1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato."

Transcript

1 Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. 1b) Supponendo che la varianza non sia nota e che la varianza campionaria è s 2 = 1., calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. 1c) Verificare con livello di significatività α = % l ipotesi H 0 : µ = 0 contro l ipotesi H 1 : µ 0. 1d) Supponendo che la varianza non sia nota e che la varianza campionaria sia s 2 = 1., verificare con livello di significatività α = 1% l ipotesi H 0 : µ = 0 contro l ipotesi H 1 : µ > 0. 1e) Supponendo nota la varianza, al fine di verificare le seguenti ipotesi: è stata proposta la seguente regione critica H 0 : µ = 0.2, H 1 : µ > 0.2 R : {(x 1,..., x ) : x 1.} Calcolare la probabilità di errore di primo tipo. Soluzione 1 1a) ( ; ) = (1.27; 2.733) 1b) ( ; ) = (0.832; 3.17) 1c) La zona di rifiuto è z 1.9. La statistica z è = quindi si rifiuta H 0. 1d) La zona di rifiuto è t (4) > La statistica t è t = = 3.1 1e) P (R H 0 ) = P (X 1. µ = 0.2) = P (Z ) = 1 φ(2.79) = = / Esercizio 2 Da una popolazione X normale con media µ e varianza σ 2 viene estratto il seguente campione (1, 4,, 10, 30). 1

2 2a) Supponendo che la varianza σ 2 non sia nota, calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. 2b) Supponendo che la varianza σ 2 non sia nota, verificare con livello di significatività α = 1% l ipotesi H 0 : µ = 13 contro l ipotesi H 1 : µ 13. 2c) Supponendo nota la varianza σ 2 = 9, calcolare gli estremi dell intervallo di confidenza per µ al 9% in corrispondenza del campione osservato 2d) Supponendo nota la varianza σ 2 = 9, verificare con livello di significatività α = % l ipotesi H 0 : µ = 13 contro l ipotesi H 1 : µ > 13. 2e) Considerando nota la varianza σ 2 = 9 e dato il sistema di ipotesi con livello di significatività α = % l ipotesi H 0 : µ = 13 contro l ipotesi H 1 : µ = 1, calcolare la potenza del test. Soluzione 2 x = 10, s = a) ( ; ) = ( 1.098; ) 2b) La zona di rifiuto è t (4) > 4.04 t (4) < La statistica t è t = = c) ( ; ) = (7.3704;.29) 2d) La zona di rifiuto è z > 1.4. La statistica z è = e) La potenza del test è π = P (T R H 1 ) = P (X > x α H 1 ). Si ha che il valore critico x α = = 1.2 e quindi la potenza è P (Z > / ) = = Esercizio 3 Da un indagine effettuata tra gli iscritti alla facoltà di economia risulta che su intervistati 48 hanno la maturità scientifica, 3 la maturità classica. 3a) Proporre uno stimatore ˆp S per la proporzione di iscritti con maturità scientifica e calcolarne la stima. Calcolare la stima anche per la proporzione ˆp C di coloro che hanno la maturità classica. 3b) Calcolare l intervallo di confidenza al 90% per la proporzione p S di iscritti con maturità scientifica. 2

