Una metodologia per la valutazione degli effetti delle variazioni dei prezzi sul costo della vita a livello familiare ( * )

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Una metodologia per la valutazione degli effetti delle variazioni dei prezzi sul costo della vita a livello familiare ( * )"

Transcript

1 Una metodologa er la valutazone degl effett delle varazon de rezz sul costo della vta a lvello famlare ( * ) Paolo Lberat Unverstà d Urbno Carlo Bo Maggo 2008 * Lavoro rearato nell ambto della artecazone al Gruo d Lavoro Atene er l Osservatoro Regonale Prezz, Regone Marce.

2 1. Indc de rezz dfferenzat er famgla Il tasso d nflazone costtusce una corretta msurazone del costo della vta solo nel caso n cu comortament d sesa delle famgle sano dentc. Il caso generale è nvece uello n cu comortament d sesa sano dfferent. Famgle dverse consumano dvers ben n dverse roorzon. In uesto caso e assumendo ce rezz d sngol ben non aumentno tutt nella stessa roorzone la varazone del costo della vta conseguente ad un movmento de rezz relatv sarà dfferenzata tra dverse tologe famlar. In altr termn, la contemoranea resenza d modell d consumo dfferenzat e d varazon non unform de rezz mlca ce ad ogn famgla ossa essere assocato un roro ndce del costo della vta. La conoscenza delle varazon d rezzo e de modell d consumo famlar consente dunue l calcolo d un ndce de rezz a lvello d sngola famgla. La teora economca e la teora de numer ndc fornscono alcune ossbltà al rguardo. Convene artre dalla constatazone ce l calcolo degl effett della varazone de rezz de ben (aartenent ad un dato anere) resuone ce c sa un vettore de rezz nzale e un vettore de rezz fnale. S ndc con 0 l vettore de rezz nzale e con 1 l vettore de rezz fnale, con almeno un 1 0 (s assume coè ce due vettor non sano dentc e ce und almeno un rezzo sa varato nel erodo consderato). Il modo ù semlce er calcolare gl effett del assaggo da 0 a 1, consste nel verfcare come è varato l costo d acustare uno stesso anere d ben nelle due stuazon d rezzo. S ndc l anere d ben con R, n cu ndca ce l anere s rfersce ad una generca -esma famgla e R ndca ce uello è l anere assunto come base d calcolo er la varazone del rezzo (anere d rfermento). L ndce de rezz corrsondente alla secfca famgla sarà dato da: (1) P (, ) 1 0, R 1 = 0 R R = 1 0 R R n cu l ultmo termne a destra esrme la stessa formula n notazone non vettorale, n cu è un generco bene e la sommatora n raresenta la somma de rodott tra rezz e uanttà er tutt ben consderat. Così l 2

3 termne 1 raresenta l rezzo del bene -esmo nel erodo 1 e R raresenta la uanttà d bene, nel anere R, acustata dalla famgla consderando l anere d rfermento R fsso ne due erod. S not ce l ndczzazone ad s alca solo alle uanttà e non a rezz. S assume coè ce ogn famgla ossa acustare dverse uanttà d uno stesso bene, ma ce l rezzo del bene sa lo stesso er tutte le famgle. Questa assunzone non è nnocua, dato ce, n alcun cas, dfferenzazon terrtoral de rezz d sngol ben ossono essere rlevant. Se cò fosse, s dovrebbe avere un vettore d rezz ndczzato ance ad. In uanto segue, c concentreremo su dvers comortament d consumo (und su dverse uanttà) e non su dfferenzazon terrtoral de rezz. La consderazone ance d uesta ossbltà, come s vedrà, non aggunge artcolar comlcazon all anals. Dalla formula (1) è mmedato ottenere due ndc ù comun del costo della vta er ogn sngola famgla. Infatt se R = 0, coè se l anere d ben reso n consderazone è uello nzale (rma della varazone de rezz), la (1) dà luogo all ndce d rezzo d Laseyres: (2) P (, ) = 1 0, 0 Se nvece R = 1, coè se l anere d ben reso n consderazone è uello fnale (und doo la varazone de rezz), la (1) dà luogo all ndce d rezzo d Paasce: (3) P (, ) = 1 0, Entramb gl ndc condvdono un dfetto comune, coè uello d non oter tener conto d eventual effett d sosttuzone nel consumo de ben ndott dalla modfca de rezz relatv. Per costruzone, uest due ndc, nfatt, msurano l costo n due regm dfferenzat d rezzo d acustare lo stesso anere d ben. In altr termn, l anere è fsso, und eventual aggustament oerat dal consumatore er tenere conto della varazone de rezz relatv non ossono essere catturat dal calcolo d uest ndc. 3

