INDAGINE ESAUSTIVA O CAMPIONARIA?

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "INDAGINE ESAUSTIVA O CAMPIONARIA?"

Transcript

1 INDAGINE ESAUSTIVA O CAMPIONARIA? S rcorre certamente all ndagne per campone quando la rlevazone completa è mpossble e quando la determnazone delle modaltà possedute dalle untà n esame ne comporta la dstruzone (Es.: lo studo della durata della durata d un nuovo tpo d contentore sgllante); S può sceglere l ndagne l ndagne camponara quando: La popolazone ce s studa è numerosa; E nsedata su un terrtoro vasto; Deve essere osservata rpetutamente nel tempo. Se s consdera l aspetto economco, la rlevazone parzale convene rspetto a quella totale quas sempre (tranne quando sano dsponbl dat su supporto magnetco) Le ndagn sono da preferrs quando: S vogla andare n profondtà nella rcerca della nformazone; Per la rapdtà nel raccoglere e trattare dat; Per la rapdtà nella pubblcazone de dat. QUINDI NASCE L ESIGENZA DI EFFETTUARE L INDAGINE CAMPIONARIA

2 POPOLAZIONE E CAMPIONE POPOLAZIONE, o UNIVERSO è ogn nseme fnto o nfnto d untà, le qual non sono necessaramente organsm vvent; Data una popolazone composta da N untà statstce, CAMPIONE è l nseme delle n untà selezonate tra le N ce compongono la popolazone allo scopo d rappresentarla quanto a caratter, o varabl, oggetto dello studo; L aggregato rappresentato dal campone è la POPOLAZIONE DI RIFERIMENTO; Le untà ce appartengono al campone sono dette UNITA CAMPIONARIE; Il DISEGNO DI CAMPIONAMENTO è l nseme delle regole segute per formare un camponamento

3 IL CAMPIONAMENTO ED IL CASO La nostra scelta va sulle tecnce d camponamento ce anno n comune la casualtà nella determnazone delle untà ce entrano a far parte dell nseme da osservare; La casualtà s attrbusce: Attrbuendo ad ogn untà della popolazone una probabltà postva d essere selezonata; Utlzzando n modo approprato le tecnce per la selezone casuale del campone; Al caso è affdato l compto d dentfcare l codce delle untà ce devono essere nserte nel campone. La casualtà della selezone s propone essenzalmente come metodo fnalzzato all ottenmento d un campone rappresentatvo della popolazone con rguardo ad ogn varable, nota a pror dopo la selezone; I campon non probablstc rflettono nel bene e nel male l orentamento d colu ce l forma; Da rgettare, n lnea d prncpo, sono campon format a casacco, o con adesone volontara de rspondent.

4 IL DISEGNO DI CAMPIONAMENTO E l nseme delle decson prese nel formare l campone. S tratta d rspondere alle seguent domande: 1) Quale struttura deve avere l campone? ) Qual probabltà d selezone? 3) Quanto numeroso deve essere l campone? LA STRUTTURA DEL CAMPIONE Semplce, se la lsta della popolazone è unca; Complessa, se sono necessare pù lste; PROBABILITA DI SELEZIONE Costant, se sono ugual per tutte le untà d una lsta; Varabl, quando ad ogn untà s assegna una probabltà d selezone sua propra ed ammonta ad 1 per l complesso delle untà lstate p probabltà d selezone, per ogn 0p LA DIMENSIONE OTTIMA DEL CAMPIONE 1, 1,...,N N della lsta E determnable n funzone del dsegno d camponamento.

5 LA SELEZIONE CASUALE DEL CAMPIONE SELEZIONE CON REINSERIMENTO Per estrarre un campone con probabltà dsegual s assegnano sngolarmente alle untà tant numer casual ce, rapportat al totale de numer assegnat, eguaglno le probabltà d selezone. Una untà s consdera selezonata se s estrae uno de numer casual ad essa assegnat. Una untà compare nel campone con rpetzone se vene estratto pù d un numero casuale ad essa assegnato N Se M M numero ntero,m M, p M La probabltà d nclusone nel campone: Il rensermento rcrea ad ogn estrazone la stuazone d partenza, qualunque sa la numerostà del campone. Ad ogn estrazone mmutata la probabltà d selezone delle untà. In n estrazon, la probabltà d ncludere l untà nel campone è np; Se la probabltà nzale è costante (1/N), la probabltà totale : 1 n n N N Se la probabltà p è varable: np

6 IL CAMPIONAMENTO CASUALE SEMPLICE S consder una popolazone d N untà. SI dce casuale semplce l campone d n untà estratte dalla popolazone con uguale propretà (1/N) ad ogn passo dell estrazone. La probabltà ce un untà compaa nel campone è la somma delle probabltà ce v compaa è la somma della probabltà ce v compaa n una qualsas delle n prove, e coè n/n. La costanza delle probabltà ad ogn successva estrazone equvale alla equprobabltà d ogn possble campone con le stesse caratterstce dmensonal. Un campone casuale s può ottenere con: Selezone casuale con rensermento; Selezone casuale senza rensermento; Selezone sstematca (ance detta pseudo-casuale ) ma solo se le poszon della lsta sono mescolate fno all ottenmento d un ordnamento assolutamente casuale. Il camponamento casuale semplce s assume nella teora dell nferenza statstca quando non è precsato l dsegno adottato. Al camponamento casuale semplce s applcano stmator con qual s confrontano quell propr d altr dsegn d camponamento.

7 IL CAMPIONAMENTO CASUALE SEMPLICE: la stma Sano Y1,,Y,,YN valor delle N untà della popolazone e 1,,,,N valor osservat presso le n untà camponare. MEDIA CAMPIONARIA: j j Yˆ n N La VARIANZA della meda camponara con un campone con remmssone è S Var ( ) n S è la VARIANZA elementare, o della popolazone, della varable osservata: N S 1 Y N 1 n da stmare con N s 1 n 1

8 IL CAMPIONAMENTO STRATIFICATO Stratfcare una popolazone sgnfca rpartrla n sottopopolazon, dette STRATI. Percé stratfcare: Evdenzare l nseme delle untà sgnfcatve per la rcerca; Separare dalle altre le sottopopolazon fscamente solate e con caratterstce specal; Indvduare certe untà ce s voglono osservare con tecnce partcolar; Introdurre sulla selezone l massmo controllo, pur mantenendola casuale; Indvduare sottopopolazon al massmo omogenee rspetto alla varable o alle varabl da rlevare e rcavare così stme pù effcent d quelle ottenbl con un campone casuale semplce. Per stratfcare, s devono specfcare gl attrbut n base a qual va suddvsa la popolazone e, correlatamente, l numero d strat. Le caratterstce per la stratfcazone devono essere note prma della selezone per ogn unta statstca. Ogn untà statstca appartene ad un solo strato. STRATIFICATO E UN CAMPIONE TRATTO DA UNA POPOLAZIONE STRATIFICATA. SICCOME OGNI STRATO E UNA POPOLAZIONE IN SENSO PROPRIO, IL CAMPIONE CHE SI SELEZIONA DA UNO STRATO E IDONEO A RAPPRESENTARLA. IL CAMPIONE OTTENUTO PER UNIONE DI QUELLI DEI SINGOLI STRATI MIRA A RAPPRESENTARE L INTERA POPOLAZIONE.

9 IL CAMPIONAMENTO STRATIFICATO: la stma La MEDIA CAMPIONARIA n n [ 1,...,H] La MEDIA dell ntero campone H W H N N [ 1,...,H] La VARIANZA della MEDIA dell ntero campone Var( ) H W Var( ) Var( ) S con remmssone n ce s stma con ŝ 1 n 1 n j [ 1,..., H] j

10 IL CAMPIONAMENTO SU PIU STADI (cenn) Un esempo d camponamento su pù stad è quello condotto dall ISTAT per svolgere l ndagne sulle forze del lavoro n Itala. ITALIA Il campone d untà da ntervstare per questa ndagne s forma selezonando alcun Comun Comune 1 Comune. Comune N Comune po un nseme d famgle dalle anagraf de Comun Famgla 1 Famgla. Famgla M nfne s selezona l grappolo de component delle famgle ndvduate. Maro Ross Anna Banc In Ross Famgla 1. Marco Ross

11 L EFFETTO DEL DISEGNO DI CAMPIONAMENTO In un campone casuale complesso (dverso da quello semplce), l errore d camponamento può essere espresso n una forma ce evdenza l guadagno o la perdta d precsone delle stme rspetto all analoga stma ottenble con un campone casuale semplce d par numerostà. Sccome un campone stratfcato è generalmente pù effcente d un campone casuale semplce, la numerostà camponara necessara per ottenere stme d par effcenza è nferore con un camponamento stratfcato. Il camponamento su pù stad è spesso utlzzato su vasta scala percé la rlevazone de dat è concentrata su punt selezonat al 1 stado. Rsultano facltat l organzzazone del lavoro n loco e l esecuzone della rlevazone. E pù complessa la stma V è rsco d neffcenza Rsultano mnor cost

Il campionamento casuale semplice

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

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI Corso d Teora de Campon Facoltà d Economa Corso d Laurea SIGI M. Govanna Ranall emal: govanna@stat.unpg.t sto web: www.stat.unpg.t/ govanna ddattca 1/39? Il programma del corso opolazon fnte; concett base

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabltà Che collegamento c è tra gl strument statstc vst fno ad ora per lo studo de fenomen real e l calcolo delle probabltà? Non sempre la conoscenza delle caratterstche d un fenomeno

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

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

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90

Dettagli

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

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Potenzialità degli impianti

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

Dettagli

Concetti principale della lezione precedente

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

Dettagli

MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura di L.

MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura di L. MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura d L.Bernard) 3.3. Dsegn d camponamento d Lorenzo Bernard 3.3.1. Una defnzone per ntrodurre

Dettagli

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

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

Dettagli

Lezione 2 le misure di sintesi: le medie

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

Dettagli

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

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

Dettagli

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

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

Dettagli

Esercizi di econometria: serie 1

Esercizi di econometria: serie 1 Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....

Dettagli

1 INTRODUZIONE 1.1 GENERALITÀ

1 INTRODUZIONE 1.1 GENERALITÀ 1 INTRODUZIONE 1.1 GENERALITÀ L'ndagne è lo strumento statstco medante l quale s acqusscono nformazon su uno o pù fenomen attnent ad una popolazone. L'nformazone può essere acqusta osservando tutte le

Dettagli

Capitolo 3. Cap. 3-1

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

Dettagli

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

ESERCIZI SULLE VARIABILI CASUALI DISCRETE ESERCIZI SULLE VARIABILI CASUALI DISCRETE 1) S lanca un dado. Rappresentare la varable casuale: X = " facca mnore d tre ". 2) S lancano due dad. Rappresentare la varable casuale: X = "somma delle facce

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabltà pr - 1 Che collegamento c è tra gl strument statstc per lo studo de fenomen real e l calcolo delle probabltà? Vedremo che non sempre la conoscenza delle caratterstche d un fenomeno

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

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

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

PIANIFICAZIONE DEI TRASPORTI

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

Dettagli

Modello del Gruppo d Acquisto

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

Dettagli

C.I. di Metodologia clinica

C.I. di Metodologia clinica C.I. d Metodologa clnca I metod per la sntes e la comuncazone delle nformazon sulla salute Come possamo trarre concluson attendbl su parametr a partre dalle stme camponare? I metod per la produzone delle

Dettagli

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica

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

Dettagli

Campionamento a grappoli

Campionamento a grappoli Caponaento a grappol Caponaento a grappol a stratfcazone è uno struento per auentare la precsone, col quale dvdao una popolazone n sottopopolazon strat, cascuna delle qual vene po caponata separataente

Dettagli

Sistema statistico nazionale Istituto nazionale di statistica. Stime ed Errori. Note metodologiche

