PIANIFICAZIONE DEI TRASPORTI. Prof. Massimo Di Gangi Dipartimento di Ingegneria Civile Corso di Pianificazione dei Trasporti A.A. 2008/ Intro 1

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "PIANIFICAZIONE DEI TRASPORTI. Prof. Massimo Di Gangi Dipartimento di Ingegneria Civile Corso di Pianificazione dei Trasporti A.A. 2008/2009 - Intro 1"

Transcript

1 PIANIFICAZIONE DEI TRASPORTI 1

2 Il sistema della domanda di trasporto Specificazione di un modello di scelta 2

3 Sistema della domanda di trasporto Stima da modello schematizzazione Alla luce di quanto detto finora i flussi di domanda possono essere esplicitati come il prodotto dei seguenti termini d i od [s,h,m]= [Ni [o] n i [o]] p i [d/osh] p i [m/oshd] N i [o]: numero di persone della zona (o), della classe (i) che possono spostarsi per il motivo (s) nella fascia oraria (h) n i [o]: Numero medio di spostamenti compiuti dall utente (i) nella fascia oraria (h) e per il motivo (s) p i [d/osh]: Percentuale degli utenti che si spostano [n i [o] m i ] e che si recano nella destinazione (d) p i [m/odsh]: Percentuale degli utenti che spostandosi e recandosi nella destinazione (d) {[n i [o] m i ] p i [d/osh]}, utilizzano il modo di trasporto (m) 3

4 Sistema della domanda di trasporto Stima da modello approccio disaggregato comportamentale d i od [s,h,m,k]= NUMERO DI UTENTI NELLA ZONA o n[o] n i [o] n i (SE,T) ١١ MODELLO DI EMISSIONE O FREQUENZA DEGLI SPOSTAMENTI p[x/osh] do[sh] p i [d/osh](se,t) p i [m/oshd] (SE,T) - ATTRIBUTI SOCIO-ECONOMICI SE - ATTRIBUTI DI LIVELLO DI SERVIZIO T ١٤ ١٠ ١٢ MODELLO DI DISTRIBUZIONE p[d/osh] dod[sh] MODELLO DI SCELTA O RIPARTIZIONE MODALE p[m/odsh] dod[shm] ١٣ MODELLO DI SCELTA DEL PERCORSO p[k/odshm] condizionato a tenendo conto di variabili di ingresso DOMANDA O/D PER MODO, MOTIVO FASCIA ORARIA E PERCORSO dod[s,h,m,k] 4

5 Sistema della domanda di trasporto Stima da modello approccio disaggregato comportamentale Concetti fondamentali per la specificazione di un modello di scelta 1. Alternative 2. Insieme di scelta 3. Funzione di scelta 4. Utilità 5

6 Modelli di emissione NUMERO DI UTENTI NELLA ZONA o n[o] ١١ MODELLO DI EMISSIONE O FREQUENZA DEGLI SPOSTAMENTI p[x/osh] do[sh] Il modello di emissione (m i [osh]), fornisce il numero medio MODELLO DI DISTRIBUZIONE ١٤ p[d/osh] ATTRIBUTI SOCIO-ECONOMICI di spostamenti SE effettuati nel periodo h per il motivo s dal ATTRIBUTI DI LIVELLO DI dod[sh] ١٠ SERVIZIO Tgenerico utente appartenente alla categoria i con MODELLO DI SCELTA O origine nella zona di RIPARTIZIONE traffico MODALE o. ١٢ p[m/odsh] Consente di stimare quante dod[shm] persone si spostano dalla zona o per il motivo s nel periodo h condizionato a tenendo conto di variabili di ingresso ١٣ MODELLO DI SCELTA DEL PERCORSO p[k/odshm] d i o [sh] = n o [i] mi [osh] DOMANDA O/D PER MODO, MOTIVO FASCIA ORARIA E PERCORSO dod[s,h,m,k] 6

7 N o [i] Modelli di emissione d i o [sh] = N o [i] ni o [osh] numero di persone appartenenti alla classe i, che risiedono nella zona o, che possono spostarsi per il motivo s e nella fascia oraria h n i o [osh] MODELLO DI EMISSIONE numero medio di spostamenti compiuti dagli utenti della classe i, che risiedono nella zona o, per il motivo s, nella fascia oraria h Stima diretta Indagine campionaria Stima da modello Indagine campionaria + specificazione di modelli di tipo regressivo (e.g. regressione lineare) di tipo non comportamentale Indagine campionaria + specificazione di modelli basati sulla teoria dell utilità aleatoria di tipo comportamentale 7

8 Modelli di emissione stima diretta n i o [osh] = Σ n_spost = 1 - T n_spost pi 1. Intervisto n utenti della classe i e chiedo quanti spostamenti hanno effettuato nella fascia oraria h per il motivo s 2. Ottengo 1. % 0 = (n 0 /n) utenti che hanno effettuato 0 spostamenti 2. % 1 = (n 1 /n) utenti che hanno effettuato 1 spostamenti 3. % 2 = (n 2 /n) utenti che hanno effettuato 2 spostamenti 3. Il numero medio di spostamenti emessi sarà n i o [sh]= [%0 0] + [% 1 1] + [% 2 2] 8

9 Modelli di emissione Modelli non comportamentali le variabili variabili di accessibilità Quanto è più alta l accessibilità di una zona, tanto maggiore è la possibilità che l utente effettui uno spostamento (o + spostamenti) L accessibilità di una zona misura quanto facilmente un utente riesce a soddisfare le proprie esigenze. L accessibilità è funzione del numero di zone di possibile destinazione, del costo di spostamento (e.g. tempo di spostamento) per raggiungerla e dell attrattività delle zone di possibile destinazione (e.g. negozi).

10 Modelli di emissione Modelli non comportamentali le variabili variabili di accessibilità una possibile misura dell accessibilità accessibilità tra o e d : ACC od : ( misura attrattività α misura cos to spostamento ) accessibilità totale della zona o : ACC totale = Σ od ACC od Esempio : ACC od = (numero negozi / distanza in linea d aria) ACC totale = Σ od ACC od

11 Modelli di emissione Modelli non comportamentali le variabili variabili di accessibilità la misura del costo di spostamento è funzione delle caratteristiche (tempi e costi di viaggio) dei servizi di trasporto offerti (strade e o linee di autobus) che può essere misurata da variabili dette di livello di servizio. quali approcci? distanza media su strada per raggiungere tutte le zone tempo medio di viaggio in auto (o altro modo di trasporto) costo generalizzato di viaggio variabile che tenga conto del tempo di viaggio e dei modi di trasporto disponibili es. E[V] = Σ i = 1 to N (V j ) / n_alt

12 Modelli di emissione Modelli non comportamentali le variabili variabili socioeconomiche La possibilità di spostarsi o meno (ma anche il numero di spostamenti che si effettuano) sono funzione di caratteristiche socio-economiche dell utente; una casalinga si sposta di più di un occupato per il motivo casa-acquisti (condizione professionale) un utente di età compresa tra 20 e 30 anni si sposta di più di utente più anziano (età) un utente che lavora più di 10 ore al giorni si sposterà di meno rispetto ad utenti che hanno un lavoro part-time (tipo( attività)

13 I modelli di emissione la stima da modello: approccio non comportamentale stima da modello (modelli non comportamentali) stimo direttamente n i o [osh] 1. Non comportamentale osservo il fenomeno e calcolo il numero medio di spostamenti in funzione di variabili che si ritengono significative. 1. Il numero medio di spostamenti emessi sarà eguale a: m oi [sh]= Σ (α j j X jo )..se regressione lineare

