POLITECNICO DI TORINO

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "POLITECNICO DI TORINO"

Transcript

1 POLITECNICO DI TORINO Laurea n Ingegnera Logstca e della Produzone Corso d Logstca e d Dstrbuzone II ESERCITAZIONI Docente: Prof. Ing. Gulo Zotter Tutore: Ing. Scapaccno Gulano LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_2008 1

2 NOTA: Le eserctazon sono solo un rfermento. Per la trattazone completa ed esemp agguntv: Testo d rfermento: LOGISTICA DI DISTRIBUZIONE Autor: Gulo Zotter Paolo Brandmarte Edtore: CLUT INDICE Gestone delle scorte n sstem mult-stado... 3 Ottmzzazone separata d cascun magazzno (POLITICA INSTALLATION STOCK)... 4 Ottmzzazone congunta della struttura (POLITICA ECHELON STOCK)... 5 Sstema arborescente a due lvell con domanda ncerta... 6 DOMANDA NEL PERIODO DI FUORI CONTROLLO... 7 POLITICA DI SMISTAMENTO... 8 Sstema lneare a due lvell: caso stocastco ESEMPI TRATTI DA TEMI D ESAME LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_2008 2

3 Gestone delle scorte n sstem mult-stado Strutture contemplate: Lneare arborescente dstrbutvo generale Sstema lneare a due lvell: caso determnstco Esempo Sete propretaro d 2 magazzn che operano n cascata. Il magazzno a monte ( costo gacenza mensle untaro 3 e cost ordne 7500 ) rceve prodott da un forntore e dopo aver svolto le pratche d smstamento l nva perodcamente al magazzno fnale a valle ( costo gacenza mensle untaro 5 e cost ordne 1620 ) l quale fa fronte alla domanda d mercato d 934 pezz/mese. Avete due possbltà d gestone : - lascare che cascuno de due magazzner proceda alla determnazone delle quanttà d rordno - effettuare una runone perodca d nzo anno dove vengono collegalmente decse le quantta d rordno per entrambe magazzn. Determnare, motvandola, quale poltca ntendete adottare e qual sono cost attes d gestone. struttura LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_2008 3

4 2 1 Ottmzzazone separata d cascun magazzno (POLITICA INSTALLATION STOCK) Magazzno 1: Q C 2Ad 1 1 = = h1 tot, untà = 2A d h = 3889,8 Magazzno 2 j 1 2Ad = = 2,77 Q h * Q ( j 1) Q C j = 2 = A + h = 5669 ( ) 1 1 tot,2 2 2 jq1 2 Q ( j 1) Q C j = 3 = A + h = 5335 ( ) 1 1 tot,2 2 2 jq1 2 COSTO TOTALE DELLA STRUTTURA=9225,8 LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_2008 4

5 Ottmzzazone congunta della struttura (POLITICA ECHELON STOCK) Echelon stock: le untà fscamente present mel prmo magazzno (punto vendta) sono contablzzate nella scorta del secondo magazzno. e1 = h1 h2 = 2 e2 = h2 = 3 * A2 e1 j = = 1, 76 A1 e2 j = 1 A2 2d A1 + j Q1 = = 1846untà e1+ je2 Q = Q 2 1 e A2 d Q1 A2 Ctot, j= 1 = A1+ + ( e1+ j e2) = 2d A1+ ( e1+ j e2) = 9229 j Q1 2 j j = 2 A2 2d A1 + j Q1 = = 1119,8untà e1+ je2 Q = 2Q = 2240untà C 2 1 A d Q A = A + + ( e + j e ) = 2d A + ( e + j e ) = 8958 e tot, j= j Q1 2 j COSTO TOTALE DELLA STRUTTURA=8958 L ottmzzazone congunta porta a cost total d gestone della struttura nferor. (8958 <9225,8 ) ma penalzza l magazzno 1. LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_2008 5

6 Sstema arborescente a due lvell con domanda ncerta. Anals struttura e gestone con transt pont. (magazzn d smstamento senza strutture d stoccaggo) La merce arrva n grand lott che vengono rdott n pù pccol utlzzat per comporre mx d assortmento de carch de mezz d trasporto secondaro. Poltca d gestone: Echelon stock up to order (S) Poltca d allocazone: (potes: condzon economche de punt vendta della catena assmlabl) garantre medesmo lvello d servzo type I Determnazone perodo d fuor controllo, parametr d gestone e poltca d smstamento. Emssone ordne transt pont Ingresso merce al transt pont Ingresso merce a punt vendta τ Emssone ordne transt pont Ingresso merce al transt pont Ingresso merce a punt vendta VARIANZA DELLA DOMANDA AGGREGATA SOMMA DELLE VARIANZE DOMANDE PUNTI VENDITA σ1 = σ σ = σ DURATA: LT 2 DURATA: τ+lt 1 LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_2008 6

