Definizione del problema

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Definizione del problema"

Transcript

1 Corso d Gestone ed Eserczo de Sstem d Trasporto t/dd tt /GEST Modell per l assegnazone della domanda alle ret d trasporto aereo Defnzone del problema Modell d domanda segmentazone temporale della domanda d trasporto (dscretzzazone del perodo d rfermento n fasce orare) Modell d offerta modello d offerta per corse - ret dacronche - (esplctazone dell oraro programmato de servz) Modell d Assegnazone Modell d scelta del percorso (volo) Modell d carco Fluss sulla rete 1

2 Defnzone del problema Modello d Assegnazone ad Oraro Servzo a bassa frequenza Oraro prefssato d partenza e arrvo (elevata puntualtà) L approcco ad oraro consente: Una pù precsa stma degl attrbut t d lvello ll d servzo (tempo d trasbordo, penaltà d antcpo/rtardo rspetto all oraro desderato partenza e/o arrvo) La sncronzzazone delle potenzal concdenze Stato dell arte D. Mathasel, 1997 Strategc Arlne Plannng Fleet Plannng Fleet Assgnment and Network Optmzaton Arlne Schedule Development Tactcal Passenger Allocaton and Schedule Evaluaton Tmetable Constructon Path Allocaton Arcraft Routng Operatonal Arcraft Routng to Mantenence Smulatons of Arcraft Moton on Arport Surface 2

3 Defnzone del problema Modell d domanda segmentazone temporale della domanda d trasporto (dscretzzazone del perodo d rfermento n fasce orare) Modell d offerta modello d offerta per corse - ret dacronche - (esplctazone dell oraro programmato de servz) Modell d Assegnazone Modell d scelta del percorso (volo) Modell d carco Fluss sulla rete Il grafo dacronco Centrod temporal tempo C entrod temporal spazo Asse delle fermate A Asse delle fermate B spazo Fermata A Centrode Fermata B Centrode 3

4 Le funzon d costo La funzone d costo assocata ad un arco sulla rete, c a, è una combnazone lneare degl attrbut d lvello d servzo x ja relatv al percorso scelto dall utente (Esempo: costo monetaro, tempo d accesso, tempo d vaggo, numero d trasbord, tempo d egresso): ca = β j x ja j Funzon d costo per antcpo o rtardo Lnear c 1 =Ψ (t ant, t rt ) Non lnear Dscontnue Funzon d costo per ret congestonate f ( ) c f = Ψ tant, trt, capr Defnzone del problema Modell d domanda segmentazone temporale della domanda d trasporto (dscretzzazone del perodo d rfermento n fasce orare) Modell d offerta modello d offerta per corse - ret dacronche - (esplctazone dell oraro programmato de servz) Modell d Assegnazone Modell d scelta del percorso (volo) Modell d carco Fluss sulla rete 4

5 Il modello d scelta del volo 1. Defnzone degl utent n class Poché la classfcazone del modello scelto è del tpo mult-classe, s suddvdono gl utent n due dfferent class n base al motvo che nduce ad effettuare lo spostamento come segue: Classe degl utent che effettuano lo spostamento per motvo Affar ; Classe degl utent che effettuano lo spostamento per motvo Altro L nseme delle class d utent può essere così formalmente defnto: = {Affar, Altro} Il modello d scelta del volo 2. Defnzone dell nseme d scelta Il choce set (nseme d scelta delle corse) può essere defnto come segue: dove: I = { I 1, I 2, I 3, I 4 } I 1, I 2 corrspondono a due vol l cu oraro d partenza e/o arrvo è mmedatamente t precedente al ltarget ttme dell utente appartenente all -esma classe; I 3, I 4 corrspondono a due vol l cu oraro d partenza e/o arrvo è mmedatamente successvo al target tme dell utente appartenente all -esma classe. 5

6 Il modello d scelta del volo 3. Defnzone delle penaltà d antcpo e rtardo (1/2) 10:10 9:40 Desdered Departure Tme (DDT) Max rtardo 9:15 9:00 8:30 DDT 8:15 8:00 9: :10 7:00 Max antcpo 6:45 Il modello d scelta del volo 3. Defnzone delle penaltà d antcpo e rtardo (2/2) Max rtardo 10:30 10:10 9:40 Desdered Arrval Tme 9:00 (DAT) 8:30 DAT 9:30 9:10 8:10 8:00 Max antcpo 8:00 7:00 6

