Impianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci
|
|
- Edoardo Poggi
- 6 anni fa
- Visualizzazioni
Transcript
1 Impiai Idusriali a previsioe della domada Meodi di esrapolazioe Ig. orezo Tiacci
2 e compoei della domada Tred Cogiuurale Sagioale Casuale Tedeziali (red) a caraere geeralmee crescee e decrescee Sisemaiche dovua all azioe idividuabile e misurabile di forze e aura deermiaa; Cicliche (cogiuurali) oscillaoria co ciclo di ampiezza e periodo variabili el empo Compoei Oscillaorie Domada empo Casuali dovua all isieme di ue le alre forze di aura o deermiaa Es. cogiuura coso dollaro+ coso bre = prezzo bezia Sagioali oscillaorie co ciclo di periodo cosae el empo 2
3 Possibili modelli di domada Modelli moliplicaivi: compoee sisemaica=level red faore sagioale Modelli addiivi: compoee sisemaica=level + red + faore sagioale Miso: compoee sisemaico=(level + red) faore sagioale 3
4 Sima delle compoei della domada Si cosidera sempre modello miso [ ( l) T ] S l = F l + = sima del livello (domada desagioalizzaa) T=sima del red (icremeo o decremeo domada) S =sima del faore sagioale periodo D =domada effeiva osservaa periodo F =previsioe della domada periodo 4
5 Ao Trimesre Periodo Domada D Esempio Domada Trimesre Faori sagioali e red evidei il livello, red e le sagioalià possoo essere simai i due fasi ) Desagioalizzazioe e regressioe lieare per simare livello e red 2) Simare i faori sagioali 5
6 Desagioalizzazioe domada ) sima del livello e del red T Bisoga elimiare dai dai di domada gli effei sagioali (desagioalizzazioe) si calcola per ogi periodo la media ceraa di u umero di valori, uguali alla periodicià, della domada osservaa Se la periodicià è pari, si effeuao prima le medie mobili primarie, e poi le si cerao D = D + /(2 ( p / 2) ( p / 2) + D + ( p / 2) + 2 Di p i= + ( p / 2) ) se p è pari + ( p/2) D = D / p se p è dispari i= ( p/2) i 6
7 I valori rovai araverso le medie o coproo uo l iervallo dei dai. Essi vegoo esesi ai dai macai araverso ua regressioe lieare Periodo Domada D Medie cerae Effeiva Trimesre medie cerae 7
8 Si suppoe che la compoee desagioalizzaa abbia u adameo lieare del ipo: D = + ed araverso ua Regressioe lieare si rovao il coefficiee agolare ed il ermie oo della rea che miimizza le disaze al quadrao dai pui rovai co le medie cerae. I pui della rea di regressioe (esedibili a ui i periodi) rappreseao la domada desagioalizzaa T domada osservaa medie cerae desagioalizzaa 8
9 Si suppoe che la compoee desagioalizzaa abbia u adameo lieare del ipo: Miimizzado l espressioe: S = ( x T) = 2 + x x si oegoo: = 2 = T = 2 ( ) /2 = x/ T ( + ) / 2 = Nell esempio: =8439 (ermie oo) T=524 (coeff. Agolare) ρ 2 = 0, domada osservaa medie cerae desagioalizzaa 9
10 Sima dei faori sagioali Periodo Trimesre Domada D Desagioaliz zaa Faore sagioale , , , , , , , , , , , ,66 S = D D Nelle medie saiche i faori sagioali hao u uico valore per ciascu ao, che si prede pari alla media dei faori sagioali calcolai ei periodi corrispodei ad esempio, il faore sagioale del primo rimesre è dao dalla media dei re faori sagioali rovai, e cioè: (,66+,68+,66)/3 0
11 Araverso la formula: [ + ( + l) T ] S l F + l = + si sima quidi la domada fuura s domada osservaa desagioalizzaa medie cerae previsioe
12 Serie emporali Sime adaaive a sima del livello, del red e della sagioalià soo aggiorae dopo ogi osservazioe. Si cosidera sempre modello miso [ ] F = + lt S + l + l = sima del livello a =0 (domada desagioalizzaa) T =sima del red (icremeo o decremeo domada) S =sima del faore sagioale periodo D =domada effeiva osservaa periodo F =previsioe della domada periodo 2
13 Serie emporali Sime adaaive 4 fasi: I. Iizializzazioe II. Previsioe III. Sima dell errore IV. Modifica delle sime 3
