Schema generale su fenomeni, eventi, misure analitiche e sintetiche

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Schema generale su fenomeni, eventi, misure analitiche e sintetiche"

Transcript

1 chema generale su fenomen, event, msure analtche e sntetche Tologa event: - NON rnnovabl negatv (morte, mgrazon) - NON rnnovabl (rmo matrmono, nascte er orne, ecc.) - Rnnovabl (matrmono, nascta fgl, ecc.) Msure analtche: - Tass secona categora (event rott) er sesso e età (urata) [ t ] - Tass rma categora/uozent eventualtà (robabltà) er sesso e età (urata) [ ], nonché tavole elmnazone (e relatve varabl bometrche) Msure sntes - Intenstà [I] el fenomeno: Numero meo event er testa oure frazone mea ella oolazone che sermenta l evento non rnnovable; - Caenza [ ] mea el fenomeno: sntes ella strbuzone egl event er età (urata) attraverso l età (la urata) mea al manfestars ell evento vent erturbator Alcun event mescono al soggetto che l subsce vvere certe eserenze emografche. Infatt, ogn nvuo è semre sottoosto smultaneamente a vers rsch. Gl event erturbator sono uell che nterferscono con l evento allo stuo meenone la realzzazone. tratta un concetto relatvo n uanto enente all evento allo stuo (se stuo la mortaltà l evento erturbatore è raresentato alle mgrazon, se stuo la mgratoretà l evento erturbatore è ato a ecess). Un fenomeno vene efnto allo stato uro se nella oolazone oggetto stuo agsce solo l fenomeno all esame, non c sono fenomen erturbator. Tale stuazone, el tutto astratta e vala n termn uramente teorc, rsulta utle er ntrourre e efnre le msure base e fenomen emografc. Consente charre l loro sgnfcato e evenzare le otes che è necessaro ntrourre uano s lavora nella realtà, coè allo stato erturbato. 1

2 Msurazon allo stato uro vent rnnovabl In una generca coorte ammontare nzale 0 s osservano alle fferent età (o urate) egl event rnnovabl. INTNITA Il numero meo event er testa ( I ) sarà ato, n assenza fenomen erturbator, alla somma rsetto alle età (urate) egl event raortata all ammontare nzale che rsulterà nvarato rsetto alle verse età er la natura non negatva egl event conserat e er l assenza fenomen erturbator. CADNZA L età mea al manfestars el fenomeno è ottenuta come mea elle età con es at agl event er età. I ( 0,5) 0 Invece utlzzare gl event assolut ( ) s uò fare rcorso agl event rott al contngente nzale: t comarabl tra generazon aveno elmnato l effetto mensone el gruo artenza. Le msure sntes sono ertanto calcolabl nel moo seguente: 0 I t 0 (somma egl event rott) 0 ( 0,5) t 0 (mea elle età con es at agl event rott) t 2

3 vent non rnnovabl In una generca coorte s osservano alle verse età event non rnnovabl. In uesto caso l ammontare nvu ella coorte che ossono subre l evento vara con l età (anche se n assenza fenomen erturbator) er effetto el verfcars egl event n uanto, a esemo, matrmon celb sottraggono, celb alla coorte celb. Pertanto, con l smbolo vene ncato l numero nvu ella coorte che all età non ha ancora subto l evento allo stuo e un uò ancora subre tale evento. Nulla mesce trattare un fenomeno non rnnovable come se lo fosse e ottenere msure come nel caso egl event rnnovabl. Tal msure rsentono erò ella struttura ella coorte a una certa età (urata) rsetto all avere o meno subto nelle età receent l fenomeno stuato e ertanto non sono msure relatve alla sola età conserata. La soluzone mglore è calcolare e uozent eventualtà, norma ncat anche con l termne robabltà elmnazone er età (urata): che esrmono la roorzone coloro che, non aveno ancora subto l evento stuato all età esatta, lo subscono nell ntervallo età, +1. Lo strumento eale er l anals un fenomeno a event non rnnovabl è la tavola elmnazone, che contene oltre alle robabltà anche soravvvent ella tavola ( l ) e gl event ella tavola ( ): tà l 0 1 l 0 =race tavola=10 n l1 l0 0 l l1 1 l l l 1 1 In una coorte allo stato uro, ma solo n uesta conzone, le ue varabl bometrche ncate ossono essere ottenute senza l rcorso a uozent eventualtà: l 0 0 Msure sntes (ntenstà e caenza): I 0 1 l (1 ) ( 0,5) 0 3

