Analisi della domanda di trasporto

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi della domanda di trasporto"

Transcript

1 1 Panfcazone f de Trasport aspot Lezone: Anals della domanda d trasporto Corso IFTS Catana 2010 Guseppe Inturr Unverstà d Catana Dpartmento d Ingegnera Cvle e Ambentale

2 2

3 3 La mobltà La mobltà delle persone rappresenta l estrnsecazone de rapport d relazone che sono alla base d una comuntà organzzata quale quella che s rtrova, espressa a massm lvell, all nterno delle aree pù densamente urbanzzate. La mobltà può defnrs come l complessvo cambamento d poszone delle persone e delle cose nello spazo Nasce prevalentemente dall esgenza degl ndvdu d consumare ben e servz n luogh dvers da quell n cu s trovano. L ndvduo ha, dunque, drtt e dover, obblgh ed esgenze, necesstà e pacer che, per la maggor parte, rchedono la realzzazone d uno spostamento e dunque la produzone d mobltà, eche, solo n qualche caso, possono essere soddsfatt anche senza modfcare la propra poszone spazale. Un buon sstema d trasporto ampla le opportuntà d soddsfare quest Un buon sstema d trasporto ampla le opportuntà d soddsfare quest bsogn; mentre un sstema fortemente congestonato o scarsamente connesso restrnge le alternatve d spostamento e lmta lo svluppo economco e socale.

4 4 La mobltà L ambente terrtorale, attraverso la sua forma fsca e la sua organzzazone funzonale, rappresenta la causa del nascere della mobltà, mentre trasport sono lo strumento che consente a tal relazon d concretzzars. Lo spostamento n sé, pertanto, non costtusce, generalmente, l obettvo dell ndvduo ma solo una fase ntermeda necessara per l raggungmento de luogh dove realzzare quelle attvtà dalle qual l ndvduo rceve un certo lvello d soddsfazone personale. Per questo motvo la domanda d mobltà, ntesa come l numero d persone con certe caratterstche che s spostano n un certo ntervallo d tempo, vene defnta domanda dervata, n quanto derva appunto dalla necesstà d usufrure d ben e servz dversamente localzzat sul terrtoro. La mobltà rappresenta, dunque, l rsultato della scelta d ogn sngolo cttadno d realzzare un certo tpo d relazone; pù propramente, è l rsultato d un nseme d scelte, effettuate n moment dvers, temporalmente anche molto dstant, con effett pù o meno duratur, ma strettamente concatenate tra loro.

5 5 La mobltà Negl stud su trasport s trova generalmente la dstnzone tra scelte d vaggo e scelte d mobltà. Le scelte d vaggo sono quelle strettamente trasportstche, che rguardano solo le caratterstche del sngolo vaggo (se spostars, a che ora spostars, dove recars, n quale modo spostars, se effettuare un vaggo dretto o concatenato, quale percorso segure ecc.) e pertanto sono scelte d breve termne n quanto hanno effetto solo sul sngolo vaggo che s sta realzzando. Le scelte d mobltà sono, nvece, rappresentate dalle scelte del luogo d resdenza, del luogo d lavoro, del possesso d auto, della costtuzone d una famgla etc. S tratta d scelte che hanno, generalmente, un effetto pù a lungo termne e pertanto, spesso, sono defnte gerarchcamente superor rspetto alle scelte d vaggo.

6 La mobltà: nterazone trasport-terrtoro Gl element descrtt prma nteragscono tra loro secondo una funzonaltà crcolare, nel senso che dvers element che la compongono s nfluenzano recprocamente: Infatt, la domanda d mobltà (scelta d vaggo) dpende sa dalle attvtà localzzate sul terrtoro (forma fsca e funzonale delle aree terrtoral) sadall offertadelsstema d trasporto (nfrastrutturazone, gestone, ecc.); la forma fsca e l offerta d attvtà e d nfrastrutture rsultano panfcate e dmensonate per soddsfare quella rchesta d attvtà da svolgere e d spostament da effettuare; Lascelta del luogo d resdenza (scelta d mobltà) dpende sa alla localzzazone delle attvtà che l utente ntende svolgere nella sua vta quotdana che, d conseguenza, dal sstema d trasporto che rende tal attvtà accessbl; La panfcazone delle e resdenze, e, dpende de (o dovrebbe dpendere) dee) dal lvello d accessbltà che le stesse saranno n grado d garantre ne confront delle altre attvtà che l ndvduo-resdente vuole svolgere; Il lvello d accessbltà a sua volta sarà funzonale al sstema delle attvtà Il lvello d accessbltà, a sua volta, sarà funzonale al sstema delle attvtà localzzate e al sstema d trasporto offerto. 6

7 7

8 La mobltà: nterazone trasport-terrtoro 8 S consder una cttà (o sstema urbano), costtuta dall nseme dll delle resdenze, dl de luogh d lavoro, d de servz, dll delle f nfrastrutture d trasporto, degl abtant, degl organ d governo, delle norme che le regolano e, per potes, la s supponga solata. All nterno d tale sstema è possble ndvduare dvers sottosstem fra qual Sstema delle attvtà Sstema d trasporto Il sstema delle attvtà nsedate sul terrtoro urbano può essere schematcamente scomposto n tre sottosstem Resdenze, ovvero famgle che rsedono n cascuna zona Attvtà economche localzzate n cascuna zona e artcolate per settore Superfc dsponbl n cascuna zona per tpologa e relatv prezz d mercato

9 9

10 La mobltà: nterazone trasport-terrtoro 10 La quanttà e la tpologa delle famgle resdent nelle dverse zone dpende dalle opportuntà d lavoro e dalla loro dstrbuzone, e qund dal sottosstema delle attvtà economche La localzzazone delle attvtà economche d alcun tp (commerco, servz alle famgle, struzone, santà, ecc.) dpende a sua volta dalla dstrbuzone delle famgle Infne le famgle resdent e le attvtà economche nsedate n cascuna zona dpendono dalla dsponbltà d superfc mmoblar compatbl con dvers us e da relatv prezz/condzon d utlzzo

11 La mobltà: nterazone trasport-terrtoro 11 La dstrbuzone delle famgle e delle attvtà sul terrtoro costtusce l fondamento della domanda d trasporto che derva dalla necesstà d utlzzare le dverse funzon urbane n luogh dvers. Tutte le component dello spostamento sono nfluenzate n vara msura dalle caratterstche de servz d trasporto (tempo, costo, affdabltà, comfort) offert da dvers mod per le dverse relazon O/D. L nterazone tra domanda e offerta determna fluss sulle dverse ret modal L enttà de fluss n rapporto alla capactà dell offerta determnano l lvello d funzonamento del sstema de trasport e condzonano l accessbltà del terrtoro. L accessbltà nfluenza le scelte localzzatve d resdenze ed attvtà determnando la crcolartà della azon e reazon dell nterazone trasport- terrtoro.

12 12

13 13 Land-Use Transport Feedback Cycle Trans- port Land use

14 14 La mobltà: approcco comportamentale L anals e lo studo del fenomeno della mobltà è ulterormente complcato dalla presenza dell aspetto comportamentale. Ovvero n ogn momento dell nterazone sopra descrtta, l ndvduo effettua una scelta, d mobltà o d vaggo, per cu l effetto dell nterazone dpende non solo dagl element da cu dpende oggettvamente ma anche da come ogn ndvduo, secondo le sue caratterstche socoeconomche e caratteral, valuta tal effett.