14 4 fasi I. Iizializzazioe - Simare livello iiziale 0, red T 0 e faori sagioali (S,..,S p ) dai dai sperimeali II. Previsioe - Dae le sime el periodi effeuare le sime per il periodo + co il modello: F [ ( ) ] + l = + + l T S+ l - Prima previsioe per modello co i valori del periodo 0 III. Sima dell errore - Nel periodo successivo si regisra la domada effeiva D + per il periodo + - Si calcola l errore E + per la previsioe + come differeza ra domada effeiva e previsa: E+ = F + D + IV. Correzioe delle sime - Si modifica il livello della sima +, il red T + e il faore sagioale S +p+, dao l errore ella previsioe - Correzioe ale che se la domada è iferiore alle previsioi, le sime soo rivise al ribasso, mere se la domada è ala, le sime soo rivise al rialzo. 4
15 Serie emporali Sime adaaive e sime rivise el periodo + soo uilizzae per le previsioi el periodo +2 e i passi 2,3 e 4 soo ripeui fiche ui i dai sorici fio al periodo soo sai coperi e sime del periodo soo quidi usae per la previsioe della domada fuura 5
16 I meodi di previsioe adaaivi Media mobile Smorzameo espoeziale semplice Smorzameo espoeziale correo per il red Smorzameo espoeziale correo per il red e la sagioalià a scela del meodo più appropriao dipede dalle caraerisiche della domada, i paricolar modo da come è sruuraa la compoee sisemaica 6
17 Medie mobili Uilizzabile se o vi è é red é sagioalià, per cui: compoee sisemaica = livello Sima del livello al periodo come sima degli N periodi più recei: = D + D N Previsioe al empo dipede solo da : F = D N + F = + + Dopo aver osservao la domada al periodo +, si rivedoo le sime così: + = D + + D N D N + 2 F + 2 = + e cioè per calcolare la uova media mobile si aggiuge semplicemee l ulima osservazioe e si scara la prima 7
18 Smorzameo espoeziale semplice Uilizzabile se o vi è é red é sagioalià, per cui: compoee sisemaica = livello Il valore iiziale 0 è preso come la media di ui i dai sorici a disposizioe: Previsioe al empo dipede solo da : F = + F = Dopo aver osservao la domada al periodo +, si rivedoo le sime così: 0 = i= D + ( α ) 0 + = α D + + α α è la cosae di smorzameo del livello. Il valore riviso del livello è ua media pesaa del valore osservao del livello el periodo + (D + ) e la previsioe del livello faa co i dai del periodo ( ) 8
19 Smorzameo espoeziale semplice I queso modo la sima del livello è ua media pesaa di ui le osservazioi passae della domada, co i pesi che decrescoo espoezialmee quao più il dao di domada è loao: ( ) + = α D + + α ( α ) = α D + ( α ) ( α D + ( α ) ) + = α D ( α ) α D + ( α ) α D... + = α D = α( α) = 0 D + Valori maggiori di α corrispodoo a previsioi più reaive rispeo alle oscillazioi della domada 9
20 Smorzameo espoeziale semplice Valori maggiori di α corrispodoo a previsioi più reaive rispeo alle oscillazioi della domada : ( α ) = α D + ( ) = + α D D D α ( D ) - 20
21 Smorzameo espoeziale correo per il red (modello di Hol) Uilizzabile se vi è red ma o sagioalià, per cui: compoee sisemaica = livello + red Si sima il livello al periodo 0, 0, ed il red al periodo 0, T 0, facedo la regressioe lieare dei dai di domada D a disposizioe (o c è bisogo di desagioalizzare viso che si suppoe l asseza della compoee sagioale) a previsioe sarà pari a: F = + T + Dopo aver osservao la domada al periodo +, si rivedoo le sime così: T D = a + b = b T = a 0 0 F = + T ( α ) ( + T ) 0 + = α D + + α α è la cosae di smorazameo del livello. Il valore riviso del livello è ua media pesaa del valore osservao del livello el periodo + (D + ) e la previsioe del livello che si poeva fare co i dai del periodo ( +T ) + ( ) + ( β ) T 0 + = β + β β è la cosae di smorazameo del red. Il valore riviso del red è ua media pesaa del valore osservao del red el periodo + ( ) e la previsioe del red che si poeva fare co i dai del periodo (T )
22 Smorzameo espoeziale correo per red e sagioalià (modello di Wier) Uilizzabile se vi è sia red che sagioalià, per cui: compoee sisemaica = (livello + red)*sagioalià Si sima il livello iiziale, il red iiziale ed i coefficiei di sagioalià iiziali co procedimeo aalogo al meodo saico e cioè: desagioalizzado la domada, facedo la regressioe lieare dei dai di domada desagioalizzaa (rovado quidi livello e red) e calcolado quidi i coefficiei sagioali. a previsioe sarà pari a: ( + T ) S + = + F = + T S F ( )
