Il test statistico e le ipotesi Regione di accettazione e rifiuto Test con ipotesi nulla semplice Il p-value Errori di I e II tipo Funzione di potenza
|
|
- Carolina Rossa
- 6 anni fa
- Visualizzazioni
Transcript
1 1 La verifica di ipotesi Il test statistico e le ipotesi Regione di accettazione e rifiuto Test con ipotesi nulla semplice Il p-value Errori di I e II tipo Funzione di potenza Contenuti: Capitolo 13 libro di testo
2 2 Le procedure di Inferenza Statistica 1)La stima puntuale si identificano gli stimatori e si caratterizzano in termini di proprietà ottimali 2) La stima per intervallo si costruiscono gli intervalli di confidenza 3) La verifica d ipotesi Questo tipo di inferenza è complementare alle due precedenti tecniche di stima. Di grande rilevanza applicativa, tale metodologia consente di fare inferenza sui parametri della Popolazione alla luce dell analisi delle differenze tra i risultati che osserviamo (la statistica campionaria) e quelli che ci aspetteremmo di ottenere se una qualche ipotesi sulla Popolazione fosse vera
3 3 Il processo inizia con una ipotesi sulla natura (parametri) di una Popolazione. L ipotesi deve essere stabilita in modo chiaro e comporta due opzioni (ipotesi); una statistica test, calcolata con i dati di un campione casuale, ci aiuterà a selezionarne una. ESEMPI 1.Un azienda produttrice di barrette alimentari, afferma che mediamente, il peso di ognuna è di 2 gr. Per verificare l affermazione si può estrarre un campione casuale di barrette e calcolarne il peso medio. 2.Un fabbricante di pezzi di ricambio per auto, vuole monitorare il processo produttivo per assicurarsi che il diametro dei pistoni soddisfi le specifiche richieste dalla casa automobilistica. A tal fine si possono estrarre campioni casuale, ogni due ore dalla linea produttiva ed usarli per accertare che gli standard siano rispettati. 3.Un azienda farmaceutica vuole verificare se un nuovo farmaco è efficace nell abbassare la pressione sanguigna; a tal fine vengono due gruppi di pazienti(campioni), che vengono trattati uno con un placebo, l altro con il farmaco al fine di stabilire se il farmaco produce diminuzioni significative nell abbassamento della pressione.
4 4 Logica concettuale di base Per verificare le ipotesi si utilizzano statistiche campionarie; poiché queste seguono una distribuzione campionaria, la decisione a favore di una delle due viene presa sulla base di variazioni aleatorie dovute al campione per la scelta tra due alternative servono chiare regole di decisione. Il modo di procedere ha un analogia diretta con le regole del processo penale. In tale ambito vale sempre la presunzione di innocenza(è cautelativo!) ed è la giuria a decidere se l imputato è colpevole sulla base di una forte evidenza empirica contro l ipotesi iniziale(l innocenza). Nel processo penale, per scegliere tra colpevolezza ed innocenza ci sono: 1.procedure rigorose per presentare e valutare le prove; 2.un giudice che fa rispettare le regole; 3.un processo decisionale che presume l innocenza fino a prova contraria, ossia a meno che ci sia evidenza di colpevolezza oltre ogni ragionevole dubbio. Intalmodoèverochesipotrannolasciarliberidegliimputatiche inrealtàsonocolpevoli,maseequandosirifiutalapresunzione di innocenza e si ritiene l imputato colpevole, significa che si ha concreta evidenza della sua colpevolezza.
5 5 Il test statistico e le ipotesi Ipotesi sulla Popolazione Se l ipotesi riguarda uno o più parametri della distribuzione di probabilità della popolazione, si parlerà di test parametrico. Le due opzioni a confronto L impostazione data da J.Neyman e E.S.Pearson, nota come test d ipotesi, prevede la formulazione di un ipotesi nulla e un ipotesi alternativa. Obiettivo: Attraverso un campione di osservazioni stabilire, con un certo grado di attendibilità, se poter rifiutare o meno l ipotesi nulla a favore dell ipotesi alternativa.