15 15 La domanda d mobltà La domanda d mobltà (o domanda d trasporto) è l numero d utent, con determnate caratterstche, che utlzza un sstema d trasporto n un determnato perodo d tempo (ora, gorno, ecc.). L untà d msura è utent/tempo Vec/h trasporto stradale ndvduale Pass/h trasportot ferrovaro Pass/h trasporto stradale collettvo Ton/h trasporto merc In generale s può parlare d spostament/h La mobltà è pertanto un flusso d spostament

16 16 La domanda d mobltà Il perodo temporale d rfermento può essere dverso dall ora; ad es. 15 mnut negl stud per la progettazone de sstem d regolazone semaforca Unafascad2o3oreperglstudsuscalametropoltana Ilgornoper la panfcazone su scala regonale L anno per le valutazon economche degl ntervent

17 17 Dmenson della domanda fluss O/D dstnt per orgne e destnazone n un dato perodo; varazone nel tempo de fluss (annuale, mensle, settmanale, gornalera, orara); motvdello spostamento; mpant d trasporto e mod utlzzat; costsopportat per lo spostamento (o meglo percept)

18 La domanda d trasporto nello spazo 18 Come ampamente detto, la domanda d trasporto s estrnseca nello spazo, perché è la dstrbuzone delle attvtà nello spazo che la genera. Qund, n generale, problem d trasporto non possono essere trattat n modo aggregato, coè senza un esplcto rfermento spazale. L artcolazone spazale determna nfatt fenomen d squlbro. Ad es. un servzo tax può essere nsuffcente n una parte della cttà, mentre n altre part della cttà c sono pù tax che passegger. Oppure la concentrazone d popolazone p e attvtà economche n un dato corrdoo può gustfcare economcamente la costruzone d una lnea metropoltana, che potrebbe non essere doneo laddove la popolazone è sparsa sul terrtoro. Il pù tradzonale approcco al trattamento dello spazo consste nel suddvdere l area n esame n zone e nel codfcarle, nseme alla rete de trasport, n una forma adeguataad d essere trattataconl autott t t d un software.

19 Studo della domanda d mobltà 19 Lo studo della domanda d mobltà servee a stmare carch sul sstema d trasporto, coè l numero d utent che s serve d un sstema d trasporto esstente o l numero d utent che s servrebbe d un sstema d trasporto da progettare. Not dunque carch e come quest agscono sulla struttura dell offerta, s può esegure una verfca del sstema d trasporto esstente o progettarne uno nuovo.

20 Studo della domanda d mobltà Uno studo sulla mobltà s compone d 5fas: 1. Indvduazone dell area d studo 2. Suddvsone n zone dell area d studo td (zonzzazone) 3. Defnzone del modello d offerta del sstema d trasporto 4. Stma (tramte ndagn o modell) della domanda d trasporto che nteressa l area larea d studo (matrc OD) 5. Smulazone dell nterazone domanda/offerta d (calcolo l dfl de fluss d traffco sulle dverse component del sstema) T 6 Traffc Centrod Admnstratve Dvsons A L 1 L 1 L 2 L 2 L 3 L 3 L 4 L 4 B Land Use, C I k a D T k 32 Tk 23 Traffc (Spatal Interactons) I l c W l cd I l d Modal node Intermodal node Mode k Mode l I kl e W k ab I k b Transportaton Network 20

21 Indvduazone dell area d studo 21 l area d pano è quella sulla quale s prevede d ntervenre con modfche e proposte d rassetto del sstema d trasporto (comune, provnca, regone, azenda d trasporto) l area d studo è quella nella quale s esaurscono gl effett prodott sulla mobltà da tal modfche. Il confne dell area d studo s chama cordone; al d fuor del cordone v è l ambente esterno, del quale nteresano solo le nterconnesson con l area d studo;

22 Esempo delmtazone area d studo Le nterconnesson sono rappresentate con de nod, chamat centrod estern, post n corrspondenza de punt n cu l cordone tagla le nfrastrutture d trasporto per l ngresso e l uscta dall area area d studo. S vogla ad es. progettare la rete d trasporto collettvo su gomma d una cttà d mede dmenson L area d studo concde con l terrtoro comunale. 22

23 Zonzzazone 23 Uno spostamento può avere orgne e destnazone n un qualunque punto dell area d studo. Per poter descrvere l fenomeno della mobltà è necessaro rcondurre ad un numero fnto le orgn e le destnazon degl spostament. Questo è lo scopo della zonzzazone. La zonzzazone è la partzone dell area d studo n un numero fnto d zone d traffco che rappresenta l lvello d dettaglo massmo dell anals. Ad ogn zona s assoca unpunto, detto nodo centrode d zona, n cu s potzza fttzamente sano concentrat tutt punt d orgne degl spostament che hanno orgne dalla zona e tutt punt d destnazone degl spostament che hanno destnazone n quella zona.

24 Zonzzazone 24 Il nodo centrode è dsposto barcentrcamente rspetto alla localzzazone delle resdenze e delle attvtà della zona.

25 Crter d zonzzazone le dmenson delle zone crescono gradualmente dal centro dell area d pano alla perfera dell area d studo (da fraz. d quartere ad nter terrtor comunal); la destnaz. del terrtoro deve essere la pù unforme possble (resdenz., ndustr., ecc.); cascuna zona deve gravtare su un ramo d sub-rete con elevata connessone nterna e con poch collegament con le sub-ret adacent; devono rspettars le lnee d dscontnutà fsca del terrtoro (fum, trncee, lnee ferrovare, etc.); le zone devono essere multple delle sez. d censm. ISTAT per potere dsaggregare la popolaz. resdente su tutt parametr oggetto de rlev de censment; devono ndvduars le lnee d valco dell area d pano (es. pont su un fume), attraversate coè da poch ram n modo che sa facle valutare l flusso nterzonale su quest e qund valutare l attendbltà delle ndagno/d. Ad ogn zona d traffco s attrbusce un numero progressvo ed un nodo centrode che assume lo stesso numero della zona. Anche centrod estern sono numerat, a partre dall ultmo numero d zona. 25

26 Zonzzazone - numerazone 26 Dscontnutà terrtorale

27 Defnzone del modello d offerta del sstema d trasporto 27 Il modello d offerta rappresenta una schematca e parzale rappresentazone delle nfrastrutture e de servz d trasporto, d cu damo adesso solo alcun cenn prelmnar. Gl element del sstema da ncludere nel modello dpendono dagl scop dello studo. Ad esempo n un pano d crcolazone su scala urbana, possono escluders alcune artere local non nteressate da un forte flusso d traffco, oppure studando la domanda d mobltà d una lnea metropoltana è necessaro consderare sa la lnea ed relatv servz, sa le nfrastrutture stradal e servz d lnea su gomma n competzone con la metropoltana.

28 Defnzone del modello d offerta del sstema d trasporto 28 L nseme degl element consderat è chamato rete d base ed è rappresentato grafcamente evdenzando le nfrastrutture sulle qual avvengono servz d trasporto (ass stradal, ferrovar, stazon, ecc.) Successvamentelaretedbase sarà trasformata nel vero e propro modello d offerta d trasporto, assocando ad ogn elemento delle caratterstche quanttatve ben precse (es. tempodpercorrenza, p tempo d attesa, cost, ecc.)

29 Defnzone del modello d offerta del sstema d trasporto 29

30 30 rappresentazone della domanda - le matrc OD In seguto vedremo come s stma la domanda d mobltà e come s smula l nterazone tra la domanda e l offerta per calcolare fluss d utent sulle component del sstema. Ora vedamo come la domanda d mobltà vene rappresentata attraverso le matrc orgne/destnazone Una matrce OD rappresenta gl spostament che nteressano l area d studo, n un determnato perodo d tempo, suddvs per luogh (zone) d orgne e d destnazone. La matrce OD è dunque quadrata con un numero d rghe e colonne para al numero d zone pù l numero d centrod estern.