14 Modelli non comportamentali il modello: regressione per categoria Numero spostamenti dichiarati m i [osh] = β Acc misura accessibilità zona di origine (X jo ) Numero di persone che hanno dichiarato di avere effettuato 1 spostamenti Numero di persone che hanno dichiarato di avere effettuato 2 spostamenti Numero di persone che hanno dichiarato di avere effettuato 3 spostamenti Numero di persone che hanno dichiarato di avere effettuato 4 spostamenti

15 Modelli non comportamentali il modello: regressione per categoria m i [osh] = β (Acc) 2 Numero spostamenti dichiarati m i [osh] = β Acc misura accessibilità zona di origine Numero di persone che hanno dichiarato di avere effettuato 1 spostamenti Numero di persone che hanno dichiarato di avere effettuato 2 spostamenti Numero di persone che hanno dichiarato di avere effettuato 3 spostamenti Numero di persone che hanno dichiarato di avere effettuato 4 spostamenti

16 Modelli non comportamentali concludendo m i [osh] = β acc Acc + β età età + β casalinga casalinga attributi - ACC totale = Σ od ACC od = (numero negozi / distanza in linea d aria) - Età = variabile continua compresa tra 14 e 90 anni - Casalinga variabile binaria che vale 1 se la persona è casalinga parametri β acc = coefficiente di segno positivo (se aumenta l accessibilità aumenta il numero medio si spostamenti emessi) β età = coefficiente di segno positivo (se aumenta l età diminuisce il numero medio si spostamenti emessi) β casalinga = coefficiente di segno positivo = Corso coefficiente di Pianificazione dei Trasporti di A.A. 2008/2009 segno - Intro positivo

17 I modelli di emissione la stima da modello: approccio comportamentale stima da modello (modelli comportamentali) comportamentale Il fenomeno è interpretato come una scelta tra: * faccio 0 spostamenti * faccio 1 spostamenti * faccio n spostamenti V Osservo le scelte effettuate da un AB campione di utenti e cerco i riprodurle mediante un modello matematico che simula le probabilità di scelta della generica classe di utenti i 23% percentuale di scelta dell alternativa B

18 Modelli comportamentali la specificazione del modello 1 quali le alternative: funzione della fascia oraria h, (0 spostamenti, 1, 2,..n) quale l insieme di scelta: tutte le alternative citate a meno di inserire dei vincoli di tempo legati all attività quale la funzione di scelta: modello Logit quale la funzione di utilità: combinazione lineare di variabili di natura socio- economica e di accessibilità

19 Modelli comportamentali la specificazione del modello 2 1. la funzione di scelta: modello di tipo Logit Binomiale se la fascia oraria h consente al più uno spostamento, ovvero, la scelta: mi sposto exp( o Vnon mi ) sposto p[ misposto] exp( V misposto misposto ) + exp( V nospost ) Multinomiale se la fascia oraria h consente più di uno spostamento p[ n = ١] exp( V n= ٠ ) + exp( V exp( V n= ١ n= ١ ) ) + exp( V n= ٢ )

20 Modelli comportamentali la specificazione del modello 3 1. la funzione di utilità: Vspost= ١ = β j X j ( spost= ١) j 23% 10 percentuale di scelta dell alternativa B V AB Variabili accessibilità (di livello si servizio e delle attività) Variabili socio-economiche (età, genere, condizione professionale)

21 Modelli comportamentali V V TRIP = NOTRIP 1 = β un esempio 1 β DA + 7 SAM β OCC β ETA' + β + β SAF + β NT LRD + β DN + 5 β 6 ACC T R I P N O - T R I P Tipologia delle variabili Nome delle variabili disponibilità dell auto DA occupazione OCC Socio-economiche età ETA livello di reddito LRD donna DN Localizzazione Accessibilità ACC Disponibilità tempo altri spostamenti effettuati SAM dalla persona per altri motivi Interrelazione individuo famiglia spostamenti totali degli altri SAF familiari per lo stesso motivo Attributo Specifico preferenza NOTRIP NT dell Alternativa (ASA) DA var. ombra: 0 = auto non disponibile; 1 auto disponibile OCC var. ombra: 0 = non occupato; 1 = occupato ETA var. ombra: 0 = > 35 anni; 1 = 35 LRD var da 0 a 5, 0= reddito basso 5=reddito molto alto DN var. ombra: 0 = uomo, 1 = donna

22 Modelli comportamentali un esempio 2 V V TRIP NOTRIP = β DA + β OCC + β ETA' + β = β SAM + β SAF + β NT LRD + β DN + 5 β 6 ACC T R I P N O - T R I P Tipologia delle variabili Nome delle variabili disponibilità dell auto DA occupazione OCC Socio-economiche età ETA livello di reddito LRD donna DN Localizzazione Accessibilità ACC Disponibilità tempo altri spostamenti effettuati SAM dalla persona per altri motivi Interrelazione individuo famiglia spostamenti totali degli altri SAF familiari per lo stesso motivo Attributo Specifico preferenza NOTRIP NT dell Alternativa (ASA) DA var. ombra: 0 = auto non disponibile; 1 auto disponibile OCC var. ombra: 0 = non occupato; 1 = occupato ETA var. ombra: 0 = > 35 anni; 1 = 35 LRD var da 0 a 5, 0= reddito basso 5=reddito molto alto DN var. ombra: 0 = uomo, 1 = donna Non Spostarsi Spostarsi Motivi SAM SAF NT DA OCC ETA LRD DN ACC Acquisti Altri motivi

23 ١١ MODELLO DI EMISSIONE O FREQUENZA DEGLI SPOSTAMENTI p[x/osh] I modelli di distribuzione (1) do[sh] d I SE sso ١٤ ١٠ ١٢ ١٣ MODELLO DI DISTRIBUZIONE p[d/osh] dod[sh] MODELLO DI SCELTA O Il modello RIPARTIZIONE di MODALE distribuzione fornisce la percentuale p i [d/osh] p[m/odsh] di spostamenti effettuati da utenti di categoria i dod[shm] che, partendo dalla zona o per il motivo MODELLO s nel DI SCELTA periodo h, si recano alla DEL PERCORSO destinazione p[k/odshm] d Consente di stimare quante persone si spostano tra una DOMANDA zona O/D o PER MODO, e una MOTIVO zona d FASCIA ORARIA E PERCORSO dod[s,h,m,k] o d i [osh] d i od [sh] = N o [i] ni [osh] p i [d/osh]

24 I modelli di distribuzione (2) p i [d/osh] 1 2 N 1.. Stima diretta Indagine campionaria 2. (d od ) p i [d/ d/osh] ish.... N.. Stima da modello Indagine campionaria + specificazione di modelli di tipo non comportamentale Indagine campionaria + specificazione di modelli basati sulla Corso di Pianificazione teoria dei dell utilità Trasporti A.A. 2008/2009 aleatoria - Intro (modelli di tipo

25 I modelli di distribuzione stima diretta la stima diretta 1. Intervisto n utenti che si spostano dalla zona o della classe i e chiedo dove si sono recati nella fascia oraria h per il motivo s 1. Calcolo le percentuali: 1 2 N La stima diretta è molto costosa N.. (d od ) p i [d/ d/osh] ish se ho 100,000 spostamenti emessi dovrò effettuare (max interviste minimo 5,000!! per ogni zona un campione significativo di

26 I modelli di distribuzione la stima da modello stima da modello 1. non comportamentale non esiste un vero comportamento di scelta e la destinazione di ciascun spostamento non è una scelta che l utente affronta e riconsidera ogni giorno. (e.g. spostamenti casa-lavoro) 1. comportamentale è possibile immaginare un comportamento di scelta e cercare di simularlo mediante opportuni paradigmi teorici (e.g. utilità)

