POLITECNICO DI TORINO

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "POLITECNICO DI TORINO"

Transcript

1 POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA Laurea n Ingegnera Logstca e della Produzone Corso d Logstca e d Dstrbuzone 1 Docente: Prof. Ing. Gulo Zotter Tutore: Ing. Gulano Scapaccno A.A. 2007/2008 VERSIONE 3.0

2 PRIMA ESERCITAZIONE INDICATORI OPERATIVI... 3 Ampezza della gamma... 4 Grado d copertura... 4 Capactà evasone ordn... 5 Effcenza e puntualtà d consegna... 5 Conformtà... 5 Flessbltà... 5 METODOLOGIA QPS... 6 Crter d valutazone (VIE)... 8 Crtero d valutazone de pes... 9 Crtero A... 9 Crtero B... 9 Vettore delle prortà Matrce delle prortà Valutazone comparata POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE 3.0 2

3 INDICATORI OPERATIVI Per l deposto perferco n esame e per l perodo preso a rfermento sono not seguent dat: Prodott a catalogo Varant per prodotto A B C D E F G H I L N d prodott del concorrente d rfermento 40 N d artcol a scorta 110 N d ordn rcevut 330 N d consegne d ordne programmate 270 N d consegne d ordne effettuate 243 N d lnee d ordne rcevute n meda per sngolo ordne 12 Rapporto fra ordn potenzal e ordn confermat 0.07 N d ordn mmedatamente evadbl 97 N d lnee d ordne mmedatamente evadbl 2650 N d consegne d ordne non conform per l tpo d artcol 15 N d consegne d ordne non conform per la quanttà d artcol 20 N d rcheste d varant d ordne sul tpo o sulla quanttà dell artcolo 35 N d consegne effettuate con varant d ordne sul tpo o sulla quanttà 20 N d consegne d ordne effettuate n antcpo 30 N d consegne d ordne effettuate n tempo 209 POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE 3.0 3

4 Calcolare: L ampezza della gamma n orzzontale, n vertcale ed n orzzontale relatva (3 ndcator). Il grado d copertura scorte (1 ndcatore). La capactà d evasone degl ordn (3 ndcator). L effcenza e la puntualtà d consegna (3 ndcator). La conformtà all ordnato (2 ndcator). La flessbltà (1 ndcatore). Ampezza della gamma L ampezza della gamma orzzontale è l numero d prodott a catalogo : AG o : prodott A L -> AG o = 10 L ampezza della gamma vertcale comprende tutte le varant (somma) : AG v = = 141 L ampezza della gamma relatva è data dal rapporto tra le ampezze orzzontal : AG R = 10/40 = 0,25 -> 25% Grado d copertura Il grado d copertura è dato dal rapporto tra gl artcol a scorta e quell a catalogo (ampezza vertcale) : Grado d Copertura =110 / 141 = 0,78 -> 78% POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE 3.0 4

5 Capactà evasone ordn Pronta consegna ordn = ordn mmedatamente evadbl/ordn rcevut =97/330 = 29,3 % Pronta consegna voc = voc mmedatamente evadbl/voc rcevut = 2650/(330*12) = 67 % Capactà Evasone = ordn mmedatamente evadbl/(ordn rcevut+ordn potenzal) = 97/[330 + (330*0.07)] = 27,5 % Effcenza e puntualtà d consegna % Consegnata/Programmata = 243 / 270 = 90% % Consegnata antcpo/effettuato * = 30 / 243 = 12,35% % Consegnata Tempo/Effettuato * = 209 / 243 = 86,01% * Indcatore esprmble anche n funzone del prevsto. Conformtà Conformtà all ordnato è l complemento a 1 degl ndc degl error d consegna : % Consegnata Tpo Artcolo =1- (art_non_conf(ta)/art_cons.) = 1 (15 / 243) = 93,83% % Consegnata Q Artcol =1- (art_non_conf(q)/art_cons.) = 1 (20 / 243) = 91,77% Flessbltà %Varant ordne evase = % Var_evase/% Var_rcheste = 20/35 = 57,14 % POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE 3.0 5