31 Le matrc OD Il generco elemento d od della matrce è l numero d spostament che, nell untà d tempo consderata, hanno orgne della zona o e destnazone nella zona d (è dunque un flusso d spostament). 31 La somma degl element della rga - esma è l ttl totale dfl de fluss emess dll dalla o. d zona -esma e s chama flusso emesso o generato dalla zona: d o d od La somma degl element della colonna - esma è l totale de fluss attratt dalla zona -esma e s chama flusso attratto dalla zona: Il numero totale degl spostament che nteressano l area d studo nell untà d tempo consderato è la somma d tutt gl element della matrce d.. o d.d d.d o d od d od

32 32 Le matrc OD La matrce OD può essere dvsa n 4 settor: 1. Spostament ntern Interzonal Intrazonal 2. Spostament d uscta (ntern-estern) 3. Spostament d penetrazone (estern-ntern) 4. Spostament d attraversamento

33 Matrce OD 33 I-I

34 34 Matrce OD Le matrc OD s dstnguono per Untà temporale d rfermento (ora, fasca orara, gorno, anno) Perodo d tempo d rfermento (ora d punta, gorno della sett.) Modo dello spostamento (ped, auto, autobus, ecc.) Motvo dello spostamento (casa-lavoro, casa-acqust, ecc.) S possono avere tutte le possbl combnazon E t dll d t l t t l Es: matrce dell ora d punta per gl spostament orar casa-lavoro su automoble

35 35 La matrce OD La domanda d mobltà vara nel tempo. Ad es. l numero d spostament d un area urbana camba nelle dverse ore d un gorno e camba nella stessa ora d gorn dvers. La anals della domanda può essere fatta su tre orzzont temporal: Varazon d lungo perodo o trend Varazon nel corso d un determnato perodo d rfermento Varazon fra ntervall d tempo d dentche caratterstche

36 Dnamca temporale della domanda 36 Varazon d lungo perodo (trend) Sono varazon d lungo perodo del lvello o della struttura della domanda d Sono varazon d lungo perodo del lvello o della struttura della domanda d mobltà, ad esempo dovute a varazon d parametr socoeconomc e terrtoral.

37 Dnamca temporale della domanda 37 Varazon nel corso d un determnato perodo d rfermento Sono chamate anche varazon ntraperodal. Adesempo la varazone della domanda orara nel corso della gornata o della domanda gornalera ne dvers gorn della settmana. Tal varazon s rpetono cclcamente anche se valor ne sngol sottoperodo Tal varazon s rpetono cclcamente, anche se valor ne sngol sottoperodo possono essere dvers

38 Dnamca temporale della domanda 38 Varazon fra ntervall d tempo d dentche caratterstche Sono chamate anche varazon nterperodal. Ad esempo la varazone della domanda nell ora d punta antmerdana d dvers gorn con caratterstche sml. S tratta d varazon dovute all ntrnseca aleatoretà del fenomeno della mobltà e non dpendono da event d natura sstematca. Ovvamente tre tp d dnamca temporale s sovrappongono n modo spesso non dstnguble.

39 Dnamca temporale della domanda 39 La dnamctà della domanda, coè la sua varabltà nel tempo, costtusce uno degl element d maggore dffcoltà nelle anals d stma e prevsone. Può accadere che un sstema soddsf bene l valore medo della domanda d mobltà, ma collass durante perodo d punta. Qund esste un grande nteresse per le msure che favorscono una dstrbuzoneb dl del carco dll dalle ore d punta a quelle d morbda (road prcng, premum prcng, tarffe dfferenzate del TPL, orar d lavoroflessbl flessbl, carpoolng poolng, ecc.)

40 40 Stma della domanda d mobltà La stma della domanda d mobltà s ottene con: stma da ndagn drette stma da modell matematc Le ndagn drette rlevano le caratterstche attual della domanda medante contegg d traffco e ntervste (d solto camponare) agl utent dl del sstema d trasporto. I modell matematc stmano la domanda, attuale e futura, n,, funzone delle caratterstche soco-economche e terrtoral dell area d studo e del sstema d trasporto n essa operante.

41 stma della domanda da ndagn drette 41

42 Stma della domanda da ndagn drette 42 Le prncpal tecnche d ndagne sono: Indagn su fluss d traffco Indagn su aree rstrette Indagn al cordone Indagn su aree vaste Indagn sulla domanda d sosta Tutte le ndagn sono n genere d tpo camponaro, coè esegute su un sottonseme (campone) del totale degl utent convolt nello studo td (unverso). Il campone deve essere estratto tt n modo rgorosamente casuale.

43 Indagn su fluss d traffco 43 Servono a rlevare enttà e composzone del traffco che n un determnato perodo d tempo attraversa una prefssata sezone del sstema d trasporto. S chamano anche contegg d traffco. S possono fare su: Sstema d Trasporto prvato: numero e tp d vecol Sstema d Trasporto collettvo: numero passegger a bordo per lnea e/o corsa. Servono per Verfcare l funzonamento attuale del Sstema d Trasporto Verfcare la capactà de modell matematc d rprodurre la realtà Tarare modell matematc d stma della domanda Mglorare le matrc OD ottenute con modell o ndagn Indvduare la varazone temporale della domanda (ora d punta e d morbda)

44 Indagn su fluss d traffco 44 Contegg d traffco sul Sstema d Trasporto Prvato Oggetto de contegg Composzone dlfl del flusso (motovecol, autovecol, mezz pesant, autobus, ecc.) Enttà del flusso (d solto s stmano fluss orar rlevando l volume d traffco n 15 mnut) Veloctà del flusso (stantanea, meda, commercale, massma possble) Metod d conteggo Contegg manual (con modulo cartaceo, con contraccolp) Contegg automatc (con tub d gomma, con spre metallche, con telecamere)

45 contatraffco con tub pneumatc 45

46 Contatraffco a pastre magnetco 46 È un dspostvo a mmagne magnetca n grado d rlevare, graze ad un pccolo sensore nterno, le varazon del campo magnetco terrestre, e d conseguenza, la dstorsone magnetca subta quando un vecolo transta sopra o n prossmtà del sensore stesso. La dstorsone ottenuta dentfca l'mmagne della massa magnetca del vecolo transtante t permettendone d rsalre all'untà vecolare, alla sua lunghezza e veloctà. Oltre al volume d traffco e all'occupazone, rleva la veloctà e la lunghezza d ogn vecolo n class d lunghezza (8 class) e veloctà (15 class) programmabl.

47 Indagn su fluss d traffco 47 Contegg d traffco sul Sstema d Trasporto Collettvo S effettuano a bordo o alle fermate (passegger salt e dsces) Sono d solto manual (con scheda cartacea), potrebbero essere automatc stallando sensor a bordo d ogn vecolo S possono effettuare contestualmente delle ntervste ad un campone d passegger.

48 Indagn su fluss d traffco 48 Contegg d traffco sul Sstema d Trasporto Collettvo S effettuano a bordo o alle fermate (passegger salt e dsces) Sono d solto manual (con scheda cartacea), potrebbero essere automatc stallando sensor a bordo d ogn vecolo S possono effettuare contestualmente delle ntervste ad un campone d S possono effettuare contestualmente delle ntervste ad un campone d passegger.

