per pubblicare corsi, creare test, depositare dispense ecc. Ci sono vari tipi di utenti che usano moodle:
DettagliANALISI SOSPENSIONI Modalità Base
ANALISI SOSPENSIONI Modalità Base INTRODUZIONE Nella versione 2.30.04 di Race Studio 2 è stata introdotta una nuova funzionalità relativa allo strumento di Analisi delle sospensioni presente all interno
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
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
DettagliIl sofware è inoltre completato da una funzione di calendario che consente di impostare in modo semplice ed intuitivo i vari appuntamenti.
SH.MedicalStudio Presentazione SH.MedicalStudio è un software per la gestione degli studi medici. Consente di gestire un archivio Pazienti, con tutti i documenti necessari ad avere un quadro clinico completo
DettagliManuale di istruzioni sulle maschere per il calcolo del punteggio e del voto (unico) degli studenti che sostengono la Prova nazionale 2011
Manuale di istruzioni sulle maschere per il calcolo del punteggio e del voto (unico) degli studenti che sostengono la Prova nazionale 2011 (CLASSI NON CAMPIONE) Prova nazionale 2010 11 1 A.S. 2010 11 Pubblicato
DettagliGestVetrine 1.1 versione novembre 2014
GestVetrine 1.1 versione novembre 2014 0 GestVetrine 1.1 GestVetrine 1.0 Indice Indice pag.1 1. Finalità pag.2 2. Gestione screen pag.2 3. Come Accedere pag.3 4. Come Creare un negozio pag.4 5. Come Creare
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
Dettagli8.9 CREARE UNA TABELLA PIVOT
8.9 CREARE UNA TABELLA PIVOT Utilizziamo la tabella del foglio di Excel Consumo di energia elettrica in Italia del progetto Aggiungere subtotali a una tabella di dati, per creare una Tabella pivot: essa
DettagliProgramma Gestione Presenze Manuale autorizzatore. Versione 1.0 25/08/2010. Area Sistemi Informatici - Università di Pisa
- Università di Pisa Programma Gestione Presenze Manuale autorizzatore Versione 1.0 25/08/2010 Email: service@adm.unipi.it 1 1 Sommario - Università di Pisa 1 SOMMARIO... 2 2 ACCESSO AL PROGRAMMA... 3
DettagliPROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0)
PROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0) (Da effettuare non prima del 01/01/2011) Le istruzioni si basano su un azienda che ha circa 1000 articoli, che utilizza l ultimo
DettagliMatrice Excel Calcolo rata con TASSO DI INTERESSE determinato dall'utente
Matrice Excel Calcolo rata con TASSO DI INTERESSE determinato dall'utente L'acquisto di un immobile comporta un impegno finanziario notevole e non sempre è possibile disporre della somma di denaro sufficiente
DettagliCome valutare le caratteristiche aerobiche di ogni singolo atleta sul campo
Come valutare le caratteristiche aerobiche di ogni singolo atleta sul campo Prima di organizzare un programma di allenamento al fine di elevare il livello di prestazione, è necessario valutare le capacità
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliDirettiva sulle misure per attuare parità e pari opportunità tra uomini e donne nelle amministrazioni pubbliche
Direttiva sulle misure per attuare parità e pari opportunità tra uomini e donne nelle amministrazioni pubbliche Guida alla compilazione del Format per la presentazione delle relazioni in modalità telematica.
DettagliPROCEDURA DI INSTALLAZIONE DEI SOFTWARE E DEL DRIVER USB AIM
PROCEDURA DI INSTALLAZIONE DEI SOFTWARE E DEL DRIVER USB AIM SOMMARIO SOMMARIO...1 Capitolo 1 Installare il software AIM ed il driver USB AIM....2 Capitolo 2 Installazione sotto Microsoft Windows XP...3
DettagliModulo 3 - Elaborazione Testi 3.6 Preparazione stampa
Università degli Studi dell Aquila Corso ECDL programma START Modulo 3 - Elaborazione Testi 3.6 Preparazione stampa Maria Maddalena Fornari Impostazioni di pagina: orientamento È possibile modificare le
DettagliGuida alla registrazione on-line di un DataLogger
NovaProject s.r.l. Guida alla registrazione on-line di un DataLogger Revisione 3.0 3/08/2010 Partita IVA / Codice Fiscale: 03034090542 pag. 1 di 17 Contenuti Il presente documento è una guida all accesso
DettagliGestione Risorse Umane Web
La gestione delle risorse umane Gestione Risorse Umane Web Generazione attestati di partecipazione ai corsi di formazione (Versione V03) Premessa... 2 Configurazione del sistema... 3 Estrattore dati...
