Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso
|
|
- Francesca Martinelli
- 8 anni fa
- Visualizzazioni
Transcript
1 Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it) Antonio Comi (comi@ing.uniroma2.it) Pierluigi Coppola (coppola@ing.uniroma2.it) Umberto Crisalli (crisalli@ing.uniroma2.it) 1
2 Introduzione Costruzione di un modello di domanda: - Definizione della forma funzionale (ad es. Logit) - Attributi (funzione utilità media o sistematica) - Stima dei parametri (beta) - Validazione Capacità di riprodurre le scelte effettuate dal campione (test informali e test statistici) E un processo iterativo trial-and-error Specificazione Validazione Stima dei parametri 2
3 Specificazione del modello Scegliere la forma funzionale - trattabilità computazionale Logit, Nested-Logit vs. Probit, Mixed-Logit, etc. - modelli utilizzati in casi analoghi (es. modelli di scelta modale) - aspettative a priori sulla indipendenza o meno dei residui aleatori (matrice varianza-covarianza) AUTO BUS TRAM 3
4 Matrice varianza-covarianza E una matrice (simmetrica) che riporta sulla diagonale la varianza dei residui aleatori delle diverse alternative e nelle altre celle i valori della covarianza tra i residui aleatori di coppie di alternative A seconda dell ipotesi sulla matrice varianza-covarianza dei residui aleatori, possiamo avere diverse forme funzionali del modello, ad es. Modello Logit: omoschedastico e a covarianza nulla Modello Nested-Logit: si introduce una covarianza tra gruppi di 2 alternative, ad es. tra i modi di trasporto collettivo 0 Modello Probit: si introduce l eteroschedasticità e la covarianza tra tutte alternative Auto AB AT 2 COL AB 2 Bus COL 0 COL 2 AT COL 2 TRAM 4
5 Specificazione del modello definire gli attributi, X k, del modello: Tipologia di attributi o Attributi di livello di servizio, socio-economici, del sistema di attività, o Attributi specifici o generici o Attributi Specifici dell Alternativa (Alternative Specific Constant, ASC) evitare correlazione tra attributi (collinearità)! attenzione all applicazione e agli usi del modello attributi non lineari (es. funzione di utilità sistematica lineare a tratti) V 1 2 V 1 X k 1 s s ( X k s) se se X X k k s s Soglia «s» X k 5
6 Metodo dei minimi quadrati S individua il vettore di parametri che minimizza il quadrato delle differenze tra probabilità da modello e percentuali osservate: essendo: j J i i LSM arg min LSM( ) arg min p ( j) pˆ ( j) p i (j) pˆ i la generica alternativa di scelta il numero di alternative disponibili j= 1...J la probabilità da modello dell alternativa j per l utente i la percentuale con cui l alternativa j è scelta nel campione dall utente i 2 Tale vettore dei beta massimizza la capacità del modello di riprodurre le percentuali aggregate osservate nel campione 6
7 Metodo della massima verosimiglianza Funzione di Likelihood (verosimiglianza) - n, numerosità del campione L() = i=1...n p i [j(i)](x i,) - i, utente generico del campione - p[j(i)], probabilità (da modello) dell alternativa j(i) scelta effettivamente dall utente i (nel campione) S individua il vettore di parametri che massimizza il valore della funzione di verosimiglianza: ML arg max ln L( ) arg max i= 1...n i j i X, Tale vettore dei beta massimizza la probabilità di osservare tramite il modello le scelte effettuate dal campione ln p i 7
8 Metodo della massima verosimiglianza Esempio n=3 j=a,b pa utente j(i) i C A 1 A A B 4 3 C B i exp exp C A C exp C A B L exp exp 3 3 exp 5 exp exp 2 2 exp exp exp 3 3 exp 4 8
9 VALIDAZIONE DI UN MODELLO DI DOMANDA test, informali sui coefficienti di un modello test, formali sui coefficienti di un modello test sulla bontà di interpolazione o ( goodness of fit ) analisi dell elasticità (risposta del modello in fase di applicazione) 9
10 VALIDAZIONE DI UN MODELLO DI DOMANDA TEST INFORMALI SUI COEFFICIENTI DI UN MODELLO verifica della ragionevolezza dei segni dei coefficienti (es. <0 per tempi o costi monetari >0 per la disponibilità di automobili nell utilità del modo auto di un modello di scelta modale o per la quantità di esercizi commerciali nel modello di scelta della destinazione). verifica dei rapporti fra i coefficienti di attributi diversi (es. t / c =VOT -«Value of Time» - può essere confrontato con risultati di altre calibrazioni e aspettative sulla disponibilità a pagare degli utenti, valore delle ASC, ) verifica del valore relativo di alcuni coefficienti (es. tempo a piedi > tempo a bordo ) 10