4 Questa caratterstca comorta ce, n generale, l ndce d Laseyres tenda a manfestare, nel temo, maggor ncrement dell ndce d Paasce, n artcolare roro uando rezz e uanttà sono negatvamente correlat. Qund, l ga tra due ndc tende ad aumentare nel temo. Dal unto d vsta della teora economca, la restrzone d msurare l costo della vta mantenendo ferma la comoszone del anere de ben è una ratca non soddsfacente. La teora del consumatore nsegna ce ogn ndvduo trae utltà dal consumo d cert ben e ce uno stesso lvello d utltà uò essere generalmente raggunto con ben combnat n dverse roorzon (ad eccezone del caso n cu ben sano erfettamente comlementar). Il costo della vta connesso ad una varazone de rezz relatv dovrebbe allora essere msurato dal raorto tra l costo necessaro a raggungere un certo lvello d utltà al vettore de rezz fnale e uello ce era necessaro er raggungere lo stesso lvello d utltà al lvello de rezz nzale. Da uesta defnzone dervano due ndc ce la teora economca dentfca come ver ndc del costo della vta (true cost-of-lvng ndex). S defnsca l costo d raggungere un certo lvello d utltà con un certo vettore de rezz con c ( u,) la funzone d costo del consumatore. 1 Il vero ndce del costo della vta al lvello nzale d utltà sarà ar a: (4) c c ( u0, 1 ) ( u, ) 0 0 mentre l corrsondente ndce al lvello fnale d utltà sarà: (5) c c ( u1, 1 ) ( u, ) 1 0 S uò dmostrare ce se gl effett d sosttuzone sono null, l ndce d Laseyres corrsonde al vero costo della vta (4) e l ndce d Paasce corrsonde al vero costo della vta (5). Se ne deduce ce gl ndc d Laseyres e Paasce anno un fondamento nella teora del consumatore, ma sono buone raresentazon del costo della vta solo n cas secal (assenza d effett d sosttuzone, ce corrsonde a referenze d to Leontef ben erfettamente comlementar). In tutt gl altr cas, gl ndc d Laseyres e Paasce roducono degl error sul calcolo del vero costo della vta, tanto ù grand uanto maggore è l effetto d sosttuzone tra ben al varare de rsettv rezz. 1 La funzone d costo raresenta l mnmo costo d raggungere un lvello d utltà u al vettore de rezz. 4

5 Cò mlcerebbe ce la stma del vero costo della vta debba assare attraverso una stma (econometrca) della funzone d costo n (4) o n (5). A sua volta, uesta necesstà mlca ce alla funzone d costo sa assegnata una forma funzonale eslcta. Ance uesto asso è tuttava denso d roblematce teorce ed emrce. Un metodo abbastanza dffuso d stma della funzone d costo è uello d rcorrere ad una esansone d Taylor del secondo ordne come arossmazone alla vera funzone d costo (nell otes ce fattor d ordne ù elevato sano d dmenson ccole e ossano und essere trascurat). Tuttava, ance uesta soluzone ce rduce la uanttà d restrzon da morre sulla forma funzonale trascna con sé delle nsoddsfazon, n artcolare ercé ueste stme ossono essere d solto realzzate solo er gru d ben molto am (5 10 gru) a causa dell elevato numero de arametr da stmare. Cò rcede un aggregazone de rezz e delle uanttà consumate ce tende a rdurre l nformazone sulla varabltà de comortament d consumo e und la ualtà del rsultato. La metodologa ù semlce da utlzzare e ce, al contemo, cerca d rsolvere alcun roblem dell ndce d Laseyres e Paasce senza cadere ne dfett della stma econometrca della funzone d costo, s basa sull mego dell ndce d Törnvst. Questo ndce corrsonde al vero costo della vta n otes ù lausbl (rsetto a Laseyres e Paasce), ce ammettono la resenza d effett d sosttuzone, e uò essere raresentato come segue: ( ) = (6) ln P 1, 0 ;w ( ) n cu w = w 1 + w 0 2 # " w ln & 1 % ( $ ' è la meda della uota d sesa sul totale relatva a cascun bene tra l erodo 1 e l erodo 0 (e n cu 0 t t c w t = è la uota d C sesa al temo t=0,1 sul bene -esmo, c t è la sesa sul bene -esmo da arte della -esma famgla e C t ct è l consumo totale al temo t della -esma famgla). = Questa formulazone consente d tenere almeno n arte conto d come s sano modfcat comortament d consumo n ragone della varazone de rezz coè dell effetto d sosttuzone. Rsetto a Laseyres e Paasce, 5

