MODELLI DI UTILITÀ ALEATORIA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "MODELLI DI UTILITÀ ALEATORIA"

Transcript

1 corso d Teora e Tecnca della Crcolazone + Trasport e Terrtoro a.a MODELLI DI UTILITÀ ALEATORIA PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma2.t

2 Modell d utltà aleatora Sstema d modell per la smulazone de sstem d trasporto OFFERTA DI INFRASTRUTTURE E SERVIZI DI TRASPORTO MODELLO DI LOCALIZZAZIONE E LIVELLO DELLE ATTIVITÀ SISTEMI DELLE ATTIVITÀ MODELLO DI OFFERTA Ret d trasporto Attrbut d lvello d servzo (temp, cost) MODELLO DI DOMANDA Fluss MODELLI DI ASSEGNAZIONE MATRICI O/D Funzon d prestazone MODELLO DEL SISTEMA DI TRASPORTO Valutazone effett Teora e Tecnca della Crcolazone + Trasport e Terrtoro 2

3 Modell d utltà aleatora Modell d utltà aleatora (1/2) Ipotes general I modell d utltà aleatora (o casuale) s basano sulla potes che ogn utente sa un decsore razonale ovvero un massmzzatore dell utltà relatva alle propre scelte: a) Il generco decsore nell effettuare la scelta consdera tutte le m alternatve dsponbl che costtuscono l suo nseme d scelta I. L nseme d scelta può essere dfferente per utent dvers. b) Il decsore assoca a cascuna alternatva del suo nseme d scelta una utltà o attrattvtà percepta U e scegle l alternatva che massmzza tale utltà. Teora e Tecnca della Crcolazone + Trasport e Terrtoro 3

4 Modell d utltà aleatora (2/2) Ipotes general c) L utltà assocata a cascuna alternatva d scelta dpende da una sere d caratterstche msurabl o attrbut propr dell alternatva stessa e del decsore U = U (X ) Modell d utltà aleatora dove X è l vettore degl attrbut relatv all alternatva e al decsore. d) L utltà assocata dal generco decsore all alternatva non è nota con certezza all osservatore esterno (analsta), e pertanto è rappresentata come una varable aleatora. Teora e Tecnca della Crcolazone + Trasport e Terrtoro 4

5 Modello probablstco d scelta p I = Pr U > U k k,k I Modell d utltà aleatora posto: Utltà sstematca U = V +ε I [ ] [ ] 2 σ Var U V = E U =, Resduo aleatoro s ha: ( ) = 0 ( ) EU = V ( ) 0 Var U = E ε Var 2 ( ε ) = σ, p /I = Pr V V >ε ε k, k I k k Teora e Tecnca della Crcolazone + Trasport e Terrtoro 5

6 Esempo Scelta del percorso Modell d utltà aleatora Insemedellealternatve = I = A, B v A = 30 km/h v B = 15 km/h d = 10 km O { } A U A = U (X A ) D decsore B U B = U (X B ) p [ I ] = Pr U > U k,k I k Teora e Tecnca della Crcolazone + Trasport e Terrtoro 6

7 Espressone dell utltà sstematca L utltà sstematca rappresenta la meda dell utltà percepta fra tutt gl ndvdu che hanno gl stess valor degl attrbut. È espressa come funzone d attrbut relatv alle alternatve e al decsore: V con k ndce del generco attrbuto. ( X ) k In genere per ragon d convenenza analtca s assume che la utltà sstematca V sa una funzone lneare ne coeffcent β k degl attrbut o d loro trasformazon funzonal: V ( ) X = β X = β X T k k k Modell d utltà aleatora Teora e Tecnca della Crcolazone + Trasport e Terrtoro 7

8 Esempo Scelta del percorso Modell d utltà aleatora Attrbut ü Attrbut lvello d servzo Ø tempo d vaggo Ø costo d vaggo Ø ü Attrattvtà del percorso Ø comfort Ø pacevolezza Ø ü.. Teora e Tecnca della Crcolazone + Trasport e Terrtoro 8