Sistema statistico nazionale Istituto nazionale di statistica. Stime ed Errori. Note metodologiche Sstema statstco nazonale Isttuto nazonale d statstca Stme ed Error Note metodologce 005 A cura d: Paragraf: Paolo Rg; Fabrzo Solar; 3 e 4 Stefano Falors. Indce Cenn sulla defnzone dello stmatore d regressone

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

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

Dettagli

Precisione e Cifre Significative

Precisione e Cifre Significative Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte

Dettagli

PhD Course Cassino Prof. Mannina - Università di Palermo 1

PhD Course Cassino Prof. Mannina - Università di Palermo 1 Laboratoro d Modellstca Santaro-Ambentale Anals d senstvtà, calbrazone e valutazone dell ncertezza degl nput d un modello matematco: fondament e metodologe Gorgo Mannna gorgo.mannna@unpa.t Sommaro Defnzon

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

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

Dettagli

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

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

Dettagli

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

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

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

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

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

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

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

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

Dettagli

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

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

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu) lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le

Dettagli

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

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

Dettagli

Il trattamento dei dati a fini descrittivi

Il trattamento dei dati a fini descrittivi Il trattamento de dat a fn descrttv Rappresentazone de dat: Dstrbuzon d frequenza Rappresentazon grafche Dstrbuzon doppe Sntes de dat Calcolo d ndc: poszone, varabltà, forma Studo delle relazon tra due

Dettagli

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

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

Dettagli

Campionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1

Campionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1 Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:

Dettagli

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

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

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Stima diretta della domanda di trasporto

Stima diretta della domanda di trasporto Corso di PIANIFICAZIONE DEI TRASPORTI Prof. Ing. Agostino Nuzzolo Aprile 005 Stima diretta della domanda di trasporto Stima della domanda di trasporto STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA ATTUALE

Dettagli

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

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

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

NUMERI GRANDI DI FIBONACCI come trovare velocemente i loro esatti valori numerici Cristiano Teodoro

NUMERI GRANDI DI FIBONACCI come trovare velocemente i loro esatti valori numerici Cristiano Teodoro NUMERI GRANDI DI FIBONACCI come trovare velocemente loro esatt valor numerc Crstano Teodoro crstanoteodoro@vrglo.t Sommaro: n questo artcolo vene proposto, n alternatva al metodo classco per l calcolo

Dettagli

Probabilità cumulata empirica

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

Dettagli

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

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

Dettagli

Scheda metodologica. MeDeC Centro Demoscopico Metropolitano Provincia di Bologna

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

Dettagli

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

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

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

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

Dettagli

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo

Dettagli

Analisi della Varianza

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

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

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

Dettagli

Università degli Studi di Urbino Facoltà di Economia

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

Dettagli

Statistica descrittiva e statistica inferenziale

Statistica descrittiva e statistica inferenziale Statistica descrittiva e statistica inferenziale 1 ALCUNI CONCETTI POPOLAZIONE E CAMPIONE Popolazione: insieme finito o infinito di unità statistiche classificate secondo uno o più caratteri Campione:

Dettagli

Campionamento La statistica media campionaria e la sua distribuzione

Campionamento La statistica media campionaria e la sua distribuzione Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:

Dettagli

AVVISO PUBBLICO Costituzione di short list: Servizio di pulizie presso l Istituto di Ricerca Biogem s.c.ar.l. Via Camporeale, Ariano Irpino (AV)

AVVISO PUBBLICO Costituzione di short list: Servizio di pulizie presso l Istituto di Ricerca Biogem s.c.ar.l. Via Camporeale, Ariano Irpino (AV) AVVISO PUBBLICO Costtuzone d short lst: Servzo d pulze presso l Isttuto d Rcerca Camporeale, Arano Irpno (AV) In esecuzone della Determna Presdenzale n. 15/103 del 10/09/2015, la Bogem Scarl ntende procedere

Dettagli

La sincronizzazione. (Libro) Trasmissione dell Informazione

La sincronizzazione. (Libro) Trasmissione dell Informazione La sncronzzazone (Lbro) Problem d sncronzzazone La trasmssone e la dverstà tra gl OL del trasmetttore e del rcevtore ntroducono (anche n assenza d fadng) un errore d d frequenza, d fase e d camponamento

