Epidemics. Carmine Spagnuolo September 23, 2014
|
|
- Valentino Grosso
- 8 anni fa
- Visualizzazioni
Transcript
1 Epidemics Carmine Spagnuolo September 23, 2014
2
3
4 Background
5 Background Andamento e Strategie di mercato. Vogliamo aprire un nuovo punto vendita IKEA. Motori di ricerca. PageRank. Ricerca sponsorizzata e suggerimenti. Suggerire un borsa o l ultima versione di una nuovissima scheda video ad un cliente Amazon. Information Cascades. Tra due ristoranti, uno pieno e uno vuoto, quale scegliere? Network effects. FlappyBirds????????? Perché? (Tipping point, in sociologia ed economia.) Network structure. Conviene scegliere Brad Pitt o Dave Thompson (Tinky Winky - Teletubbies) per pubblicizzare un nuovo prodotto? Chi è il vero Boss nella serie Gomorra?
6 Background
7 Background Coppa del Mondo FIFA del South Africa 2010 Vincono le Furie Rosse Javier López Peña e Hugo Touchette, School of Mathematical Sciences Queen Mary, University of London. Chi passa di più in una squadra? Qual è il modello di passaggio di una squadra? E possibile prevedere una squadra vincente in base al suo modello di passaggio? Grafo diretto e pesato, G = (V, E) dove V è l insieme dei giocatori ed E rappresenta il numero di passaggi tra due giocatori.
8 Background Centralità: misura l importanza di un giocatore nella rete. Il giocatore con la centralità più alta non è necessariamente il giocatore che riceve o effettua il maggior numero di passaggi. Ma è il giocatore che collega il maggior numero di altri giocatori. Centri della rete: i centri di una squadra sono i giocatori che hanno distanza minima da tutti gli altri giocatori. Un giocatore centrale è facilmente raggiungibile (con un solo passaggio). Perché la Spagna ha vinto? 1. La struttura delle reti rileva che i giocatori spagnoli hanno un elevato numero di passaggi, quasi il 40 per cento in più rispetto alla Germania e due volte rispetto l Olanda. 2. David Villa, capocannoniere del torneo, ha ricevuto in media 37 passaggi a partita, più di ogni altro attaccante del mondiale. 3. Il gameplay olandese è caratterizzato da un basso numero di passaggi tra i giocatori, la maggior parte dei quali destinati agli attaccanti. ht/footballgraphs/
9 Background - Web Fine del 1999 Andrei Broder (AltaVista Yahoo Google) e colleghi. Analisi successive mostrano la stessa struttura includendo anche le informazioni di Google e Wikipedia.
10 Background - Six Degrees of Separation Negli anni cinquanta Ithiel de Sola Pool (MIT) e Manfred Kochen (IBM) cercarono di provare la teoria matematicamente e formularono quindi la domanda: Dato un insieme di N persone, qual è la probabilità che ogni membro di N sia connesso a un altro membro attraverso k 1, k 2, k 3...k n collegamenti?. Per circa vent anni però nessuno riuscì a risolvere il problema in modo soddisfacente. (Wikipedia Sei gradi di separazione, Copia/Incolla) Nel 1967 il sociologo americano Stanley Milgram trovò un nuovo sistema per testare empiricamente la teoria, che egli chiamò teoria del mondo piccolo. Confermata nel 1998 da Duncan Watts e Steven Strogatz in un articolo su Nature dal titolo: Collective dynamics of smallworld networks.
11 Background - Six Degrees of Separation Nel 2011, un gruppo di informatici dell Università degli studi di Milano, in collaborazione con due informatici di Facebook (FB), hanno mostrato sperimentalmente che in media il grado è 4.75.
12 Background - Six Degrees of Separation Robin Dunbar, psicologo evolutivo dell Università di Oxford afferma che: persone con 500 amici su Facebook hanno solo 26 relazioni di comunicazione reciproca; persone con 150 amici hanno circa 12 relazioni con comunicazione reciproca. Quindi meno del dieci per cento delle relazioni di Facebook sono amicizie strette.
13 Background - Small-World Phenomenon
14
15 Epidemics - Motivazioni Siamo interessati a studiare come modellare le dinamiche di diffusione di un epidemia. La diffusione di virus ed epidemie è di grande interesse per Salute; Sociologi; Diffusione di idee e di influenza sociale; Hollywood. Il Contagio biologico è caratterizzato 1. proprietà patogene della malattia (fenomeni biologici) 2. e dalla rete di contatti (fenomeni sociali).
16 Rete di contatti - Definizione Un grafo G = (V, E) dove: V è l insieme delle persone; E è l insieme delle relazioni tra le persone, esiste un arco e = (v 1, v 2 ) sse la probabilità che v 1 e v 2 siano in contatto è maggiore di 0.