6 6 Formulazione delle ipotesi ipotesi statistica : una congettura riguardante (il valore di) un parametro θ della popolazione (es. µ,σ 2 oppure π). Nell approccio di Neyman-Pearson si distinguono due ipotesi contrapposte: ipotesi nulla, indicata con H ipotesi alternativa, indicata con H 1 ESEMPIO Secondo il costruttore di un certo tipo di batterie per autovetture, la durata media è di 34 ore. Un cliente, per verificarne la durata, osserva un campione di 3 batterie: : le batterie hanno durata media di almeno 34 ore : le batterie hanno durata media inferiore a 34 ore H H 1 L ipotesi nulla è preesistente all osservazione dei dati campionari ed è ritenuta vera fino a prova contraria (ossia a meno che non ci sia una prova evidente contro la sua veridicità). In genere è l ipotesiversolaqualesihannodubbiecontrolaqualesi cerca una evidenza empirica; quella alternativa è quella che si contrappone alla nulla e che potrebbe essere considerata più verosimile sulla base delle risultanze
7 7 Indicando con Θ lo spazio parametrico, ossia l insieme di tutti i possibili valori che il parametro θ, su cui si fanno congetture può assumere, l ipotesi nulla e quella alternativa individuano una partizione di Θ; a titolo esemplificativo: Se si rifiuta l ipotesi nulla, sarà accettata l ipotesi alternativa. Se non si rifiuta l ipotesi nulla non necessariamente ciò significa che essa sia corretta: in tal caso infatti possono essere vere o H o H1, ma la tecnica di verifica che si usa non è abbastanza potente per permetterci di rifiutare l ipotesi nulla. Sarebbe più corretto dire nonsirifiutal ipotesinullah
8 8 Formulazione delle ipotesi Θ è lo spazio parametrico, ossia l insieme di tutti i possibili valori che può assumere θ Θ e Θ1 sono i sottospazi che formano una partizione dello spazio parametrico. Indichiamo le due ipotesi con il seguente sistema: Ad esempio: H : θ Θ H1 : θ Θ1 H H 1 : µ 34 : µ < 34
9 9 Formulazione delle ipotesi Un ipotesi può essere: semplice, quando specifica completamente la popolazione composta, quando non specifica completamente la popolazione Sia X ~ N ( µ,σ 2 = 9) allora H : µ = 5 è un ipotesi semplice, mentre H : µ > 5 è un ipotesi composta. Un ipotesi composta può essere: unidirezionale, quando specifica un intervallo di valori bidirezionale, quando specifica due intervalli di valori H : µ > 5 è unidirezionale, mentre H : µ 5 bidirezionale.
10 I sistemi di ipotesi più frequentemente utilizzati sono i seguenti: Formulazione delle ipotesi > = 1 θ θ θ θ : H : H = 1 θ θ θ θ : H : H = θ θ : H dove è un valore fissato del parametro. La formulazione delle ipotesi dipende dalla natura del problema < = 1 θ θ θ θ : H : H θ
11 11 11 Esempi La Toyota dichiara che il suo nuovo modello di auto, in autostrada otrà percorrere in medi 23 km per litro di benzina. Se doveste sottoporre a verifica tale affermazione, quale ipotesi nulla e quale alternativa scegliereste? H H 1 : µ = 23 (km per litro) : µ 23 (km per litro) In passato l età media degli assicurati presso la XXX Compagnia di Assicurazioni è stata di 48 anni. Poiché a società si è espansa ed ha differenziato la propria offerta di polizze, il direttore dell ufficio finanziario ritiene che l età media possa essere cambiata. Se doveste condurre una indagine sulla base di un campione di assicurati, per verificare tale considerazione, quali sarebbero le ipotesi a confronto? H H 1 : µ = 4 8 a n n i : µ 4 8 a n n i
12 12 12 Esempio Il manager operativo dell azienda di cereali sceglie come ipotesi nulla: H : (peso medio) µ=368 gr. Procede all estrazione di un campione di scatole e ne determina il peso medio x. La media campionaria è uno stimatore della corrispondente µ della intera popolazione di scatole; ed è una statistica di cui è nota la distribuzione campionaria. Se l ipotesi nulla fosse vera, ossia che il peso medio della intera produzione di scatole è di 368 gr, è vero che da un lato è probabile che la statistica differisca dal vero valore del parametro (che ipotizziamo pari a 368 gr) per effetto del caso o di un errore campionario, ma è d altronde pur vero che ci aspettiamo (che pur differendo) sia vicina al valore vero del parametro che ipotizziamo essere 368. Se ciò succede non ci sarebbero prove sufficienti a rifiutare tale ipotesi. Ad es. se risultasse che la media campionaria fosse 367.9, è plausibile concludere che la media della popolazione coincide con quanto specificato dall azienda: è molto probabile ottenere una media campionaria di da una popolazione la cui media è 368. Non altrettanto si potrebbe concludere se fosse risultata una media campionaria di 32: non altrettanto probabile ottenere una media campionaria di 32 da una popolazione la cui media è 368!
13 13 La decisione di scegliere l una o l altra delle ipotesi segue uno schema rigoroso: il processo decisionale usa una statistica test costruita sulla 2 base di un campione casuale (es. X, S oppure Pˆ ). La statistica test avrà una distribuzione campionaria nota, basata sulle tecniche di campionamento e sul valore del parametro specificato dall ipotesi nulla. Dalla distribuzione della statistica si determineranno i valori della statistica test che avrebbero bassa una bassa probabilità di verificarsi se l ipotesi nulla fosse vera. Se la statistica test relativa al campione considerato assume uno tra questi valori, rifiuteremo l ipotesi nulla ed accetteremo quella alternativa, altrimenti non rifiuteremo l ipotesi nulla. Ciò comporta la definizione delle cosiddette
14 14 Regione di accettazione e di rifiuto Un test statistico è una regola che permette di discriminare i campioni che portano all accettazione dell ipotesi nulla da quelli che portano al suo rifiuto. Il test si basa sul valore assunto da una statistica test. La statistica test è una statistica campionaria la cui distribuzione deve essere completamente nota sotto l ipotesi nulla. L insieme dei valori della statistica test che portano all accettazione dell ipotesi nulla è chiamata regione di accettazione. L insieme dei valori della statistica test che portano al rifiuto dell ipotesi nulla è chiamata regione di rifiuto.