3 3c) Calcolare l intervallo di confidenza al 9% per la proporzione p C di iscritti con maturità classica. 3d) Ad un livello di significatività del 10% accettereste o rifiutereste l ipotesi nulla che la proporzione p S di iscritti con maturità scientifica sia uguale al 4% contro l ipotesi l alternativa che sia diversa dal 4%?. 3e) Ad un livello di significatività del % accettereste o rifiutereste l ipotesi nulla che la proporzione p C di iscritti con maturità classica sia uguale al 4% contro l ipotesi l alternativa che sia diversa dal 4%? Soluzione 3 3a) ˆp S = 48 = 0.04, ˆp C = 3 = b) Intervallo di confidenza per p S. ( ; c) Intervallo di confidenza per p C. ( ; ) = (0.0307; ) ) = ( ; ) 3d) H 0 : p S = 0.04, H 1 : p S La zona di rifiuto è (z > 1.4 z < 1.4). La statistica z sotto H 0 è e) H 0 : p C = 0.04, H 1 : p C La zona di rifiuto è (z > 1.9 z < 1.9). La statistica z sotto H 0 è = 0 = Esercizio 4 Da un indagine effettuata tra gli stranieri residenti in Grecia risulta che su intervistati 48 sono italiani e 3 sono spagnoli. 4a) Proporre uno stimatore ˆp I non distorto per la proporzione di italiani residenti in Grecia e calcolarne la stima. Calcolare la stima anche per la proporzione ˆp S di spagnoli residenti in Grecia. 4b) Calcolare l intervallo di confidenza al 90% per la proporzione p I di italiani residenti in Grecia. 4c) Calcolare l intervallo di confidenza al 9% per la proporzione p S di spagnoli residenti in Grecia. 4d) Ad un livello di significatività del 10% accettereste o rifiutereste l ipotesi nulla che la proporzione p I di italiani residenti in Grecia sia uguale al 4% contro l ipotesi l alternativa che sia diversa dal 4%?. 3

4 4e) Ad un livello di significatività del % accettereste o rifiutereste l ipotesi nulla che la proporzione p S di spagnoli residenti in Grecia sia uguale al 4% contro l ipotesi l alternativa che sia diversa dal 4%? Soluzione 4 4a) ˆp I = 48 = 0.04, ˆp I = 3 = b) Intervallo di confidenza per p I. ( ; c) Intervallo di confidenza per p S. ( ; ) = (0.0307; ) ) = ( ; ) 4d) H 0 : p I = 0.04, H 1 : p I La zona di rifiuto è (z > 1.4 z < 1.4). La statistica z sotto H 0 è e) H 0 : p S = 0.04, H 1 : p S La zona di rifiuto è (z > 1.9 z < 1.9). La statistica z sotto H 0 è = 0 = Esercizio Le votazioni degli esami di Statistica in due corsi di laurea diversi possono essere rappresentati da due variabili casuali normali X e Y rispettivamente come media µ X e µ Y e con varianza σx 2 e σ2 Y. Al primo appello nei due corsi di laurea si sono presentati due campioni casuali indipendenti di studenti che hanno superato l esame riportando i seguenti voti: x = (18, 2, 30, 19, 23), y = (2, 18, 18, 30, 21, 20). a) Non essendo nota σ 2 X, calcolare gli estremi dell intervallo di confidenza per µ X al 99% in corrispondenza del campione osservato. b) Supponendo nota la varianza σ 2 X = 22, verificare l ipotesi che H 0 : µ X = 2 contro l ipotesi H 1 : µ X < 2 ad un livello di significatività α = %. c) Supponendo nota la varianza σy 2 = 24, calcolare gli estremi dell intervallo di confidenza per µ Y al 9% in corrispondenza del campione osservato. d) Non essendo nota σy 2, verificare l ipotesi che H 0 : µ Y = 20 contro l ipotesi H 1 : µ Y > 20 ad un livello di significatività α = 10%. e) Supponendo note le varianze σx 2 = 22 e σ2 Y = 24, verificare con livello di significatività α = 10% l ipotesi H 0 : µ X µ Y = 0 contro l ipotesi H 1 : µ X µ Y 0. 4

