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

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "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"

Transcript

1 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

2 Modell d localzzazone nel dscreto

3 Modell a Prodotto Sngolo e a Un Lvello I modell sngle-commodty, one-level (SCOL) consentono d schematzzare problem d localzzazone d nod logstc qualora sa trascurable, o pressoché costante, l costo d trasporto da nod a monte oppure verso nod a valle.

4 Modell a Prodotto Sngolo e a Un Lvello Tpche Applcazon Localzzazone d stablment produttv, come ad esempo quell del settore sderurgco, con lavorazon caratterzzate da un prodotto fnale d peso sensblmente nferore a quello delle matere prme utlzzate (n tal cas, cost d trasporto assocat a fluss n ngresso all mpanto rsultano preponderant). Localzzazone de centr d dstrbuzone d un mpresa commercale che acqust le merc e provveda po al rfornmento de punt d vendta spars su una vasta area geografca.

5 Modell a Prodotto Sngolo e a Un Lvello Obettvo da persegure: mnmzzazone della somma de cost d gestone de centr d dstrbuzone e de cost d trasporto da quest a punt d domanda. Vncol pù comun: - numero de nod - massmo lvello d attvtà realzzable n un sto - tempo d servzo a clent.

6 Modell a Prodotto Sngolo e a Un Lvello Esempo RDC Localzzazone d RDC Punt d Domanda

7 Modell a Prodotto Sngolo e a Un Lvello S consder un grafo orentato bpartto G(V 1 V 2, A) nel quale: V 1 : nseme de st potenzal V 2 : nseme de punt d domanda (clent) A : nseme degl arch assocat a fluss materal tra st potenzal e punt d domanda.

8 Modell a Prodotto Sngolo e a Un Lvello La presenza d un vncolo sul mnmo lvello d servzo da offrre a clent può essere portata n conto elmnando da A gl arch (, j) tal che l tempo d trasporto da a j è superore al valore massmo consentto.

9 Modell a Prodotto Sngolo e a Un Lvello 1 1 Rappresentazone su grafo bpartto del problema d localzzazone a un lvello j V 1 V 2 gl arch (1,j ) e ( V 1,1) sono assent nell potes che temp d vaggo tra nod corrspondent sano superor al valore massmo consentto

10 Modell a Prodotto Sngolo e a Un Lvello (SCOL) Formulazone S ndch: d j, j V 2 q, V 1 quanttà d prodotto rchesta dal punto d domanda j capactà del sto u, V 1 s j, V 1, j V 2 varable decsonale che esprme l lvello d attvtà nel sto (quanto flusso esce dal sto ) varable decsonale rappresentante la quanttà d prodotto nvata dal sto al punto d domanda j

11 Modell a Prodotto Sngolo e a Un Lvello Formulazone C j (s j ), V 1, j V 2 costo corrspondente al trasporto d una quanttà d prodotto s j dal sto al punto d domanda j F (u ), V 1 funzone d costo corrspondente al lvello d attvtà u nel sto

12 Modell a Prodotto Sngolo e a Un Lvello Osservazon le varabl u, V 1 defnscono la scelta d localzzazone (un sto è sede d un attvtà se e solo se la corrspondente varable u è postva); le varabl s j, V 1, j V 2 defnscono la scelta d allocazone delle domande a nod logstc.

13 Modell a Prodotto Sngolo e a Un Lvello Mn s.t. V 1 j V 2 j V 2 V 1 j V 2 C j ( s j ) + V 1 s =, V 1 j u s =, j V 2 j d j s, V 1 j q F ( u ) s j 0, V 1, j V 2 u 0, V 1.