27 I modelli di distribuzione le variabili 1 Variabili di costo Rappresentano il costo di spostamento tra l origine o e la destinazione d Approcci semplificati: monetario * distanze su rete stradale * distanze in linea d aria Approcci avanzati: * tempi di viaggio in auto * tempo minimo di viaggio (tenendo conto di tutti i modi disponibili) * oppure calcolando il minimo costo generalizzato di viaggio : C g = β 1 tempo viaggio + β 2 costo monetario

28 I modelli di distribuzione le variabili 2 Variabili di attrattività rappresentano l attrattività che la destinazione d esercita sull origine o sono funzione del motivo dello spostamento e devono misurare la capacità di una zona di attrarre spostamenti (e.g. se il motivo è casa-lavoro l attrattività sarà dato dal numero di posti di lavoro presenti in una zona) devono essere variabili note e ottenibili facilmente. Si fa riferimento ai censimenti ISTAT e alle particelle censuarie

29 I modelli di distribuzione le variabili 3 Variabili socio-economiche Alcune zone di traffico possono avere caratteristiche non facilmente simulabili mediante attributi di attrattività o di costo. e.g.1: zona più piacevole da frequentare e.g.2: zone in cui è + complicato parcheggiare e.g.2: zone con aree pedonali Si ricorre a variabili binarie (1/0) che permettono di simulare la maggiore (o minore) l attrattività di alcune zone

30 I modelli di distribuzione stima da modello la stima (modelli da modello comportamentali e 1 non) Il fenomeno è interpretato come una scelta tra le possibili destinazioni: Osservo le scelte effettuate da un campione di utenti e cerco i riprodurle mediante un modello matematico che simula le probabilità di scelta della generica classe di percentuale di scelta dell alternativa B utenti 1 i 23% V AB

31 I modelli di distribuzione la stima da modello 2 quali le alternative: zone di traffico quale l Insieme di scelta: tutte le alternative citate a meno di inserire delle soglie dedotte dall esperienza quale la funzione di scelta: modello Logit Multinomiale quale la funzione di utilità: combinazione lineare di variabili di costo, attrattività e di natura socio-economica

32 I modelli di distribuzione la stima da modello 3 1. la Funzione di scelta: modello di tipo Logit Multinomiale p[ d] = exp( V d ) exp( V d ' d ' )

33 I modelli di distribuzione la stima da modello 4 1. la funzione d utilità: 1 percentuale di scelta dell alternativa B V j = j β j X j 23% V AB Variabili costo (di livello si servizio e delle attività) Variabili attrattività Variabili socio-economiche (legate alla destinazione)

34 I modelli di distribuzione la stima da modello= un esempio (1) ATTRAZIONE COSTO p [ d / osh] = ( β ) 1 Ad β 2Co d + β 3centro + β 4ZTL ( β A β C + β centro β ZTL ) exp exp + d ' 1 d 2 o d 3 4 FUNZIONE DELLA DESTINAZIONE FUNZIONE DELLA DESTINAZIONE

35 I modelli di distribuzione la stima da modello = un esempio (2) p ATTRAZIONE [ d / osh] = exp d ' ( β ) 1Ad β 2Co d ( β A β C ) exp 1 d' 2 o d' COSTO MOTIVO AD β ١ β ٢ C-L ADD. SETTORE INDUSTRIA ١.١٠ ٠.٧٠ ADD. SETTORE SERVIZI ٠.٩٣ ٠.٧٠ ADD. SETTORE SERVIZI PRIVATI ٠.٩٣ ٠.٨٣ ADD. SETTORE SERVIZI PUBBLICI ٠.٩٣ ٠.٥٨ C-SC ALUNNI SCUOLE ELEMENTARI ٠.٩٠ ٢.٥٢ STUDENTI SCUOLE MEDIE ٠.٩٥ ٢.٢٤ INFERIORI STUDENTI SCUOLE SUPERIORI ١.٠٠ ٠.٣٥ C-SP ADDETTI SERVIZI ٠.٩١ ٠.٧٨ C-AP STUD. SCUOLE ELEM. E MEDIE SUP. ٠.٢٠ ١.٣٥ C-AB ADDETTI COMMERCIO ١.٦١ ٢.٥٤

36 I modelli di scelta modale (1) Auto d i [odsh,auto] o d i [osh] d i [odsh] Piedi d Bus Il modello di scelta modale fornisce l aliquota p i [m/oshd] di spostamenti di utenti di categoria i che, recandosi dalla zona (o) alla zona (d) per il motivo (s) nella fascia oraria (h), usa il modo (m). Consente di stimare quante persone si spostano tra una zona o e una zona d d i od [sh] = n o [i] mi [osh] p i [d/osh] p i [m/odmsh]

37 p i [m/odsh] I modelli di scelta modale (2) 1 2 N (d odm ) ish.... N.. Stima diretta Indagine campionaria Stima da modello Indagine campionaria + specificazione di modelli basati sulla teoria dell utilità aleatoria

38 I modelli di scelta modale stima diretta 1. Intervisto n utenti la della stima classe diretta i che si spostano dalla zona o alla zone d e chiedo nella fascia oraria h per il motivo s che modo di trasporto hanno utilizzato 2. Calcolo le percentuali: 1 2 N (d odm ) ish.... N.. 1. La stima diretta è molto costosa e non ha senso visto che la scelta del modo è modificabile facilmente tra un giorno e l altro al variare delle caratteristiche dell offerta di trasporto

39 I modelli di scelta modale stima da modello la stima da modello 1 1. non comportamentale Nella pratica non si utilizzano 1. comportamentale È possibile immaginare un comportamento di scelta e cercare di simularlo mediante opportuni paradigmi teorici (e.g. utilità)

40 I modelli di scelta modale la stima da modello 2 stima da modello (modelli comportamentali) * comportamentale Il fenomeno è interpretato come una scelta tra i possibili modi di trasporto: Osservo le scelte effettuate da un campione di utenti e cerco i riprodurle mediante un percentuale di scelta dell alternativa B modello matematico 1 che simula le probabilità di scelta della generica classe di % utenti i 10 0 V AB

41 I modelli di scelta modale la stima da modello 3 quali le alternative: modi di trasporto esistenti e compatibili con il tipo di spostamento in esame quale l insieme di scelta: ciascun utente ha il proprio insieme di scelta in base alla disponibilità oggettiva delle diverse modalità di trasporto quale la funzione di scelta: modello Logit quale funzione di utilità : combinazione lineare di variabili di costo, e di natura socio- economica

42 I modelli di scelta modale la stima da modello 4 1. la funzione di scelta: modello di tipo Logit Multinomiale p[ m ] = exp(v m / θ ) m' exp(v m' / θ )

43 I modelli di scelta modale la stima da modello 5 1. la funzione di utilità 1 percentuale di scelta dell alternativa B V j = j β j X j 23% V AB Variabili costo - livello si servizio Variabili socio-economiche (legate alla utente e alla destinazione in questione) variabili specifiche della alternativa

44 I modelli di scelta modale la stima da modello 6 Variabili di costo (di livello di servizio) Per ciascun modo di trasporto si devono stimare i costi di spostamento tra l origine o e la destinazione d In funzione del modo di trasporto in esame: * tempo di viaggio * costo monetario * tempo di accesso/egresso

45 I modelli di scelta modale la stima da modello 7 Variabili socio-economiche Alcuni modi di trasporto possono avere caratteristiche che influenzano l utilità e/o la disutilità di un modo di trasporto che non sono facilmente simulabili mediante attributi di attrattività o di costo e.g.1: comfort auto (variabile binaria 1/0) e.g.2: età e.g.3: donna (variabile binaria 1/0) e.g.4: reddito (variabile binaria 1/0)