23 Smorzameo espoeziale correo per red e sagioalià (modello di Wier) Dopo aver osservao la domada al periodo +, si rivedoo le sime così: T S D ( α ) ( + T ) = α + α S+ + = β + + β T 0 β ( ) ( ) D ( γ ) S p+ = γ + + γ + α è la cosae di smorzameo del livello. Il valore riviso del livello è ua media pesaa del valore osservao del livello el periodo + (D + /S + ) e la previsioe del livello che si poeva fare co i dai del periodo ( +T ) β è la cosae di smorzameo del red. Il valore riviso del red è ua media pesaa del valore osservao del red el periodo + ( + - ) e la previsioe del red che si poeva fare co i dai del periodo (T ) γ è la cosae di smorzameo della sagioalià. Il valore riviso del coefficiee di sagioalià è ua media pesaa del valore osservao della sagioalià 23 el periodo + (D + / + ) e la previsioe della sagioalià che si poeva fare co i dai del periodo (S + )
24 Meodi di previsioe adaaivi riassuo Meodo Previsioale Media mobile Smorzameo semplice Modello di Hol Modello di Wier Applicabilià No edeza o sagioalià No edeza No sagioalià Tedeza o sagioalià edeza e sagioalià 24
25 Misure di Errore Come abbiamo viso, ei meodi di previsioe i riesce a modellare solo la pare sisemaica della domada; la pare casuale si evidezia ell errore E = F D Usare l errore per verificare se il meodo auale di previsioe è accurao el valuare la compoee sisemaica della domada Se gli errori che si maifesao soo i liea co quelli previsi da dai sorici il modello è valido. Nel caso siao più gradi rivedere il modello orizzoe di valuazioe dell errore deve essere di u empo almeo uguale al T dei foriori 25
26 Errore quadraico medio (Mea square error) Deviazioe Assolua Errore medio assoluo (Mea absolue deviaio) MSE = 2 E = A = E MAD = A = Errore assoluo perceuale (Mea Absolue Perceage Error) Errore medio (Bias = polarizzazioe) MAPE = = E D = 00 BIAS = E Trackig sigal Covezioalmee se -6<TS<6 modello può essere acceao TS = BIAS MAD 26
27 Aleraiva per l aggiorameo dell errore = 2 + ( ) MSE E MSE ω ω MSE = Sima dell MSE al periodo ω = cosae di smorzameo, ra 0.0 e 0. Sesso coceo dello smorzameo espoeziale: - No si devoo regisrare lughe serie di dai - Si pesao gli errori rilevai smorzadoe espoezialmee il peso all aumeare della disaza el empo 27
GESTIONE DELLA PRODUZIONE
GESTIONE EA PROUZIONE 5.2.3 Teciche di Previsioe della domada Meodi esrapolaivi Gesioe della Produzioe iparimeo di Igegeria omada e compoei della domada Tedeziali (red) a caraere geeralmee crescee e decrescee
DettagliAppendice 1. Le previsioni economiche
Saisica aziedale Bruo Bracalee, Massimo Cossigai, Aa Mulas Copyrigh 009 The McGraw-Hill Compaies srl Appedice. Le previsioi ecoomiche A. Iroduzioe La previsioe del fuuro da sempre cosiuisce maeria di grade
Dettagliche va trattato con opportune tecniche statistiche.
MODELLI DI SERIE STORICHE APPROCCIO CLASSICO U modello socasico geerale per descrivere il processo geeraore dei dai di ua serie sorica y, y,, y relaiva ad ua variabile Y è dao da Y =f()+u Si assume che
DettagliLa previsione della domanda nella supply chain
La previsione della domanda nella supply chain La previsione della domanda 1 Linea guida Il ruolo della prerevisione nella supply chain Le caraerisiche della previsione Le componeni della previsione ed
DettagliAmmortamento di un debito
Ammorameo di u debio /35 Ammorameo di u debio Che cosa si iede per ammorameo? Ammorameo coabile La quoa di ammorameo cosiuisce la pare del coso di u bee maeriale o immaeriale di ivesimeo da aribuire all
DettagliEquazioni differenziali: formule
Equazioi differeziali: formule Equazioi a variabili separabili y ' A B y Vale eorema esiseza e uicià locale y ' dy Ad B y y y ' A B y y Si applicao le codizioi alla fie dei due iegrali idefiii, oppure
DettagliIndice generale della produzione industriale. indice grezzo corretto per i giorni lavorativi destagionalizzato. marzo 07.