4 Msurazon allo stato erturbato vent rnnovabl Non sarà ossble rcorrere agl event rott al contngente nzale, n uanto la resenza el fenomeno erturbatore: a) ruce l contngente sno all età conserata; b) agsce all età conserata sottraeno nvu che avrebbero otuto subre l evento stuato. e s assume che l fenomeno erturbatore agsca a solo e esseno l fenomeno stuato rnnovable, avremo allora: event osservat el fenomeno erturbatore n età t event otenzalmente osservat n età el fenomeno oggetto stuo se l fenomeno erturbatore avesse agto tra le età esatte 0 e, ma non agsse tra e +1 In effett, l fenomeno erturbatore agsce anche tra e +1 e gl event effettvamente osservat s ottengono sottraeno a uell otenzalmente osservat uell non osservat er effetto el fenomeno erturbatore. 0,5 t sono gl event allo stuo non osservat nell otes che l fenomeno erturbatore recea uello allo stuo nella metà e cas (unforme strbuzone event) Allora gl event osservat saranno segabl meante la relazone: t 0, 5 t a cu s rcava: t 0,5 Poché 2 1 ne segue che: t 0,5 ( 1) La uanttà ottenuta er stmare gl event rott non è altro che un uozente secfco er età (uozente secona categora). 4

5 vent non rnnovabl Nel caso e fenomen non rnnovabl v è comleta smmetra azone tra evento stuato e evento erturbatore. one: numero membr ella coorte che raggungono l età esatta soravvveno sa all evento stuato che all evento erturbatore; e event osservat, rsettvamente el fenomeno stuato e uello erturbatore tra le età esatte e +1 ann; e robabltà allo stato uro subre l evento rsettvamente allo stuo e erturbatore tra le età esatte e +1 ann. Pertanto s uò scrvere: (1 ) 0,5 (1 0,5 ) robabltà comlessva subre l evento stuato (1 ) 0,5 (1 0,5 ) erturbatore Aveno suosto che nel caso n cu, n teore, ovrebbero verfcars entramb gl event uello allo stuo recea uello erturbatore la metà elle volte. Pertanto gl event stuat osservat ovrebbero essere ar a: (1 0,5 ) a cu s rcava ( 1 0,5 ) 0,5 la robabltà allo stato uro subre l evento allo stuo l cu calcolo rchee erò la conoscenza ella robabltà allo stato uro subre l evento erturbatore. Per suerare uesto roblema, s conser che: ( 1 0,5 ) 0, 5 e un 0,5 0,5 0, 25 e trascurano l secono termne che comorta un ccolo errore stma s uò orre 0,5 0, 5 e ottenere la robabltà allo stato uro subre l evento stuato meante la stma: 5 0,5 a cu s rcavano le altre varabl bometrche ella tavola elmnazone.

6 chema elle msure analtche e sntetche e fenomen emografc nelle anals er coort (longtunal) e er contemorane (trasversal) Msure sntetche Natura event Msure analtche Anals er coort () Anals er contemorane (t) Intenstà: somma e Intenstà: Tass total (msure mlctamente tass 2a categora [TFT =f stanarzzate o otes coorte ] fttza) [ t TFT] Rnnovabl (es. nascta e fgl, matrmon) NON rnnovabl negatv (es. ecess) NON rnnovabl ma NON negatv (es. rm matrmon, nascte er orne) Tass 2a categora er età (o urata) [f = N / D ] Probabltà er età (o urata) [ ] Tavole elmnazone (T) [Tavole mortaltà lfe table] Tass 1a categora er età (o urata) [m = M / P ] Probabltà er età (o urata) [n ] Tavole elmnazone (T) [Tavole rmo nuzaltà] Tass 1a categora er età (o urata) [n = N / C P ] Tass 2a categora er età (o urata) [sn = N / P ] Caenza mea [ f = f / f = età mea al arto] Intenstà: somma egl event ella T [ /l 0 =1] Caenza mea: [ / = e 0 = vta mea] Intenstà [frazone ella coorte che sermenta almeno un rmo matrmono] Caenza mea [età mea al rmo matrmono] 6 Caenza mea [ tf ] Tass stanarzzat con metoo INDIRTTO *N /N e nc Coale] Tass generc: [ t n= t N/ t P ; t FG= t N/ t D ] Intenstà [=1] Caenza mea [ t e 0 ] Tass stanarzzat con metoo DIRTTO Tass stanarzzat con metoo INDIRTTO Tass generc: Intenstà: Tass total (msure mlctamente stanarzzate) [ t TNTPM] Caenza mea Tass stanarzzat con metoo INDIRTTO Tass generc