5 Soluzione a) ( x = 23, y = 22.17, s 2 X = 23., s 2 Y = ; ) = (13.02; 32.98) b) La zona di rifiuto è z < 1.4. La statistica z è = 0.9 c) ( ; ) = (18.2; 2.09) d) La zona di rifiuto è t > La statistica t è = 1.10 e) La zona di rifiuto è z < 1.4. La statistica z è = 0.29 Esercizio Si considerino due popolazioni X e Y che rappresentano la durata (in minuti) di due differenti tipi di lampadine e si supponga che X e Y siano indipendenti e normalmente distribuite con valori attesi µ X e µ Y. Si considerano due campioni estratti da X e da Y, (X 1, X 2,..., X 1 ) e (Y 1, Y 2,..., Y ) che hanno dato luogo alle realizzazioni: 1 x i = 2, 1 (x i x) 2 = 21000, y i = 4344, (y i y) 2 = a) Supponendo nota varianza σy 2 = 1000, calcolare gli estremi dell intervallo di confidenza per µ Y al 99% in corrispondenza del campione osservato. b) Supponendo che la varianza σx 2 non sia nota, calcolare gli estremi dell intervallo di confidenza per µ X al 99% in corrispondenza del campione osservato. c) Supponendo che le varianze σx 2 e σ2 Y non sono note, ma sono uguali, verificare con livello di significatività α = 10% l ipotesi H 0 : µ X µ Y = 0 contro l ipotesi H 1 : µ X µ Y 0. d) Supponendo che le varianze σx 2 = 0 e σ2 Y = 1000 sono note, calcolare gli estremi dell intervallo di confidenza per µ X µ Y al 99% in corrispondenza del campione osservato. e) Supponendo che le varianze σx 2 = 0 e σ2 Y = 1000 sono note, verificare con livello di significatività α = 10% l ipotesi H 0 : µ X µ Y = 0 contro l ipotesi H 1 : µ X µ Y > 0.

6 Soluzione a) ( b) ( x = 37, y = 32, s 2 p = 14400, s 2 X = 1429, s 2 Y = ; ) = ( ; ) ; ) = ( ; ) c) La zona di rifiuto è t (2) > t (2) < La statistica t è t = = d) [(37 32) ; (37 32) e) La zona di rifiuto è z > La statistica z è = ] = ( ; 9.317)

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA) Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

FACOLTA DI ECONOMIA CALCOLO MEDIA DI LAUREA

FACOLTA DI ECONOMIA CALCOLO MEDIA DI LAUREA LAUREE QUADRIENNALI: FACOLTA DI ECONOMIA CALCOLO MEDIA DI LAUREA o ECONOMIA E COMMERCIO media aritmetica dei voti degli esami di profitto con esclusione dei voti delle Teologie e di quelli riguardanti

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

LA POVERTÀ IN ITALIA. Anno 2013. 14 luglio 2014

LA POVERTÀ IN ITALIA. Anno 2013. 14 luglio 2014 14 luglio 2014 Anno 2013 LA POVERTÀ IN ITALIA Nel 2013, il 12,6% delle famiglie è in condizione di povertà relativa (per un totale di 3 milioni 230 mila) e il 7,9% lo è in termini assoluti (2 milioni 28

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000.

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000. A0/010226 Pag.1/13 Cliente: Ricerca di Sistema Oggetto: Determinazione della tenacità di acciai eserciti - Correlazioni per stime di FATT da prove Small Punch Ordine: Contratto CESI n. 71/00056 Note: DEGRADO/GEN04/003

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

CORSO DI LAUREA (270/2004) - STATISTICA MATEMATICA E TRATTAMENTO INFORMATICO DEI DATI - IL CORSO DI STUDIO IN CIFRE: IMMATRICOLATI

CORSO DI LAUREA (270/2004) - STATISTICA MATEMATICA E TRATTAMENTO INFORMATICO DEI DATI - IL CORSO DI STUDIO IN CIFRE: IMMATRICOLATI CORSO DI LAUREA (270/2004) - STATISTICA MATEMATICA E TRATTAMENTO INFORMATICO DEI DATI - IL CORSO DI STUDIO IN CIFRE: IMMATRICOLATI 2011/2012 2012/2013 2013/2014 Iscritti I anno I volta Iscritti totali

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n.

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n. 1x1 qs-stat Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità Versione: 1 / Marzo 2010 Doc. n.: PD-0012 Copyright 2010 Q-DAS GmbH & Co. KG Eisleber Str. 2 D - 69469 Weinheim

Dettagli

In Edumeter le domande proposte nei questionari possono avere quattro risposte: 2 con valore negativo e 2 con valore positivo.