9 Esempo Scelta del percorso Modell d utltà aleatora Utltà percepta e sstematca 2 UA = VA +ε V A A = E U A σ,a = Var U A UB = VB +ε 2 B VB = E U B σ,b = Var U B Tempo d vaggo V = β X =β T +β C A k ka 1 A 2 A k B = β k kb =β 1 B +β2 B k V X T C Costo d vaggo Teora e Tecnca della Crcolazone + Trasport e Terrtoro 9

10 Modell d utltà aleatora Classfcazone degl attrbut (1/3) Attrbut d lvello d servzo: attrbut propr del sstema d trasporto (es. temp, cost, frequenza de servz, comfort etc.). Attrbut del sstema d attvtà: attrbut dpendent dall uso del terrtoro dell area d studo (es. numero d negoz o numero d scuole d una zona). Attrbut soco-economc: attrbut propr dell utente o del suo nucleo famlare (es. possesso d patente, numero d autovetture possedute n famgla etc.). Teora e Tecnca della Crcolazone + Trasport e Terrtoro 10

11 Modell d utltà aleatora Classfcazone degl attrbut (2/3) Attrbut generc: attrbut che compaono con stessa forma funzonale e stesso coeffcente n pù d una alternatva. Attrbut specfc: attrbut che compaono con forme funzonal e/o coeffcent dvers n dverse alternatve. Teora e Tecnca della Crcolazone + Trasport e Terrtoro 11

12 Modell d utltà aleatora Classfcazone degl attrbut (3/3) Attrbuto Specfco dell Alternatva (ASA): rappresenta attrbut non esplctamente consderat nella funzone d utltà (dfferenza fra l utltà meda e quella spegata dagl altr attrbut utlzzat). Teora e Tecnca della Crcolazone + Trasport e Terrtoro 12

13 Esempo Scelta modale Modell d utltà aleatora Insemedellealternatve = I = ped,auto, bus { } V ped = β 1 t p V auto = β 1 t pa + β 2 t ba + β 3 c a + β 4 DISP + β 5 REDD + β 6 AUTO V bus = β 1 t pb + β 2 t bb + β 3 c b + β 7 t wb + β 8 BUS Attrbut Specfc della Alternatva AUTO BUS Attrbut d Lvello d Servzo t b = tempo a bordo (generco) t w = tempo d attesa alla fermata (specfco) t p = tempo a ped (generco) c = costo monetaro (generco) Attrbut Soco-Economc DISP = n auto/n patentat REDD =1 se reddto> ; 0 altrment Teora e Tecnca della Crcolazone + Trasport e Terrtoro 13

14 Modell d utltà aleatora Cause d aleatoretà dell utltà percepta (1/2) Error dell analsta ü Approssmazon nella msura degl attrbut consderat nella funzone d utltà sstematca (es. attrbut d lvello d servzo rcavat con un modello d rete) ü Attrbut omess: varabl non osservabl drettamente, d dffcle valutazone o comunque non ncluse nel vettore d attrbut (es. comfort d marca, affdabltà del tempo totale d vaggo) Teora e Tecnca della Crcolazone + Trasport e Terrtoro 14

15 Modell d utltà aleatora Cause d aleatoretà dell utltà percepta (2/2) Error d ch scegle ü Varazon d gust o d preferenze fra decsor (es. dstanza da percorrere a ped) e, per lo stesso decsore, nel tempo a causa del verfcars d dverse condzon fsche o pscologche. ü Error nelle valutazone degl attrbut da parte del decsore (es. valutazon errate del tempo d vaggo). Teora e Tecnca della Crcolazone + Trasport e Terrtoro 15