11 VALIDAZIONE DI UN MODELLO DI DOMANDA TEST FORMALI SUI COEFFICIENTI DEL MODELLO TEST T-STUDENT SUI SINGOLI COEFFICIENTI A) IPOTESI NULLA: H 0 : k =0 : serve a rigettare l ipotesi che i valori stimati dei beta siano statisticamente uguali da zero STATISTICA UTILIZZATA: t Var( ML k ML k t_student con n-k gradi di libertà con n= numerosità del campione k= n dei coefficienti stimati ) 1 / 2 Se t è maggiore di 1,96 l ipotesi può essere rigettata con una probabilità di errore del 5%, e quindi il valore stimato è considerato significativo (per n >30 t student normale standardizzata) 11
12 TEST FORMALI SUI COEFFICIENTI DEL MODELLO Esempi Se t > 1,96 la probabilità che l ipotesi nulla H 0 sia vera è del 5% Se t > 1,29 la probabilità che l ipotesi nulla H 0 sia vera è del 20% Tavola della variabile normale standard z 12
13 VALIDAZIONE DI UN MODELLO DI DOMANDA STATISTICHE E TEST SULLA BONTÀ DELL ACCOSTAMENTO DEL MODELLO (GOODNESS OF FIT) %_RIGHT n i i1 % _ right i n 1 0 se j( i) j( i) j j i max i max essendo: n j i max j(i) la numerosità del campione l alternativa di massima utilità da modello, per l utente i l alternativa scelta effettivamente dall utente i 13
14 STATISTICHE E TEST SULLA BONTÀ DELL ACCOSTAMENTO DEL MODELLO (GOODNESS OF FIT) VALIDAZIONE DI UN MODELLO DI DOMANDA STATISTICA RHO_QUADRO ln L( ln L( 0) ln L( ML ML ln L( 0) ) ) N con N è il numero dei coefficienti Tale statistica misura la bontà del modello nel riprodurre le scelte fatte dal campione: 2 1 Perfetta capacità riproduttiva del modello 2 0 Capacità riproduttiva del modello nulla 14
15 INDAGINI RP E INDAGINI SP Indagini RP (Revealed Preference o Preferenze Rivelate) indagini sui comportamenti effettivi (rivelati) dagli utenti in un contesto reale Si rilevano le scelte che gli utenti hanno realmente effettuato (Ad esempio quale percorso o quale modo di trasporto hanno scelto per spostarsi su una determinata relazione OD) Indagini SP ( Stated Preference o Preferenze Dichiarate) indagini sui comportamenti dichiarati dagli utenti in contesti ipotetici Si sottopongono all intervistato alcune alternative di viaggio e si chiede di scegliere qual è per lui la migliore 15
16 Esempio di indagine RP FINALITÀ DELL INDAGINE stima della domanda interna METODOLOGIA D INDAGINE indagine telefonica T.M.T Pragma S.r.l. Pragma S.r.l. Studio Market Selector S.a.s QUESTIONARIO INDAGINE TELEFONICA 7.00 / 9.00 Buongiorno/sera sono della.. Il nostro Istituto sta svolgendo un indagine per conto del Comune di Roma sugli spostamenti in città. Potrei parlare con una persona della sua famiglia di (sesso) e di età compresa tra e? Le preciso che in base alla legge 675 sulla tutela della privacy, lei è libero di accettare l intervista o di interromperla nel momento in cui lo ritenga opportuno. Le garantisco che qualsiasi informazione ci verrà data, verrà trattata in forma strettamente riservata e senza l uso dei dati personali. D. 1 SESSO 1 Uomo 2 Donna D. 2 QUAL E LA SUA ETA? anni D. 3 NELLA GIORNATA DI IERI LEI ERA A ROMA? 1 Si 2 No (passare a dom. 8) D. 3.1 E SEMPRE NELLA GIORNATA DI IERI LEI HA EFFETTUATO SPOSTAMENTI IN CITTA CHE ABBIANO AVUTO INIZIO O TERMINE TRA LE ORE 7.00 E LE ORE 9.00? 1 Si 2 No (passare a dom. 8) D. 4 DA QUANTE PERSONE E COMPOSTA LA SUA FAMIGLIA (LEI COMPRESA/O)? N persone D. 5 TRA LE PERSONE DELLA SUA FAMIGLIA QUANTE HANNO LA PATENTE DI GUIDA? persone D. 6 E LEI IN PARTICOLARE HA LA PATENTE DI GUIDA? 1 Si 2 No
17 Esempio di indagine RP FINALITÀ DELL INDAGINE stima della domanda interna METODOLOGIA D INDAGINE indagine telefonica PENSANDO SEMPRE NELLA GIORNATA DI IERI ALLA FASCIA ORARIA TRA LE ORE 7.00 E LE ORE 9.00, VORREI RICOSTRUIRE I SUOI SPOSTAMENTI. PER SPOSTAMENTO S INTENDE OGNI VOLTA CHE SI E MOSSO PER UNO SCOPO SPECIFICO. D.7 A CHE ORA HA AVUTO INIZIO IL PRIMO SPOSTAMENTO? : ora minuti D.7.1 DA QUALE INDIRIZZO HA AVUTO INIZIO QUESTO SPOSTAMENTO (indirizzo per esteso comprensivo di numero civico) Comune : 1 Roma 2 Fuori Roma (registrare il Comune per gli spostamenti successivi al primo) Via/Piazza/Largo N civico: D.7.2 IN QUALE COMUNE ED INDIRIZZO HA AVUTO TERMINE QUESTO SPOSTAMENTO? (comune ed indirizzo per esteso comprensivo di numero civico) Comune : 1 Roma 2 Fuori Roma (Non registrare l indirizzo se lo spostamento ha avuto termine fuori Roma) Via/Piazza/Largo N civico: D.7.3 A CHE ORA E GIUNTO A DESTINAZIONE (nel comune e/o all indirizzo citato a dom. 7.2)? : ora minuti D. 7.4 QUALE ERA IL MOTIVO DI QUESTO SPOSTAMENTO? 1 Andare al posto di lavoro 2 Visita a clienti/affari consegne 3 Andare a scuola 4 Acquisti, commissioni personali 5 Visita a parenti/amici 6 Visite mediche/cure personali 7 Svago (tutti escluso culturale), Sport (spettatore e/o praticante) 8 Svago culturale (cinema, teatro, museo) 9 Accompagnamento/prelevamento persone 10 Parrucchiere, barbiere, estetica 11 Ritorno all abitazione abituale 12 Altri motivi D.7.5. CON QUALE FREQUENZA EFFETTUA QUESTO SPOSTAMENTO? volte alla settimana volte al mese volte all anno (codificare con 1 volta all anno lo spostamento occasionale/ prima volta)