6 und, l anere d ben non è fsso (sul erodo nzale o fnale), ma è una meda de aner ne due erod. L nconvenente della (6) è ce la sua alcazone rcederebbe la conoscenza del anere consumato da una stessa famgla all nzo e alla fne del erodo. Cò sarebbe ossble solo se dat fossero dsonbl n formato anel, coè con le stesse famgle osservate er ù erod. In generale, dat su consum delle famgle sono camonar e l camone non contene le osservazon relatve alle stesse famgle d anno n anno. In uest ultmo caso, la (6) otrebbe trovare ancora alcazone se anzcé rferrs alla sngola famgla, l ndce s rfersse a gru d famgle ad esemo, dentfcate er caratterstce soco-demografce (famgle con 1 fglo, famgle con 2 fgl, ecc.). Il grado d dettaglo de sotto-gru dovrebbe comunue tener conto del fatto ce è necessara una adeguata numerostà camonara al fne d ottenere nformazon non dstorte. Se l obettvo è uello d verfcare gl effett della dnamca de rezz d erodo n erodo, l ndce (6) aare soddsfacente. Tuttava, ualora s volesse studare la dnamca dell ndce de rezz tra erod ce sono ù lontan nel temo (coè searat da ù d un erodo), la tecnca mglore è uella d legare, nel erodo, gl ndc relatv a sottoerod consecutv. Cò ercé nel corso del temo, l andamento de rezz relatv del erodo base tende ad essere semre meno raresentatvo della stuazone economca d un erodo dstante nel temo. Per rmedare a uesto nconvenente, s uò dar luogo al concatenamento d ndc calcolat su erod consecutv. Cò mlca ce all ndce s alc n ogn sottoerodo una base d rfermento aggornata. Ad esemo, nel caso dell ndce de rezz d Laseyres calcolato nel erodo ce va da t=0 a t = s, s avrebbe: (7) P = s s" 1 s " 1 s" 1 n cu s dmostra ce l ndce concatenato non è altro ce l rodotto degl ndc d Laseyres da t = 0 a t = s calcolat cascuno come varazone al temo t rsetto al temo t - 1. Analogamente er l ndce d Paasce e er l ndce d Tornvst. Il concatenamento è una rocedura artcolarmente utle se le varabl sottostant tendono ad avere un comortamento dnamco monotonco, come 6

7 ad esemo nel caso dell nflazone. L mego d ndc concatenat è nfatt sconsglato nel caso n cu le varabl sottostant resentno ame fluttuazon ntorno ad un trend. 2. I dat Qualora non s roceda ad ndagn autonome su consum delle famgle e a rlevazon drette delle varazon de rezz, l anals degl effett delle varazon de rezz relatv s uò affrontare con rsultat soddsfacent utlzzando due esstent font d dat. La rma fonte d dat è costtuta da numer ndc de rezz al consumo er l ntera collettvtà er voce d rodotto elaborat dall Istat. Il dettaglo delle voc d rodotto è molto amo e, n caso d necesstà, consente d costrure de sub-ndc er gru d rodott. S tratta d ndc relatv a 208 voc elementar d rodotto, a ual s aggungono ndc de rezz er aggregazon d rodott. S concentrerà l attenzone sulle voc elementar al fne d utlzzare l maggor grado d dettaglo nformatvo. La seconda fonte d dat è raresentata dall ndagne su consum delle famgle dell Istat. In uesta ndagne, sono resent rlevazon sulla sesa delle famgle er un altrettanto ama gamma d ben, 279 voc elementar d consumo. Guardando alla formula (6), und, reust nformatv sono otenzalmente soddsfatt dall mego smultaneo d ueste due font d dat. I valor d ossono essere recuerat utlzzando due erod consecutv d osservazone degl ndc d rezz. I valor d w le uote d consumo d cascun bene sul totale del consumo famlare ossono essere nvece calcolat a artre dalle voc elementar d consumo n raorto al totale del consumo famlare (ce s ottene ovvamente sommando le sngole voc d consumo er ogn famgla). S not ce l ndce (6) rcede la dsonbltà de dat d sesa famlare er entramb erod. Dal unto d vsta nformatvo, è und ù costoso degl ndc d Laseyres e Paasce, ce rcedono comunue un solo erodo d osservazone delle uanttà consumate (uello nzale o uello fnale). Nel confronto tra ueste due font d dat s ossono resentare cnue cas: l rmo, ce s otrebbe defnre ottmale, s a uando ad una voce elementare del anere dell ndce de rezz corrsonde la stessa voce 7