7 Il modello d scelta del volo 4. Defnzone de meccansm d scelta I meccansm d scelta del percorso sono nfluenzat: dalla tpologa d scelta dell utente (preventva/adattva); dalla flessbltà che l utente ha nel rspetto del propro target tme τ TT, ed n partcolare rspetto all oraro desderato d partenza τ DDT, e/o d arrvo τ DAT,. Il modello d scelta del volo 5. Defnzone della funzone d utltà (1/2) Nell ambto de modell d utltà casuale, ad ogn corsa r vene assocata un utltà percepta U r. Tale funzone d utltà, dpendente dal target tme dell utente τ TT, può essere scrtta come U r [τ TT ] = V r [τ TT ] + ε r = β + ε j j X jr r Utltà sstematca Resdu aleator Parametr del modello Attrbut 7

8 Il modello d scelta del volo 5. Defnzone della funzone d utltà (2/2) Un espressone dell utltà sstematca è la seguente: [ ] = V TV + NT + TC + r τ TT β TV r β NT r β TC r β ANT + r β RIT r C1 C1 + + P ANT + C1 C ANT RIT β _ β P _ RIT dst _ od dst _ od P _ ANT r P _ RIT r + β LowCost + + r β REDDr β Υ AE LC REDD TV = tempo d vaggo LOWCOST = var dummy tpo volo NT = numero trasbord TC = tempo trasbordo ANT = penaltà antcpo RIT = penaltà rtardo Dst_OD = dstanza (Km) tra la coppa O/D AE RED = ndcatore reddto Y AE = logsum relatva al sstema d accesso/egresso P_ANT = varable specfca dell alternatva (C1) P_RIT = varable specfca dell alternatva (C1) 1 + Il modello d scelta del volo 6. Defnzone delle probabltà d scelta del percorso I modell d scelta del percorso per servz a bassa frequenza danno la probabltà p[r/ τ TT ] della scelta della corsa r, data la generca coppa od della matrce O/D ed l target tme τ TT. La probabltà p[r/ τ TT ] può essere espressa come segue: p [r/τ TT ] = prob(u r [τ TT ] > U r [τ TT ]) = = prob(v r [τ TT ] + ε r > V r [τ TT ] + ε r ) 8

9 Il modello d scelta del volo 7. Defnzone della struttura del modello (1/3) Aeroport d pccole dmenson Modello: Logt Multnomale Scelta del volo Passegger / anno < Il modello d scelta del volo 7. Defnzone della struttura del modello (2/3) Aeroport d mede dmenson Modello: Nested Logt Scelta della compagna aerea Scelta del volo < Passegger / anno <

10 Il modello d scelta del volo 7. Defnzone della struttura del modello (3/3) Aeroport d grand dmenson Modello: Cross-Nested Logt Scelta della tpologa d volo (lowcost, tradz.) Scelta della compagna aerea Passegger / anno > Scelta del volo Defnzone del problema Modell d domanda segmentazone temporale della domanda d trasporto (dscretzzazone del perodo d rfermento n fasce orare) Modell d offerta modello d offerta per corse - ret dacronche - (esplctazone dell oraro programmato de servz) Modell d Assegnazone Modell d scelta del percorso (volo) Modell d carco Fluss sulla rete 10

11 Il modello d assegnazone Tpologe d modell d Assegnazone Tpologe del modello d Assegnazone fun nzone de co ost d arco modello d scelta del percorso determnstco probablstco c = cost carco DNL SNL c = c(f) () equlbro DUE SUE processo dnamco DDP SDP Stochastc Network Loadng Il modello d assegnazone Modello d domanda: F od = d od p od (- C od ) Modello d offerta: C od = (A od ) T c (A od F od )+ C NA, od Modello d ASSEGNAZIONE mult-classe: f = od d od A od p od 11