7 PERIODO DI FUORI CONTROLLO: LT 2 +τ+lt 1 DOMANDA NEL PERIODO DI FUORI CONTROLLO m = domanda dell esmo punto vendta σ = varanza domanda nel sngolo punto vendta 2 1 ( ) 2 2 dlt + τ + LT N µ = ( LT2 + τ + LT1 m ; σ = LT2σ1 + ( τ + LT 1) σ ) (1.1) Concetto: La presenza d transt pont permette d postcpare le decson d allocazone delle scorte a punt vendta che vengono prese una volta osservata la domanda per un perodo d tempo pù esteso. ( varanza della domanda aggregata < somma delle varanze sngole domande). Esempo (drver dmensone dello stockout cost stockout not) h τ Essendo : 1 FS ( ) = (1.2) pu h: costo d gacenza untaro τ: perodo d revsone p u : costo untaro d stockout DATI (es: pag 241) perodo d revsone 1 tau tempo d consegna al transt pont 2 Lt2 tempo trasfermento a magazzn 1 Lt1 margne prodotto 1 pu costo mantenmento per 1 settmana 0,1 h n. punt vendta 9 domanda meda settman. Punto vendta 100 untà LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_2008 7

8 d.s. domanda settmanale punto vendta 25 untà SVOLGIMENTO domanda meda Punto vendta n fuor controllo 100 untà S.D. domanda Punto vendta n fuor controllo 25 untà perodo d fuor controllo 4 tau+lt1+lt2 s.d n Lt s.d n (Lt1 + tau) domanda totale nel perodo d fuor controllo 3600 da formule (1.1) devazone standard nel perodo d fuor controllo 335,4102 da formule (1.1) F(S) 0,9 da formule (1.2) z 1,28 tavole normale con F(z) =0,9 S 4029,845 n+z*sgma POLITICA DI SMISTAMENTO E opportuno allocare l lotto n arrvo al transt pont n modo da garantre un medesmo lvello d servzo d tpo 1 (α) a tutt negoz. In caso d struttura domanda normale e struttura d costo delle scorte e rcav ugual per tutt negoz s dovrà ottenere un lvello delle scorte n tutt punt vendta legato allo stesso quantle z. smstamento potes stesse strutture d costo tempo trasfermento a negoz 2 frequenza d consegna 2 n. negoz 3 d. meda n1 100 n2 200 n3 100 somma 400 s.d. domanda n1 20 n2 20 LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_2008 8

9 n3 30 somma 70 gacenza attuale n1 60 n2 100 n3 40 somma 200 quanttà n arrvo 270 dsponbltà complessva 470 z per stesso lvello d servzo type 1 1 ( )/70 s *20 s *20 s *30 quanttà da spedre n1= lvello ottmo- gacenza 60 n2= lvello ottmo- gacenza 120 n3= lvello ottmo- gacenza 90 somma 270 N.B: verfcare sempre che la gacenza attuale non sa superore al lvello ottmale, nel caso escludere l negozo e rpartre la quanttà tra restant. LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_2008 9

10 Sstema lneare a due lvell: caso stocastco In condzon d ncertezza l ordne del magazzno a valle può essere mmedatamente evaso dal magazzno a monte n un tempo l1, oppure attendere n coda a seguto de back order un tempo non determnstco e funzone della lunghezza della coda. STRUTTURA: Back orders Poltca: Installaton stock (Q,R) l1 determnstco Gestone S contnuos revew Concetto: Occorre tenere conto dell ncertezza de LT e non solo della domanda. Eventual stockout al magazzno centrale producono un aumento sa del tempo medo d consegna a punt vendta che della sua varabltà n quanto alcun ordn vengono evas mmedatamente altr subscono un rtardo dovuto al backlog. LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