14 Modell a Prodotto Sngolo e a Un Lvello Cost d Trasporto Lnear e d Eserczo Costant (1/9) S supponga che: 1. l costo d trasporto sa d tpo lneare: 2. l costo F (u ) ncluda, per ogn V 1, un termne d avvamento (set-up) f ed un costo margnale g costante al varare d u : C j (s j ) = cj s j, V 1, j V 2 ( u ) = f +g 0, u, se u se u > 0 F, V 1. = 0

15 Modell a Prodotto Sngolo e a Un Lvello Cost d Trasporto Lnear e d Eserczo Costant (2/9) Assumendo g trascurable, è possble sostture la varable contnua u con una varable d tpo bnaro y (d valore par a 1 se nel vertce V 1 è aperto un mpanto, 0 altrment). In tal caso, s ha: F = f y, V 1 ed vncol relatv alla capactà de st ed a fluss da ess uscent sono così rformulat: j V 2 s j q, V 1 s j q y, V 1. j V 2

16 Modell a Prodotto Sngolo e a Un Lvello Cost d Trasporto Lnear e d Eserczo Costant (3/9) 3. Qualora sa defnto un numero p prefssato d nod logstc da localzzare, è necessaro aggungere l vncolo: V 1 y = p.

17 Modell a Prodotto Sngolo e a Un Lvello Cost d Trasporto Lnear e d Eserczo Costant (4/9) 4. Indcando con x j, V 1, j V 2 la frazone della domanda d j del punto d domanda j soddsfatta dal nodo, s ha : s j = d j x j, V 1, j V 2, e l lvello d attvtà u nel nodo logstco V 1 può essere espresso nel modo seguente: u = j V 2 d j x j, V 1.

18 Modell a Prodotto Sngolo e a Un Lvello Cost d Trasporto Lnear e d Eserczo Costant (5/9) Mn s.t. V V j V c j x j V 1 1 j V 2 V 1 x = 1, j V 2 j f y d x q y, V 1 y j j = p 0 x j 1, V 1, j V 2 y {0, 1}, V 1.

19 Modell a Prodotto Sngolo e a Un Lvello Cost d Trasporto Lnear e d Eserczo Costant (6/9) dove s è ndcato con c j = cj d j, V 1, j V 2 l costo d trasporto sostenuto qualora l ntera domanda d j del clente j V 2 sa soddsfatta dal nodo logstco V 1. La formulazone ottenuta è alquanto generale e talvolta può essere semplfcata!

20 Modell a Prodotto Sngolo e a Un Lvello Cost d Trasporto Lnear e d Eserczo Costant (7/9) Elmnando l vncolo che mpone l numero d nod da localzzare, s ottene l modello d localzzazone d mpant con vncol d capactà (capactated plant locaton, CPL). Rmuovendo da quest ultmo anche vncol relatv alla capactà de nod, s ottene l modello d localzzazone d mpant non-capactato (smple plant locaton, SPL o Ucapactated plant locaton, UCPL)

21 Modell a Prodotto Sngolo e a Un Lvello Cost d Trasporto Lnear e d Eserczo Costant (8/9) Supponendo, nvece, nella formulazone generale: 1. f = f, V 1 l costo d eserczo de nod è costante e par a fp; 2. d j = 1, j V 2 ; 3. q = V 2, V 1 s ottene l modello d p-medana.

22 Modell a Prodotto Sngolo e a Un Lvello Cost d Trasporto Lnear e d Eserczo Costant (9/9) Un estensone del modello può essere nvece ottenuta rchedendo che un sottonseme de nod logstc V 1 V 1 sa necessaramente attvato. Cò può otteners aggungendo al modello generale seguent vncol: y = 1, V 1.

23 Mn s.t. j V V 1 2 V 1 j V 2 c j x j x = 1, j V 2 j d j xj q, V 1 0 x j 1, V 1, j V 2.

24 Modell a Prodotto Sngolo e a Un Lvello Allocazone della Domanda (1/2) A causa della presenza de vncol d capactà può accadere che, all ottmo, alcune varabl x j * assumano valor frazonar. Ne modell d localzzazone senza vncol d capactà, nvece, esste almeno una soluzone ottma a component ntere (propretà d sngle assgnment).

25 Modell a Prodotto Sngolo e a Un Lvello Allocazone della Domanda (2/2) In tal cas, è possble ottenere agevolmente la soluzone ottma ntera, determnando per ogn vertce j V 2, l nodo tale che: j V 1 e ponendo: j = arg mn{ c V 1 j } x * j = 1, se = j 0, altrment.

