Valutazione dei Benefici interni

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Valutazione dei Benefici interni"

Transcript

1 Corso d Trasport Terrtoro prof. ng. Agostno Nuzzolo Valutazone de Benefc ntern Valutazone degl ntervent Indvduazone degl effett rlevant La defnzone degl effett rlevant per un ntervento sul sstema d trasporto è l prncpale ndcatore dell ottca e della ampezza della attvtà d valutazone. IMATTI INTERNI ER GLI UTENTI DEL SISTEMA DI TRASORTO: Impatt consderat per l complesso degl utent, calcolando le varazon de cost generalzzat, percept e non: per dvers m d trasporto per le dverse class d utent (segment d mercato) ER GLI OERATORI: I cost d costruzone, manutenzone ed eserczo, calcolat a prezz d mercato, vengono scompost nelle rsorse mpegate (non sempre l prezzo d mercato delle vare rsorse rflette l loro effettvo valore per la collettvtà).

2 Valutazone degl ntervent Valutazone degl effett sugl utent del sstema Effett calcolat come varazone della utltà netta percepta (o surplus) n relazone alle scelte d mobltà effettuate nelle confgurazon d progetto () e d non-progetto (N) del sstema d trasporto. Il meto d calcolo della varazone d surplus dpende dalle potes alla base del mello d domanda usato: MODELLI DI DOMANDA COMORTAMENTALI (d utltà aleatora), n cu s formulano potes esplcte sull utltà percepta de generco utente. MODELLI DI DOMANDA DESCRITTIVI, per qual l mello può essere nterpretato come una funzone d domanda che mette n relazone l numero d utent che effettua degl spostament d determnate caratterstche con l costo generalzzato percepto dello spostamento. Valutazone degl ntervent utent del sstema Mell comportamental Quando s utlzza un mello d domanda comportamentale la varazone d surplus s calcola attraverso l calcolo della varazone d sdsfazone degl utent S defnsce varable d sdsfazone l valore atteso della massma utltà percepta assocata ad un determnato contesto d scelta per l decsore : s = s (V) = E[U j() ] = E[max j (U )] = E[max(V + ε )] = max(v + ε ) f(ε) dε è funzone de valor delle utltà sstematche d tutte le alternatve, vettore V, e dpende dalla legge d probabltà congunta de resdu aleator, f(.), oltre che dalla composzone dell nseme d scelta I

3 Valutazone degl ntervent utent del sstema Mell comportamental nel caso de mell Logt, n cu resdu s assumono dentcamente e ndpendentemente dstrbut (..d.) secondo una v.a. d Gumbel ne derva che se le Uj sono varabl d Gumbel ndpendent d uguale parametro θ e con mede dverse Vj, e qund poché la varable d Gumbel ge della propretà d stabltà rspetto alla massmzzazone, ovvero l massmo d varabl d Gumbel ndpendent e d uguale parametro θ è ancora una varable d Gumbel d parametro θ la varable Uj(): Uj() =maxj {Uj} è ancora una varable d Gumbel con parametro θ e meda fornta da: s(v) = ϑ ln Σj exp(vj/ ϑ) (varable Logsum) Valutazone degl ntervent utent del sstema Mell comportamental Esempo : s(v) = ϑ ln Σj exp(vj/ ϑ) Alternatve d scelta A e B: Alternatve d scelta A, B e C: A B A B C V A = 5 V B = 7 V A = 5 V B = 7 V C = 4 s = 7,7 s = 7,70 3

4 Valutazone degl ntervent utent del sstema Mell comportamental Esempo : calcolo della sdsfazone relatva alla scelta del percorso su una generca relazone OD Utltà sstematca del generco percorso : V = 4 tempo 3 dstanza Inseme d Scelta per coppa OD e attrbut delle alternatve d percorso OD,,3 ercorso ercorso ercorso ercorso 3 ercorso 4 Tempo (mn) 6 7 Dstanza (Km) 3 5 4,5 8,5 V -,560 -,4 -,07-0,789 Valutazone degl ntervent utent del sstema Mell comportamental Esempo (cont.): Calcolo della sdsfazone s(v) = ϑ ln Σj exp(vj/ ϑ) 3 4 OD Inseme d scelta V s(v) 3,,3 ercorso ercorso ercorso 3 ercorso 4 -,560 -,4 -,07-0,789 ln [exp(-,56) + exp(-,4)] = -0,636 ln [exp(-,07) + exp(-0,789)] = -0,83 4