Indice generale della produzione indusriale indice grezzo correo per i giorni lavoraivi desagionalizzao 0.0 0.0 00.0 indice 90.0 80.0 70.0 60.0 50.0 marzo 06 giugno 06 seembre 06 dicembre 06 marzo 07 giugno
DettagliAppunti complementari per il Corso di Statistica
Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe
DettagliAnalisi delle serie storiche parte IV Metodi di regressione
Analisi delle serie soriche pare IV Meodi di regressione a.a. 16/17 Saisica Economica -Laurea in Relazioni Economiche Inernazionali 1 Meodo della regressione La componene di fondo, Trend o Ciclo-Trend,
DettagliECONOMIA MONETARIA (parte generale) Prof. Guido Ascari LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED
ECONOMIA MONETARIA (pare geerale) Prof. Guido Ascari Ao 2006-2007 2007 LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED LA STRUTTURA A TERMINE DEI TASSI D INTERESSED Tioli di debio hao diverse scadeze
DettagliApproccio Classico: Metodi di Scomposizione
Approccio Classico: Meodi di Scomposizione Il Modello di Scomposizione Il modello maemaico ipoizzao nel meodo classico di scomposizione è: y =f(s, T, E ) dove y è il dao riferio al periodo S è la componene
DettagliCorso di Intermediari Finanziari e Microcredito
Idice Corso di Iermediari iaziari e Microcredio Iroduzioe I crieri radizioali di valuazioe dei progei di ivesimeo; La valuazioe dei progei di ivesimeo I crieri fiaziari di valuazioe dei progei d ivesimeo
DettagliL analisi delle serie storiche
L analisi delle serie soriche Per serie sorica si inende un insieme di dai ordinai secondo un crierio cronologico. Ogni dao è associao ad un paricolare isane o inervallo di empo. Se a ciascun isane o inervallo
DettagliConvertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts
Pare II (Coversioe D/A e A/D) La coversioe A/D I coveriori A/D si dividoo i: Coverioridiipospo (coveroo, idealmee, il valore isaaeo del segale); s s Si raa di disposiivi veloci ma sesibili al rumore di
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
DettagliRischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata
Rischio di ieresse: Il modello del clumpig Prof. Ugo Pomae Uiversià di Roma Tor Vergaa Problemi dei modelli precedei Repricig gap e duraio gap Ipoesi variazioe uiforme dei assi di ieresse delle diverse
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
DettagliAnemia. Anemia - percentuali
1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14
Dettagli3 VARIABILI DI COMODO E CAMBIAMENTI STRUTTURALI
F. Carlucci Traccia per u corso di Ecoomeria Modulo II Miimi quadrai 3 VARIABILI DI COMODO E CAMBIAMENTI STRUTTURALI Idice del capiolo 3. Esesioi del modello lieare classico e es di malaspecificazioe.
DettagliREGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO
Regie della capializzazioe coposa e scoo coposo REGME DELLA CAPTALZZAZONE COMPOSTA E SCONTO COMPOSTO Cosideriao l ipiego del capiale C per ua duraa di (uero iero) ai e suppoiao che gli ieressi siao capializzai
DettagliAFFIDABILITA DEI SISTEMI STOCASTICI (complessi)
AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) 1 No ecessariamee il verificarsi di u guaso provoca la more del sisema. A vole soo ecessari più guasi el empo, affiché il sisema collassi. Fissao u empo
DettagliINTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI
Adolfo Scimoe FORMULE INTEGRAZIONE Pag INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI Iegrazioe delle fuzioi razioali frae Se la frazioe è impropria, cioè il grado del umeraore è maggiore o uguale
DettagliBILANCI DI MASSA NEI COMPARTIMENTI AMBIENTALI
BILNI DI MSS NEI OMPTIMENTI MBIENTLI alisi di sigolo comparimeo ad esempio u piccolo lago m x m x 0 m 0 7 m pprossimazioe ST (oiously Sirred-Ta eacor) cocerazioe omogeea dei solui (iquiai) el comparimeo.
DettagliLaboratorio di Fisica per Scienze Naturali Esperienza n 1. Verifica della legge di Hooke Misura dei coefficiente di elasticità di molle di acciaio.