DettagliCosa ci può stimolare nel lavoro?
a Cosa ci può stimolare nel lavoro? Quello dell insegnante è un ruolo complesso, in cui entrano in gioco diverse caratteristiche della persona che lo esercita e della posizione che l insegnante occupa
DettagliPROGRAMMA GESTIONE TURNI MANUALE UTENTE. Programma Gestione Turni Manuale Utente versione 1.1
PROGRAMMA GESTIONE TURNI MANUALE UTENTE INDICE 1 PREMESSA 3 2 COMANDI COMUNI 3 3 SEDI 3 4 FESTIVITÀ 4 5 PERIODI TURNI 4 6 COD. TURNI 6 7 TURNI SPORTIVI 9 8 COD. EQUIPAGGI 9 9 DISPONIBILITÀ 10 10 INDISPONIBILITÀ
DettagliGUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL GUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL
GUIDA RAPIDA BOZZA 23/07/2008 INDICE 1. PERCHÉ UNA NUOVA VERSIONE DEI MODULI DI RACCOLTA DATI... 3 2. INDICAZIONI GENERALI... 4 2.1. Non modificare la struttura dei fogli di lavoro... 4 2.2. Cosa significano
DettagliELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2
DAVIDE ZANIN 1035601 ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 SOMMARIO Elaborazione di dati tridimensionali - Relazione Homework 2... 1 Obiettivo... 2 Descrizione della procedura seguita...
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
DettagliCapitolo 3. L applicazione Java Diagrammi ER. 3.1 La finestra iniziale, il menu e la barra pulsanti
Capitolo 3 L applicazione Java Diagrammi ER Dopo le fasi di analisi, progettazione ed implementazione il software è stato compilato ed ora è pronto all uso; in questo capitolo mostreremo passo passo tutta
DettagliIndice. 1 Il monitoraggio del progetto formativo --------------------------------------------------------------- 3. 2 di 6
LEZIONE MONITORARE UN PROGETTO FORMATIVO. UNA TABELLA PROF. NICOLA PAPARELLA Indice 1 Il monitoraggio del progetto formativo --------------------------------------------------------------- 3 2 di 6 1 Il
DettagliLezione 10: Il problema del consumatore: Preferenze e scelta ottimale
Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta
DettagliFunzioni in C. Violetta Lonati
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Funzioni - in breve: Funzioni Definizione di funzioni
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.
DettagliMANUALE D USO DELLA PIATTAFORMA ITCMS
MANUALE D USO DELLA PIATTAFORMA ITCMS MANULE D USO INDICE 1. INTRODUZIONE... 2 2. ACCEDERE ALLA GESTIONE DEI CONTENUTI... 3 3. GESTIONE DEI CONTENUTI DI TIPO TESTUALE... 4 3.1 Editor... 4 3.2 Import di
DettagliAPPENDICE LINEE GUIDA PER SPERIMENTAZIONE WEB
APPENDICE LINEE GUIDA PER SPERIMENTAZIONE WEB L indagine web ha il vantaggio di eliminare dal processo, rispetto a quello cartaceo, la fase dedicata alla codifica e all inserimento dati. L applicazione
DettagliWORD per WINDOWS95. Un word processor e` come una macchina da scrivere ma. con molte più funzioni. Il testo viene battuto sulla tastiera
WORD per WINDOWS95 1.Introduzione Un word processor e` come una macchina da scrivere ma con molte più funzioni. Il testo viene battuto sulla tastiera ed appare sullo schermo. Per scrivere delle maiuscole
DettagliProf.ssa Paola Vicard
Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliGuida all uso di Java Diagrammi ER
Guida all uso di Java Diagrammi ER Ver. 1.1 Alessandro Ballini 16/5/2004 Questa guida ha lo scopo di mostrare gli aspetti fondamentali dell utilizzo dell applicazione Java Diagrammi ER. Inizieremo con
Dettagli2 Fortino Lugi. Figura Errore. Nel documento non esiste testo dello stile specificato.-3 -- Finestra attiva o nuovo documento
1 Fortino Lugi STAMPA UNIONE OFFICE 2000 Vi sarà capitato sicuramente di ricevere lettere pubblicitarie indirizzate personalmente a voi; ovviamente quelle missive non sono state scritte a mano, ma utilizzando
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliUso di JUnit. Fondamenti di informatica Oggetti e Java. JUnit. Luca Cabibbo. ottobre 2012
Fondamenti di informatica Oggetti e Java ottobre 2012 1 JUnit JUnit è uno strumento per assistere il programmatore Java nel testing JUnit consente di scrivere test di oggetti e classi Java i test sono
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
DettagliCorso di Sistemi di Elaborazione delle informazioni
Corso di Sistemi di Elaborazione delle informazioni Basi di Dati Claudio Marrocco I report I Report sono lo strumento più adatto per ottenere una copia stampata dei dati e delle informazioni ricavate dalle
DettagliUTILIZZO DEL MODULO DATA ENTRY PER L IMPORTAZIONE DEI DOCUMENTI (CICLO PASSIVO)
Codice documento 10091501 Data creazione 15/09/2010 Ultima revisione Software DOCUMATIC Versione 7 UTILIZZO DEL MODULO DATA ENTRY PER L IMPORTAZIONE DEI DOCUMENTI (CICLO PASSIVO) Convenzioni Software gestionale
DettagliTRASMISSIONE RAPPORTO ARBITRALE IN FORMATO PDF
TRASMISSIONE RAPPORTO ARBITRALE IN FORMATO PDF Come da disposizioni di inizio stagione, alcune Delegazioni provinciali hanno richiesto la trasmissione dei referti arbitrali solo tramite fax o tramite mail.