5 Valutazone degl ntervent utent del sstema Mell comportamental Nel caso del mello ad alquote parzal n cu s smulano le scelte d effettuare lo spostamento per un motvo s, della destnazone d, del mo m e del percorso, l utltà percepta U dell -esmo utente per la sequenza da lu scelta nello stato è data da: U = β X + ε = V ( X ) + ε j( ) j( ) xm j( ) xm La varable d sdsfazone s è calcolata separatamente per l generco utente della classe : Se ε xm..d Gumbel (θ = ): s = [ ( xdm) ] E maxu xdm [ ( X ] s = ln exp Vxdm ) xdm Valutazone degl ntervent utent del sstema Mell comportamental er molte applcazon è opportuno calcolare le varazon d utltà netta percepta dagl utent con raggruppament per zone dell area d studo. In tal caso, l Surplus globale degl utent della classe, nella zona o, nella stuazone d progetto S rsulta: S con N o () = numero utent classe present nella zona o. La Varazone d surplus percepto per gl utent della classe che s trovano nella zona o: Varazone surplus totale: DS DS ( o) = N ( ) s ( o) o ( o) S ( o) S ( o) = N DS ( o ) = o 5

6 Valutazone degl ntervent utent del sstema Mell comportamental Esempo d calcolo del surplus: 3 o d (Neg d =00) β = Stato N C N = β C N =0.05 = 7 β 3 =- C N 3 = 0 4 Utent Total = 00 C N 4 = 0 d (Neg d =00) Mello d domanda (mello d scelta destnazone/percorso) V V NOTRI d = β = β NOTRI Neg d + β C 3 d = { 3,,, 4} Valutazone degl ntervent utent del sstema Mell comportamental Esempo d calcolo del surplus: Stato N [ S S ( o) = 00 l n exp + exp ( βnotri) + exp( βnegd + β ) ( ) 3C + exp β Negd + β 3C ( β Neg + β C ) + exp( β Neg + β C )] d Stato β = CN = C = β =0.05 CN = 7 C = 5 β 3 =- CN 3 = 0 C 3 = 6 CN 4 = 0 C 4 = d S N (o) = S (o) = ΔS(o) = 4 6

7 Valutazone degl ntervent utent del sstema Mell descrttv Il mello è nterpretato come una funzone d domanda che mette n relazone l numero d utent che effettua degl spostament d determnate caratterstche con l costo generalzzato dello spostamento. d m = d m (C m ) dove C m () è l costo generalzzato d uno spostamento effettuato fra le zone o e d con l mo m ed l percorso, dagl utent della classe Valutazone degl ntervent utent del sstema Mell descrttv Calcolo della varazone d surplus per un sstema con un percorso tra una coppa OD su un unco mo m. C o d U d 7

8 Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus fra e N (/4) Caso d dmnuzone d costo C C N C A B Con: N C = costo generalzzato percepto; N d ( C ) d N d d = numero d utent che s spostano nella stuazone d non-progetto. Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus fra e N (/4) C C N C A B d N d d E opportuno dstnguere tra:. Vagg effettuat anche nello stato N: N d. Vagg che s effettuano solo n seguto alla rduzone del costo generalzzato: d d N 8

9 C Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus fra e N (3/4) C N C A B d N d d A) Varazone d utltà netta o surplus per l generco vaggo/utente del prmo gruppo (vagg effettuat anche nello stato N): DS = N N ( U C ) ( U C ) = C C Varazone d surplus totale DS' p (area A n fgura) : DS' p = d N N ( C ) ( C C ) B) Varazone d utltà netta o surplus per l generco vaggo/utente del secondo gruppo (spostament generat): Totale de vagg generat dal progetto (domanda generata): DS Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus fra e N * N d = d ( C ) d ( C ) N er tutt vagg d*, s ha una utltà meda: U = ( C + C )/ Surplus totale domanda generata: N * * C + C DS p = d C Varazone totale d surplus: p = DS' p + DS * p = d = = d * N ( C C ) N N N N ( C ) ( C C ) + [ d ( C ) d ( C )] ( C C )= N N [ d ( C ) + d ( C )] ( C C ) (4/4) 9