26 Modell a Prodotto Sngolo e a Un Lvello (88/111) Cost d Eserczo Concav e Lnear a Tratt (1/11) Caso A Il costo d eserczo F (u ) d un nodo logstco V 1 è esprmble nel seguente modo: f +gu, se u > 0 F ( u ) =, V 1, 0, se u = 0 dove l lvello d attvtà del nodo V 1 è dato da: u = j V 2 d j x j, V 1.

27 Modell a Prodotto Sngolo e a Un Lvello (89/111) Cost d Eserczo Concav e Lnear a Tratt (2/11) Caso A F (u ) f u Andamento del costo d eserczo F (u ) del sto V 1

28 Modell a Prodotto Sngolo e a Un Lvello (90/111) Cost d Eserczo Concav e Lnear a Tratt (3/11) Caso A Tale caso è rconducble al modello SCOL rscrvendo la funzone obettvo nel modo seguente: V j V t j x j V 1 f y dove: t j = c j + g d j, V 1, j V 2.

29 Modell a Prodotto Sngolo e a Un Lvello (91/111) Cost d Eserczo Concav e Lnear a Tratt (4/11) Caso A S osserv che: se l sto V 1 è attvato, l prmo termne della funzone obettvo porta n conto non solo l costo d trasporto c j x j, j V 2, ma anche l alquota g d j x j del costo varable del centro logstco V 1 ; se, nvece, l sto V 1 non è attvato, le varabl x j, j V 2, assumono valore zero e qund cò non comporta alcuna alquota d costo per la funzone obettvo.

30 Modell a Prodotto Sngolo e a Un Lvello (92/111) Cost d Eserczo Concav e Lnear a Tratt (5/11) Caso B S supponga che: l nodo logstco non sa economcamente convenente quando l suo lvello d attvtà è nferore a un valore o superore a una sogla ; per valor ntermed, l costo cresca con andamento lneare. + q q

31 Modell a Prodotto Sngolo e a Un Lvello (93/111) Cost d Eserczo Concav e Lnear a Tratt (6/11) Caso B In tal caso, l costo d eserczo d un nodo logstco V 1 ha un andamento del tpo: F (u ) f u q + q

32 Modell a Prodotto Sngolo e a Un Lvello (94/111) Cost d Eserczo Concav e Lnear a Tratt (7/11) Caso B Tale caso è rconducble al caso precedente ponendo nel modello SCOL con funzone obettvo seguent vncol nerent la capactà de nod: q y d x q y, V 1. V j V j V 2 t j x j j j V 1 f + y

33 Modell a Prodotto Sngolo e a Un Lvello (95/111) Cost d Eserczo Concav e Lnear a Tratt (8/11) Caso C S consder l caso n cu, data la presenza d econome d scala, l costo d eserczo F (u ) d un nodo logstco V 1 sa una funzone concava e lneare a tratt del suo lvello d attvtà. Ad esempo, se v sono solo due tratt: " " ' f +g u, se u > u ' ' ' F ( u ) = f+g u, se 0 < u u, V 1 0, se u = 0,

34 Modell a Prodotto Sngolo e a Un Lvello (96/111) Cost d Eserczo Concav e Lnear a Tratt (9/11) Caso C F (u ) " f ' f ' u Rsulta evdente che: f < f e g > g u

35 Modell a Prodotto Sngolo e a Un Lvello (97/111) Cost d Eserczo Concav e Lnear a Tratt (10/11) Caso C In tal caso, è possble rmpazzare ogn nodo logstco caratterzzato da un sffatto costo d eserczo con tant nod fttz quant sono tratt lnear della funzone d costo. Qund, nell esempo preso n esame l nodo V 1 è rmpazzato da due nod fttz e, cu cost d eserczo sono caratterzzat, rspettvamente, da cost fss par a f e f e da cost margnal par a g e g.

36 Modell a Prodotto Sngolo e a Un Lvello (98/111) Cost d Eserczo Concav e Lnear a Tratt (11/11) Caso C Osservazone: n tal modo l problema è rconducble al Caso A trattato n precedenza, gacché s può dmostrare faclmente che, n ogn soluzone ottma, al pù uno de nod logstc fttz può essere eventualmente selezonato.