11 Esempo A LT=1 sett. Prob 0,7 B Poltca S c.r. Meda settmanale =100 Devaz. Standard = 20 LT=2 sett. Prob 0,3 Il magazzno B vene rfornto con un LT d 1 settmana (prob. 0,7) o 2 settmane (prob. 0,3) ed utlzza una poltca d revsone S contnous revew. La domanda settmanale ha meda 100 e s.d. 20 non autocorrelata. La durata del LT e l lvello d domanda sono rtenute VC ndpendent. E necessaro determnare parametr della domanda nel LT ove ora anchesso è una VC dstrbuta secondo una bnomale. La domanda nel lt è una VC con dstrbuzone bmodale. Pertanto: µ = ,3*200 = 130untà dlt dlt ( ) ( )* 1,3 20 0, Var = LT Var d + Var LT d = + = untà Note le caratterstche d domanda nel perodo fuor controllo LT sarà possble determnare parametr ottmal d gesone del magazzno LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

12 ESEMPI TRATTI DA TEMI D ESAME ESEMPIO 1 Un vendtore ambulante acqusta gornalmente del formaggo fresco per 3 /kg dal contadno e lo rvende al mercato ronale con un margne d guadagno del 70%. Non avendo sstem d mantenmento ed essendo l prodotto faclmente deperble ha la possbltà d rvendere al casefco la quote rmaste al termne della gornata ncassando 1,8 /kg. Il mercato s svolge gornalmente e l ambulante deve decdere quale quanttà d formaggo acqustare, pertanto provvede alla regstrazone delle quanttà vendute ottenendo dopo un perodo sgnfcatvo la seguente dstrbuzone d domanda: quanttà meda d formaggo venduto : 15 kg devazone standar : 2 kg Determnare la quanttà ottmale d acqusto per l ambulante ed l numero medo d gorn su una settmana ( 6 gorn ) n cu non sarà n grado d fare fronte a tutta la domanda del mercato. Il contadno propone all ambulante d rtrare l formaggo restante a fne gornata gratutamente facendogl però uno sconto sul formaggo fresco del 30%. Sapendo che l ambulante mantene nvarato l prezzo d vendta, questa possbltà lo spngerà a comperare pù formaggo gornalmente o d meno e d quanto? Newsvendor Prma domanda costo acqusto (u) 3 prezzo vendta (p) 5,1 costo resttuzone (v) 1,8 meda della domanda gornalera 15 sd della domanda gornalera 2 margne m=(p-u) 2,1 LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

13 costo fnale scorte (c) 1,2 m/(m+c) 0, z 0, Q* 15,69751 lvello d servzo alfa 0, n. medo gorn stock out = 6*alfa 2, Seconda domanda costo acqusto (u) 2,1 prezzo vendta (p) 5,1 costo resttuzone (v) 0 meda della domanda gornalera 15 sd della domanda gornalera 2 margne m=(p-u) 3 costo fnale scorte (c) 2,1 m/(m+c) 0, z 0, Q* 15,44602 lvello d servzo alfa 0, n. medo gorn stock out = 6*alfa 2, delta quanttà acqustata Kg 0,25 ESEMPIO 2 LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

14 Il propretaro dell azenda n cu operate per non perdere mportant quote d proftto v chede d organzzare le scorte del magazzno centrale n modo da poter rspondere almeno al 97% della rchesta d prodott da parte del mercato. I cost a cu sete sottopost sono quell d gacenza par al 10% per untà d valore e d tempo, 5% annuo asscutvo sul valore della gacenza meda e d effettuazone dell ordne d 50. Il prezzo d acqusto del vs. prodotto è d 10 ad untà. La domanda annua è par a 200 con s.d. d 35,35 e che temp d approvvgonamento sono d tre mes. Determnare parametr ottmal d gestone e scorta d scurezza. Qual è l numero medo d ccl n cu non s verfcherà stock out durante l perodo d rfermento? Qual è la probabltà che rcevate l bonus prevsto qualora non s verfcasse stock out n tutto l anno? Caso: costo stock out NON noto, drver quanttà Vene applcato l metodo d ottmzzazone separata della funzone d costo. Domanda 200 q s.d. Domanda 35,35 q Lead tme 3 g meda domanda n rordno 50 q sd domanda n rordno 17,68 q prezzo 10 costo gacenza 0,1 % costo asscurazone 0,05 % costo totale mantenmento 0,15 % costo ordne 50 costo stock out non noto lvello servzo Beta 0,97 % EOQ 115 q n 3,46 q L(z) 0,20 z 0,51 LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