8 elementare ne consum delle famgle. In uesto caso, l ndce de rezz uò essere drettamente alcato alla voce d consumo al fne d calcolare l contrbuto ndvduale dello secfco consumo alla formazone dell ndce de rezz famlare. Alcun esem sono rortat nel seguente scema: INDICE DEI PREZZI - VOCI DI PRODOTTO Rso Farna Carne suna Pollame Salum e nsaccat DISAGGREGAZIONE DEI CONSUMI FAMILIARI Rso Farna Maale Pollame Salum l secondo caso s a uando a voc d rodotto nell ndce de rezz non corrsondono voc elementar d consumo ne blanc delle famgle. In altr termn, d un bene d cu è calcolato l ndce de rezz non s a a dsoszone la sesa dal lato de blanc delle famgle. In uesto caso, l ndce de rezz non uò essere utlzzato e und l relatvo bene non contrbusce alla formazone dell ndce de rezz famlare. Alcun esem sono ndcat nel seguente scema: INDICE DEI PREZZI - VOCI DI PRODOTTO DISAGGREGAZIONE DEI CONSUMI FAMILIARI Carne bovna surgelata Formagg er condmento l terzo caso s a uando ad una voce d rodotto dell ndce de rezz corrsondono ù voc elementar d sesa dal lato de blanc delle famgle. In uest cas, le sngole voc elementar d sesa vengono sommate n modo da rcostture un aggregato omogeneo a uello defnto dalla voce d rodotto dell ndce de rezz. A tale aggregato uò così essere alcato l corrsondente ndce de rezz e l contrbuto nserto nel calcolo dell ndce (6). Ad esemo, l ndce de rezz è calcolato er la voce d rodotto Carne bovna fresca alla uale s ossono affancare due voc d consumo famlare, Vtello e vtellone e Manzo. La somma d ueste due voc rcosttusce un aggregato omogeneo a Carne bovna fresca e uò und assocars al relatvo ndce de rezz. Un altro esemo è l ndce de rezz calcolato sulla voce Altr grass (anmal e vegetal) a cu s ossono assocare le sese su Margarna e altr grass vegetal e Lardo, strutto 8

9 e altr grass anmal. S rmanda alla tabella A.1 n Aendce er l accoamento comlessvo tra voc d rodotto dell ndce de rezz e voc d sesa famlare; INDICE DEI PREZZI - VOCI DI PRODOTTO DISAGGREGAZIONE DEI CONSUMI FAMILIARI Carne bovna fresca Vtello e vtellone Manzo Altr grass (anmal e vegetal) Margarna e altr grass vegetal Lardo, strutto e altr grass anmal l uarto caso s a uando una voce d sesa famlare comrende due o ù voc d rodotto dell ndce de rezz. Nello scema seguente, la voce d sesa Confetture, marmellate, mele, coccolato, ecc. comrende due voc d rodotto sulle ual l ndce de rezz è calcolato searatemente, Confetture, marmellate, mele e Coccolato. Pocé otetcamente c sono due ndc de rezz ce otrebbero essere alcat all aggregato d sesa, s one l roblema d uale de due s debba selezonare. La rocedura utlzzable n uesto caso è uella d consderare una meda onderata degl ndc de rezz con es raresentat dal eso d cascuna voce sul totale delle voc consderate. S assuma ce a fronte d una unca voce d consumo, l ndce de rezz rort k voc d rodotto. L ndce de rezz onderato da alcare alla voce d sesa sarà allora dato da k " k k =, n cu k è l rezzo delle voc d rodotto ce " k k comongono la voce d sesa e k è l eso d cascuna voce d rodotto sull aggregato corrsondente alla voce d sesa. La tabella A.1 n Aendce llustra cas n cu s è rscontrata uesta necesstà. INDICE DEI PREZZI - VOCI DI PRODOTTO DISAGGREGAZIONE DEI CONSUMI FAMILIARI Confetture,marmellate,mele Coccolato Confetture, marmellate, mele, coccolato, ecc. 9