Scopo dell'esperieza Laboratorio di isica per Scieze aturali Esperieza Verifica della legge di Hooe Misura dei coefficiete di elasticità di molle di acciaio. ) verifica del fatto che l allugameto di ua
DettagliAPPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.
AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i
Dettagli2. Duration. Stefano Di Colli
2. Duraio Meodi Saisici per il Credio e la Fiaza Sefao Di Colli Tassi di ieresse e redimei La reddiivià di u obbligazioe è misuraa dal asso di redimeo o dal asso di ieresse U idicaore del redimeo deve
DettagliALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1
ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao
DettagliProgramma lezione XIII
Programma lezioe X /6 erfereza Diffrazioe Polarizzazioe Birifrageza Polarizzazioe circolare erfereza /6 si r r liea ei veri i e s i à Lo sfasameo ra le ue oe, ipee alla iffereza i cammio oico si e è pari
DettagliLa Previsione della Domanda. La previsione della domanda è un elemento chiave della gestione aziendale
La Previsione della omanda La previsione della domanda è un elemeno chiave della gesione aziendale Cosi Cliene Vanaggio compeiivo esi I mod 001 1 ermiene rocesso oninuo Personalizzao Prodoo Indifferenziao
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliMATEMATICA FINANZIARIA
Capializzazioe semplice e composa MATEMATICA FINANZIARIA Immagiiamo di impiegare 4500 per ai i ua operazioe fiaziaria che frua u asso del, % auo. Quao avremo realizzao alla fie dell operazioe? I u coeso
DettagliRegressione e correlazione
Regressioe e correlazioe Regressioe e correlazioe I molti casi si osservao gradezze che tedoo a covariare, ma () Se c è ua relazioe di dipedeza fra due variabili, ovvero se il valore di ua variabile (dipedete)
DettagliIntroduzione all Analisi di Fourier. Prof. Luigi Landini Ing. Nicola Vanello. (presentazione a cura di N. Vanello)
Itroduzioe all Aalisi di Prof. Luigi Ladii Ig. Nicola Vaello (presetazioe a cura di N. Vaello) ANALII DI FOURIER egali tempo cotiui: egali periodici egali aperiodici viluppo i serie di Itroduzioe alla
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliTutorato di Probabilità 1, foglio I a.a. 2007/2008
Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =
DettagliESERCITAZIONE: FEM. Consideriamo un elemento triangolare. y 3
ESERCITAZIONE: FEM L aalisi agli elemei fiii è u ipo di aalisi che si rifà alla meccaica dei solidi e rasforma il coiuo i u discreo composo da umerosi elemei dei quali se e cooscoo le proprieà. Le relazioi
Dettagli( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ
LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a
DettagliPrincipi di valutazione d azienda
Uidusria Reio milia 7 aprile 23 Pricipi di valuazioe d azieda Prof. Riccardo Ferrei Ordiario di coomia deli Iermediari Fiaziari Uiversià di Modea e Reio milia Diparimeo di Comuicazioe ed coomia Idusriali
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliLezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.
La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori
Dettaglin=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza
DettagliSensori Segnali Rumore - Prof. S. Cova - appello 20/02/ P1 pag.1
Sesori Segali Rumore - ro. S. Cova - appello //3 - pag. ROBLEMA Quadro dei dai Segale a impulso reagolare Ampiezza: Duraa: µs Rumore c S variabile, da misurare S Hz desià eicace di poeza (uilaera) limiaa
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 5 luglio 2012
Politecico di Milao - Scuola di Igegeria Idustriale II Prova i Itiere di Statistica per Igegeria Eergetica 5 luglio 2012 c I diritti d autore soo riservati. Ogi sfruttameto commerciale o autorizzato sarà
DettagliCorso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a
Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due
Dettagli2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica
. FUNZIONE D ONDA OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli srumei della Meccaica Quaisica Sisema di ieresse (cosiderao come isolao: aomo/molecola Cofigurazioe del sisema: isieme
DettagliLibri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136
Esercitazioe 0 ESERCIZIO arco e Giulio hao due egozi i viale dei Giardii. arco vede libri, Giulio vede elettroica, tra cui tablet. arco e Giulio, avedo a disposizioe il umero di libri veduti ed il umero
DettagliDi fatto potremo rappresentare analiticamente le correnti magnetizzanti che operano in ciascuna delle colonne del TRS con espressioni del tipo:
Correi a vuoo el rasformaore rifase Il problema delle correi a vuoo el rasformaore rifase è imporae i quao, a secoda dei collegamei delle fasi, si avrà o meo la deformazioe dei flussi o della corree mageizzae.