49 Indagn su aree rstrette 49 S tratta d ndagn lmtate ad un sngolo elemento della rete stradale (es. ntersezone) o dell area d studo (es. unverstà, centro commercale, aeroporto, ecc,).

50 Indagne sosta cttà unverstara 50

51 Indagn al cordone 51 Servono per rlevare fluss d scambo (I-E e E-I) e d attraversamento (E- E) dell area d studo Per rdurre cost d ndagne, l cordone è scelto n modo da mnmzzare l numero d ntersezon con le nfrastrutture d ngresso ed uscta all area. L ndagne s effettua contando vecol de fluss d scambo e ntervstando un campone d utent del sstema d trasporto. I metod d conteggo sono gl stess delle ndagn su fluss. È necessara l assstenza delle forze dell ordne e l numero d domande è lmtato.

52 Mobltà casa-lavoro e casa studo tutt mod (ISTAT 2001) 52

53 Indagn su aree vaste (Indagn OD) 53 Servono per conoscere la mobltà d un terrtoro esteso (comune, area metropoltana, ecc.) e consentono d costrure la matrce OD degl spostament ntern. D solto s accoppa un ndagne al cordone per stmare gl spostament d scambo. Sono pù note come ndagn OD. S eseguono medante ntervste drette (a domclo, telefonche, con nvo postale d un questonaro) che rlevano le caratterstche della mobltà de component d un campone d famgle d resdent, qund s deducono le caratterstche per l ntero unverso.

54 Indagn OD 54 L unverso è costtuto da tutte le famgle resdent nell area d studo; s ntervstano tutt component d una famgla perché all nterno d essa sono present dverse categore d persone (lavorator, student, casalnghe, ecc.) cu corrspondono dverse esgenze dmobltà. La dmensone del campone dpende dalla precsone che s desdera per la stma; oscllatral2el4% dell unverso delle famgle.

55 Indagn OD Le nformazon prncpal da raccoglere per tutt gl spostament comput nel gorno precedente a quello dell ntervsta, sono: Orgne e d destnazone Ora d nzo e fne Modo Motvo Varabl trasportstche Ulteror nformazon utl soprattutto per la stma dell evoluzone futura della domanda sono: Costo degl spostament Attvtà lavoratva Reddto Autovetture possedute Ecc. Varabl socoeconomche 55

56 Indagn sulla domanda d sosta 56 Servono per rlevare la domanda d sosta n una certa zona, al fne d poter dmensonare nuov mpant d parchegg o d stture de pan d tarffazone e gestone della sosta. Alcune nformazon possono essere rlevate senza ntervstare gl occupant de vecol: Numero d vecol che chedono d sostare Durata meda della sosta Altre nformazon sono relatve agl utent e rchedono un ntervsta e sono utl per poltche d sosta d lungo perodo: Luogh d O e D Motvo della sosta Costo dello spostamento, ecc.

57 Indagn sulla domanda d sosta 57 Il prmo gruppo d nformazon può rlevars con l metodo della targa: s regstra su appost modul ad ntervall prefssat (d solto 30 mnut) l numero d targa delle auto n sosta n un campone d stall (legal e non) scelt nella zona d studo. Il secondo gruppo d nformazon s ottene ntervstando un campone degl utent del parcheggo,,quando questo torna al vecolo per lascare l parcheggo.

58 Stma della domanda da modell Stma della domanda da modell matematc 58

59 Stma della domanda da modell matematc 59 Un modello è essenzalmente una rappresentazone della realtà ottenuta attraverso una formulazone semplfcata e generalzzata delle caratterstche prncpal d una stuazone reale; s tratta d un astrazone della realtà usata per comprendere l comportamento d un sstema n crcostanze n cu, per motv tecnc, economc, poltc o moral, non è possble la spermentazone n vvo. I modell matematc tentano d replcare l sstema d nteresse e l suo comportamento per mezzo d equazon matematche basate su certe potes teorche. L approcco modellstco nella panfcazone de trasport è gustfcato da tre ordn d ragon prevalent: la dffcoltà d prevedere gl mpatt conseguent alla realzzazone d ntervent sulle component del sstema de trasport (paradoss ne trasport); la dffcoltà d realzzare esperment n stu, per cost ed problem organzzatv che ess comporterebbero; la complesstà de fenomen d mobltà.

60 60 Stma della domanda da modell matematc Un modello d domanda è una funzone matematca che pone n relazone la dstrbuzone e la tpologa d Attvtà sul terrtoro (resdenze, luogh d lavoro, ecc.) le caratterstche Soco-Economche de resdent (reddto, numero d auto possedute, età, lvelloll occupazonale, ecc.) e le caratterstche dell offerta d Trasporto (lvello d servzo, temp d spostament, cost, ecc.) D=f(A, SE, T) modello d domanda generco D od = k A o A d / t 2 od modello d domanda gravtazonale

61 Modello gravtazonale j Movement Spatal Interacton Centrod Tj = 50 Vector j Centrod 61

62 matrce Orgne-Destnazone da modello gravtazonale gravtazonale A B T E D C B A T E D C B A Spatal Interactons O/D Matrx A B B A B A C D C D C E D Tj E Tj E 62

63 matrce Orgne-Destnazone da modello gravtazonale 2,000,000 X 800 km 2,000,000 Formulazone elementare P Pj Y Tj k D D j 800 km W X Y Z T 400 km W 100, ,000 W 2,000,000 k = (persone per settmana) Z 1,000,000 X Y Z 100,000 50,000 25,000 50,000 25, ,000 50,000 25,000 Centrode () Peso (P) Dstanza (D) Costante (k) Interazone (T) Tj 100, ,000 50,000 25, ,000 63

64 Stma della domanda da modell matematc 64 La dfferenza tra la stma da ndagn drette e stma da modell matematc è la seguente. Il prmo metodo consste nell effettuare ndagn camponare sugl spostament degl utent nell area oggetto d studo e da cu rsultat vene rcavata la stma della matrce degl spostament zonal. Stme d tal genere non sono trasferbl né nello spazo (aree d studo dverse da quella n oggetto) né nel tempo (ntervall d rfermento dvers da quello consderato per le ndagn). Il secondo metodo, lastma da modell, n parte resce a superare quest lmt attraverso l utlzzazone d modell d valdtà generale (dal punto d vsta della caratterzzazone spazale e temporale) che, tuttava, necesstano d un opportuna calbrazone per la quale sono nuovamente necessar dat dervat da ndagn camponare.

65 Stma della domanda da modell matematc 65 Tradzonalmente nella letteratura s è operata una separazone tra modell utlzzat per la smulazone d spostament a scala nazonale, o a lvello extraurbano, e modell utlzzat per le aree urbane. Nel prmo caso s utlzzano modell global d tpo gravtazonale, nel secondo caso modell a stad, soltamente d tpo comportamentale o msto (comportamentale - descrttvo). Per mglorare le stme d domanda ottenute n modo dretto o da modello, s Per mglorare le stme d domanda ottenute n modo dretto o da modello, s utlzzano rlev d fluss d traffco msurat n un sottonseme d arch della rete d trasporto.