6 METODOLOGIA QPS Esegure una anals della qualtà del servzo percepta dal clente (metodologa Q.P.S.) sulla base de seguent dec ndcator d prestazone estern: Ins. (1) Dscreto (3) Buono (5) Ottmo (7) Ampezza della X gamma (AG) Assstenza tecnca X nzale (ATI) Informazon sullo X stato avanzamento ordne (ISA) Agevolazon X fnanzare (AF) Tempo cclo (TC) X Frequenza d X consegna (FC) Puntualtà d X consegna (PC) Flessbltà d X consegna (FLC) Gestone sollecta X de reclam (GR) Dsponbltà verso l clente (DC) X Utlzzando un crtero a passo costante per l attrbuzone d valor quanttatv alle rsposte ottenute dal clente: POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE 3.0 6

7 Calcolare la Q.P.S. con l metodo del vettore delle prortà sapendo che l clente ha così classfcato l mportanza de crter d valutazone: {AG, ATI, ISA, AF, TC, FC, PC, FLC, GR, DC} Calcolare la Q.P.S. con l metodo della matrce delle prortà sapendo che l clente ha così classfcato l mportanza de crter d valutazone: {TC, FC, PC, FLC, AG, AF, ATI, GR, DC, ISA} Calcolare la Q.P.S. con l metodo della matrce a valutazone comparata sapendo che l clente ha così classfcato l mportanza de crter d valutazone: AG ATI ISA AF TC FC PC FLC GR DC AG PI NI PI MI MI ATI PI PI PI ISA AF PI MI PI PI TC MI NI AI NI PI PI MI AI AI FC MI NI AI NI PI PI AI AI PC PI NI AI MI PI NI AI FLC PI MI AI MI NI AI GR PI PI DC PI (UI = ugualmente mportante; PI = poco pù mportante; MI = molto pù mportante; NI = nettamente pù mportante; AI = assolutamente pù mportante) POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE 3.0 7

8 Qualtà percepta dal servzo (QPS) La qualtà percepta dal servzo vene così defnta : QPS j = N ( VIEj PIEj ) = 1 Dove : N : numero ndcator. J : Jesmo Clente, Cluster omogeneo d Clent. PIE j : Peso dell ndcatore n funzone della prestazone. VIE j : Valore numerco dell ndcatore esterno. Crter d valutazone (VIE) I crter d valutazone possono essere a passo costante : Insgnfcante 1 1 Dscreto 2 3 Buono 3 5 Ottmo 4 7 Oppure a passo varable : Insgnfcante 1 1 Dscreto 2 3 Buono 4 5 Ottmo 8 6 POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE 3.0 8

9 Crtero d valutazone de pes Crtero A S procederà, qund a computare l valore de PIE (n questo caso denomnat ) nel seguente modo : P = N + 1 O N( N + 1) 2 Dove : N O : n^ ndcator d prestazone : Ordne d mportanza dell esmo ndcatore attrbuto dal Clente Crtero B P 1 N α O N 2 = Dove 0 α N 2 ( N 1) ncremento del valore del peso dell ndcatore per ncremento d una poszone nell ordne d mportanza. POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE 3.0 9

10 O Ordne dell ndce della classfca. Guardando l grafco s vede che la retta d valorzzazone de pes potrà ruotare da α = 0 (retta orzzontale, ovvero tutt gl ndcator hanno lo stesso peso) ad una retta passante per punt (PI=0,N) e 2/N n cu dfferent ndc hanno maggore peso. 2/N P Alfa = 0 1/N Alfa = 2/N(N-1) 1 (N+1)/2 N O POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE

11 Vettore delle prortà In questo caso s rchede al Clente d stlare una classfca per merto delle caratterstche del servzo da lu rchesto. S deve, noltre stlare una tabella delle prestazon erogate. Calcolo l valore de PIE (n questo caso denomnat ) nel seguente modo : P = N + 1 O N( N + 1) 2 Per cu : POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE

12 P N + 1 O N( N + 1) (10 + 1) ( AG) = = = = 0, ( ATI ) = = 0, ( ISA) = = 0, ( AF ) = = 0, ( TC) = = 0, ( FC) = = 0, ( PC) = = 0, ( FLC) = = 0, ( GR) = = 0, ( DC) = = 0, 018 POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE

13 Il QPS s potrà qund valutare (utlzzando VIE a passo costante 1,2,3,4,5 ): QPS = 3 AG + 1 ATI + 1 ISA + 5 AF + 7 TC + 3 FC + 5 PC + 1 FLC + 3 GR + 3 DC = 3,082 Questo ndce, come tutt ha senso se comparato storcamente. Matrce delle prortà In questo caso s rchede al Clente d comparare a coppe tra d loro sngol element e determnare qual è l pù mportante rspetto all altro AG ATI ISA AF TC FC PC FLC GR DC s(+) O PIE VI E AG , ,327 ATI , ,073 ISA , ,018 AF , ,4 TC , ,273 FC , ,491 PC , ,727 FLC , ,127 GR ,0 3 0,164 DC , , QPS 3,764 Dove S(+) : La sommatora de + present sulla rga O : Complemento a 10 d S+ PIE : Peso calcolato con l metodo presentato nel precedente capoverso VIE : Valore attrbuto dal Clente all ndce POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE

14 Il QPS è stato così calcolato (utlzzando VIE a passo costante 1,2,3,4,5 ): QPS = 3 AG + 1 ATI + 1 ISA + 5 AF + 7 TC + 3 FC + 5 PC + 1 FLC + 3 GR + 3 DC Consstenza della matrce Perché la matrce sa valutable, è necessaro sano verfcate le seguent condzon : ( ) + = N ( N 1) 2 ( + ) ( ) + Rga Rga j Nel nostro caso : La somma de segn + è 45 (corretto) e nessuna rga ha lo stesso numero d segn +. La matrce, qund è consstente. Valutazone comparata In questo caso, non vene solo chesto d comparare tra d loro gl ndcator, ma d esprmere un gudzo d prortà. A questo gudzo può, po essere attrbuto un valore (passo varable, costante.) Rferendoc al caso c.. UI 1 PI 2 MI 3 NI 4 AI 5 POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE

15 Otterremmo : AG ATI ISA AF TC FC PC FLC GR DC AG PI NI PI MI MI ATI PI PI PI ISA AF PI MI PI PI TC MI NI AI NI PI PI MI AI AI FC MI NI AI NI PI PI AI AI PC PI NI AI MI PI NI AI FLC PI MI AI MI NI AI GR PI PI DC PI Attrbuamo valor : Sulla dagonale prncpale dovrà essere mpostato l valore untaro. Nelle caselle non complate s dovrà rportare l recproco della trasposta AG ATI ISA AF TC FC PC FLC GR DC AG /3 1/3 1/2 1/2 3 3 ATI ½ 1 2 1/2 1/4 1/4 1/4 1/3 2 2 ISA ¼ 1/2 1 1/3 1/5 1/5 1/5 1/5 1/ 2 1/ 2 AF ½ /4 1/4 1/3 1/3 2 2 TC FC / PC /2 1/ FLC /3 1/2 1/ GR 1/3 1/ 2 2 1/ 2 1/5 1/5 1/4 1/ DC 1/3 1/2 2 1/2 1/5 1/5 1/5 1/5 0,5 1 POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE

16 La valutazone vene così fatta : Sommatora per rga dell ndcatore Somma delle sommatore Il peso dell ndcatore è dato dal rapporto della sommatora della rga sulla somma totale (meda pesata). In ultmo l QPS è stato così calcolato (utlzzando VIE a passo costante 1,2,3,4,5 ): QPS = 3 AG + 1 ATI + 1 ISA + 5 AF + 7 TC + 3 FC + 5 PC + 1 FLC + 3 GR + 3 DC AG ATI ISA AF TC FC PC FLC GR DC s(+) PIE VIE AG /3 1/3 1/2 1/ ,667 0, ,292 ATI ½ 1 2 1/2 1/4 1/4 1/4 1/ ,083 0, ,053 ISA ¼ 1/2 1 1/3 1/5 1/5 1/5 1/5 1/ 2 1/ 2 3,883 0, ,023 AF ½ /4 1/4 1/3 1/ ,667 0, ,341 TC ,000 0, ,392 FC / ,500 0, ,3 PC /2 1/ ,000 0, ,789 FLC /3 1/2 1/ ,333 0, ,142 GR 1/3 1/ 2 2 1/ 2 1/5 1/5 1/4 1/ ,233 0, ,127 DC 1/3 1/2 2 1/2 1/5 1/5 1/5 1/5 0,5 1 5,633 0, , ,00 Q PS 3,811 POLITECNICO DI TORINO - ESERCITAZIONI LOGISTICA DI DISTRIBUZIONE 1 AUTORE: G. SCAPACCINO - VERSIONE

