Indicatori sintetici: influenza della scelta della scala di misura Silvia Terzi, Luca Moroni Università RomaTre
|
|
- Donato Amato
- 7 anni fa
- Visualizzazioni
Transcript
1 Indcator sntetc: nfluenza della scelta della scala d msura Slva Terz, Luca Moron Unverstà RomaTre Introduzone Esstono n letteratura dvers metod per costrure ndcator sntetc. Il comune presupposto è una assunzone teorca crca la relazone matematca che lega l ndcatore sntetco alle varabl su cu s basa; tale assunzone comporta l ndvduazone d una funzone aggregatrce (somma, meda artmetca semplce o meda artmetca ponderata; pes ndvduat da espert o pes rcavat da dat stess), ed l pre-trattamento a cu sottoporre le varabl (elmnazone dell untà d msura, standardzzazone, trasformazone n rangh). L obettvo del pretrattamento e rendere omogene gl ndcator elementar al fne d poterl combnare n una sngola sere. Dverse combnazon d una funzone lnk e d funzon che permettano d trasformare le varabl d partenza n dat omogene produrranno ndcator sntetc dvers. Qualora l obettvo della sntes sa quello d ottenere una graduatora delle osservazon (come accade per esempo nelle classfche degl atene), pù che l valore dell ndcatore composto nteressa l ordnamento da esso ndotto sulle untà. E appunto n tale contesto che come trasformazone prelmnare de dat trova frequente utlzzo la trasformazone n rangh. Scopo del presente lavoro è vedere qual sono le conseguenze dell uso d questa trasformazone al confronto con le usual trasformazon lnear, sa per quanto rguarda la defnzone d un ndcatore sntetco, sa per quanto rguarda le graduatore che ne conseguono..trasformazon d varabl Il prmo passo nella costruzone d un ndcatore sntetco consste nel trasformare le varabl d partenza n ndcator semplc, admensonal e qund aggregabl. Per ragon che llustreremo tra breve vengono d solto preferte e trasformazon lnear qual la normalzzazone e la standardzzazone, anche se sta trovando mpego sempre pù dffuso anche la trasformazone n rangh. Posto che s vogla attrbure (o 00) all untà con la performance mglore, e che tale mglor performance s caratterzz come massmo tra valor osservat per la varable n questone, la trasformazone da utlzzare potrà essere: w x mn( x) max( x) mn( x) d( x,mn( x)) d(max( x),mn( x)) Vceversa, qualora la mglore performance concda con l mnmo tra valor osservat, la trasformazone sarà: w max( x) x d( x,mn( x)) max( x) mn( x) d(max( x),mn( x)) S tratta dell usuale normalzzazone, una trasformazone nvarante per traslazone, a range costante, che mantene le dstanze relatve tra le osservazon. Alternatvamente, volendo elmnare l untà d msura e rcondurre le varabl trasformate ad una dstrbuzone a varanza costante, possamo standardzzare le varabl. In partcolare, posto che la mglore performance s abba n corrspondenza del massmo tra valor osservat avremo : Il range (o campo d varazone) e defnto come la dfferenza: max(x) mn(x)
2 z x M ( x) s. q. m. qualora la performance a cu assegnare l valore pù alto tra quell assunt dall ndcatore (coè dalla varable trasformata) sa l mnmo avremo: z x M ( x) s. q. m. Anche questa trasformazone mantene le dstanze relatve tra le osservazon ed è nvarante per traslazone. Confrontamo le due trasformate w e z: entrambe traslano l orgne e modfcano la scala d msura della x, rconducendola ad una sere a varabltà prefssata. Nel caso d w, è par a l range della sere trasformata; nel caso d z è par a lo s.q.m. Sa l range che lo s.q.m. sono msure d scala, entrambe assa sensbl (poco resstent) a valor anomal della dstrbuzone (outlers). Il range, utlzzato nel calcolo d w, è drettamente sensble alle varazon de valor estrem della dstrbuzone, e qund agl outlers; lo scarto quadratco medo, utlzzato per z, lo e meno. Msure d varabltà meno sensbl agl outlers (e qund defnte resstent o robuste) sono date dalla medana degl scart assolut dalla medana (MAD) 3 e dalla dfferenza nterquartle (IQR) 4. La prma da luogo alla seguente trasformata (anch essa chamata MAD): m x Me( x) MAD Sulla seconda potremmo basarc per defnre la trasformata che abbamo chamato q 5, una versone robusta della normalzzazone: q q x Q Q Q 3 3 x Q Q Q Le trasformazon pù sensbl agl outlers, n presenza d valor anomal schaccano maggormente la dstrbuzone; vceversa, le trasformazon pù robuste premano (penalzzano) n msura relatvamente maggore le performances mglor (peggor). Dove con M (x) s e ndcata la meda artmetca e con s.q.m. lo scarto quadratco medo della varable x. 3 Sa Me(x) la medana della x; MAD e defnta come Me( x Me( x) ) 4 Sa Q l prmo quartle della dstrbuzone d x, e sa Q 3 l terzo; la dfferenza nterquartle (IQR) è defnta come IQR. Q 3 Q 5 Abbamo scelto d centrare la trasformata q sul prmo quartle, per rcalcare l pù possble la normalzzazone con un ndcatore che nella parte centrale della dstrbuzone vara tra 0 e. Avremmo del tutto equvalentemente potuto defnre q * x Me( x) Q3 Q
3 La trasformata rango, che a dfferenza delle precedent è una trasformazone non lneare, rconduce qualunque dstrbuzone con o senza valor anomal o eccezonal ad una progressone artmetca. Modfca qund la forma della dstrbuzone e le dstanze/proporzon tra untà. Consderamo ora l esempo seguente allo scopo d confrontare le caratterstche delle quattro trasformazon lnear con la trasformata rango. S sano rlevate le seguent n = 5 osservazon su due varabl, per le qual valor pù alt corrspondono a performance mglor: sere_ sere_ Entrambe le sere sono n progressone artmetca, eccezon fatta per la presenza d un outler nella seconda; le untà sono ordnate n senso crescente sulla prma e decrescente sulla seconda. Sottoponamo entrambe le sere a dvers pre-trattament espost sopra, nell ordne: rangh r, normalzzazone w, standardzzazone z, trasformata MAD m e trasformata IQR q. sere_ r_ w_ z_ m_ q_ 5 5 0, , , , , La prma sere produce trasformate smmetrche ed equspazate, che rsultano per molt aspett equvalent l una all altra. sere_ r_ w_ z_ m_ q_ 0, , , , , Le trasformate della seconda sere sono marcatamente dverse tra loro oltreché da quelle della prma sere, a causa del dverso effetto ndotto dalla presenza d un valore anomalo. In partcolare, le trasformate rango della prma e della seconda sere sono dentche, per quanto opposte: la presenza dell outler non vene percepta n nessun modo. Rspetto alla prma, la seconda sere normalzzata presenta valor pù schaccat verso l basso per le untà ntermede, a causa del fatto che alla mglore performance vene attrbuto comunque un punteggo untaro. Un analogo schaccamento delle osservazon emerge anche dal confronto tra le due sere standardzzate, dove però la presenza dell outler comporta l attrbuzone d un premo alla prestazone eccezonale. Nella
4 trasformata MAD ed n quella IQR s ha un premo notevole per la mglor performance, mentre valor attrbut alle altre untà sono ugual ed oppost a quell che s erano osservat nella prma sere. Il problema della sntes La costruzone d un ndcatore sntetco (cfr. ad esempo Aello e Attanaso (004)), può essere vsta come l rsultato d due moment dstnt: ndvduazone d funzon che permettano d trasformare le varabl d partenza n dat omogene (ndcator semplc) e scelta d una funzone che applcata a dat omogene fornsca una msura dell ndcatore composto. Entramb quest moment concorrono alla defnzone della relazone matematca che lega l ndcatore composto alle varabl su cu s basa. Ad esempo, la scelta d una funzone lnk lneare addtva (quale la somma o la meda artmetca semplce) equvale all assunzone d uguale peso degl ndcator semplc nella determnazone dell ndcatore composto; l peso delle sngole varabl sarà determnato dalla trasformazone utlzzata. Vceversa, qualora alcune varabl vengano trasformate medante rangh, la relazone che le lega all ndcatore sntetco non rsulta defnble n termn analtc. Scopo del presente paragrafo e delneare un contesto formale adeguato allo studo della sensbltà dell ndcatore composto alle trasformazon utlzzate (s veda anche Terz, Moron (004)). Esso pogga sull esplctazone della funzone che lega l ndcatore composto alle varabl X,,, K su cu s basa, nell potes che sano sottoposte a trasformazon lnear. In tal caso, prendendo come funzone lnk la somma e ndcando con P la varable (ndcatore composto) punteggo fnale, sarà: P X X K X K Per esplctare ulterormente la formula precedente s ndch con n l numero d untà, con valore dell ndcatore sntetco per l -esma untà e con N, gl ndcator semplc: P l N, a x, b,,, n,, K Sarà qund: P K N K K K, a x, b x, L nfluenza delle varabl X sull ndce sntetco P è msurata dal coeffcente, a sua volta determnato dal tpo d trasformazone lneare utlzzata. Vceversa K coeffcent b non nfluscono né sull ordnamento delle untà né sulle loro dstanze n termn dell ndce sntetco P. Una possble chave nella scelta d a (e qund delle trasformazon da utlzzare) sta nel fatto che tale coeffcente nfluenza la varabltà dell ndcatore semplce, e qund l suo peso nel determnare la varabltà dell ndce sntetco.
5 I coeffcent ad esse assocate sono 6 : z a s. q. m.( X ) nel caso della standardzzazone, MAD, ed nfne per la trasformata q avremo q w a range( X ) nel caso della normalzzazone; m a IQR ( X a MAD( X ) nel caso della trasformata ) Il range è drettamente sensble alle varazon de valor estrem della dstrbuzone; lo scarto quadratco medo lo e meno, mentre la medana degl scart assolut dalla medana e la dfferenza nterquartle non lo sono affatto. Questo sgnfca che le dstrbuzon senza outlers peseranno pù delle dstrbuzon con outlers sa ne puntegg assegnat sulla base delle normalzzazon che n quell basat sulle varabl standardzzate. Ma, pù n generale, le dstrbuzon con maggore varabltà (sa essa msurata dal range, dallo s.q.m., dal MAD o dalla dfferenza nterquartle) peseranno meno sulla dstrbuzone de ratng fnal delle varabl con mnore varabltà. Vceversa, qualora l punteggo fnale sa ottenuto per aggregazone d rangh, non è possble defnre n termn d coeffcent d proporzonaltà l peso delle sngole varabl: questo rende la trasformazone rango, n congunzone con una funzone lnk lneare addtva, meno approprata (cfr Aello F., Attanaso M., 004). Inoltre, nella trasformazone rango, performances buone e performances eccezonal vengono poste sullo stesso pano, e le varabl trasformate ( rangh delle dverse varabl) hanno tutte lo stesso peso, quale che sa l range o la varanza delle varabl orgnal. Cò rende sngol ndcator elementar perfettamente sosttubl: avere la mglor performance a par merto con altre 0 untà, oppure averla dstanzando anche d pù d metà range la seconda mglore prestazone dà luogo ad un dentco apprezzamento ne termn del punteggo fnale. Rprendendo l esempo delle due sere d dat, abbamo: r_ r_ r w_ w_ w z_ z_ z m_ m_ m q_ q_ q Tutte e quattro le sere d puntegg concordano nel dare l prmo posto all untà. Tuttava per puntegg basat su rangh s tratta d un prmo posto a par merto con tutte le altre untà; per l punteggo basato sulla normalzzazone s tratta d un par merto con la qunta untà. Nel caso della standardzzazone, la prma untà rceve un modesto premo che la porta a superare d poco la qunta. 6 A meno della costante sono queste le trasformate proposte, tra gl altr, da Attanaso e Capurs (997)
6 Al contraro, per la trasformata MAD e la trasformata IQR s tratta d un punteggo eccezonalmente alto. E altresì nteressante notare come per la normalzzazone e la standardzzazone l ordnamento nterno delle untà dalla alla 5 secondo la seconda sere venga cancellato dalla compressone dell ndcatore dovuta alla presenza dell outler. 3.Confront tra graduatore Spesso l obettvo della sntes d ndcator non e tanto quello d studare la dstrbuzone dell ndcatore sntetco, bensì d ottenere una graduatora (classfca) delle untà statstche. In tal caso fare una classfca sulla base non de puntegg ma delle classfche parzal sulle sngole varabl sembra forse la strada pù ovva. Il confronto con altr metod d trasformazone delle varabl nzale andrà fatto sulla base delle classfche fnal (rankngs) anzchè sulla base de puntegg (ratngs). A scopo esemplfcatvo abbamo consderato le dec varabl che Il Sole 4 Ore utlzza per stlare la classfca degl atene talan ed abbamo confrontato le dverse classfche (qu d seguto ndcate con R(.)) ndotte da puntegg rsultant dall adozone rspettvamente della trasformata rangh, della normalzzazone, della standardzzazone, della trasformata MAD e d quella basata sulla dfferenza nterquartle. (I dat possono trovars su Il sole4 Ore del 8 luglo 0). Per agevolare confront, tutt puntegg fnal sono stat normalzzat assegnandogl range La tabella che segue rporta rsultat delle nostre elaborazon: ateneo r w z m q R(r) R(w) R(z) R(m) R(q) ancona poltecnco bar bar poltecnco benevento bergamo bologna bresca caglar calabra camerno campobasso cassno catana catanzaro chet ferrara frenze fogga genova l'aqula lecce macerata messna mlano mlano bcocca mlano poltecnco modena reggo e napol federco II napol II unverstà
7 ateneo r w z m q R(r) R(w) R(z) R(m) R(q) napol orentale napol partenope padova palermo parma pava peruga pemonte orentale psa potenza reggo calabra roma sapenza roma tor vergata roma tre salerno sassar sena teramo torno torno poltecnco trento treste udne urbno varese nsubra veneza veneza uav verona vterbo Come s vede le dverse classfche presentano dfferenze anche sgnfcatve. Al fne d confrontare pù da vcno le dfferenze e valutare le dstanze tra le dverse classfche, cerchamo nnanztutto una graduatora da poter consderare centrale rspetto alle altre. Introducamo, per ogn graduatora, due dverse msure d centraltà. La prma msura d centraltà (C ) è data dal numero d volte n cu la graduatora assegna l rango medano tra le cnque graduatore, coè a quante untà assegna un rango ntermedo tra rangh assegnat dalle dverse classfche; pù n partcolare per ogn untà calcolamo la medana de rangh, e po contamo quante volte tal medane appartengono alla classfca basata su r, w, z, m e q. Una seconda msura questa volta d decentraltà - (C ) somma per cascuna classfca gl scart n modulo da rangh medan che abbamo appena defnto (uno per cascuna untà). I rsultat sono rportat nella seguente tabella, n cu s vede charamente che entrambe queste msure d ndvduano come pù centrale la classfca R(z), e come pù estrema R(r). r w z m q C C
8 massmo e mnmo scarto La centraltà della trasformata z s può anche vedere dal seguente grafco. Le due spezzate rappresentano per cascuna untà rspettvamente l massmo salto postvo ed l massmo salto negatvo da R(z) delle altre quattro graduatore. Le untà sono ordnate secondo la graduatora R(z). S vede charamente che R(z) è quas sempre nterna a questa banda, e coè ntermeda. Massmo e mnmo scarto da R(z) R(z) Nella tabella seguente rportamo nvece salt delle dverse classfche rspetto alla classfca R(z), e la somma de salt n modulo. Quest ultma (cfr Pagnotta, 003) può essere consderata una msura d dstanza tra graduatore. ateneo R(z) R(z)-R(r) R(z)-R(w) R(z)-R(m) R(z)-R(q) ancona poltecnco bar bar poltecnco benevento bergamo bologna bresca caglar calabra camerno campobasso cassno 54 - catana catanzaro
9 ateneo R(z) R(z)-R(r) R(z)-R(w) R(z)-R(m) R(z)-R(q) chet ferrara frenze fogga genova l'aqula lecce macerata messna mlano mlano bcocca 4 - mlano poltecnco modena reggo e napol federco II napol II unverstà napol orentale napol partenope padova palermo parma pava peruga pemonte orentale psa potenza 39-0 reggo calabra roma sapenza roma tor vergata roma tre salerno sassar sena teramo torno torno poltecnco trento treste 0-0 udne urbno varese nsubra veneza veneza uav verona vterbo Somma delle dfferenze n modulo Tal valor vengono rportat ne seguent grafc. Nel prmo sono rportate le dfferenze d R(r) e R(w) rspetto a R(z), coè delle due classfche pù dstant, nel secondo le dfferenze d R(m) ed R(q) da R(z).
10 Scart da R(z) Scart da R(z) Dfferenze tra le classfche basate su r e w con R(z) R(z)-R(r) R(z)-R(w) R(z) Dfferenze tra le classfche basate su q e m con R(z) R(z)-R(q) R(z)-R(m) R(z)
11 Rferment bblografc Aello F., Attanaso M. (004), How to transform a batch of smple ndcators to make up a unque one? Att XLII Runone Scentfca SIS (Sesson specalzzate), CLEUP, Padova, p Attanaso M., Capurs V. (997),Graduatore sulla qualtà della vta: prme anals d sensbltà delle tecnche adottate. Att XXXV Runone Scentfca SIEDS, Alghero, p Pagnotta S.M. (003), Una generalzzazone de rangh per standardzzare dat, Quadern d statstca vol. 5 p Terz S., Moron L. (004) Graduatore della qualtà della vta e loro sensbltà al pre-trattamento delle varabl che la defnscono: alcune crtche al Dosser de Il Sole 4 ore, Quadern d statstca vol. 6, p.05-8.
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
DettagliCorso 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
DettagliSilvia Terzi Dipartimento di Economia Università Roma TRE
Quadern d Statstca Vol.??, 200? Graduatore della qualtà della vta e loro sensbltà al pre-trattamento delle varabl che la defnscono: alcune crtche al Dosser de Il Sole 24 Ore. Slva Terz Dpartmento d Economa
DettagliModelli 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
DettagliLezione 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
DettagliEsame 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
DettagliUniversità degli Studi di Urbino Facoltà di Economia
Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliLE 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* 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
DettagliElementi 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
DettagliStatistica descrittiva
Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.
DettagliCorrelazione 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
DettagliCorso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard
Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm
DettagliCampo 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
DettagliScienze 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,
DettagliESERCIZIO 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
DettagliPotenzialità 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
DettagliSOLUZIONE 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)
DettagliSommario. 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
DettagliFACOLTÀ 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
DettagliMinistero 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
DettagliDipartimento 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
DettagliLA 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.
DettagliMetodi 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
DettagliCapitolo 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
DettagliUniversità 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
DettagliEsercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca
Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE
DettagliLA 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
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
Dettagli5. 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,
DettagliLEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N
LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate
DettagliCORRETTA 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
DettagliRICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2
RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d
DettagliPhD Course Cassino Prof. Mannina - Università di Palermo 1
Laboratoro d Modellstca Santaro-Ambentale Anals d senstvtà, calbrazone e valutazone dell ncertezza degl nput d un modello matematco: fondament e metodologe Gorgo Mannna gorgo.mannna@unpa.t Sommaro Defnzon
Dettagli4.6 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
DettagliIL RUMORE NEGLI AMPLIFICATORI
IL RUMORE EGLI AMPLIICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element crcutal e de dspostv elettronc.
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliREALTÀ E MODELLI SCHEDA DI LAVORO
REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole
Dettagli1) 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{ 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
DettagliLa Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente
Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1
DettagliCARATTERISTICHE 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:
DettagliIntegrazione 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
DettagliCPM: Calcolo del Cammino Critico
Supponamo d conoscere per ogn attvtà A = (,j) la sua durata t j t j j Calcolamo l tempo al pù presto n cu può nzare o fnre una attvtà. Supponamo d dover calcolare l tempo al pù presto n cu s possono nzare
DettagliESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X
ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA Notazone: x = -esma modaltà della varable X Nel caso d dstrbuzon n class: x = Lmte superore della classe -esma x -1 = Lmte nferore della classe
DettagliLa 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
Dettagli6. 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
DettagliRicerca 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
DettagliPer 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
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA
DettagliEsercitazioni del corso: STATISTICA
A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA
DettagliIntroduzione 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
DettagliEsercizi 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
DettagliStatistica Descrittiva ed Inferenziale
Statstca Descrttva ed Inferenzale 1 Why Statstcs? A? A B Descrpton and Predcton Samples Analyss A1 A A B C Pared Samples Analyss MultSamples Analyss 1 Why Statstcs? Formal defnton of Probablty σ-feld 3
DettagliMacchine. 5 Esercitazione 5
ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt
DettagliSTATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007
STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa
DettagliLEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz
LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non
DettagliINTRODUZIONE 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
DettagliLaboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca
DettagliAlgebra 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
DettagliTITOLO: 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
DettagliTrigger 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
DettagliPARENTELA e CONSANGUINEITÀ di Dario Ravarro
Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu
DettagliAnalisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi
ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone
DettagliRAPPRESENTAZIONE 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* * * 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
DettagliPropagazione 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
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
DettagliCorso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita
Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)
DettagliRegressione lineare con un singolo regressore
Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4
Dettagli3 (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
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
DettagliIntorduzione 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 }
DettagliPROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -
PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata
DettagliEttore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione
Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone
DettagliNUMERI 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
DettagliRappresentazione dei numeri PH. 3.1, 3.2, 3.3
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliLa t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.
Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana
DettagliRegressione Multipla e Regressione Logistica: concetti introduttivi ed esempi
Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla
DettagliQuattro passi nella statistica per chimici
Quattro pass nella statstca per chmc Lo scopo dell anals statstca applcata a sere d dat spermental è quella d ottenere nformazon per valutare la valdtà d una procedura o la accettabltà d un dato analtco.
DettagliCOSTRUIRE UN PICCOLO SET DI DATI
COSTRUIRE UN PICCOLO SET DI DATI Indvduazone degl obettv dello studo Indvduazone delle varabl che possono autare l raggungmento degl obettv dello studo Preparazone degl strument d rlevazone PATNO Numero
DettagliLezione 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,
DettagliCapitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione
Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM
DettagliEsercitazione 12 ottobre 2011 Trasformazioni circuitali. v 3. v 1. Per entrambi i casi, i valori delle grandezze sono riportati in Tab. I.
Eserctazone ottobre 0 Trasformazon crcutal Sere e parallelo S consderno crcut n Fg e che rappresentano rspettvamente un parttore d tensone e uno d corrente v v v v Fg : Parttore d tensone Fg : Parttore
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017 Esercz 3 Pan d ammortamento Eserczo 1. Un prestto d 12000e vene rmborsato n 10 ann con rate mensl e pano all
DettagliSTATISTICA 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:
DettagliDue distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?
Prma dstrb. Secoda dstrb. Totale Meda 0 5 8 35 85 63 63/5 =3,6 5 5 38 40 45 63 63/5 =3,6 Due dstrbuzo, stessa meda ma quale delle due la meda rappreseta, stetzza meglo la stuazoe? Le mede stetzzao la dstrbuzoe,
DettagliProbabilità 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
DettagliModelli 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
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc. 2002-2003- Prof. Secch # 0 - Statstca Matematca
DettagliCOMPORTAMENTO DINAMICO DI ASSI E ALBERI
COMPORTAMENTO DNAMCO D ASS E ALBER VBRAZON TORSONAL Costruzone d Macchne Generaltà l problema del progetto d un asse o d un albero non è solo statco Gl ass e gl alber, come sstem elastc, sotto l azone
DettagliIl 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
DettagliL'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
DettagliCondensatori e resistenze
Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere
DettagliCorso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE
Corso d laurea n Ingegnera per l Ambente e l Terrtoro a.a. 006-007 Prof. V. Franco: Topografa e tecnche cartografche RETI TOPOGRAFICHE Unverstà degl Stud d Palermo Dpartmento d Rappresentazone Corso d
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE AA 2016/2017 1 Esercz 2 Regme d sconto commercale Eserczo 1 Per quale durata una somma a scadenza S garantsce lo stesso valore
DettagliLuciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze
Lucano attaa Versone del 22 febbrao 2007 In questa nota presento uno schema replogatvo relatvo a condensator e alle, con partcolare rguardo a collegament n sere e parallelo. Il target prncpale è costtuto
DettagliDipartimento 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