15 R* 59 q Scorta scurezza 9 q lvello servzo Alfa F(z) 0,69 n.ccl med annu 1,73 n.ccl med non stock out = ccl med * alfa 1,20 probabltà bonus= alfa ^ ccl med 0,53 ESEMPIO 3 (CORSO DIURNO) La Gamma Dvan mporta dvan e poltrone dalla Romana e l commercalzza n Itala tramte un network d 1000 negoz. Quest 1000 pccol negoz s focalzzano sostanzalmente solamente su dvan e s concentrano nel centro Itala su un area d dmenson puttosto lmtate. Inzalmente la Gamma dvan mportava un unco prodotto e seguendo consgl d un professore del Poltecnco d Torno, sedcente esperto d Logstca d dstrbuzone, ha costruto un magazzno d prodott fnt nelle Marche. La Gamma ha po decso d gestre questo magazzno ntermedo come un transt pont, coè d far consegnare al magazzno le merc carcate su camon provenent dalla Romana e d utlzzarl mmedatamente per le consegne a 1000 punt vendta. Infatt, grand mezz (spesso de blc nter) provenent dalla Romana male s adattano alla consegna n dvers punt vendta spesso localzzat ne centr storc d pccole localtà del centro Itala. Per questo camon n arrvo vengono scarcat e la merce vene mmedatamente messa n carco su pccol mezz qual Fat Daly. a) qual vantagg può portare questa soluzone, n presenza d un unco prodotto? E secondo vo vantagg sarebbero maggor se prodott fossero approvvgonat dal far east? Perché? Sete n grado d argomentare la vostra affermazone attraverso le equazon che caratterzzano l modello d gestone d un transt pont secondo una logca S? b) Cosa camba a fronte d un numero maggore d prodott? La fabbrca d produzone nva camon al magazzno centrale Gamma ogn 10 gorn. I camon mpegano all ncrca 5 gorn per gungere al magazzno ed n due gorn la merce gunta al magazzno vene consegnata a tutt punt vendta del network Gamma. La domanda d cascun punto vendta n un perodo d 1 settmana può essere approssmata n modo puttosto effcace da una unforme (per ch fosse nteressato a rsultat pù realstc s può provare, termnata la prova d esame ad utlzzare una dstrbuzone Possonana) con valore mnmo par al 50% del valore atteso e valore massmo par al 150% del valore atteso (s rcorda che la varanza d una dstrbuzone unforme tra a e b è par a (b-a) 2 /12). Inoltre, s assuma che la domanda sa ndpendente sa nel tempo che fra dvers negoz. Concentrandos su un unco prodotto la LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

16 Gamma resce a contenere cost d produzone e, qund, prezz. Il costo d produzone è l 60% del prezzo d vendta ed l costo d mantenmento delle scorte è del 26% annuo (s consder un anno d 52 settmane). Inoltre ben l 30% de dvan consegnat presenta de dfett. Quest vengono rparat ad un costo par al 10% del prezzo fnale. I negoz hanno una domanda attesa settmanale par a: negoz da a domanda settmanale attesa S suggersca quale è l lvello delle scorte S pù opportuno per controllare l sstema. Nella tabella successva trovate l lvello delle scorte attualmente presente ne punt vendta, n arrvo a punt vendta, appena gunte da forntor al transt pont (coè da dstrbure a punt vendta), ed n arrvo tra 5 gorn al transt pont: quanto ordno ogg a forntor? negoz scorte n scorte appena gunte da scorte n arrvo tra 5 gorn scorte fscamente present arrvo dal forntor da forntor transt pont LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

17 transt pont Inoltre, come dstrbusco tra punt vendta la scorta appena gunta da forntor? Quale lvello d servzo type I ottengo per l prossmo perodo d fuor controllo? E quale lvello d servzo type II per negoz e per negoz ? SVOLGIMENTO a) s veda la teora: s rduce l ncertezza perché s postpone l allocazone de prodott a punt vendta b) S ottengono de vantagg dal punto d vsta de trasport c) In questo caso per calcolare la dstrbuzone d domanda rspetto alla quale dmensonare le nostre scorte dobbamo fare rcorso al teorema centrale della statstca; nfatt la domanda aggregata è la somma d 1000 domande e qund segue una dstrbuzone normale. Il valore atteso della domanda settmanale è qund par a 10*100+11*100+12*100+13*100+14*100+15*100+16*100+17*100+18*100+19*100= 29*5*100= Qund dato l perodo d fuor controllo d 17 gorn, la domanda nel perodo d fuor controllo è par a 17/7* Date le potes d ndpendenza tra negoz la varanza non è altro che la somma delle varanza de sngol negoz. Inoltre, n questo caso l range d varabltà della domanda (nel caso de negoz la domanda è compresa fra 5 e 15 untà/settmana) è par al suo valore atteso. (10 untà appunto nel caso de prm 100 negoz). Qund la varanza dela domanda settmanale n un negozo è par al quadrato del valore atteso della domanda dvso 12. Qund, la varanza totale è par a ( * * * * * * * * *100)/12= Al contraro le ncertezze de sngol negoz sono tal che la devazone standard de sngol negoz è (10*100+11*100+12*100+13*100+14*100+15*100+16* *100+18*100+19*100) 2 /12 = (E nteressante notare come c sa una dfferenza d tre ordn d grandezza tra le due varanze propro perché a fronte dell ndpendenza vale al regola d n e qu n=1000) In base a parametr del problema è necessaro coprre l ncertezza della domanda a lvello d sngolo negozo per 12 gorn e l ncertezza a lvello aggregato per ulteror 5 gorn. I dat da no elaborat fno a questo momento s rferscono alla varanza osservata n una settmana. Per passare alla varanza osservata ne prm 5 gorn è qund necessaro sfruttare l potes d ndpendenza nel tempo per calcolare la varanza ne 5 gorn come *5/7= LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

18 Ora è suffcente sommare questa varanza così calcolata alla varanza sopportata dopo l allocazone delle scorte par a *12/7, per ottenere Not l valore atteso e la varanza dalla demanda da coprre tramte la scelta d S è ora necessaro comprendere quale percentle della dstrbuzone è necessaro servre. Qund, l costo d mantenmento per un perodo τ deve garantre un rtorno par alla probabltà d vendere l prodotto (1-F(S)) per l suo margne m: (1-F(s))*m=h*τ Il costo d una untà d prodotto vendble è n effett superore al 60% del prezzo fnale perché alcun prodott sono rcondzonat prma d essere vendut con un aggravo d costo del 10%. Per rendere pù ntutva la soluzone possamo assumere che l prezzo fnale sa d 100 euro, ma naturalmente nostr calcol non sono per nulla nfluenzat dal valore assoluto del prezzo perché sono rapport tra cost e rcav espress come percentuale del prezzo d vendta che qund s può tranqullamente cancellare a numeratore e denomnatore. Il 33.3% de prodott ha un extra-costo del 10%, qund 2/3 de prodott costano 60Euro mentre l restante 1/3 costa 70 euro. Qund un prodotto n meda costa 63.3euro. Il costo d mantenmento per una settmana è dello 0.5% (26%/52) del costo del prodotto. Qund l costo d mantenmento per 10 gorn è par a 10/7*0,5%=0,71% Qund mantenere a magazzno per una settmana l prodotto n questone comporta cost per 0.45 euro. Il margne d una untà d prodotto Pu è par a =36.6 e qund la probabltà d stock out che desderamo avere è par a 0.45/36.6=1,22%. Qund, è necessaro ottenere un lvello d servzo type I del % che s ottene n corrspondenza a z=2.25. Qund S= *17/7+2.25*( ) 0.5 = *2,25=47546 b) Per rottenere questo lvello S dobbamo ordnare un quanttatvo par ad S meno l lvello delle scorte dsponbl complessvamente present nel sstema coè: = c) Le scorte appena gunte nel transt pont vanno dstrbute per garantre a tutt punt vendta un uguale lvello d servzo type I: complessvamente le scorte dsponbl sono , per un totale d untà. La domanda complessvamente attesa è par a untà settmana (par al perodo d fuor controllo de negoz), qund otterremo un lvello d servzo nferore al 50%. In partcolare, graze all potes d domanda unforme e smle tra negoz per quanto rguarda la sua forma è necessaro n tutt negoz ad un lvello par 13100/14500 =90,34% della domanda attesa. Coè possamo pensare d dare a tutt un lvello d servzo par al 40,34%. LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

19 Qund spedamo n tutt negoz la domanda attesa per 90,34% meno la scorta presente Ottenendo le quanttà rportate sotto, che c portano appunto a spedre verso negoz complessvamente untà , , , , , , , , , ,17 Date le propretà della dstrbuzone unforme ne consegue che l lvello d servzo type I è (per tutt negoz) del 40,34%. Per l lvello d servzo type II è nvece necessaro calcolare gl ntegral che defnscono l lvello d servzo type II che n realtà n questo caso s rconducono al semplce caso d aree d trangol e quadrat. Il lvello d servzo è qund 0,5*1+40,34%*40,34%/2+40,34*(1-40,34%)=82% I problem sono tra d loro omotetc (ugual a meno d un fattore d scale) e qund questo lvello d servzo vale naturalmente per tutt punt vendta. In manera pù formale possamo dre che è necessaro dentfcare uno z tale per cu dett a e b gl estrem della dstrbuzone d probabltà della domanda del negozo -esmo. a+ z ( b a ) = a + z( b a ) = dove z ndca l lvello d servzo offerto. Dat parametr del problema z a = 7250 ( b a ) = z *14500 e qund z=40,34% che è anche l lvello d servzo type I ottenuto. LOGISTICA DI DISTRIBUZIONE 2 AUTORE: G. SCAPACCINO VERSIONE 3.1_

Modelli descrittivi, statistica e simulazione

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

Dettagli

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

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

Dettagli

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

POLITECNICO DI TORINO

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

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Ricerca operativa Lezione # 1 6 maggio 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Ricerca operativa Lezione # 1 6 maggio 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Rcerca operatva Lezone # 1 6 maggo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/28? Modello d Wlson Le scorte sono

Dettagli

Esercitazioni del corso: STATISTICA

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

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

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

Dettagli

SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN

SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN Corso d Progettazone e Gestone della Supply Chan Facoltà d Ingegnera SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN Prof. Fabrzo Dallar Drettore C-log Unverstà C. Cattaneo LIUC Centro d Rcerca sulla Logstca

Dettagli

Definizione della tariffa per l accertamento di conformità degli strumenti di misura

Definizione della tariffa per l accertamento di conformità degli strumenti di misura Provvedmento adottato dalla Gunta del 6/7/2007 Defnzone della tarffa per l accertamento d conformtà degl strument d msura. Per l accertamento d conformtà degl strument d msura sono defnte le seguent 6

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

POLITECNICO DI TORINO

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

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell matematc per la gestone del magazzno Lezone # 1 10 novembre 2008 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/31?

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

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

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

Dettagli

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

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

Dettagli

Soluzione esercizio Mountbatten

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

Dettagli

Esercitazione 12 ottobre 2011 Trasformazioni circuitali. v 3. v 1. Per entrambi i casi, i valori delle grandezze sono riportati in Tab. I.

Esercitazione 12 ottobre 2011 Trasformazioni circuitali. v 3. v 1. Per entrambi i casi, i valori delle grandezze sono riportati in Tab. I. Eserctazone ottobre 0 Trasformazon crcutal Sere e parallelo S consderno crcut n Fg e che rappresentano rspettvamente un parttore d tensone e uno d corrente v v v v Fg : Parttore d tensone Fg : Parttore

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

Propagazione delle incertezze

Propagazione delle incertezze Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze

Dettagli

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

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

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/2019 1. Esercz: lezone 17/10/2018 Rendmento d un B.O.T. Eserczo 1. Un captale C vene chesto n prestto alla banca

Dettagli

Il dimensionamento dei sistemi di fabbricazione

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

Dettagli

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986 Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane

Dettagli

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni IL MODELLO DI MACK Materale ddattco a cura d Domenco Gorgo Attuaro Dann d Gruppo Socetà Cattolca d Asscurazon CHAIN-LADDE CLASSICO Metodo pù utlzzato per la stma della rserva snstr. Semplctà. Dstrbuton-ree

Dettagli

1. La domanda di moneta

1. La domanda di moneta 1. La domanda d moneta Esercz svolt Eserczo 1.1 (a) S consder l modello della domanda d moneta a scopo speculatvo d Keynes. Un ndvduo può sceglere d allocare la propra rcchezza sottoscrvendo un ttolo rredmble

Dettagli

Dipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 18: 18 marzo 2014

Dipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 18: 18 marzo 2014 Dpartmento d Scenze Statstche Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 18: 18 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? Eserczo Il sgnor ancrazo Topazo decde

Dettagli

Modelli di variabili casuali

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

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

a) Individuare l intervallo di confidenza al 90% per la media di popolazione;

a) Individuare l intervallo di confidenza al 90% per la media di popolazione; Eserczo Il responsable marketng d una catena d negoz vuole analzzare l volume delle vendte mensl d un determnato bene d largo consumo. Una socetà che conduce rcerche d mercato è ncarcata d effettuare un

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

4.6 Dualità in Programmazione Lineare

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

Dettagli

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

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

Dettagli

Potenzialità degli impianti

Potenzialità degli impianti Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4 Teora de Goch Dr. Guseppe Rose Unverstà degl Stud della Calabra Corso d Laurea Magstrale n Economa Applcata a.a 011/01 Handout 4 1 L equlbro d Bertrand Nel modello d Bertrand, abbamo un duopolo esattamente

Dettagli

Università degli Studi di Urbino Facoltà di Economia

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

Dettagli

Specifica calcolo soddisfazione discenti

Specifica calcolo soddisfazione discenti INDICE 1 SCOPO CAMPO DI APPLICAZIONE 3 DEFINIZIONI E CALCOLO PER LE DOMANDE INFORMATIVE 4 DEFINIZIONI E CALCOLO PER LE DOMANDE CON GIUDIZI 5 DEVIAZIONE STANDARD PER LE DOMANDE CON GIUDIZI 6 RACCOLTA ED

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 28/0/2008 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 20 soggett. Soggetto Età Resdenza

Dettagli

SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN

SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN Corso d Progettazone e Gestone della Supply Chan Facoltà d Ingegnera SAFETY STOCK ALLOCATION IN A SUPPLY CHAIN Prof. Fabrzo Dallar Drettore C-log Unverstà C. Cattaneo LIUC Centro d Rcerca sulla Logstca

Dettagli

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1

Dettagli

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

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

Dettagli

LE RETI DISTRIBUTIVE (1): elementi di progettazione

LE RETI DISTRIBUTIVE (1): elementi di progettazione Progettazone de Sstem Produttv e Logstc Facoltà d Ingegnera LE RETI DISTRIBUTIVE (1): element d progettazone Prof. Fabrzo Dallar Drettore C-log Unverstà C. Cattaneo LIUC Centro d Rcerca sulla Logstca INDICE

Dettagli

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2 Corso d STATISTICA Prof. Roberta Sclano Ordnaro d Statstca, Unverstà d Napol Federco II Professore supplente, Unverstà della Baslcata a.a. 0/0 Contenut: o Specfcazone del modello o Ipotes del modello classco

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

Dettagli

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

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

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

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

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

Dettagli

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

Dettagli

INFORMAZIONE IMPORTANTE. Per questioni organizzative, le iscrizioni per l esame scadranno una settimana prima del dell esame stesso!!!

INFORMAZIONE IMPORTANTE. Per questioni organizzative, le iscrizioni per l esame scadranno una settimana prima del dell esame stesso!!! INFOMAZIONE IMPOTANTE Per queston organzzatve, le scrzon per l esame scadranno una settmana prma del dell esame stesso!!! Eserczo Supponamo d avere un segnale snusodale d ampezza 0., ma con frequenza f=

Dettagli

y. E' semplicemente la media calcolata mettendo

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

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

Trasformatore monofase. Le norme definiscono il rendimento convenzionale di un trasformatore come: = + Perdite

Trasformatore monofase. Le norme definiscono il rendimento convenzionale di un trasformatore come: = + Perdite Rendmento l rendmento effettvo d un trasformatore vene defnto come: otenza erogata al carco η otenza assorbta dalla rete 1 1 1 1 Le norme defnscono l rendmento convenzonale d un trasformatore come: η otenza

Dettagli

Esercizio 1. Esercitazione 14 Dicembre 2012 Sistemi trifase e potenze R 3 R 1 R 2. simmetrico L 1 L 3

Esercizio 1. Esercitazione 14 Dicembre 2012 Sistemi trifase e potenze R 3 R 1 R 2. simmetrico L 1 L 3 serctazone 4 Dcembre 0 Sstem trfase e potenze serczo L L L 00 f 50 Hz smmetrco Fg : Sstema trfase a stella S consder l crcuto d Fg e s calcolno le tre corrent d fase e le potenze attve, reattve ed apparent