7 7

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

# STUDIO DELLA FEDELTA DI RISPOSTA

# STUDIO DELLA FEDELTA DI RISPOSTA # STUDIO DELLA FEDELTA DI RISOSTA # er poter formulare n manera approprata problem sntes (progetto) sstem controllo, e necessaro a questo punto nteressarc elle loro propreta n termn feelta rsposta agl

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

L ADOZIONE DI NUOVE TECNOLOGIE (1)

L ADOZIONE DI NUOVE TECNOLOGIE (1) (1) Approcco statco: TIZIO Nuova tecnologa Veccha tecnologa CAIO Nuova tecnologa Veccha tecnologa α; α ; γ Nash E. γ; β; β Nash E. Ipotes base: Presenza esternaltà rete α > β > γ Excess nerta: s verfca

Dettagli

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un

Dettagli

MODULO 1 GLI AMPLIFICATORI OPERAZIONALI

MODULO 1 GLI AMPLIFICATORI OPERAZIONALI MODULO GL AMPLFCATO OPEAZONAL. PAAMET CAATTESTC D UN AMPLFCATOE OPEAZONALE Per la corretta utlzzazone un A.O. reale bsogna nterpretare at caratterstc fornt al costruttore e conoscere termn pù comunemente

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

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

Prova scritta di Esperimentazioni II del

Prova scritta di Esperimentazioni II del Prova scrtta Espermentazon II el 9--98 Un amplcatore a transstor ha lo schema presentato n gura. Calcolare la tensone el collettore Vc, sapeno che l transstor ha un h FE 0. Calcolare la potenza sspata

Dettagli

2. La base monetaria e i mercati dei depositi e del credito

2. La base monetaria e i mercati dei depositi e del credito 2. La base monetara e mercat e epost e el creto Esercz svolt Eserczo 2.1 (a) Conserate l moello che rappresenta l equlbro el mercato ella base monetara e el mercato e epost (fate l potes che coe cent c;

Dettagli

Amplificatori operazionali

Amplificatori operazionali mplfcator operazonal Parte www.e.ng.unbo.t/pers/mastr/attca.htm (ersone el 9-5-0) mplfcatore operazonale L amplfcatore operazonale è un sposto, normalmente realzzato come crcuto ntegrato, otato tre termnal

Dettagli

Geotecnica Esercitazione 1/2013

Geotecnica Esercitazione 1/2013 Geotecnca Eserctazone 1/2013 # 1 - Note le quanttà q n gramm present su ogn setacco d dametro assegnato, rportate n Tab. 1, rappresentare le curve granulometrche e classfcare terren a, b, c. # 2 La Tab.

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90

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

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

RAPPRESENTAZIONE DI MISURE. carta millimetrata

RAPPRESENTAZIONE DI MISURE. carta millimetrata carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!

Dettagli

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà

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

Realizzazione e studio di un oscillatore a denti di sega

Realizzazione e studio di un oscillatore a denti di sega 1 Realzzazone e stuo un oscllatore a ent sega Cenn teorc Lo scopo quest esperenza è quello stuare la cosetta tensone a ent sega, ovvero una tensone alternata, peroo T, che vara lnearmente con l tempo a

Dettagli

5. Baricentro di sezioni composte

5. Baricentro di sezioni composte 5. Barcentro d sezon composte Barcentro del trapezo Il barcentro del trapezo ( FIURA ) s trova sull asse d smmetra oblqua (medana) della fgura; è suffcente, qund, determnare la sola ordnata. A tal fne,