16 Il modello Logt (1/2) Ipotes: resdu aleator Indpendentemente ed Identcamente Dstrbut (I.I.D) secondo una varable aleatora (v.a.) d Gumbel con meda nulla e parametro α : F ε [ exp( αx )] ( x) = Prob( ε x) = exp Φ con φ : costante d Eulero (φ = 0.577). E ( ε ) = 0 Var ( ε ) = σ 2 ε = π 2 6α Cov( ε, ε ) = 0, h I h 2 Modell d utltà aleatora F U [ V + ε U ] = Pr[ ε U V ] = exp[ exp( α( U V ) )] ( U ) = Pr Φ E( U ) = V Var( U ) = Teora e Tecnca della Crcolazone + Trasport e Terrtoro 16 π 2 6α 2

17 Modell d utltà aleatora Il modello Logt (2/2) A B C D o = π ε 2 6α A B C D 0 A 0 B 0 C 1 D p( ) = m h= 1 exp exp ( ) αv ( αv ) h Teora e Tecnca della Crcolazone + Trasport e Terrtoro 17

18 Modell d utltà aleatora Esemp d funzon d denstà d probabltà d Gumbel Teora e Tecnca della Crcolazone + Trasport e Terrtoro 18

19 Esempo Scelta del percorso Modello Logt Multnomale ε A, ε B.. d. G ( θ) E ( εa) =0 Var ( εa) = σ =π 6α E ( εb) =0 Var ( εb) = σ =π 6α Cov( ε, ε ) = Cov( ε, ε ) = 0 A B B A Modell d utltà aleatora ε ε ( ) p A ( ) p B = = exp α ( VA ) ( A) ( B) exp α ( VA ) ( ) ( ) exp α V + exp α V exp α V + exp α V A B V =β T +β C V =β T +β C A 1 A 2 A B 1 B 2 B Teora e Tecnca della Crcolazone + Trasport e Terrtoro 19

20 Esempo Scelta del percorso O B A D { } I temp espress n mnut e cost n Euro. I = A,B exp α ( VA ) ( ) ( ) v A = 30 km/h v B = 15 km/h d = 10 km V = 0.1 T 1.93 C V = 0.1 T 1.93 C A A A B B B p(a) = exp α V + exp α V A B p(b) = 1 p(a) T A = 20 C A = 1.86 V A = -5.6 T B = 40 C B = 0.30 V B = -4.6 α = 0.1 α = 1.0 α = 2. 0 p A p B Modell d utltà aleatora Teora e Tecnca della Crcolazone + Trasport e Terrtoro 20

21 Esempo Scelta del percorso Indagne su 1000 utent: A 270 utent B 730 utent Modell d utltà aleatora α=1.0 Aumento del costo del percorso A del 15% T A = 20 C A = 2.14 V A = -6.1 T B = 40 C B = 0.30 V B = -4.6 p A 0.18 p B 0.82 Δ A -34% Δ B 13% Teora e Tecnca della Crcolazone + Trasport e Terrtoro 21

Richiami di modelli di utilità aleatoria

Richiami di modelli di utilità aleatoria Corso d LOGISTICA TERRITORIALE www.unroma.t/ddattca/lt DOCENTE prof. ng. Agostno Nuzzolo Rcham d modell d utltà aleatora prof. ng. Agostno Nuzzolo - Corso d Logstca Terrtorale Modell d domanda e utltà

Dettagli

Modelli di utilità aleatoria

Modelli di utilità aleatoria corso d Teora de Sstem d Trasporto Modell d utltà aleatora PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma.t Iscrzone al corso Modell d offerta ü Da effettuars anche on

Dettagli

Corso di TEORIA DEI SISTEMI DI TRASPORTO. prof. ing. Umberto Crisalli

Corso di TEORIA DEI SISTEMI DI TRASPORTO. prof. ing. Umberto Crisalli Corso d TEORIA DEI SISTEMI DI TRASPORTO rof. ng. Umberto Crsall Modell d utltà aleatora Iscrzone al corso Modell d offerta Da effettuars anche on lne htt:delh.unroma.t Struttura del sstema d modell er

