Stima della domanda attuale con conteggi dei flussi di traffico

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Stima della domanda attuale con conteggi dei flussi di traffico"

Transcript

1 A. A Stima della domanda attuale con conteggi dei flussi di traffico prof. ing. Antonio Comi Ing. Antonio Polimeni Department of Enterprise Engineering Tor Vergata University of Rome

2 Introduzione Stima della Domanda Attuale Stima della Domanda Attuale e Futura Stima Diretta Indagini: interviste su di un campione di utenti: (informazioni disaggregate) statistica inferenziale; eventualmente: conteggio dei flussi: (informazione aggregate) per la correzione di una stima diretta o preesistente Stima da Modello specificazione del modello (forma funzionale e attributi) calibrazione del modello validazione del modello; interviste su di un campione (informazioni disaggregate); oppure informazioni aggregate sulla domanda; eventualmente: conteggio dei flussi (informazione aggregate) per la specificazione e la calibrazione dei modelli 2

3 Introduzione Stima della matrice OD attuale Stima iniziale OD (da modello, da indagine, etc) Conteggi di traffico Stima OD corretta 3

4 Introduzione Stima dei parametri dei modelli di domanda 4

5 Introduzione ASSEGNAZIONE Relazione fra il problema della stima della matrice O-D con i conteggi ed il problema dell assegnazione: Domanda O-D Flussi calcolati Modello di rete Modello di scelta del percorso Modello di rete Modello di scelta del percorso ASSEGNAZIONE STIMA O-D Domanda O-D Flussi calcolati Domanda O-D Flussi misurati di arco Modello di rete Modello di scelta del percorso STIMA O-D 5

6 Formulazione equazioni di base [1/3] f l = k a lk F k f l = k a lk F k = k a lk i p ki d i a lk = elemento della matrice di incidenza archi-percorsi p ki = p[k/i](c) = percentuale del flusso d i fra la i-esima coppia O-D che utilizza il percorso k. 6

7 Formulazione equazioni di base [2/3] f l = i d i k a lk p ki = i m li d i f l = m lt d f = AF = APd = M d m li = k a lk p ki = frazione del flusso d i che utilizza l arco l m l = vettore di coefficienti m li di dimensioni (n OD 1). M = matrice di coefficienti m li di dimensioni (n l n OD ) n l = numero di archi di cui è stato misurato il flusso 7

8 Formulazione equazioni di base [3/3] f = Mˆ d + ASS Mˆ v = d = v(d) f = v(d) + ASS fˆ fˆ = f + MIS = d + ASS + MIS = v(d) + Mˆ 8

9 Esempio di mappa di assegnazione per una rete elementare d d d O-D pair Path k p k,od 1-3 1) ) ) ) ) ) N =2 (link 9-3 e link 8-3) A P = M =

10 Formulazione equazioni di base [1/2] Definizione del problema Informazioni sui conteggi dei flussi insufficienti per stimare d (equazioni << incognite) Servono altre informazioni Stima iniziale del vettore dei flussi di domanda Es. stima da indagine con campionamento casuale semplice: dˆ rs n rs / rs n rs = n di spostamenti osservati nel campione fra la coppia OD (r,s) Prof. tasso Ing. Antonio di campionamento Comi 10

11 Formulazione equazioni di base [2/2] Definizione del problema Equazioni di base: f=m ˆ ˆ x v() x dˆ x Stimatore: ^ ^. d* arg min z1 x, d z2v( x), f x0 Interpretazione fisica: ricavare il vettore d* più vicino alla stima a priori ˆd che una volta assegnato alla rete, produca dei flussi v(d*) i più vicini a quelli misurati ˆf 11

12 Esempio della molteplicità di matrici O/D corrispondenti ad un unico vettore di flussi di arco Stima iniziale dei flussi O/D dˆ f f f 1, 5 15 f 5, 6 20 sim 1,5 19 sim 5, Funzioni obiettivo x i ( x i dˆ j ) 2 i ( xi dˆ dˆ j j ) x x