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

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

Ricerca di radici di equazioni non lineari

Ricerca di radici di equazioni non lineari Rcerca rac equazon non lnear Il problema consste nella rcerca elle soluzon ell'equazone sotto forma mplcta f( ) Torna all'nce generale f e possono essere n generale ue vettor a n component, anche se la

Dettagli

PROGETTO ESECUTIVO RELAZIONE DI CALCOLO PACCHETTI STRADALI

PROGETTO ESECUTIVO RELAZIONE DI CALCOLO PACCHETTI STRADALI ELABORATO N C.6 SETTORE LAVORI PUBBLICI SERVIZIO PROGETTAZIONE E COSTRUZIONI STRADALI S.P. n 569 DI VIGNOLA COMPLETAMENTO DELLA VARIANTE GENERALE ALLA S.P. N 569 E REALIZZAZIONE DELLE VARIANTI ALLA S.P.

Dettagli

MODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30).

MODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30). ODELLO ONOINDICE Il rendmento d un ttolo uò essere scrtto come: R = a + β R (1) dove: R = rendmento dell -mo ttolo; a = comonente aleatora del rendmento, ndendente dall andamento del mercato; R = è varable

Dettagli

Dall appello del 16/7/04

Dall appello del 16/7/04 Dall aello del 6/7/04 Due lent sottl una convergente d ocale 0cm e l altra dvergente d ocale 5cm dstano tra loro D +. Un ago d altezza hcm è osto a dstanza s0cm dalla lente d ocale. S determn la oszone

Dettagli

1.1 Identificazione del campo di operatività di un motore AC brushless. Sia dato un motore AC brushless isotropo di cui siano noti i seguenti dati:

1.1 Identificazione del campo di operatività di un motore AC brushless. Sia dato un motore AC brushless isotropo di cui siano noti i seguenti dati: Captolo 1 1.1 Ientfcazone el campo operatvtà un motore AC bruhle Sa ato un motore AC bruhle otropo cu ano not eguent at: Vn = 190 V In = 3.5 A Tn =.6 N n pol = R = 1 Ω L = 8 mh Ke = Kt = 0.4 S etermn l

Dettagli

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati. Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes

Dettagli

Lezione 27. La legge di reciprocità quadratica.

Lezione 27. La legge di reciprocità quadratica. Lezone 7 Prereust: Congruenze modulo un ntero L legge d recroctà udrtc Dedchmo uest ultmo ctolo llo studo dell rsolubltà delle congruenze udrtche del to x (mod ), (*) dove è un ulss ntero e è un numero

Dettagli

PROBLEMA 1. Soluzione. β = 64

PROBLEMA 1. Soluzione. β = 64 PROBLEMA alcolare l nclnazone β, rspetto al pano stradale, che deve avere un motocclsta per percorrere, alla veloctà v = 50 km/h, una curva pana d raggo r = 4 m ( Fg. ). Fg. Schema delle condzon d equlbro

Dettagli

Economia del Lavoro. Argomenti del corso

Economia del Lavoro. Argomenti del corso Economa del Lavoro Argoment del corso Studo del funzonamento del mercato del lavoro. In partcolare, l anals economca nerente l comportamento d: a) lavorator, b) mprese, c) sttuzon nel processo d determnazone

Dettagli

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente:

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente: Corso d Statstca docete: Domeco Vstocco Le requeze cumulate S cosder ua varable qualtatva ordale X Per essa, oltre alle requeze assolute, relatve e ercetual, è ossble calcolare ache le requeze cumulate

Dettagli

Università degli Studi di Torino D.E.I.A.F.A. Forze conservative. Forze conservative (1)

Università degli Studi di Torino D.E.I.A.F.A. Forze conservative. Forze conservative (1) Unverstà degl Stud d Torno D.E.I.A..A. orze conservatve Unverstà degl Stud d Torno D.E.I.A..A. orze conservatve () Una orza s dce conservatva se l lavoro da essa computo su un corpo che s muove tra due

Dettagli

Indice svizzero dei salari Basi metodologiche (2015=100)

Indice svizzero dei salari Basi metodologiche (2015=100) Déartement fédéral de l'ntéreur DFI Offce fédéral de la statstque OFS Enccloeda statstca della Svzzera 3 Lavoro e reddto Indce svzzero de salar Bas metodologche (215=1) Informazon: UST, Sezone Salar e