15 15 Regione di accettazione e di rifiuto Esempio: Supponiamo che la popolazione sia Normale con media µ incognita e varianza 2 σ nota. Si vuole verificare: H : µ = µ H1 : µ µ Considerando come statistica test la media campionaria X sappiamo che sotto l ipotesi nulla questa si distribuisce come una Normale con media µ = µ e varianza 2 n. σ
16 16 16 Dalla figura si può vedere che i valori critici definiscono la zona di accettazione e che dipendono dal livello di significatività α : maggiore è il suo valore, più ampia sarà la regione di rifiuto. α Ad es. se 1- è.9 e l ipotesi nulla è vera, la probabilità di osservare una media campionaria vicina a µ è.9, mentre la probabilità di osservare un valore distante è piccola, complessivamente.1. Tale considerazione è alla base del funzionamento del TEST:.
17 17 Una volta estratto il campione ed osservato in tal caso, il valore della media campionaria x, si va a verificare in quale zona si colloca. Se il valore ottenuto è distante da µ l ipotesi nulla di partenza (µ=µ ) verrà messa in dubbio, poiché (sotto l ipotesi nulla, vera!) valori di questo tipo sono complessivamente poco probabili. Ciò comporta per l appunto la suddivisione del campo di variazione della media in due regioni: di accettazione e di rifiuto (critica). La regione di rifiuto rappresenta l insieme di tutti i valori della statistica test che non è probabile si verifichino quando l ipotesi nulla è vera, mentre è invece probabile che si verifichino quando è falsa. Il valore critico separa la regione di accettazione da quella di rifiuto: la determinazione di tale valore dipende dall ampiezza della regione di rifiuto. E la dimensione di tali regioni dipende dal valore scelto (livello di significatività del test): maggiore il suo valore più ampia è la regione di rifiuto. A sua volta ciò è legato alrischio che comporta prendere una decisione su un parametro alla luce delle sole informazioni campionarie. α
18 18 Test con ipotesi nulla semplice In corrispondenza dell ipotesi alternativa si possono configurare diverse regioni di rifiuto: H H 1 : : θ = θ θ θ
19 19 19 Esempio In un paese è noto che la statura media degli abitanti è 175 cm. Sulla base di cambiamenti nello stile di vita un ricercatore ipotizza una sua variazione in 178 cm. Assumendo che la v.c. 2 statura sia distribuita come una normale, X N ( µ, σ ) con varianza nota ed utilizzando la statistica media campionaria consideriamo sotto l ipotesi nulla la statistica test: X 175 Z = N (,1) σ / n a seconda della ipotesi alternativa si hanno le seguenti regioni di rifiuto: H : µ > 175 Z z 1 H : µ < 175 Z z 1 H : µ 175 Z z 1 α / 2 α α es. per σ 2 = 3 e per n=2 avessim o x=177, z = = / 2 con un livello α =.5 i valori critici sarebbero z =1.645 e z =1.96. In nessuno dei casi si potrebbe rifiutare l'ipotesi nulla. α α / 2
20 2 L approccio del p-value alla verifica di ipotesi Per l ampia diffusione dei pacchetti statistici è venuto affermandosi un altro modo per evidenziare il risultato del test: quello di calcolare il p-value. Poiché il valore di α è arbitrario una ipotesi rifiutata al livello α=.1 potrebbe invece essere accettata con α=.1 p-value : rappresenta la probabilità di osservare un valore della statistica test uguale o più estremo del valore ottenuto a partire dal campione, quando l ipotesi nullah èvera. Viene anche chiamato livello di significatività osservato, poiché coincide con il più piccolo livello di significatività in corrispondenza del qualeh è rifiutata. Non è una quantità fissata come α, ma che misura l evidenza fornita dai dati contro l ipotesi nulla: minore è il valore del p-value, più è forte l evidenza contro l ipotesi nulla. In pratica la regola decisionale: α se p-value non rifiuto H se p-value < α rifiuto H
21 21 Nell esempio precedente piuttosto che rifiutare o accettare l ipotesi che µ=175 ad un prefissato valore di α e preferibile riportare un p-value che misuri l evidenza contro l ipotesih. Poiché z=.645 se l ipotesi alternativa fosseh 1 :µ>175 risulterebbe: P-value=p(Z>.645)=1-Φ(.645)=.26 Non c è una forte evidenza nei dati contro l ipotesi nulla: poiché il test è unilaterale l ipotesi nulla sarà rifiutata per valori di α maggiori di.26! Vantaggio: il p-value può essere confrontato con diversi possibili valori di α
22 22 Errori di I e II specie Quando si usa una statistica campionaria per prendere una decisione su P, si corre sempre il rischio di prendere una conclusione sbagliata. errore del I tipo: si rifiuta l ipotesi nulla mentre questa è vera. errore del II tipo: si accetta l ipotesi nulla mentre questa è falsa H H Decisione Accetto H Rifiuto H è vera Corretta Errore del I tipo 1 α è falsa Errore del II tipo β α Corretta 1 β α è la probabilità di commettere l errore del I tipo. E detto livello di significatività del test. 1 α β è detto coefficiente di confidenza del test. è la probabilità di commettere l errore del II tipo. E detto rischio del test. 1 β viene detto potenza del test e corrisponde alla probabilità di rifiutare l ipotesi nulla quando questa è falsa.