12 Il modello d assegnazone MATRICE O/D COSTI DI ARCO FLUSSI DI ARCO INCIDENZA PERCORSI-ARCHI COSTI DI PERCORSO MODELLO DI SCELTA DEL PERCORSO PROBABILITA DI SCELTA DEL PERCORSO INCIDENZA ARCHI-PERCORSI FLUSSI DI PERCORSO x MODELLO DI CARICO DELLA RETE Applcazone: la rete del trasporto aereo nazonale Segmentazone temporale della domanda Il sstema attuale d offerta e la rete dacronca Il modello d scelta del percorso L nterazone domandaofferta (assegnazone) Rsultat ottenut 12

13 Segmentazone temporale della domanda per Class Dstrbuzone de passegger n class d utent: "Altro" 20% "Affar" 80% Dstrbuzone Oraro desderato Oraro desderato condzonata Partenza Arrvo Partenza Arrvo Fasce Orare Affar Altro Affar Altro h< 10:30 32% 4% 8% 4% 10:35< h< 14:30 8% 6% 32% 6% 14:35< h< 18:30 32% 6% 8% 4% h >18:30 0% 4% 32% 6% Gl aeroport talan La rete aeroportuale talana consderata s compone d: 38 aeroport 780 vol drett 13

14 Compagne Aeree La rete dacronca Centrod temporal o tempo 3148 nod e 5414 ram Centrod temporal VOLO C3 VOLO C2 VOLO C1 231 coppe O/D 9323 percors 8543 possbl vol con scalo (un trasbordo) spazo Asse delle fermate A Asse delle fermate B spazo Fermata A Centrode Fermata B Centrode 14

15 Fonte: Assaeroport La rete del trasporto aereo Dstrbuzone Vol Gornaler Pe ercentuale vol 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 0% 29,7% 24,4% 22,4% 21,5% 21,5% 19,7% 26,7% 25,4% Partenze Arrv 78% 7,8% 5,0% 0,0% 0,8% 05:30-10:30 10:35-14:30 14:35-18:30 18:35-22:30 22:35-05:30 Fasce Orare Un esempo d applcazone tempo Centrod temporal Centrod temporal 10:00 spazo Asse delle partenze Asse degl arrv spazo Aeroporto d Palermo Palermo Aeroporto d Roma FCO Roma 15

16 Un esempo d applcazone tempo Centrod temporal VOLO AP :30 11:00 Centrod temporal 09:15 09:00 VOLO AZ 1738 VOLO AZ :20 08:50 07:30 08:30 10:50 10:00 09:20 09:00 VOLO AZ :10 spazo Asse delle partenze Asse degl arrv spazo Aeroporto d Palermo Palermo Aeroporto d Roma FCO Roma Il modello d scelta del volo Inseme d scelta volo AZ 1736 volo AZ1740 volo AZ 1738 volo AP 2867 Modello Logt p ( r / τ ) = TT exp( αv k r ) exp( αv ì k ) 16

17 Il modello d scelta del volo Oraro desderato d arrvo = 10:00 Probabltà d scelta del percorso (Palermo-Roma FCO) Percentuale 90,0% 80,0% 70,0% 60,0% 50,0% 40,0% 30,0% 20,0% 10,0% 0,0% 20,8% 19,3% 78,0% 68,1% Motvo AFFARI Motvo ALTRO 6,0% 6,6% 0,7% 0,6% AZ 1736 AZ 1740 AZ 1738 AP 2867 Corse Defnzone del problema Modell d domanda segmentazone temporale della domanda d trasporto (dscretzzazone del perodo d rfermento n fasce orare) Modell d offerta modello d offerta per corse - ret dacronche - (esplctazone dell oraro programmato de servz) Modell d Assegnazone Modell d scelta del percorso (volo) Modell d carco Fluss sulla rete 17

18 Numero Passegger 200 I rsultat dell Assegnazone 220 Flusso vs Capactà Aeromobl Palermo- Roma FCO Passegger Capactà N 0 AZ 1736 AZ 1740 AZ 1738 AP 2867 Partenza Arrvo 07:10 08:30 07:30 08:50 Vol 09:00 10:20 09:15 10:30 I rsultat dell Assegnazone Flusso vs Capactà Aeromobl Veneza-Mlano MXP Passegger Capactà Numero Passegger Partenza Arrvo E E E :20 08:25 11:30 12:30 Vol 18:35 19:40 18