Dettagli

Modelli di domanda e utilità aleatoria

Modelli di domanda e utilità aleatoria La domanda d mobltà Corso d PIANIFICAZIONE DEI TRASPORTI Prof. Ing. Agostno Nuzzolo Marzo 005 Struttura del sstema d modell er la smulazone de sstem d trasorto Modello del sstema d trasorto OFFERTA DI

Dettagli

Valutazione dei Benefici interni

Valutazione dei Benefici interni Corso d Trasport Terrtoro prof. ng. Agostno Nuzzolo Valutazone de Benefc ntern Valutazone degl ntervent Indvduazone degl effett rlevant La defnzone degl effett rlevant per un ntervento sul sstema d trasporto

Dettagli

corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A MODELLI DI DOMANDA

corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A MODELLI DI DOMANDA Thanks to Barbara Montemaran for her kndly support n sldes updatng corso d Teora de Sstem d Trasporto Sostenbl 6 CFU A.A. 2017-2018 MODELLI DI DOMANDA Prof. Ing. Umberto Crsall Dpartmento d Ingegnera dell

Dettagli

MODELLI DI DOMANDA E UTILITÀ ALEATORIA

MODELLI DI DOMANDA E UTILITÀ ALEATORIA MODELLI DI DOMANDA E TILITÀ ALEATORIA SPOSTAMENTO: RISLTATO DI NMEROSE SCELTE COMPITE DAGLI TENTI DEL SERVIZIO DI TRASPORTO MODELLI DI DOMANDA: TENTANO DI RIPRODRRE I COMPORTAMENTI DI SCELTA DI TRASPORTO

Dettagli

Teoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di domanda. prof. ing. Antonio Comi

Teoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di domanda. prof. ing. Antonio Comi Teora de Sstem d Trasporto 1 + 2 (9 CFU) A. A. 2017-2018 Modell d domanda prof. ng. Antono Com Department of Enterprse Engneerng Unversty of Rome Tor Vergata Prof. Ing. Antono Com Teora de Sstem d Trasporto

Dettagli

Mobilità per acquisti

Mobilità per acquisti Corso d LOGISTICA TERRITORIALE http://ddattca.unroma2.t/ DOCENTE prof. ng. Agostno Nuzzolo Mobltà per acqust Trasporto merc Defnzon Zona d produzone (f) Produttore Fluss d merce (modell I-O) Vecol commercal

Dettagli

Corso di TRASPORTI E AMBIENTE. ing. Antonio Comi Ottobre 2012. Modelli di domanda

Corso di TRASPORTI E AMBIENTE. ing. Antonio Comi Ottobre 2012. Modelli di domanda Corso d TRASPORTI E AMBIENTE ng. Antono Com Ottobre 2012 Modell d domanda 1 Struttura del sstema d modell per la smulazone de sstem d trasporto OFFERTA DI INFRASTRUTTURE E SERVIZI DI TRASPORTO MODELLO

Dettagli

Corso di PIANIFICAZIONE DEI TRASPORTI 1 Prof. Ing. Agostino Nuzzolo. I modelli di domanda

Corso di PIANIFICAZIONE DEI TRASPORTI 1 Prof. Ing. Agostino Nuzzolo. I modelli di domanda Corso d PIANIFICAZIONE DEI TRASPORTI 1 Prof. Ing. Agostno Nuzzolo 1 Struttura del sstema d modell per la smulazone de sstem d trasporto OFFERTA DI INFRASTRUTTURE E SERVIZI DI TRASPORTO MODELLO DI DI LOCALIZZAZIONE

Dettagli

CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A

CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A. 2012-2013 1 INDICE 1 STIMA DELLA DOMANDA DI TRASPORTO 3 1.1 Moello generazone 3 1.2 Moello strbuzone 4 1.3 Moello scelta moale 5 1.4 Stma elle sottomatrc scambo