23 23 α: livello di significatività errore di prima specie: rifiuto H quando è vera e quindi non dovrebbe essere rifiutata. Tale errore viene controllato fissando il livello di rischio α che si è disposti a tollerare se si rifiuta l ipotesi nulla quando è vera. Poiché il livello di significatività è specificato prima di condurre la verifica di ipotesi tale rischio è sotto il controllo da chi compie l analisi. Generalmente α è piccolo es..5 e dipende dai costi che derivano dal commettere un errore di prima specie. Una volta specificato il valore di α si conosce anche la dimensione della regione di rifiuto essendo questi la probabilità che la statistica test cada nella regione di rifiuto quando l ipotesi nulla è vera. 1-α: coefficiente di confidenza (complemento ad 1 della probabilità dell errore di prima specie: rappresenta la probabilità che l ipotesi nulla non sia rifiutata quando è vera quindi quando non dovrebbe essere rifiutata) moltiplicato per 1% coincide con il livello di confidenza. Questo coefficiente nella verifica delle ipotesi rappresenta la probabilità di concludere che il valore del parametro individuato dall ipotesi nulla è plausibile, quando di fatto questa è vera
24 24 β: il rischio; a differenza dell errore di prima specie che viene controllato fissando α, la probabilità di commettere un errore di seconda specie dipende dalla differenza tra il valore ipotizzato ed il vero valore del parametro di P. Se la differenza tra la statistica campionaria ed il corrispondente parametro di P è grande, è probabile che β, la probabilità di commettere l errore di seconda specie (non rifiutoh quando è falsa) sia piccolo; mentre se è piccola la differenza, la probabilità di commettere un errore di seconda specie è grande. 1-β: potenza del test; complemento ad 1 del precedente rappresenta la probabilità di rifiutare l ipotesi nulla quando è falsa e quindi dovrebbe essere rifiutata. Un modo di controllare e ridurre β consiste nell aumentare n. Una elevata dimensione campionaria in genere permette di individuare anche piccole differenze tra la statistica campionaria ed il parametro di P: per un dato valore di α un aumento di n determina una riduzione di β e quindi un aumento della potenza del test per verificare se l ipotesi nulla è falsa. Se invece per problemi di risorse l ampiezza campionaria non può essere aumentata, per un datonc è da considerare il trade-off tra i due possibili tipi di errore: possiamo controllare il rischio di un errore di primo tipo, scegliendo un valore piccolo di α, ma al diminuire di α, β aumenta.
25 25 Nell esempio del processo di produzione si compie un errore di primo tipo se si conclude che il peso medio delle scatole prodotte non è uguale a quanto specificato dall azienda, 368 gr, ed invece in realtà lo è; un errore di seconda specie quando si conclude che il peso medio è 368 gr, ed invece non lo è. La scelta di α e β dipende da costi che ciascuno dei due errori comporta: un cambiamento del processo produttivo potrebbe essere più costoso rispetto al costo di una perdita d immagine ad esempio. Viceversa si dovrebbe per limitare il secondo dovremmo dare un valore più elevato ad α. Nel processo penale: E più costoso moralmente lasciare a piede libero un colpevole di reato oppure un tenere innocente in galera?!
26 26 Errori di I e II tipo I diversi errori che si possono commettere: α Si vede chiaramente come tra e sussiste una relazione inversa: minore è il valore di α, maggiore è il valore di β. Le probabilità di commettere gli errori corrispondono a delle aree. β
27 27 Passi da seguire nella verifica d ipotesi Definizione del sistema d ipotesi Scelta della statistica test Scelta del livello di significatività e della numerosità campionaria Definizione della regione di rifiuto Estrazione del campione Calcolo della statistica test Decisione
28 28 Esempio - passi da seguire Si vuole verificare se dopo una campagna pubblicitaria il fatturato medio di un azienda, aumentato rispetto a quello dell anno precedente pari a µ = 25. Il fatturato è una v.c. Normale con varianza nota pari a σ 2 = Definizione del sistema d ipotesi H : µ = 25 contro H1 : µ > Scelta della statistica test Z = ( X 25 ) ( 36 n ) ~ N( 1, ) 3. Scelta del livello di significatività e della numerosità campionaria fissiamo α n = 81 α =,5 (e quindi un valore critico pari a z 2 = 1, 645 ) e una numerosità 4. Definizione della regione di rifiuto R = { z > 1,645 } 5. Estrazione del campione si estrae un campione casuale di 81 clienti 6. Calcolo della statistica test la media campionaria risulta essere e il valore della statistica test ( 2, 51 25) ( 36 9) 2, 5 z = = x = 2,51 7. Decisione Poiché il valore della statistica test cade nella regione di rifiuto (2,5>1,645) rifiutiamo l ipotesi nulla.