10 Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus per un sstema a due percors La domanda, ovvero l numero d spostament, su cascun percorso, dpende dal costo su entramb percors: C d (C, C'' ) d (C, C' ) C'' > C' d C d (C, C'' ) d (C, C' ) C'' >C' d Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus per un sstema a due percors L ntegrale della funzone d domanda dventa: DS = er l calcolo della varazone d surplus s possono segure due approcc eurstc: DOMANDA MEDIA COSTO MEDIO ( C,C ) ( C N,C N ) =, d ( C,C )dc dc 0

11 Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus per un sstema a due percors Meto della domanda meda Varazone d surplus: DS = =, ( d N + d )( C N C ) Con: d N = d (C, C ); d = d (C N, C N ). Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus per un sstema a due percors Meto del costo medo C = p ( C,C ) C + p ( C,C ) C C. N N N N N N N C = p ( C,C ) C + p ( C,C ) C con: p e p, percentual d domanda su cascuna dmensone p =d /(d +d ). La curva d domanda rappresenta l andamento della domanda totale d T = d + d al varare del costo medo.

12 Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus per un sstema a due percors Meto del costo medo Curva d domanda totale n funzone del costo medo dello spostamento: Varazone d surplus: DS = N T T N N [ d ( C ) + d ( C ) ]( C C ) Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus per un sstema a due percors Esempo (/3) p ( xdm) = e e xdm Vxdm Vxdm

13 Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus per un sstema a due percors Esempo (/3) Stato N C N = 6 d (C N ) = 00 p N =36 C N = 7 d (C N ) = 00 p N =30 C N 3 = 0 d 3 (C N ) = 00 p N 3 =7 C N 4 = 0 d 4 (C N ) = 00 p N 4 =7 Stato C = 5 d (C ) = 00 p = 9 C = 5 d (C ) = 00 p = 9 C 3 = 6 d 3 (C ) = 00 p 3 = 3 C 4 = 7 d 4 (C ) = 00 p 4 = 9 d o (C N )= 00 d o (C )= 00 Valutazone degl ntervent utent del sstema Mell descrttv Calcolo varazone d surplus per un sstema a due percors Esempo (3/3) Meto della domanda meda N N DS ( o) = [ d ( ) d ( )] ( C C ) dm m C + m C m m = = [( ) ( ) ( ) ( ) ] Meto del costo medo N N DS ( o) = [ d o. ( C ) + d o. ( C )] ( C C ) = = ( ) [( ) ( )] = 05 =

14 Valutazone degl ntervent utent del sstema Confronto tra met Dfferenza nel calcolo della varazone d surplus tra l caso descrttvo e quello comportamentale (/): L approcco comportamentale è pù consstente n quanto s basa su una teora esplcta del comportamento. Due ulteror vantagg applcatv dell approcco comportamentale:. possbltà d consderare le varazon d utltà dervant da varazon d attrbut del sstema (ad es., varazon d surplus conseguent ad aument d affdabltà del servzo, d comfort d marca, all ntruzone d nformazon all utenza etc.),. possbltà d calcolare le varazon d surplus corrspondent alla ntruzone nello stato d progetto d alternatve non dsponbl nello stato d non progetto N. oché la funzone d sdsfazone è monotona crescente, all aumentare del numero delle alternatve dsponbl, l surplus degl utent nello stato aumenta rspetto a N. Valutazone degl ntervent utent del sstema Confronto tra met Dfferenza nel calcolo della varazone d surplus tra l caso descrttvo e quello comportamentale (/): Il meto descrttvo presenta alcune dffcoltà, nel caso d un nuovo percorso alternatvo aggunto nello stato : l meto della domanda meda non può essere utlzzato. l meto del costo medo può essere utlzzato, ma, a causa dell aumento del costo medo per gl utent del sstema, può fornre una varazone d surplus negatva. I DUE MODELLI CONDUCONO ALLO STESSO RISULTATO SOLO SE IL MODELLO DI SCELTA E DI UTLITA DETERMINISTICA. 4

