GESTIONE DELLA PRODUZIONE

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "GESTIONE DELLA PRODUZIONE"

Transcript

1 GESTIONE EA PROUZIONE Teciche di Previsioe della domada Meodi esrapolaivi Gesioe della Produzioe iparimeo di Igegeria

2 omada e compoei della domada Tedeziali (red) a caraere geeralmee crescee e decrescee Tred Cogiuurale Sagioale Casuale Sisemaiche dovua all azioe idividuabile e misurabile di forze e aura deermiaa; Cicliche (cogiuurali) oscillaoria co ciclo di ampiezza e periodo variabili el empo omada complessiva Oscillaorie Es. cogiuura coso dollaro+ coso bre = prezzo bezia empo Casuali dovua all isieme di ue le alre forze di aura o deermiaa Sagioali oscillaorie co ciclo di periodo cosae el empo Gesioe della Produzioe iparimeo di Igegeria

3 Possibili modelli di domada Modelli moliplicaivi: compoee sisemaica=level red faore sagioale Modelli addiivi: compoee sisemaica=level + red + faore sagioale Miso: compoee sisemaica=(level + red) faore sagioale Gesioe della Produzioe 3 iparimeo di Igegeria

4 Il meodo «saico» Si basa sul modello miso F l lt Sl = sima del livello (domada desagioalizzaa) T=sima del red (icremeo o decremeo domada) S =sima del faore sagioale periodo =domada effeiva osservaa periodo F =previsioe della domada periodo Gesioe della Produzioe 4 iparimeo di Igegeria

5 Esempio Esempio Ao Trimesre Periodo omada omada Trimesre Faori sagioali e red evidei il livello, red e le sagioalià possoo essere simai i due fasi ) esagioalizzazioe e regressioe lieare per simare livello e red 2) Simare i faori sagioali Gesioe della Produzioe 5 iparimeo di Igegeria

6 esagioalizzazioe della domada ) sima del livello e del red T Bisoga elimiare dai dai di domada gli effei sagioali (desagioalizzazioe) si calcola per ogi periodo la media ceraa di u umero di valori, uguali alla periodicià, della domada osservaa Se la periodicià è pari, si effeuao prima le medie mobili primarie, e poi le si cerao ( p / 2) ( p / 2) ( p / 2) 2 i /(2p) i( p / 2) se p è pari ( p/2) / p i ( p/2) i se p è dispari Gesioe della Produzioe 6 iparimeo di Igegeria

7 I valori rovai araverso le medie o coproo uo l iervallo dei dai. Essi vegoo esesi ai dai macai araverso ua regressioe lieare Periodo omada 8000 Medie cerae Effeiva Trimesre medie cerae Gesioe della Produzioe iparimeo di Igegeria

8 Si suppoe che la compoee desagioalizzaa abbia u adameo lieare del ipo: T ed araverso ua Regressioe lieare si rovao il coefficiee agolare ed il ermie oo della rea che miimizza le disaze al quadrao dai pui rovai co le medie cerae. I pui della rea di regressioe (esedibili a ui i periodi) rappreseao la domada desagioalizzaa domada osservaa medie cerae desagioalizzaa Gesioe della Produzioe iparimeo di Igegeria

9 Si suppoe che la compoee desagioalizzaa abbia u adameo lieare e si cerca coefficiee agolare e ermie oo della rea dei miimi quadrai Miimizzado l espressioe: S ( x T) 2 x 2 2 ( ) /2 si oegoo: T x x / T( ) / 2 Nell esempio: =8439 (ermie oo) T=524 (coeff. Agolare) 2 0, domada osservaa medie cerae desagioalizzaa Gesioe della Produzioe 9 iparimeo di Igegeria

10 Periodo Sima dei faori sagioali omada esagioalizzaa Faore sagioale , , , , , , , , , , , ,66 Gesioe della Produzioe S Nelle medie saiche i faori sagioali hao u uico valore per ciascu ao, che si prede pari alla media dei faori sagioali calcolai S i r j0 S r ji iparimeo di Igegeria

11 Previsioe col meodo saico F l Araverso la formula: lt Sl si sima quidi la domada fuura s domada osservaa desagioalizzaa medie cerae previsioe Gesioe della Produzioe iparimeo di Igegeria

12 Serie emporali Sime adaaive a sima del livello, del red e della sagioalià soo aggiorae dopo ogi osservazioe Si cosidera sempre modello miso F l T S l l = sima del livello a =0 (domada desagioalizzaa) T =sima del red (icremeo o decremeo domada) S =sima del faore sagioale periodo =domada effeiva osservaa periodo F =previsioe della domada periodo Gesioe della Produzioe iparimeo di Igegeria