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = =

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = = Clusterng Clusterng Raggruare le stanze d un domno n gru tal che gl oggett nello stesso gruo mostrno un alto grado d smlartà e gl oggett n gru dvers un alto grado d dssmlartà Leggere la sezone 6.6 d Wtten

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

MODELLI PER GESTIONE E LA RICERCA DELL'INFORMAZIONE

MODELLI PER GESTIONE E LA RICERCA DELL'INFORMAZIONE MODLLI R GSTION LA RICRCA DLL'INFORMAZION Algortm d Apprendmento avanzato per l Informaton Retreval Alessandro Moschtt Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: moschtt@nfo.unroma2.t

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

Esercizi S A 2.0 S B. =0.2; Metodo B: S B ii)

Esercizi S A 2.0 S B. =0.2; Metodo B: S B ii) Si usano ue metoi ifferenti per misurare il carico i rottura i un filo i acciaio e si fanno 0 misure per ognuno ei metoi. I risultati, espressi in tonnellate, sono i seguenti: Metoo :..5.7..6.5.6.4.6.9

Dettagli

CEMENTO ARMATO PRECOMPRESSO Lezione 6

CEMENTO ARMATO PRECOMPRESSO Lezione 6 Corso d Comlement d Tecnca delle Costruzon A/A 008- CEMETO ARMATO PRECOMPRESSO Lezone 6 ILSISTEMAEQUIVALETE EQUIVALETE ALLA PRECOMPRESSIOE Generaltà Il sstema equvalente er trav sostatche Il sstema equvalente

Dettagli

Università degli Studi di Perugia A.A. 2014/2015 Dipartimento di Economia. ECONOMIA INDUSTRIALE Prof. Davide Castellani (davide.castellani@unipg.

Università degli Studi di Perugia A.A. 2014/2015 Dipartimento di Economia. ECONOMIA INDUSTRIALE Prof. Davide Castellani (davide.castellani@unipg. Unverstà degl Stud d Peruga A.A. 2014/2015 Dartmento d Economa ECONOMIA INDUSTRIALE Prof. Davde Castellan (davde.castellan@ung.t) Struttura e otere d mercato Paradgma Struttura-Condotta-Performance Concentrazone

Dettagli

VARIABILI ALEATORIE (O CASUALI) Il termine variabile aleatoria indica una quantità il cui valore è determinato da un

VARIABILI ALEATORIE (O CASUALI) Il termine variabile aleatoria indica una quantità il cui valore è determinato da un VARIABILI ALEATORIE O CASUALI Font: Ccchtell, Dall Aglo, Mood-Graybll. Modul 4, 5, 7,8 del rogramma. Il termne varable aleatora ndca una quanttà l cu valore è determnato da un esermento aleatoro. Dato

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

Modelli con varabili binarie (o qualitative)

Modelli con varabili binarie (o qualitative) Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.

Dettagli

Regime Permanente. (vedi Vitelli-Petternella par. VI.1,VI.1.1,VI.2)

Regime Permanente. (vedi Vitelli-Petternella par. VI.1,VI.1.1,VI.2) Regme Permanente (ve Vtell-Petternella par. VI.,VI..,VI.) Comportamento a regme permanente Clafcazone n tp Conzon a Cclo Chuo Conzon a Cclo Aperto Rpota a Regme per Dturb Cotant Dturbo ulla mura Rpota

Dettagli

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare. Una semplce applcazone del metodo delle caratterstche: la propagazone d un onda d marea all nterno d un canale a sezone rettangolare. In generale la propagazone d un onda monodmensonale n una corrente

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

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

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

7. Redditività industriale e redditività dei mezzi propri. RO ROI Redditività industriale K RN MP ROE

7. Redditività industriale e redditività dei mezzi propri. RO ROI Redditività industriale K RN MP ROE Prof. Antono Renz Economa e gestone delle mprese Parte tredcesma Struttura fnanzara e reddtvtà 7. Reddtvtà ndustrale e reddtvtà de mezz propr RN = reddto netto RO = reddto operatvo OF = oner fnanzar OT

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3: Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l