19 I rsultat dell Assegnazone Flusso vs Capactà Aeromobl Torno-Napol Passegger Capactà Numero Passegger Partenza Arrvo AZ1210 AP6804 AP6850 AZ Vol I rsultat dell Assegnazone Flusso vs Capactà Aeromobl Bar-Mlano Lnate Passegger Capactà 200 Numero Passegger Partenza Arrvo AP6809 AZ1632 VA8421 XM5932 VA Vol

20 Osservazon L applcazone ha consentto d verfcare la bontà del modello d assegnazone messo a punto, nonché la potenzaltà dell approcco descrtto che consente d: prevedere l carco a bordo d ogn sngolo volo; analzzare l evoluzone nel tempo de carch per sngole corse, con l obettvo d fornre ndcator dsaggregat del funzonamento del sstema, da utlzzare nelle anals tecnco-economche per la valutazone d ntervent d progetto smulat. 20

Modelli per l assegnazione della domanda alle reti di trasporto aereo

Modelli per l assegnazione della domanda alle reti di trasporto aereo Corso di Gestione ed Esercizio dei Sistemi di Trasporto www.uniroma2.it/didattica/gest Modelli per l assegnazione della domanda alle reti di trasporto aereo Definizione del problema Modelli di domanda

Dettagli

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto Unverstà degl Stud d Roma Tor vergata partmento d Ingegnera Cvle Corso d Gestone ed eserczo de sstem d trasporto Docente: Ing. Perlug Coppola Lucd proettat a lezone La progettazone degl orar de servz d

Dettagli

MODELLI DI UTILITÀ ALEATORIA

MODELLI DI UTILITÀ ALEATORIA corso d Teora e Tecnca della Crcolazone + Trasport e Terrtoro a.a. 2012-2013 MODELLI DI UTILITÀ ALEATORIA PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma2.t Modell d utltà

Dettagli

Richiami di modelli di utilità aleatoria

Richiami di modelli di utilità aleatoria Corso d LOGISTICA TERRITORIALE www.unroma.t/ddattca/lt DOCENTE prof. ng. Agostno Nuzzolo Rcham d modell d utltà aleatora prof. ng. Agostno Nuzzolo - Corso d Logstca Terrtorale Modell d domanda e utltà

Dettagli

Modelli di utilità aleatoria

Modelli di utilità aleatoria Corso d Teora de Sstem d Trasporto + prof. ng. Antono Com gugno 8 Struttura del sstema d modell per la smulazone de sstem d trasporto Modell d offerta OFFERTA DI INFRASTRUTTURE E SERVIZI DI TRASPORTO MODELLO

Dettagli

Modelli di utilità aleatoria

Modelli di utilità aleatoria corso d Teora de Sstem d Trasporto Modell d utltà aleatora PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma.t Iscrzone al corso Modell d offerta ü Da effettuars anche on

Dettagli

Modelli di utilità aleatoria

Modelli di utilità aleatoria Corso d Teora de Sstem d Trasporto + prof. ng. Antono Com gugno 9 Struttura del sstema d modell per la smulazone de sstem d trasporto Modell d offerta OFFERTA DI INFRASTRUTTURE E SERIZI DI TRASPORTO MODELLO

Dettagli

Valutazione dei Benefici interni

Valutazione dei Benefici interni Corso d Trasport Terrtoro prof. ng. Agostno Nuzzolo Valutazone de Benefc ntern Valutazone degl ntervent Indvduazone degl effett rlevant La defnzone degl effett rlevant per un ntervento sul sstema d trasporto

Dettagli

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

corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A MODELLI DI DOMANDA Thanks to Barbara Montemaran for her kndly support n sldes updatng corso d Teora de Sstem d Trasporto Sostenbl 6 CFU A.A. 2017-2018 MODELLI DI DOMANDA Prof. Ing. Umberto Crsall Dpartmento d Ingegnera dell

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

CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A

CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A. 2012-2013 1 INDICE 1 STIMA DELLA DOMANDA DI TRASPORTO 3 1.1 Moello generazone 3 1.2 Moello strbuzone 4 1.3 Moello scelta moale 5 1.4 Stma elle sottomatrc scambo