18 Esempio di indagine RP FINALITÀ DELL INDAGINE stima della domanda interna METODOLOGIA D INDAGINE indagine telefonica D.7.6. QUALE MEZZO/I HA UTILIZZATO PER EFFETTUARE QUESTO SPOSTAMENTO? SE HA USATO PIU DI UN MEZZO LI INDICHI IN SEQUENZA 1 A piedi 2 Bicicletta 1 mezzo 2 mezzo 3 mezzo 4 mezzo 3 Motocicletta ciclomotori (conducente) 4 Motocicletta ciclomotori (passeggero) 5 Auto privata (conducente) 6 Auto privata (passeggero) 7 Veicolo merci ad uso promiscuo 8 Taxi 9 Autobus (ATAC,COTRAL) 10 Tram 11 Metropolitana 12 Altro mezzo (treno FS, aereo) D.7.7. (Per tutti coloro con cod.3, 5 e 7 a dom. 7.6, eccetto quando a dom.7.2 la risposta è uguale a 2 (fuori Roma) e a dom. 7.6 è stato citato solo cod. 3 o 5 o 7)DOVE HA PARCHEGGIATO? 1 Strada o area pubblica gratuita 2 Strada o area pubblica a pagamento 3 Posto auto privato di proprietà 4 Posto auto privato a pagamento 5 Posto auto privato gratuito o riservato azienda 6 Autorimessa D.7.8. (Se ha usato più mezzi) IN QUALE INDIRIZZO HA PRESO IL SECONDO MEZZO? ED IL TERZO? Indirizzo per esteso secondo mezzo Via/Piazza/Largo N civico: Indirizzo per esteso terzo mezzo Via/Piazza/Largo N civico: ATTENZIONE PORRE LE DOM. DA 7 A 7.8 PER OGNI SPOSTAMENTO EFFETTUATO SUCCESSIVAMENTE AL PRIMO CONTROLLANDO CHE L INDIRIZZO DI ORIGINE COINCIDA CON QUELLO DI DESTINAZIONE DELLO SPOSTAMENTO PRECEDENTE
19 Esempio di indagine SP
20 CAMPIONI INDIVIDUALI E COLLETTIVI Le osservazioni che costituiscono il campione con cui si calibra un modello, possono essere relative a: Uno stesso individuo che effettua le proprie scelte ad esempio su una stessa relazione Origine-Destinazione in giorni diversi (Campioni individuali) Più individui che effettuano le proprie scelte, ad esempio su relazioni OD diverse e in giorni diversi (Campioni collettivi) 20
21 Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE Esempi di modelli di scelta del percorso DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it) Antonio Comi (comi@ing.uniroma2.it) Pierluigi Coppola (coppola@ing.uniroma2.it) Umberto Crisalli (crisalli@ing.uniroma2.it) 21
22 Example of path alternatives Frascati-Rome with Desired Arrival Time at 9:30 am Path 1 values [min] Path 2 values [min] Attributes min max average Attributes min max average waiting time waiting time on board time rail and metro on board time rail and metro on board time bus on board time bus access and egress walking time access and egress walking time late arrival time late arrival time early arrival time early arrival time number of transfers number of transfers total travel time total travel time Path 3 values [min] Path 4 values [min] Attributes min max average Attributes min max average waiting time waiting time on board time rail and metro on board time rail and metro on board time bus on board time bus access and egress walking time access and egress walking time late arrival time late arrival time early arrival time early arrival time number of transfers number of transfers total travel time total travel time Frascati Railways station Train Capannelle Railways station Bus Cinecittà Metro station Metro A Bus Sempione Bus stop Foot Ciampino Railways station Termini Metro station Piazza Sempione Bus Anagnina Metro station Metro A Metro B Conca D Oro Metro station Foot Tor Vergata University of Rome 22
23 Path choice behaviour assumption The user compares the alternative paths using a personal path utility function, for example: t V OD,tTTi ék ë ù û = b ED + b AE + [ b ED k AE k å TW + b TW,m m,k OB,m OB m,k + b CFW,m CFW m,k + b NT,m NT m,k ] m where: V is the Path Utility of path k for user i ED k is the Early or Late arrival time (i.e. the difference between the desired and the actual arrival time); AE k is the sum of access and egress times; TW m,k is the waiting time of transit service m; OB m,k is the on-board time; CFW m,k is the average on-board crowding degree; NT m is the number of transfers; i are the personal model parameters. Tor Vergata University of Rome 23