DettagliGUIDA PER IL DOCENTE ALL UTILIZZO DELL APPLICATIVO ONLINE E PORTFOLIO
GUIDA PER IL DOCENTE ALL UTILIZZO DELL APPLICATIVO ONLINE E PORTFOLIO http://eportfolio.tqmproject.eu Progetto "TQM Agreement n 2011 1 IT1 LEO05 01873; CUP G72F11000050006 1 SOMMARIO PREMESSA... 3 PAGINA
DettagliSQL Server 2005. Integration Services. SQL Server 2005: ETL - 1. Integration Services Project
atabase and ata Mi ni ng Group of P ol itecnico di Torino atabase and ata Mi ni ng Group of P ol itecnico di Torino atabase and data mining group, SQL Server 2005 Integration Services SQL Server 2005:
DettagliGHPPEditor è un software realizzato per produrre in modo rapido e guidato un part program per controlli numerici Heidenhain.
*+33(GLWRU GHPPEditor è un software realizzato per produrre in modo rapido e guidato un part program per controlli numerici Heidenhain. Il programma si basa su un architettura di tasti funzionali presenti
DettagliRAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL
RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono
DettagliGestione Rapporti (Calcolo Aree)
Gestione Rapporti (Calcolo Aree) L interfaccia dello strumento generale «Gestione Rapporti»...3 Accedere all interfaccia (toolbar)...3 Comandi associati alle icone della toolbar...4 La finestra di dialogo
DettagliRaccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE. Operare con i numeri
COMPETENZA CHIAVE MATEMATICA Fonte di legittimazione Raccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE L alunno utilizza il calcolo scritto e mentale con i numeri
DettagliGUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE
GUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE L applicazione elaborata da Nordest Informatica e disponibile all interno del sito è finalizzata a fornirvi un ipotesi dell impatto economico
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliLA CRESCITA DELLE POPOLAZIONI ANIMALI
LA CRESCITA DELLE POPOLAZIONI ANIMALI Riccardo Scipioni Generalmente, con il termine crescita di una popolazione si intende l aumento, nel tempo, del numero di individui appartenenti ad una stessa popolazione.
DettagliIl SENTIMENT E LA PSICOLOGIA
CAPITOLO 2 Il SENTIMENT E LA PSICOLOGIA 2.1.Cosa muove i mercati? Il primo passo operativo da fare nel trading è l analisi del sentiment dei mercati. Con questa espressione faccio riferimento al livello
DettagliWoWords. Guida all uso: creare ed utilizzare le frasi. In questa guida è descritto come creare ed utilizzare le frasi nel software WoWords.
In questa guida è descritto come creare ed utilizzare le frasi nel software WoWords. Premessa Oltre alle singole parole WoWords può gestire intere frasi in inglese. A differenza delle singole parole, le
DettagliGEOGEBRA I OGGETTI GEOMETRICI
GEOGEBRA I OGGETTI GEOMETRICI PROPRIETA : Finestra Proprietà (tasto destro mouse sull oggetto) Fondamentali: permette di assegnare o cambiare NOME, VALORE, di mostrare nascondere l oggetto, di mostrare
DettagliControlloCosti. Cubi OLAP. Controllo Costi Manuale Cubi
ControlloCosti Cubi OLAP I cubi OLAP Un Cubo (OLAP, acronimo di On-Line Analytical Processing) è una struttura per la memorizzazione e la gestione dei dati che permette di eseguire analisi in tempi rapidi,
Dettagliwww.filoweb.it STAMPA UNIONE DI WORD
STAMPA UNIONE DI WORD Molte volte abbiamo bisogno di stampare più volte lo stesso documento cambiando solo alcuni dati. Potremmo farlo manualmente e perdere un sacco di tempo, oppure possiamo ricorrere
DettagliObiettivo Principale: Aiutare gli studenti a capire cos è la programmazione
4 LEZIONE: Programmazione su Carta a Quadretti Tempo della lezione: 45-60 Minuti. Tempo di preparazione: 10 Minuti Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione SOMMARIO:
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:
Dettagli