Dettagli

Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO. prof. ing. Agostino Nuzzolo Ottobre 2007

Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO. prof. ing. Agostino Nuzzolo Ottobre 2007 Corso d PROGETTAZIONE DEI SISTEMI DI TRASPORTO prof. ng. Agostno Nuzzolo Ottobre 2007 I MODELLI PER LA SIMULAZIONE DELLE INTERAZIONI TRASPORTI-TERRITORIO TERRITORIO 1 Introduzone Modfche del sstema d offerta

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

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

Corso di PIANIFICAZIONE DEI TRASPORTI 1 Prof. Ing. Agostino Nuzzolo. I modelli di domanda

Corso di PIANIFICAZIONE DEI TRASPORTI 1 Prof. Ing. Agostino Nuzzolo. I modelli di domanda Corso d PIANIFICAZIONE DEI TRASPORTI 1 Prof. Ing. Agostno Nuzzolo 1 Struttura del sstema d modell per la smulazone de sstem d trasporto OFFERTA DI INFRASTRUTTURE E SERVIZI DI TRASPORTO MODELLO DI DI LOCALIZZAZIONE

Dettagli

Corso di TRASPORTI E AMBIENTE. ing. Antonio Comi Ottobre 2012. Modelli di domanda

Corso di TRASPORTI E AMBIENTE. ing. Antonio Comi Ottobre 2012. Modelli di domanda Corso d TRASPORTI E AMBIENTE ng. Antono Com Ottobre 2012 Modell d domanda 1 Struttura del sstema d modell per la smulazone de sstem d trasporto OFFERTA DI INFRASTRUTTURE E SERVIZI DI TRASPORTO MODELLO

Dettagli

Teoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di domanda. prof. ing. Antonio Comi

Teoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di domanda. prof. ing. Antonio Comi Teora de Sstem d Trasporto 1 + 2 (9 CFU) A. A. 2017-2018 Modell d domanda prof. ng. Antono Com Department of Enterprse Engneerng Unversty of Rome Tor Vergata Prof. Ing. Antono Com Teora de Sstem d Trasporto

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

Modelli di simulazione dei sistemi di trasporto collettivo

Modelli di simulazione dei sistemi di trasporto collettivo UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Dpartmento d Ingegnera Cvle Corso d Trasport Urban e Metropoltan Docente: Ing. Perlug Coppola Modell d smulazone de sstem d trasporto collettvo (Bozza n corso

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Carla Seatzu, 18 Marzo 2008

Carla Seatzu, 18 Marzo 2008 8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte

Dettagli

Lezione 20 Maggio 29

Lezione 20 Maggio 29 PSC: Progettazone d sstem d controllo III Trm 2007 Lezone 20 Maggo 29 Docente: Luca Schenato Stesor: Maran F, Marcon R, Marcassa A, Zanella F Fnora s sono sempre consderat sstem tempo-nvarant, ovvero descrtt

Dettagli

Reti di Telecomunicazione

Reti di Telecomunicazione Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc Ret d Telecomuncazone Prof. Fabo Martgnon F. Martgnon: Ret d Telecomuncazone Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone

Dettagli

Teoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di domanda. prof. ing. Antonio Comi

Teoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di domanda. prof. ing. Antonio Comi Teora de Sstem d Trasporto 1 + 2 (9 CFU) A. A. 2016-2017 Modell d domanda prof. ng. Antono Com Department of Enterprse Engneerng Unversty of Rome Tor Vergata Prof. Ing. Antono Com Teora de Sstem d Trasporto

Dettagli

MODELLO DI SCELTA MODALE PER LA VALUTAZIONE DELL ESCLUSIONE SOCIALE DALL ALTA VELOCITÀ FERROVIARIA

MODELLO DI SCELTA MODALE PER LA VALUTAZIONE DELL ESCLUSIONE SOCIALE DALL ALTA VELOCITÀ FERROVIARIA UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II SCUOLA POLITECNICA E DELLE SCIENZE DI BASE Corso d Laurea n Ingegnera per l Ambente e l Terrtoro Percorso per la magstrale n Dfesa del Suolo MODELLO DI SCELTA