13 Stimatore GLS f=m ˆ ˆ x v() x dˆ x E() = 0 Var[] = W E() = 0 Var[] = Z Stimatore: d GLS arg min( dˆ xs x) T Z 1 ( dˆ. x) ( ˆf Mˆ x) T W 1 ( ˆf Mˆ x) se le matrici Z e W sono diagonali: d ˆ 2 2 (, ) GLS ( d ) li i x fl m x i rs i arg min i l x0 var[ i] var[ l] ˆ ˆ 13

14 Indicatori di prestazione Misure di scarto L efficienza della correzione può essere rilevata attraverso delle misure di scarto tra i valori di domanda iniziale d e domanda corretta d*, e/o attraverso lo scarto tra il vettore dei flussi ed i flussi derivanti dall assegnazione della domanda corretta f*. domanda flussi 1 MSE d d d d 2 * * (, ) l i i nod * f l * l MSE( f, fˆ) n l fˆ l 2 Errore quadratico medio RMSE% MSE( d, d) d n.. od * 1 2 RMSE% * MSE( f, fˆ) fˆ l nl 1 2 Radice quadratica dello scarto quadratico medio espressa in percentuale del valore medio della domanda 14

15 Esempio di applicazione Nodi Centroidi 167 Archi stradali Archi connettori 646 Coppie O-D Conteggi per la stima 82 (7:30-8:30 a.m.) Conteggi per la verifica 20 Naples 15

16 Esempio di applicazione 16

17 Esempio di applicazione Risultati (A) Statistiche * l * l MSE ( f, fˆ) f n l fˆ l 2 RMSE% * MSE( f, fˆ) fˆ l nl 1 2 Before updating After updating Counted flows Assigned flows Counted flows Assigned flows MSE before MSE after % riduzione di MSE -96% RMSE% before 1,22 RMSE% after 0,25 % riduzione di RMSE% -80% 17

18 Esempio di applicazione Risultati (B) Validazione (uso dei conteggi di verifica) Cross validation (Before updating) Cross validation (after updating) Counted flows counted flows Assigned flows Assigned flows MSE before MSE after % riduzione di MSE -98% RMSE% before 1,17 RMSE% after 0,26 % riduzione di RMSE% -78% 18

19 Esempio di applicazione Risultati (A) Confronto «before» and «after» O/D INIZIALE INT EXT TOT INT EX TOT O/D STIMATA INT EXT TOT INT EX TOT % VAR INT EXT TOT INT 33% -50% -9% EX -50% -70% -55% TOT -16% -57% -32% 19

CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO

CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it

Dettagli

CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO

CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio a.a. 2012-2013 CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa

Dettagli

Stima della domanda attuale con conteggi dei flussi di traffico

Stima della domanda attuale con conteggi dei flussi di traffico corso di Teoria dei Sistemi di Trasporto Stima della domanda attuale con conteggi dei flussi di traffico PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it Introduzione

Dettagli

Corso di TEORIA DEI SISTEMI DI TRASPORTO 2. prof. ing. Umberto Crisalli

Corso di TEORIA DEI SISTEMI DI TRASPORTO 2. prof. ing. Umberto Crisalli Corso di TEORIA DEI SISTEMI DI TRASPORTO 2 prof. ing. Umberto Crisalli Stima della domanda attuale con conteggi dei flussi di traffico 1 Introduzione Stima della Domanda Attuale Stima della Domanda Attuale

Dettagli

STIMA DELLA DOMANDA ATTUALE CON CONTEGGI DI FLUSSI DI TRAFFICO

STIMA DELLA DOMANDA ATTUALE CON CONTEGGI DI FLUSSI DI TRAFFICO corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 2018-2019 STIMA DELLA DOMANDA ATTUALE CON CONTEGGI DI FLUSSI DI TRAFFICO corso selezionato per la sperimentazione della piattaforma di insegnamento/apprendimento

Dettagli

Stima diretta della domanda di trasporto

Stima diretta della domanda di trasporto Corso di PIANIFICAZIONE DEI TRASPORTI Prof. Ing. Agostino Nuzzolo Aprile 005 Stima diretta della domanda di trasporto Stima della domanda di trasporto STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA ATTUALE

Dettagli

MODELLI DI ASSEGNAZIONE PER LE RETI STRADALI

MODELLI DI ASSEGNAZIONE PER LE RETI STRADALI MODELLI DI ASSEGNAZIONE PER LE RETI STRADALI CORSO DI PROGETTAZIONE DEI SISTEMI DI TRASPORTO - I MODELLI DI ASSEGNAZIONE L ASSEGNAZIONE DELLA DOMANDA AD UNA RETE DI TRASPORTO CONSISTE NEL CALCOLARE I FLUSSI

Dettagli

LA STIMA DELLA DOMANDA DI TRASPORTO

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

Dettagli

Calibrazione disaggregata

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

Dettagli

CALIBRAZIONE DISAGGREGATA

CALIBRAZIONE DISAGGREGATA corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 2018-2019 CALIBRAZIONE DISAGGREGATA corso selezionato per la sperimentazione della piattaforma di insegnamento/apprendimento Prof. Ing. Umberto

Dettagli

Interpolazione e metodo dei minimi quadrati

Interpolazione e metodo dei minimi quadrati A. A. 017-018 Interpolazione e metodo dei minimi quadrati prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Relazioni tra variabili Molto spesso si verifica che

Dettagli

Stima diretta della domanda di trasporto

Stima diretta della domanda di trasporto Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO prof. ing. Agostino Nuzzolo novembre 2005 Stima diretta della domanda di trasporto 1 Stima della domanda di trasporto STIMA DELLA DOMANDA ATTUALE STIMA DELLA

Dettagli

Modelli di Assegnazione

Modelli di Assegnazione Teoria dei Sistemi di Trasporto + (9 CFU) A. A. 5-6 Modelli di Assegnazione (cenni) pro. ing. Antonio Comi Department o Enterprise Engineering Tor Vergata University o Rome Pro. Ing. Antonio Comi Teoria

Dettagli

Stima diretta della domanda di trasporto

Stima diretta della domanda di trasporto Teoria dei Sistemi di Trasporto 1 + 2 (9 CFU) A. A. 2016-2017 Stima diretta della domanda di trasporto prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata Prof.

Dettagli

Modelli di offerta di trasporto. ing. Pierluigi Coppola Dipartimento di Ingegneria dell Impresa Università di Roma Tor Vergata

Modelli di offerta di trasporto. ing. Pierluigi Coppola Dipartimento di Ingegneria dell Impresa Università di Roma Tor Vergata Modelli di offerta di trasporto ing. Pierluigi Coppola Dipartimento di Ingegneria dell Impresa Università di Roma Tor Vergata MODELLI D OFFERTA Attraverso la simulazione degli elementi del sistema d offerta

Dettagli

Modelli di scelta del percorso Modelli di assegnazione

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

Dettagli

Stima diretta della domanda di trasporto

Stima diretta della domanda di trasporto Teoria dei Sistemi di Trasporto 1 + 2 (9 CFU) A. A. 2018-2019 Stima diretta della domanda di trasporto prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata Prof.

Dettagli

CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO. Programma del corso di Tecnica ed Economia dei Trasporti. Prof.

CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO. Programma del corso di Tecnica ed Economia dei Trasporti. Prof. CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO Programma del corso di Tecnica ed Economia dei Trasporti Prof. Andrea Papola Introduzione al corso La professione dell ingegnere dei sistemi

Dettagli

3. MODELLI DI OFFERTA

3. MODELLI DI OFFERTA . MODELLI DI OFFERTA I modelli matematici dei sistemi di offerta di trasporto utilizzano da un lato la teoria dei grafi e delle reti per rappresentare la struttura topologica e funzionale del sistema e

Dettagli

Simulazione statica e dinamica dei sistemi di trasporto

Simulazione statica e dinamica dei sistemi di trasporto A. A. 2016-2017 Simulazione statica e dinamica dei sistemi di trasporto prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata I sistemi di trasporto Sono costituiti

Dettagli

Introduzione al corso

Introduzione 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

Dettagli

Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa

Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa Corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Struttura del sistema di modelli per la

Dettagli

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

corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A MODELLI DI OFFERTA corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 6-7 MODELLI DI OFFERTA Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Struttura del sistema

Dettagli

MODELLI DI OFFERTA. Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa. t

MODELLI DI OFFERTA. Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa. t corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 8-9 MODELLI DI OFFERTA corso selezionato per la sperimentazione della piattaforma di insegnamento/apprendimento Prof. Ing. Umberto Crisalli

Dettagli

Teoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di offerta di trasporto. Esempi applicativi. prof. ing.

Teoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di offerta di trasporto. Esempi applicativi. prof. ing. A. A. 2016-2017 Modelli di offerta di trasporto richiami di teoria del deflusso Esempi applicativi prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata 1 indice Variabili

Dettagli

Statistica Applicata all edilizia: Stime e stimatori

Statistica Applicata all edilizia: Stime e stimatori Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica

Dettagli

Università degli studi Roma Tre. Analisi di fattibilità di un infrastruttura stradale nell ambito della provincia di Brindisi

Università degli studi Roma Tre. Analisi di fattibilità di un infrastruttura stradale nell ambito della provincia di Brindisi Università degli studi Roma Tre Analisi di fattibilità di un infrastruttura stradale nell ambito della provincia di Brindisi 1 SCHEMA DELL ANALISI DI FATTIBILITA Analisi della situazione attuale Individuazione

Dettagli

TEORIA DEI SISTEMI DI TRASPORTO

TEORIA DEI SISTEMI DI TRASPORTO UNIVERSITA' DI ROMA "TOR VERGATA" FACOLTA DI INGEGNERIA TEORIA DEI SISTEMI DI TRASPORTO DOCENTE Prof. Ing. UMBERTO CRISALLI ESEMPI APPLICATIVI (PARTE 1) a cura di Ing. Antonio Comi 1 SOMMARIO Premessa...

Dettagli

Metodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello

Metodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello Metodi Quantitativi per Economia, Finanza e Management Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello 1. Introduzione ai modelli di regressione 2. Obiettivi 3. Le

Dettagli

corso di Teoria dei Sistemi di Trasporto Modelli di offerta PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa

corso di Teoria dei Sistemi di Trasporto Modelli di offerta PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa corso di Teoria dei Sistemi di Trasporto PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Iscrizione al corso Da effettuarsi on line http://delphi.uniroma.it

Dettagli

Corso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli. Stima diretta della domanda di trasporto

Corso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli. Stima diretta della domanda di trasporto Corso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli Stima diretta della domanda di trasporto 1 Stima della domanda di trasporto Introduzione STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA

Dettagli

CORSI E SEMINARI DI FORMAZIONE UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA

CORSI E SEMINARI DI FORMAZIONE UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA giovedì 9 novembre 2017// Centro Studi PIM - Villa Scheibler Modelli di simulazione Multimodale: caratteristiche, dati di

Dettagli

Laboratorio di Analisi e Progettazione dei Trasporti ESERCITAZIONE 4. Valutazione della sicurezza stradale

Laboratorio di Analisi e Progettazione dei Trasporti ESERCITAZIONE 4. Valutazione della sicurezza stradale Prof. Ing. Astarita Vittorio Phd. Ing. Giofrè Vincenzo Pasquale Laboratorio di Analisi e Progettazione dei Trasporti ESERCITAZIONE 4 Valutazione della sicurezza stradale L esercizio introduce all uso degli

Dettagli

MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti

MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti DOCENTI Agostino

Dettagli

APPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO

APPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni

Dettagli

Progetto di A.A. Uni Rom. udi. portoo (A.A CAPIT

Progetto di A.A. Uni Rom. udi. portoo (A.A CAPIT Progetto di Sistemi di Trasporto A.A 2012-2013 Uni ver sità de glii St Rom a Tre udi Facoltà di Ingegneria Corsoo di Laureaa in Ingegneriaa Civile Progetto di Sistemi di Tras portoo Prof.. Stefano Gori

Dettagli

ESERCIZIO 1. Soluzione. X =numero di passeggeri giornaliero

ESERCIZIO 1. Soluzione. X =numero di passeggeri giornaliero ESERCIZIO 1 La somma dei numeri di passeggeri di un autoservizio suburbano rilevati in 7 giorni scelti a caso è pari a 385. Si assuma un modello gaussiano per descrivere il numero giornaliero di passeggeri.

Dettagli

Stima diretta della domanda di trasporto

Stima diretta della domanda di trasporto Corso di PIANIFICAZIONE DEI TRASPORTI prof. ing. Agostino Nuzzolo aprile 006 Stima diretta della domanda di trasporto Stima della domanda di trasporto Introduzione STIMA DELLA DOMANDA ATTUALE STIMA DELLA

Dettagli

Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità

Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili

Dettagli

Grafi e Funzioni di Costo ESERCIZI

Grafi e Funzioni di Costo ESERCIZI Grafi e Funzioni di Costo ESERCIZI Esercizio1 Si determini la matrice di incidenza archi-percorsi ed i costi di percorso per la rete di trasporto rappresentata in figura. 1 4 2 3 5 Ramo Costo Ramo Costo

Dettagli

Istituto Universitario Architettura Venezia TR 285. Servizio Bibliografico Audiovisivo e di Documentazione

Istituto Universitario Architettura Venezia TR 285. Servizio Bibliografico Audiovisivo e di Documentazione Istituto Universitario Architettura Venezia TR 285 Servizio Bibliografico Audiovisivo e di Documentazione ENNIO CASCETT A Professore ordinario di Teoria dei sistemi di trasporto Università di Napoli «Federico

Dettagli

giovedì 5 novembre 2015// Centro Studi PIM Villa Scheibler

giovedì 5 novembre 2015// Centro Studi PIM Villa Scheibler : MACRO per pianificazione progettazione e valutazione alternative, MICRO per affinamento soluzioni progettuali giovedì 5 novembre 2015// Centro Studi PIM Villa Scheibler Lo strumento operativo: macro

Dettagli

Processi AR. = σ ρ. Esercizio proposto:

Processi AR. = σ ρ. Esercizio proposto: Laboratorio del 5/10/06 Processi AR Esercizio proposto: Processo reale AR(1) con autocorrelazione R ( m) Rappresentazione di una possibile realizzazione, grafico del coefficiente di autocorrelazione e

Dettagli

Esempio di software per la valutazione della sicurezza stradale (SafeNet)

Esempio di software per la valutazione della sicurezza stradale (SafeNet) Corso di TRASPORTI E TERRITORIO prof. ing. Agostino Nuzzolo Modelli di incidentalità stradale Esempio di software per la valutazione della sicurezza stradale (SafeNet) A. Nuzzolo - Trasporti e Territorio

Dettagli

MODELLI DI INCIDENTALITÀ STRADALE

MODELLI DI INCIDENTALITÀ STRADALE Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO prof. ing. Agostino Nuzzolo novembre 2005 MODELLI DI INCIDENTALITÀ STRADALE Esempio di software per la valutazione della sicurezza stradale (SafeNet) A.

Dettagli

4. MODELLI DI SCELTA DEL PERCORSO

4. MODELLI DI SCELTA DEL PERCORSO 4. MODELLI DI SCELTA DEL PERCORSO Il modello di scelta del percorso fornisce l aliquota p[/oshdm] degli spostamenti effettuati da utenti di categoria i, che utilizzano ciascun percorso relativo al modo

Dettagli

Modelli di Attrazione

Modelli di Attrazione Modelli di Attrazione Considerando 2 zone di un area di studio si vuole determinare la quantità media giornaliera di merce di alcune tipologie merceologiche attratta da queste zone. Le tipologie merceologiche

Dettagli

MODELLI DI ASSEGNAZIONE

MODELLI DI ASSEGNAZIONE corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio MODELLI DI ASSEGNAZIONE PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Sistema di modelli

Dettagli

Introduzione al corso

Introduzione al corso corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 2-26 Introduzione al corso Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it Orario delle lezioni

Dettagli

Indagine sulle forze di lavoro nel Comune di Firenze. Nota metodologica

Indagine sulle forze di lavoro nel Comune di Firenze. Nota metodologica Indagine sulle forze di lavoro nel Comune di Firenze. Nota metodologica 1. Procedimento di stima La maggior parte dei caratteri che si rilevano nell indagine sulle Forze di Lavoro sono di tipo qualitativo.

Dettagli

Indice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza

Indice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6

Dettagli

STATISTICA A K (60 ore)

STATISTICA A K (60 ore) STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it STIMA PUNTUALE (p. 55) Il parametro è stimato con un unico valore Esempio: stima della share di un programma TV = % di spettatori

Dettagli

4. MODELLI DI SCELTA DEL PERCORSO

4. MODELLI DI SCELTA DEL PERCORSO 4. MODELLI DI SCELTA DEL PERCORSO Il modello di scelta del percorso fornisce l aliquota p[/oshdm] degli spostamenti effettuati da utenti di categoria i, che utilizzano ciascun percorso relativo al modo

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe

Dettagli

Modelli di offerta di trasporto

Modelli di offerta di trasporto A. A. 2015-2016 Modelli di offerta di trasporto richiami di teoria del deflusso (diagramma fondamentale) prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome 1 Velocità

Dettagli

Una metodologia per l'analisi della vulnerabilità di una rete stradale in ambito extraurbano. Applicazione alla rete provinciale di Bolzano

Una metodologia per l'analisi della vulnerabilità di una rete stradale in ambito extraurbano. Applicazione alla rete provinciale di Bolzano Una metodologia per l'analisi della vulnerabilità di una rete stradale in ambito extraurbano Applicazione alla rete provinciale di Bolzano S. Angelini, A. Danesi, G. Rossi, F. Rupi DICAM Trasporti Università

Dettagli

Controllo Adattativo

Controllo Adattativo Corso di Robotica 2 Controllo Adattativo Prof. Alessandro De Luca A. De Luca Motivazioni e approccio necessità dell adattamento nella legge di controllo incertezza sui parametri dinamici del robot scarsa

Dettagli

05. Errore campionario e numerosità campionaria

05. Errore campionario e numerosità campionaria Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,

Dettagli

Calcolo delle Probabilità e Statistica Matematica previsioni 2003/04

Calcolo delle Probabilità e Statistica Matematica previsioni 2003/04 Calcolo delle Probabilità e Statistica Matematica previsioni 2003/04 LU 1/3 Esempi di vita reale : calcolo delle probabilità, statistica descrittiva e statistica inferenziale. Lancio dado/moneta: definizione

Dettagli

Argomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '

Argomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell ' Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore

Dettagli

Figura Area di Studio

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

Dettagli

Indagine Sole 24 Ore-Banca d Italia sulle aspettative di inflazione

Indagine Sole 24 Ore-Banca d Italia sulle aspettative di inflazione Indagine Sole 24 Ore-Banca d Italia sulle aspettative di inflazione Dicembre 1999 INDICE 1. Sintesi dei risultati...3 2. Nota metodologica...4 3. Indice delle tavole e delle figure...7 4. Appendice: il

Dettagli

giovedì 5 novembre 2015// Centro Studi PIM - Villa Scheibler

giovedì 5 novembre 2015// Centro Studi PIM - Villa Scheibler : MACRO per pianificazione-progettazione e valutazione alternative, MICRO per affinamento soluzioni progettuali giovedì 5 novembre 2015// Centro Studi PIM - Villa Scheibler Modelli di simulazione: caratteristiche,

Dettagli

Corso di Trasporti e Ambiente. ing. Antonio Comi gennaio ing. A. Comi - Corso di Trasporti e Ambiente

Corso di Trasporti e Ambiente.   ing. Antonio Comi gennaio ing. A. Comi - Corso di Trasporti e Ambiente Corso di Trasporti e Ambiente http://www.uniroma2.it/didattica/ta_2010 ing. Antonio Comi gennaio 2011 Valutazione degli interventi Esempio applicativo 1 Valutazione della costruzione di una nuova infrastruttura

Dettagli

Modelli di offerta di trasporto modelli di rete

Modelli di offerta di trasporto modelli di rete A. A. 25-26 Modelli di offerta di trasporto modelli di rete prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Modelli di rete formulazione matematica generale

Dettagli

Corso di PIANIFICAZIONE DEI TRASPORTI 1. prof. ing. Agostino Nuzzolo Marzo Modelli di offerta

Corso di PIANIFICAZIONE DEI TRASPORTI 1. prof. ing. Agostino Nuzzolo Marzo Modelli di offerta Corso di PIANIICAZIONE DEI TRASPORTI prof. ing. Agostino Nuzzolo Marzo 6 Struttura del sistema di modelli per la simulazione dei sistemi di trasporto OERTA DI INRASTRUTTURE E SERVIZI DI TRASPORTO MODELLO

Dettagli

La matrice delle correlazioni è la seguente:

La matrice delle correlazioni è la seguente: Calcolo delle componenti principali tramite un esempio numerico Questo esempio numerico puó essere utile per chiarire il calcolo delle componenti principali e per introdurre il programma SPAD. IL PROBLEMA

Dettagli

Tecniche di sondaggio

Tecniche di sondaggio SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con

Dettagli

Indice. Prefazione. 4 Sintesi della distribuzione di un carattere La variabilità Introduzione La variabilità di una distribuzione 75

Indice. Prefazione. 4 Sintesi della distribuzione di un carattere La variabilità Introduzione La variabilità di una distribuzione 75 00PrPag:I-XIV_prefazione_IAS 8-05-2008 17:56 Pagina V Prefazione XI 1 La rilevazione dei fenomeni statistici 1 1.1 Introduzione 1 1.2 Caratteri, unità statistiche e collettivo 1 1.3 Classificazione dei

Dettagli

1. variabili dicotomiche: 2 sole categorie A e B

1. variabili dicotomiche: 2 sole categorie A e B Variabile X su scala qualitativa (due categorie) modello di regressione: variabili quantitative misurate almeno su scala intervallo (meglio se Y è di questo tipo e preferibilmente anche le X i ) variabili

Dettagli

Teoria della decisione e della stima. Esercitazioni di laboratorio Anno accademico M.S. Greco

Teoria della decisione e della stima. Esercitazioni di laboratorio Anno accademico M.S. Greco Teoria della decisione e della stima Esercitazioni di laboratorio Anno accademico 008-09 M.S. Greco Laboratorio dell 1/10/08 Processi AR + Sx() z = Rx( m) z m= m Densità spettrale complessa La regione

Dettagli

PIANIFICAZIONE DEI TRASPORTI

PIANIFICAZIONE DEI TRASPORTI Università di Cagliari DICAAR Dipartimento di Ingegneria Civile, Ambientale e architettura Sezione Trasporti PIANIFICAZIONE DEI TRASPORTI Esercitazione 6 Il modello di assegnazione A.A. 2016-2017 Ing.

Dettagli

Statistica Inferenziale

Statistica Inferenziale Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti

Dettagli

Probabilità e Statistica

Probabilità e Statistica Probabilità e Statistica Stima puntuale di parametri Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 018/019 Marco Pietro Longhi Prob. e Stat.

Dettagli

ANALISI DELLE SERIE STORICHE

ANALISI DELLE SERIE STORICHE ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di

Dettagli

Contenuto del capitolo

Contenuto del capitolo Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come

Dettagli

Valutazione degli interventi Esempio applicativo

Valutazione degli interventi Esempio applicativo Corso di Trasporti e Ambiente ing. Antonio Comi gennaio 2015 Valutazione degli interventi Esempio applicativo 1 Valutazione della costruzione di una nuova infrastruttura stradale 1 5 6 7 2 8 9 10 11 12

Dettagli

Esercitazioni Infostat ConfInt

Esercitazioni Infostat ConfInt Esercitazioni Infostat ConfInt Matteo Re, Alessandro Di Domizio 3 Maggio 2019 1 Introduzione In questa esercitazione vedremo come stimare l intervallo di confidenza da un campione che assumiamo essere