66 66 Stma della domanda da modell matematc I modell d domanda esstent n letteratura sono classfcat n relazone alla forma funzonale: modell d tpo statstco descrttv modell comportamental t

67 Stma della domanda da modell matematc 67 I modell d tpo statstco - descrttv consentono d stmare la domanda d trasporto, o alcune dmenson della stessa (ad esempo: modellzzazone della generazone degl spostament o modellzzazone globale della domanda con date caratterstche) sulla base d opportune nterpretazon statstco - matematche de dat spermental (es. modello gravtazonale). Fondat sull anals del comportamento degl ndvdu sono, nvece, cosddett modell comportamental che consentono d mettere n rlevo l aspetto decsonale delle scelte, caratterstco della domanda d trasporto n quanto composta da ddd ndvdu dvers che s comportano n modo dverso. Rsultano ndspensabl non solo la conoscenza de meccansm che defnscono le scelte d vaggo (se spostars, verso dove, con quale modo e seguendo quale percorso), ma anche la conoscenza d scelte come possesso d auto o localzzazone della resdenza, che nfluscono n msura non ndfferente sulle caratterstche della domanda d trasporto.

68 Es. d modello statstco-descrttvo Aggregated Transport Forecastng Model 68 Q * è l numero d passegger-chlometro del modo (bus, car, ral). Esso è una funzone f de cost monetar de tre mod, P, del lvello d servzo de tre mod, S, e del reddto, I.

69 Es. modello d deflusso pedonale dell UCL (Unversty College of London) 69 log(f)= A log(x1)+b(x2)+c(x3)+d(x4)+ costante X1 vsbltà lungo le strade della rete X2 accessbltà della stazon metropoltane X3 larghezza del marcapede X4 % spaz adbt alle attvtà commercal

70 70 Modell comportamental Una categora molto dffusa è quella de modell d domanda comportamental basat sulla teora dell utltà aleatora Sono basat sull potes che: l utente abba a dsposzone un numero fnto d alternatve ( (s chamano nfatt anche modell d scelta dscreta) l utente sa un decsore razonale,, coè scegle tra dverse alternatve a sua dsposzone con l obettvo d massmzzare un valore d utltà che egl stesso assoca ad ogn alternatva. Il decsore assocaacascunaalternatvaj del suo nseme d scelta I (può essere dverso per utent dvers) una utltà o attrattvtà percepta U j e scegle l alternatva lalternatvache massmzza tale utltà n base agl attrbut propr dell alternatva, coè a caratterstche msurabl che sono confrontate con quelle delle altre alternatve.

71 references on dscrete choce models 71 For a comprehensve scentfc lterature see: McFadden, D., (1978). Modellng the choce of resdental locaton. In: Karlqust A., Lundqust L., Snckars F., Webull J.W., (eds.), Spatal nteracton theory and plannng models, North-Holland, Amsterdam Ben Akva M., Lerman S.R.. Dscrete choce h analyss: theory and applcaton to travel demand. MIT Press, Cambrdge, Mass, Cascetta E.. Teora e metod dell ngegnera de sstem d trasporto. Utet, Torno, Thanks to hm, now transport engneers undesrtand that transportaton s both technology and human behavour as well

72 72 Modell comportamental La scelta deve avere tre propretà: Completezza: l decsore è n grado d esprmere un gudzo d preferenza con rfermento ad una qualsas coppa d alternatve Transtvtà:la preferenza d un alternatva rspetto a j e d un alternatva j rspetto a k mplcalapreferenzadeboledrspetto a k. Fntezza: l nseme d scelta è fnto.

73 Modell comportamental 73 A partre da quest assom s è dmostrato che decsor s comportano come se massmzzassero una quanttà reale, cu s attrbusce d solto l nome d utltà. In termn formal, sa I un nseme d scelta costtuto da n alternatve, a cascun elemento è possble assocare un ntero, n modo da stablre un ordnamento n I tale che rsult, qualunque sano e j se l alternatva j non è preferta all alternatva ; ; cascun vettore r può essere vsto come una permutazone dell nseme de prm n numer natural. Una qualsas funzone strettamente decrescentesurdetermnaunafunzoneavalorrealsull nsemeichepreserva l ordnamento dft defnto da r, ovvero se e solosej j non è prefertaad.

74 74 Modell d utltà aleatora L utltà assocata dal generco decsore all alternatva j non è nota con certezza dall analsta analsta, e pertanto è una v.a. per la quale è possble esprmere la probabltà d scelta condzonata al suo nseme d scelta I ; p j / I Pr U j U k k j, k I S assume che l utente non scelga una alternatva per sè, ma puttosto l nseme delle caratterstche propre p d quell alternatva confrontandolo con quell delle altre dsponbl; non è dunque possble prevedere con certezza quale alternatva sarà scelta ma calcolarne la probabltà p (j)=prob [U j >U k ]. Dfferent people have dfferent tastes, and ths s captured by makng utlty random

75 75 Perché utltà aleatora 1. I vaggator potrebbero non avere un esatta conoscenza degl attrbut delle alternatve dsponbl. Per esempo un vaggatore che scegle tra bus e auto per uno spostamento casaacqust, dffclmente conosce esattamente l tempo d spostamento l tempo d attesa del bus se troverà un posto a sedere o se troverà un parcheggo lbero e gratuto vcno alla destnazone. Qund le opnon e le percezon de vaggator possono dfferre da valor degl attrbut oggettvamente msurat. 2. L analsta potrebbe non conoscere esattamente gl attrbut mportant per l vaggatore. 3. Dvers vaggator potrebbero valutare n modo dverso gl stess valor d attrbuto

76 utltà sstematca e resduo aleatoro 76 U j = V j + ε j utlty = systematc t + error systematc observable varables e.g.-indvdual SE characterstcs -LOSs of alternatves error unobservable bl varables e.g.- Indvdual dosyncrases, taste, atttude, habt, prncple - measurement errors of observable varables

77 utltà sstematca e resduo aleatoro 77 L utltà percepta U j può essere espressa come somma d una componente razonale d utltà sstematca V j che rappresenta la meda dell utltà percepta tra tutt gl utent con lo stesso contesto d scelta del decsore edunresduo aleatoro j che rappresenta lo scostamento dell utltà percepta dall utente, U j = V j + j

78 utltà e resduo aleatoro U Normal(10; 2) Normal(0; 2) < 5.0% 90.0% 5.0% > < > 5.0% 90.0%

79 Modell d utltà aleatora 79 essendo V j =E[U j ] 2 j =Var[U j ] U j =V j+ j l valore atteso dell utltà la varanza dell utltà E[V j ] ]=V V j l valore atteso dell utltà sstematca t t Var[V j ]=0 E[ j ]=0 0 la varanza dell utltà sstematca (è una varable determnstca) l valore atteso del resduo aleatoro Var[ j ]=2 j. la varanza del resduo aleatoro (concde con la varanza d U) Shache p j / I PrU U PrV V j k j k k j Qund, come vedremo n un esempo, la probabltà d scelta d un alternatva dpende dalle utltà sstematche d quelle concorrent e dalla legge d dstrbuzone congunta de resdu aleator j ; mnore è la dspersone de resdu j, mglore sarà la capactà prevsonale del modello.