Dettagli

Definizione del problema

Definizione del problema Corso d Gestone ed Eserczo de Sstem d Trasporto www.unroma2.t/ddattca/gest t/dd tt /GEST Modell per l assegnazone della domanda alle ret d trasporto aereo Defnzone del problema Modell d domanda segmentazone

Dettagli

Misure dirette utilizzate per il calcolo della misura indiretta X:

Misure dirette utilizzate per il calcolo della misura indiretta X: Propagazone degl error Msure drette utlzzate per l calcolo della msura ndretta X: ( ) a a a = ± Δ b = ( b ± Δ b) Il calcolo dell errore assoluto X ( espresso nella stessa untà d msura della grandezza X

Dettagli

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto Unverstà degl Stud d Roma Tor vergata partmento d Ingegnera Cvle Corso d Gestone ed eserczo de sstem d trasporto Docente: Ing. Perlug Coppola Lucd proettat a lezone La progettazone degl orar de servz d

Dettagli

MODELLO DI SCELTA MODALE PER LA VALUTAZIONE DELL ESCLUSIONE SOCIALE DALL ALTA VELOCITÀ FERROVIARIA

MODELLO DI SCELTA MODALE PER LA VALUTAZIONE DELL ESCLUSIONE SOCIALE DALL ALTA VELOCITÀ FERROVIARIA UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II SCUOLA POLITECNICA E DELLE SCIENZE DI BASE Corso d Laurea n Ingegnera per l Ambente e l Terrtoro Percorso per la magstrale n Dfesa del Suolo MODELLO DI SCELTA

Dettagli

PIANIFICAZIONE DEI TRASPORTI

PIANIFICAZIONE DEI TRASPORTI Unverstà d Caglar DICAAR Dpartmento d Ingegnera Cvle, Ambentale e archtettura Sezone Trasport PIANIFICAZIONE DEI TRASPORTI Eserctazone 3 A.A. 2016-2017 Ing. Francesco Pras Ing. Govann Tuver Il modello

Dettagli

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04 UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso d Allocazone de centr d servzo SCG-E04 Le fas del processo d msurazone de cost Fase 1 Rlevazone de cost Fase 2 Assegnazone de cost Cost drett (Drect cost) Attrbuzone

Dettagli

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

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat

Dettagli

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

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

1. La domanda di moneta

1. La domanda di moneta 1. La domanda d moneta Esercz svolt Eserczo 1.1 (a) S consder l modello della domanda d moneta a scopo speculatvo d Keynes. Un ndvduo può sceglere d allocare la propra rcchezza sottoscrvendo un ttolo rredmble

Dettagli

Corso di Infrastrutture Idrauliche II

Corso di Infrastrutture Idrauliche II Corso d Infrastrutture Idraulche II a.a. 2006-2007 Laurea n Ingegnera Cvle Facoltà d Ingegnera Prof.ssa Elena Volp Rcevmento: Materale ddattco: evolp@unroma3.t martedì 15:30-16:30, Dpartmento d Scenze

Dettagli

La teoria microeconomica del consumo

La teoria microeconomica del consumo Isttuzon d Economa Matematca La teora mcroeconomca del consumo Il problema del consumatore 2 a parte. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy)

Dettagli

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

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1

Dettagli

Appunti di Econometria

Appunti di Econometria Appunt d Econometra ARGOMENTO [4]: VARIABILI DIPENDENTI BINARIE Mara Lusa Mancus Unverstà Boccon Novembre 200 Introduzone Ne modell econometrc studat fno ad ora la varable dpendente, y, è sempre stata

Dettagli

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

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone

Dettagli

Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO. prof. ing. Agostino Nuzzolo Ottobre 2007

Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO. prof. ing. Agostino Nuzzolo Ottobre 2007 Corso d PROGETTAZIONE DEI SISTEMI DI TRASPORTO prof. ng. Agostno Nuzzolo Ottobre 2007 I MODELLI PER LA SIMULAZIONE DELLE INTERAZIONI TRASPORTI-TERRITORIO TERRITORIO 1 Introduzone Modfche del sstema d offerta