In Edumeter le domande proposte nei questionari possono avere quattro risposte: 2 con valore negativo e 2 con valore positivo. In Edumeter le domande proposte nei questionari possono avere quattro risposte: 2 con valore negativo e 2 con valore positivo. Le risposte negative vengono memorizzate con i valori 1 e 2. Le risposte positive

Dettagli

Comunicazioni obbligatorie e altri archivi amministrativi: dati e indicatori sul buon lavoro Luigi Fabbris

Comunicazioni obbligatorie e altri archivi amministrativi: dati e indicatori sul buon lavoro Luigi Fabbris Comunicazioni obbligatorie e altri archivi amministrativi: dati e indicatori sul buon lavoro Luigi Fabbris Università di Padova Comstat Schema della presentazione 1. Il progetto PLUG_IN 2. Il buon lavoro

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

STUDIO DI SETTORE SM43U

STUDIO DI SETTORE SM43U ALLEGATO 3 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE SM43U NOTA TECNICA E METODOLOGICA CRITERI PER LA COSTRUZIONE DELLO STUDIO DI SETTORE Di seguito vengono esposti i criteri seguiti per la costruzione

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

Classe e ordinamento del Corso di studio (es. classe L24 ordinamento 270/04 oppure classe 15 ordinamento 509/99)

Classe e ordinamento del Corso di studio (es. classe L24 ordinamento 270/04 oppure classe 15 ordinamento 509/99) Mod. 6322/triennale Marca da bollo da 16.00 euro Domanda di laurea Valida per la prova finale dei corsi di studio di primo livello Questo modulo va consegnato alla Segreteria amministrativa del Corso a

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

1) Sono fuori dai termini per cancellare/prenotare un esame, come posso rimediare?

1) Sono fuori dai termini per cancellare/prenotare un esame, come posso rimediare? 1) Sono fuori dai termini per cancellare/prenotare un esame, come posso rimediare? 2) Non ho prenotato, posso chiedere al docente di sostenere ugualmente l'esame? 3) La regola dell'appello alternato vale

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1 Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 Capitolo 3. L'analisi della varianza. Il problema dei confronti multipli. La soluzione drastica di Bonferroni ed il test

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

Università degli Studi di Firenze Facoltà di Scienze Mat., Fis. e Nat. Corso di Laurea in Fisica. Corso di Esperimentazioni I

Università degli Studi di Firenze Facoltà di Scienze Mat., Fis. e Nat. Corso di Laurea in Fisica. Corso di Esperimentazioni I Università deli Studi di Firenze Facoltà di Scienze Mat., Fis. e Nat. Corso di Laurea in Fisica Corso di Esperimentazioni I Prof. R. Falciani Prof. A. Stefanini Appunti su: PROPAGAZIONE DEGLI ERRORI NELLE

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 4 Materiale di supporto per le lezioni. Non sostituisce il libro di testo Dipendenza di un carattere QUANTITATIVO da un carattere QUALITATIVO

Dettagli

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007 A STATISTICA (A-K) a.a. 007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 007 STESS N.O. RD 00 GORU N.O. RD 006 ) La distribuzione del numero degli occupati (valori x 000) in una provincia

Dettagli

QUICK GUIDE ESAMI DI STATO

QUICK GUIDE ESAMI DI STATO QUICK GUIDE ESAMI DI STATO Le operazioni da eseguire sono semplici e lineari, ma è opportuno ricordarne la corretta sequenza nella quale vanno eseguite. Flusso delle operazioni da eseguire: 1. Inserimento

Dettagli

3.4 Tecniche per valutare uno stimatore

3.4 Tecniche per valutare uno stimatore 3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla

Dettagli

Confronto tra gruppi (campioni indipendenti)

Confronto tra gruppi (campioni indipendenti) Confronto tra gruppi (campioni indipendenti) Campioni provenienti da una popolazione Normale con medie che possono essere diverse ma varianze uguali campioni: Test z or t sulla differenza tra medie 3,