46 I modelli di scelta modale la stima da modello 8 Le alternative di scelta (I modi di trasporto simulati) AUTO AUTOBUS CAR POOL PASSEGGERO La disponibilità delle alternative Esplicitamente chieste all utente Definizione degli attributi e calcolo degli attributi quantitativi Livello di servizio Tempi a bordo (h) Tempi di attesa (h) Tempi di acc./egresso (h) Costi monetari (1000 ) Socioeconomici Sesso (1 se Femmina ) Numero di viaggi settimanali verso il complesso di Fisciano (1 se Freq.>3, 0 se Freq.<=3) Disponibilità auto (1/0) Tempo di permanenza H arrivo e/o partenza Modali Bus C.Pool Pax

47 I modelli di scelta del percorso (1) Il modello di scelta del percorso fornisce l aliquota p i [k/oshdm] degli spostamenti effettuati da utenti di categoria i, che utilizzano ciascun percorso k relativo al modo m per recarsi da o a d per lo scopo s nella fascia oraria h. Consente di stimare i flussi di percorso sulla rete modale m (F k o il vettore F) una volta noti i flussi di domanda per origine-destinazione e per modo di trasporto m d i od [sh] = n o [i] mi [osh] p i [d/osh] p i [m/odmsh] pi[k/oshdm]

48 I modelli di scelta del percorso una classificazione 1 comportamento di scelta preventivo 1 la scelta del percorso è effettuata interamente prima di iniziare lo spostamento comportamento di scelta preventivo-adattivo 2 la scelta del percorso avvenga in due fasi e sia completamente definita solo durante lo spostamento a seguito di adattamenti alle circostanze non prevedibili prima di intraprendere lo spostamento incontrate durante lo spostamento stesso

49 I modelli di scelta del percorso una classificazione 2 comportamento di scelta preventivo 1 è assunto per la scelta del percorso per sistemi che offrono un servizio di trasporto continuo (modalità individuali quali auto, i piedi, ecc.), ovvero un servizio di trasporto discontinuo (ad orario) con frequenze sufficientemente basse ed elevata regolarità per il quale si può assumere che l utente conosca l offerta (orario dei servizi) e scelga la corsa prima di iniziare lo spostamento., comportamento di scelta preventivo-adattivo 2 è considerato per sistemi che offrono un servizio di trasporto discontinuo (di linea) con frequenza di

50 I modelli di scelta del percorso comportamento di scelta preventivo quali le alternative: l utente prima di effettuare lo spostamento consideri le diverse sequenze di fasi del viaggio (percorsi) ossia sequenze di nodi e di archi della rete del modo considerato quale l Insieme di scelta: il problema consiste nella individuazione dei percorsi ammissibili quale la funzione di scelta: quale la funzione di utilità:

51 I modelli di scelta del percorso comportamento di scelta preventivo quali le alternative: l utente prima di effettuare lo spostamento consideri le diverse sequenze di di fasi del viaggio (percorsi) ossia sequenze di nodi e di archi della rete del modo considerato quale l Insieme di scelta: il problema è rilevante data la numerosità delle alternative quale la funzione di scelta: x quale la funzione di utilità: quale la funzione di utilità: x

52 I modelli di scelta del percorso comportamento di scelta preventivo: l insieme di scelta approccio esaustivo considera ammissibili tutti i percorsi elementari (senza circuiti) esistenti sulla rete in esame approccio selettivo individua solo alcuni percorsi fra quelli topologicamente ammissibili sulla base del soddisfacimento di alcune regole euristiche.

53 I modelli di scelta del percorso comportamento di scelta preventivo: l insieme di scelta approccio selettivo: alcuni esempi 1 TIPO DI CRITERIO Topologico Confronto dei costi Progressivo Multi-attributo Comportamentale SPECIFICAZIONE Un percorso è ammissibile se ogni arco che lo compone comporta un allontanamento dall origine (e/o un avvicinamento alla destinazione) Un percorso è ammissibile se il suo costo generalizzato è non superiore di una quota (α ) del costo minimo Sono ammissibili i primi n percorsi di costo generalizzato minimo Sono ammissibili i percorsi minimi secondo vari attributi (di solito le componenti del costo medio percepito: tempo, costo monetario, distanza autostradale ecc.) Sono ammissibili percorsi che escludono sequenze di archi corrispondenti a comportamenti ritenuti non realistici (es. ingressi e uscite ripetute dalla stessa infrastruttura autostradale) Distintivo Sono ammissibili percorsi che si differenziano almeno per l α - percento della lunghezza, o costo dei loro archi

54 I modelli di scelta del percorso comportamento di scelta preventivo: l insieme di scelta approccio selettivo: alcuni esempi O D arco autostradale arco stradale 1) O D ) 5 6 O D 3) O D 4) O D 5) O D 6) O D 7) O D 8) O D 9) 9 O D 10) O D 11) O D 12) O D 13) O D 14) O D 15) O D ) 9 O D Percorsi 1-16: insieme esaustivo dei percorsi elementari della rete riportata Percorsi : insieme selettivo dei percorsi della rete riportata in base a criteri comportamentali (si eliminano i percorsi 3 e 11) e topologici (si eliminano i percorsi dal 9 al 16 che comportano Corso di Pianificazione un allontanamento dei Trasporti dall' origine A.A. 2008/2009 O nell' ipotesi - Intro di costi di arco uguali)

55 I modelli di scelta del percorso comportamento di scelta preventivo quali le alternative: l utente prima di effettuare lo spostamento consideri le diverse sequenze di fasi del viaggio (percorsi) ossia sequenze di nodi e di archi della rete del modo considerato quale l Insieme di scelta: il problema è rilevante data la numerosità delle alternative quale la funzione di scelta: quale la funzione di utilità: quale la funzione di utilità: x

56 I modelli di scelta del percorso comportamento di scelta preventivo: la funzione di scelta utilità deterministica p [ k / osdm] = ١ se Ck < Ch h k h,k I o d m = ٠ altrimenti modello logit (+ exp realistico) [ ] ( C ) p k / osdm = k exp h I odm ( C ) h

57 I modelli di scelta del percorso comportamento di scelta preventivo quali le alternative l utente prima di effettuare lo spostamento consideri le diverse sequenze di di fasi del viaggio (percorsi) ossia sequenze di nodi e di archi della rete del modo considerato quale l Insieme di scelta il problema è rilevante data la numerosità delle alternative quale la funzione di scelta quale la funzione di utilità

58 I modelli di scelta del percorso comportamento di scelta preventivo: la funzione di utilità 1 si assume che le variabili che influenzano la scelta del percorso siano sostanzialmente degli attributi di livello di servizio di segno negativo, ovvero dei costi (tempo di percorrenza eventualmente differenziato per tipologia, costo monetario, distanza, ecc.). V k = C k k I o d m

59 I modelli di scelta del percorso comportamento di scelta preventivo: la funzione di utilità 2 C k se il costo percepito medio C k è puramente additivo (somma dei costi degli archi che lo compongono) C ADD k = Σ l a lk c l in forma matriciale CADD = A T c se il costo percepito medio contiene dei termini propri del percorso e non ottenibili come somma dei costi di arco (costo non additivo C NAk ); direttamente in forma matriciale C k = - C k ADD - C k NA

60 I modelli di scelta del percorso comportamento di scelta preventivo: la funzione di utilità 3 C k a sua volta può essere espresso in funzione di differenti attributi C k = Σ h β h X kh in questo caso solo se gli attributi X kh sono tutti ottenibili come somma dei corrispondenti valori x lh di arco, il costo Ck sarà additivo.