Dettagli

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

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

Dettagli

Segmentazione di immagini

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

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k (1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

ANALISI DI TABELLE DI CONTINGENZA

ANALISI DI TABELLE DI CONTINGENZA ANALISI DI TABELLE DI CONTINGENZA 91 TABELLE DI CONTINGENZA Una tabella d contngenza è una tabella d frequenza a doppa entrata n cu vengono ncrocate due varabl qualtatve. Esempo SESSO INTERESSE PER STATISTICA

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Anals statstca d dat bomedc Analyss of bologcalsgnals I Parte Inferenza statstca Agostno Accardo (accardo@unts.t) Master n Ingegnera Clnca LM Neuroscenze 2013-2014 e segg. Altman Practcal statstcs for

Dettagli

Rappresentazione dei numeri

Rappresentazione dei numeri Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

- Riproduzione riservata - 1

- Riproduzione riservata - 1 Razze: Setter Inglese Bracco Francese tpo Prene D Franco Barsottn Va Bugallo 1b 56040 Crespna (PI) www.allevamentodelbugallo.t nfo@allevamentodelbugallo.t Parentela e consangunetà; Parentela; genetcamente

Dettagli

Il patrimonio informativo aziendale come supporto alle attività di marketing

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

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

Dettagli

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

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

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc. 2002-2003- Prof. Secch # 0 - Statstca Matematca

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

commutazione induttiva (carico induttivo); commutazione capacitiva (carico capacitivo).

commutazione induttiva (carico induttivo); commutazione capacitiva (carico capacitivo). I crcut per la rduzone delle perdte devono essere dmensonat consderando le dverse condzon operatve che possono presentars durante l apertura e la chusura del Transstor. Per caratterzzare queste condzon,

Dettagli

MODELLO DI REGRESSIONE PER DATI DI PANEL

MODELLO DI REGRESSIONE PER DATI DI PANEL MODELLO DI REGRESSIONE PER DAI DI PANEL 5. Introduzone Storcamente l anals econometrca ha proceduto n due dstnte drezon: lo studo d modell macroeconomc, sulla base d sere temporal d dat aggregat da una

Dettagli

Regressioni con variabili strumentali

Regressioni con variabili strumentali Regresson con varabl strumental 3 mportant mnacce alla valdtà nterna del modello: Bas dovuta alle varabl omesse, varabl correlate con X ma non osservate e che per questo non possono essere ncluse nella

Dettagli

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

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

Dettagli

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry CEFRIEL Consorzo per la Formazone e la Rcerca n Ingegnera dell Informazone Poltecnco d Mlano s Sommator: x y c x y c x y c x y c x y c Archtetture artmetche s x y Sommator:, Rpple Carry Sommator: Carry

Dettagli

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

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

Dettagli

Modelli con varabili binarie (o qualitative)

Modelli con varabili binarie (o qualitative) Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.

Dettagli

LE FREQUENZE CUMULATE

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

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

Numeri casuali. Randomness by obscurity. Generazione Deterministica? Caratteristiche del sistema. Caratteristiche del sistema

Numeri casuali. Randomness by obscurity. Generazione Deterministica? Caratteristiche del sistema. Caratteristiche del sistema Alfredo De Sants Numer casual Generaone Determnstca? Important per molte prmtve crttografche un avversaro non deve determnarl o ndovnarl se non con una bassa probabltà Anyone who consders arthmetcal methods

Dettagli

PROBLEMA DI SCELTA FRA DUE REGIMI DI

PROBLEMA DI SCELTA FRA DUE REGIMI DI PROBLEMA DI SCELTA FRA DUE REGIMI DI CAPITALIZZAZIONE Prerequst: legge d captalzzazone semplce legge d captalzzazone composta logartm e loro propretà dervate d una funzone pendenza d una curva n un punto

Dettagli

1. La domanda di moneta

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

Dettagli