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

Addio agli studi. L impatto dei fattori sociali e delle motivazioni individuali sulla scelta di abbandonare l università

Addio agli studi. L impatto dei fattori sociali e delle motivazioni individuali sulla scelta di abbandonare l università Università degli Studi di Milano - Bicocca Nucleo di Valutazione Addio agli studi. L impatto dei fattori sociali e delle motivazioni individuali sulla scelta di abbandonare l università Alessandra Caserini

Dettagli

IL CONTROLLO STATISTICO DI QUALITA

IL CONTROLLO STATISTICO DI QUALITA IL CONTROLLO STATISTICO DI QUALITA 1. Introduzione Realizzare un prodotto di qualità significa produrre rispettando certe specifiche e livelli di tolleranza prestabiliti, sulla base delle aspettative e

Dettagli

Guida Studenti per i servizi online: compilazione dei questionari per la valutazione della didattica Iscrizione agli appelli

Guida Studenti per i servizi online: compilazione dei questionari per la valutazione della didattica Iscrizione agli appelli Guida Studenti per i servizi online: compilazione dei questionari per la valutazione della didattica Iscrizione agli appelli v 4.0 1. Requisiti software Lo studente deve essere dotato di connessione internet

Dettagli

Presentazione delle Schede DAT

Presentazione delle Schede DAT UNIVERSITÀ DEGLI STUDI CAGLIARI CAMPUS UNICA Presentazione delle Schede DAT Dati e indicatori statistici Sono di seguito presentati dettagliatamente i dati e gli indicatori richiesti dal Modello CRUI per

Dettagli

CORSO DI LAUREA IN BENI ENOGASTRONOMICI D.M. n. 270/2004

CORSO DI LAUREA IN BENI ENOGASTRONOMICI D.M. n. 270/2004 CORSO DI LAUREA IN BENI ENOGASTRONOMICI D.M. n. 270/2004 REGOLAMENTO PER LO SVOLGIMENTO DEL TIROCINIO E DELL ESAME FINALE PER IL CONSEGUIMENTO DEL TITOLO DI STUDIO Art. 1 Ambito di applicazione Il presente

Dettagli

Supervisori che imparano dagli studenti

Supervisori che imparano dagli studenti Supervisori che imparano dagli studenti di Angela Rosignoli Questa relazione tratta il tema della supervisione, la supervisione offerta dagli assistenti sociali agli studenti che frequentano i corsi di

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca Trascrizione del testo e redazione delle soluzioni di Paolo Cavallo. La prova Il candidato svolga una relazione

Dettagli

REGOLAMENTO PER LA CHIAMATA, LA MOBILITA, I COMPITI DIDATTICI, IL CONFERIMENTO

REGOLAMENTO PER LA CHIAMATA, LA MOBILITA, I COMPITI DIDATTICI, IL CONFERIMENTO REGOLAMENTO PER LA CHIAMATA, LA MOBILITA, I COMPITI DIDATTICI, IL CONFERIMENTO DI INCARICHI DI INSEGNAMENTO E DI DIDATTICA INTEGRATIVA, IL RILASCIO DI AUTORIZZAZIONI PER ATTIVITA ESTERNE DEI PROFESSORI

Dettagli

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

Cambiare corso universitario: la mobilità come riorientamento e second chance Una ricerca su 410.000 studenti della Sapienza

Cambiare corso universitario: la mobilità come riorientamento e second chance Una ricerca su 410.000 studenti della Sapienza Cambiare corso universitario: la mobilità come riorientamento e second chance Una ricerca su 410.000 studenti della Sapienza Giuseppe Carci La mobilità universitaria tra dispersione e riorientamento Con

Dettagli

Correnti e circuiti a corrente continua. La corrente elettrica

Correnti e circuiti a corrente continua. La corrente elettrica Correnti e circuiti a corrente continua La corrente elettrica Corrente elettrica: carica che fluisce attraverso la sezione di un conduttore in una unità di tempo Q t Q lim t 0 t ntensità di corrente media