Dettagli

Teoria dei processi casuali a tempo continuo. Seconda lezione: Medie statistiche

Teoria dei processi casuali a tempo continuo. Seconda lezione: Medie statistiche Teora de process casual a tempo contnuo Seconda lezone: Valore medo e autocorrelazone Esemp Valor med de process Quas Determnat (QD) 005 Poltecnco d Torno Valore medo e autocorrelazone e valore atteso

Dettagli

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

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1

Dettagli

PIANIFICAZIONE DEI TRASPORTI

PIANIFICAZIONE DEI TRASPORTI Unverstà d Caglar DICAAR Dpartmento d Ingegnera Cvle, Ambentale e archtettura Sezone Trasport PIANIFICAZIONE DEI TRASPORTI Eserctazone su modell d generazone A.A. 2016-2017 Ing. Francesco Pras Ing. Govann

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui:

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui: I IDACATI E LA COTRATTAZIOE COLLETTIVA Il ruolo economco del sndacato n concorrenza mperfetta, n cu: a) le mprese fssano prezz de ben n contest d concorrenza monopolstca (con extra-proftt); b) lavorator

Dettagli

Le decisioni di gruppo in materia di trasporti: teorie, modelli, applicazioni Romeo Danielis e Lucia Rotaris

Le decisioni di gruppo in materia di trasporti: teorie, modelli, applicazioni Romeo Danielis e Lucia Rotaris Le decson d gruppo n matera d trasport: teore, modell, applcazon Romeo Danels e Luca Rotars Unverstà degl Stud d Treste Il decsore ndvduale solato della mcroeconoma neoclassca non è la norma spesso: le

Dettagli

Propagazione delle incertezze

Propagazione delle incertezze Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Modelli di simulazione dei sistemi di trasporto collettivo

Modelli di simulazione dei sistemi di trasporto collettivo UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Dpartmento d Ingegnera Cvle Corso d Trasport Urban e Metropoltan Docente: Ing. Perlug Coppola Modell d smulazone de sstem d trasporto collettvo (Bozza n corso

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

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

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986 Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

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

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Carla Seatzu, 18 Marzo 2008

Carla Seatzu, 18 Marzo 2008 8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte

Dettagli

Sistemi Intelligenti Stimatori e sistemi lineari - III

Sistemi Intelligenti Stimatori e sistemi lineari - III Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\

Dettagli

Oltre la regressione lineare

Oltre la regressione lineare Oltre la regressone lneare Modello d regressone lneare (semplce o multpla: - varabl esplcatve X quanttatve e qualtatve (nserte tramte uso d varabl dummy - varable dpendente Y è quanttatva Y = b + b X +

Dettagli

L arcobaleno. Giovanni Mancarella. n = n = n = α( o )

L arcobaleno. Giovanni Mancarella. n = n = n = α( o ) Govann Mancarella L arcobaleno I(α) (a.u.) n =.3338 n =.336 39 40 4 4 43 α( o ) In questa nota utlzzeremo l termne dstrbuzone per ndcare la denstà d probabltà d una varable casuale. Il fenomeno dell arcobaleno

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologe nforatche per la chca Dr. Sergo Brutt Anals de dat 6 Y Rcaptolo generale Dato un nsee d sure sperental d una varable dpendente al varare d una varable ndpendente è possble edante l crtero de

Dettagli

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

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

Modelli con varabili binarie (o qualitative)

Modelli con varabili binarie (o qualitative) Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

La resistività apparente viene ricavata dalla relazione:

La resistività apparente viene ricavata dalla relazione: 3. Teora e Normatva PROGRAM GEO - SEVCon 3.1 Confgurazon strumental. La resstvtà apparente vene rcavata dalla relazone: V ρ a (Ω m) = k I k = coeffcente geometrco, dpendente dalla confgurazone strumentale;