29 29 29 Funzione di potenza Corrisponde alla probabilità di rifiutare H quando questa è falsa (e dovrebbe essere rifiutata) dovrebbe essere la più elevata possibile; se l ipotesi alternativa H 1 è composta non abbiamo un singolo valore per β ma una funzione: Si chiama funzione di potenza del test la funzione che descrive la probabilità, al variare di θ di rifiutare H e viene indicata con π ( θ ) Ad esempio, per un test sulla media con ipotesi nulla: La funzione di potenza è: H : µ =175 N.B. per µ=175, ossia sotto l ipotesi nulla, la probabilità di rifiutare H coincide con la probabilità di commettere l errore del I tipo π 175 = ossia: ( ) α
STATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
DettagliConcetti principale della lezione precedente
Corso di Statistica medica e applicata 9 a Lezione Dott.ssa Donatella Cocca Concetti principale della lezione precedente I concetti principali che sono stati presentati sono: Variabili su scala nominale
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
Dettagliˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1
. Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci
DettagliEsercitazioni di statistica
Esercitazioni di statistica Intervalli di confidenza Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 10 Dicembre 2014 Stefania Spina Esercitazioni di statistica 1/43 Stefania Spina
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
DettagliEsercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici 1 Metodi non parametrici Statistica classica La misurazione avviene con
DettagliIl test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliSTATISTICA: esercizi svolti sulla MEDIA ARITMETICA
STATISTICA: esercizi svolti sulla MEDIA ARITMETICA 1 1 MEDIA ARITMETICA 2 1 MEDIA ARITMETICA 1. La seguente tabella riporta il numero di persone divise per sesso che si sono presentate durante l anno 1997
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettagli4) 8 g di idrogeno reagiscono esattamente con 64 g di ossigeno secondo la seguente reazione:
Esercizi Gli esercizi sulla legge di Lavoisier che seguono si risolvono ricordando che la massa iniziale, prima della reazione, deve equivalere a quella finale, dopo la reazione. L uguaglianza vale anche
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliInferenza statistica
Inferenza statistica Si tratta di un complesso di tecniche, basate sulla teoria della probabilità, che consentono di verificare se sia o no possibile trasferire i risultati ottenuti per un campione ad
Dettaglidifferiticerti.notebook November 25, 2010 nov 6 17.29 nov 6 17.36 nov 6 18.55 Problemi con effetti differiti
Problemi con effetti differiti sono quelli per i quali tra il momento di sostentamento dei costi ed il momento di realizzo dei ricavi intercorre un certo lasso di tempo. Nei casi in cui il vantaggio è
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Indici di posizione e di variabilità Prof. Livia De Giovanni lstatistica@dis.uniroma1.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4 2 6 4
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con
DettagliVALORE PIÙ CONVENIENTE DEL RENDIMENTO
VALORE PIÙ CONVENIENTE DEL RENDIENTO In una macchina elettrica ad un rendimento più elevato corrisponde un minor valore delle perdite e quindi un risparmio nelle spese di esercizio (in quanto minori risultano
DettagliProcedura operativa per la gestione della funzione di formazione classi prime
Procedura operativa per la gestione della funzione di formazione classi prime Questa funzione viene fornita allo scopo di effettuare la formazione delle classi prime nel rispetto dei parametri indicati
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4. Esercizi di Inferenza Statistica Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2011-2012 Esercizio 4.1 - I due esami Nella seguente
DettagliSTATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA Elementi di statistica medica STATISTICA DESCRITTIVA È quella branca della statistica che ha il fine di descrivere un fenomeno. Deve quindi sintetizzare tramite pochi valori(indici
DettagliVALORIZZAZIONE MOVIMENTI DI SCARICO E VALORIZZAZIONE TRASFERIMENTO COSTI DI ANALITICA
VALORIZZAZIONE MOVIMENTI DI SCARICO E VALORIZZAZIONE TRASFERIMENTO COSTI DI ANALITICA Riportiamo di seguito i vari passaggi per poter gestire la rivalorizzazione, sui documenti di scarico, del costo di
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 14-Introduzione all analisi della potenza statistica (vers. 1.2a, 11 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliBOLLETTINO dei controlli della produttività del latte 2015
ASSOCIAZIONE ITALIANA ALLEVATORI ENTE MORALE D.P.R. N. 1051 DEL 27-10-1950 UFFICIO CENTRALE DEI CONTROLLI DELLA PRODUTTIVITÁ ANIMALE SOTTOPOSTO ALLA VIGILANZA DEL MINISTERO DELLE POLITICHE AGRICOLE E FORESTALI
DettagliTRASPORTI IN CONTO PROPRIO O OUTSOURCING? VALUTAZIONE MAKE OR BUY EXECUTIVE SUMMARY
Pagina 1 TRASPORTI IN CONTO PROPRIO O OUTSOURCING? VALUTAZIONE MAKE OR BUY EXECUTIVE SUMMARY I dati esposti in questo documento provengono dalle seguenti fonti esterne : Osservatorio Nazionale sul Trasporto
DettagliESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE
ESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 30 Aprile 2013 Esercizio
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo
ESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo 1 La seguente tabella riporta le frequenze relative riguardanti gli studenti di un università e gli esiti dell esame da essi sostenuto. Qual è la percentuale
DettagliQualche esercizio di riepilogo
Anno accademico 2015-16 Corso di laurea in ECONOMIA E COMMERCIO (CLEC) Corso di STATISTICA (A-K) - (Prof. M. Gherghi ) Qualche esercizio di riepilogo Esercizio 1 Nella tabella seguente vengono riportati
DettagliStatistica Applicata all edilizia Lezione 3: i numeri indice
Lezione 3: i numeri indice E-mail: orietta.nicolis@unibg.it 24 marzo 2009 Programma Programma Operazioni statistiche elementari Vengono utilizzate per confrontare fenomeni nel tempo (nello stesso luogo
DettagliESAME DI STATO. SIMULAZIONE PROVA NAZIONALE Scuola Secondaria di I grado Classe Terza. Prova 3. Anno Scolastico 20. - 20. Classe:... Data:...