13 4 fasi comui a ui i meodi I. Iizializzazioe - Simare i valori iiziali dei parameri del modello, per esempio livello iiziale 0, red T 0 e faori sagioali (S,..,S p ) dai dai sperimeali II. Previsioe - ae le sime el periodi effeuare le sime per il periodo + co il modello: F lt S l l - a prima previsioe viee faa uilizzado i valori dei parameri rovai ell iizializzazioe III. Sima dell errore - Nel periodo successivo si regisra la domada effeiva + per il periodo + - Si calcola l errore E + per la previsioe + come differeza ra domada effeiva e previsa: IV. E Correzioe delle sime F - Si modifica la sima del livello +, del red T + e del faore sagioale S +p+, eedo coo dell errore ella previsioe - Correzioe ale che se la domada è iferiore alle previsioi, le sime soo rivise al ribasso, mere se la domada è ala, le sime soo rivise al rialzo. Gesioe della Produzioe iparimeo di Igegeria

14 Meodi di previsioe adaaivi Meodo Previsioale Applicabilià Media mobile No red o sagioalià Smorzameo espoeziale semplice (modello di Brow) Smorzameo espoeziale correo per il Tred (Modello di Hol) Smorzameo espoeziale correo per red e sagioalià (Modello di Wiers) No red o sagioalià Tred ma o sagioalià Tred e sagioalià a scela del meodo più appropriao dipede dalle caraerisiche della domada, i paricolar modo da come è sruuraa la compoee sisemaica Gesioe della Produzioe iparimeo di Igegeria

15 Medie mobili Uilizzabile se o vi è é red é sagioalià, per cui: compoee sisemaica = livello Sima del livello al periodo come sima degli N periodi più recei:... N Previsioe al empo dipede solo da : N F opo aver osservao la domada al periodo +, si rivedoo le sime così:... N N 2 Gesioe della Produzioe F F 2 e cioè per calcolare la uova media mobile si aggiuge semplicemee l ulima osservazioe e si scara la prima iparimeo di Igegeria

16 Smorzameo espoeziale semplice (Modello di Brow) Uilizzabile se o vi è é red é sagioalià, per cui: compoee sisemaica = livello Il valore iiziale 0 è preso come la media di ui i dai sorici a disposizioe: Previsioe al empo dipede solo da : F opo aver osservao la domada al periodo +, si rivedoo le sime così: 0 i è la cosae di smorzameo del livello. Il valore riviso del livello è ua media pesaa della sima del livello el periodo + faa co il dao di domada osservai el periodo + ( + ) e la previsioe del livello el periodo + faa co i dai del periodo ( ) Gesioe della Produzioe F 0 iparimeo di Igegeria

17 Gesioe della Produzioe iparimeo di Igegeria I queso modo la sima del livello è ua media pesaa di ui le osservazioi passae della domada, co i pesi che decrescoo espoezialmee quao più il dao di domada è loao: 0 ) (... 2 Valori maggiori di corrispodoo a previsioi più reaive rispeo alle oscillazioi della domada Smorzameo espoeziale semplice (Modello di Brow)

18 Smorzameo espoeziale semplice (Modello di Brow) Valori maggiori di corrispodoo a previsioi più reaive rispeo alle oscillazioi della domada : - Gesioe della Produzioe iparimeo di Igegeria

19 Smorzameo espoeziale correo per il red (modello di Hol) Uilizzabile se vi è red ma o sagioalià, per cui: compoee sisemaica = livello + red Si sima il livello al periodo 0, 0, ed il red al periodo 0, T 0, facedo la regressioe lieare dei dai di domada a disposizioe (o c è bisogo di desagioalizzare viso che si suppoe l asseza della compoee sagioale) a b b a previsioe faa al empo sarà pari a: F T T a 0 0 opo aver osservao la domada al periodo +, si rivedoo le sime così: T 0 T T 0 è la cosae di smorazameo del livello. Il valore riviso del livello è ua media pesaa della sima del livello del periodo + faa co il uovo dao di domada ( + ) e la sima del livello al periodo + che si poeva fare co i dai del periodo ( +T ) Gesioe della Produzioe F T è la cosae di smorazameo del red. Il valore riviso del red è ua media pesaa della sima del red el periodo + faa co i dai osservai el periodo + ( + - ) e la sima del red al periodo + che si poeva fare co i dai del periodo (T ) 9 iparimeo di Igegeria

20 Smorzameo espoeziale correo per red e sagioalià (modello di Wiers) Uilizzabile se vi è sia red che sagioalià, per cui: compoee sisemaica = (livello + red)*sagioalià Si sima il livello iiziale, il red iiziale ed i coefficiei di sagioalià iiziali co procedimeo aalogo al meodo saico e cioè: desagioalizzado la domada, facedo la regressioe lieare dei dai di domada desagioalizzaa (rovado quidi livello e red) e calcolado quidi i coefficiei sagioali. 0, T0, Si a previsioe sarà pari a: T S F F T S Gesioe della Produzioe 20 iparimeo di Igegeria