15 Valutazone degl ntervent utent del sstema Confronto tra met Dfferenza nel calcolo della varazone d surplus tra l caso descrttvo e quello comportamentale (/): Sstema nello stato N: unca alternatva per la unca coppa (o,d); Sstema nello stato : aggunto un secondo percorso d costo generalzzato superore; Domanda totale costante ; Dstrbuzone fra due percors ottenuta con mello logt bnomale. Non rogetto C=0 rogetto C =0 d OD =73 d OD =00 C =5 d OD =7 Valutazone degl ntervent utent del sstema Confronto tra met Dfferenza nel calcolo della varazone d surplus tra l caso descrttvo e quello comportamentale (/): Caso descrttvo: [ 0 ( ) ] = 35 DS = 00 Caso comportamentale: V = 0. C S N = 00 ln[ exp( 0. 0) ] = 00 = 00ln[ exp( 0. 0) + exp( 0. 5) ] = 69 S N DS = S S = 3 5

16 Valutazone degl ntervent utent del sstema Confronto tra met Dfferenza nel calcolo della varazone d surplus tra l caso descrttvo e quello comportamentale: AROCCIO MISTO Il meto descrttvo d costo medo è applcato sosttuendo cost med C N N e C con corrspondent valor della sdsfazone s ed s calcolat sulle dmenson d scelta per le qual s utlzza un mello comportamentale. Esempo Mello Logt Multnomale sulle tre dmenson d m, con θ = : s = ln Σ d m exp [V d m ] = Y o. Anche n questo caso s può utlzzare l approssmazone lneare per l calcolo della varazone d surplus, tenendo presente che sdsfazone e costo hanno segn oppost: DS = / (d N + d )(s - s N ) 6

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

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

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

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

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

PIANIFICAZIONE DEI TRASPORTI

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

Dettagli

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

Definizione del problema

Definizione del problema Corso d Gestone ed Eserczo de Sstem d Trasporto www.unroma2.t/ddattca/gest t/dd tt /GEST Modell per l assegnazone della domanda alle ret d trasporto aereo Defnzone del problema Modell d domanda segmentazone

Dettagli

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

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

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

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

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

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

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

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

Modello del Gruppo d Acquisto

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

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

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

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

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

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

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 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

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Circuiti elettrici in regime stazionario

Circuiti elettrici in regime stazionario rcut elettrc n regme stazonaro Metod d anals www.de.ng.unbo.t/pers/mastr/ddattca.htm ersone del -0-00 Premessa Nel caso pù generale è possble ottenere la soluzone d un crcuto rsolendo un sstema formato

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

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

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

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

Statistica descrittiva

Statistica 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.

Dettagli

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

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

Dettagli

Modelli di simulazione dei sistemi di trasporto collettivo

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

Dettagli

Appunti di Econometria

Appunti di Econometria Appunt d Econometra ARGOMENTO [4]: VARIABILI DIPENDENTI BINARIE Mara Lusa Mancus Unverstà Boccon Novembre 200 Introduzone Ne modell econometrc studat fno ad ora la varable dpendente, y, è sempre stata

Dettagli

Potenzialità degli impianti

Potenzialità degli impianti Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà

Dettagli

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

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

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

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

Dettagli

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

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1 Varabl aleatore dscrete Probabltà e Statstca I - a.a. 04/05 - Defnzone Una varable aleatora è una funzone che assoca ad ogn esto dello spazo campone d un espermento casuale un numero. L nseme de possbl

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

Le obbligazioni: misure di rendimento e rischio La curva dei rendimenti per scadenze

Le obbligazioni: misure di rendimento e rischio La curva dei rendimenti per scadenze Le obblgazon: msure d rendmento e rscho La curva de rendment per scadenze Economa del Mercato Moblare A.A. 2017-2018 La curva de rendment (yeld curve) (1) Il rendmento d un ttolo obblgazonaro dpende da

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

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

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

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

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

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

Dettagli

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

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica Ing. Enrco Grsan Modell d popolazone n farmacocnetca Sommaro Modell a sngolo soggetto Modell d popolazone Naïve poolng Stme basate sul sngolo soggetto Modell a effett mst Lnearzzazone del modello 2 Ing.