Dettagli

Università degli Studi di Ferrara Polo Scientifico Tecnologico

Università degli Studi di Ferrara Polo Scientifico Tecnologico La rcerca scentfca talana nel campo dell draulca: presentazone de rsultat de progett PRIN 2008 Ferrara, 24-25 gennao 2013 ADATTAMENTO DEI SISTEMI E DEI SERVIZI IDROPOTABILI A SCENARI DI CARENZA IDRICA

Dettagli

Modelli decisionali su grafi - Problemi di Localizzazione

Modelli decisionali su grafi - Problemi di Localizzazione Modell decsonal su graf - Problem d Localzzazone Massmo Paolucc (paolucc@dst.unge.t) DIST Unverstà d Genova Locaton Problems: modell ed applcazon Decson a medo e lungo termne (panfcazone) Caratterstche

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

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

DEFINIZIONI. CORSA connessione spazio-temporale data da una sequenza di fermate con determinati orari di partenza/arrivo.

DEFINIZIONI. CORSA connessione spazio-temporale data da una sequenza di fermate con determinati orari di partenza/arrivo. DEFINIZIONI Dato un sistema di trasporto collettivo: CORSA connessione spazio-temporale data da una sequenza di fermate con determinati orari di partenza/arrivo. LINEA insieme di corse con le stesse caratteristiche

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

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008 Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal

Dettagli

Economia del turismo

Economia del turismo Unverstà degl Stud d Caglar Facoltà d Economa Corso d Laurea n Economa e Gest. de Serv. Turstc A.A. 2013-2014 Economa del tursmo Prof.ssa Carla Massdda Sezone 5 ANALISI MICROECONOMICA DEL TURISMO Argoment

Dettagli

Modelli di simulazione dei sistemi di trasporto collettivo

Modelli di simulazione dei sistemi di trasporto collettivo II UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Dpartmento d Ingegnera Cvle Corso d Gestone ed eserczo de sstem d trasporto Docente: Ing. Perlug Coppola Modell d smulazone de sstem d trasporto collettvo

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

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

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

Ragionamento probabilistico: rappresentazione

Ragionamento probabilistico: rappresentazione Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem

Dettagli

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono Captolo 1 INTRODUZIONE 21 Anals Modale S facca rfermento al sstema tempo-dscreto e al sstema tempo-contnuo x(k +1)=Ax(k) ẋ(t) =Ax(t) Le evoluzon lbere de due sstem a partre dalla condzone nzale x() = x

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

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

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

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

Lezione 4. Politica Economica Avanzata

Lezione 4. Politica Economica Avanzata Lezone 4 Poltca Economca Avanzata Come msuramo la rendta d Conoscamo la def. Teorca. un mpresa? Dvdamo n base al valore medano tra mprese a bassa ed alta rendta. Che legame con la crescta della produttvtà

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

Obiettivi Il concetto di Resilienza applicato ai territori rurali Una proposta p metodologica Un esempio: diversità e sviluppo

Obiettivi Il concetto di Resilienza applicato ai territori rurali Una proposta p metodologica Un esempio: diversità e sviluppo Obettv Il concetto d Reslenza applcato a terrtor rural Una proposta p metodologca Un esempo: dverstà e svluppo Concluson Interpretare terrtor rural come sstem soco-ecologc Analzzare le propretà della reslenza

Dettagli

Le decisioni di gruppo in materia di trasporti: teorie, modelli, applicazioni Romeo Danielis e Lucia Rotaris

Le decisioni di gruppo in materia di trasporti: teorie, modelli, applicazioni Romeo Danielis e Lucia Rotaris Le decson d gruppo n matera d trasport: teore, modell, applcazon Romeo Danels e Luca Rotars Unverstà degl Stud d Treste Il decsore ndvduale solato della mcroeconoma neoclassca non è la norma spesso: le

Dettagli

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO INTODUZION ALL SPINZA 4: STUDIO DLLA POLAIZZAZION DIANT LAIN DI ITADO Un utle rappresentazone su come agscono le lamne su fasc coerent è ottenuta utlzzando vettor e le matrc d Jones. Vettore d Jones e