37 Modell Mult-Prodotto a Due Lvell (1/12) I modell mult-prodotto a due lvell (mult-commodty, two-levels, MCTL) consentono d schematzzare alcun tra problem d localzzazone-allocazone pù compless.

38 Modell Mult-Prodotto a Due Lvell (2/12) Tpche applcazon s hanno nel settore de ben d largo consumo, n cu gl artcol sono tpcamente centnaa (con caratterstche fsche molto dverse l uno dall altro) e l sstema logstco s compone d mpant d produzone e d un solo tpo d centr d dstrbuzone (dstrbuton centers, DC).

39 Modell Mult-Prodotto a Due Lvell (3/12) S ndch con: V 1 l nseme degl mpant d produzone; V 2 l nseme de DC potenzal, de qual p sono da attvare; V 3 l nseme de punt d domanda; K le class d prodott omogene; k c jr, V 1, j V 2, r V 3, k K, l costo d trasporto untaro del prodotto k dall mpanto al punto d domanda r attraverso l centro d dstrbuzone j ;

40 Modell Mult-Prodotto a Due Lvell (4/12) k d r, r V 3, k K, la quanttà d prodotto k rchesta dal punto d domanda r ; k p, V 1, k K, la massma quanttà d prodotto k che l mpanto può realzzare nell untà d tempo (ad esempo, un anno); - + q j, q j, j V 2, rspettvamente, l mnmo e l massmo lvello d attvtà del DC potenzale j.

41 Modell Mult-Prodotto a Due Lvell (5/12) S supponga, nfne, che: l costo d eserczo d cascun centro d dstrbuzone j V 2 sa esprmble n funzone del quanttatvo d merc mmagazznato e caratterzzato, n partcolare, da cost fss f j e cost margnal g j ; la domanda non sa frazonable.

42 Modell Mult-Prodotto a Due Lvell (6/12) Varabl decsonal : z j, j V 2, d tpo bnaro, avente valore par a 1 se l centro d dstrbuzone j è selezonato, 0 altrment; y jr, j V 2, r V 3, d tpo bnaro, avente valore par a 1 se l punto d domanda r è assegnato al centro d dstrbuzone j, 0 altrment;

43 Modell Mult-Prodotto a Due Lvell (7/12) Varabl decsonal : k s jr, V 1, j V 2, r V 3, k K, rappresentante la quanttà d prodotto k trasportata dall mpanto al punto d domanda r attraverso l centro d dstrbuzone j.

44 Modell Mult-Prodotto a Due Lvell (8/12) k k Mn c jr sjr + ( f j z j + g j s.t. V 1 j V 2r V 3 k K j V 2 r V 3 s k jr s = d p k j V 2 r V 3k K, V 1, k K k k jr r y jr, j V 2, r V 3, k K V 1 j V 2 q - j z j V 2 y = 1, r V 3 jr j r V 3k K j = p z d k r z j {0, 1}, j V 2 y jr q + j z j, j V 2 y jr {0, 1}, j V 2, r V 3 s 0, V 1, j V 2, r V 3, k K k jr d k r y jr )

45 Modell Mult-Prodotto a Due Lvell (9/12) Nella pratca, può essere necessaro apportare delle modfche al modello MCTL, elmnando alcun vncol e/o aggungendo nuov vncol (che rchedano, ad esempo, l attvazone d determnat DC oppure l assegnazone d cert punt d domanda a un dato DC).

46 Modell Mult-Prodotto a Due Lvell (10/12) Ulteror possbl varant al modello MCTL: un mpanto V 1 non è n grado d produrre un certo prodotto k K n questo caso s rmuovono dal modello le varabl per ogn r V 3 e j V 2 ; l collegamento d un mpanto V 1 a un centro d dstrbuzone j V 2 è charamente mpratcable a causa dell elevata dstanza n questo caso s rmuovono dal modello le varabl per ogn r V 3 e k K; k s jr k s jr

47 Modell Mult-Prodotto a Due Lvell (11/12) l tempo d servzo del punto d domanda r V 3 da parte del centro d dstrbuzone potenzale j V 2 è eccessvo n questo caso s rmuovono dal modello la varable y jr e le varabl k s jr per ogn V 1 e k K.