Dettagli

si utilizzano per confrontare le distribuzioni

si utilizzano per confrontare le distribuzioni Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

Analisi della domanda di trasporto

Analisi della domanda di trasporto 1 Panfcazone f de Trasport aspot Lezone: Anals della domanda d trasporto Corso IFTS Catana 2010 Guseppe Inturr Unverstà d Catana Dpartmento d Ingegnera Cvle e Ambentale 2 3 La mobltà La mobltà delle persone

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

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

UNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C ELEMETI BASILARI DI TEORIA DEGLI ERRORI. VALOR MEDIO, DEVIAZIOE STADARD E VARIAZA S defnsce valor medo d un nseme d dat,,, la quanttà: () S defnsce varanza emprca dell nseme precedente la quanttà: σ ()

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)

Dettagli

IL MODELLO A 4 STADI (Capitolo 3)

IL MODELLO A 4 STADI (Capitolo 3) Facoltà d Ingegnera - Unverstà d Bologna Anno Accademco: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docente: Marno Lup IL MODELLO A 4 STADI (Captolo ) Modello a 4 stad per la determnazone della domanda d trasporto

Dettagli

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

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica Ing. Enrco Grsan Modell d popolazone n farmacocnetca Sommaro Modell a sngolo soggetto Modell d popolazone Naïve poolng Stme basate sul sngolo soggetto Modell a effett mst Lnearzzazone del modello 2 Ing.

Dettagli

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo

Dettagli

Correlazione, Regressione, Test non parametrici

Correlazione, Regressione, Test non parametrici Correlazone, Regressone, Test non parametrc Correlazone 1 Anals della Correlazone L anals della Correlazone è usata per msurare la forza dell assocazone (relazone lneare) tra due varabl Correlazone rguarda

Dettagli

Modelli di scelta del percorso Modelli di assegnazione

Modelli di scelta del percorso Modelli di assegnazione Corso di LOGISTICA TERRITORIALE www.uniroma.it/didattica/lt DOCENTE prof. ing. Agostino Nuzzolo Modelli di scelta del percorso Modelli di assegnazione Definizioni ed ipotesi Relazione tra costi d arco

Dettagli

Campo di applicazione

Campo di applicazione Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo

Dettagli

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

Dettagli

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI A.A. 2006/07 Corso d Teora de Campon Facoltà d Economa Corso d Laurea SIGI M. Govanna Ranall Lezon: Martedì 18:00 19:30; Govedì 12:15 13:45 Oraro d rcevmento: Lunedì 16:00 18:00 (stanza 24) Durata: 9 settmane

Dettagli

Che cos è l ESCS e come si valuta

Che cos è l ESCS e come si valuta Che cos è l ESCS e come s valuta Danele Checch (Unverstà degl Stud d Mlano e Anvur * ) Roma 1 marzo 2016 * I parer espress sono del tutto personal e non mplcano mnmamente le sttuzon d appartenenza. 1 Cosa

Dettagli

LA STIMA DELLA DOMANDA DI TRASPORTO

LA STIMA DELLA DOMANDA DI TRASPORTO LA STIMA DELLA DOMANDA DI TRASPORTO STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA ATTUALE E FUTURA STIMA DIRETTA STIMA DA MODELLO INDAGINI: INTERVISTE SU DI UN CAMPIONE DI UTENTI: (INFORMAZIONI DISAGGREGATE)

Dettagli

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

Dettagli

Indicatori di dimensione e di concentrazione

Indicatori di dimensione e di concentrazione Indcator d dmensone e d concentrazone 1 Indcator d dmensone Lo studo delle caratterstche struttural ed evolutve d un sstema produttvo necessta dell mpego d ndcator per msurare la dmensone delle untà economche

Dettagli

Ragionamento probabilistico: rappresentazione

Ragionamento probabilistico: rappresentazione Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem

Dettagli

Potenzialità degli impianti

Potenzialità degli impianti Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà

Dettagli

Teoremi dei circuiti

Teoremi dei circuiti Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del --04) Teorema d Tellegen potes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

STATISTICA A K (63 ore) Marco Riani

STATISTICA A K (63 ore) Marco Riani STATISTICA A K (63 ore) Marco Ran mran@unpr.t http://www.ran.t Rcham sulla regressone MODELLO DI REGRESSIONE y a + b + e dove: 1,, n a + b rappresenta una retta: a ordnata all orgne ntercetta b coeff.