Dettagli

IL MINISTRO DELL UNIVERSITA E DELLA RICERCA

IL MINISTRO DELL UNIVERSITA E DELLA RICERCA ALLEGATO I parametri e i criteri, definiti mediante indicatori quali-quantitativi (nel seguito denominati Indicatori), per il monitoraggio e la valutazione (ex post) dei risultati dell attuazione dei programmi

Dettagli

INDAGINE DI CUSTOMER SATISFACTION SUL SERVIZIO DELL ASSISTENZA OSPEDALIERA DELLA ASP. Relazione Generale

INDAGINE DI CUSTOMER SATISFACTION SUL SERVIZIO DELL ASSISTENZA OSPEDALIERA DELLA ASP. Relazione Generale SERVIZIO SANITARIO REGIONALE BASILICATA Azienda Sanitaria Locale di Potenza INDAGINE DI CUSTOMER SATISFACTION SUL SERVIZIO DELL ASSISTENZA OSPEDALIERA DELLA ASP Relazione Generale A cura degli Uffici URP

Dettagli

Statistical Process Control

Statistical Process Control Statistical Process Control 1 Introduzione SPC si occupa del miglioramento della qualità. I metodi per il miglioramento della qualità possono essere applicati a qualsiasi area in una fabbrica o organizzazione

Dettagli

Principi base per un buon CV. La struttura del Curriculum

Principi base per un buon CV. La struttura del Curriculum Principi base per un buon CV Il curriculum vitae è il resoconto della vostra vita professionale, e può essere il vostro rappresentante più fedele, a patto che sia fatto bene. Concentratevi sui punti essenziali

Dettagli

Esercizi sull Association Analysis

Esercizi sull Association Analysis Data Mining: Esercizi sull Association Analysis 1 Esercizi sull Association Analysis 1. Si consideri il mining di association rule da un dataset T di transazioni, rispetto a delle soglie minsup e minconf.

Dettagli

SETTORE ARIA E AGENTI FISICI U.O. Modellistica STIMA DEI CONSUMI DI LEGNA DA ARDERE PER RISCALDAMENTO ED USO DOMESTICO IN ITALIA

SETTORE ARIA E AGENTI FISICI U.O. Modellistica STIMA DEI CONSUMI DI LEGNA DA ARDERE PER RISCALDAMENTO ED USO DOMESTICO IN ITALIA SETTORE ARIA E AGENTI FISICI U.O. Modellistica STIMA DEI CONSUMI DI LEGNA DA ARDERE PER RISCALDAMENTO ED USO DOMESTICO IN ITALIA Il presente studio è stato predisposto per l Agenzia Nazionale per la Protezione

Dettagli

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t),

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t), SINTESI. Una classe importante di problemi probabilistici e statistici é quella della stima di caratteristiche relative ad un certo processo aleatorio. Esistono svariate tecniche di stima dei parametri

Dettagli

Anno 2012 L USO DELLA LINGUA ITALIANA, DEI DIALETTI E DI ALTRE LINGUE IN ITALIA

Anno 2012 L USO DELLA LINGUA ITALIANA, DEI DIALETTI E DI ALTRE LINGUE IN ITALIA 27 ottobre 2014 Anno L USO DELLA LINGUA ITALIANA, DEI DIALETTI E DI ALTRE LINGUE IN ITALIA Nel, in Italia, il 53,1% delle persone di 18-74 anni (23 milioni 351mila individui) parla in prevalenza in famiglia.