48 Modell Mult-Prodotto a Due Lvell (12/12) Il problema MCTL è un modello d programmazone lneare ntera msta (mxed nteger programmng, MIP) NP-dffcle. Ne problem MIP la presenza congunta d varabl ntere e contnue rende, n genere, la rsoluzone molto pù laborosa rspetto a problem con sole varabl ntere (nteger programmng, IP).

49 Metod d Aggregazone della Domanda (1/11) Approcco comunemente seguto per la rsoluzone d problem d localzzazone NP-dffcl: aggregazone d dvers punt d domanda adacent, n modo che ess sano rappresentabl da un unco nodo nel modello.

50 Metod d Aggregazone della Domanda (2/11) In tal modo, s ottene un problema pù semplce, caratterzzato da un mnor numero d varabl e d vncol, ma con una soluzone ottma peggore d quella del problema orgnale!

51 Metod d Aggregazone della Domanda (3/11) S consder un metodo d aggregazone per l modello CPL n cu punt d domanda d un sottonseme S V 2 sono aggregat ponendo: x j = x k, V 1, j S, k S. In questo modo, cascun punto j S rceve la medesma frazone d domanda da parte d ogn nodo logstco V 1.

52 Metod d Aggregazone della Domanda (4/11) Indcando con s l punto d domanda rsultante dall aggregazone, l modello CPL s può semplfcare nel seguente modo: Mn s.a V V c x + j j j ( V \ S ) { s V 1 2 } 1 x j j j j ( V 2 \ S ) { s} 1 f y = 1, j (V 2 \S) {s} d x q y, V 1 0 x j 1, V 1, j (V 2 \S) {s} y {0, 1}, V 1,

53 Metod d Aggregazone della Domanda (5/11) dove: e c =, V 1, s c j j S d =. s d j j S

54 Metod d Aggregazone della Domanda (6/11) E utle valutare un lmte superore per l errore commesso nel processo d aggregazone. A tale proposto, s ndchno con e cost delle soluzon ottme del problema orgnale e d quello aggregato, rspettvamente. * z CPL (a) z CPL

55 Metod d Aggregazone della Domanda (7/11) Propretà. S ha dove: ε = * zcpl j S max V 1 (a) z CPL d * z CPL + ε, j r S r S d c r r c j esprme l errore commesso (nel caso peggore) nel processo d aggregazone come somma de massm ncrement de cost d dstrbuzone de dvers punt d domanda n S.

56 Metod d Aggregazone della Domanda (8/11) Dmostrazone. c r rappresenta l costo d trasporto sostenuto qualora l ntera r S domanda de clent n S sa servta dal nodo d logstco V 1. j rappresenta la frazone della domanda totale de clent n S d r relatva al clente j. r S

57 Metod d Aggregazone della Domanda (9/11) Dmostrazone. d j r S r S d c r r c j rappresenta, dunque, la varazone (postva, negatva o nulla) del costo d assegnazone dell ntera domanda d j V 2 al nodo logstco V 1 qualora vertc d S sano aggregat.

58 LOCALIZZAZIONE DEI NODI LOGISTICI Metod d Aggregazone della Domanda (10/11) La tecnca d aggregazone può essere estesa al caso d K sottonsem dsgunt S 1,, S K. Anche n questo caso, è possble ndvduare a pror un lmte superore all errore.

59 Metod d Aggregazone della Domanda (11/11) Propretà. Rsulta: * zcpl (a) z CPL * z CPL K + ε k= 1 k, dove: ε k = j S k max V 1 d r S j r S k k d c r r c j.

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

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

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

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

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 Struttura delle ret logstche Sstem produttv multstado Struttura logstca

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per

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

Newsletter "Lean Production" Autore: Dott. Silvio Marzo

Newsletter Lean Production Autore: Dott. Silvio Marzo Il concetto d "Produzone Snella" (Lean Producton) s sta rapdamente mponendo come uno degl strument pù modern ed effcac per garantre alle azende la flessbltà e la compettvtà che l moderno mercato rchede.