Dettaglimq t cq t kq t f t SISTEMI A UN GRADO DI LIBERTA EQUAZIONE DEL MOTO Pulsazione propria Frequenza propria Fattore di smorzamento Periodo proprio
SISEMI A UN GRADO DI LIBERA EQUAZIONE DEL MOO f,c c f f Pulsazioe propria Freueza propria Periodo proprio c Faore di sorzaeo SISEMI A N GRADI DI LIBERA EQUAZIONE DEL MOO, RASCINAMENO SISMICO Sisea shear
DettagliRicerca di un elemento in una matrice
Ricerca di u elemeto i ua matrice Sia data ua matrice xm, i cui gli elemeti di ogi riga e di ogi coloa soo ordiati i ordie crescete. Si vuole u algoritmo che determii se u elemeto x è presete ella matrice
DettagliTavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità)
4 Quai eravamo, quai siamo, quai saremo Che cosa si impara el capiolo 4 er cooscere le caraerisiche e l evoluzioe della popolazioe ialiaa araverso u lugo arco di empo uilizziamo il asso di icremeo medio
DettagliSCUOLA POLITECNICA IN ECONOMIA E ORGANIZZAZIONE VILFREDO PARETO MASTER IN E-BUSINESS CAPITAL BUDGETING
CAPITAL BUDGETING VALUTAZIONE DI PROGETTI D INVESTIMENTO CON PREVISIONE DEI FLUSSI DI CASSA ATTESI: l impresa ivese moea oggi per oeere flussi moeari icremeali el fuuro.* PROGETTO: Ivesimeo i arezzaure
Dettagli3. Calcolo letterale
Parte Prima. Algera 1) Moomi Espressioe algerica letterale 42 Isieme di umeri relativi, talui rappresetati da lettere, legati fra loro da segi di operazioi. Moomio Espressioe algerica che o cotiee le operazioi
DettagliForza dell oscillatore
(lez 6, A) Forza dell oscillaore roduciamo ua uova gradezza. La forza dell oscillaore. Quesa quaià sosazialmee è proprozioale all elemeo di marice del momeo di dipolo ra lo sao iiziale e fiale. Nella descrizioe
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
DettagliEsercizi aggiuntivi Unità A1
Esercizi aggiunivi Unià A Esercizi svoli Esercizio A Concei inroduivi Daa la grandezza impulsiva periodica la cui forma d onda è rappresenaa nella figura A., calcolarne il valore medio nel periodo, il
DettagliEsercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati
Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli
DettagliSTATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A / 04 ESERCITAZIONE 4. Exponential Smoothing
TATTCA ECONOMCA ED ANAL D MERCATO Previsioni Economiche ed Analisi di erie oriche A.A. 2003 / 04 EERCTAZONE 4 Exponenial moohing di Daniele Toninelli Noa: LAVORARE U PRM 0 ANN D DAT E ARE EVENTUAL PREVON
Dettagli10 - Carichi sui tre livelli associati all azione sismica
Dott. Ig Paolo Serafii Cilc per tutti gli apputi (AUTOMAZIONE TRATTAMENTI TERMICI ACCIAIO SCIENZA delle COSTRUZIONI ) e-mail per suggerimeti 0 - Carichi sui tre livelli associati all azioe sismica Il calcolo
DettagliMatematica I, Limiti di successioni (II).
Matematica I, 05102012 Limiti di successioi II) 1 Le successioi elemetari, cioe α, = 0, 1, 2, α R), b, = 0, 1, 2, b R), log b, = 1, 2, b > 0, b 1), si, = 0, 1, 2,, cos, = 0, 1, 2,, per + hao il seguete
DettagliES 1.3. Data la distribuzione unitaria di una variabile quantitativa X. la media aritmetica di X è data dal rapporto tra il totale n
ES 1.3 1 Media e variaza Data la distribuzioe uitaria di ua variabile quatitativa X x 1... x i... x, la media aritmetica di X è data dal rapporto tra il totale x i e il umero delle uità rilevate: x = 1
DettagliPrincipio di induzione: esempi ed esercizi
Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se
DettagliLezione n 19-20. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott. Carrabs
Lezioi di Riera Operativa Corso di Laurea i Iformatia Uiversità di Salero Lezioe 9- - Problema del trasporto Prof. Cerulli Dott. Carrabs Problema del Flusso a osto Miimo FORMULAZIONE mi ( i, ) A o violi
DettagliLo studio della relazione lineare tra due variabili
Lo studio della relazioe lieare tra due variabili X e caratteri etrambi quatitativi X variabile idipedete variabile dipedete * f ( ) f(): espressioe fuzioale che descrive la legge di dipedeza di da X 1
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliQuartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliMinimi Quadrati Ricorsivi
Minimi Quadrai Ricorsivi Minimi Quadrai Ricorsivi Fino ad ora abbiamo sudiao due diversi meodi per l idenificazione dei modelli: - Minimi quadrai, uilizzao per l idenificazione dei modelli ARX, in cui
DettagliIntroduzione ai Modelli di Durata: Stime Non-Parametriche. a.a. 2009/ Quarto Periodo Prof. Filippo DOMMA
Inroduzione ai Modelli di Duraa: ime Non-Parameriche cenni a.a. 2009/2010 - Quaro Periodo Prof. Filippo DOMMA Corso di Laurea pecialisica/magisrale in Economia Applicaa Facolà di Economia UniCal F. DOMMA
DettagliIl logaritmo e l esponenziale
Il logarimo e l espoeziale 6 marzo 2009 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:
DettagliDimensionamento del sottosistema logistico: Magazzino (Ricezione, Stoccaggio e Spedizione)
Corso di LOGISTICA TERRITORIALE www.uiroma.it/didattica/lt_011 DOCENTE prof. ig. Agostio Nuzzolo Dimesioameto del sottosistema logistico: Magazzio (Ricezioe, Stoccaggio e Spedizioe) prof. ig. Agostio Nuzzolo
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Trieale i Matematica Calcolo delle Probabilità I doceti G. Nappo, F. Spizzichio Prova di martedì luglio tempo a disposizioe: 3 ore. Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo
DettagliESERCITAZIONE 3 Analisi Classica - Reprise
STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Soriche A.A. 2003 / 04 ESERCITAZIONE 3 Analisi Classica - Reprise di Daniele Toninelli D ORA IN POI LAVORARE SUI PRIMI
DettagliSTATISTICA 1 ESERCITAZIONE 4
STATISTICA 1 ESERCITAZIONE 4 Dott. Giuseppe Padolfo 21 Ottobre 2013 Percetili: i valori che dividoo la distribuzioe i ceto parti di uguale umerosità. Esercizio 1 La seguete tabella riporta la distribuzioe
DettagliQuartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliLE MISURE DI TENDENZA CENTRALE
STATISTICA DESCRITTIVA LE MISURE DI TENDENZA CENTRALE http://www.biostatistica.uich.itit OBIETTIVO Esempio: Nella tabella seguete soo riportati i valori del tasso glicemico rilevati su 0 pazieti: Idividuare
DettagliAPPROFONDIMENTI SULLA TEORIA DEL CONSUMO AGGREGATO
Moduo 8a 1 APPROFONDIMENTI SULLA TEORIA DEL CONSUMO AGGREGATO 1. Iroduzioe 2. La eoria de cosumo di Dueseberry 3. La eoria de cico viae di Modigiai 2 1. Iroduzioe Dae esperieze dei maggiori sisemi macroecoomici,
DettagliNozioni elementari di Analisi Matematica applicate alla Fisica Generale
Nozioi elemeari di alisi Maemaica applicae alla Fisica Geerale Nozioe di iegrale ideiio La derivazioe può essere ierpreaa come ua regola che, per ogi uzioe assegaa (primiiva), ci permee di deermiare u
DettagliStimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini
Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica
DettagliI confronti alla base della conoscenza
I confroni alla ase della conoscenza Un dao quaniaivo rae significao dal confrono con alri dai Il confrono è la prima e più immediaa forma di analisi dei dai I confroni Daa una grandezza G, due suoi valori
Dettagli09/09/2015. Parametri fondamentali. Unità temporale della previsione Orizzonte della previsione Frequenza della previsione Il prodotto Il mercato