61 I modelli di scelta del percorso comportamento di scelta preventivo: la funzione di utilità 4 un esempio V j = β 1. PTT + β 2. STT + β 3. L +β 4. NSI + β 5. NLT +β 6. HDV PTT = Tempo di viaggio su archi della rete primaria [h] STT = Tempo di viaggio su archi della rete secondaria [h] L = Lunghezza totale del percorso [km] NSI = Numero di intersezioni semaforizzate presenti sul percorso NLT = Numero di svolte a sinistra HDV = Variabile dummy di scelta del percorso autostradale PTT STT L NSI NLT HDV ρ 2 %right Lratio (-7.514) ( ) (-1.224) (-1.143) (-3.978) (2.678) (t-student)

62 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo quali le alternative quale l insieme di scelta quale la funzione di scelta quale la funzione di utilità

63 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo quali le alternative quale l insieme di scelta quale la funzione di scelta quale la funzione di utilità

64 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: le alternative non è realistico assumere che l utente consideri come alternative soltanto i singoli percorsi sulla rete rappresentativa dei servizi per linee A linea 1 ϕ =5/h D fermate B C linea 3 ϕ =6/h linea 2 ϕ =10/h G E linea 4 ϕ =12/h linea 5 ϕ =4/h H F linea 6 ϕ =6/h

65 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: le alternative Le ipotesi di partenza sono: l utente che intraprende uno spostamento in un sistema di trasporto collettivo ad elevata frequenza, non possiede all inizio dello spostamento tutte le informazioni necessarie per poter decidere completamente il suo spostamento. l utente non sceglie un predeterminato percorso ma piuttosto una strategia di viaggio che gli consente di ottenere il costo medio dello spostamento che egli giudica minore. Una strategia è definita da un insieme di scelte predefinite e di regole di comportamento da seguire durante il viaggio, adattandosi ad eventi casuali o comunque non noti a priori.

66 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: le alternative Distinguiamo due tipi di comportamento di scelta: Il comportamento di scelta preventivo è quello che l utente adotta prima di iniziare il viaggio confrontando le possibili strategie alternative e scegliendone una sulla base delle caratteristiche, o attributi, attesi. Il comportamento di scelta adattivo è quello che l utente segue durante il viaggio adattandosi, come si è detto, ad eventi casuali o non prevedibili. Il tipo di comportamento di scelta adattivo e l insieme delle

67 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: le alternative esempio di strategia A B linea 4 ϕ =12/h linea 5 ϕ =4/h H F linea 6 ϕ =6/h

68 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: le alternative praticamente l utente sceglie preventivamente tra le strategie e all interno della strategia scelta si adatta agli eventi che incontra

69 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: le alternative QUINDI!! le alternative sono le strategie ed è possibile distinguere strategie semplici strategie composte

70 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: le alternative strate gie 5 IPERCAMMINI SEMPLICI a, b, c, d, e; 4 IPERCAMMINI COMPOSTI a+b, a+c, b+c, a+b+c; ipercammino semplice a (1) sempl ici ipercammino semplice b (2) ipercammino semplice c (3) ipercammino semplice d (4) ipercammino semplice e (5)

71 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: le alternative strate gie compo ste ipercammino composto a+b (6) ipercammino composto a+c (7) W=10,0 s ipercammino composto b+c (8) ipercammino composto a+b+c (9) r s

72 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo quali le alternative quale l insieme di scelta quale la funzione di scelta quale la funzione di utilità

73 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: l insieme di scelta approccio esaustivo considera ammissibili tutte le strategie (ovvero gli ipercammini che le rappresentano). approccio selettivo considera ammissibili solo gli ipercammini che soddisfano alcune condizioni, ad esempio non contengono percorsi con più di un trasbordo se esiste un percorso che non ne richiede alcuno.

74 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo quali le alternative quale l insieme di scelta quale la funzione di scelta quale la funzione di utilità

75 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: la funzione di scelta come l utente sceglie tra le strategie disponibili il modello di scelta fra le alternative (ipercammini) disponibili può essere espresso tanto da un modello basato sull utilità deterministica quanto d un modello Logit. Quello di utilità deterministica assegna tutta la domanda all ipercammino di minimo costo generalizzato come l utente si comporta lungo il viaggio bisogna fare esplicite ipotesi sui comportamenti degli utenti

76 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: la funzione di scelta come l utente si comporta lungo il viaggio l utente segue la regola di salire sul primo veicolo che passa fra quelli che appartengono ad alcune linee (una o più), detto insieme delle linee attrattive L definito prima di iniziare lo spostamento e appartenenti alla strategia A B linea 4 ϕ =12/h linea 5 ϕ =4/h H F linea 6 ϕ =6/h

77 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: la funzione di scelta poiché gli utenti e i veicoli arrivano casualmente alle fermateper simulare come ci si comporta si introduce la probabilità di salire sulla linea l appartenente all insieme delle linee attrattive alla fermata i, Li, e questa può essere espressa come: A [ ] B Pr l / i,l i = ϕ l / n L i ϕ n linea 4 ϕ =12/h linea 5 ϕ =4/h H F linea 6 ϕ =6/h

78 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: la funzione di scelta una volta stimata la strategie prescelta, il percorso all interno della strategia può essere calcolato il flusso di utenti per le probabilità precedentemente definite A B linea 4 ϕ =12/h linea 5 ϕ =4/h H F linea 6 ϕ =6/h

79 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo quali le alternative quale l insieme di scelta quale la funzione di scelta quale la funzione di utilità

80 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: la funzione di utilità C k a sua volta può essere espresso in funzione di differenti attributi C k = Σ h β h X kh in questo caso solo se gli attributi X kh sono tutti ottenibili come somma dei corrispondenti valori x lh di arco, il costo Ck sarà additivo.

81 I modelli di scelta del percorso comportamento di scelta preventivo-adattivo: le alternative

82 non è realistico assumere che l utente consideri come alternative soltanto i singoli percorsi sulla rete rappresentativa dei servizi per linee

83 I modelli di distribuzione la stima da modello: approccio non comportamentale 1 stima da modello (modelli non comportamentali) Osservo la distribuzione degli spostamenti effettuati da un campione di utenti e cerco di riprodurla mediante opportuni modelli matematici 1. il modello solitamente utilizzato è il modello gravitazionalela p i [d/osh] viene calcolata mediante modelli di tipo gravitazionale 2. le variabili 1.di costo (di livello si servizio e delle attività) 2.di attrattività 3.socio-economiche (età, sesso, condizione professionale)

84 I modelli di distribuzione la stima da modello: approccio non comportamentale 2 p i [d/osh] = B o A d f(c od ) d od e d : numero medio di utenti che si spostano tra o B o : caratteristica della zona di origine [1/A d f(c od )] A d : attrattività della zona d f(c od ) : funzione di costo, dove C od è il costo per raggiungere la destinazione d

85 d i od [s,h,m]= N i [o] n i o (SE,T) p i [d/osh] (SE,T) NUMERO DI UTENTI NELLA ZONA o n[o] MODELLO DI EMISSIONE O FREQUENZA DEGLI SPOSTAMENTI p[x/osh] do[sh] MODELLO DI DISTRIBUZIONE p[d/osh]

PIANIFICAZIONE DEI TRASPORTI. Prof. Massimo Di Gangi Dipartimento di Ingegneria Civile Corso di Pianificazione dei Trasporti A.A. 2008/2009 - Intro 1

PIANIFICAZIONE 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

Dettagli

ESEMPIO DI APPLICAZIONE MODELLI DI DOMANDA AD ALIQUOTE PARZIALI

ESEMPIO DI APPLICAZIONE MODELLI DI DOMANDA AD ALIQUOTE PARZIALI ! Dipartimento Ingegneria dell Impresa corso di TEORIA E TECNICA DELLA CIRCOLAZIONE + TRASPORTI E TERRITORIO ESEMPIO DI APPLICAZIONE MODELLI DI DOMANDA AD ALIQUOTE PARZIALI DOCENTE Prof. Ing. UMBERTO CRISALLI

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte

Dettagli

PIANIFICAZIONE DEI TRASPORTI

PIANIFICAZIONE 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

Dettagli

Analisi di dati di frequenza

Analisi 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

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso 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

Dettagli

Inferenza statistica. Statistica medica 1

Inferenza statistica. Statistica medica 1 Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella

Dettagli

LA PRIMA WEB APPLICATION PER REALIZZARE IL PIANO SPOSTAMENTI CASA-LAVORO

LA 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

Dettagli

Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco

Esercitazione 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

Dettagli

Modello di domanda Matrici OD Struttura

Modello 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

Dettagli

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 8 Marzo 007 Facoltà di Astronomia ESERCIZIO 1 La seguente tabella riporta la distribuzione congiunta della situazione lavorativa e dello

Dettagli

PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO

PROGETTO 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

Dettagli

7.2 Indagine di Customer Satisfaction

7.2 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,

Dettagli

L età dei vincitori La presenza femminile. L età dei vincitori La presenza femminile. Confronto tra il concorso ordinario ed il concorso riservato

L età dei vincitori La presenza femminile. L età dei vincitori La presenza femminile. Confronto tra il concorso ordinario ed il concorso riservato Premessa Corso-concorso ordinario L età dei vincitori La presenza femminile Corso-concorso riservato L età dei vincitori La presenza femminile Confronto tra il concorso ordinario ed il concorso riservato

Dettagli

MobilityManager. La prima web application per realizzare il Piano Spostamenti Casa-Lavoro

MobilityManager. 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

Dettagli

Temi di Esame a.a. 2012-2013. Statistica - CLEF

Temi di Esame a.a. 2012-2013. Statistica - CLEF Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei

Dettagli

Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate

Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate Introduzione alle relazioni multivariate Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili

Dettagli

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se

Dettagli

Indagine 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 +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

Dettagli

Sistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, >

Sistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, > Algoritmo del banchiere Permette di gestire istanze multiple di una risorsa (a differenza dell algoritmo con grafo di allocazione risorse). Ciascun processo deve dichiarare a priori il massimo impiego

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità

Dettagli

Corso di laurea in Economia e Gestione delle Arti e delle Attività Culturali a.a. 2003-2004 INTRODUZIONE ALLA STATISTICA DESCRITTIVA

Corso di laurea in Economia e Gestione delle Arti e delle Attività Culturali a.a. 2003-2004 INTRODUZIONE ALLA STATISTICA DESCRITTIVA Corso di laurea in Economia e Gestione delle Arti e delle Attività Culturali a.a. 2003-2004 INTRODUZIONE ALLA STATISTICA DESCRITTIVA Prof. Stefania Funari Parte I TERMINOLOGIA STATISTICA e CONCETTI INTRODUTTIVI

Dettagli

Metodi statistici per le ricerche di mercato

Metodi 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

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide Cerbara parte1 5. Le distribuzioni teoriche Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle

Dettagli

Luigi Piroddi piroddi@elet.polimi.it

Luigi Piroddi piroddi@elet.polimi.it Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -

Dettagli

Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V

Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.

Dettagli

Scelta intertemporale: Consumo vs. risparmio

Scelta intertemporale: Consumo vs. risparmio Scelta intertemporale: Consumo vs. risparmio Fino a questo punto abbiamo considerato solo modelli statici, cioè modelli che non hanno una dimensione temporale. In realtà i consumatori devono scegliere

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

I sistemi di numerazione

I sistemi di numerazione I sistemi di numerazione 01-INFORMAZIONE E SUA RAPPRESENTAZIONE Sia dato un insieme finito di caratteri distinti, che chiameremo alfabeto. Utilizzando anche ripetutamente caratteri di un alfabeto, si possono

Dettagli

LA MOBILITA' A SAN GIOVANNI VALDARNO

LA 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

Dettagli

5. IL PC E INTERNET NELLE DIVERSE TIPOLOGIE FAMILIARI

5. IL PC E INTERNET NELLE DIVERSE TIPOLOGIE FAMILIARI 5. IL PC E INTERNET NELLE DIVERSE TIPOLOGIE FAMILIARI 5.1 Considerazioni generali Il livello di informatizzazione delle famiglie toscane è stato esaminato, oltre che sulla base del territorio, anche tenendo

Dettagli

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI

CAPITOLO 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

Dettagli

Lezione n. 2 (a cura di Chiara Rossi)

Lezione n. 2 (a cura di Chiara Rossi) Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,

Dettagli

Come si spostano le donne e gli uomini bolognesi

Come 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

Dettagli

1. Distribuzioni campionarie

1. Distribuzioni campionarie Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie

Dettagli

La propagazione delle onde luminose può essere studiata per mezzo delle equazioni di Maxwell. Tuttavia, nella maggior parte dei casi è possibile

La propagazione delle onde luminose può essere studiata per mezzo delle equazioni di Maxwell. Tuttavia, nella maggior parte dei casi è possibile Elementi di ottica L ottica si occupa dello studio dei percorsi dei raggi luminosi e dei fenomeni legati alla propagazione della luce in generale. Lo studio dell ottica nella fisica moderna si basa sul

Dettagli

LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di

LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica

Dettagli

MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza

MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare

Dettagli

Il modello generale di commercio internazionale

Il modello generale di commercio internazionale Capitolo 6 Il modello generale di commercio internazionale [a.a. 2015/16 ] adattamento italiano di Novella Bottini (ulteriore adattamento di Giovanni Anania, Margherita Scoppola e Francesco Aiello) 6-1

Dettagli

Tasso di occupazione per fasce di età. Provincia di Piacenza, 2009 90,3 83,1 77,7 27,6 16,4. 15-24 anni. 25-34 anni. 45-54 anni.

Tasso di occupazione per fasce di età. Provincia di Piacenza, 2009 90,3 83,1 77,7 27,6 16,4. 15-24 anni. 25-34 anni. 45-54 anni. La situazione occupazionale dei giovani in provincia di Piacenza Premessa Una categoria di soggetti particolarmente debole nel mercato del lavoro è rappresentata, di norma, dai lavoratori di età più giovane

Dettagli

7.2 Indagine di Customer Satisfaction

7.2 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

Dettagli

Il modello generale di commercio internazionale

Il modello generale di commercio internazionale Capitolo 6 Il modello generale di commercio internazionale [a.a. 2013/14] adattamento italiano di Novella Bottini (ulteriore adattamento di Giovanni Anania) 6-1 Struttura della presentazione Domanda e

Dettagli

Risultati 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. [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

Dettagli

REGOLAMENTO DI VALUTAZIONE DEL PERSONALE DIPENDENTE

REGOLAMENTO DI VALUTAZIONE DEL PERSONALE DIPENDENTE REGOLAMENTO DI VALUTAZIONE DEL PERSONALE DIPENDENTE Approvato con Determinazione del Direttore Generale n. 244 del 20/07/2010 L importanza di un sistema operativo di valutazione comune e riconoscibile

Dettagli

Il pendolarismo nel Comune di Udine Dati censuari

Il 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

Dettagli

b i 1,1,1 1,1,1 0,1,2 0,3,4

b i 1,1,1 1,1,1 0,1,2 0,3,4 V o Appello // RICERCA OPERATIVA - Corso A (a.a. 9/) Nome Cognome: Corso di Laurea: L C6 LS LM Matricola: ) Si consideri il problema di flusso di costo minimo in figura. Si verifichi se il flusso ammissibile

Dettagli

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure

Dettagli

Matematica generale CTF

Matematica generale CTF Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione

Dettagli

Probabilità II Variabili casuali discrete

Probabilità II Variabili casuali discrete Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una

Dettagli

Sommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.

Sommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell

Dettagli

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

LE 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

Dettagli

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione

Dettagli

SERVIZIO NAZIONALE DI VALUTAZIONE 2010 11

SERVIZIO NAZIONALE DI VALUTAZIONE 2010 11 SERVIZIO NAZIONALE DI VALUTAZIONE 2010 11 Le rilevazioni degli apprendimenti A.S. 2010 11 Gli esiti del Servizio nazionale di valutazione 2011 e della Prova nazionale 2011 ABSTRACT Le rilevazioni degli

Dettagli

Sia data la rete di fig. 1 costituita da tre resistori,,, e da due generatori indipendenti ideali di corrente ed. Fig. 1

Sia data la rete di fig. 1 costituita da tre resistori,,, e da due generatori indipendenti ideali di corrente ed. Fig. 1 Analisi delle reti 1. Analisi nodale (metodo dei potenziali dei nodi) 1.1 Analisi nodale in assenza di generatori di tensione L'analisi nodale, detta altresì metodo dei potenziali ai nodi, è un procedimento

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE n. 5 (a cura di Antonio Di Marco) LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,

Dettagli

Regressione logistica. Strumenti quantitativi per la gestione

Regressione logistica. Strumenti quantitativi per la gestione Regressione logistica Strumenti quantitativi per la gestione Emanuele Taufer file:///c:/users/emanuele.taufer/dropbox/3%20sqg/classes/4a_rlg.html#(1) 1/25 Metodi di classificazione I metodi usati per analizzare

Dettagli

Scheduling della CPU. Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux

Scheduling della CPU. Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux Scheduling della CPU Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux Sistemi multiprocessori Fin qui si sono trattati i problemi di scheduling su singola

Dettagli

Statistica inferenziale

Statistica 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

Dettagli

Tecniche di analisi multivariata

Tecniche di analisi multivariata Tecniche di analisi multivariata Metodi che fanno riferimento ad un modello distributivo assunto per le osservazioni e alla base degli sviluppi inferenziali - tecniche collegate allo studio della dipendenza

Dettagli

4.1. La migliore relazione affettiva con la figura di riferimento principale

4.1. La migliore relazione affettiva con la figura di riferimento principale 4.1. La migliore relazione affettiva con la figura di riferimento principale Nella seguente tabella sono riassunte le frequenze dei dati sensibili ottenute dallo spoglio dei dati raccolti nella parte preliminare

Dettagli

Lezione 1. Concetti Fondamentali

Lezione 1. Concetti Fondamentali Lezione 1 Concetti Fondamentali 1 Sonetto di Trilussa Sai ched è la statistica? E E na cosa che serve pe fa un conto in generale de la gente che nasce, che sta male, che more, che va in carcere e che sposa.

Dettagli

Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto

Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Il presente capitolo continua nell esposizione di alcune basi teoriche della manutenzione. In particolare si tratteranno

Dettagli

Donne e welfare. Novembre 2010

Donne e welfare. Novembre 2010 Donne e welfare Novembre 2010 1 Metodologia Universo di riferimento Donne residenti residenti in Italia Numerosità campionaria 800 donne disaggregate per età(giovani adulte anziane), condizione professionale

Dettagli

Segmentare ovvero capire il contesto di mercato di riferimento

Segmentare ovvero capire il contesto di mercato di riferimento Lezione n. 5 Segmentare ovvero capire il contesto di mercato di riferimento Prof.ssa Clara Bassano Corso di Principi di Marketing A.A. 2006-2007 Verso la strategia aziendale Mission + Vision = Orientamento

Dettagli

Il profiling dei disoccupati basato sull occupabilità: un alternativa di targeting in assenza di evidenza sull efficacia degli interventi

Il profiling dei disoccupati basato sull occupabilità: un alternativa di targeting in assenza di evidenza sull efficacia degli interventi Il profiling dei disoccupati basato sull occupabilità: un alternativa di targeting in assenza di evidenza sull efficacia degli interventi Luca Mo Costabella Mirare gli interventi sulla base della loro

Dettagli

Obiettivi dell esercitazione. Requisiti (cont.) Requisiti. Università di Roma La Sapienza A.A. 2008-2009. Facoltà di Ingegneria Sede di Latina

Obiettivi dell esercitazione. Requisiti (cont.) Requisiti. Università di Roma La Sapienza A.A. 2008-2009. Facoltà di Ingegneria Sede di Latina Università di Roma La Sapienza A.A. 2008-2009 Facoltà di Ingegneria Sede di Latina Laurea in Ingegneria Informatica ed Ingegneria dell Informazione Corso di PROGETTAZIONE DEL SOFTWARE Esercitazione sulla

Dettagli

Gli spostamenti quotidiani per Studio e per Lavoro a Monza. La mobilità giornaliera

Gli 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

Dettagli

Economia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1

Economia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1 Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il

Dettagli

Regressione Logistica: un Modello per Variabili Risposta Categoriali

Regressione Logistica: un Modello per Variabili Risposta Categoriali : un Modello per Variabili Risposta Categoriali Nicola Tedesco (Statistica Sociale) Regressione Logistica: un Modello per Variabili Risposta Categoriali 1 / 54 Introduzione Premessa I modelli di regressione

Dettagli

1. Considerazioni preliminari

1. Considerazioni preliminari 1. Considerazioni preliminari Uno dei principali aspetti decisionali della gestione logistica è decidere dove localizzare nuove facility, come impianti, magazzini, rivenditori. Ad esempio, consideriamo

Dettagli

RISOLUZIONE N.80/E QUESITO

RISOLUZIONE N.80/E QUESITO RISOLUZIONE N.80/E Direzione Centrale Normativa Roma, 24 luglio 2012 OGGETTO: Interpello - Art. 11, legge 27 luglio 2000, n. 212. Fatture di importo inferiore a 300,00 euro - Annotazione cumulativa anche

Dettagli

( x) ( x) 0. Equazioni irrazionali

( x) ( x) 0. Equazioni irrazionali Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza

Dettagli

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

Dettagli

L orizzonte temporale nei prospetti semplificati dei fondi aperti. Nota di studio. Ufficio Studi

L orizzonte temporale nei prospetti semplificati dei fondi aperti. Nota di studio. Ufficio Studi L orizzonte temporale nei prospetti semplificati dei fondi aperti Nota di studio Ufficio Studi Gennaio 2012 1 1] Premessa Nel corso del 2010 uno degli obiettivi del Gruppo di Lavoro Rischio e Classificazione

Dettagli

Esercitazione 23 maggio 2016

Esercitazione 23 maggio 2016 Esercitazione 5 maggio 016 Esercitazione 3 maggio 016 In questa esercitazione, nei primi tre esercizi, analizzeremo il problema del moral hazard nel mercato. In questo caso prenderemo in considerazione

Dettagli

Analisi di Mercato. Facoltà di Economia. Analisi sui consumi. Metodo delle inchieste familiari. Metodo delle disponibilità globali

Analisi di Mercato. Facoltà di Economia. Analisi sui consumi. Metodo delle inchieste familiari. Metodo delle disponibilità globali Obiettivi delle aziende Analisi di Mercato Facoltà di Economia francesco mola Analisi sui consumi Conoscere i bisogni e i gusti dei consumatori Valutare la soddisfazione della clientela Lanciare nuovi

Dettagli

INDICE. Capitolo 1 - Introduzione...1. Capitolo 2 - Inquadramento generale dell intervento...5. Capitolo 3 Metodologia dello studio...