21 Smorzameo espoeziale correo per red e sagioalià (modello di Wiers) opo aver osservao la domada al periodo +, si rivedoo le sime così: T T 0 S T 0 S p S 0 è la cosae di smorzameo del livello. Il valore riviso del livello è ua media pesaa della sima del livello al periodo + uilizzado i dai osservai el periodo + ( + /S + ) e la sima del livello al periodo + che si poeva fare co i dai del periodo ( +T ) è la cosae di smorzameo del red. Il valore riviso del red è ua media pesaa della sima del red al periodo + faa uilizzado i dai osservai el periodo + ( + - ) e la sima del red al periodo + che si poeva fare co i dai del periodo (T ) è la cosae di smorzameo della sagioalià. Il valore riviso del coefficiee di sagioalià è ua media pesaa della sima del coefficiee di sagioalià del periodo + faa co i dai osservai el periodo + ( + / + ) e la sima della coefficiee che si poeva fare co i dai del periodo (S + ) Gesioe della Produzioe iparimeo di Igegeria

22 Misure di Errore Come abbiamo viso, ei meodi di previsioe i riesce a modellare solo la pare sisemaica della domada; la pare casuale si evidezia ell errore E F Gesioe della Produzioe iparimeo di Igegeria

23 ai sorici a disposizioe Quado misurare l errore e come usarlo Avedo a disposizioe dei dai sorici di domada: iizializzazioe Se e uilizzao ua prima pare per iizializzare il meodo di previsioe Simulazioe del meodo di previsioe e oimizzazioe dei parameri a pare rimaee dei dai si uilizza per simulare l applicazioe del meodo di previsioe, calcolado duque l errore che il meodo avrebbe commesso periodo per periodo. Ripeedo quesa fase per diversi valori dei parameri caraerisici del meodo (quali i coeff. di smorzameo) posso rovare i valori dei parameri sessi che miimizzao l errore. Su quesi dai posso cofroare ache meodi diversi per la scela del migliore. previsioe a queso puo i poi comicio ad applicare il meodo oimizzao sulla domada reale eseguedo le previsioi vere e proprie. a misura dell errore adesso serve a vedere se col passare del empo il meodo si maiee abbasaza cerao, e duque i parameri del modello soo acora validi. I caso corario occorre ripeere la fase di simulazioe co dai di domada più recei di quao fao i precedeza. Gesioe della Produzioe iparimeo di Igegeria

24 Errore quadraico medio (Mea square error) eviazioe Assolua Errore medio assoluo (Mea absolue deviaio) Errore assoluo perceuale (Mea Absolue Perceage Error) Errore medio (Bias = polarizzazioe) MSE 2 E A E MA MAPE A E 00 BIAS E Trackig sigal Covezioalmee se -6<TS<6 modello può essere acceao TS Gesioe della Produzioe BIAS MA iparimeo di Igegeria

25 ai sorici a disposizioe Quado misurare l errore e come usarlo Misure da usare: iizializzazioe Simulazioe del meodo di previsioe e oimizzazioe dei parameri Scelgo il meodo o i parameri del meodo (ad esempio α,, ) che miimizzao il MA (o l MSE), corollado che il TS si maega all iero dell iervallo ammissibile previsioe Coiuo a calcolare il TS periodo per periodo. Il BIAS mi dà idicazioi se il meodo sa soo o sovra simado. Quado TS esce dai limii acceabili, rieseguo la fase di oimizzazioe dei parameri. Gesioe della Produzioe iparimeo di Igegeria

26 Aleraiva per l aggiorameo dell errore 2 ( ) MSE E MSE MSE = Sima dell MSE al periodo = cosae di smorzameo, ra 0.0 e 0. Sesso coceo dello smorzameo espoeziale: No si devoo regisrare lughe serie di dai Si pesao gli errori rilevai smorzadoe espoezialmee il peso all aumeare della disaza el empo Gesioe della Produzioe iparimeo di Igegeria

27 Sime della deviazioe sadard dell errore Il MSE permee la sima della deviazioe sadard dell errore di previsioe i u periodo el seguee modo: MSE Il MA permee la sima della deviazioe sadard el caso i cui compoee casuale sia ormale co valor medio ullo e:,25 MA Gesioe della Produzioe iparimeo di Igegeria

28 Sime della deviazioe sadard dell errore a deviazioe sadard dell errore di previsioe su u cero umero di periodi (ipicamee pari al lead ime di approvvigioameo) sarà simabile araverso: Uilizzare quesa formula sigifica assumere che gli errori di previsioe ei vari periodi cosecuivi siao idipedei ed abbiao i ciascu periodo ua deviazioe sadard pari a Gesioe della Produzioe iparimeo di Igegeria

Appendice 1. Le previsioni economiche

Appendice 1. Le previsioni economiche Saisica aziedale Bruo Bracalee, Massimo Cossigai, Aa Mulas Copyrigh 009 The McGraw-Hill Compaies srl Appedice. Le previsioi ecoomiche A. Iroduzioe La previsioe del fuuro da sempre cosiuisce maeria di grade

Dettagli

che va trattato con opportune tecniche statistiche.

che va trattato con opportune tecniche statistiche. MODELLI DI SERIE STORICHE APPROCCIO CLASSICO U modello socasico geerale per descrivere il processo geeraore dei dai di ua serie sorica y, y,, y relaiva ad ua variabile Y è dao da Y =f()+u Si assume che

Dettagli

Equazioni differenziali: formule

Equazioni differenziali: formule Equazioi differeziali: formule Equazioi a variabili separabili y ' A B y Vale eorema esiseza e uicià locale y ' dy Ad B y y y ' A B y y Si applicao le codizioi alla fie dei due iegrali idefiii, oppure

Dettagli

Appunti complementari per il Corso di Statistica

Appunti complementari per il Corso di Statistica Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe

Dettagli

Ammortamento di un debito

Ammortamento di un debito Ammorameo di u debio /35 Ammorameo di u debio Che cosa si iede per ammorameo? Ammorameo coabile La quoa di ammorameo cosiuisce la pare del coso di u bee maeriale o immaeriale di ivesimeo da aribuire all

Dettagli

Convertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts

Convertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts Pare II (Coversioe D/A e A/D) La coversioe A/D I coveriori A/D si dividoo i: Coverioridiipospo (coveroo, idealmee, il valore isaaeo del segale); s s Si raa di disposiivi veloci ma sesibili al rumore di

Dettagli

ECONOMIA MONETARIA (parte generale) Prof. Guido Ascari LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED

ECONOMIA MONETARIA (parte generale) Prof. Guido Ascari LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED ECONOMIA MONETARIA (pare geerale) Prof. Guido Ascari Ao 2006-2007 2007 LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED LA STRUTTURA A TERMINE DEI TASSI D INTERESSED Tioli di debio hao diverse scadeze

Dettagli

Corso di Intermediari Finanziari e Microcredito

Corso di Intermediari Finanziari e Microcredito Idice Corso di Iermediari iaziari e Microcredio Iroduzioe I crieri radizioali di valuazioe dei progei di ivesimeo; La valuazioe dei progei di ivesimeo I crieri fiaziari di valuazioe dei progei d ivesimeo

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento casuale da popolazione finita (caso senza reinserimento ) Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori

Dettagli

Costo manutenzione (euro)

Costo manutenzione (euro) Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più

Dettagli

BILANCI DI MASSA NEI COMPARTIMENTI AMBIENTALI

BILANCI DI MASSA NEI COMPARTIMENTI AMBIENTALI BILNI DI MSS NEI OMPTIMENTI MBIENTLI alisi di sigolo comparimeo ad esempio u piccolo lago m x m x 0 m 0 7 m pprossimazioe ST (oiously Sirred-Ta eacor) cocerazioe omogeea dei solui (iquiai) el comparimeo.

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

Indice generale della produzione industriale. indice grezzo corretto per i giorni lavorativi destagionalizzato. marzo 07.

Indice generale della produzione industriale. indice grezzo corretto per i giorni lavorativi destagionalizzato. marzo 07. Indice generale della produzione indusriale indice grezzo correo per i giorni lavoraivi desagionalizzao 0.0 0.0 00.0 indice 90.0 80.0 70.0 60.0 50.0 marzo 06 giugno 06 seembre 06 dicembre 06 marzo 07 giugno

Dettagli

Libri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136

Libri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136 Esercitazioe 0 ESERCIZIO arco e Giulio hao due egozi i viale dei Giardii. arco vede libri, Giulio vede elettroica, tra cui tablet. arco e Giulio, avedo a disposizioe il umero di libri veduti ed il umero

Dettagli

Laboratorio di Fisica per Scienze Naturali Esperienza n 1. Verifica della legge di Hooke Misura dei coefficiente di elasticità di molle di acciaio.

Laboratorio di Fisica per Scienze Naturali Esperienza n 1. Verifica della legge di Hooke Misura dei coefficiente di elasticità di molle di acciaio. Scopo dell'esperieza Laboratorio di isica per Scieze aturali Esperieza Verifica della legge di Hooe Misura dei coefficiete di elasticità di molle di acciaio. ) verifica del fatto che l allugameto di ua

Dettagli

Approccio Classico: Metodi di Scomposizione

Approccio Classico: Metodi di Scomposizione Approccio Classico: Meodi di Scomposizione Il Modello di Scomposizione Il modello maemaico ipoizzao nel meodo classico di scomposizione è: y =f(s, T, E ) dove y è il dao riferio al periodo S è la componene

Dettagli

La previsione della domanda nella supply chain

La previsione della domanda nella supply chain La previsione della domanda nella supply chain La previsione della domanda 1 Linea guida Il ruolo della prerevisione nella supply chain Le caraerisiche della previsione Le componeni della previsione ed

Dettagli

Rischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata

Rischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata Rischio di ieresse: Il modello del clumpig Prof. Ugo Pomae Uiversià di Roma Tor Vergaa Problemi dei modelli precedei Repricig gap e duraio gap Ipoesi variazioe uiforme dei assi di ieresse delle diverse

Dettagli

Anemia. Anemia - percentuali

Anemia. Anemia - percentuali 1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14

Dettagli

Esame di Statistica A-Di Prof. M. Romanazzi

Esame di Statistica A-Di Prof. M. Romanazzi 1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa

Dettagli

REGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO

REGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO Regie della capializzazioe coposa e scoo coposo REGME DELLA CAPTALZZAZONE COMPOSTA E SCONTO COMPOSTO Cosideriao l ipiego del capiale C per ua duraa di (uero iero) ai e suppoiao che gli ieressi siao capializzai

Dettagli

Forza dell oscillatore

Forza dell oscillatore (lez 6, A) Forza dell oscillaore roduciamo ua uova gradezza. La forza dell oscillaore. Quesa quaià sosazialmee è proprozioale all elemeo di marice del momeo di dipolo ra lo sao iiziale e fiale. Nella descrizioe

Dettagli

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33) Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,

Dettagli

Introduzione all Analisi di Fourier. Prof. Luigi Landini Ing. Nicola Vanello. (presentazione a cura di N. Vanello)

Introduzione all Analisi di Fourier. Prof. Luigi Landini Ing. Nicola Vanello. (presentazione a cura di N. Vanello) Itroduzioe all Aalisi di Prof. Luigi Ladii Ig. Nicola Vaello (presetazioe a cura di N. Vaello) ANALII DI FOURIER egali tempo cotiui: egali periodici egali aperiodici viluppo i serie di Itroduzioe alla

Dettagli

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè

Dettagli

2. Duration. Stefano Di Colli

2. Duration. Stefano Di Colli 2. Duraio Meodi Saisici per il Credio e la Fiaza Sefao Di Colli Tassi di ieresse e redimei La reddiivià di u obbligazioe è misuraa dal asso di redimeo o dal asso di ieresse U idicaore del redimeo deve

Dettagli

Di fatto potremo rappresentare analiticamente le correnti magnetizzanti che operano in ciascuna delle colonne del TRS con espressioni del tipo:

Di fatto potremo rappresentare analiticamente le correnti magnetizzanti che operano in ciascuna delle colonne del TRS con espressioni del tipo: Correi a vuoo el rasformaore rifase Il problema delle correi a vuoo el rasformaore rifase è imporae i quao, a secoda dei collegamei delle fasi, si avrà o meo la deformazioe dei flussi o della corree mageizzae.

Dettagli

Sensori Segnali Rumore - Prof. S. Cova - appello 20/02/ P1 pag.1

Sensori Segnali Rumore - Prof. S. Cova - appello 20/02/ P1 pag.1 Sesori Segali Rumore - ro. S. Cova - appello //3 - pag. ROBLEMA Quadro dei dai Segale a impulso reagolare Ampiezza: Duraa: µs Rumore c S variabile, da misurare S Hz desià eicace di poeza (uilaera) limiaa

Dettagli

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a

Dettagli

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice. La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori

Dettagli

MATEMATICA FINANZIARIA

MATEMATICA FINANZIARIA Capializzazioe semplice e composa MATEMATICA FINANZIARIA Immagiiamo di impiegare 4500 per ai i ua operazioe fiaziaria che frua u asso del, % auo. Quao avremo realizzao alla fie dell operazioe? I u coeso

Dettagli

Esercizi di Calcolo delle Probabilità e Statistica Matematica

Esercizi di Calcolo delle Probabilità e Statistica Matematica Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al

Dettagli

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto

Dettagli

Fisica Generale L-A. Esercizio 1. Esercizio 1 (III) Esercizio 1 (II) 2. Esercizi di Cinematica

Fisica Generale L-A. Esercizio 1. Esercizio 1 (III) Esercizio 1 (II) 2. Esercizi di Cinematica Esercizio 1 U puo maeriale è icolao a muoersi lugo ua guida reiliea. Fisica Geerale -A. Esercizi di Ciemaica hp://ishar.df.uibo.i/ui/bo/igegeria/all/galli/suff/ raspareze/ae-ciemaica.pdf Al empo il puo

Dettagli

Lo studio della relazione lineare tra due variabili

Lo studio della relazione lineare tra due variabili Lo studio della relazioe lieare tra due variabili X e caratteri etrambi quatitativi X variabile idipedete variabile dipedete * f ( ) f(): espressioe fuzioale che descrive la legge di dipedeza di da X 1

Dettagli

Quartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

Quartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che

Dettagli

Esame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).

Esame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao

Dettagli

Quartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

Quartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che

Dettagli

Aritmetica 2016/2017 Esercizi svolti in classe Seconda lezione

Aritmetica 2016/2017 Esercizi svolti in classe Seconda lezione Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile

Dettagli

1-Econometria, a.a Breve introduzione

1-Econometria, a.a Breve introduzione -Ecoomeria, a.a. 0-. Breve iroduzioe Lezioe Breve Iroduzioe. L Ecoomeria e ua disciplia che uilizza i meodi saisici per dare risposa a problemi di aura ecoomica.. I dai ecoomici o soo di aura sperimeale.

Dettagli

0 t }, allora il modello

0 t }, allora il modello 9-Ecoomeria, a.a. -. Variabili Srumeali Lezioe 9 Il Meodo (di sima) delle Variabili Srumeali U ruolo fodameale ei meodi di sima fiora preseai, è la codizioe sugli errori del modello (preseaa ella forma

Dettagli

Principio di induzione: esempi ed esercizi

Principio di induzione: esempi ed esercizi Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se

Dettagli

SCUOLA POLITECNICA IN ECONOMIA E ORGANIZZAZIONE VILFREDO PARETO MASTER IN E-BUSINESS CAPITAL BUDGETING

SCUOLA POLITECNICA IN ECONOMIA E ORGANIZZAZIONE VILFREDO PARETO MASTER IN E-BUSINESS CAPITAL BUDGETING CAPITAL BUDGETING VALUTAZIONE DI PROGETTI D INVESTIMENTO CON PREVISIONE DEI FLUSSI DI CASSA ATTESI: l impresa ivese moea oggi per oeere flussi moeari icremeali el fuuro.* PROGETTO: Ivesimeo i arezzaure

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso

Dettagli

VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott.

VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott. VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE Psicometria - Lezioe Lucidi presetati a lezioe AA 000/00 dott. Corrado Caudek Il caso più comue di disego sperimetale è quello i cui i soggetti vegoo

Dettagli

Approfondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi

Approfondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi Chiorri, C. (201). Fodameti di psicometria - Approfodimeto. 1 Approfodimeto. Calcolare gli idici di posizioe co dati metrici sigoli e raggruppati i classi 1. Dati metrici sigoli Quado l iformazioe è a

Dettagli

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:

Dettagli

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96 STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza

Dettagli

Nozioni elementari di Analisi Matematica applicate alla Fisica Generale

Nozioni elementari di Analisi Matematica applicate alla Fisica Generale Nozioi elemeari di alisi Maemaica applicae alla Fisica Geerale Nozioe di iegrale ideiio La derivazioe può essere ierpreaa come ua regola che, per ogi uzioe assegaa (primiiva), ci permee di deermiare u

Dettagli

Ricerca di un elemento in una matrice

Ricerca di un elemento in una matrice Ricerca di u elemeto i ua matrice Sia data ua matrice xm, i cui gli elemeti di ogi riga e di ogi coloa soo ordiati i ordie crescete. Si vuole u algoritmo che determii se u elemeto x è presete ella matrice

Dettagli

Radicali. Esistenza delle radici n-esime: Se n è pari: ogni numero reale non negativo (cioè positivo o nullo) ha esattamente una radice n-esima in R.

Radicali. Esistenza delle radici n-esime: Se n è pari: ogni numero reale non negativo (cioè positivo o nullo) ha esattamente una radice n-esima in R. Radicali Radici quadrate Si dice radice quadrata di u umero reale a, e si idica co a, il umero reale positivo o ullo (se esiste) che, elevato al quadrato, dà come risultato a. Esisteza delle radici quadrate:

Dettagli

Confronto di due misure Campioni indipendenti

Confronto di due misure Campioni indipendenti Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte

Dettagli

Minimi Quadrati Ricorsivi

Minimi Quadrati Ricorsivi Minimi Quadrai Ricorsivi Minimi Quadrai Ricorsivi Fino ad ora abbiamo sudiao due diversi meodi per l idenificazione dei modelli: - Minimi quadrai, uilizzao per l idenificazione dei modelli ARX, in cui

Dettagli

Politecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 5 luglio 2012

Politecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 5 luglio 2012 Politecico di Milao - Scuola di Igegeria Idustriale II Prova i Itiere di Statistica per Igegeria Eergetica 5 luglio 2012 c I diritti d autore soo riservati. Ogi sfruttameto commerciale o autorizzato sarà

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO Che cosa sigifica cotare Tutti coosciamo la successioe dei umeri iteri Naturali N = {0, 1,,, } si tratta di ua struttura metale fodametale, chiaramete presete alla ostra ituizioe che

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica

Dettagli

STUDIO DEL LANCIO DI 3 DADI

STUDIO DEL LANCIO DI 3 DADI Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa

Dettagli

Soluzione. La curva di equazione y = 6 x è una parabola con vertice in V = (0,6)

Soluzione. La curva di equazione y = 6 x è una parabola con vertice in V = (0,6) Sessioe ordiaria LS_ORD 5 Soluzioe ) La curva di equazioe y è ua parabola co verice i (,) e cocavià rivola verso il basso, ed ierseca l asse delle ascisse ei pui (,), B (,) come soo rappreseao: La figura

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

Regressione e correlazione

Regressione e correlazione Regressioe e correlazioe Regressioe e correlazioe I molti casi si osservao gradezze che tedoo a covariare, ma () Se c è ua relazioe di dipedeza fra due variabili, ovvero se il valore di ua variabile (dipedete)

Dettagli

Il logaritmo e l esponenziale

Il logaritmo e l esponenziale Il logarimo e l espoeziale 2 geaio 202 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:

Dettagli

Progetto Matematica in Rete - Numeri naturali - I numeri naturali

Progetto Matematica in Rete - Numeri naturali - I numeri naturali I umeri aturali Quali soo i umeri aturali? I umeri aturali soo : 0,1,,3,4,5,6,7,8,9,,11 I umeri aturali hao u ordie cioè dati due umeri aturali distiti a e b si può sempre stabilire qual è il loro ordie

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere

Dettagli

1 + 1 ) n ] n. < e nα 1 n

1 + 1 ) n ] n. < e nα 1 n Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e

Dettagli

Intervalli di Fiducia

Intervalli di Fiducia di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica

Dettagli

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti: Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,

Dettagli

Analisi Matematica I

Analisi Matematica I Uiversità di Pisa - orso di Laurea i Igegeria Edile-rchitettura alisi Matematica I Pisa, febbraio Domada La derivata della fuzioe f) log ) si è ) log )si B) log )cos ) log ) si cos loglog ) + si ) log

Dettagli

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi.

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi. Iroduzioe () Ua defiizioe (geerale) del ermie qualià: qualià è l isieme delle caraerisiche di u eià (bee o servizio) che e deermiao la capacià di soddisfare le esigeze espresse ed implicie di chi la uilizza.

Dettagli

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli

Dettagli

Esame di Statistica A-Di Prof. M. Romanazzi

Esame di Statistica A-Di Prof. M. Romanazzi 1 Uiversità di Veezia Esame di tatistica A-Di Prof. M. Romaazzi 27 Geaio 2015 ogome e Nome..................................... N. Matricola.......... Valutazioe l puteggio massimo teorico di questa prova

Dettagli

Titolo della lezione. Campionamento e Distribuzioni Campionarie

Titolo della lezione. Campionamento e Distribuzioni Campionarie Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe

Dettagli

Dimensionamento del sottosistema logistico: Magazzino (Ricezione, Stoccaggio e Spedizione)

Dimensionamento del sottosistema logistico: Magazzino (Ricezione, Stoccaggio e Spedizione) Corso di LOGISTICA TERRITORIALE www.uiroma.it/didattica/lt_011 DOCENTE prof. ig. Agostio Nuzzolo Dimesioameto del sottosistema logistico: Magazzio (Ricezioe, Stoccaggio e Spedizioe) prof. ig. Agostio Nuzzolo

Dettagli

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n. SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....

Dettagli

CAPITOLO IX FONDAMENTI DI MECCANICA DELLE VIBRAZIONI

CAPITOLO IX FONDAMENTI DI MECCANICA DELLE VIBRAZIONI CAPITOLO IX FONDAMENTI DI MECCANICA DELLE VIBRAZIONI R. BARBONI COSTRUZIONI AEROSPAZIALI 3. Geeralià Lo sudio del comporameo saico o esaurisce l aalisi di ua sruura elasica ed i paricolare di ua sruura

Dettagli

Formulazione di Problemi Decisionali come Problemi di Programmazione Lineare

Formulazione di Problemi Decisionali come Problemi di Programmazione Lineare Formulazioe di Problemi Decisioali come Problemi di Programmazioe Lieare Cosideriamo i segueti problemi decisioali ed esamiiamo come possoo essere formulati come problemi di PL: Il problema del trasporto

Dettagli

Calcolo di integrali - svolgimento degli esercizi

Calcolo di integrali - svolgimento degli esercizi Calcolo di inegrali - svolgimeno degli esercizi Calcoliamo una primiiva di cos(e 5. Inegriamo due vole per pari, scegliendo e 5 d come faore differenziale e cos( come faore finio. Si ha cos(e 5 d e5 5

Dettagli

mq t cq t kq t f t SISTEMI A UN GRADO DI LIBERTA EQUAZIONE DEL MOTO Pulsazione propria Frequenza propria Fattore di smorzamento Periodo proprio

mq t cq t kq t f t SISTEMI A UN GRADO DI LIBERTA EQUAZIONE DEL MOTO Pulsazione propria Frequenza propria Fattore di smorzamento Periodo proprio SISEMI A UN GRADO DI LIBERA EQUAZIONE DEL MOO f,c c f f Pulsazioe propria Freueza propria Periodo proprio c Faore di sorzaeo SISEMI A N GRADI DI LIBERA EQUAZIONE DEL MOO, RASCINAMENO SISMICO Sisea shear

Dettagli

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09 Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

Diagramma polare e logaritmico

Diagramma polare e logaritmico Diagramma polare e aritmico ariatori discotiui del moto di taglio Dalla relazioe π D c si ota che la velocità di taglio dipede, oltre che dal umero di giri del madrio, ache dal diametro dell elemeto rotate

Dettagli

La Previsione della Domanda. La previsione della domanda è un elemento chiave della gestione aziendale

La Previsione della Domanda. La previsione della domanda è un elemento chiave della gestione aziendale La Previsione della omanda La previsione della domanda è un elemeno chiave della gesione aziendale Cosi Cliene Vanaggio compeiivo esi I mod 001 1 ermiene rocesso oninuo Personalizzao Prodoo Indifferenziao

Dettagli

Quarto Compito di Analisi Matematica Corso di laurea in Informatica, corso B 5 Luglio Soluzioni. z 2 = 3 4 i. a 2 b 2 = 3 4

Quarto Compito di Analisi Matematica Corso di laurea in Informatica, corso B 5 Luglio Soluzioni. z 2 = 3 4 i. a 2 b 2 = 3 4 Quarto Compito di Aalisi Matematica Corso di laurea i Iformatica, corso B 5 Luglio 016 Soluzioi Esercizio 1 Determiare tutti i umeri complessi z tali che z = 3 4 i. Soluzioe. Scrivedo z = a + bi, si ottiee

Dettagli

LEZIONI DI ANALISI ECONOMETRICA

LEZIONI DI ANALISI ECONOMETRICA LEZIONI DI ANALISI ECONOMETRICA Idice Lisa degli esempi applicaivi Iroduzioe Il modello lieare. Aalisi ecoomica ed aalisi ecoomerica Primi obieivi dell Ecoomeria. I modelli e il lugo periodo Modelli saici

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.