POLITECNICO DI TORINO

POLITECNICO DI TORINO POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA Laurea n Ingegnera Logstca e della Produzone Corso d Logstca e d Dstrbuzone 1 Docente: Prof. Ing. Gulo Zotter Tutore: Ing. Gulano Scapaccno A.A. 2004/2005

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

La tua area riservata Organizzazione Semplicità Efficienza

La tua area riservata Organizzazione Semplicità Efficienza Rev. 07/2012 La tua area rservata Organzzazone Semplctà Effcenza www.vstos.t La tua area rservata 1 MyVstos MyVstos è la pattaforma nformatca rservata a rvendtor Vstos che consente d verfcare la dsponbltà

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

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

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Modello del Gruppo d Acquisto

Modello del Gruppo d Acquisto InVMall - Intellgent Vrtual Mall Modello del Gruppo d Acqusto Survey L attvtà svolta per la realzzazone dell attvtà B7 Defnzone del Gruppo d Acqusto e de Relatv Algortm d Inferenza, prevsta dal captolato

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

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

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

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

POLITECNICO DI TORINO

POLITECNICO DI TORINO POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA Laurea in Ingegneria Logistica e della Produzione Corso di Logistica e di Distribuzione 1 Docente: Prof. Ing. Giulio Zotteri Tutore: Ing. Giuliano Scapaccino

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza

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

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

Imposte sulle vendite

Imposte sulle vendite Imposte sulle vendte e IVA Imposte sulle vendte Le mposte general sulle vendte (IGV) tassano la totaltà delle vendte d ben e servz e sono mposte ad valorem. Esse s artcolano secondo due modaltà: 1) Rfermento

Dettagli

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate

Dettagli

INDICE. Matrici e Determinanti. Scaricabile su: TEORIA. Definizione e tipologia di matrici. Operazioni tra matrici

INDICE. Matrici e Determinanti. Scaricabile su:   TEORIA. Definizione e tipologia di matrici. Operazioni tra matrici P r o f. Gu d of r a n c h n Anteprma Anteprma Anteprma www. l e z o n. j md o. c o m Scarcale su: http://lezon.jmdo.com/ Matrc e Determnant INDICE TEORIA Defnzone e tpologa d matrc Operazon tra matrc

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Riccardo Sabatino 463/1 Progetto di un telaio in c.a. A.A. 2003/04

Riccardo Sabatino 463/1 Progetto di un telaio in c.a. A.A. 2003/04 Rccardo Sabatno 463/1 Progetto d un telao n c.a. A.A. 003/04 3.3 Il metodo degl spostament per la rsoluzone del telao Il metodo degl spostament è basato sulla valutazone de moment flettent ce agscono sugl

Dettagli

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA Notazone: x = -esma modaltà della varable X Nel caso d dstrbuzon n class: x = Lmte superore della classe -esma x -1 = Lmte nferore della classe

Dettagli

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende

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

Economia del turismo

Economia del turismo U N I V E R S I T À D E G L I S T U D I D I C A G L I A R I F A C O L T À D I S C I E N Z E E C O N O M I C H E, G I U R I D I C H E E P O L I T I C H E C O R S O D I L A U R E A I N E C O N O M I A E

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

- Riproduzione riservata - 1

- Riproduzione riservata - 1 Razze: Setter Inglese Bracco Francese tpo Prene D Franco Barsottn Va Bugallo 1b 56040 Crespna (PI) www.allevamentodelbugallo.t nfo@allevamentodelbugallo.t Parentela e consangunetà; Parentela; genetcamente

Dettagli

Statistica Descrittiva

Statistica Descrittiva Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86

Dettagli

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω Metod d anals Eserczo Anals alle magle n presenza d sol generator ndpendent d tensone R s J R Determnare le tenson sulle resstenze sapendo che: s s 0 R R 5.Ω s J R J R R 5Ω R 0Ω R 6Ω R 5 Dsegnamo l grafo,

Dettagli

Il trattamento dei dati a fini descrittivi

Il trattamento dei dati a fini descrittivi Il trattamento de dat a fn descrttv Rappresentazone de dat: Dstrbuzon d frequenza Rappresentazon grafche Dstrbuzon doppe Sntes de dat Calcolo d ndc: poszone, varabltà, forma Studo delle relazon tra due

Dettagli

TEMA B. Esame di Statistica del 20 Giugno 2014 Corso di Laurea in Economia Docente: S. Giordano

TEMA B. Esame di Statistica del 20 Giugno 2014 Corso di Laurea in Economia Docente: S. Giordano TEA B Esame d Statstca del 0 Gugno 014 Corso d Laurea n Economa Docente: S. Gordano Cognome Nome atr. Eserczo 1 Nel peno svolgmento de camponat mondal d calco non mancano le polemche per gl error arbtral

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

Statistica descrittiva

Statistica descrittiva Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.

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

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

y. E' semplicemente la media calcolata mettendo

y. E' semplicemente la media calcolata mettendo COME FUNZIONA L'ANOVA A UN FATTORE: SI CONFRONTANO TANTE MEDIE SCOMPONENDO LA VARIABILITA' TOTALE Per testare l'potes nulla che la meda d una varable n k popolazon sa la stessa, s suddvde la varabltà totale

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

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

Dettagli

Modelli decisionali su grafi - Problemi di Localizzazione

Modelli decisionali su grafi - Problemi di Localizzazione Modell decsonal su graf - Problem d Localzzazone Massmo Paolucc (paolucc@dst.unge.t) DIST Unverstà d Genova Locaton Problems: modell ed applcazon Decson a medo e lungo termne (panfcazone) Caratterstche

Dettagli

SCHEDA CRITERIO D.4.1 ILLUMINAZIONE NATURALE % PUNTI NEGATIVO < SUFFICIENTE BUONO OTTIMO 125 5

SCHEDA CRITERIO D.4.1 ILLUMINAZIONE NATURALE % PUNTI NEGATIVO < SUFFICIENTE BUONO OTTIMO 125 5 SCHEDA CRITERIO ILLUMINAZIONE NATURALE Edfc per uffc Edfc scolastc Edfc ndustral Edfc commercal Edfc rcettv AREA DI VALUTAZIONE CATEGORIA D. Qualtà ambentale ndoor D.4 ESIGENZA Asscurare adeguat lvell

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 7/0/006 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 0 soggett. Soggetto Sesso Età Reddto

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

CARATTERISTICHE DI PERICOLO PER I RIFIUTI

CARATTERISTICHE DI PERICOLO PER I RIFIUTI CARATTERISTICHE DI PERICOLO PER I RIFIUTI Il rfuto che contene una o pù sostanze classfcate con uno de codc d classe e categora e uno de codc d ndcazone fgurant nella tabella 1 è valutato rspetto alla

Dettagli

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 21 LUGLIO 2009 ECONOMIA AZIENDALE

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 21 LUGLIO 2009 ECONOMIA AZIENDALE MATEMATICA FINANZIARIA PROVA SCRITTA DEL LUGLIO 009 ECONOMIA AZIENDALE ESERCIZIO Un ndduo ntende acqustare un motorno che ha un prezzo d 300. Volendo accedere ad un fnanzamento, gl engono proposte le seguent

Dettagli

GLI 8 PRINCIPI DELLA VISION 2000

GLI 8 PRINCIPI DELLA VISION 2000 ISO 9001:2008 Le norme ISO 9000 emesse nel 1987 e successvamente revsonate nel 1994 hanno vsto un loro ulterore svluppo con l Progetto VISON 2000 che ha determnato l emssone delle nuove norme ISO 9001:2008

Dettagli

Geotecnica Esercitazione 1/2013

Geotecnica Esercitazione 1/2013 Geotecnca Eserctazone 1/2013 # 1 - Note le quanttà q n gramm present su ogn setacco d dametro assegnato, rportate n Tab. 1, rappresentare le curve granulometrche e classfcare terren a, b, c. # 2 La Tab.

Dettagli

Il dimensionamento dei sistemi di fabbricazione

Il dimensionamento dei sistemi di fabbricazione Il dmensonamento de sstem d fabbrcazone 1 Processo d progettazone d un sstema produttvo Anals della domanda Industralzzazone d prodotto e processo (dstnte e ccl d lavorazone) Scelta delle soluzon produttve

Dettagli

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

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

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

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

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

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

MODELLI DI UTILITÀ ALEATORIA

MODELLI DI UTILITÀ ALEATORIA corso d Teora e Tecnca della Crcolazone + Trasport e Terrtoro a.a. 2012-2013 MODELLI DI UTILITÀ ALEATORIA PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma2.t Modell d utltà

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

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

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017 Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può

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

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z) Le soluzon della prova scrtta d Matematca per l corso d laurea n Farmaca (raggruppamento M-Z). Data la funzone a. trova l domno d f f ( ) ln + b. scrv, esplctamente e per esteso, qual sono gl ntervall

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

10-7-2009. GAZZETTA UFFICIALE DELLA REPUBBLICA ITALIANA Serie generale - n. 158. ALLEGATO 1 (Allegato A, paragrafo 2)

10-7-2009. GAZZETTA UFFICIALE DELLA REPUBBLICA ITALIANA Serie generale - n. 158. ALLEGATO 1 (Allegato A, paragrafo 2) ALLEGATO 1 (Allegato A, paragrafo 2) Indcazon per l calcolo della prestazone energetca d edfc non dotat d mpanto d clmatzzazone nvernale e/o d produzone d acqua calda santara 1. In assenza d mpant termc,

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

Misure Topografiche Tradizionali

Misure Topografiche Tradizionali Msure Topografche Tradzonal Grandezze da levare ngol Dstanze Gonometr Dstanzometro Stazone Totale Prsma Dslvell Lvello Stada Msure Strettamente Necessare Soluzone geometrca Msure Sovrabbondant Compensazone

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria. SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE

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

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3)

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3) Esempo d soluzone d una delle verson del compto d Geometra analtca e algebra lneare del luglo 3 Stablre se la retta r, d equazon parametrche x =, y = + t, z = t (nel parametro reale t), è + y + z = sghemba

Dettagli

POR FESR Sardegna 2007-2013 Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative

POR FESR Sardegna 2007-2013 Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative POR FESR Sardegna 2007-2013 Asse VI Compettvtà BANDO PUBBLICO Voucher Startup Incentv per la compettvtà delle Startup nnovatve ALLEGATO 3 PIANO DI UTILIZZO DEL VOUCHER STARTUP INNOVATIVE 2014 3. Pano d

Dettagli

Algoritmi di Ordinamento. Fondamenti di Informatica Prof. Ing. Salvatore Cavalieri

Algoritmi di Ordinamento. Fondamenti di Informatica Prof. Ing. Salvatore Cavalieri Algortm d Ordnamento Fondament d Informatca Prof. Ing. Salvatore Cavaler 1 Introduzone Ordnare una sequenza d nformazon sgnfca effettuare una permutazone n modo da rspettare una relazone d ordne tra gl

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologe nformate per la mca Dr. Sergo Brutt Eserctazone d anals de dat II INERCALAIN GRAPHIE ANDE Eserctazone - galvanometra Cclazon galvanostate d una cella elettromca In questa eserctazone studeremo

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

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

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

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un

Dettagli

SOLUZIONI I PLICO DI ESERCIZI DI RAGIONERIA

SOLUZIONI I PLICO DI ESERCIZI DI RAGIONERIA SOLUZIONI I PLICO DI ESERCIZI DI RAGIONERIA ESERCIZIO N.1 PREZZO, VALORE STRATEGICO, VALORE ECONOMICO soluzone numerca VALUTAZIONE DEL CAPITALE ECONOMICO, DEL VALORE STRATEGICO CALCOLATO DALL ACQUIRENTE

Dettagli

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry CEFRIEL Consorzo per la Formazone e la Rcerca n Ingegnera dell Informazone Poltecnco d Mlano s Sommator: x y c x y c x y c x y c x y c Archtetture artmetche s x y Sommator:, Rpple Carry Sommator: Carry

Dettagli

Aritmetica e architetture

Aritmetica e architetture Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone

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

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

RAPPRESENTAZIONE DI MISURE. carta millimetrata

RAPPRESENTAZIONE DI MISURE. carta millimetrata carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!

Dettagli

COSTI FISSI E VARIABILI E I problemi di MAKE or BUY e IL BEP (IL PUNTO DI PAREGGIO)

COSTI FISSI E VARIABILI E I problemi di MAKE or BUY e IL BEP (IL PUNTO DI PAREGGIO) COSTI FISSI E VARIABILI E I problem d MAKE or BUY e IL BEP (IL PUNTO DI PAREGGIO) CF CV Un concetto d fondo Cost fss e cost varabl CF CV Orzzonte temporale e funzone d produzone Funzone d produzone nel

Dettagli

Verifiche di congruità tecnica delle offerte rispetto ai margini

Verifiche di congruità tecnica delle offerte rispetto ai margini Dsposzone tecnca d funzonaento Pagna 1 d 7 Dsposzone tecnca d funzonaento n. 10 rev.1 MPE (a sens dell artcolo 4 del Testo ntegrato della Dscplna del ercato elettrco, approvato con decreto del Mnstro delle

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

Progetto di travi in c.a.p isostatiche Il tracciato del cavi e il cavo risultante

Progetto di travi in c.a.p isostatiche Il tracciato del cavi e il cavo risultante Unverstà degl Stud d Roma Tre - Facoltà d Ingegnera Laurea magstrale n Ingegnera Cvle n Protezone Corso d Cemento Armato Precompresso A/A 2015-16 Progetto d trav n c.a.p sostatche Il traccato del cav e

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

ESERCIZIO N. 1. b) rendimenti reali dell azienda Gesis e del portafoglio di mercato:

ESERCIZIO N. 1. b) rendimenti reali dell azienda Gesis e del portafoglio di mercato: ESERCIZIO N. 1 Il canddato proceda a calcolare l tasso d congrua remunerazone reale dell azenda Gess al 31.12.2003 applcando l CAPM e l WACC della stessa azenda; dat d cu s dspone sono seguent: a) rendmento

Dettagli

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO Stabltà e Teorema d Drclet Defnzone S dce ce la confgurazone C 0 d un sstema è n una poszone d equlbro stable se, portando l sstema n una confgurazone

Dettagli

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 17 Luglio Attenzione:

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 17 Luglio Attenzione: Cognome... Nome.. Archtettura degl Elaborator Classe 3 Prof.ssa Anselmo Appello del 17 Luglo 2014 Attenzone: Inserre propr dat nell apposto spazo sottostante e n testa a questa pagna. Preparare un documento

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

Incertezza di sensibilità < fluttuazione intrinseca delle misure.

Incertezza di sensibilità < fluttuazione intrinseca delle misure. Error casual no ad ora abbamo correlato la bontà d una msura alla sensbltà degl strument utlzzat. Samo partt da una stuazone n cu effettuata una sere d msure rpetute, le msure hanno tutte dato lo stesso

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn

Dettagli

LEZIONE N.8. Introduzione ai MODELLI DI SIMULAZIONE ED OTTIMIZZAZIONE PER SISTEMI ENERGETICI

LEZIONE N.8. Introduzione ai MODELLI DI SIMULAZIONE ED OTTIMIZZAZIONE PER SISTEMI ENERGETICI LEZIONE N8 Introduzone a MODELLI DI SIMULZIONE ED OTTIMIZZZIONE PER SISTEMI ENERGETICI 1d 11 MODELLIZZZIONE DI DOMND ED OFFERT Dal 1973 gl stud su modell che ntendono rappresentare cosa può succedere nel

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn

Dettagli