24 Which performances are required to the individual path choiche models? t-student test: H 0 : k = 0; rho-squared : ML 2 ln L( ) 1 lnl( 0) adjusted rho-squared ln L ML N 2 1 ln L( 0) N number of model parameters t Var ML k ML 1/ 2 k %-of- right = percentage of observations for which the choosen alternative is the one of maximum utility ( or the second best) Tor Vergata University of Rome 24
25 Example of Multinomial logit parameters estimated with 150 SP observations Esempio di questionario EXP Ora Ora T_ Tempo Attesa_ Viaggio Viaggio Tempo Tempo N N Partenza Arrivo Viaggio_Tot Piedi Bus Bus Metro Trasb_Bus Trasb_Metro Trasb_Bus Trasb_Metro SCELTA Tor Vergata University of Rome 25
26 Example of Multinomial logit parameters estimated with 150 SP observations USER User A User B User C User D User E User F Model type Waiting time (total) On-board time (train) On-board time (metro) On-board time (bus) Early and late arrival time βwaiting βrailway βmetro βbus βδ(early/late) %-of-right (1 st ) %-of-right incl. 1 st +2 nd best logit % ( 2 = 0.71) t =-4.06 t =-1.3 t =-1.64 t =-3.24 t = % logit % ( 2 = 0.67) t =-5.50 t =-3.12 t =-2.80 t =-3.31 t = % logit % ( 2 = 0.60) t =-3.31 t =-6.81 t = % logit % ( 2 = 0.90) t =-3.65 t =-3.24 t = % logit % ( 2 = 0.79) t =-5.24 t = % logit % ( 2 = 0.69) t =-1.71 t =-4.90 t =-0.14 t =-1.73 t = % Average logit % ( 2 = 0.51) t = t = t = t = t = % Tor Vergata University of Rome 26
27 Performances of Multinomial logit models Personal model Average model Applied to %-of-right %-of-right %-of-right %-of-right (1st) (2nd) (1st) (2nd) User A 84% 97% 83% 98% User B 81% 98% 51% 77% User C 64% 100% 65% 89% User D 95% 100% 91% 100% User E 88% 100% 79% 95% User F 90% 96% 85% 96% Tor Vergata University of Rome 27
28 Example of path alternatives Urban O-D pair Path 1 values [min] Path 2 values [min] Attribute min Max Average Attribute min Max Average Waiting time the first bus (minutes) Waiting time the first bus (minutes) On board (bus; minutes) On board (bus; minutes) On board metro minutes) On board metro minutes) Bus Transfer Time (minutes) Bus Transfer Time (minutes) Metro Transfer Time (minutes) Metro Transfer Time (minutes) Number of transfer bus Number of transfer bus Number of transfer metro Number of transfer metro On foot Time (minutes) On foot Time (minutes) Total Travel time (minutes) 62,00 121,00 76,47 Total Travel time (minutes) Path 3 values [min] Attribute min Max Average Waiting time the first bus (minutes) On board (bus; minutes) On board metro minutes) Bus Transfer Time (minutes) Metro Transfer Time (minutes) Number of transfer bus Number of transfer metro On foot Time (minutes) Total Travel time (minutes) Tor Vergata University of Rome 28
29 Example of Multinomial logit parameters estimated with 150 SP observations Urban O-D pair Attributes Travel time (total) Time on foot On-board and transfer time ASA (metro) Parameter User A User B Average (-7.86) (-5.11) (-5.24) (-1.78) (-10.67) (-6.24) (2.10) (-2.31) %-of-right 75% 72% 70% %-of-right including the 100% 94% 94% 1 st +2 nd best Tor Vergata University of Rome 29
30 Performances of Multinomial logit models Urban O-D pair Personal model Average model Applied to %-of-right %-of-right %-of-right %-of-right (1st) (2nd) (1st) (2nd) User A 75% 100% 74% 97% User B 72% 94% 62% 94% Tor Vergata University of Rome 30
Modelli matematici per le reti di trasporto:
A. A. 215-216 Modelli matematici per le reti di trasporto: Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso prof. ing. Antonio Comi Department of Enterprise Engineering
DettagliCalibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso
Corso di LOGISTICA TERRITORIALE Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it) Antonio Comi (comi@ing.uniroma2.it)
DettagliCalibrazione dei modelli di utilità aleatoria Modelli di scelta del percorso
A. A. 216-217 Calibrazione dei modelli di utilità aleatoria Modelli di scelta del percorso Agostino Nuzzolo Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Introduzione
DettagliRandom Utility Models
Corso di LOGISTICA TERRITORIALE http://didattica.uniroma2.it/ DOCENTE prof. ing. Agostino Nuzzolo prof. ing. Antonio Comi Random Utility Models 1 Modelli di utilità Ipotesi generali I modelli di utilità
DettagliStima diretta della domanda di trasporto
Corso di PIANIFICAZIONE DEI TRASPORTI 1 prof. ing. Agostino Nuzzolo aprile 2007 Stima diretta della domanda di trasporto 1 Stima della domanda di trasporto Introduzione STIMA DELLA DOMANDA ATTUALE STIMA
DettagliRandom Utility Models: surveys, model building and examples
A. A. 216-217 http://didattica.uniroma2.it Random Utility Models: surveys, model building and examples DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it) Antonio Comi (comi@ing.uniroma2.it) RP and SP Surveys