17 Rete di contatti - Motivazioni Modellare accuratamente la rete di contatti è di fondamentale importanza per lo studio della propagazione di una malattia. La struttura della rete di contatti cambia in funzione delle proprietà patogene della malattia (in particolare per la metodologia di trasmissione): Elevato livello di contagio grafo denso. Basso livello di contagio grafo sparso.
18 Contagio Sociale Chiaramente la diffusione di una malattia è simile alla diffusione delle idee nei social networks: la malattia e le idee passano da persona a persona; la struttura della rete di contatti è molto simile. Contagio Sociale Studio della diffusione delle idee.
19 Contagio Sociale Differenze tra contagio biologico e contagio sociale: 1. Il processo con il quale ogni persona è infettata; 2. Le persone possono scegliere di adottare o meno una nuova idea; 3. II processo di infezione nelle malattie è molto complesso e spesso si sceglie una strategia casuale: Ogni persona è infettata con una certa probabilità p.
20 Modelli di propagazione casuali
21
22 Branching Processes Il primo modello che studiamo è il più semplice possibile: Ogni persona trasmette la malattia con una probabilità p di contagio indipendente; Supponiamo che una persona contagiosa incontra al più k persone; La struttura della rete di contatti è un albero radicato in un nodo infetto.
23 Branching Processes Rete di contatti per k = 3 Il modello è suddiviso in fasi, inizialmente solo una persona è contagiata: Fase 1: k persone infettate; Fase 2: k k = k 2 persone infettate; Fase i-esima: k i persone infettate. (Una persona viene infettata con probabilità p indipendente da tutti gli altri casi di contagio)
24 Branching Processes 0 < p < 1
25 Branching Processes 0 p < 1
26 Branching Processes Terminazione: Se in una certa fase i nessuna persona è infettata la procedura termina; Altrimenti continua (le fasi continuano potenzialmente all infinito).
27 Branching Processes Considerazioni: Una persona infettata alla fase i può essere infettata solo da persone infettate nella fase j: j < i; Vogliamo studiare la diffusione della malattia; per com è definita la procedura sono possibili due casi: La procedura termina in numero finito di passi e la malattia viene debellata; La procedura continua all infinito.
28 Branching Processes Studiamo i due casi valutando una certa quantità R 0 definita come Numero Riproduttivo di Base: valore atteso del numero di nuovi casi generati da un singolo individuo. La procedura termina in un numero finito di passi e la malattia viene debellata R 0 < 1 allora con probabilità p = 1 la procedura termina in un numero finito di passi; La procedura continua all infinito R 0 > 1 allora con probabilità p > 0 la procedura continua all infinito infettando almeno una persona per fase.
29 Branching Processes In altre parole: R 0 = p k, La procedura termina in un numero finito di passi e la malattia viene debellata R 0 < 1 la malattia non è in grado di replicarsi, ogni persona infetta genera meno di un nuovo caso atteso (anche se casuale la taglia degli infetti è destinata a decrescere); La procedura continua all infinito R 0 > 1 la malattia è dura a morire con probabilità 0 < p < 1: p < 1 allora è possibile che in una fase nessuna persona infetti e la malattia venga debellata; Notiamo che il caso R 0 = 1 significa che la malattia è endemica.
30 Branching Processes Notiamo che quando R 0 1 modificando valori di p o di k di una piccola quantità la propagazione della malattia cambia significativamente (Knife-Edge effect). Diminuendo k o p si incrementa notevolmente il benessere sociale. In particolare diminuendo il grado di contatto k si applica una metodologia di quarantena; se invece si applicano strategie di assistenza sanitaria o health best-practices si riduce il valore di p - Bisogna sempre lavarsi le mani :-).
31 Branching Processes Dimostriamo prima il caso R 0 < 1, definiamo: R 0 = p k, valore atteso infettati da una persona; q i, la probabilità che la malattia sopravvive per almeno i fasi, in altre parole qualche persona al livello i esimo dell albero diventa infetto; q, il limite di q i quando i, probabilità che la malattia persista all infinito. Vogliamo mostrare che se A R 0 < 1 allora q = 0 B R 0 > 1 allora q > 0 in pratica vogliamo far vedere che l epidemia dipende drasticamente da R 0 1.
32 Branching Processes A Vogliamo far vedere che se R 0 < 1 allora q = 0 (la malattia non sopravvive per i ) Notiamo che: Il modello utilizza la struttura albero quindi il numero di persone al livello i esimo per il fattore di contagio k è uguale a k i. Definiamo: X n variabile casuale che conta il numero di persone infette alla fase n; E[Xn ] il numero medio di persone infette alla fase n; per semplicità definiamo Xn = m Y nj dove Y nj è una variabile casuale che vale 1 se la j esima persona è infetta e 0 altrimenti (per m = k n contiamo il numero di persone infette alla fase n). j=1
33 Branching Processes Per la proprietà di linearità del valore atteso possiamo scrivere: E[X n ] = E[ m Y nj ] = m E[Y nj ]. j=1 Ogni singolo valore E[Y nj ] è facile da calcolare: E[Y nj ] = 1 Pr[Y nj = 1] + 0 Pr[Y nj = 0] = Pr[Y nj = 1]. Dobbiamo calcolare la probabilità che la j esima persona è infetta alla fase n: Una persona è infetta alla fase n se esiste un cammino radice/foglia-j in cui ogni nodo è infetto; La malattia si propaga in modo indipendente con probabilità p allora: Pr[Y nj = 1] = p n = E[Y nj ]. j=1 Alla fase n sono presenti m = k n persone allora: E[X n ] = p n k n = (pk) n = R n 0
34 Branching Processes Utilizziamo il precedente risultato E[X n ] = p n k n = (pk) n = R n 0 per dimostrare che se R 0 < 1 allora q = 0. Per definizione di valore atteso E[X n ] = 1 Pr[X n = 1] + 2 Pr[X n = 2] + 3 Pr[X n = 3] +... che possiamo scrivere anche come E[X n ] = Pr[X n 1] + Pr[X n 2] + Pr[X n 3] +... allora sicuramente E[X n ] Pr[X n 1] = probabilità che la malattia sopravviva per n fasi q n (E[X n ] = R n 0 e E[X n] q n ) R n 0 q n. Se R 0 < 1 per n, R n 0 0 quindi anche q n 0; Punto A dimostrato! :-)
35 Branching Processes B Se R 0 > 1 allora q > 0 E[Xn ] = R n 0, n anche Rn 0 : Non è sufficiente a dimostrare che q > 0; Potrebbe esistere una sequenza di variabili casuali: E[X n] ma Pr[X n > 0] 0. Ad esempio: Supponiamo che Pr[X n = 4 n ] = 2 n e Pr[X n! = 4 n ] = 0 allora E[X n] = ( 4 2 )n = 2 n, in questo caso E[X n] mentre Pr[X n > 0] = 2 n 0.
36 Branching Processes Per dimostrare il punto [B] dobbiamo studiare meglio la quantità q n : k, numero di contatti per individuo; p, probabilità di contagio; n, livello dell albero. La quantità q n può essere espressa in funzione di q n 1.
37 Branching Processes Consideriamo l evento E: la malattia si diffonde dalla radice a un nodo j e persiste per n fasi nei sottoalberi raggiungibili da j. La probabilità dell evento E è pq n 1.
38 Branching Processes Allora con probabilità 1 (pq n 1 ) il nodo j non è stato infettato alla fine di n fasi. Dato che ogni nodo viene infettato con probabilità p indipendente: (1 pq n 1 ) k è la probabilità che nessun nodo al primo livello venga infettato in n fasi. Notiamo che la probabilità (1 q n ) è la probabilità dell evento in cui la malattia non periste per n fasi: quindi (1 qn ) = (1 pq n 1 ) k, risolvendo per qn otteniamo che q n = 1 (1 pq n 1 ) k Se consideriamo che la radice è infetta con probabilità 1 ossia q 0 = 1 possiamo costruire la sequenza q 0, q 1, q 2, q 3,..., q n.
39 Branching Processes Non ci resta che studiare q 0, q 1, q 2, q 3,..., q n quando n. Definiamo f (x) = 1 (1 px) k allora q n = f (q n 1 ) Studiamo la sequenza 1, f (1), f (f (1)), f (f (f (1))),... :
40 Branching Processes R 0 > 1 Proprietà di f : f (0) = 0, f (1) < 1 f (x) = pk(1 px) k 1 x = 0, f (0) = R 0 (> 1) Le tre proprietà consentono di affermare che y = f (x) interseca y = x in qualche punto (x, x ), 0 < x < 1, q = x.
41 Branching Processes R 0 < 1
42
43 SIR La principale limitazione del modello Branching Processes è la struttura della rete di contatti. SIR è un modello che può essere applicato a qualsiasi struttura di rete; ogni individuo può assumere tre stati: SIR S : suscettibile, può contrarre la malattia; I : infetto, ha contratto la malattia e può diffonderla; R : rimosso, non è più infetto e non può essere più preso in considerazione. In questa versione non consideriamo che un individuo possa contrarre nuovamente la malattia.
44 SIR Inizialmente, alcuni nodi sono nello stato I mentre tutti gli altri sono in S; Ogni nodo v entra nello stato I e ci rimane per un numero fissato di step t I ; Durante t I step, ogni nodo infetto v infetta tutti i nodi vicini nello stato S con una probabilità p; Dopo t I step, un nodo v nello stato I passa allo stato R, ossia non è più malato o immune.
45 SIR Notiamo che il modello Branching Processes è un caso speciale di SIR con t I = 1 e rete di contatti pari ad un albero infinito.
46 SIR Anche se SIR è sufficientemente generale rimane un modello semplice per lo studio della diffusione di una malattia. Possibili estensioni: Migliorare la strategia di contagio: 1. utilizzare una differente probabilità p v,w per ogni coppia di nodi v, w per la quale esiste un arco; 2. differenti valori di probabilità per la generazione del numero di passi t I ; 3. introdurre una probabilità q di poter passare nello stato Rimosso in uno qualsiasi dei passi t I.
47 SIR Anche se SIR è sufficientemente generale rimane un modello semplice per lo studio della diffusione di una malattia. Possibili estensioni: Differenti stati di contagio: modellare il livello di contagio secondo differenti periodi della malattia, ad esempio R 0 = R STATO INIZIALE + R STATO INTERMEDIO + R STATO FINALE. Mutazione dell agente patogeno nel tempo (Michelle Girvan, Duncan S. Callaway, M. E. J. Newman, and Steven H. Strogatz, Simple model of epidemics with pathogen mutation, Physical Review 2002)
48 SIR - Rete di contatti Consideriamo il valore R 0 nel modello SIR: Supponiamo ad esempio che k = 2, t I = 1 e p = 2 3 R 0 = = 4 3, R 0 > 1 allora q > 0 Se suddividiamo i nodi a due a due verticalmente, ogni coppia forma un livello e la malattia si propaga da livello a livello. Con probabilità (1 2 3 ) un nodo non viene contagiato. Quindi con probabilità ( 1 3 )4 = 1 81 tutti e quattro i link falliscono nel propagare la malattia. Questo semplice esempio dimostra che la struttura della rete di contatti determina fortemente la diffusione della malattia.
49 SIR - Statico Fino ad ora abbiamo studiato i modelli di propagazione in base ad una visione dinamica. Consideriamo adesso una visione statica del modello SIR: Valutiamo la dinamica SIR al tempo t I = 1; Al tempo t I = 1 un certo nodo v è infetto, v infetta un suo vicino w, che si trova nello stato S, con probabilità p indipendente.
50 SIR - Statico Al fine di ottenere una visione statica del modello: Possiamo studiare il precedente scenario come un evento casuale dove: Il nodo v contagia il nodo w se nel lancio di una moneta truccata esce testa; La moneta è tale che con probabilità p esce testa e con probabilità 1 p esce croce.
51 SIR - Statico Al fine di ottenere una visione statica del modello: Prima dell avvio della procedura possiamo lanciare una moneta per ogni arco e = (u, v) E : u, v V e memorizzare il risultato al fine di utilizzarlo in seguito. Definiamo che: un arco è aperto se la moneta ad esso associata vale testa; G (ti =1) = (E, V ) il grafo al tempo t I = 1 dove E = {e E t.c. e è aperto}, V = (V I V S ),V I = {tutti i nodi nello stato I al tempo t I = 1 }, V S = {tutti i nodi nello stato S al tempo t I = 1 }. Possiamo affermare che: Un nodo w V S può essere infettato durante la procedura sse esiste un cammino C = [v w] in G tale che v V I.
52
53 SIS, modello dove le persone possono essere reinfettate Semplice variante di SIR in cui le persone possono contrarre nuovamente la malattia: Inizialmente, alcuni nodi sono nello stato I mentre tutti gli altri sono in S; Ogni nodo v entra nello stato I e ci rimane per un numero fissato di step t I ; Durante t I step, ogni nodo infetto v infetta tutti i nodi vicini nello stato S con una probabilità p; Dopo t I step, un nodo v nello stato I passa allo stato S.
54
55 SIRS Una modifica interessante di SIR è il modello SIRS, il quale consente di studiare il caso di alcune malattie che presentano un numero oscillante di casi nel tempo in determinate popolazioni: Inizialmente, alcuni nodi sono nello stato I mentre tutti gli altri sono in S; Ogni nodo v entra nello stato I e ci rimane per un numero fissato di step t I ; Durante t I step, ogni nodo infetto v infetta tutti i nodi vicini nello stato S con una probabilità p; Dopo t I step, un nodo v nello stato I passa allo stato R per un numero fissato di passi t R. Terminati i passi t R il nodo torna nello stato S (come per t I il numero di passi t R può essere determinato in modo casuale).
56
57 SIRS - Small-world Il numero di passi t R rappresenta un periodo di immunità temporanea nella quale i nodi non possono contrarre la malattia né possono diffonderla, tale periodo di immunità modella le oscillazioni del numero di casi nella popolazione considerata. t R da solo non è sufficiente a modellare correttamente il fenomeno delle oscillazioni dato che si producono molte oscillazioni localmente distribuite. Un meccanismo semplice per meglio modellare il fenomeno delle oscillazioni è quello di aumentare il numero di connessioni long-range con una certa probabilità c. Marcelo Kuperman and Guillermo Abramson, Small World Effect in an Epidemiological Model, Physical Review Letters, March 2001.
58 SIRS - Small-world
59 SIRS (Small-world) L esperimento dimostra che: 1. Quando il parametro c è piccolo (= 0,01) il contagio è soprattutto a livello locale, nei cluster della rete; 2. Quando il parametro c è grande (= 0.9) le oscillazioni sono molto pronunciate dato che la malattia riesce a spostarsi velocemente nella rete; 3. Con l impostazione intermedia (= 0.2) vi è un comportamento oscillante alternato.
60
61 Transient contacts Malattie come HIV/AIDS per essere studiate richiedono un modello più flessibile: in questo modello consideriamo una rete dinamica nella quale gli archi della rete hanno un tempo di inizio e fine. Rete di contatti trasmissioni sessuali college.
62 Transient contacts La flessibilità ottenuta dalla rete di contatti dinamica consente anche di studiare la diffusione di idee nel caso in cui i link della rete rappresentano relazioni personali, lavorative, di amicizia etc. Possiamo rappresentare il grafo dinamico dei contatti etichettando gli archi con l intervallo di durata [INIZIO, FINE]. Notiamo che nello studio delle malattie tipicamente si considera il grafo non diretto. Mentre nello studio della diffusione di idee si considera il grafo come diretto.
63 Transient contacts Supponiamo il caso di t(i ) = 5: In figura (a), la malattia potenzialmente può diffondersi dal nodo u al nodo w e y, ma non al nodo x. In figura (b), dove il periodo di contatto degli archi (v, w) e (w, y) è stato modificato, il nodo u può diffondere la malattia solo al nodo v. Per il corretto studio di una malattia è di fondamentale importanza conoscere l ordine e il tempo dei legami che vanno a crearsi nella rete.
64 Transient contacts - Legami concorrenti La presenza di relazioni simultanee nella rete incrementa notevolmente la probabilità di diffusione della malattia. Supponiamo sempre il caso di t(i ) = 5: In figura (a), u non può diffondere la malattia se non a v; In figura (b), w è in contatto con v, y e x simultaneamente, adesso la malattia può diffondersi in tutta la rete.
65
66 Genealogia ed ereditarieta genetica I Mitochondrial Eve I I Rebecca Cann, Mark Stoneking and Allan Wilson, 1987 Affermano che tutti i legami genetici materni hanno un unico antenato comune, una donna che viveva tra e anni fa, probabilmente in Africa, che ha trasmasso il suo DNA mitocondriale.
67 Genealogia ed ereditarietà genetica Assumiamo che il DNA mitocondriale sia ereditato da una singola madre. DNA mitocondriale è il DNA collocato nei mitocondri, organelli interni alla cellula, che si ritiene che si siano evoluti separatamente. Nell uomo il DNA mitocondriale consta di paia di basi e 37 geni. Possiamo definire un modello che consenta di risalire al tempo in cui viveva l individuo definito Eva mitocondriale. Il modello è in grado di identificare il tempo in cui viveva ma non ci dice che era l unica femmina (o maschio).
68 Genealogia ed ereditarietà genetica Al fine di rendere il modello matematico più semplice da analizzare assumiamo inoltre che Il modello è adatto anche alla riproduzione asessuale e non solo ai legami dovuti al DNA mitocondriale; Ogni generazione è composta da N individui (assumiamo inoltre che la popolazione non possa crescere); Le generazioni sono completamente sincronizzate, la generazione composta da N individui al tempo t genera esattamente N individui al tempo t + 1; Ogni discendente è generato da un singolo genitore, selezionato casualmente e in modo uniforme (è chiaro che ogni genitore potenzialmente può avere più discendenti). Modello Wright-Fisher.
69 Genealogia ed ereditarietà genetica
70 Genealogia ed ereditarietà genetica
71 Riferimenti Easley David, Kleinberg Jon, Book, Chapter 21 - Epidemics, Networks, Crowds, and Markets: Reasoning About a Highly Connected World, 2010.
Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita
Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita NOTA 1 Gli esercizi sono presi da compiti degli scorsi appelli, oppure da testi o dispense di colleghi. A questi ultimi
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
DettagliUlteriori problemi di fisica e matematica
Facoltà di Medicina e Chirurgia Università degli Studi di Firenze Agosto 2010 Ulteriori problemi di fisica e matematica Giovanni Romano Perché un raggio di luce proveniente dal Sole e fatto passare attraverso
DettagliEffetto Feedback fra somiglianza e influenza sociale nelle community on line
ALMA MATER STUDIORUM A.D. 1088 UNIVERSITÁ DI BOLOGNA Scuola di Scienze MM FF NN Corso di Laurea Magistrale in Informatica Effetto Feedback fra somiglianza e influenza sociale nelle community on line Claudia
DettagliI motori di ricerca. Che cosa sono. Stefania Marrara Corso di Sistemi Informativi
I motori di ricerca Stefania Marrara Corso di Sistemi Informativi a.a 2002/2003 Che cosa sono Un motore di ricerca è uno strumento per mezzo del quale è possibile ricercare alcuni termini (parole) all
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
Dettagli(liberamente interpretato da http://www2.unipr.it/~bottarel/epi/homepage.html) SCHEDA ALUNNI. Descrizione dell attività:
Pagina 1 di 11 (liberamente interpretato da http://www2.unipr.it/~bottarel/epi/homepage.html) SCHEDA ALUNNI Descrizione dell attività: Problema 1. Siamo nel 2060 ed ormai gli umani hanno colonizzato Marte.
DettagliMatematica Applicata. Probabilità e statistica
Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliA intervalli regolari ogni router manda la sua tabella a tutti i vicini, e riceve quelle dei vicini.
Algoritmi di routing dinamici (pag.89) UdA2_L5 Nelle moderne reti si usano algoritmi dinamici, che si adattano automaticamente ai cambiamenti della rete. Questi algoritmi non sono eseguiti solo all'avvio
DettagliNote su quicksort per ASD 2010-11 (DRAFT)
Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
DettagliLaboratorio sulle dinamiche Socio-Economiche
Laboratorio sulle dinamiche Socio-Economiche Progetto Lauree Scientifiche Giacomo Albi Dipartimento di Matematica e Informatica Università di Ferrara, Italia www.giacomoalbi.com giacomo.albi@unife.it Giacomo
DettagliCalcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.
Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel
DettagliAnalisi di Protocolli
Analisi di Protocolli Elenco di protocolli d accesso I principali protocolli di accesso si possono dividere in:. protocolli deterministici (accesso ordinato);. protocolli ad accesso casuale (o a contesa).
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliMetodi Computazionali
Metodi Computazionali Elisabetta Fersini fersini@disco.unimib.it A.A. 2009/2010 Catene di Markov Applicazioni: Fisica dinamica dei sistemi Web simulazione del comportamento utente Biologia evoluzione delle
DettagliCome valutare le caratteristiche aerobiche di ogni singolo atleta sul campo
Come valutare le caratteristiche aerobiche di ogni singolo atleta sul campo Prima di organizzare un programma di allenamento al fine di elevare il livello di prestazione, è necessario valutare le capacità
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 16 luglio 2006 V.a. discrete e distribuzioni discrete Esercizio 1 Dimostrare la proprietà della mancanza di memoria della legge geometrica, ovvero
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
Dettagli(concetto classico di probabilità)
Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliEsercizi. Rappresentando le estrazioni con un grafo ad albero, calcolare la probabilità che:
Esercizi Esercizio 4. Un urna contiene inizialmente 2 palline bianche e 4 palline rosse. Si effettuano due estrazioni con la seguente modalità: se alla prima estrazione esce una pallina bianca, la si rimette
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliSocial Network. Marco Battini
Social Network Marco Battini Luoghi immateriali che grazie all elettricità si sono trasformati in realtà oggettiva frequentata da milioni di persone nel mondo. Luoghi che ti permettono di essere sempre
DettagliAlgoritmi e Strutture Dati
Elementi di Programmazione Dinamica Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino Il problema La CMC produce automobili in uno stabilimento
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
Dettaglistudi e analisi finanziarie La Duration
La Duration Cerchiamo di capire perchè le obbligazioni a tasso fisso possono oscillare di prezzo e, quindi, anche il valore di un fondo di investimento obbligazionario possa diminuire. Spesso si crede
DettagliLA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO?
LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO? Versione preliminare: 25 Settembre 2008 Nicola Zanella E-Mail: n.zanella@yahoo.it ABSTRACT In questa ricerca ho
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliPage 1. Evoluzione. Intelligenza Artificiale. Algoritmi Genetici. Evoluzione. Evoluzione: nomenclatura. Corrispondenze natura-calcolo
Evoluzione In ogni popolazione si verificano delle mutazioni. Intelligenza Artificiale In un ambiente che varia, le mutazioni possono generare individui che meglio si adattano alle nuove condizioni. Questi
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliChecklist per l uso dei siti di deal (siti intermediari d affari)
1. Il mercato dei siti di deal Sì No 1.1 Conosce i principali siti di deal esistenti sul mercato (non solo i più grandi, ma anche quelli locali)? 1.2 Lo sa che i siti di deal più piccoli, sebbene abbiano
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliPROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO
PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO 1. Load Balancing Un istanza del problema del load balancing consiste di una sequenza p 1,..., p n di interi positivi (pesi dei job) e un
DettagliOCCUPATI E DISOCCUPATI DATI RICOSTRUITI DAL 1977
24 aprile 2013 OCCUPATI E DISOCCUPATI DATI RICOSTRUITI DAL 1977 L Istat ha ricostruito le serie storiche trimestrali e di media annua dal 1977 ad oggi, dei principali aggregati del mercato del lavoro,
DettagliRegressione Logistica: un Modello per Variabili Risposta Categoriali
: un Modello per Variabili Risposta Categoriali Nicola Tedesco (Statistica Sociale) Regressione Logistica: un Modello per Variabili Risposta Categoriali 1 / 54 Introduzione Premessa I modelli di regressione
DettagliLezione 10: Il problema del consumatore: Preferenze e scelta ottimale
Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 9 marzo 2010 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2010.html TEOREMI DI ESISTENZA TEOREMI DI ESISTENZA Teorema
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliReport di valutazione studiolegalebraggio.it
Roma, li 15/01/2013 Report di valutazione studiolegalebraggio.it Il presente documento è redatto allo scopo di mostrare e analizzare le performance del sito web a due mesi e mezzo dalla pubblicazione online,
DettagliIl sistema monetario
Il sistema monetario Premessa: in un sistema economico senza moneta il commercio richiede la doppia coincidenza dei desideri. L esistenza del denaro rende più facili gli scambi. Moneta: insieme di tutti
DettagliUna sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.
Una sperimentazione Probabilità Si sta sperimentando l efficacia di un nuovo farmaco per il morbo di Parkinson. Duemila pazienti partecipano alla sperimentazione: metà di essi vengono trattati con il nuovo
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliGENETICA MENDELIANA NELL UOMO
GENETICA MENDELIANA NELL UOMO GENETICA FORMALE o GENETICA CLASSICA basata unicamente su risultati visibili di atti riproduttivi. È la parte più antica della genetica, risalendo agli esperimenti di Mendel
DettagliEsercitazione n.2 Inferenza su medie
Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione
DettagliStrutturazione logica dei dati: i file
Strutturazione logica dei dati: i file Informazioni più complesse possono essere composte a partire da informazioni elementari Esempio di una banca: supponiamo di voler mantenere all'interno di un computer
DettagliEquilibrio bayesiano perfetto. Giochi di segnalazione
Equilibrio bayesiano perfetto. Giochi di segnalazione Appunti a cura di Stefano Moretti, Silvia VILLA e Fioravante PATRONE versione del 26 maggio 2006 Indice 1 Equilibrio bayesiano perfetto 2 2 Giochi
DettagliLa Social Network Analysis applicata alla ricerca semantica
La Social Network Analysis applicata alla ricerca semantica Ernesto Lastres Sistemi Territoriali S.r.l. Cascina (Pisa), Italy Il Progetto ODINet è realizzato con il determinante contributo della Regione
Dettagli1. Limite finito di una funzione in un punto
. Limite finito di una funzione in un punto Consideriamo la funzione: f ( ) = il cui dominio risulta essere R {}, e quindi il valore di f ( ) non è calcolabile in =. Quest affermazione tuttavia non esaurisce
DettagliTasso di occupazione per fasce di età. Provincia di Piacenza, 2009 90,3 83,1 77,7 27,6 16,4. 15-24 anni. 25-34 anni. 45-54 anni.
La situazione occupazionale dei giovani in provincia di Piacenza Premessa Una categoria di soggetti particolarmente debole nel mercato del lavoro è rappresentata, di norma, dai lavoratori di età più giovane
DettagliDomande a scelta multipla 1
Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliApprossimazione polinomiale di funzioni e dati
Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
Dettagli4 I LAUREATI E IL LAVORO
4I LAUREATI E IL LAVORO 4 I LAUREATI E IL LAVORO La laurea riduce la probabilità di rimanere disoccupati dopo i 30 anni L istruzione si rivela sempre un buon investimento a tutela della disoccupazione.
DettagliVerifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliMATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
DettagliIntroduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini
Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Dipartimento di Ingegneria della Informazione Via Diotisalvi, 2 56122 PISA ALGORITMI GENETICI (GA) Sono usati per risolvere problemi di ricerca
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliIL MODELLO CICLICO BATTLEPLAN
www.previsioniborsa.net 3 Lezione METODO CICLICO IL MODELLO CICLICO BATTLEPLAN Questo modello ciclico teorico (vedi figura sotto) ci serve per pianificare la nostra operativita e prevedere quando il mercato
DettagliSocialMediaDivision. grippiassociati WEB AGENCY SINCE 1996. Social Marketing & Divulgazione Virale. www.socialmediadiv.com
SocialMediaDivision www.socialmediadiv.com grippiassociati WEB AGENCY SINCE 1996 Social Marketing & Divulgazione Virale Essere raggiungibile tramite i motori di ricerca è sicuramente utile, ma è un'operazione
DettagliIndice di rischio globale
Indice di rischio globale Di Pietro Bottani Dottore Commercialista in Prato Introduzione Con tale studio abbiamo cercato di creare un indice generale capace di valutare il rischio economico-finanziario
DettagliEsercizi di Calcolo delle Probabilita (I)
Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:
DettagliSequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione
Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione presentato in questo file trova la seq. a costo minimo per
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 14 marzo 2013 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2013.html IL PARI O DISPARI I II S T S (-1, 1) (1, -1)
DettagliFACCIAMO RETE! SEO SEM. Fabio Dell Orto SEO SEM Specialist
FACCIAMO RETE! SEO SEM Fabio Dell Orto SEO SEM Specialist Le tecnologie e le funzionalità fruibili attraverso internet continueranno ad evolversi, tuttavia c è una costante che rimarrà immutata nel tempo.
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliEffetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria
Effetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria Christopher N. Sciamanna, Scott P. Novak, Bess H. Marcus. International Journal of
DettagliINTRODUZIONE AI CICLI
www.previsioniborsa.net INTRODUZIONE AI CICLI _COSA SONO E A COSA SERVONO I CICLI DI BORSA. Partiamo dalla definizione di ciclo economico visto l argomento che andremo a trattare. Che cos è un ciclo economico?
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliIncentivi alla cooperazione Introduzione
Incentivi alla cooperazione dellamico@disi.unige.it Sistemi Distribuiti P2P A.A. 2007-08 6-7 dicembre 2007 Outline 1 Cooperazione e free riding Free riding Reciprocità 2 Eliminazione iterata 3 Forma iterata
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 26 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html COOPERAZIONE Esempio: strategie correlate e problema
DettagliMonitoraggio sulla conversione dei prezzi al consumo dalla Lira all Euro
ISTAT 17 gennaio 2002 Monitoraggio sulla conversione dei prezzi al consumo dalla Lira all Euro Nell ambito dell iniziativa di monitoraggio, avviata dall Istat per analizzare le modalità di conversione
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Sistemi di Numerazione Sistema decimale La
DettagliOPEN - Fondazione Nord Est Febbraio 2013
A7. FECONDITÀ, NUZIALITÀ E DIVORZIALITÀ Diminuisce il tasso di fertilità dopo la crescita degli ultimi anni A livello nazionale il tasso di fecondità totale (numero medio di figli per donna in età feconda)
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE SISTEMI M/G/1 e M/D/1 Sistemi M/G/1 Nei sistemi M/G/1: i clienti arrivano secondo un processo di Poisson con parametro λ i tempi di servizio hanno una distribuzione generale della
DettagliROI, WACC e EVA: strumenti di pianificazione economico finanziaria Di : Pietro Bottani Dottore Commercialista in Prato
Articolo pubblicato sul n 22 / 2004 di Amministrazione e Finanza edito da Ipsoa. ROI, WACC e EVA: strumenti di pianificazione economico finanziaria Di : Pietro Bottani Dottore Commercialista in Prato Premessa
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
DettagliArchivio WebQuest I Grafi e le Reti
Archivio WebQuest I Grafi e le Reti Spazi applicativi di grafi e reti La teoria dei grafi nata quasi come esclusivo "oggetto matematico" ha tratto notorietà e importanza dalla capacità di rendere topologicamente
DettagliMaster della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa
Master della filiera cereagricola Giovanni Di Bartolomeo Stefano Papa Facoltà di Agraria Università di Teramo Impresa e mercati Parte prima L impresa L impresa e il suo problema economico L economia studia
DettagliEsercizi Capitolo 6 - Alberi binari di ricerca
Esercizi Capitolo 6 - Alberi binari di ricerca Alberto Montresor 23 settembre 200 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliTEORIA CROMOSOMICA : ALLEGATI
TEORIA CROMOSOMICA : ALLEGATI FIG. 2 a pag. 1 FIG. 5 a pag. 3 FIG. 7 a pag. 5 FIG. 9 a pag. 7 FIG. 3 e 4 a pag. 2 FIG. 6 a pag. 4 FIG. 8 a pag. 6 FIG. 10 e 11 a pag. 8 1 FIGURA 2 Perché sono tutti maschi
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliI ricavi ed i costi di produzione
I ricavi ed i costi di produzione Supponiamo che le imprese cerchino di operare secondo comportamenti efficienti, cioè comportamenti che raggiungono i fini desiderati con mezzi minimi (o, che è la stessa
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
Dettagli