Dettagli

Modelli di domanda e utilità aleatoria

Modelli di domanda e utilità aleatoria La domanda d mobltà Corso d PIANIFICAZIONE DEI TRASPORTI Prof. Ing. Agostno Nuzzolo Marzo 005 Struttura del sstema d modell er la smulazone de sstem d trasorto Modello del sstema d trasorto OFFERTA DI

Dettagli

Economia del turismo

Economia del turismo U N I V E R S I T À D E G L I S T U D I D I C A G L I A R I F A C O L T À D I S C I E N Z E E C O N O M I C H E, G I U R I D I C H E E P O L I T I C H E C O R S O D I L A U R E A I N E C O N O M I A E

Dettagli

PIANIFICAZIONE DEI TRASPORTI

PIANIFICAZIONE DEI TRASPORTI Unverstà d Caglar DICAAR Dpartmento d Ingegnera Cvle, Ambentale e archtettura Sezone Trasport PIANIFICAZIONE DEI TRASPORTI Eserctazone su modell d generazone A.A. 2016-2017 Ing. Francesco Pras Ing. Govann

Dettagli

Modello del Gruppo d Acquisto

Modello del Gruppo d Acquisto InVMall - Intellgent Vrtual Mall Modello del Gruppo d Acqusto Survey L attvtà svolta per la realzzazone dell attvtà B7 Defnzone del Gruppo d Acqusto e de Relatv Algortm d Inferenza, prevsta dal captolato

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

Elementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche

Elementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche Element d teora bayesana della decsone Teora bayesana della decsone: caratterstche La teora bayesana della decsone è un approcco statstco fondamentale al problema del pattern recognton. Il suo obettvo

Dettagli

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes

Dettagli

Campo di applicazione

Campo di applicazione Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

Propagazione degli errori

Propagazione degli errori Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da

Dettagli

CHE COS E LA COMPLESSITA

CHE COS E LA COMPLESSITA CHE COS E LA COMPLESSITA E un termne d moda, ambguo perché rcco d sgnfcat nterdscplnar, a volte mpropramente usato sa n campo scentfco, che nel lnguaggo colloquale, gornalstco e d costume Inter centr d

Dettagli

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI A.A. 2006/07 Corso d Teora de Campon Facoltà d Economa Corso d Laurea SIGI M. Govanna Ranall Lezon: Martedì 18:00 19:30; Govedì 12:15 13:45 Oraro d rcevmento: Lunedì 16:00 18:00 (stanza 24) Durata: 9 settmane

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

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

{ 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

Regressione e correlazione

Regressione e correlazione Regressone e correlazone Corso d statstca socale prof. Natale Carra - Unverstà degl Stud d Bergamo a.a. 005-06 Regressone Questo modello d anals bvarata esamna le relazon fra coppe d varabl contnue. Un

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

L'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II

L'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II L'Anals n Component Prncpal Lug D Ambra Dpartmento d Matematca e Statstca Unverstà d Napol Federco II ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Anals Multdmensonale de Dat (AMD) è una famgla d tecnche

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

ELETTROTECNICA Ingegneria Industriale

ELETTROTECNICA Ingegneria Industriale ELETTROTECNICA Ingegnera Industrale INTRODUZIONE a CIRCUITI LEGGI d KIRCHHOFF Stefano Pastore Dpartmento d Ingegnera e Archtettura Corso d Elettrotecnca (043IN) a.a. 2013-14 Bblografa V. Danele, A. Lberatore,

Dettagli

IMPIANTI DI DISTRIBUZIONE

IMPIANTI DI DISTRIBUZIONE IMPIANTI DI DISTRIBUZIONE Schem caratterstc (serbato e rete d dstrbuzone) Con serbatoo d testata Con torrno pezometrco e serbatoo d estremtà Rete d tpo aperto Rete d tpo chuso Rete d tpo msto (ad albero)

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

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

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 A 4 STADI (Capitolo 3)

IL MODELLO A 4 STADI (Capitolo 3) Facoltà d Ingegnera - Unverstà d Bologna Anno Accademco: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docente: Marno Lup IL MODELLO A 4 STADI (Captolo ) Modello a 4 stad per la determnazone della domanda d trasporto