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

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

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

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

4.6 Dualità in Programmazione Lineare

4.6 Dualità in Programmazione Lineare 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble

Dettagli

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014 Dpartmento d Economa Azendale e Stud Gusprvatstc Unverstà degl Stud d Bar Aldo Moro Corso d Macroeconoma 2014 1.Consderate l seguente grafco: LM Partà de tass d nteresse LM B A IS IS Y E E E Immagnate

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

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

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

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

LE RETI DISTRIBUTIVE (2): criteri di modellizzazione

LE RETI DISTRIBUTIVE (2): criteri di modellizzazione Progettazone e Gestone della Supply Chan Facoltà d Ingegnera LE RETI DISTRIBUTIVE (2): crter d modellzzazone Prof. Fabrzo Dallar Ing. Tommaso Ross Ing. Alessandro Creazza C-log Unverstà C. Cattaneo LIUC

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

Esame di Statistica Corso di Laurea in Economia

Esame di Statistica Corso di Laurea in Economia Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand Collusone (Cabral cap.8 PRN capp. 13-14) Accord tact o esplct per aumentare l potere d mercato e pratcare prezz pù elevat rspetto all equlbro non cooperatvo corrspondente Esste un vantaggo dalla collusone

Dettagli

TECNICHE DI PROGRAMMAZIONE

TECNICHE DI PROGRAMMAZIONE TECNICHE DI PROGRAMMAZIONE IPOTESI SOTTOSTANTE: TECNICHE LINEARI (COEFFICIENTI FISSI DI PRODUZIONE) PREVISIONI (vendte, prezz de ben e de fattor) medante tecnche estrapolatve, econometrche e d mercato

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

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

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

Dettagli

La contabilità analitica nelle aziende agrarie

La contabilità analitica nelle aziende agrarie 2 La contabltà analtca nelle azende agrare Estmo rurale ed element d contabltà (analtca) S. Menghn Corso d Laurea n Scenze e tecnologe agrare Percorso Economa ed Estmo Contabltà generale e cont. ndustrale

Dettagli

Lezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott.

Lezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott. Lezon d Rcerca Operatva Corso d Laurea n Informatca Unverstà d Salerno Lezone n 18 - Teora de graf: defnzon d base - Problema del flusso a costo mnmo Prof. Cerull Dott.ssa Gentl Dott. Carrabs Teora de

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

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

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

RELAZIONE TECNICA. Introduzione. 1 Finalità e requisiti delle attività di dispacciamento nel mercato elettrico liberalizzato

RELAZIONE TECNICA. Introduzione. 1 Finalità e requisiti delle attività di dispacciamento nel mercato elettrico liberalizzato Allegato n. 1 a Prot AU/01/130 RELAZIONE TECNICA PRESUPPOSTI PER L ADOZIONE DI SCHEMA DI CONDIZIONI PER L EROGAZIONE DEL PUBBLICO SERVIZIO DI DISPACCIAMENTO DELL ENERGIA ELETTRICA SUL TERRITORIO NAZIONALE

Dettagli

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE

Dettagli

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS Delberazone 20 ottobre 2004 Approvazone delle condzon general d accesso e d erogazone del servzo d rgassfcazone d gnl predsposte dalla socetà Gnl Itala Spa (delberazone n. 184/04) L AUTORITÀ PER L ENERGIA

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

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

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

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

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia PROT. N 53897 ENTE EMITTENTE: OGGETTO: DESTINATARI: DATA DECORRENZA: CIRCOLARE N. 9 DC Cartografa, Catasto e Pubblctà Immoblare, d ntesa con l Uffco del Consglere Scentfco e la DC Osservatoro del Mercato

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell er la anfcazone delle attvtà Paolo Dett Dartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell er la anfcazone delle

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

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

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

TEST D INGRESSO MATEMATICA 24/05/2011

TEST D INGRESSO MATEMATICA 24/05/2011 TEST D INGRESSO MATEMATICA // COGNOME NOME ISTITUTO COMPRENSIVO/SCUOLA MEDIA CITTA Legg attentamente. ISTRUZIONI PER LA COMPILAZIONE DEL QUESTIONARIO Inza a lavorare solo quando te lo drà l nsegnante e