Dettagli

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 1. Si lancia una moneta 2 volte: qual è la probabilità che esca TESTA 0 volte? 1 volta? 2 volte? 2. Si lancia una moneta 3 volte:

Dettagli

In che modo gli immigrati vivono l integrazione. Immigrant citizens survey. Cittadinanza. Residenza. Occupazione. Partecipazione civica e politica

In che modo gli immigrati vivono l integrazione. Immigrant citizens survey. Cittadinanza. Residenza. Occupazione. Partecipazione civica e politica Residenza Cittadinanza Ricongiungimento famigliare Occupazione Partecipazione civica e politica Lingue Immigrant citizens survey In che modo gli immigrati vivono l integrazione in 15 città europee Indagine

Dettagli

Filomena Maggino, L analisi dei dati nell indagine statistica. Volume 1: la realizzazione dell indagine e l analisi preliminare dei dati, ISBN:

Filomena Maggino, L analisi dei dati nell indagine statistica. Volume 1: la realizzazione dell indagine e l analisi preliminare dei dati, ISBN: Filomena Maggino, L analisi dei dati nell indagine statistica. Volume 1: la realizzazione dell indagine e l analisi preliminare dei dati, ISBN: 88-8453-208-6 (print) ISBN: 88-8453-207-8 (online), Firenze

Dettagli

Floating Point N = M BE. Notazione in virgola mobile. base. esempi 34.76 104 3.6891 106 = 36.891 105 =368.91 104 12.78 10-3 1.

Floating Point N = M BE. Notazione in virgola mobile. base. esempi 34.76 104 3.6891 106 = 36.891 105 =368.91 104 12.78 10-3 1. Floating Point Notazione in virgola mobile N = M BE mantissa base esponente esempi 34.76 104 3.6891 106 = 36.891 105 =368.91 104 12.78 10-3 1.6273 102 forma normalizzata: la mantissa ha una sola cifra

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

GUIDA ALLA GESTIONE DEGLI ESAMI ONLINE STUDENTI

GUIDA ALLA GESTIONE DEGLI ESAMI ONLINE STUDENTI GUIDA ALLA GESTIONE DEGLI ESAMI ONLINE STUDENTI ESSE3 VERBALIZZAZIONE ONLINE UNIVERSITÀ DEGLI STUDI DI URBINO CARLO BO SERVIZIO FRONT OFFICE GUIDA ALLA GESTIONE DEGLI ESAMI ONLINE STUDENTI ESSE3 VERBALIZZAZIONE

Dettagli

Gli ambulatori vaccinali: la qualità percepita dai cittadini

Gli ambulatori vaccinali: la qualità percepita dai cittadini Assessorato Politiche per la Salute Gli ambulatori vaccinali: la qualità percepita dai cittadini Dicembre 2014 Servizio Sanità Pubblica Direzione Generale Sanità e Politiche sociali Agenzia Sanitaria e

Dettagli

del Senato Le funzioni

del Senato Le funzioni LA FUNZIONE LEGISLATIVA IL PROCEDIMENTO DI FORMAZIONE DELLE LEGGI ORDINARIE IL PROCEDIMENTO DI FORMAZIONE DELLE LEGGI COSTITUZIONALI LA FUNZIONE DI INDIRIZZO POLITICO LA FUNZIONE DI CONTROLLO POLITICO

Dettagli

FATTI E CIFRE SUL FUMO DI TABACCO IN PIEMONTE. Bollettino 2013

FATTI E CIFRE SUL FUMO DI TABACCO IN PIEMONTE. Bollettino 2013 ASSESSORATO TUTELA DELLA SALUTE E SANITA' FATTI E CIFRE SUL FUMO DI TABACCO IN PIEMONTE Bollettino 2013 Informazioni derivate da: ISTAT SDO Schede ministeriali tossicodipendenze ESPAD, PASSI FATTI E CIFRE

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

ARTICOLO 1 Ambito di applicazione

ARTICOLO 1 Ambito di applicazione REGOLAMENTO STUDENTI DELL UNIVERSITA DEGLI STUDI DI MILANO Approvato dal Senato Accademico con delibera del 10 giugno 2008 e modificato con delibera del Senato Accademico del 14 giugno 2011 Decreto rettorale

Dettagli

Codifica dei numeri negativi

Codifica dei numeri negativi E. Calabrese: Fondamenti di Informatica Rappresentazione numerica-1 Rappresentazione in complemento a 2 Codifica dei numeri negativi Per rappresentare numeri interi negativi si usa la cosiddetta rappresentazione

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

Dettagli