Prova Nazionale di Matematica: Simulazioni - a cura di M. Zarattini Prova ESAME DI STATO Anno Scolastico 0. - 0. SIMULAZIONE PROVA NAZIONALE Scuola Secondaria di I grado Classe Terza Classe:... Data:...
DettagliPro memoria per la ripartizione delle spese
Pro memoria per la ripartizione delle spese Documento di lavoro post incontro del 23 e 24 novembre 2009, Roma, ad uso interno del Gruppo di lavoro Istat-Upi per la sperimentazione della contabilità ambientale
DettagliIl Teorema di Kakutani
Il Teorema di Kakutani Abbiamo visto, precedentemente, il seguente risultato: 1 Sia X uno spazio di Banach. Se X è separabile, la palla è debolmente compatta. B X = {x X x 1} Il Teorema di Kakutani è un
DettagliInterpolazione Statistica
Interpolazione Statistica Come determinare una funzione che rappresenti la relazione tra due grandezze x e y a cura di Roberto Rossi novembre 2008 Si parla di INTERPOLAZIONE quando: Note alcune coppie
DettagliSISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
DettagliVariabili aleatorie Parte I
Variabili aleatorie Parte I Variabili aleatorie Scalari - Definizione Funzioni di distribuzione di una VA Funzioni densità di probabilità di una VA Indici di posizione di una distribuzione Indici di dispersione
DettagliLa Politica Economica in Economia Aperta
La Politica Economica in Economia Aperta In questa lezione: Studiamo l equilibrio in economia aperta. Studiamo gli effetti di shock esterni sulla produzione e sulla bilancia commerciale. Studiamo gli effetti
DettagliPARALLELO DI DUE TRASFORMATORI
l trasformatore PARALLELO D DUE TRASFORMATOR l funzionamento in parallelo di due trasformatori, di uguale o differente potenza nominale, si verifica quando sono in parallelo sia i circuiti primari sia
DettagliEsercizi sulla conversione tra unità di misura
Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi
DettagliManutenzione periodica al PIANO DEI CONTI
Manutenzione periodica al PIANO DEI CONTI La nuova gestione Utilità Piano dei Conti Premessa... 2 La creazione di un nuovo sottoconto... 3 1. Nuovo sottoconto tramite duplica da piano dei conti standard...
DettagliL INDAGINE SUL BENESSERE ORGANIZZATIVO IN ARPA EMILIA-ROMAGNA LA SCELTA DEL CAMPIONE
L INDAGINE SUL BENESSERE ORGANIZZATIVO IN ARPA EMILIA-ROMAGNA LA SCELTA DEL CAMPIONE 1 Premessa In questa presentazione viene descritta la procedura scelta per determinare le persone da coinvolgere nell
DettagliCirc. n. 199 Breda di Piave, 20/04/2016
Circ. n. 199 Breda di Piave, 20/04/2016 Ai Sigg. DOCENTI Scuole Primarie Scuola Secondaria I I.C. di Breda di Piave OGGETTO: Adozione libri di testo a. sc. 2016/17 L adozione dei libri di testo nelle scuole
DettagliRegole del Sette e mezzo
Regole del Sette e mezzo Il mazzo di carte Si gioca con un mazzo di 40 carte italiane tradizionali. I giocatori possono selezionare il tipo di carte (napoletane, piacentine etc.). E anche possibile selezionare
DettagliDESCRIZIONE CREAZIONE APP Si suddivide in 4 fasi di lavoro: 1. PIANIFICAZIONE; 2. PROGETTAZIONE; 3. SVILUPPO; 4. DISTRIBUZIONE.
DESCRIZIONE CREAZIONE APP Si suddivide in 4 fasi di lavoro: 1. PIANIFICAZIONE; 2. PROGETTAZIONE; 3. SVILUPPO; 4. DISTRIBUZIONE. PIANIFICAZIONE La pianificazione è la prima fase. Questa è la più delicata
DettagliLezione 12 Argomenti
Lezione 12 Argomenti Costi di produzione: differenza tra costo economico e costo contabile I costi nel breve periodo Relazione di breve periodo tra funzione di produzione, produttività del lavoro e costi
DettagliPer capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere:
PROBABILITÀ E STATISTICA Per capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere: x = 172, 3 cm Possiamo affermare
DettagliESERCITAZIONE 3 : PERCENTUALI
ESERCITAZIONE 3 : PERCENTUALI e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: Lunedi 14-17 Dipartimento di Matematica, piano terra, studio 114 22 Ottobre 2013 Esercizio 1 Nel 2006,
DettagliOccupazione e disoccupazione
Lezione 20 1 Occupazione e disoccupazione L occupazione ha una fortissima importanza sociale, e pone molti problemi di rilevazione. In questa lezione vediamo come la definizione di occupazione fa emergere
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Rappresentazioni grafiche Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si consideri la seguente distribuzione delle industrie tessili secondo il fatturato
DettagliSPECIFICHE OPERATIVE X LA CONTABILITA DEI PROFESSIONISTI
SPECIFICHE OPERATIVE X LA Note: Il presente manuale vuole essere solo una guida sommaria per agevolare l operatore nell utilizzo della procedura e pertanto non essendo esaustivo di tutte le funzionalità
DettagliMetodologia di applicazione dei modelli di massima verosimiglianza per il trattamento dei dati missing
Metodologia di applicazione dei modelli di massima verosimiglianza per il trattamento dei dati missing Erminio A. Bonizzoni Congresso nazionale BIAS 9/3 aprile 9 Sesto Fiorentino Firenze Stimatori di Massima
Dettagli0,0,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,3,3,3, 3,3,3,4,4,4,4,4,4,5,5,6,6,7,8,8, 11
I QUARTILI Per il calcolo della mediana e del primo e terzo quartile il procedimento da seguire è il seguente: 1. si ordinano le intensità in senso non decrescente 2. si individuano le intensità da utilizzare
DettagliISTITUZIONI DI ECONOMIA AZIENDALE
ISTITUZIONI DI ECONOMIA AZIENDALE IL REDDITO E IL CAPITALE DI IMPRESA 1 IL DIVENIRE ECONOMICO DI IMPRESA CAPITALE t (QUANTITA - FONDO) CAPITALE t+1 (QUANTITA - FONDO) REDDITO (QUANTITA -FLUSSO) 2 Pag.