Dettagli

Proprietà strutturali e leggi di controllo. Stima dello stato e regolatore dinamico

Proprietà strutturali e leggi di controllo. Stima dello stato e regolatore dinamico Proprietà strutturali e leggi di controllo Stima dello stato e regolatore dinamico Stima dello stato e regolatore dinamico Stimatore asintotico dello stato Esempi di progetto di stimatori asintotici dello

Dettagli

CORSI E SEMINARI DI FORMAZIONE UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA

CORSI E SEMINARI DI FORMAZIONE UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA giovedì 9 novembre 2017// Centro Studi PIM - Villa Scheibler Modelli di simulazione Multimodale: L esperienza dell utilizzo

Dettagli

Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura

Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI

Dettagli

Minimi quadrati ordinari Interpretazione geometrica. Eduardo Rossi

Minimi quadrati ordinari Interpretazione geometrica. Eduardo Rossi Minimi quadrati ordinari Interpretazione geometrica Eduardo Rossi Il MRLM Il modello di regressione lineare multipla è usato per studiare le relazioni tra la variabile dipendente e diverse variabili indipendenti

Dettagli

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università

Dettagli

Corso di. (tutti i CCS tranne Civile e Gestionale) ing. Antonio Comi novembre 2007

Corso di. (tutti i CCS tranne Civile e Gestionale) ing. Antonio Comi novembre 2007 Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO (tutti i CCS tranne Civile e Gestionale) www.uniroma2.it/didattica/pst. datt _ ACCS_ ACCS ing. Antonio Comi novembre 2007 Valutazione degli interventi Esempio

Dettagli

Statistica: la scienza dei dati. Prof. Stefano Bonnini

Statistica: la scienza dei dati. Prof. Stefano Bonnini Statistica: la scienza dei dati Prof. Stefano Bonnini COSA E LA STATISTICA?? La statistica è un insieme di metodologie e tecniche finalizzate alla: RILEVAZIONE, ELABORAZIONE, PRESENTAZIONE e INTERPRETAZIONE

Dettagli

Metodi di analisi statistica multivariata

Metodi di analisi statistica multivariata Metodi di analisi statistica multivariata lzo V

Dettagli

POLITECNICO DI MILANO Corso di Laurea in Ingegneria Civile Indirizzo Infrastrutture di Trasporto

POLITECNICO DI MILANO Corso di Laurea in Ingegneria Civile Indirizzo Infrastrutture di Trasporto POLITECNICO DI MILANO Corso di Laurea in Ingegneria Civile Indirizzo Infrastrutture di Trasporto SPERIMENTAZIONE DI UN MODELLO DI STIMA AGGREGATA DELLA DOMANDA DI TRASPORTO: AGGIORNAMENTO DELLA MATRICE

Dettagli

Analisi interazione domanda/offerta: modelli di assegnazione

Analisi interazione domanda/offerta: modelli di assegnazione Corso di Laurea Ingegneria Civile e Ambientale - AA Corso di: Fondamenti di Trasporti Lezione: Analisi interazione domanda/offerta: modelli di assegnazione Giuseppe Inturri Università di Catania Dipartimento

Dettagli

Università di Siena. Teoria della Stima. Lucidi del corso di. Identificazione e Analisi dei Dati A.A

Università di Siena. Teoria della Stima. Lucidi del corso di. Identificazione e Analisi dei Dati A.A Università di Siena Teoria della Stima Lucidi del corso di A.A. 2002-2003 Università di Siena 1 Indice Approcci al problema della stima Stima parametrica Stima bayesiana Proprietà degli stimatori Stime

Dettagli

Il modello di regressione lineare multipla

Il modello di regressione lineare multipla Il modello di regressione lineare multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Aprile 2014 Rossi MRLM Econometria - 2014 1 / 31 Outline 1 Notazione 2 3 Collinearità Rossi MRLM Econometria - 2014

Dettagli

Il modello di regressione lineare multipla. Il modello di regressione lineare multipla

Il modello di regressione lineare multipla. Il modello di regressione lineare multipla Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa

Dettagli