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria 2 Modello IS-LM 2. Gl e ett della poltca monetara S consderun modello IS-LM senzastatocon seguent datc = 0:8, I = 00( ), L d = 0:5 500, M s = 00 e P =. ) S calcolno valor d equlbro del reddto e del tasso

Dettagli

SERVITU PREDIALI. Definizione: peso imposto sopra un fondo (servente), per l utilità di un altro fondo (dominante) appartenente a diverso proprietario

SERVITU PREDIALI. Definizione: peso imposto sopra un fondo (servente), per l utilità di un altro fondo (dominante) appartenente a diverso proprietario SERVITU PREDIALI Defnzone: peso mposto sopra un fondo (servente), per l utltà d un altro fondo (domnante) appartenente a dverso propretaro PREDIALE: predum = FONDO (rferble ad mmoble sa rustco che urbano)

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

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

Circuiti di ingresso differenziali

Circuiti di ingresso differenziali rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

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

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

Esame di metodi matematici per le decisioni economiche e aziendali

Esame di metodi matematici per le decisioni economiche e aziendali UNIVERSITÀ DEGLI STUDI ROMA TRE Esame d metod matematc per le decson economche e aendal 9-02-209 Canddato (cognome e nome)......... Matrcola...... ) Data la matrce 200 00 80 200 200 250 400 300 50 50 00

Dettagli

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

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

Prima parte (per un totale di 25 punti)

Prima parte (per un totale di 25 punti) PROVA SCRITTA DI SCIENZA DELLE FINANZE - 5 febbrao 2019 Corso d laurea trennale n Economa e commerco anno accademco 2018-2019 TRACCIA B Prma parte (per un totale d 25 punt) ISTRUZIONI: In presenza d valor

Dettagli

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

Capitolo 33 TRASPORTO IN PRESSIONE

Capitolo 33 TRASPORTO IN PRESSIONE Captolo 33 TRASPORTO IN PRESSIONE 1 INTRODUZIONE I sstem d condotte n pressone destnat all'approvvgonamento drco comprendono: - gl acquedott estern, che adducono l'acqua dalle font d'almentazone alle zone

Dettagli

Gli impatti dei cambiamenti climatici sull atmosfera e sul mare: il ruolo dei Climate Services

Gli impatti dei cambiamenti climatici sull atmosfera e sul mare: il ruolo dei Climate Services Gl mpatt de cambament clmatc sull atmosfera e sul mare: l ruolo de Clmate Servces Maurzo Mauger Dpartmento d Fsca Va Celora 16 I20133 MILANO maurzo.mauger@unm.t Indce Descrzone dell UdR UnM Un esempo d

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

Corso di laurea in Economia marittima e dei trasporti

Corso di laurea in Economia marittima e dei trasporti Unverstà degl stud d Genova Corso d laurea n Economa marttma e de trasport Il problema del cammno mnmo n ret multobettvo Relatrce: Anna Scomachen Canddato: Slvo Vlla Dedcato a: Coloro che n me Hanno sempre

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

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

Corso di Economia Applicata

Corso di Economia Applicata Corso d Economa Applcata a.a. 2007-08 II modulo 16 Lezone Programma 16 lezone Democraza rappresentatva e nformazone Rcaptolando L agenza e l mercato (Arrow, 1986) Lezone 16 2 Introduzone Governo e Parlamento

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

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

Dettagli

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

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

Dettagli

McGraw-Hill. Tutti i diritti riservati. Caso 11

McGraw-Hill. Tutti i diritti riservati. Caso 11 Caso Copyrght 2005 The Companes srl Stma d un area fabbrcable n zona ndustrale nella cttà d Ferrara. La stma è effettuata con crter della comparazone e quello del valore d trasformazone. Indce Confermento

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

Verifica termoigrometrica delle pareti

Verifica termoigrometrica delle pareti Unverstà Medterranea d Reggo Calabra Facoltà d Archtettura Corso d Tecnca del Controllo Ambentale A.A. 2009-200 Verfca termogrometrca delle paret Prof. Marna Mstretta ANALISI IGROTERMICA DEGLI ELEMENTI

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

Dettagli

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. 2007/2008

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Rappresentazione dei numeri

Rappresentazione dei numeri Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

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

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

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