INDICE. Capitolo 1 - Introduzione...1. Capitolo 2 - Inquadramento generale dell intervento...5. Capitolo 3 Metodologia dello studio... INDICE Capitolo 1 - Introduzione...1 Capitolo 2 - Inquadramento generale dell intervento...5 2.1. Inquadramento dell area di studio...5 2.1.1. Conformazione del territorio...5 2.1.2. Principali infrastrutture

Dettagli

Rapporto dal Questionari Insegnanti

Rapporto 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

Dettagli

Management Sanitario. Modulo di Ricerca Operativa

Management Sanitario. Modulo di Ricerca Operativa Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa Prof. Laura Palagi http://www.dis.uniroma1.it/ palagi Dipartimento di

Dettagli

MAPPE DI KARNAUGH. Nei capitoli precedenti si è visto che è possibile associare un circuito elettronico o elettrico ad una funzione logica.

MAPPE DI KARNAUGH. Nei capitoli precedenti si è visto che è possibile associare un circuito elettronico o elettrico ad una funzione logica. MAPPE DI KARNAUGH 1. Generalità Nei capitoli precedenti si è visto che è possibile associare un circuito elettronico o elettrico ad una funzione logica. E ovvio che più semplice è la funzione e più semplice

Dettagli

Analisi di bilancio: un modello con grafici

Analisi di bilancio: un modello con grafici Esercitazioni svolte di laboratorio 2008 Scuola Duemila 207 Il caso Esercitazione svolta di laboratorio n. 3 Analisi di bilancio: un modello con grafici Roberto Bandinelli Riccardo Mazzoni Gli addetti

Dettagli

OCCUPATI SETTORE DI ATTIVITA' ECONOMICA

OCCUPATI SETTORE DI ATTIVITA' ECONOMICA ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971

Dettagli

Campagna di indagine sul traffico di attraversamento dell area urbana di Mantova

Campagna di indagine sul traffico di attraversamento dell area urbana di Mantova Campagna di indagine sul traffico di attraversamento dell area urbana di Mantova Risultati della campagna di indagine Giugno, 2011 Indice Il documento riporta le elaborazioni dei dati raccolti nella campagna

Dettagli

Epoca k Rata Rk Capitale Ck interessi Ik residuo Dk Ek 0 S 0 1 C1 Ik=i*S Dk=S-C1. n 0 S

Epoca k Rata Rk Capitale Ck interessi Ik residuo Dk Ek 0 S 0 1 C1 Ik=i*S Dk=S-C1. n 0 S L AMMORTAMENTO Gli ammortamenti sono un altra apllicazione delle rendite. Il prestito è un operazione finanziaria caratterizzata da un flusso di cassa positivo (mi prendo i soldi in prestito) seguito da

Dettagli

Test statistici di verifica di ipotesi

Test statistici di verifica di ipotesi Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall

Dettagli

Lezione 5. Argomenti. Premessa Vincolo di bilancio La scelta ottima del consumatore

Lezione 5. Argomenti. Premessa Vincolo di bilancio La scelta ottima del consumatore Lezione 5 Argomenti Premessa Vincolo di bilancio La scelta ottima del consumatore 5.1 PREESSA Nonostante le preferenze portino a desiderare quantità crescenti di beni, nella realtà gli individui non sono

Dettagli

Protocollo di tracciamento e valutazione degli studenti dei corsi di italiano ICoNLingua A.A. 2013-2014

Protocollo di tracciamento e valutazione degli studenti dei corsi di italiano ICoNLingua A.A. 2013-2014 Progetto ICoNLingua Scienza senza Frontiere CsF- Italia Protocollo di tracciamento e valutazione degli studenti dei corsi di italiano ICoNLingua A.A. 2013-2014 1. Introduzione La valutazione sia in itinere

Dettagli

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che

Dettagli

ECONOMIA DEL LAVORO. Lezioni di maggio (testo: BORJAS) L offerta di lavoro

ECONOMIA DEL LAVORO. Lezioni di maggio (testo: BORJAS) L offerta di lavoro ECONOMIA DEL LAVORO Lezioni di maggio (testo: BORJAS) L offerta di lavoro Offerta di lavoro - Le preferenze del lavoratore Il luogo delle combinazioni di C e L che generano lo stesso livello di U (e.g.

Dettagli

«VALUTAZIONE DELL EFFICACIA DI UN PANNELLO A MESSAGGIO VARIABILE LOCALIZZATO NELLA PIANA DI LUCCA»

«VALUTAZIONE DELL EFFICACIA DI UN PANNELLO A MESSAGGIO VARIABILE LOCALIZZATO NELLA PIANA DI LUCCA» «VALUTAZIONE DELL EFFICACIA DI UN PANNELLO A MESSAGGIO VARIABILE LOCALIZZATO NELLA PIANA DI LUCCA» SISTEMI DI INFORMAZIONE I sistemi di informazione sono apparati costituiti da strumentazione connessa

Dettagli

(Esercizi Tratti da Temi d esame degli ordinamenti precedenti)

(Esercizi Tratti da Temi d esame degli ordinamenti precedenti) (Esercizi Tratti da Temi d esame degli ordinamenti precedenti) Esercizio 1 L'agenzia viaggi GV - Grandi Viaggi vi commissiona l'implementazione della funzione AssegnaVolo. Tale funzione riceve due liste

Dettagli

PALI Si distinguono: Nel caso 1 il palo non modifica il moto ondoso, mentre nel caso 2 il moto ondoso è modificato dal palo.

PALI Si distinguono: Nel caso 1 il palo non modifica il moto ondoso, mentre nel caso 2 il moto ondoso è modificato dal palo. PALI Si distinguono: 1. pali di piccolo diametro se D/L0,05 Nel caso 1 il palo non modifica il moto ondoso, mentre nel caso 2 il moto ondoso è modificato dal palo.

Dettagli

Dossier 7 Il possesso e l acquisto di beni durevoli (1997-2004)

Dossier 7 Il possesso e l acquisto di beni durevoli (1997-2004) Dossier 7 Il possesso e l acquisto di beni durevoli (1997-2004) Audizione del Presidente dell Istituto nazionale di statistica, Luigi Biggeri presso le Commissioni congiunte V del Senato della Repubblica

Dettagli

Verifica di ipotesi e intervalli di confidenza nella regressione multipla

Verifica di ipotesi e intervalli di confidenza nella regressione multipla Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo

Dettagli

AGENZIA 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 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,

Dettagli

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S

Dettagli

IGiochidiArchimede-SoluzioniBiennio 22 novembre 2006

IGiochidiArchimede-SoluzioniBiennio 22 novembre 2006 PROGETTO OLIMPII I MTEMTI U.M.I. UNIONE MTEMTI ITLIN SUOL NORMLE SUPERIORE IGiochidirchimede-Soluzioniiennio novembre 006 Griglia delle risposte corrette Problema Risposta corretta E 4 5 6 7 8 9 E 0 Problema

Dettagli

STATISTICA IX lezione

STATISTICA 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

Dettagli

Come archiviare i dati per le scienze sociali

Come archiviare i dati per le scienze sociali Come archiviare i dati per le scienze sociali ADPSS-SOCIODATA Archivio Dati e Programmi per le Scienze Sociali www.sociologiadip.unimib.it/sociodata E-mail: adpss.sociologia@unimib.it Tel.: 02 64487513

Dettagli