DettagliPIANIFICAZIONE DEI TRASPORTI. Prof. Massimo Di Gangi Dipartimento di Ingegneria Civile Corso di Pianificazione dei Trasporti A.A. 2008/2009 - Intro 1
PIANIFICAZIONE DEI TRASPORTI Dipartimento di Ingegneria Civile Corso di Pianificazione dei Trasporti A.A. 2008/2009 - Intro 1 Il sistema della domanda di trasporto Specificazione di un modello di scelta
DettagliLA MOBILITA' A SAN GIOVANNI VALDARNO
LA MOBILITA' A SAN GIOVANNI VALDARNO Il presente questionario ha lo scopo di stimare parametri di mobilità caratteristici delle famiglie residenti nelle aree del Comune di San Giovanni Valdarno nell'ambito
DettagliIntroduzione al corso
A. A. 215-216 Introduzione al corso prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Orari ed aule di lezione MARTEDÌ MERCOLEDÌ VENERDÌ ore 11:3 13:15 Aula B2
DettagliGli spostamenti quotidiani per Studio e per Lavoro a Monza. La mobilità giornaliera
2014 10 Gli spostamenti quotidiani per Studio e per Lavoro a Monza La mobilità giornaliera L informazione statistica Deve essere considerata Dalla Pubblica Amministrazione Come una risorsa essenziale per
DettagliIl pendolarismo nel Comune di Udine Dati censuari
COMUNE DI UDINE Dipartimento Affari Generali Unità Organizzativa Studi e Statistica Il pendolarismo nel Comune di Udine Dati censuari A cura di: Dr. Daniele Paolitti Hanno collaborato: Dr. Rosangela Dominici
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliMARKETING E TRASPORTO PUBBLICO PROFILI DI UTENZA E POTENZIALITA DEL CAR SHARING ALL INTERNO DEI SERVIZI DI TRASPORTO URBANO
ICS CAR SHARING Service Satisfaction Job 04- MARKETING E TRASPORTO PUBBLICO PROFILI DI UTENZA E POTENZIALITA DEL CAR SHARING ALL INTERNO DEI SERVIZI DI TRASPORTO URBANO Job 04- Relatore: Andrea Cimenti
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliAppendice. I QUESTIONARI
Appendice. I QUESTIONARI QUESTIONARIO PER L AZIENDA Informazioni Generali me Azienda/Ente Tipo di Azienda/Ente Settore di attività Città: Via/Piazza CAP: Tel: me Direttore Fax: E - mail: me responsabile
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliAl volo - Un veloce sondaggio tra gli studenti sui collegamenti tra Pavia e alcuni aeroporti
Al volo - Un veloce sondaggio tra gli studenti sui collegamenti tra Pavia e alcuni aeroporti Introduzione I rappresentanti degli studenti e dei dottorandi nella Commissione permanente studenti, in collaborazione
DettagliIndagine campionaria sulle scelte e sulle tendenze degli italiani sulla mobilità sostenibile. Rapporto di ricerca. Roma, 20 novembre 2008
Roma, 20 novembre 2008 Codice ricerca: 2008163rs Indagine campionaria sulle scelte e sulle tendenze degli italiani sulla mobilità sostenibile Rapporto di ricerca riservatezza Questo documento è la base
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliRisultati Floriani. [1] Totale Segnalazioni 14 /16 F 17 /18 F 19 /20 F 14 /16 M 17 /18 M 19 /20 M 315 138 110 22 23 17 5 44% 35% 7% 7% 5% 2%
Risultati Floriani In questo documento sono riportati i risultati ottenuti dall analisi delle risposte del questionario proposto agli 460 studenti dell Istituto Floriani; quelli compilati e restituiti
DettagliQuestionario sugli Spostamenti Casa Lavoro
Questionario sugli Spostamenti Casa Lavoro Perché occuparsi di Mobilità Sostenibile? L'azienda, nell'ambito iniziative di miglioramento della qualità ambientale, sta valutando di migliorare l'utilizzo
DettagliFATTORI DI SCELTA MODALE E POLITICHE DI RIEQUILIBRIO: I RISULTATI DI UN INDAGINE SUI CITTADINI ROMANI
FATTORI DI SCELTA MODALE E POLITICHE DI RIEQUILIBRIO: I RISULTATI DI UN INDAGINE SUI CITTADINI ROMANI Carlo Carminucci, Isfort ccarminucci@isfort,it Roma, 20 settembre 2011 L indagine realizzata: aspetti
DettagliRISPARMIA CON IL BUS DA DOMANI ESCI CON NOI
RISPARMIA CON IL BUS DA DOMANI ESCI CON NOI 1 La seconda auto è un lusso: vale oltre 200 euro al mese La seconda macchina costa mediamente 200 euro/mese in più rispetto al trasporto pubblico. E il risultato
DettagliMobilityManager. La prima web application per realizzare il Piano Spostamenti Casa-Lavoro
MobilityManager La prima web application per realizzare il Piano Spostamenti Casa-Lavoro 1 SW MOBILITY MANAGER MobilityManager permette di analizzare nel dettaglio le abitudini di mobilità dei dipendenti
Dettagli1.3.3. Domanda di sosta
1.3.3. di sosta Il rilievo della domanda di sosta è stato effettuato nell area centrale di Formigine (vedi paragrafo sull offerta di sosta e l allegato per i dettagli) nella fascia oraria 10.30-11.30.
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliLA PRIMA WEB APPLICATION PER REALIZZARE IL PIANO SPOSTAMENTI CASA-LAVORO
LA PRIMA WEB APPLICATION PER REALIZZARE IL PIANO SPOSTAMENTI CASA-LAVORO 1 SW MOBILITY MANAGER MobilityManager permette di analizzare nel dettaglio le abitudini di mobilità dei dipendenti al fine di individuarne
DettagliISA 610 e ISA 620 L'utilizzo durante la revisione dei revisori interni e degli esperti. Corso di revisione legale dei conti progredito
ISA 610 e ISA 620 L'utilizzo durante la revisione dei revisori interni e degli esperti. Corso di revisione legale dei conti progredito 1 ISA 610 USING THE WORK OF INTERNAL AUDITORS Questo principio tratta
Dettagli7.2 Indagine di Customer Satisfaction
7.2 Indagine di Customer Satisfaction Il campione L indagine è stata condotta su un campione a più stadi di 795 clienti TIEMME SpA (errore di campionamento +/ 2%) rappresentativo della popolazione obiettivo,
DettagliIl sottoscritto/a, nato a, il, residente in, Città, Prov., Brevetto subacqueo. Codice Fiscale, Tel. / cell. Mail
Al Consorzio di gestione dell AMP Portofino Viale Rainusso, 1 16038 Santa Margherita Ligure GE info@portofinoamp.it Il sottoscritto/, nato a, il, residente in, Città, Prov., Brevetto subacqueo Codice Fiscale,
DettagliGli spostamenti quotidiani per motivi di studio o lavoro
Gli spostamenti quotidiani per motivi di studio o lavoro 4 agosto 2014 L Istat diffonde i dati definitivi del 15 Censimento generale della popolazione e delle abitazioni relativi agli spostamenti pendolari
DettagliIndagine sugli spostamenti casa lavoro dei dipendenti della Cgil di Rimini effettuata nel periodo maggio giugno 2012
effettuata nel periodo maggio giugno 2012 Una prima valutazione su quanto emerso dalle risposte al questionario. L iniziativa,vuole mettere la CGIL di Rimini nella condizione di dare l esempio (pensata,
Dettagli4. Confronto tra medie di tre o più campioni indipendenti
BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliÈ IMPORTATE ANCHE LA TUA COLLABORAZIONE!!! La compilazione dei questionari è in forma ASSOLUTAMENTE ANONIMA
Comune di Casal di Principe PREMESSA: Il presente questionario è stato predisposto nell ambito del progetto Agenda 21 Locale attivo nel Comune di Casal di Principe allo scopo di raccogliere informazioni
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliModello di domanda Matrici OD Struttura
Modello di domanda Matrici OD Struttura Matrici OD in quantità per tipo di servizio Matrici OD in consegne per tipo di servizio, time slice e tipo di veicolo Matrici OD in veicoli 36 Matrici OD in veicoli
DettagliLE AUDIENCE DELLA TV DI TELESIA NEGLI AEROPORTI
LE AUDIENCE DELLA TV DI TELESIA NEGLI AEROPORTI Giuseppe Minoia Presidente Gfk - Eurisko Milano, 8 maggio 2008 Obiettivi 1 La ricerca ha approfondito i seguenti temi: Il target profiling dei viaggiatori
Dettagli[GLI ITALIANI E L'USO DELLA BICICLETTA] APRILE 2011
1. Abitualmente nei giorni feriali quali mezzi utilizza per i suoi spostamenti? Automobile 77 74 79 76 79 75 Autobus/ Filobus/ tram 28 22 34 30 22 32 Metropolitana 22 27 17 42 17 12 Bici 10 14 7 8 10 13
DettagliPIANIFICAZIONE DEI TRASPORTI
PIANIFICAZIONE DEI TRASPORTI prof. Massimo Di Gangi Il sistema della domanda di trasporto Introduzione e metodi di stima dei flussi di domanda 2 Simulazione di un sistema di trasporto Individuazione del
DettagliCome si spostano le donne e gli uomini bolognesi
Comune di Bologna Settore Programmazione, Controlli e Statistica Come si spostano le donne e gli uomini bolognesi Analisi di alcuni indicatori statistici relativi alla mobilità Marzo 2008 Direttore Gianluigi
DettagliIn arrivo le novità per la tempistica di guida nel trasporto di viaggiatori per i servizi occasionali internazionali.
In arrivo le novità per la tempistica di guida nel trasporto di viaggiatori per i servizi occasionali internazionali. Il Parlamento europeo ha adottato il Reg. CE 21 ottobre 2009, n. 1073/2009 Regolamento
DettagliX 5. L abbonamento per studenti si può fare all inizio di ogni mese. X 6. L abbonamento impersonale è più costoso di altri. X
Livello A2 Unità 1 Trasporti urbani Chiavi Lavoriamo sulla comprensione 1. Leggi il testo e indica se l affermazione è vera o falsa. Vero Falso 1. Il costo dei biglietti urbani di Siena dipende dai km
DettagliStatistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.
Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni
DettagliGentile utente, la ringraziamo per aver accettato di rispondere al presente questionario.
Gentile utente, la ringraziamo per aver accettato di rispondere al presente questionario. Scopo del questionario è quello di conoscere le abitudini, le modalità e la frequenza di utilizzo del car sharing.
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliSERVIZIO A CHIAMATA DI PESCHIERA BORROMEO
SERVIZIO A CHIAMATA DI PESCHIERA BORROMEO FASCIA ORARIA DI ESERCIZIO DEL SERVIZIO Dalle 6.00 alle 21.00 dal lunedì al sabato escluso Agosto e le festività infrasettimanali ORARI DI APERTURA DEL CALL CENTER
DettagliQUESTIONARIO - PIANO DEGLI SPOSTAMENTI CASA - LAVORO Cod. az.
COMUNE DELLA SPEZIA PROVINCIA DELLA SPEZIA ATC spa ATC MP spa QUESTIONARIO - PIANO DEGLI SPOSTAMENTI CASA - LAVORO Cod. az. SEZIONE 1 : INFORMAZIONI DI CARATTERE GENERALE n. scheda 1. SESSO M F 2. ETA
DettagliMETODOLOGIA STATISTICA E CLASSIFICAZIONE DEI DATI
METODOLOGIA STATISTICA E CLASSIFICAZIONE DEI DATI 1.1 La Statistica La Statistica è la scienza che raccoglie, elabora ed interpreta i dati (informazioni) relativi ad un dato fenomeno oggetto di osservazione.