Dettagli12 Il mercato del lavoro dei politici
INTroDUzIoNE La figura del politico e quella dell elettore sono alla base del concetto di democrazia rappresentativa. Ma chi è il politico? Ed è giusto considerare quella del politico una professione come
Dettaglibonus.ch: indagine di soddisfazione sulle assicurazioni auto 2011
bonus.ch: indagine di soddisfazione sulle assicurazioni auto 2011 Gli Svizzeri sono clienti fedeli, almeno per quanto concerne l assicurazione auto! È quanto rivela un recente sondaggio condotto da bonus.ch
DettagliFacoltà di Economia - Parma 1
L analisi dei costi 3 IL ONETTO DI OSTO on il termine OSTO si vuole indicare il valore degli investimenti effettuati per l acquisto dei fattori produttivi impiegati per l ottenimento di un determinato
DettagliL indagine statistica
1 L indagine statistica DEFINIZIONE. La statistica è quella disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del loro utilizzo a fini
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Test di ipotesi
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Test di ipotesi Corso di laurea in medicina e chirurgia Lezioni di statistica medica Test di ipotesi
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Test di ipotesi
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Test di ipotesi Corso di laurea in medicina e chirurgia Lezioni di statistica medica Test di ipotesi
DettagliI SERVIZI PER L INTERNAZIONALIZZAZIONE DELLE IMPRESE: RISULTATI DI UN'INDAGINE
I SERVIZI PER L INTERNAZIONALIZZAZIONE DELLE IMPRESE: RISULTATI DI UN'INDAGINE FINALITÀ DELL INDAGINE E CARATTERISTICHE DEL CAMPIONE Nelle pagine seguenti sono presentati i risultati di un'indagine condotta
DettagliQuantificare la variabilità dei processi ecologici
Scopo ecologia Quantificare la variabilità dei processi ecologici Comprensione dei meccanismi fondamentale per identificare gli effetti del disturbo antropico e per prevenire alterazioni su scala globale
DettagliL occupazione delle camere nelle strutture ricettive liguri nel trimestre gennaio-marzo
Occupazione camere gennaio-marzo 2012-2013 per tipologia ricettiva (%) Alberghiero 29,8 29,7 32,5 Open air 24,3 24,6 28,0 Altro extralberghiero 19,9 18,0 24,4 Variazione 2012- Alberghiero -1,9-2,5-3,7
DettagliRisoluzione di problemi ingegneristici con Excel
Risoluzione di problemi ingegneristici con Excel Problemi Ingegneristici Calcolare per via numerica le radici di un equazione Trovare l equazione che lega un set di dati ottenuti empiricamente (fitting
DettagliEsercitazione n o 3 per il corso di Ricerca Operativa
Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento October 17, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con 500 000 litri di acqua. Si richiede che l acqua
DettagliSomma di numeri floating point. Algoritmi di moltiplicazione e divisione per numeri interi
Somma di numeri floating point Algoritmi di moltiplicazione e divisione per numeri interi Standard IEEE754 " Standard IEEE754: Singola precisione (32 bit) si riescono a rappresentare numeri 2.0 10 2-38
DettagliR E N D I C O N T O E C O N O M I C O. 1 3 m a r z o
R E N D I C O N T O E C O N O M I C O 1 3 m a r z o 2016 2016 RENDICONTO ECONOMICO consuntivo 2015 confronto dati economici bilancio preventivo 2016 bilancio sull Assicurazione 2016 CONSUNTIVO 2015 SEMPLIFICATO
Dettagli4 0 = 4 2 = 4 4 = 4 6 = 0.
Elementi di Algebra e Logica 2008. Esercizi 4. Gruppi, anelli e campi. 1. Determinare la tabella additiva e la tabella moltiplicativa di Z 6. (a) Verificare dalla tabella moltiplicativa di Z 6 che esistono
DettagliEquazioni parametriche di primo grado fratte - Esercizi svolti -
Equazioni parametriche di primo grado fratte - Esercizi svolti - Carlo Alberini 15 novembre 2010 In queste poche pagine verranno risolti tre esercizi tratti dal libro di testo in adozione riguardanti alcune
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliFormazione HIT: consumo addizionale
Formazione HIT: consumo Scopo: Dalla formazione dovrebbe diventare ovvio che non è possibile diminuire il consumo di olio e carburante, ma il consumo. Molti confondono il consumo ideale con il consumo.
DettagliGRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 GRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti A cura di: Ing. Giovanna
DettagliL analisi di sensitività del conto economico
L analisi di sensitività del conto economico Analisi di sensitività In relazione alla combinazione fra costi variabili e costi fissi si configura un diverso profilo di rischio nelle condizioni operative
DettagliIndicatori - Orientamento: Le tre dimensioni dello sviluppo
Indicatori - Orientamento: Le tre dimensioni dello sviluppo Ambiente territoriali per: Ridurre e ottimizzare l'uso di risorse naturali (energia, suolo, acqua, combustibili, etc.) Preservare la configurazione
DettagliFiscal News N. 193. Unico: acconto per i contribuenti forfettari. La circolare di aggiornamento professionale 08.07.2015. Premessa
Fiscal News La circolare di aggiornamento professionale N. 193 08.07.2015 Unico: acconto per i contribuenti forfettari Categoria: Regimi speciali Sottocategoria: Contribuenti minimi Ai sensi dell articolo
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliI macro temi segnalati nella mappa sono trattati nella presentazione e fruibili attraverso schede di approfondimento.
I macro temi segnalati nella mappa sono trattati nella presentazione e fruibili attraverso schede di approfondimento. 2 L Unione Europea nel 2008 ha fissato, con il pacchetto 20-20-20, degli obiettivi
DettagliSCHEDA DI VALUTAZIONE DELLE COMPETENZE. Tecnico Professionali Specifiche
SCHEDA DI VALUTAZIONE DELLE COMPETENZE Tecnico Professionali Specifiche APPRENDISTA Nato/a a il Nell ambito del percorso finalizzato al conseguimento della qualifica professionale Annualità formativa IMPRESA
DettagliCapitolo 6. Il processo decisionale delle imprese: la massimizzazione del profitto
Capitolo 6 Il processo decisionale delle imprese: la massimizzazione del profitto Per raggiungere l'obiettivo del massimo profitto, le imprese devono risolvere una serie di problemi. Dove produrre? Quanti
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
DettagliINDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI
2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato
DettagliUnità di misura di lunghezza usate in astronomia
Unità di misura di lunghezza usate in astronomia In astronomia si usano unità di lunghezza un po diverse da quelle che abbiamo finora utilizzato; ciò è dovuto alle enormi distanze che separano gli oggetti
DettagliIl metodo delle proporzioni crescenti
Il metodo delle proporzioni crescenti Ulisse Di Corpo Abstract I modelli predittivi, che utilizzano le regressioni multiple, partono dall assunto che le relazioni tra le variabili sono lineari o traducibili
DettagliSCADENZA FASE VALORE ECONOMICO DATA. Scadenza 0 Avviamento Progetto 900.000,00 02/12/2013. Scadenza 1 I SAL 150.000,00 28/02/2014
Fraternità di Misericordia di Isola di Capo Rizzuto Realizziamo insieme il teatro cinema di Isola di Capo Rizzuto Linee Guida per la Rendicontazione dei Progetti Premessa Al fine di garantire la maggior
DettagliDCO 14/11 Estensione del TrovaOfferte ai clienti finali non domestici di minori dimensioni. Osservazioni e proposte ANIGAS
DCO 14/11 Estensione del TrovaOfferte ai clienti finali non domestici di minori dimensioni Osservazioni e proposte ANIGAS Milano, 31 maggio 2011 1 PREMESSA Anigas presenta le proprie osservazioni al DCO
DettagliCircolare 6 agosto 2015, n. 59282
Circolare 6 agosto 2015, n. 59282 Criteri e modalità di concessione delle agevolazioni di cui alla legge n. 181/1989 in favore di programmi di investimento finalizzati alla riqualificazione delle aree
DettagliDocumento non definitivo
STUDIO DI SETTORE WG41U ATTIVITÀ 73.20.00 RICERCHE DI MERCATO E SONDAGGI DI OPINIONE Marzo 2016 Documento non definitivo PREMESSA L evoluzione dello Studio di Settore VG41U Ricerche di mercato e sondaggi
DettagliElementi di matematica finanziaria
Elementi di matematica finanziaria 1. Percentuale Si dice percentuale di una somma di denaro o di un altra grandezza, una parte di questa, calcolata in base ad un tanto per cento, che si chiama tasso percentuale.
DettagliPROGETTAZIONE / PROGRAMMAZIONE DIDATTICA INDICE. Revisioni
Pagina 1 di 8 INDICE 1.1 OBIETTIVO 1.2 APPLICAZIONE 1.3 RESPONSABILITÀ 1.4 FLOW ATTIVITÀ 1.5 PIANIFICAZIONE 1.6 VERIFICHE E PIANI DI RECUPERO 1.7 VALIDAZIONE E MODIFICHE AL PROGETTO 1.8 MODULISTICA Revisioni
DettagliLezione 4. Sommario. L artimetica binaria: I numeri relativi e frazionari. I numeri relativi I numeri frazionari
Lezione 4 L artimetica binaria: I numeri relativi e frazionari Sommario I numeri relativi I numeri frazionari I numeri in virgola fissa I numeri in virgola mobile 1 Cosa sono inumeri relativi? I numeri
Dettagli