Dettagli

APPROFONDIMENTI SULLA TEORIA DEL CONSUMO AGGREGATO

APPROFONDIMENTI SULLA TEORIA DEL CONSUMO AGGREGATO Moduo 8a 1 APPROFONDIMENTI SULLA TEORIA DEL CONSUMO AGGREGATO 1. Iroduzioe 2. La eoria de cosumo di Dueseberry 3. La eoria de cico viae di Modigiai 2 1. Iroduzioe Dae esperieze dei maggiori sisemi macroecoomici,

Dettagli

Principi di valutazione d azienda

Principi di valutazione d azienda Uidusria Reio milia 7 aprile 23 Pricipi di valuazioe d azieda Prof. Riccardo Ferrei Ordiario di coomia deli Iermediari Fiaziari Uiversià di Modea e Reio milia Diparimeo di Comuicazioe ed coomia Idusriali

Dettagli

Il Teorema di Markov. 1.1 Analisi spettrale della matrice di transizione. Il teorema di Markov afferma che

Il Teorema di Markov. 1.1 Analisi spettrale della matrice di transizione. Il teorema di Markov afferma che 1 Il Teorema di Marov 1.1 Aalisi spettrale della matrice di trasizioe Il teorema di Marov afferma che Teorema 1.1 Ua matrice di trasizioe regolare P su u isieme di stati fiito E ha ua uica distribuzioe

Dettagli

Capitolo Modelli econometrici con variabili endogene (tra le variabili indipendenti)

Capitolo Modelli econometrici con variabili endogene (tra le variabili indipendenti) 7-Ecoomeria, aa 04-5 Capiolo 7 7- Modelli ecoomerici co variabili edogee (ra le variabili idipedei 7- Il meodo (di sima delle variabili srumeali 7-3 Lo simaore SLS 7-4 Tes sulle ipoesi: il modello IVGNR

Dettagli

GENERALITA SULLE MACCHINE ELETTRICHE

GENERALITA SULLE MACCHINE ELETTRICHE GENERALITA SULLE MACCHINE ELETTRICHE Una macchina è un organo che assorbe energia di un deerminao ipo e la rasforma in energia di un alro ipo. Energia in Energia in MACCHINA ingresso uscia Energia dispersa

Dettagli

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità)

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità) 4 Quai eravamo, quai siamo, quai saremo Che cosa si impara el capiolo 4 er cooscere le caraerisiche e l evoluzioe della popolazioe ialiaa araverso u lugo arco di empo uilizziamo il asso di icremeo medio

Dettagli

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica . FUNZIONE D ONDA OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli srumei della Meccaica Quaisica Sisema di ieresse (cosiderao come isolao: aomo/molecola Cofigurazioe del sisema: isieme

Dettagli

1. LEGGE DI SNELL. β<α FIBRE OTTICHE. se n 2 >n 1. sin. quindi 1 se n 1 >n 2 β>α. Pag. - 1 -

1. LEGGE DI SNELL. β<α FIBRE OTTICHE. se n 2 >n 1. sin. quindi 1 se n 1 >n 2 β>α. Pag. - 1 - ISTITUTO TECNICO INDUSTRIALE STATALE G. Marcoi PONTEDERA Prof. Pierluigi D Amico - Apputi su FIBRE OTTICHE - Classi QUARTE LICEO TECNICO A.S. 005/006 - Pagia. 1 di 5 1. LEGGE DI SNELL FIBRE OTTICHE si

Dettagli

Elettronica I Funzionamento del transistore MOS

Elettronica I Funzionamento del transistore MOS Elettroica I Fuzioameto del trasistore MOS Valetio Liberali Dipartimeto di Tecologie dell Iformazioe Uiversità di Milao, 26013 Crema e-mail: liberali@dti.uimi.it http://www.dti.uimi.it/ liberali Elettroica

Dettagli

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con Calcolo Combiatorio Adolfo Scimoe pag 1 Calcolo combiatorio Cosideriamo u isieme di oggetti di atura qualsiasi. Idicheremo questi oggetti co a1 a2... a. Co questi oggetti si voglioo formare dei gruppi

Dettagli

Università di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)

Università di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z) Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:

Dettagli

Qual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride?

Qual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride? Calcolo combiatorio sempi Qual è il umero delle badiere tricolori a righe verticali che si possoo formare co i 7 colori dell iride? Dobbiamo calcolare il umero delle disposizioi semplici di 7 oggetti di

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti

Dettagli

Esercitazioni del corso: ANALISI MULTIVARIATA

Esercitazioni del corso: ANALISI MULTIVARIATA A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1

Dettagli