Universià degli Sudi di Cagliari D.I.M.C.M. Parameri fondamenali Unià emporale della previsione Orizzone della previsione Frequenza della previsione Il prodoo Il mercao Prof. Ing. Maria Teresa Pilloni
Dettagli19/09/2014. Parametri fondamentali. Unità temporale della previsione Orizzonte della previsione Frequenza della previsione Il prodotto Il mercato
Universià degli Sudi di Cagliari D.I.M.C.M. Parameri fondamenali Unià emporale della previsione Orizzone della previsione Frequenza della previsione Il prodoo Il mercao Prof. Ing. Maria Teresa Pilloni
DettagliCapitolo 27. Elementi di calcolo finanziario EEE 2015-2016
Capitolo 27 Elemeti di calcolo fiaziario EEE 205-206 27. Le diverse forme dell iteresse Si defiisce capitale (C) uo stock di moeta dispoibile i u determiato mometo. Si defiisce iteresse (I) il prezzo d
DettagliQuarto Compito di Analisi Matematica Corso di laurea in Informatica, corso B 5 Luglio Soluzioni. z 2 = 3 4 i. a 2 b 2 = 3 4
Quarto Compito di Aalisi Matematica Corso di laurea i Iformatica, corso B 5 Luglio 016 Soluzioi Esercizio 1 Determiare tutti i umeri complessi z tali che z = 3 4 i. Soluzioe. Scrivedo z = a + bi, si ottiee
DettagliStatistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliAffidabilità e Sicurezza delle Costruzioni Meccaniche 3 Calcolo strutturale statico
Poliecico di Torio Aabilià e Sicurezza delle Cosruzioi Calcolo sruurale saico Esercizio - Ua rave i acciaio ( m 60, eh 5 ) a sezioe reagolare di base b 5 mm e alezza h 5 mm è soggea a u momeo leee massimo
DettagliINFLAZIONE, PRODUZIONE 1 E CRESCITA DELLA MONETA
INFLAZIONE, PRODUZIONE 1 E CRESCITA DELLA MONETA CI OCCUPEREMO DI 1) Legge di Okun Relazione ra la variazione della disoccupazione e la deviazione del asso di crescia della produzione dal suo asso naurale
DettagliConfronto di due misure Campioni indipendenti
Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte
DettagliVERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott.
VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE Psicometria - Lezioe Lucidi presetati a lezioe AA 000/00 dott. Corrado Caudek Il caso più comue di disego sperimetale è quello i cui i soggetti vegoo
DettagliVariabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità
Variabilità o Dispersioe Defiizioe Attitudie di u feomeo ad assumere diverse modalità Le medie o bastao Esempio: caratteri quatitativi Codomiio A u.s. Numero televisori u 8 u 8 u3 8 u4 8 u5 8 Me=M=8 Codomiio
DettagliRadicali. Esistenza delle radici n-esime: Se n è pari: ogni numero reale non negativo (cioè positivo o nullo) ha esattamente una radice n-esima in R.
Radicali Radici quadrate Si dice radice quadrata di u umero reale a, e si idica co a, il umero reale positivo o ullo (se esiste) che, elevato al quadrato, dà come risultato a. Esisteza delle radici quadrate:
Dettagli0.0.1 Esercizio Q1, tema d esame del 10 settembre 2009, prof. Dario d Amore Testo R 3
1 0.0.1 Esercizio Q1, ema d esame del 10 seembre 2009, prof. Dario d more 0.0.1.1 Teso E1 Il circuio di figura opera in regime sazionario. Sapendo che R 1 = 2 kω, = 4 kω, = 2 kω, = 2 kω E=12 V, =3 m Deerminare,
DettagliPROPRIETÀ DELLE POTENZE IN BASE 10
PROPRIETÀ DELLE POTENZE IN BASE Poteze i base co espoete itero positivo Prediamo u umero qualsiasi che deotiamo co la lettera a e u umero itero positivo che deotiamo co la lettera Per defiizioe (cioè per
DettagliIl moto in una o più dimensioni
Il moo in una o più dimensioni Rappresenazione Grafica e esempi Piccolo riepilogo Moo: posizione in funzione del empo (grafico P-). Necessia della scela di un sisema di riferimeno ( ) Velocià media v m
DettagliAritmetica 2016/2017 Esercizi svolti in classe Seconda lezione
Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile
DettagliStudio della profittabilità dell analisi tecnica mediante il test del Reality Check e il test di Capacità Predittiva Superiore: evidenze empiriche
Studio della profittabilità dell aalisi tecica mediate il test del Reality Check e il test di Capacità Predittiva Superiore: evideze empiriche dei mercati europei Obiettivi della ricerca Verificare se
DettagliLEZIONI DI ANALISI ECONOMETRICA
LEZIONI DI ANALISI ECONOMETRICA Idice Lisa degli esempi applicaivi Iroduzioe Il modello lieare. Aalisi ecoomica ed aalisi ecoomerica Primi obieivi dell Ecoomeria. I modelli e il lugo periodo Modelli saici
Dettagli