Dettagli

Teorema di Thévenin-Norton

Teorema di Thévenin-Norton 87 Teorema d Téenn-Norton E detto ance teorema d rappresentazone del bpolo, consente nfatt d rappresentare una rete lneare a due morsett (A, B) con: un generatore d tensone ed un resstore sere (Téenn)

Dettagli

Circuiti elettrici in regime stazionario

Circuiti elettrici in regime stazionario rcut elettrc n regme stazonaro omponent www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 3-9-0) Bpol resst Equazon caratterstca d un bpolo ressto f, 0 L equazone d un bpolo ressto defnsce una cura nel

Dettagli

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali Chmca Fsca - Chmca e Tecnologa Farmaceutche Lezone n. 10 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Convenzon per le soluzon real Relazon tra coeffcent d attvtà 02/03/2008 Antonno

Dettagli

COMANDO PROVINCIALE VIGILI DEL FUOCO DI MILANO ALLEGATA AL PROGETTO DI LAVORI DI COSTRUZIONE NUOVA PALESTRA SCOLASTICA POLIVALENTE

COMANDO PROVINCIALE VIGILI DEL FUOCO DI MILANO ALLEGATA AL PROGETTO DI LAVORI DI COSTRUZIONE NUOVA PALESTRA SCOLASTICA POLIVALENTE COMUNE DI SEREGNO PROVINCIA DI MONZA BRIANZA COMANDO PROVINCIALE VIGILI DEL FUOCO DI MILANO ALLEGATA AL PROGETTO DI LAVORI DI COSTRUZIONE NUOVA PALESTRA SCOLASTICA POLIVALENTE ATTIVITÀ NORMATA (D.M. 18.03.1996

Dettagli

6. METODO DELLE FORZE IMPOSTAZIONE GENERALE

6. METODO DELLE FORZE IMPOSTAZIONE GENERALE aptolo6 ETODO DEE FORZE - IOSTZIOE GEERE 6. ETODO DEE FORZE IOSTZIOE GEERE ssocamo al sstema perstatco un altro sstema, denomnato sstema prncpale. Il sstema prncpale è un sstema statcamente determnato,

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

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

Variabili statistiche - Sommario

Variabili 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

Dettagli

Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( )

Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( ) Generaltà Problema: soluzone d una equazone derenzale alle dervate ordnare d ordne n: n n K soggetta alle n condzon nzal: K n Ovvero rcercare la soluzone d un sstema d n equazon derenzal ordnare del prmo

Dettagli

Tecniche di Composizione Personalizzata

Tecniche di Composizione Personalizzata Tecnche d Composzone Personalzzata Survey Il documento n essere costtusce la sntes del delverable dell attvtà C.3, ossa Defnzone e Valdazone delle Tecnche d Composzone Personalzzata prevsta nell ambto

Dettagli

Il dimensionamento dei sistemi di fabbricazione

Il dimensionamento dei sistemi di fabbricazione Il dmensonamento de sstem d fabbrcazone 1 Processo d progettazone d un sstema produttvo Anals della domanda Industralzzazone d prodotto e processo (dstnte e ccl d lavorazone) Scelta delle soluzon produttve

Dettagli

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

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

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

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

DESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1

DESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1 ESERCIZIO Argomento: Intersezon a raso Data l ntersezone a raso a tre bracc rappresentata n fgura s vuole procedere al dmensonamento de suo element. I dat nzal necessar per la progettazone sono d seguto

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

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

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

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

Dettagli

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

Corso di Fondamenti di Telecomunicazioni

Corso di Fondamenti di Telecomunicazioni Corso d Fondament d Telecomuncazon Prof. Govann Schembra Struttura della lezone Defnzon d process aleator e caratterzzazone statstca ( Stma delle statstche d prmo e secondo ordne Process aleator stazonar

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

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione 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

Dettagli

INTRODUZIONE 3 CARATTERIZZAZIONE DELLO STATO ATTUALE 3 TRAFFICO 3 FATTORI DI DIMENSIONAMENTO DEGLI INTERVENTI MANUTENTIVI 4