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

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

Dettagli

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

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

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

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

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

Dettagli

Esercitazione 1 del corso di Statistica 2

Esercitazione 1 del corso di Statistica 2 Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Ricerca operativa Lezione # 2 7 maggio 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Ricerca operativa Lezione # 2 7 maggio 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Rcerca operatva Lezone # 2 7 maggo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/14? n presenza d un attvtà produttva

Dettagli

Variabili statistiche - Sommario

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

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

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

Dettagli

LA COMPATIBILITA tra due misure:

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

Dettagli

Corsi di Laurea in Farmacia e CTF Prova di Matematica

Corsi di Laurea in Farmacia e CTF Prova di Matematica Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall

Dettagli

Misure Ripetute ed Indipendenti

Misure Ripetute ed Indipendenti Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una

Dettagli

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

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

Dettagli

Statistica Descrittiva

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

Dettagli

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione. Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.

Dettagli

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente

Dettagli

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat

Dettagli

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

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

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE AA 2016/2017 1 Esercz 2 Regme d sconto commercale Eserczo 1 Per quale durata una somma a scadenza S garantsce lo stesso valore

Dettagli

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

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

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017 Esercz 3 Pan d ammortamento Eserczo 1. Un prestto d 12000e vene rmborsato n 10 ann con rate mensl e pano all

Dettagli

Capitolo 5. Analisi dei dati di output. 5.1 Analisi del transitorio

Capitolo 5. Analisi dei dati di output. 5.1 Analisi del transitorio Captolo 5 Anals de dat d output Una fase essenzale d ogn studo d smulazone è l anals de rsultat della smulazone stessa. Supponamo d avere costruto l modello d un sstema e sano Y 1,Y 2,...,Ym dat d output

Dettagli

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D FIRMA DELLO STUDENTE Cognome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 3000/6045/5047/4038/37/377) 26 ottobre 20 Nome Numero d matrcola Corso d Laurea Cod. corso COMPITO D A fn della valutazone s terrà

Dettagli

03/03/2012. Campus di Arcavacata Università della Calabria

03/03/2012. Campus di Arcavacata Università della Calabria Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto

Dettagli

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04 UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso d Allocazone de centr d servzo SCG-E04 Le fas del processo d msurazone de cost Fase 1 Rlevazone de cost Fase 2 Assegnazone de cost Cost drett (Drect cost) Attrbuzone

Dettagli

PROBLEMA DI SCELTA FRA DUE REGIMI DI

PROBLEMA DI SCELTA FRA DUE REGIMI DI PROBLEMA DI SCELTA FRA DUE REGIMI DI CAPITALIZZAZIONE Prerequst: legge d captalzzazone semplce legge d captalzzazone composta logartm e loro propretà dervate d una funzone pendenza d una curva n un punto

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

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

Dettagli

Giovanni Buti STIMA DELL INCERTEZZA DI MISURA GB INTERTEK LABTEST

Giovanni Buti STIMA DELL INCERTEZZA DI MISURA GB INTERTEK LABTEST Govann But STIM DELL INCERTEZZ DI MISUR GB008-0405 INTERTEK LBTEST FIRENZE 8 PRILE 005 INDICE DEI CONTENUTI o bstract Scopo e campo d pplcazone..p 3 o Document d Rfermento...p 3 o Premessa..p 3 o nals.

Dettagli

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x

Dettagli

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

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

Dettagli

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza 5: Strato fsco: lmtazone d banda, formula d Nyqust; caratterzzazone del canale n frequenza Larghezza d banda d un segnale La larghezza d banda d un segnale è data dall ntervallo delle frequenze d cu è

Dettagli

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

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

Dettagli

Prima prova di gruppo

Prima prova di gruppo Prma prova d gruppo Es. Una metodologa d anals produce fals postv nel 3% de cas e fals negatv nell % de cas. Calcolate quale è l esto pù probable (postvo o negatvo se due anals consecutve esegute sullo

Dettagli

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

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

Dettagli

Dipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 21: 25 marzo 2014

Dipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 21: 25 marzo 2014 Dpartmento d Scenze Statstche Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 21: 25 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? CCT/CCTEu S tratta d un ttolo a cedola

Dettagli

SOLUZIONI I PLICO DI ESERCIZI DI RAGIONERIA

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

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

Imposte sulle vendite

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

Dettagli

Analisi della Varianza

Analisi della Varianza Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella

Dettagli