10 l unto caso s verfca uando esstono voc elementar d sesa famlare ce non sono rconducbl a nessuna voce d rodotto dell ndce de rezz. Lo scema rortato d seguto llustra due esem d voc d sesa non assocabl drettamente ad un ndce de rezz. INDICE DEI PREZZI - VOCI DI PRODOTTO DISAGGREGAZIONE DEI CONSUMI FAMILIARI Pellcce e artcol d ellccera Carbone e legna Il rsultato fnale dell esame delle cnue stuazon orta ad dentfcare cas d corrsondenza tra voc d sesa e voc d rodotto. L anals d uest cas e gl aggustament sora descrtt anno ortato all dentfcazone d 147 voc d sesa a cu s affancano corrsondent 147 ndc de rezz. A artre da uesta struttura, l calcolo della (6) è mmedato. Nell eserczo ce verrà llustrato d seguto, a causa della dsonbltà d un solo anno d osservazon sulla sesa delle famgle, non s otrà dar luogo al calcolo della (6). In realtà, s esegurà l calcolo dell ndce d Laseyres. I rsultat non sono und da nterretare economcamente, ma come ndcazone delle ossbl nformazon ce s ossono ottenere dall alcazone d uesta metodologa. 3. Un eserczo llustratvo Utlzzando l traccato delle sese famlar delle famgle della regone Marce (1.026 osservazon camonare ce s rferscono ad un unverso d crca 585 mla famgle e 1,5 mlon d ndvdu), s è roceduto come segue: 1. le voc elementar d sesa sono state aggregate nelle 147 voc utl a fn del calcolo dell ndce de rezz; 2. s è o calcolata la uota d sesa d cascuno de 147 ben sul totale della sesa famlare er cascuna famgla ( w ); 3. a cascuna voce d sesa sono stat assocat corrsondent ndc de rezz del 2005 e del 2006; 10

11 & s è roceduto al calcolo d # ln $ er cascun bene ; % 2005 " 5. s è o roceduto alla somma de rodott tra le uote d sesa su cascun bene e la varazone d cu al unto 4. Cò dà luogo ad un ndce de rezz er cascuna famgla consderata nel camone. Questa rocedura consente dunue d assocare a cascuna famgla l corrsondente ndce de rezz calcolato sulla base delle varazon de rezz (dentce er cascuna famgla) e del roro comortamento d sesa (dfferenzato tra famgle n ragone della dverstà d referenze e d reddto). Il unto d arrvo della rocedura è und, nel caso secfco, l calcolo d ndc de rezz famlar. Questa nformazone uò essere aggregata n var mod. D seguto, s mostreranno due elaborazon tce del dettaglo nformatvo rsultante dall alcazone d uesta metodologa. La rma rguarda la dstrbuzone d freuenza dell ndce del costo della vta attraverso la raresentazone ad stogramma della fgura 1, coè l addensamento delle famgle ntorno a lvell determnat dell ndce del costo della vta. Fgura 1 Freuenza Dstrbuzone d freuenza dell'ndce de rezz famlare Regone Marce Indce de rezz famlare Fonte: Elaborazon rore su dat Istat 11

12 Come atteso, la maggor arte delle famgle (la cu numerostà s legge sull asse delle ordnate) s addensa ntorno a valor dell ndce comres tra 1.02 e 1.03, coè tra valor ce ncludono la meda nazonale. S nota ance la resenza d famgle l cu costo della vta eccede La seconda raresentazone (fgura 2) rorta la meda dell ndce del costo della vta er decl d sesa famlare euvalente. 2 Quest ultma varable è megata come roxy del benessere delle famgle. Come s uò notare, la meda del costo della vta è dfferenzata er decl d sesa, con ndc d rezzo relatvamente ù alt a lvell bass d sesa. 3 Fgura 2 Fonte: Elaborazon rore su dat Istat 2 A fn dell eserczo, è stata utlzzata una scala d euvalenza molto semlce ce assegna valore 1 al rmo adulto e 0.7 a tutt gl altr comonent della famgla. 3 È oortuno rcordare ce l nterretazone economca è solo esemlfcatva delle otenzaltà della metodologa. 12

13 4. Estenson La rncale estensone della metodologa otrebbe rguardare la ossbltà d ntrodurre ndc de rezz terrtoral. Tuttava, la sere storca dell ndce de rezz er area geografca redsosta dall Istat s basa su raggruament er categore d ben e non consente und d utlzzare l dettaglo nformatvo della sesa famlare. L aggregazone delle sese mensl rsetto alle categore omogenee dell ndce de rezz comorterebbe nfatt una notevole erdta d nformazone, ercé condzonata dall assunzone mlcta ce tra famgle, all nterno d ogn categora, l eso relatvo d cascun elemento della categora sa lo stesso. In altr termn, la consderazone d categore d sese, anzcé d voc elementar d sesa, condurrebbe verso un aattmento della varabltà de modell d sesa, ce s rendono nvece dsonbl ualora s utlzz al massmo dettaglo la dsaggregazone de consum famlar. Al fne d oter alcare la stessa metodologa fn u dscussa, dovrebbero essere res dsonbl gl ndc regonal d rezzo con la stessa dsaggregazone dell ndce generale (208 voc elementar d rodotto). 13