Dettagli

Analisi statistica degli errori casuali

Analisi statistica degli errori casuali Anals statstca degl error casual error casual: dovut a ncertezze spermental non controllabl che comunque spngono l valore msurato con ugual probabltà n alto od n basso rspetto al valore vero. Quest error

Dettagli

6 Prodotti scalari e prodotti Hermitiani

6 Prodotti scalari e prodotti Hermitiani 6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al

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

Ministero dell Ambiente e della Tutela del Territorio e del Mare MANUALE OPERATIVO PER IL SISTEMA DI MISURAZIONE E VALUTAZIONE DEL PERSONALE

Ministero dell Ambiente e della Tutela del Territorio e del Mare MANUALE OPERATIVO PER IL SISTEMA DI MISURAZIONE E VALUTAZIONE DEL PERSONALE Mnstero dell Ambente e della Tutela del Terrtoro e del Mare MANUALE OPERATIVO PER IL SISTEMA DI MISURAZIONE E VALUTAZIONE DEL PERSONALE INDICE 1. INTRODUZIONE 1.1. I RIFERIMENTI NORMATIVI 1.2. GLI OBIETTIVI

Dettagli

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto

Dettagli

Modellazione stocastica delle scelte di orario di partenza nelle reti di trasporto:

Modellazione stocastica delle scelte di orario di partenza nelle reti di trasporto: UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI INGEGNERIA Corso d Laurea Magstrale n Ingegnera Cvle Currculum Trasport Modellazone stocastca delle scelte d oraro d partenza nelle ret d trasporto: Anals teorca

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Principi di ingegneria elettrica. Lezione 2 a

Principi di ingegneria elettrica. Lezione 2 a Prncp d ngegnera elettrca Lezone 2 a Defnzone d crcuto elettrco Un crcuto elettrco (rete) è l nterconnessone d un numero arbtraro d element collegat per mezzo d fl. Gl element sono accessbl tramte termnal

Dettagli

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

Corso di TEORIA DEI SISTEMI DI TRASPORTO. prof. ing. Umberto Crisalli Corso d TEORIA DEI SISTEMI DI TRASPORTO rof. ng. Umberto Crsall Modell d utltà aleatora Iscrzone al corso Modell d offerta Da effettuars anche on lne htt:delh.unroma.t Struttura del sstema d modell er

Dettagli

Analisi della domanda di trasporto

Analisi della domanda di trasporto 1 Panfcazone f de Trasport aspot Lezone: Anals della domanda d trasporto Corso IFTS Catana 2010 Guseppe Inturr Unverstà d Catana Dpartmento d Ingegnera Cvle e Ambentale 2 3 La mobltà La mobltà delle persone

Dettagli

Classificazione di immagini con GRASS

Classificazione di immagini con GRASS Classfcazone d mmagn con GRASS Classfcazone d mmagn Scopo della classfcazone: rcavare da una mmagne nformazon sulla superfce. Foto nterpretazone sfrutta le conoscenze a pror dell operatore. Classfcazone

Dettagli

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo

Dettagli

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

Precisione e Cifre Significative

Precisione e Cifre Significative Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte

Dettagli

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

10 BQ. Ipotesi per il progetto della polarizzazione. 10 h. 10 h VCC R C R 1 I 1 I C I B. npn I E I 2 R 2 CC CEQ E VCC RC ICQ VCEQ VE

10 BQ. Ipotesi per il progetto della polarizzazione. 10 h. 10 h VCC R C R 1 I 1 I C I B. npn I E I 2 R 2 CC CEQ E VCC RC ICQ VCEQ VE Amplfcator a JT Per la scelta del punto d lavoro, al fne d garantre l funzonamento l pù possble lneare, s scegle Q /2 e Q al centro delle caratterstche (o come da specfche da datasheet) 1 1 2 2 npn potes

Dettagli

MODELLI DI ASSEGNAZIONE PER LE RETI STRADALI

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

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

GLI 8 PRINCIPI DELLA VISION 2000

GLI 8 PRINCIPI DELLA VISION 2000 ISO 9001:2008 Le norme ISO 9000 emesse nel 1987 e successvamente revsonate nel 1994 hanno vsto un loro ulterore svluppo con l Progetto VISON 2000 che ha determnato l emssone delle nuove norme ISO 9001:2008

Dettagli