INTRODUZIONE 3 CARATTERIZZAZIONE DELLO STATO ATTUALE 3 TRAFFICO 3 FATTORI DI DIMENSIONAMENTO DEGLI INTERVENTI MANUTENTIVI 4 INTRODUZIONE 3 CARATTERIZZAZIONE DELLO STATO ATTUALE 3 TRAFFICO 3 FATTORI DI DIMENSIONAMENTO DEGLI INTERVENTI MANUTENTIVI 4 TRAFFICO DI PROGETTO 4 LE CONDIZIONI CLIMATICHE 4 IL SOTTOFONDO 4 PREDIMENSIONAMENTO

Dettagli

Reti di Telecomunicazione

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

Dettagli

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

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

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

Componenti resistivi

Componenti resistivi omponent resst www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 3-9-03) Bpol resst Bpolo ressto: componente a due termnal aente equazone caratterstca del tpo f (t), (t), t0 (f funzone generca) L equazone

Dettagli

La teoria del consumo

La teoria del consumo La teora del consumo L equazone d Slutsky. Problema dell ntegrabltà. Maro Sortell Dartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I-70125 Bar (Italy) (Tel.: +39 (0)99 7720 626; fax: +39

Dettagli

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 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

Dettagli

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04 UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso d Allocazone de centr d servzo SCG-E04 Le fas del processo d msurazone de cost Fase 1 Rlevazone de cost Fase 2 Assegnazone de cost Cost drett (Drect cost) Attrbuzone

Dettagli

Circuiti elettrici in regime stazionario

Circuiti elettrici in regime stazionario Crcut elettrc n regme stazonaro Component www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 0-0-00) Bpol resst Equazon caratterstca d un bpolo ressto f, 0 L equazone d un bpolo ressto defnsce una cura

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

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

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

Bipoli resistivi. (versione del ) Bipoli resistivi

Bipoli resistivi.  (versione del ) Bipoli resistivi Bpol resst www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 6--0) Bpol resst Bpolo ressto: componente a due termnal aente equazone caratterstca del tpo f (t), (t), t0 (f funzone generca) L equazone

Dettagli

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

Capitolo 3. Cap. 3-1

Capitolo 3. Cap. 3-1 Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare

Dettagli

Esercizio statistica applicata all ingegneria stradale pag. 1

Esercizio statistica applicata all ingegneria stradale pag. 1 ESERCIZIO STATISTICA APPLICATA ALLA PROGETTAZIONE STRADALE SINTESI S supponga d avere eseguto 70 sure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal sure

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

Lezione 2 le misure di sintesi: le medie

Lezione 2 le misure di sintesi: le medie Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl

Dettagli

CONFORMITA DEL PROGETTO

CONFORMITA DEL PROGETTO AMGA - Azenda Multservz S.p.A. - Udne pag. 1 d 6 INDICE 1. PREMESSA...2 2. CALCOLI IDRAULICI...3 3. CONFORMITA DEL PROGETTO...6 R_Idr_Industre_1 Str.doc AMGA - Azenda Multservz S.p.A. - Udne pag. 2 d 6

Dettagli

FORMULE PRELIMINARI RIGUARDANTI LA TRAVE APPOGGIATA

FORMULE PRELIMINARI RIGUARDANTI LA TRAVE APPOGGIATA Captolo TRV CONTINU. TRV CONTINU FORU PRIINRI RIGURDNTI TRV PPOGGIT Trave appoggata soggetta a: carco () moment, cedment Determnaon delle rotaon,. a) Carco - - d d - d ( ) d 77 Captolo TRV CONTINU b) oment,

Dettagli

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X

ESERCITAZIONE 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

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

Segmentazione di immagini

Segmentazione di immagini Segmentazone d mmagn Introduzone Segmentazone: processo d partzonamento d un mmagne n regon dsgunte e omogenee. Esempo d segmentazone. Tratta da [] Introduzone (def. formale ( Sa R l ntera regone spazale

Dettagli

IL MODELLO A 4 STADI (Capitolo 3)

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

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologe nforatche per la chca Dr. Sergo Brutt Anals de dat 6 Y Rcaptolo generale Dato un nsee d sure sperental d una varable dpendente al varare d una varable ndpendente è possble edante l crtero de

Dettagli

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone

Dettagli

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

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

Dettagli

Introduzione al Machine Learning

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

Dettagli