14 APPENDICE 1 Tavole d raccordo tra ndce de rezz er voce d rodotto e voc elementar d sesa famlare Tabella A.1 14

La teoria del consumo

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

Dettagli

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

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

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

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

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

Università degli Studi di Perugia A.A. 2014/2015 Dipartimento di Economia. ECONOMIA INDUSTRIALE Prof. Davide Castellani (davide.castellani@unipg.

Università degli Studi di Perugia A.A. 2014/2015 Dipartimento di Economia. ECONOMIA INDUSTRIALE Prof. Davide Castellani (davide.castellani@unipg. Unverstà degl Stud d Peruga A.A. 2014/2015 Dartmento d Economa ECONOMIA INDUSTRIALE Prof. Davde Castellan (davde.castellan@ung.t) Struttura e otere d mercato Paradgma Struttura-Condotta-Performance Concentrazone

Dettagli

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

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

Dettagli

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio Formulazone e Notazon Algortmo d Carler- Pnson er roblem d Job Sho Schedulng: un esemo Notazon o C M ( o r, q -esma oerazone del ob Temo d rocessamento d o Macchna che deve rocessare o Clque (nseme d oerazon

Dettagli

CEMENTO ARMATO PRECOMPRESSO Lezione 6

CEMENTO ARMATO PRECOMPRESSO Lezione 6 Corso d Comlement d Tecnca delle Costruzon A/A 008- CEMETO ARMATO PRECOMPRESSO Lezone 6 ILSISTEMAEQUIVALETE EQUIVALETE ALLA PRECOMPRESSIOE Generaltà Il sstema equvalente er trav sostatche Il sstema equvalente

Dettagli

Il Programma Visualizzatore Risultati

Il Programma Visualizzatore Risultati Progetto SP1a Nuove tecnologe er l anals non ntrusva de manufatt Programma d rcerca Ingegnerzzazone d rotot e strumentazone er la dagnostca su manufatt monumental n materale ladeo Il Programma Vsualzzatore

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

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

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell er la anfcazone delle attvtà Paolo Dett Dartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell er la anfcazone delle

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

Soluzioni I. Sistemi multicomponente Regola delle fasi Diagrammi di stato Soluzioni ideali Soluzioni reali

Soluzioni I. Sistemi multicomponente Regola delle fasi Diagrammi di stato Soluzioni ideali Soluzioni reali Soluzon I Sstem multcomonente Regola delle fas Dagramm d stato Soluzon deal Soluzon real 1 Soluzon Soluzone (o mscela): un sstema multcomonente, vale a dre formato da sostanze con dversa comoszone chmca,

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

Indice svizzero dei salari Basi metodologiche (2015=100)

Indice svizzero dei salari Basi metodologiche (2015=100) Déartement fédéral de l'ntéreur DFI Offce fédéral de la statstque OFS Enccloeda statstca della Svzzera 3 Lavoro e reddto Indce svzzero de salar Bas metodologche (215=1) Informazon: UST, Sezone Salar e

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

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

Schema generale su fenomeni, eventi, misure analitiche e sintetiche

Schema generale su fenomeni, eventi, misure analitiche e sintetiche chema generale su fenomen, event, msure analtche e sntetche Tologa event: - NON rnnovabl negatv (morte, mgrazon) - NON rnnovabl (rmo matrmono, nascte er orne, ecc.) - Rnnovabl (matrmono, nascta fgl, ecc.)

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

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

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

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

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

La teoria microeconomica del consumo

La teoria microeconomica del consumo Isttuzon d Economa Matematca La teora mcroeconomca del consumo Il problema del consumatore 2 a parte. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy)

Dettagli

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

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

Dettagli

Modelli descrittivi, statistica e simulazione

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

Dettagli

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

= = = = = 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

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

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

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

Valutazione dei Benefici interni

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

Dettagli

Corso di TEORIA DEI SISTEMI DI TRASPORTO. prof. ing. Umberto Crisalli

Corso di TEORIA DEI SISTEMI DI TRASPORTO. prof. ing. Umberto Crisalli Corso d TEORIA DEI SISTEMI DI TRASPORTO rof. ng. Umberto Crsall Modell d utltà aleatora Iscrzone al corso Modell d offerta Da effettuars anche on lne htt:delh.unroma.t Struttura del sstema d modell er

Dettagli

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

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

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA Notazone: x = -esma modaltà della varable X Nel caso d dstrbuzon n class: x = Lmte superore della classe -esma x -1 = Lmte nferore della classe

Dettagli

Corso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005

Corso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005 Corso d Tecnche elettromagnetche per la localzzazone e l controllo ambentale Test scrtto del 8 / 9 / 5 S rsponda alle seguent domande marcando con un segno le rsposte che s reputano corrette. S rsolva

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

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

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

Dettagli

Statistica descrittiva

Statistica descrittiva Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.