80 80 esempo Consderamo una stuazone n cu c sano solo due alternatve. Sa U 1 =3+ U 2 = 2 l utltà della prma alternatva l utltà della seconda alternatva La probabltà che la prma alternatvaa sa scelta è: P 1 =Pr (U 1 U 2 )=Pr(3+) 2=Pr() -1 Ipotzzando una dstrbuzone d probabltà d d tpo unforme compresa tra -2 e 2, coè qualunque valore ha la stessa probabltà d essere scelto, qund la probabltà che un dato valore sa scelto è 0.25, n modo che l ntegrale della funzone denstà sa par a 1 Dunque P 1 = Pr () -1 = 0.75 e P 2 =0.25 L esempo mostra la natura della probabltà d scelta: l 75% degl ndvdu per qual la funzone d utltà è quella specfcata sopra, scegleranno l alternatva 1 SeU 1 restasse nvarato e nvece U 2 = 3, s avrebbe P 1 =0.50 Qund la probabltà d scelta dpende sa dagl attrbut della funzone d utltà sa dalla dstrbuzone della componente aleatora

81 81 costruzone d un modello d scelta dscreta Buldng of the model requres three man steps: Specfcaton Calbraton Valdaton

82 specfcazone 82 Model specfcaton concerns the mathematcal form of the expresson whch calculates the probablty of choosng an alternatve and the mathematcal expresson of the utlty functon Themoreexperenced expresson for the choce probablty s called logt and s the followng: probablty alternatve model parameter P j e k I V e j V k utlty beng P j the probablty an ndvdual choosng alternatve j, V j the systematc utlty of alternatve j, V k the systematc utlty of the generc alternatve, α the model parameter

83 modello logt multnomale 83 L espressone d tale probabltà dpende dalla legge d dstrbuzone de resdu aleator: al varare delle potes che s fanno sulla dstrbuzone congunta de resdu aleator s possono ottenere dvers modell d utltà aleatora. Uno de modell pù dffus è l modello Logt multnomale, chesbasa sull potes che resdu aleator sano dstrbut seconda una v.a. d Gumbel d parametro 1/ (da calbrare). In tal caso la probabltà d scelta d un alternatva può essere calcolata n forma chusa secondo la: p e V j j V e k k I

84 Dstrbuzone d Gumbel 84 l parametro alfa è nversamente proporzonale alla devazone standard della dstrbuzone

85 85 Modell d utltà aleatora Per ragon d convenenza s assume che l utltà sstematca sa del tpo V j X j k X kj k coè una funzone lneare ne coeffcent k degl attrbut X coè una funzone lneare ne coeffcent k degl attrbut X (o d loro trasformazon funzonal, es. X 1j puòessereltempodvaggool log del tempo d vaggo).

86 Modell d utltà aleatora - sgnfcato d 86 Il valore del parametro dpende dalla varanza del resduo aleatoro. Infatt al dmnure della varanza d, crescelvalored econessolasensbltà del modello a cambament de valor delle varabl contenute n V. Se V è una combnazone lneare degl attrbut d scelta, non può essere stmato separatamente dagl altr parametr, qund nella calbrazone del modello ad s assegna un valore prefssato (d solto 1). La conseguenza è che la varanza del resduo aleatoro non dpende dall alternatva.

87 Modell d utltà aleatora - sgnfcato d probabltà d scelta alternatva 1 87 P(1) 110% 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% % (V2-V1) dfferenza d utltà

88 88 Modell d utltà aleatora V V j j e e j 1 V V V V V V V V V V n k V j n j j n j k e e e e e e e e j p j k V V j k e 1 La probabltà d scelta d un alternatva dpende solo dal valore relatvo delle utltà e non da quello assoluto

89 89 Modell d utltà aleatora propretà IIA p p La probabltà d scelta relatva, coè l rapporto tra le probabltà d due alternatve, è ndpendente dalla presenza d una terza alternatva. Questa è nota come propretà dell ndpendenza dalle alternatve rrlevant (IIA) e V j j k j V V V I k V e e e j p m j m m V V V V V I k e e e e m p j p k I k V e

90 calbrazone del modello Model calbraton concerns how to fnd the values of the model parameters (α and β) n order the model has the requred forecastng capablty 90 To make the calbraton a sample of observatons of the choce behavour s needed Thechoce h context tmay be: The actual one and n ths case the Revealed Preferences method s used An hypothetc t one and n ths case the SttdP Stated Preferences sused The estmate of the paramters s usually made wth the maxmum lkelyhood method whch s based on the prncple of fndng those values of the parameters that maxmze the conjont probablty of smultaneously observng the choces made by each element of the sample, as they were ndependently made.

91 valdazone del modello 91 Model valdaton concerns the testng of the model, that s to verfy ts relablty by comparng ts results wth a new sample of observaton other from the one used for calbraton

92 Modell d tpo statstco - descrttvo e modell comportamental 92 I modell comportamental ad utltà casuale hanno l prego d nterpretare meglo l comportamento dell utente e qund d rprodurre con mglore precsone l fenomeno della mobltà. I modell comportamental, consentendo d nterpretare le scelte dell utente, permettono d rprodurre le stesse anche n contest dfferent, seppur con opportun adattament. I modell descrttv vceversa sono generalmente meno precs e non permettono I modell descrttv, vceversa, sono generalmente meno precs e non permettono d solare alcuna delle cause che concorrono a determnare la varabltà de comportament osservat.

93 La stma e modell d domanda passegger a scala urbana 93 Un modello d domanda per la scala urbana deve essere n grado d rprodurre l numero medo d spostament con certe caratterstche effettuat dagl utent dell area d studo nel perodo temporale d rfermento e deve essere n grado d smulare varazon nella domanda n seguto a varazon nell assetto attuale del sstema d offerta. Il modello d domanda pù utlzzato a lvello locale, è l cosddetto«modello a p, quattro stad», costtuto dal prodotto d quattro sottomodell, ognuno de qual smula una scelta dell utente.

94 le quattero scelte d vaggo dell utente prma decsone, fare lo spostamento seconda decsone, 4 destnazone T k 32, Tk 23 C T 6 2 km la dstrbuzone delle attvtà nel terrtoro determna numero e frequenza degl spostament Traffc 10 km 3 terza decsone, modo d trasporto quarta decsone, scelta del percorso

95 95 La stma e modell d domanda passegger a scala urbana l sottomodello d generazone smula la scelta d effettuare o meno lo spostamento per l motvo s nel perodo temporale d rfermento h, d 0 (s, h); l sottomodello d dstrbuzone smula la scelta d recars alla destnazone d, avendo orgne n o e motvo dello spostamento s nel perodo h, p(d/osh); l sottomodello d scelta modale smula la scelta del mezzo da utlzzare per spostars da o a d per l motvo s nel perodo temporale h, p(m/odsh); l sottomodello d scelta del percorso smula la scelta del percorso da usare per spostars da o a d per l motvo s con l modo m nel perodo temporale h, p(k/modsh).

96 96 La stma e modell d domanda passegger a scala urbana Tutt quest sottomodell sono consderat funzone delle caratterstche socoeconomche, SE, e delle caratterstche del sstema d offerta, T. La sequenza d sottomodell pù usata, che smula le scelte nell ordne rportato, è pertanto la seguente: d odh s, m, kd shset, pd / osh SET, pm/ odsh SET, pk / odshmse, T o Sottntendendo la dpendenza da SE e T, e l perodo temporale d rfermento h, s può utlzzare una notazone semplfcata: d s, m, k d s p d / os p m / ods p k / mod s od, o

97 La stma e modell d domanda passegger a scala urbana 97 Nell espressone rportata s sono separate le vare scelte sebbene esse sano nterdpendent; nfatt, per motv d trattabltà analtca s prefersce utlzzare l prodotto d sottomodell, cascuno relatvo ad una dmensone d scelta, puttosto che una funzone d domanda globale. La sequenza delle scelte può essere dversa da quella rportata perché s può potzzare un dverso ordne con l quale le scelte stesse vengono effettuate dall utente. Ad esempo, nel modello rportato, la scelta del modo rsulta condzonata da quella della destnazone, mentre rsulta condzonante per la scelta del percorso. La formulazone consente d smulare solo uno spostamento rferto al perodo temporale consderato (approcco trp-based). Esstono altr modell d domanda pù compless, ancora n fase d svluppo, che smulano le scelte dell utente tenendo conto dell ntero programma d attvtà dell ndvduo per l arco della gornata (approcco actvty-based) d od s, m, k d s pd / os pm / ods pk / mod s o

98 98 La stma e modell d domanda passegger a scala urbana d od s, m, k d s pd / os pm / ods pk / mod s o De sottomodell present nella formulazone, l sottomodello d generazone è tpcamente descrttvo, quello d dstrbuzone è descrttvo ma può anche avere un nterpretazone comportamentale, l sottomodello d scelta modale è tpcamente comportamentale, e nfne la scelta del percorso èsmulataconun modello comportamentale. Quest ultmo, d solto, vene mplctamente utlzzato nelle procedure d assegnazone che consentono d ottenere fluss sugl arch della rete d trasporto data la matrce O/D e l sstema d offerta.