Dettagli

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore Modello per la stma della produzone d una dscarca gestta a boreattore 1 Produzone d Bogas Nella letteratura tecnca sono stat propost dvers modell per stmare la produzone d bogas sulla base della qualtà

Dettagli

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

ESERCIZI SULLE VARIABILI CASUALI DISCRETE ESERCIZI SULLE VARIABILI CASUALI DISCRETE 1) S lanca un dado. Rappresentare la varable casuale: X = " facca mnore d tre ". 2) S lancano due dad. Rappresentare la varable casuale: X = "somma delle facce

Dettagli

PROPRIETA DI TRASPORTO METODI DI CALCOLO TEORICO E CORRELAZIONI. proprietà di trasporto: valori numerici

PROPRIETA DI TRASPORTO METODI DI CALCOLO TEORICO E CORRELAZIONI. proprietà di trasporto: valori numerici MEODI DI CALCOLO EORICO E CORRELAZIONI propretà trasporto: valor numerc at spermental approcc teorc meto prettv equazon correlazone possbltà prevsone teorca legate alla congrutà el moello fsco gas lut

Dettagli

QUANTITA DI MOTO LEGGE DI CONSERVAZIONE DELLA QUANTITA DI MOTO. Kg m/s. p tot. = p 1. + p 2

QUANTITA DI MOTO LEGGE DI CONSERVAZIONE DELLA QUANTITA DI MOTO. Kg m/s. p tot. = p 1. + p 2 QUANTITA DI MOTO r p = r mv Kg m/s LEGGE DI CONSERVAZIONE DELLA QUANTITA DI MOTO La quanttà d moto totale n un sstema solato s conserva, coè rmane costante nel tempo p tot = p 1 + p 2 = m 1 v 1 + m 2 v

Dettagli

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm. Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

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

Unità Didattica N 5. Impulso e quantità di moto

Unità Didattica N 5. Impulso e quantità di moto Imnpulso e quanttà d moto - - Impulso e quanttà d moto ) Sstema solato : orze nterne ed esterne...pag. 2 2) Impulso e quanttà d moto...pag. 3 3) Teorema d conservazone della quanttà d moto...pag. 6 4)

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Probabilità cumulata empirica

Probabilità cumulata empirica Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè

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

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu) lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu

Dettagli

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2:

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2: CORSO DI FISICA TECNICA AA 013/14 ACUSTICA Lezone n : Lvell sonor: operazon su decbel e lvello sonoro equvalente. Anals n requenza de segnal sonor, bande d ottava e terz d ottava. Rumore banco e rumore

Dettagli

Le curve di Intensità-Durata-Frequenza (IDF) delle precipitazioni

Le curve di Intensità-Durata-Frequenza (IDF) delle precipitazioni Le curve d Intenstà-Durata-Frequenza (IDF) delle rectazon INDICE Il modello robablstco d Gumbel...2 Le curve d robabltà luvometrca (IDF)...3 La relazone ntenstà-durata delle mede delle rectazon massme

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

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

INDICE CAPITOLO 6 CAPITOLO 6

INDICE CAPITOLO 6 CAPITOLO 6 NDCE CTOLO 6 6. Teoremi sulle reti 6.. Teorema el Massimo trasferimento i otenza ttiva... Caso impeenza interna el eneratore reale e carico reale... Caso impeenza interna el eneratore reattiva e carico

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

- Riproduzione riservata - 1

- Riproduzione riservata - 1 Razze: Setter Inglese Bracco Francese tpo Prene D Franco Barsottn Va Bugallo 1b 56040 Crespna (PI) www.allevamentodelbugallo.t nfo@allevamentodelbugallo.t Parentela e consangunetà; Parentela; genetcamente

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

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

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M 79 65 INFORMAICA 43

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

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

NUMERI GRANDI DI FIBONACCI come trovare velocemente i loro esatti valori numerici Cristiano Teodoro

NUMERI GRANDI DI FIBONACCI come trovare velocemente i loro esatti valori numerici Cristiano Teodoro NUMERI GRANDI DI FIBONACCI come trovare velocemente loro esatt valor numerc Crstano Teodoro crstanoteodoro@vrglo.t Sommaro: n questo artcolo vene proposto, n alternatva al metodo classco per l calcolo

Dettagli

Seconda legge della termodinamica per una massa di controllo

Seconda legge della termodinamica per una massa di controllo Seconda legge della termodnamca er una massa d controllo artendo dalla seconda legge della termodnamca er un sstema solato, n base alla quale s è detto che l entroa d un sstema solato è una grandezza estensva

Dettagli

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo

Dettagli

Università degli Studi di Parma Facoltà di Economia INTRODUZIONE AL RISCHIO

Università degli Studi di Parma Facoltà di Economia INTRODUZIONE AL RISCHIO Unverstà degl Stud d Parma Facoltà d Economa Corso d PIANIFICAZIONE FINANZIARIA Professor Eugeno Pavaran INTRODUZIONE AL RISCHIO Nota ddattca d Gan Marco Ches Indce ) Premessa ag. ) Gl nvestment fnanzar

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell er la anfcazone delle attvtà Paolo Dett Dartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell er la anfcazone delle

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

Politecnico di Torino Laurea a Distanza in Ingegneria Meccanica Corso di Macchine

Politecnico di Torino Laurea a Distanza in Ingegneria Meccanica Corso di Macchine Poltecnco d Torno Laurea a Dstanza n Ingegnera Meccanca Corso d Macchne Esercz svolt Sono d seguto svolt gl Esercz 3 e 4 roost al terne del Catolo 6 ) Un coressore a stantuffo onostado asra ara (k = 4;

Dettagli

Nel caso di un regime di capitalizzazione definiamo, relativamente al periodo [t, t + t] : i t

Nel caso di un regime di capitalizzazione definiamo, relativamente al periodo [t, t + t] : i t 4. Approcco formale E neressane efnre le caraersche e var regm fnanzar n manera pù asraa e generale, n moo a poer suare qualsas regme fnanzaro. A al fne efnamo percò e paramer n grao escrvere qualsas po

Dettagli

4 Nella figura seguente disegna la direzione e il verso. 5 Come si determina il valore della costante di permeabilità

4 Nella figura seguente disegna la direzione e il verso. 5 Come si determina il valore della costante di permeabilità V3_8_ese_04b Esercz omane su concett 20 test (30 mnut) test INTERTTIV Dsegna qualtatvamente le lnee el campo magnetco generato nello spazo crcostante alla barra magnetzzata nella fgura. N 2 Se un astronauta

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità: LA VARIABILITA LA VARIABILITA E L ATTITUDINE DEL FENOMENO QUANTITATIVO AD ASSUMERE DIVERSE MODALITA, O MEGLIO LA TENDENZA DI OGNI SINGOLA OSSERVAZIONE AD ASSUMERE VALORI DIFFERENTI RISPETTO AL VALORE MEDIO.

Dettagli

DIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplice Radiazioni ionizzanti

DIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplice Radiazioni ionizzanti DIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplce 21.01 Radazon onzzant TITOLO Interconfronto Consorzo Eraclto Msure d rateo d dose gamma n campo - Cuncolo esploratvo de la Maddalena Allneamento msure

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

La ripartizione trasversale dei carichi

La ripartizione trasversale dei carichi La rpartzone trasversale de carch La dsposzone de carch da consderare ne calcol della struttura deve essere quella pù gravosa, ossa quella che determna massm valor delle sollectazon. Tale aspetto nveste

Dettagli

FASCICOLO ESPLICATIVO (Versione 2- Luglio 2013)

FASCICOLO ESPLICATIVO (Versione 2- Luglio 2013) FASCICOLO ESPLICATIVO (Versone 2- Luglo 2013) Il testo defnto PROTOTIPO DI RELAZIONE DEMOGRAFICA prevede l calcolo d 15 ndcator e consente, attraverso collegament ntern, l accesso alla scheda relatva all

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

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1 Chmca Fsca Botecnologe santare Lezone n. 7 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Antonno Polmeno 1 Soluzon / comportamento deale - Il dagramma d stato d una soluzone bnara,

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

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 1: Martedì 17/2/2015

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 1: Martedì 17/2/2015 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2014-2015 Lezone 1: Martedì 17/2/2015 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/40? Codce docente 030508 Codce corso 00675 Matematca

Dettagli