Dettagli

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

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

Le curve di Intensità-Durata-Frequenza (IDF) delle precipitazioni

Le curve di Intensità-Durata-Frequenza (IDF) delle precipitazioni Le curve d Intenstà-Durata-Frequenza (IDF) delle rectazon INDICE 1. Il modello robablstco d Gumbel... 2 2. Le curve d robabltà luvometrca (IDF)... 4 3. La relazone ntenstà-durata delle mede delle rectazon

Dettagli

L ADOZIONE DI NUOVE TECNOLOGIE (1)

L ADOZIONE DI NUOVE TECNOLOGIE (1) (1) Approcco statco: TIZIO Nuova tecnologa Veccha tecnologa CAIO Nuova tecnologa Veccha tecnologa α; α ; γ Nash E. γ; β; β Nash E. Ipotes base: Presenza esternaltà rete α > β > γ Excess nerta: s verfca

Dettagli

MODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30).

MODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30). ODELLO ONOINDICE Il rendmento d un ttolo uò essere scrtto come: R = a + β R (1) dove: R = rendmento dell -mo ttolo; a = comonente aleatora del rendmento, ndendente dall andamento del mercato; R = è varable

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

ESERCIZIO N. 1. b) rendimenti reali dell azienda Gesis e del portafoglio di mercato:

ESERCIZIO N. 1. b) rendimenti reali dell azienda Gesis e del portafoglio di mercato: ESERCIZIO N. 1 Il canddato proceda a calcolare l tasso d congrua remunerazone reale dell azenda Gess al 31.12.2003 applcando l CAPM e l WACC della stessa azenda; dat d cu s dspone sono seguent: a) rendmento

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

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

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = =

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = = Clusterng Clusterng Raggruare le stanze d un domno n gru tal che gl oggett nello stesso gruo mostrno un alto grado d smlartà e gl oggett n gru dvers un alto grado d dssmlartà Leggere la sezone 6.6 d Wtten

Dettagli

Alberi di classificazione: caratteristiche. della metodologia CART

Alberi di classificazione: caratteristiche. della metodologia CART Alber d classfcazone: caratterstche della metodologa CAT Introduzone I modell strutturat ad albero sono stat usat n cam dvers come la botanca e la medcna, rma che l loro otenzale eslcatvo vensse scoerto

Dettagli

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

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

Dettagli

Università degli Studi di Parma Facoltà di Economia INTRODUZIONE AL RISCHIO

Università degli Studi di Parma Facoltà di Economia INTRODUZIONE AL RISCHIO Unverstà degl Stud d Parma Facoltà d Economa Corso d PIANIFICAZIONE FINANZIARIA Professor Eugeno Pavaran INTRODUZIONE AL RISCHIO Nota ddattca d Gan Marco Ches Indce ) Premessa ag. ) Gl nvestment fnanzar

Dettagli

Le curve di Intensità-Durata-Frequenza (IDF) delle precipitazioni

Le curve di Intensità-Durata-Frequenza (IDF) delle precipitazioni Le curve d Intenstà-Durata-Frequenza (IDF) delle rectazon INDICE Il modello robablstco d Gumbel...2 Le curve d robabltà luvometrca (IDF)...3 La relazone ntenstà-durata delle mede delle rectazon massme

Dettagli

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

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

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

Dove RF è la rendita catastale del fabbricato e f (RF ) la funzione che associa l indice economico del fabbricato alla rendita catastale.