99 Modello d domanda a 4 stad 99

100 Il modello d emssone 100 Il modello d emssone d o (s) consente d calcolare l numero medo d spostament emess dalla zona o per l motvo s, n un perodo d rfermento temporale defnto. Per quanto rguarda l motvo dello spostamento d solto s prefersce dentfcarlo con la coppa d motv all orgne ed alla destnazone. S dstnguono così spostament del tpo Casa-Lavoro, ntendendo che l orgne è l luogo d resdenza e lungo l segmento casa-destnazone d l motvo dello spostamento è l lavoro. S dentfcano ancora spostament del tpo Casa-Scuola o Lavoro-Lavoro, e così va.

101 Il modello d emssone 101 La maggor parte de modell d emssone che vengono utlzzat sono del tpo descrttvo, saperché l utente non compe una scelta ad ogn vaggo per gl spostament sstematc, sa perché le varabl che nfluenzano la scelta non sono faclmente quantzzabl. Il modello d emssone pù utlzzato è del tpo ndce per categora, dove la categora è quella cu appartene l potenzale utente del sstema d trasporto che s suppone sa costtuta da utent cu comportament sono omogene rspetto al motvo consderato. Per mplementare l modello s suddvde la popolazone resdente nell area d studo n categore omogenee, coè n grupp costtut da soggett con mobltà smle l es dd ndvdua un parametro, n 0 () (c), che msura la dmensone d quest grupp (numero d resdent, d attv, d student, d famgle, nell accezone data a quest termn dall ISTAT);

102 Il modello d emssone 102 s stablsce qual è l perodo d tempo con rfermento al quale s vuole msurare la domanda d mobltà (l ora d punta, una fasca orara, l ntera lnteragornata); smsuralvaloren o (c) che, nella zona d orgne o e con rfermento alla categora c,, assume l parametro scelto; s stma l numero d spostament m c (s) effettuato da soggett d categora c, per ogn categora, per l motvo s nell ntervallo d tempo consderato. La domanda totale emessa per zona vene qund calcolata come: d s n c m s o o c c

103 Casa-Lavoro Casa-Scuola s c m c s MOTIVO UTENTE TIPO INDICE DI EMISSIONE Attvo settore ndustra Attvo settore servz Attvo settore servz prvat Attvo settore servz pubblc Alunn scuole elementar Student scuole mede nferor Student scuole superor Il modello d emssone A ttolo d esempo vengono rportat alcun valor dell ndce d emssone gornalero (m) per var motv (s) e vare categore d utent (c) (ved tabella a fanco), ottenut come valor med degl ndc gornaler stmat n cnque cttà talane d mede dmenson Student sttut o c professonal d 103 s n o c mc s Casa-Acqusto ben non durevol Famgla 0.25 Casa-Acqusto ben durevol Famgla 0.11 Casa-Servz personal Famgla 0.16 Casa-Svago Famgla 0.27 Casa - Accompagnamento persone Famgla 0.11 Casa-Altro Famgla 0.13

104 modello d emssone 104 Un altro tpo d modell d emssone, meno utlzzat nelle pratche applcazon, sono modell d regressone per categora. In tal modell l'ndce medo m c(s) per l'-esmo elemento della categora c, per l motvo s, è espresso come funzone degl attrbut dell'elemento elemento stesso; la funzone pù utlzzata è quella d tpo lneare: m c ( s ) j j x j In tal caso occorre stmare parametr ncognt ß j del modello, oltre che specfcare l numero e la forma delle varabl che compaono nell'espressone d cu sopra, che sono tpcamente varabl soco-economche qual l reddto, l numero d auto possedute, etc.

105 Il modello d emssone 105 Un ultma osservazone rguarda l perodo temporale n cu vene calcolata l emssone. La tabella precedente rporta gl ndc d emssone gornaler, ma, se s vuole smulare un sottoperodo della gornata, sarà necessaro rferrs all emssone relatvaaa tale perodo. In tal caso o s dspone del coeffcente d emssone stmato per l perodo temporale n esame, oppure s utlzza un espressone del tpo: d o sh d s p h o n cu p(h) rappresenta la percentuale degl spostament che avvengono nella fasca orara consderata. Tl Tale percentuale può essere ottenuta t con un modello dll comportamentale d scelta dell ora d partenza o con un modello descrttvo d rpartzone orara.

106 Il modello d dstrbuzone 106 Il modello d dstrbuzone consente d calcolare la percentuale d spostament che, partendo dalla zona o, per l motvo s, s reca nella destnazone d. I modell d dstrbuzone pù usat sono modell d utltà aleatora, pur avendo una nterpretazone descrttva e non comportamentale. Il modello pù dffuso è l Logt: p j e e ki V j V k essendo l utltà sstematca assocata alla destnazone d, soltamente assunta come una combnazone lneare d de parametr te degl attrbut t propr dll della zona: V j k x k kj

107 p j Il modello d dstrbuzone V j e V V x k e j k k kj k I Gl attrbut x kd utlzzat per specfcare l utltà sstematca assocata alla destnazone d sono attrbut d attrattvtà, A d, e attrbut d costo o separazone, C od.. I prm tengono conto delle capactà attrattve della zona, ad esempo l numero d post d lavoro, per l motvo Casa-Lavoro, l numero d post scuola, per l motvo Casa-Scuola, l numero d addett al commerco, per l motvo Casa-Acqust, ecc. Gl attrbut ad ess relatv hanno segno postvo n quanto al crescere del loro valore aumenta n genere l attrattvtà della zona. Gl attrbut d costo, nvece, tengono conto del costo generalzzato connesso allo spostamento dall orgne o alla destnazone d; parametr ad ess relatv hanno segno negatvo, n quanto al crescere della separazone spazale o temporale tra o e d aumenta la dsutltà connessa allo spostamento e qund dmnusce l utltà d recars n d. 107

108 Il modello d dstrbuzone 108 Casa-Lavoro Casa-Scuola ATTRIBUTO DI ATTRATTI VITÀ β β Per quanto rguarda parametr β 1 2 A present nella formulazone, ess d sono ottenut t con le usual tecnche d stma ed a ttolo d esempo nella tabella a fanco sono rportat valor d β 1 e β 2, per dvers motv: gl attrbut d attrattvtà, n quest esempo, sono dentfcat con l numero d addett ed l Addett settore ndustra Addett settore servz Addett settore servz prvat Addett settore servz pubblc Alunn scuole elementar Student scuole mede nferor Student scuole superor p numero d student td t scrtttt nelle scuole a seconda de var motv; la varable d costo C od, è stata assunta par alla dstanza n lnea d ara tra centrod ed è msurata n ettometr. Casa-Servz personal Addett servz Casa- Accompagnamento persone Casa-Acqusto ben non durevol Student scuole element. e mede super Addett commerco V j k k x kj j V j 1 N ADD 2 Dst j

109 109 Il modello d dstrbuzone Se s assume una trasformazone logartmca d entrambe le varabl, s ottene l modello, molto usato nelle pratche applcazon, della forma, ln ln 2 1 ) / ( od d ADD d V V Dst N V e os d p d ', ln ' 2 ' 1 ' ' ' ' ) ( d od d ADD d d d V Dst N V e p d

110 Il modello d scelta modale 110 Il modello d scelta modale consente d calcolare l alquota d spostament che, recandos dalla zona o alla destnazone d per l motvo s, scegle l modo m. Generalmente s parla d modo e non d mezzo d trasporto m quanto ne sstem urban può essere consderata anche la possbltà d spostars a ped. I modell pù utlzzat sono quas esclusvamente modell comportamental; nfatt, la scelta del modo è un tpco esempo d scelta d vaggo modfcable n vagg dvers, dpendente da tpche caratterstche comportamental. Ess possono essere mess a punto con rfermento alle categore omogenee d utent adottate per l modello d emssone e dstrbuzone.

Valutazione dei Benefici interni

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

Dettagli

CORSO DI 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

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

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

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

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

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

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

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

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

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

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

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

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

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

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

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

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

Dettagli

* 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

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM

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

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

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

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

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

Dettagli

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

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 t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

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

Dettagli

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

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

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

Capitolo 3. 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

LE FREQUENZE CUMULATE

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

Dettagli

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

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

Dettagli

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

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

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

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

{ 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

* * * 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

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

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Dettagli

Pianificazione dei Trasporti

Pianificazione dei Trasporti Unverstà degl Stud d Treste Facoltà d Ingegnera Corso d Panfcazone de Trasport Prof. Govann Longo Anno Accademco 2003-2004 APPUNTI d Panfcazone de Trasport Paolo Martns LA PIANIFICAZIONE DEI TRASPORTI

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

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

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

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

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

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

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

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

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

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

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

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

Dettagli

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

CAPITOLO 3 Incertezza di misura Pagina 26

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

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

Principi di ingegneria elettrica. Lezione 2 a

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

Dettagli

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

Il patrimonio informativo aziendale come supporto alle attività di marketing

Il patrimonio informativo aziendale come supporto alle attività di marketing Unverstà degl Stud d RomaTre - Facoltà d Economa Corso d Rcerche d Marketng Il patrmono nformatvo azendale come supporto alle attvtà d marketng ng. Stefano Cazzella stefano.cazzella@datamat.t Agenda La

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

SISTEMI PREVISIVI PER IL FLUSSO DI CLIENTELA IN POSTE ITALIANE

SISTEMI PREVISIVI PER IL FLUSSO DI CLIENTELA IN POSTE ITALIANE Statstca Applcata Vol. 17, n. 3, 2005 377 SISTEMI PREVISIVI PER IL FLUSSO DI CLIENTELA IN POSTE ITALIANE Gan Pero Cervellera Poste Italane, Dvsone Rete Terrtorale, Drezone Operazon, Svluppo Process Ducco

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

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate

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

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

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

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

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

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

Dettagli

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA:

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA: Economa del Settore Pubblco Laura Vc laura.vc@unbo.t www.dse.unbo.t/lvc/edsp_.htm LEZIONE 4 Rmn, 9 aprle 008 Economa del Settore Pubblco 96 I prncpal ndc d dseguaglanza: ndc d entropa generalzzata Isprata

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

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

INDAGINE ESAUSTIVA O CAMPIONARIA?

INDAGINE ESAUSTIVA O CAMPIONARIA? INDAGINE ESAUSTIVA O CAMPIONARIA? S rcorre certamente all ndagne per campone quando la rlevazone completa è mpossble e quando la determnazone delle modaltà possedute dalle untà n esame ne comporta la dstruzone

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

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

Dettagli

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

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

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

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

Regressione lineare: definizione delle incertezze dei coefficienti (calibrazione e regressione generica)

Regressione lineare: definizione delle incertezze dei coefficienti (calibrazione e regressione generica) Regressone lneare: defnzone delle ncertezze de coeffcent (calbrazone e regressone generca) Argoment: regressone lneare affetta da ncertezza; ncertezza del coeffcente angolare della retta d regressone;

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

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

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

PARTE II LA CIRCOLAZIONE IDRICA

PARTE II LA CIRCOLAZIONE IDRICA PARTE II LA CIRCOLAZIONE IDRICA La acque d precptazone atmosferca che gungono al suolo scorrono n superfce o penetrano n profondtà dando orgne alla crcolazone, la quale subsce l nfluenza d molt fattor

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

6.1. Moody s KMV Credit Portfolio Manager

6.1. Moody s KMV Credit Portfolio Manager 6.. Moody s MV Credt Portfolo Manager 6... La struttura del modello L mpanto d Moody s MV (MMV) è costtuto dal modello d Merton e da un approcco d tpo fattorale per la stma delle correlazon. Attualmente,

Dettagli

FORMAZIONE ALPHAITALIA

FORMAZIONE ALPHAITALIA ALPHAITALIA PAG. 1 DI 13 FORMAZIONE ALPHAITALIA IL SISTEMA DI GESTIONE PER LA QUALITA Quadro ntroduttvo ALPHAITALIA PAG. 2 DI 13 1. DEFINIZIONI QUALITA Grado n cu un nseme d caratterstche ntrnseche soddsfa

Dettagli

Probabilità cumulata empirica

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

Dettagli

Economia del Lavoro. Argomenti del corso

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

Dettagli

x(t) x[n] x q [n] x q [n] Campionamento Quantizzazione Codifica

x(t) x[n] x q [n] x q [n] Campionamento Quantizzazione Codifica 1. a conversone analogco dgtale (A/D) a conversone A/D è una operazone che permette d rappresentare un segnale analogco, coè contnuo nel domno del tempo e delle ampezze, medante una seuenza d campon numerc.

Dettagli

La contabilità analitica nelle aziende agrarie

La contabilità analitica nelle aziende agrarie 2 La contabltà analtca nelle azende agrare Estmo rurale ed element d contabltà (analtca) S. Menghn Corso d Laurea n Scenze e tecnologe agrare Percorso Economa ed Estmo Contabltà generale e cont. ndustrale

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements Torna al programma Sstema per la garanza della qualtà ne sstem automatc d msura alle emsson: applcazone del progetto d norma pren 14181:2003. Rsultat dell esperenza n campo presso due mpant plota. Cprano

Dettagli

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

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

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE Corso d laurea n Ingegnera per l Ambente e l Terrtoro a.a. 006-007 Prof. V. Franco: Topografa e tecnche cartografche RETI TOPOGRAFICHE Unverstà degl Stud d Palermo Dpartmento d Rappresentazone Corso d

Dettagli

Scheda metodologica. MeDeC Centro Demoscopico Metropolitano Provincia di Bologna

Scheda metodologica. MeDeC Centro Demoscopico Metropolitano Provincia di Bologna MeDeC Centro Demoscopco Metropoltano Provnca d Bologna Indagne su consum delle famgle bolognes I bolognes e l carovta Commssonata dall Assessorato Attvtà produttve della Provnca d Bologna, nell ambto del

Dettagli

IL MODELLO A 4 STADI (Capitolo 3)

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

Dettagli

Analisi della Varianza

Analisi della Varianza Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella

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