DettagliUso di big data per l analisi di grandi eventi
Uso di big data per l analisi di grandi eventi Analisi dell impatto della Mille Miglia per Brescia Maurizio Carpita DMS StatLab Università degli Studi di Brescia Piero Lovisolo - Telecom Italia, Technology,
DettagliACCESS Questionario titolari d azienda
ACCESS Questionario titolari d azienda ACCESS è un progetto finanziato dalla Comunità Europea nell ambito del Programma Spazio Alpino e ha come obiettivo primario il miglioramento della competitività e
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliEsercizi di riepilogo Statistica III canale, anno 2008
Esercizio 1 - Esercizio 5 esame 22 giugno 2004 Esercizi di riepilogo Statistica III canale, anno 2008 Data la seguente distribuzione di 100 dipendenti di un azienda in base al tempo impiegato (in minuti)
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliMODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di incertezza
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di incertezza
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCapitolo 10 Z Elasticità della domanda
Capitolo 10 Z Elasticità della domanda Sommario Z 1. L elasticità della domanda rispetto al prezzo. - 2. La misura dell elasticità. - 3. I fattori determinanti l elasticità. - 4. L elasticità rispetto
Dettagli- CARATTERISTICHE SOCIO-DEMOGRAFICHE DELL INTERVISTATO - (PER TUTTI)
Soddisfazione per il servizio di distribuzione del GAS e del Teleriscaldamento (AES) Proposta di questionario telefonico Buongiorno. Sono un intervistatore/trice della XXXX. Stiamo effettuando una ricerca
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliDIRITTI DEI PASSEGGERI NEL TRASPORTO CON AUTOBUS
DIRITTI DEI PASSEGGERI NEL TRASPORTO CON AUTOBUS Dal 1 marzo 2013 è in vigore il Regolamento (UE) n. 181/2011, che stabilisce i diritti dei passeggeri nel trasporto effettuato con autobus, prevedendo,
DettagliTrasporti pubblici. Indagine sulla soddisfazione degli utenti. Anno 2009
Trasporti pubblici Indagine sulla soddisfazione degli utenti Anno 2009 a cura di Mirko Dancelli Osservatorio del Nord Ovest, Università di Torino 115 SOMMARIO 2.1. Se dovesse esprimere il Suo livello di
Dettagli7.2 Indagine di Customer Satisfaction
7.2 Indagine di Customer Satisfaction Il campione L indagine è stata condotta su un campione a più stadi di 373 clienti di Tiemme Spa sede operativa di Piombino (errore di campionamento +/- 2%) rappresentativo
DettagliRisparmiare sulla bolletta del telefono
Livello scolare: 1 biennio Risparmiare sulla bolletta del telefono Abilità interessate In situazioni problematiche, individuare relazioni significative tra grandezze di varia natura (per esempio variazione
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliModelli di Programmazione Lineare e Programmazione Lineare Intera
Modelli di Programmazione Lineare e Programmazione Lineare Intera 1 Azienda Dolciaria Un azienda di cioccolatini deve pianificare la produzione per i prossimi m mesi. In ogni mese l azienda ha a disposizione
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliCriteri di selezione del collettivo e definizioni
Appendice A Criteri di selezione del collettivo e definizioni Introduzione L indagine sull integrazione sociale delle persone con disabilità è stata realizzata nell ambito del progetto Sistema di Informazione
DettagliSociologia del turismo
Dipartimento di Sociologia e Ricerca Sociale Università degli Studi di Milano-Bicocca Corso di Laurea triennale in Scienze del Turismo e Comunità Locale Sociologia del turismo Prof. Matteo Colleoni Tutor
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
DettagliCOMUNE DI GENOVA CAPITOLATO TECNICO PER LA FORNITURA DI UNA MATRICE ORIGINE DESTINAZIONE RIFERITA AL TERRITORIO DEL COMUNE DI GENOVA
CAPITOLATO TECNICO PER LA FORNITURA DI UNA MATRICE ORIGINE DESTINAZIONE RIFERITA AL TERRITORIO DEL COMUNE DI GENOVA INDICE 1 Oggetto della fornitura... 3 2 Rilievo delle informazioni... 4 2.1 Interviste
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliViviFacile. sul trasporto pubblico locale della città di Roma. Roma, 24 ottobre 2011
ViviFacile Modalità di adesione al servizio di informazioni sul trasporto pubblico locale della città di Roma Roma, 24 ottobre 2011 Atac - L azienda Atac è l azienda di gestione del trasporto pubblico
DettagliI FIORENTINI E LA TRANVIA Indagine conoscitiva sull utilizzo della linea 1 della tranvia
I FIORENTINI E LA TRANVIA Indagine conoscitiva sull utilizzo della linea 1 della tranvia Introduzione 1. Obiettivi e caratteristiche dell indagine L indagine è progettata dal Settore Pianificazione Integrata
DettagliIndagine sulla mobilità privata per acquisti delle famiglie a Piacenza. ESTRATTO Piacenza@fondazioneitl.org +39 0523 606731
Indagine sulla mobilità privata per acquisti delle famiglie a Piacenza ESTRATTO Piacenza@fondazioneitl.org Premessa L indagine sulla mobilità per acquisti delle famiglie di Piacenza è stata curata dalla
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliALIMENTAZIONE E STILI DI VITA
ALIMENTAZIONE E STILI DI VITA (degli adulti, dei giovani di 12-17 anni e dei bambini di 6-11 anni) Presentazione dei risultati Parma, 6 maggio 2004 S. 04029-30 Premessa Nelle pagine seguenti vengono presentati
DettagliQUESTIONARIO DIPARTECIPAZIONEMOBILITA
perilriassetoelaregolamentazione delsistemadimobilitàurbana Studio? QUESTIONARIO DIPARTECIPAZIONEMOBILITA Nel'ambitodelPianoUrbanisticoComunaleèintenzionedel'Amministrazione Comunaledareprioritàeimportanzaadunriassetodelsistemadimobilitàcomunale.
DettagliIgiene urbana. Indagine sulla soddisfazione degli utenti Confronto tra Torino, Milano, Bologna e Roma. Anno 2011. a cura di Mirko Dancelli
Igiene urbana Indagine sulla soddisfazione degli utenti Confronto tra Torino, Milano, Bologna e Roma Anno 2011 a cura di Mirko Dancelli Osservatorio del Nord Ovest - Università degli Studi di Torino SOMMARIO
DettagliLA CONDIZIONE DEL DOTTORATO DI RICERCA A BOLOGNA NEL 2000
ASSOCIAZIONE DOTTORANDI E DOTTORI DI RICERCA ITALIANI LA CONDIZIONE DEL DOTTORATO DI RICERCA A BOLOGNA NEL Nel dicembre del la sezione di Bologna dell ADI ha condotto un questionario tra gli iscritti ai
DettagliI contributi pubblici nello IAS 20
I contributi pubblici nello IAS 20 di Paolo Moretti Il principio contabile internazionale IAS 20 fornisce le indicazioni in merito alle modalità di contabilizzazione ed informativa dei contributi pubblici,
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliPIANO DEGLI SPOSTAMENTI CASA SCUOLA LICEO SCIENTIFICO E ARTISTICO A. SERPIERI ISTITUTO PROFESSIONALE L.EINAUDI
Il Progetto Il progetto nasce dalla necessità di riflettere e stimolare la coscienza dei ragazzi più giovani, sulle problematiche ambientali: l ambiente naturale e materiale (cioè modificato dai bisogni
DettagliQUESTIONARIO DIPARTECIPAZIONEMOBILITA
perilriassetoelaregolamentazione delsistemadimobilitàurbana Studio? QUESTIONARIO DIPARTECIPAZIONEMOBILITA Nel'ambitodelPianoUrbanisticoComunaleèintenzionedel'Amministrazione Comunaledareprioritàeimportanzaadunriassetodelsistemadimobilitàcomunale.
DettagliZA4730. Flash Eurobarometer 206b (EU Transport Policy) Country Specific Questionnaire Italy
ZA4730 Flash Eurobarometer 206b (EU Transport Policy) Country Specific Questionnaire Italy FLASH EUROBAROMETER ON TRANSPORT May 2007 QUESTIONNAIRE Q1. Quale delle seguenti si adatta a Lei? [CODIFICARE
DettagliAGENZIA NAZIONALE PER LE NUOVE TECNOLOGIE, L ENERGIA E LO SVILUPPO ECONOMICO SOSTENIBILE
AGENZIA NAZIONALE PER LE NUOVE TECNOLOGIE, L ENERGIA E LO SVILUPPO ECONOMICO SOSTENIBILE Impostazione della diagnosi energeticadelle attivita di Trasporto Generalità Secondo la norma UNI CEI EN16247-4,
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliModelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia
Modelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia Alessandra Pelliccia Matteo Cataldi Matteo Filippo Donadi 0 AGENDA Fonti Descrizione dei dati Variabili
DettagliQUESTIONARIO SULLA MOBILITÀ SCOLASTICA
QUESTIONARIO SULLA MOBILITÀ SCOLASTICA Scuola Classe Età Sesso. 1. Dove abiti? 2. Come sei venuto oggi a scuola? A piedi In bicicletta In autobus (urbano) In automobile In autobus (extraurbano) Altro.
DettagliUnità 11. Trasporti urbani. Lavoriamo sulla comprensione. Università per Stranieri di Siena Livello A2 CHIAVI. In questa unità imparerai:
Unità 11 Trasporti urbani CHIAVI In questa unità imparerai: a comprendere e compilare un modulo per richiedere un abbonamento dell autobus parole relative al lavoro, ai dati personali ed ai trasporti l
DettagliI quattro ordini di scuola a confronto Elisabetta Malaguti
I quattro ordini di scuola a confronto Elisabetta Malaguti Esperienze censite, destinate ad uno o più ordini di scuola. Le esperienze censite nella regione sono 2246. Nella figura che segue è, però, riportato
DettagliLa dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari.
La dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari. Giovanni Anania e Rosanna Nisticò EMAA 14/15 X / 1 Il problema Un ottimo uso del vostro tempo! questa
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliCONTABILITÀ FINANZIARIA ASCOT 3 IL PROSPETTO DI CONCILIAZIONE SPECIFICHE FUNZIONALI SCHEMI OPERATIVI SOLUZIONE AI PROBLEMI
PROGETTO ASCOT COD. : ASCOT-31-PC-01 VERS. : 1.00.00 DATA : 1.03.2002 CONTABILITÀ FINANZIARIA ASCOT 3 IL PROSPETTO DI CONCILIAZIONE SPECIFICHE FUNZIONALI SCHEMI OPERATIVI SOLUZIONE AI PROBLEMI AGGIORNAMENTI
Dettagli