Dove RF è la rendita catastale del fabbricato e f (RF ) la funzione che associa l indice economico del fabbricato alla rendita catastale. 4.4.2. Indc economc L ndce d natura economca, n base a quanto prevsto dalla lettera b), del comma 2 dell artcolo 36 della legge regonale deve essere rferto a reddt catastal rvalutat. S ha pertanto che:

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

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

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

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

Circuiti elettrici in regime stazionario

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

Dettagli

CAPITOLO 2 LA DOMANDA DEI CONSUMATORI

CAPITOLO 2 LA DOMANDA DEI CONSUMATORI Pagna 1 d 18 CAPITOLO 2 LA DOMANDA DEI CONSUMATORI 2.1 Introduzone Inzamo n questo catolo un arofondmento delle relazon funzonal che comongono modell d formazone del rezzo esamnat nel Catolo 1. Il rmo

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

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

... ... ... DI GIOIOSA MAREA (ME) PORTO TURISTICO NELLA FRAZIONE SAN GIORGIO DEL COMUNE. 3. RICAVI E COSTI DI GESTIONE... l

... ... ... DI GIOIOSA MAREA (ME) PORTO TURISTICO NELLA FRAZIONE SAN GIORGIO DEL COMUNE. 3. RICAVI E COSTI DI GESTIONE... l PORTO TURSTCO NELLA FRAZONE SAN GORGO DEL COMUNE D GOOSA MAREA (ME) PROGETTO PRELMNARE PANO ECOVOb'TCO E FNANZAF0 NDCE 1. PREMESSA...,.l 2. COSTO DELL'NTERVENTO...,...,...,..,,.,...,,.,,~...,.,.,.,,...l

Dettagli

4.6 Dualità in Programmazione Lineare

4.6 Dualità in Programmazione Lineare 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble

Dettagli

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

* 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

Perequazione e costi standard nel Federalismo sanitario in Italia. Alessandro Petretto Università di Firenze

Perequazione e costi standard nel Federalismo sanitario in Italia. Alessandro Petretto Università di Firenze Perequazone e cost standard nel Federalsmo santaro n Itala Alessandro Petretto Unverstà d Frenze Tologe d sesa e fnanzamento REIONI TRIBUTI PROPRI ADDIZIONALE IRPEF COMPARTECIPAZIONE IVA FONDO PEREQUATIVO

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

Ripasso sul campo magnetico rotante e avvolgimenti in corrente alternata

Ripasso sul campo magnetico rotante e avvolgimenti in corrente alternata Il camo magnetco rotante Il funzonamento della maggor arte delle macchne elettrche rotant n corrente alternata (ad eccezone del motore unversale a collettore e d altre macchne secal) Rasso sul camo magnetco

Dettagli

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4 Teora de Goch Dr. Guseppe Rose Unverstà degl Stud della Calabra Corso d Laurea Magstrale n Economa Applcata a.a 011/01 Handout 4 1 L equlbro d Bertrand Nel modello d Bertrand, abbamo un duopolo esattamente

Dettagli

Introduzione al Machine Learning

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

Dettagli

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

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

Dettagli

1) Codifica di sorgente sub-ottima: algoritmi di Shannon, Shannon-Fano.

1) Codifica di sorgente sub-ottima: algoritmi di Shannon, Shannon-Fano. Argoment della Lezone ) Codfca d sorgente sub-ottma: algortm d Shannon, Shannon-Fano. 2) Codfca d sorgente basata su blocch 3) Sorgent con memora 4) Codfca d sorgent d Markov 5) Codfca unversale e codfca

Dettagli

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

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

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

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

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

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

Dettagli

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

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

Dettagli

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

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 5: 24 febbrao 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/24? Eserczo Trovare quale legge d captalzzazone

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Algoritmi euristici: III Ricerca Locale

Algoritmi euristici: III Ricerca Locale Algortm eurstc: III Rcerca Locale Danele Vgo D.E.I.S. - Unverstà d Bologna dvgo@des.unbo.t rev. 1.0 - dcembre 2003 Algortm d Rcerca Locale partono da una soluzone (ammssble) cercano teratvamente d mglorarla

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

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

McGraw-Hill. Tutti i diritti riservati. Caso 11

McGraw-Hill. Tutti i diritti riservati. Caso 11 Caso Copyrght 2005 The Companes srl Stma d un area fabbrcable n zona ndustrale nella cttà d Ferrara. La stma è effettuata con crter della comparazone e quello del valore d trasformazone. Indce Confermento

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

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

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

Dettagli

Il campionamento casuale semplice

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

Dettagli

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

Teorema di Thévenin-Norton

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

Dettagli

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

CAPITOLO 3 CIRCUITI DI RESISTORI

CAPITOLO 3 CIRCUITI DI RESISTORI CAPITOLO 3 CIRCUITI DI RESISTORI Pagna 3. Introduzone 70 3. Connessone n sere e connessone n parallelo 70 3.. Bpol resstv n sere 7 3.. Bpol resstv n parallel 77 3.3 Crcut resstv lnear e sovrapposzone degl

Dettagli