Dettagli

Formule di attribuzione del punteggio economico

Formule di attribuzione del punteggio economico Stazone Appaltante Servzo Sntel Data pubblcazone: 27 Maggo 2019 agna 1 d 21 INDICE 1. INTRODUZIONE...3 1.1. OBIETTIVO E CAMO D ALICAZIONE...3 1.2. RIFERIMENTI...3 1.3. VERSIONI...3 2. FORMULE DI AGGIUDICAZIONE...3

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

Domanda merci interregionale

Domanda merci interregionale Corso di LOGISTICA TERRITORIALE www.uniroma2.it/didattica/lot_2012 DOCENTE prof. ing. Agostino Nuzzolo Domanda merci interregionale Modelli Scelta di della scelta Modalità della modalità di Trasporto di

Dettagli

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008 Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal

Dettagli

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente

Dettagli

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni IL MODELLO DI MACK Materale ddattco a cura d Domenco Gorgo Attuaro Dann d Gruppo Socetà Cattolca d Asscurazon CHAIN-LADDE CLASSICO Metodo pù utlzzato per la stma della rserva snstr. Semplctà. Dstrbuton-ree

Dettagli

03/03/2012. Campus di Arcavacata Università della Calabria

03/03/2012. Campus di Arcavacata Università della Calabria Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto

Dettagli

Regressioni con variabili strumentali

Regressioni con variabili strumentali Regresson con varabl strumental 3 mportant mnacce alla valdtà nterna del modello: Bas dovuta alle varabl omesse, varabl correlate con X ma non osservate e che per questo non possono essere ncluse nella

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologe nforatche per la chca Dr. Sergo Brutt Test d potes e soothng Rsultat dell eserctazone Legenda: A = copto eccellente; B = copto buono; C = copto suffcente; D = copto scarso; E = copto nsuffcente.

Dettagli

Esempio modelli di domanda

Esempio modelli di domanda corso di Teoria dei Sistemi di Trasporto Esempio melli di domanda PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Area di studio Area di studio e sezioni ISTAT

Dettagli

Figura Area di Studio

Figura Area di Studio Esercizi modelli di domanda Esercizio 1 Considerando tre zone di traffico, si vuole determinare il numero complessivo di spostamenti emessi dalle tre zone per il motivo Casa-Studio ed effettuati da studenti

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

Variabili casuali doppie

Variabili casuali doppie Varabl casual doe Una varable casuale doa (,) è una funzone defnta sullo sazo degl event che assoca ad ogn evento una coa d numer real (x,y) (x 1, y 1 ) S y 1 A B y (x, y ) (x 3, y 3 ) C y 3 x 1 x x 3

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione. Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.

Dettagli

Calibrazione disaggregata

Calibrazione disaggregata Corso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli Calibrazione disaggregata La stima della domanda di trasporto Stima della Domanda Attuale Stima della Domanda Attuale e Futura Stima

Dettagli

APPENDICE B. La dinamica delle distribuzioni dimensionali delle maggiori imprese mondiali

APPENDICE B. La dinamica delle distribuzioni dimensionali delle maggiori imprese mondiali APPENDICE B La dnamca delle dstrbuzon dmensonal delle maggor mprese mondal Consderamo le dstrbuzon delle maggor mprese ndustral mondal (fonte Fortune 5, var ann) dal 1959 al 199, n termn d fatturato a

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli