Competizione di prezzo. Cles a.a

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Competizione di prezzo. Cles a.a"

Transcript

1 Competzone d prezzo Cles a.a Stefano Bresch Chara Fumagall - Settembre 2009

2 Esemp () Talvolta, guerre d prezz. ESEMPIO: Intel e AMD Maggo 2006: AMD rduce l prezzo dell Atlon 64 X da 696$ a 30$ Luglo 2006: AMD rduce l prezzo dell Atlon 64 X da 558$ a 240$ (rduzone del 57%) Qualche gorno dopo: Intel rduce del 40% l prezzo dell Intel Pentum D 960, portandolo a 36$ (e rdusse prezz d molt processor pù vecch del 50-60%) Aprle 2007: AMD rduce l prezzo dell Athlon del 20-50% Poco pù tard: Intel lanca l nuovo Core 2 con scont del 40-50%. N.B.: gl acqurent (produttor d computer come Dell, Compaq, etc..) sono sofstcat 2

3 Esemp (2) ESEMPIO: televsor con schermo patto Tre tecnologe: crstall lqud (nzalmente mglore per pccol scherm), plasma (medo-grand) e DLP (grand). Col tempo, le dfferenze nelle prestazon delle tecnologe s sono assottglate guerra d prezz Da metà 2003 a metà 2005, prezz per quest tp d TV sono sces n meda del 25% all anno Televsor al plasma da 50 pollc vendut a $ nel 2000, nel 2005 vengono vendut a 4000$. Nel Novembre 2006, Syntax-Brllan rdusse l prezzo del televsor a crstall lqud da 32 pollc del 40%. Sony ed altre marche furono costrette a fare altrettanto. Quando s dffuse la notza che Sony stava per rdurre l prezzo del 50 pollc a 3000$, James L ammnstratore delegato d Syntax dsse: se loro scendono a 3000, no scenderemo a 2999!. 3

4 IPOTESI: 2 mprese dentche; Modello d Bertrand Producono lo stesso bene: I consumator percepscono ben come perfettamente sosttut e sono perfettamente nformat su prezz comprano dall mpresa che fssa l prezzo pù basso. I cost d produzone sono gl stess: C (q )=cq per =,2. Domanda d mercato: Q=D(p). Domanda rvolta all mpresa : D( p ) D ( p, pj) = D( p)/ 2 0 f f f p < p j p = pj p > p j = p Non esstono vncol d capactà; Scelta smultanea de prezz (one-shot). 4

5 Funzone obettvo Cascuna mpresa ha l obettvo d massmzzare suo proftt dat da: (p -c) Q(p ) se p < p j π (p, p j ) = (p -c) Q(p )/2 se p = p j 0 se p > p j N.B.: Il proftto dell mpresa dpende dal suo prezzo ma anche da quello scelto dall mpresa rvale. 5

6 Equlbro d Nash Per ndvduare la scelta ottmale n questa stuazone utlzzamo l concetto d Equlbro d Nash. Un proflo d stratege ( a, a2,... an) costtusce un equlbro d Nash se nessun gocatore ha ncentvo a sceglere unlateralmente una stratega dversa da quella d equlbro: π ( a, a ) π ( a, a ) per ogn a A e per ogn. In altr termn, la stratega d cascun gocatore deve essere una rsposta ottma alle stratege gocate dagl altr. 6

7 In questo caso. Dobbamo ndvduare la coppa d prezz ( p, p ) tal che 2 nessuna mpresa può aumentare suo proftt cambando unlateralmente l suo prezzo. PARADOSSO DI BERTRAND: l unco equlbro d Nash del modello d Bertrand è: p p = c = 2 In equlbro proftt sono null (sarebbero negatv se c fossero cost fss d produzone) N.B.: con due sole mprese s rproduce l esto perfettamente concorrenzale!! 7

8 Dmostrazone () a) Dmostramo n prmo luogo che la coppa d stratege costtusce un equlbro. p p = c = 2 Se, cascuna mpresa ottene proftt null. Dato p j = c, supponamo che l mpresa scelga p > c : non venderebbe nulla e otterebbe d nuovo proftt null. Dato p j = c, supponamo che l mpresa scelga p c < : catturerebbe tutto l mercato ma soffrrebbe delle perdte ( π ( p, c) ( p c) D( p ) < 0 ). = Percò dato p j = c, l mpresa non ha nessun ncentvo a sceglere un prezzo dverso da p = c. p p = = 2 c 8

9 Dmostrazone (2) b) Dmostramo che ogn altra confgurazone d prezz non costtusce un equlbro perché almeno una delle due mprese ha ncentvo a devare. p = p = p > c Consderamo j. Le due mprese dvdono equamente l mercato e ottengono: π ( p, p) = ( p c) D( p) / 2. ' Se l mpresa rducesse levemente l prezzo ( p = p ε ), ' catturerebbe tutto l mercato e otterrebbe π ( p ε, p) = ( p ε c) D( p ε ) ' Poché π ( p ε, p) > π ( p, p), l mpresa ha ncentvo a devare. Consderamo ora p > p j = c. Entrambe le mprese ottengono proftt null. Aumentando l prezzo (ma tenendolo comunque al d sotto d p), l mpesa j catturebbe tutto l mercato e otterebbe proftt postv. Percò l mpresa j ha ncentvo a devare. p j 9

10 Dmostrazone (3) Infne, consderamo p < p j = c. L mpresa cattura l mercato ma subsce delle perdte. Se fssasse l suo prezzo al d sopra d, otterrebbe proftt null. Percò l mpresa ha ncentvo a devare. p j Ragonament sml a precedent se p p j < c oppure se < p > p c j > 0

11 Interpretazon dell Eq. Nash Modo ovvo d gocare: gocator razonal ed nformat dovrebbero gungere a tale conclusone perchè è l unca logcamente coerente. Strategcamente stable: se gocator comuncano prma del goco (ma non possono stpulare accord vncolant) rescono a sostenere un accordo solamente n relazone al NE. Rsultato d un processo d apprendmento.

12 NE esste quas sempre. Pro e contro Ogn goco con un numero fnto d gocator e un numero fnto d stratege possbl per ogn gocatore, esste almeno un equlbro d Nash (n stratege mste). (NASH, 950) Se le stratege possbl sono nfnte, l esstenza è garantta sotto alcune condzon. Gl equlbr possono essere multpl quale equlbro emerge? In alcun cas è possble raffnare gl equlbr (es. Pareto domnanza), ma non sempre. 2

13 Superamento del paradosso d Bertrand. Asmmetra ne cost. 2. Vncol d capactà. 3. Dfferenzazone de ben. 4. Cost d rcerca; Swtchng Costs. 5. Interazone rpetuta. 3

14 . Modello d Bertrand con cost asmmetrc IPOTESI: Come nel modello base, ma CM =c >c 2 =CM 2. Questo goco esbsce una molteplctà d equlbr d Nash: p [ p = p c2, c ], 2 L mpresa pù effcente cattura tutta la domanda. 4

15 Dmostrazone () a) In ogn altra confgurazone d prezz almeno una delle due mprese ha ncentvo a devare. Logca smle alla dmostrazone precedente. b) Nessuno ha ncentvo a devare unlateralmente da p [ c2, c ], p2 = p Consderamo p = c, p2 = c. Nell equlbro canddato: π =, π = ( c c ) D( c ) > L mpresa non ha ncentvo a devare unlateralmente. Se p <c, allora π =(p -c )D(p )<0= π. Se p >c, allora π =0= π. L mpresa 2 non ha ncentvo a devare unlateralmente. Se p 2 <c allora π 2 =(p 2 -c 2 )D(p 2 )<(c -c 2 )D(c )= π 2. Se p 2 >c allora π 2 =0< π

16 Dmostrazone (2) Consderamo ora p = p < c, p2 = p. Nell equlbro canddato: π = 0, π2 = ( p c2) D( p). L mpresa non ha ncentvo a devare unlateralmente. Se p <p allora π =(p -c )D(p )<0= π. Se p >p, allora π =0= π. L mpresa 2 non ha ncentvo a devare unlateralmente. Se p 2 <p 2, allora π 2 =(p 2 -c 2 )D(p 2 )< π 2. Se p 2 >p 2, allora π 2 =0= π 2. Il ragonamento è analogo per tutt gl altr prezz d equlbro. N.B.: Applcando dvers crter d selezone, l equlbro che sopravvve è quello n cu l mpresa pù effcente fssa un prezzo leggermente nferore al costo margnale della rvale e cattura tutta la domanda d mercato. 6

17 Dscussone L asmmetra ne cost genera potere d mercato: L mpresa pù effcente fssa un prezzo superore al suo costo margnale. Il potere d mercato è crescente nella dfferenza tra cost margnal delle due mprese. 7

18 2. Competzone d prezzo con vncol d capactà IPOTESI Come nel modello base (n partcolare c =c 2 =0) ma esstono vncol d capactà K <K 2 <D(c). Prmo passo verso un modello pù generale n cu le mprese scelgono la capactà produttva (l tpo d prodotto, le spese n pubblctà, etc.) e l prezzo Scelta varabl lungo perodo Scelta varabl breve perodo 8

19 Vncol d capactà E facle mostrare che sotto queste potes non costtusce un equlbro d Nash. ( p = c, p2 = c ) DIMOSTRAZIONE: In corrspondenza d ( p cascuna mpresa ottene = c, p2 = c) proftt null. ' Immagnamo che l mpresa dev e scelga un prezzo p > p j = c Idealmente, tutt consumator correbbere acqustare dall mpresa j, ma la sua capactà è lmtata ( K j < D(c) ) e non è n grado d soddsfarl tutt Alcun consumator dovranno comprare dall mpresa, che percò ottene proftt postv devando. Per dentfcare l equlbro d Nash è necessaro specfcare n che modo consumator sono razonat. 9

20 Regola d razonamento effcente Supponamo che quando p 2 < p e K 2 < D( p2), la domanda resduale dell mpresa sa: D( p K se D p > D r ) 2 ( ) ( p, p2) = 0 altrment K 2 E come se acqustassero dall mpresa 2 consumator che apprezzano maggormente l bene L mpresa percò frontegga la domanda raffgurata nella Fgura seguente 20

21 Regola d razonamento effcente p Domanda d mercato p p 2 K 2 Domanda resduale dell mpresa K K 2 q 2

22 Vncol d capactà Se la regola d razonamento è effcente l unco equlbro d Nash è p = p = p 0 con p tale che. 2 D ( p ) = K + K2 In equlbro le mprese scelgono l prezzo tale che la domanda assorbe la somma delle capactà. In equlbro, proftt delle mprese sono π = p K, π2 = p K2 > Dmostrazone a) Nessuno ha ncentvo a devare unlateralmente da p =p 2 =p. Consderamo l mpresa. Se p <p, allora π =p K <π. Se p >p, l mpresa rduce la quanttà venduta. Pochè n K l MR>0 e l CM=0, rducendo la quanttà venduta l proftto dmnusce: π < π. Il ragonamento è analogo per l mpresa 2. 22

23 Vncol d capactà p Domanda d mercato p è tale che D(p)=K +K 2 p RM resduale dell mpresa K 2 Domanda resduale dell mpresa K K 2 K +K 2 q 23

24 Vncol d capactà b) In ogn altra confgurazone d prezz, almeno una delle due mprese ha ncentvo a devare. Es.: p >p 2 > p Nell equlbro canddato π =p [D(p )-K 2 ]. Pochè n D(p )-K 2 l MR>0 e l CM=0, abbassando l prezzo e aumentando la quanttà venduta l proftto aumenta: π > π. L mpresa ha ncentvo a devare. Es.: p <p 2 <p Nell equlbro canddato π =p K, π 2 =p 2 K 2 Cascuna mpresa ha ncentvo ad aumentare l prezzo: Se p >p, allora π =p K >π. 24

25 Dscussone Con vncol d capactà prezz sono superor a cost margnal. I vncol d capactà sono fonte d potere d mercato perchè attenuano l ntenstà della concorrenza d prezzo Quando la domanda è elevata rspetto alle capactà produttve, prezz tenderanno ad aumentare. Vceversa, quando la domanda è bassa rspetto alle capactà, la concorrenza d prezzo è pù forte e prezz tenderanno a dmnure. Es: Mercato della generazone d energa elettrca. Trasporto aereo 25

Modelli di oligopolio. Docente: Matteo Alvisi Corso di Microeconomia Laurea in Scienze Politiche, Sociali e Internazionali

Modelli di oligopolio. Docente: Matteo Alvisi Corso di Microeconomia Laurea in Scienze Politiche, Sociali e Internazionali Modell d olgopolo Docente: Matteo Alvs Corso d Mcroeconoma Laurea n Scenze Poltche, Socal e Internazonal Aprle 2019 1 Duopolo 11 Il modello d Cournot 111 Le potes C sono due sole mprese sul mercato, l

Dettagli

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

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

Dettagli

Teoria dei giochi. Rappresentazione formale di una situazione in cui un numero di individui interagisce in un contesto di interazione strategica.

Teoria dei giochi. Rappresentazione formale di una situazione in cui un numero di individui interagisce in un contesto di interazione strategica. Teora de goch Dscplna matematca utlzzata per analzzare comportament strategc n economa, n poltca, e n altr camp caratterzzat da stuazon d confltto. Goco Rappresentazone formale d una stuazone n cu un numero

Dettagli

4.6 Dualità in Programmazione Lineare

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

Dettagli

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

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

Dettagli

CMPE, Economia Industriale. Lezione 11. Costi di entrata, struttura di mercato e benessere

CMPE, Economia Industriale. Lezione 11. Costi di entrata, struttura di mercato e benessere LIUC AA 2008-2009 CMPE, Economa Industrale Anals della Concorrenza e Anttrust Lezone 11 Cost d entrata, struttura d mercato e benessere 1 Sommaro della lezone: 1 Concentrazone, cost d entrata e dmensone

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

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

Dettagli

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

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

Dettagli

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

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

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

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

Dettagli

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO Stabltà e Teorema d Drclet Defnzone S dce ce la confgurazone C 0 d un sstema è n una poszone d equlbro stable se, portando l sstema n una confgurazone

Dettagli

Economia dell'informazione

Economia dell'informazione Economa dell'nformazone concorrenzale Martna Gambaro & Andrea Borghesan martna.gambaro@unve.t - borg@unve.t Sommaro Il mercato n concorrenza perfetta: l offerta dell mpresa... 1 L offerta dell mpresa nel

Dettagli

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

Dettagli

Contrattazione, Salari e Occupazione

Contrattazione, Salari e Occupazione Poltca Economca Avanzata 007-08 Contrattazone, Salar e Occupazone Il meccansmo d determnazone del salaro non quas ma quello concorrenzale n cu l prezzo s stablsce nel mercato n modo da eguaglare domanda

Dettagli

1 La domanda di moneta

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

Dettagli

L efficacia delle politiche nel modello IS-LM

L efficacia delle politiche nel modello IS-LM Corso d Poltca Economca Eserctazone n. 4 6 aprle 2017 L effcaca delle poltche nel modello IS-LM Dott. Walter Paternes Melon walter.paternes@unroma3.t POLITICA FISCALE ESPANSIVA - nel modello IS/LM una

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 16: 2 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? CCT/CCTEu S tratta d un ttolo a cedola varable:

Dettagli

Corso di Economia Applicata

Corso di Economia Applicata Corso d Economa Applcata a.a. 2007-08 II modulo 16 Lezone Programma 16 lezone Democraza rappresentatva e nformazone Rcaptolando L agenza e l mercato (Arrow, 1986) Lezone 16 2 Introduzone Governo e Parlamento

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

AS 2 AS L LM 1 LM 2. Y n

AS 2 AS L LM 1 LM 2. Y n Eserczo 3 Un sstema economco chuso agl scamb nternazonal e caratterzzato da prezz lessbl, s trova n equlbro d pena occupazone. a) Descrvete dettaglatamente gl eett d breve e d medo perodo sul reddto, prezz

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

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand Collusone (Cabral cap.8 PRN capp. 13-14) Accord tact o esplct per aumentare l potere d mercato e pratcare prezz pù elevat rspetto all equlbro non cooperatvo corrspondente Esste un vantaggo dalla collusone

Dettagli

Teoria della scelta: otto pezzi di media difficoltà

Teoria della scelta: otto pezzi di media difficoltà Teora della scelta: otto pezz d meda dffcoltà Gorgo Rampa, gorgo.rampa@unpv.t 1. Anche altr scelgono 5. anon e fughe L nterazone strategca In un canone due (o raramente pù) voc s susseguono e s rspecchano

Dettagli

Flusso a costo minimo

Flusso a costo minimo Flusso a costo mnmo Consderamo un grafo G=(N, A), con capactà u sugl arch. Il problema: mn c (, j) A x s.t. (, j) δ + x ( ) ( j, ) δ x j ( j) = b( ) N x u (, j) A s dce problema d flusso a costo mnmo.

Dettagli

Flusso a costo minimo

Flusso a costo minimo Flusso a costo mnmo Consderamo un grafo G=(N, A), con capactà u sugl arch. Il problema: mn s.t. c (, j) A x (, j) δ x + x ( ) u ( j, ) δ x j ( ) = b( ) N (, j) A s dce problema d flusso a costo mnmo. Assumamo

Dettagli

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo

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

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 03-4, lez.9) Matematca Computazonale, Ottmzzazone,

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza

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

Statistica di Bose-Einstein

Statistica di Bose-Einstein Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

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

L efficacia delle politiche nel modello IS-LM

L efficacia delle politiche nel modello IS-LM Corso d Poltca Economca Eserctazone n. 4 7 aprle 2016 L effcaca delle poltche nel modello IS-LM Dott. Walter Paternes Melon walter.paternes@unroma3.t POLITICA FISCALE Un espansone fscale s verfca quando

Dettagli

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui:

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui: I IDACATI E LA COTRATTAZIOE COLLETTIVA Il ruolo economco del sndacato n concorrenza mperfetta, n cu: a) le mprese fssano prezz de ben n contest d concorrenza monopolstca (con extra-proftt); b) lavorator

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

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

Indicatori di dimensione e di concentrazione

Indicatori di dimensione e di concentrazione Indcator d dmensone e d concentrazone 1 Indcator d dmensone Lo studo delle caratterstche struttural ed evolutve d un sstema produttvo necessta dell mpego d ndcator per msurare la dmensone delle untà economche

Dettagli

1. La domanda di moneta

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

Dettagli

Massimizzazione del profitto e offerta concorrenziale

Massimizzazione del profitto e offerta concorrenziale Massmzzazone del roftto e offerta concorrenzale Eserczo Un mresa roduce un bene megando un solo nut. La sua funzone d roduzone è f(x)=4 x dove x è l numero d untà del fattore roduttvo. Una untà del rodotto

Dettagli

Luciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze

Luciano 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

Dettagli

Un modello maltusiano

Un modello maltusiano Lezon d economa dello svluppo Vttoro Danele Un modello maltusano In questo modello, l tasso d nataltà BR (brth rate) e l tasso d mortaltà (mortalty rate) determnano la dmensone della popolazone P e l reddto

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

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

La teoria microeconomica del consumo

La teoria microeconomica del consumo Isttuzon d Economa Matematca La teora mcroeconomca del consumo Il problema del consumatore 2 a parte. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy)

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

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

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

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca

Dettagli

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 10: 6-7 Maggio Meccanismi con Pagamenti: Applicazioni e Limiti

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 10: 6-7 Maggio Meccanismi con Pagamenti: Applicazioni e Limiti trument della Teora de Goch per l Informatca A.A. 2009/0 Lecture 0: 6-7 Maggo 200 Meccansm con Pagament: Applcazon e Lmt ocente Paolo Penna Note redatte da: Paolo Penna Lezone precedente Funzon d scelta

Dettagli

Capitolo 6. Il modello IS - LM

Capitolo 6. Il modello IS - LM Captolo 6 Il modello IS - LM Fno ad ora abbamo consderato separatamente l mercato delle merc e l mercato della moneta, a questo punto dobbamo prendere n consderazone collegament esstent fra due mercat

Dettagli

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

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

Dettagli

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

PROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1.

PROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1. PROGRAMMAZIONE LINEARE Una pccola ntroduzone R. Tade R. Tade 2 LA PROGRAMMAZIONE LINEARE L obettvo del captolo consste nel fornre lo scheletro d un problema d programmazone lneare e gl strument concettual

Dettagli

Teoria economica della produzione e dei costi. (a cura del prof. Mario C. Sportelli)

Teoria economica della produzione e dei costi. (a cura del prof. Mario C. Sportelli) DIPARTIMENTO DI MATEMATICA Va E Orabona, 4 705 Bar Materale ddattco per gl student del Corso d Laurea Magstrale n Matematca Teora economca della produzone e de cost (a cura del prof Maro C Sportell) (ottobre

Dettagli

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

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

Dettagli

Prima parte (per un totale di 25 punti)

Prima parte (per un totale di 25 punti) PROVA SCRITTA DI SCIENZA DELLE FINANZE - 5 febbrao 2019 Corso d laurea trennale n Economa e commerco anno accademco 2018-2019 TRACCIA B Prma parte (per un totale d 25 punt) ISTRUZIONI: In presenza d valor

Dettagli

FISICA. S = Q rev 373K

FISICA. S = Q rev 373K FISICA Sere 9: Soluzon II lceo Eserczo 1 ranszone d fase Poché l entropa è una funzone d stato possamo calcolare la sua varazone lungo un processo reversble. Questo lo s può realzzare sottraendo delle

Dettagli

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile. Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base

Dettagli

si utilizzano per confrontare le distribuzioni

si utilizzano per confrontare le distribuzioni Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89

Dettagli

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

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

Dettagli

Imposte sulle vendite

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

Dettagli

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

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

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

Dettagli

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

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

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

Dettagli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli Realzzazone d FSM sncrone M. Favall Engneerng Department n Ferrara Realzzazone d FSM Anals e sntes de sstem dgtal / Introduzone Realzzazone d FSM Anals e sntes de sstem dgtal 2 / Una volta ottenuto l automa

Dettagli

Prima prova di gruppo

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

Dettagli

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI TECNICHE DI ANALISI DEI DATI AA 16/17 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/rwabbd Seconda Unverstà d Napol (SUN) Dpartmento d Pscologa TECNICHE

Dettagli

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

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

Dettagli

Teoria dell informazione e Meccanica Statistica

Teoria dell informazione e Meccanica Statistica Teora dell nformazone e Meccanca Statstca L. P. Gugno 2007 Rporto qu una breve rassegna dell approcco alla Meccanca Statstca medante la teora dell nformazone. Partamo dalla consderazone che la probabltà

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI 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

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

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica.

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica. Lezone 7 Prereqst: L'nseme de nmer nter Lezone 6 Nmer prm Teorema Fondamentale dell'artmetca Defnzone 7 Un nmero ntero p dverso da 0 e s dce prmo se per ogn a b Z Altrment p s dce composto p ab p a oppre

Dettagli

II PRINCIPIO DELLA TERMODINAMICA. G. Pugliese 1

II PRINCIPIO DELLA TERMODINAMICA. G. Pugliese 1 II PRINCIPIO DELLA ERMODINAMICA G. Puglese 1 Le macchne termche Il I prncpo: ΔU = Q W = 0 Q = W Calore può essere trasormato n lavoro meccanco. Un espansone soterma trasorma tutto l Q n W Le macchne termche

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

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta

Dettagli

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI TECNICHE DI ANALISI DEI DATI AA 017/018 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/hxl9zg Unverstà della Campana Lug Vanvtell Dpartmento d Pscologa

Dettagli

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat

Dettagli

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi. ESERCIZI SU ANELLI E SOTTOANELLI N.B.: l smbolo contrassegna gl esercz relatvamente pù compless. 1 Sa X un nseme, e sa PX l suo nseme delle part. Indcando con l operazone d dfferenza smmetrca tra element

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 17: 16 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/22? Eserczo Un Btp trennale, d valore nomnale C

Dettagli

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE In presenza d una almentazone alternata snusodale tutte le grandezze elettrche saranno alternate snusodal. Le equazon d funzonamento n regme comunque varale

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

TECNICHE DI PROGRAMMAZIONE

TECNICHE DI PROGRAMMAZIONE TECNICHE DI PROGRAMMAZIONE IPOTESI SOTTOSTANTE: TECNICHE LINEARI (COEFFICIENTI FISSI DI PRODUZIONE) PREVISIONI (vendte, prezz de ben e de fattor) medante tecnche estrapolatve, econometrche e d mercato

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

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

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

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 12 10 novembre 2011 Teorema d Lebesgue Vtal-Generazone d msure professor Danele Rtell www.unbo.t/docent/danele.rtell

Dettagli

Capitolo 8. Teoria dei giochi.

Capitolo 8. Teoria dei giochi. Captolo 8 Teora de goch. 2. Goch dnamc ad nformazone completa Parte Ia. Goch dnamc non rpetut 8.1. semp d goch dnamc 8.2. Descrzone d un goco n forma estesa 8.3. Il prncpo della razonaltà sequenzale: soluzone

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

Oltre la regressione lineare

Oltre la regressione lineare Oltre la regressone lneare Modello d regressone lneare (semplce o multpla: - varabl esplcatve X quanttatve e qualtatve (nserte tramte uso d varabl dummy - varable dpendente Y è quanttatva Y = b + b X +

Dettagli

La Stabilita. La stabilità alla Lyapunov dei sistemi Semplice Asintotica Esponenziale Locale Globale. La stabilità dei sistemi linearizzati

La Stabilita. La stabilità alla Lyapunov dei sistemi Semplice Asintotica Esponenziale Locale Globale. La stabilità dei sistemi linearizzati La Stablta La stabltà alla Lyapunov de sstem Semplce Asntotca Esponenzale Locale Globale La stabltà de sstem lnearzzat Stabltà nput-output (BIBO) Rsposta mpulsva (ved Marro par..3, ved Vtell-Petternella

Dettagli

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

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

Dettagli

Componenti resistivi

Componenti resistivi omponent resst www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 4--08) Bpol resst Bpolo ressto: componente a due termnal aente equazone caratterstca del tpo f (t), (t), t0 (f funzone generca) L equazone

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli