Path dependence. Federico Frattini. Economia Applicata Avanzata

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Path dependence. Federico Frattini. Economia Applicata Avanzata"

Transcript

1 Path dependence Federico Frattini Economia Applicata Avanzata

2 Scott E. Page (2006) Path dependence, Quarterly Journal of Political Science, 2006, 1,

3 Concetto di base un piccolo vantaggio iniziale o shock casuali di poco conto lungo il percorso possono alterare il corso della storia David P. (1985), Clio and the Economics of QWERTY, American Economic Review, 75(2), pp nell interpretazione comune, path dependence significa che un evento attuale e quelli futuri, le azioni o le decisioni dipendono dal percorso seguito dagli eventi, dalle azioni e dalle decisioni precedenti (p. 88) la storia conta

4 Cause correlate Esistono quattro cause correlate: rendimenti crescenti, auto-rafforzamento, feedback positivi e lock-in. Sebbene tra loro connesse, esse differiscono. I rendimenti crescenti implicano che tanto più si compiono una scelta o un azione, tanto maggiori saranno i loro effetti. L auto-rafforzamento significa che compiere una scelta o un azione genera forze o istituzioni complementari che incoraggiano a mantenere quella scelta o azione. Nel caso di feedback positivi un azione o una scelta generano esternalità positive quando la stessa azione o scelta viene compiuta anche da altri individui. Infine, lock-in significa che una scelta o azione diventa migliore delle altre perché un numero sufficiente di individui le ha già compiute. (p. 88)

5 Differenti tipologie di dipendenza dalla storia path dependence, quando l intero sentiero percorso conta state dependence, quando il sentiero può essere ripartito in un numero finito di stati che contengono tutte le informazioni rilevanti phat dependence, quando gli eventi del passato contato, ma non il loro ordine path dependence precoce path dependence recente gli eventi dipendono dalla storia gli equilibri (probabilità degli eventi) dipendono dalla storia

6 Fraintendimenti comuni /1 Il primo fraintendimento riguarda la combinazione di path dependence e rendimenti crescenti. Essi sono concetti distinti sul piano logico e rendimenti crescenti non sono né necessari né sufficienti alla path dependence. Tuttavia, il fraintedimento si basa sulla seguente logica: se un processo genera due possibili sentieri, allora qualche evento deve prevalere in un sentiero piuttosto che nell altro. Questo è vero, ma non è detto che siano i rendimento crescenti a causare il fatto che un evento si verifichi più di frequente, poiché ogni genere di esternalità può indurre tale risultato. (p. 90)

7 Fraintendimenti comuni /2 Il secondo fraintendimento dipende da un errore interpretativo. Sebbene esistano rendimenti crescenti, in molti esempi di path dependence la vera causa sono le esternalità negative. Tuttavia, non si tratta solamente del ribaltamento di qualcosa di positivo in negativo e richiede un ripensamento radicale in merito alle cause della path dependence. (p. 90)

8 Fraintendimenti comuni /3 Il terzo fraintendimento deriva dall utilizzo del processo di Polya come modello esemplificativo, ma gli eventi che si verificano nel corso di tale processo non dipendono dall ordine di quelli passati: essi dipendono esclusivamente dalla loro distribuzione. (p. 91)

9 Fraintendimenti comuni /4 Il quarto fraintendimento risulta dal fallimento nel distinguere tra eventi ed equilibri che dipendono dalla storia. Se l evento che si verifica in un certo periodo dipende dalla sua storia, questo non implica che lo sia anche l equilibrio di lungo periodo. (p. 91)

10 Fraintendimenti comuni /5 L ultimo fraintendimento riguarda la confusione tra una path dependence precoce e la sensibilità alle condizioni iniziali. Quest ultima (nozione mutuata dalla teoria del caos) fa riferimento a sistemi dinamici, ma deterministici nei quali la traiettoria o l equilibrio dipendono in modo fondamentale dallo stato iniziale del sistema, cosicché piccoli cambiamenti in tale stato hanno effetti enormi. La path dependence precoce, invece, descrive processi in cui eventi casuali iniziali incidono sulla probabilità delle storie future, ma non le determinano. (p. 91)

11 Processo dinamico generale eventi x t a intervalli di tempo discreti indicizzati come t = 1, 2,, n ambiente al tempo t che include tutti quei fattori esogeni y t che influenzano gli eventi (altre informazioni, opportunità o eventi che si verificano in un dato periodo) storia h T al tempo T che rappresenta la combinazione di tutti gli eventi x t fino al tempo T 1 e di tutti gli altri fattori y t fino al tempo T funzione G t che mappa la storia corrente nell evento successivo. Gli eventi generati da un processo dinamico possono essere descritti come segue: x t+1 = G t ( h t ) La funzione G t può variare nel tempo e per questo motivo è indicizzata con t. La funzione G t non è necessariamente deterministica e può generare distribuzioni di probabilità sugli eventi, perché la dipendenza dalla storia non implica una dipendenza deterministica: essa deve solamente condizionare la probabilità degli eventi sulla base di quanto accaduto nel passato. (p. 92)

12 Principali tipologie di dinamica dipendenza degli eventi La storia può determinare l evento x t al tempo t. [1] un processo si dice dipendente negli eventi se l evento in un periodo dipende da quelli verificatisi nei periodi passati o nel periodo stesso dipendenza degli equilibri La storia può incidere sulla distribuzione di probabilità degli eventi x t al tempo t. [2] un processo si dice dipendente negli equilibri se la distribuzione di probabilità degli eventi nel lungo periodo dipende dagli eventi passati la dipendenza degli equilibri implica quella degli eventi: se la distribuzione di probabilità degli eventi è dipendente dal passato, allora devono esserlo anche gli eventi in un qualche periodo. (p. 93)

13 Il modello delle palle e dell urna Questo modello parte da un insieme di palle di vario colore che vengono inserite in un urna. In ciascun periodo, una palla viene estratta dall urna e altre palle vengono inserite o rimosse in base al colore di quella estratta. La sezione delle palle gioca il ruolo della funzione di determinazione degli eventi G t. Poiché le palle vengono estratte casualmente, la probabilità di ciascun evento dipende solo dalla composizione dei colori all interno dell urna. (p. 93)

14 Indipendenza [3] Un processo si dice indipendente se gli eventi x t in un periodo t non dipendono dagli eventi passati x t-1 o dal periodo t stesso. x t+1 = G ( ) Un processo che non è indipendente può dipendere dalla storia: l evento corrente o anche la distribuzione di probabilità sugli eventi possono dipendere dalla storia passata degli eventi. In entrambi i casi, però, rimane aperta la questione di quanto la storia incida sugli eventi e sulla loro probabilità. Esistono tre tipologie di dipendenza dalla storia: la dipendenza dallo stato, la phat dependence e la path dependence, che possono essere considerati come livelli diversi di importanza della storia, meno nei processi dipendenti dallo stato e maggiore in quelli path-dependent. (p. 94)

15 (1) Indipendenza Bernoulli process l urna contiene M palle marroni e B palle blu in ciascun periodo una palla viene estratta casualmente e poi reinserita nell urna La probabilità di estrarre una palla marrone è M / ( M + B ) e quella di estrarre una palla blu B / ( M + B ) in ogni periodo t» (p. 94)

16 Dipendenza dallo stato [4] un processo dipende da uno stato se l evento x t in qualche periodo t dipende solamente dallo stato del processo s t a quel tempo t. x t+1 = G ( s t ) dove s t+1 = T ( s t, x t ) è la regola di transizione che mappa lo stato corrente s t e (possibilmente) l evento corrente x t nello stato del periodo successivo s t+1. Poiché l evento x t dipende esclusivamente dallo stato s t, questo implica che G t = G per tutti i periodi t. (p. 95)

17 Phat dependence [5] un processo è phat-dependent l evento x t in qualche periodo t dipende dall insieme degli eventi e delle opportunità emerse nel corso della storia, ma non dal loro ordine { h t }. x t+1 = G t ( { h t } ) dove { h t } rappresenta l insieme degli eventi verificatisi fino al tempo t. (p. 97)

18 (2) Phat dependence /1 Polya process inizialmente M = B = 1 se nel periodo t se viene estratta una palla blu (marrone), la palla viene reinserita nell urna insieme a un altra dello stesso colore Nel processo c è dipendenza degli equilibri. Non solo il processo può convergere a più di una distribuzione di probabilità, ma addirittura a qualsiasi distribuzione. Tuttavia, il processo è solo phatdependent, perché l evento x t al tempo t dipende solamente dall insieme degli eventi passati, ma non dal loro ordine { h t }. (p. 98)

19 (3) Phat dependence /2 Balancing process inizialmente M = B = 1 se nel periodo t viene estratta una palla blu (marrone), la palla viene reinserita nell urna insieme a una palla dell altro colore Questo processo non può generare equilibri multipli. Si supponga che il processo converga a qualche distribuzione di probabilità diversa da un numero uguale di palle colorate, ad esempio 60% marroni e 40% blu. Da quel momento in poi, è più probabile estrarre una palla marrone, ma ciò significa anche che è più probabile inserire palle blu aggiuntive, portando la loro quota sopra il 40%. (p.99)

20 (4) Phat dependence /3 Balancing Polya process l urna contiene palle rosse (R) e verdi (G) oltre a quelle marroni e blu inizialmente M = B = R = G = 1 in ciascun periodo t la palla estratta viene reinserita nell urna in aggiunta, se viene estratta: una palla rossa, se ne aggiunge una marrone; una palla marrone, se ne aggiunge una rossa; una palla verde, se ne aggiunge una blu; una palla blu, se ne aggiunge una verde Questo processo mostra una phat dependence degli equilibri. Infatti, se si colorono le palle rosse di marrone e le palle verdi di blu, si ricrea il processo di Polya in cui c è phat dependence degli equilibri. Inoltre, il processo non esibisce rendimenti crescenti, poiché in un dato periodo t l estrazione di una palla di qualsiasi colore riduce la probabilità di estrarla nel periodo successivo t+1. Di conseguenza, i rendimenti crescenti non sono condizione necessaria per la dipendenza degli equilibri. Infine, questo processo quale ruolo giocano le complementarietà nell indurre la dipendenza degli equilibri. (p. 100)

21 Rendimenti crescenti Più di frequente si verifica un evento, più elevato è il rendimento relativo di quell evento e, di conseguenza, è più probabile che esso si verifichi in futuro. [6] un processo dinamico genera rendimenti crescenti se un evento x t nel periodo t aumenta la probabilità che lo stesso evento si verifichi nel periodo successivo t+1. (p. 99)

22 (5) Rendimenti crescenti Biased Polya process inizialmente M = 1 and B = 2 in ciascun periodo viene estratta una palla se viene estratta una palla marrone, la palla viene reinserita nell urna con un altra palla marrone e con una palla blu se nel periodo t viene estratta una palla blu, la palla viene reinserita nell urna insieme a 2t palle blu aggiuntive Una volta estratta una palla blu, la probabilità che venga estratta nel periodo successivo aumenta del 75%. La proporzione di palle blu nell urna, quindi, può anche convergere al 100%, così portando il processo verso un unico equilibrio. Chiaramente l estrazione di una palla blu soddisfa la condizione di rendimenti crescenti, perché estrarre una palla in un periodo aumenta la probabilità di estrarla anche nei periodi successivi. Tuttavia, anche le palle marroni soddisfano la stessa condizione. (p. 101)

23 Path dependence [7] un processo è path-dependent se l evento x t in un qualche periodo t dipende dalla storia degli eventi passati e dall ordine con cui si sono verificati h t. x t+1 = G t ( h t ) dove h t rappresenta l insieme ordinato degli eventi verificatisi fino al tempo t. (p. 97)

24 Path dependence forte La path dependence è forte quanto due sentieri distinti conducono a differenti distribuzioni di probabilità degli eventi. [8] un processo è path-dependent in senso forte se per due storie distinte h it e h -it differisce anche la funzione di determinazione degli eventi G t. x t+1 = G t ( h t ) dove G t ( h it ) G t ( h -it ) se h i h -i per qualche i = 1 fino a t. (p. 102)

25 (6) Path dependence /1 Strong path-dependent process inizialmente M = B = 1 nel periodo t viene estratta una palle e vengono reinserite nell urna 2 t-1 palle dello stesso colore Si consideri la sequenza: M B M M B t = 1: +1 M t = 2: +2 B t = 3: +4 M t = 4: +8 M t = 5: +16 B t = 6: 14 M, 19 B M B M M B è l unica storia a generare l evento 14 M e 19 B nel periodo t = 6, sebbene senza convergere a qualche distribuzione di probabilità fissa. (p. 103)

26 (7) Path dependence /2 Burden of history inizialmente M = B = 1 nel periodo t viene estratta una palla che viene reinserita nell urna insieme a una palla dello stesso colore in aggiunta, per ciascun periodo s < t, vengono aggiunte nell urna 2 t-s 2 t-s-1 palle dello stesso colore di quella estratta nel periodo s Si consideri la sequenza: M B ecc. t = T: +2 T 1 M, +2 T 2 B, ecc. In questo processo, la prima palla selezionata determina il colore di circa la metà delle palle aggiunta all urna, la seconda circa un quarto e così via. I periodi recenti contano esponenzialmente meno e il processo converge a un unico equilibrio. (p. 103)

27 Dipendenza dall evento iniziale [9] un processo è dipendente dall evento iniziale se tutti gli eventi successivi x t+i dipendono esclusivamente dal primo x t=0. (p. 104) x t = G ( h 1 )

28 (8) Dipendenza dall evento iniziale Founder process inizialmente M = B = 1 se la palla estratta nel periodo 1 è marrone (blu), allora la palla viene reinserita nell urna e la palla blu (marrone) viene rimossa Nel processo sono possibili solo due sentieri e tutti gli eventi futuri devono essere uguali al primo. (p. 104)

29 Path dependence precoce [10] in un processo la path dependence è precoce se tutti gli eventi successivi x t+i dipendono solamente dalla storia h T fino a un certo periodo T. (p. 104) x t+1 = G t ( h t ) for t T x t+1 = G ( h T ) for t > T

30 (9) Path dependence precoce Cascade inizialmente M = B = 1 le palle vengono estratte e reinserite nell urna finché non vengono estratte consecutivamente 3 palle dello stesso colore quando ciò accade, la palla dell altro colore viene rimossa dall urna In questo processo, gli eventi hanno la stessa probabilità finché un certo numero di eventi consecutivi non sono identici e dopo i quali il processo rimane incastrato in certo evento. (p. 104)

31 Path dependence recente [11] in un processo la path dependence è recente se tutti gli eventi successivi x t+i dipendono solamente dagli eventi e dalle opportunità del passato recente. (p. 105) x t+1 = G t ( h t ) for t T x t+1 = G ( h t / h t-t ) for t > T

32 (10) Dipendenza dall ultimo evento Unstable government uno di due partiti, D o R, è in carica se D è in carica, allora M = 1 e B = 2 se R è in carica, allora M = 2 e B = 1 nel primo periodo uno dei due partiti scelti casualmente è in carica in ciascun periodo viene estratta una palla nei periodi successivi il partito in carica è D se viene estratta una palla blu B, viceversa è R se viene estratta una palla M Nell unico equilibrio la palla marrone e blu hanno la stessa probabilità di essere estratte. (p. 105)

33 (11) Path dependence recente Forgetting process inizialmente M = B = 1 una palla dello stesso colore di quella estratta viene aggiunta per K > 0 periodi all urna e poi rimossa Il processo sconta il passato a un qualche tasso. (p. 105)

34 Riassunto (p. 106) Processo Proprietà (1) Bernoulli Indipendenza (2) Polya Phat dependence: equilibri multipli (3) Balancing Phat dependence: equilibrio unico (4) Balancing Polya Phat dependence: senza rendimenti crescenti (5) Biased Polya Rendimenti crescenti: equilibrio unico (6) Strong path-dependent Path dependence: senza convergenza (7) Burden of history Path dependence: con convergenza (8) Founder Dipendenza dall evento iniziale (9) Cascade Path dependence precoce (10) Unstable government Dipendenza dall ultimo evento (11) Forgetting Path dependence recente

Esercitazione N. 1 (11 ottobre 2016)

Esercitazione N. 1 (11 ottobre 2016) Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema

Dettagli

Esempio (Azzalini, pp. 6-15)

Esempio (Azzalini, pp. 6-15) Inferenza statistica procedimento per indurre le caratteristiche non note di un aggregato a partire dalle informazioni disponibili su una parte di esso. Obiettivo del corso presentare la teoria ed i metodi

Dettagli

DOMANDA 1: mettere una croce sulla affermazione esatta (90 89)

DOMANDA 1: mettere una croce sulla affermazione esatta (90 89) PROVA D ESAME - 0 marzo 00 nome: cognome: SSIS-INDIRIZZO MATEMATICA E MATEMATICA APPLICATA (primo anno MATEMATICA APPLICATA B: CALCOLO DELLE PROBABILITÀ Per le domande a risposta aperta il punteggio varia

Dettagli

ESERCIZI DI PROBABILITA

ESERCIZI DI PROBABILITA ESERCIZI DI PROBABILITA Quest'opera è stata rilasciata sotto la licenza Creative Commons Attribuzione-Non commerciale-condividi allo stesso modo 2.5 Italia. Per leggere una copia della licenza visita il

Dettagli

STATISTICA ESERCITAZIONE 9

STATISTICA ESERCITAZIONE 9 STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica.

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica. Probabilità e Statistica Esercitazioni a.a. 2009/200 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Estrazioni I Ines Campa Probabilità e Statistica - Esercitazioni -

Dettagli

Sperimentazioni di Fisica I mod. A Statistica - Lezione 3

Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile

Dettagli

CAPITOLO V. DATABASE: Il modello relazionale

CAPITOLO V. DATABASE: Il modello relazionale CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono

Dettagli

La probabilità composta

La probabilità composta La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il

Dettagli

Probabilità Condizionale - 1

Probabilità Condizionale - 1 Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della

Dettagli

3.1 La probabilità: eventi e variabili casuali

3.1 La probabilità: eventi e variabili casuali Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza

Dettagli

Luigi Piroddi

Luigi Piroddi Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul

Dettagli

Variabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1

Variabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1 Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni

Dettagli

FRAME 0.3. E possibile partecipare a tre appelli su 5 (esclusi i compitini). Farà fede l iscrizione alle liste elettroniche.

FRAME 0.3. E possibile partecipare a tre appelli su 5 (esclusi i compitini). Farà fede l iscrizione alle liste elettroniche. FRAME 0.1. S.M. Ross, Calcolo delle Probabilità, Apogeo 2004. C. Mariconda, A. Tonolo, Matematica Discreta, a.a. 2005-2006, Libreria Progetto, 2005 (costo 6 euro. Compitini FRAME 0.2. 13 maggio, ore 9.30

Dettagli

Modelli e Metodi per la Simulazione (MMS)

Modelli e Metodi per la Simulazione (MMS) Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di

Dettagli

Probabilità: valutazione della possibilità che accada (o sia accaduto) r = 1 (c è un asso di cuori nel mazzo)

Probabilità: valutazione della possibilità che accada (o sia accaduto) r = 1 (c è un asso di cuori nel mazzo) Probabilità: valutazione della possibilità che accada (o sia accaduto) un evento. Probabilità di un evento P = r/n dove r = frequenza dell evento N = Numero di possibili eventi Esempio: Evento = estrazione

Dettagli

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare

Dettagli

Calcolo della probabilità

Calcolo della probabilità Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.

Dettagli

2. Se il rapporto tra le aree di due figure simili è 4, qual è il rapporto tra i corrispondenti perimetri?

2. Se il rapporto tra le aree di due figure simili è 4, qual è il rapporto tra i corrispondenti perimetri? . 000 99,02 = 0,98,98 900,98 D. 90,98 2. Se il rapporto tra le aree di due figure simili è 4, qual è il rapporto tra i corrispondenti perimetri? 4 2 2 D. 4 3. Un cuoco prepara un piatto di tagliatelle

Dettagli

LA CURVA DI PHILLIPS

LA CURVA DI PHILLIPS 1 LA CURVA DI PHILLIPS INFLAZIONE, INFLAZIONE ATTESA E DISOCCUPAZIONE L equazione dell offerta aggregata può essere riscritta come una relazione tra livello effettivo dei prezzi, livello atteso dei prezzi

Dettagli

Il rapporto casi favorevoli su casi possibili porta quindi esattamente a quanto scritto prima.

Il rapporto casi favorevoli su casi possibili porta quindi esattamente a quanto scritto prima. alline. In un sacco non trasparente sono contenute palline identiche: bianche,. Qual e la probabilita che se ne estragga una? E una? Su palline, sono bianche,. Sono tutte identiche (stessa grandezza, stesso

Dettagli

C.d) Equilibri multipli

C.d) Equilibri multipli C.d) Equilibri multipli o L evidenza empirica sui processi di convergenza nei livelli di produttività tra le regioni europee suggerisce l esistenza di Club di convergenza, ovvero di gruppi di regioni che

Dettagli

UNIVERSITA` di ROMA TOR VERGATA

UNIVERSITA` di ROMA TOR VERGATA UNIVERSITA` di ROMA TOR VERGATA Corso di PS2-Probabilità 2 P.Baldi appello, 7 giugno 200 Corso di Laurea in Matematica Esercizio Siano X, Y v.a. indipendenti di legge Ŵ(2, λ). Calcolare densità e la media

Dettagli

Capitolo 10. La domanda aggregata, I. Capitolo 10: La domanda aggregata, I

Capitolo 10. La domanda aggregata, I. Capitolo 10: La domanda aggregata, I Capitolo 10 La domanda aggregata, I 1 Il percorso La domanda aggregata, I La curva IS La croce keynesiana Il modello dei capitali di prestito La curva LM La teoria delle preferenze per la liquidità Il

Dettagli

Lezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.

Lezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice. discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3

Dettagli

Esternalità di Rete. Il beneficio aumenta al crescere del numero di consumatori che utilizza il bene (telefono, mail, skype)

Esternalità di Rete. Il beneficio aumenta al crescere del numero di consumatori che utilizza il bene (telefono, mail, skype) Esternalità di rete Pepall Richards Norman: cap. 9 Comino Manenti: cap. 3 (escluso 3.4) Garavaglia: cap. 4 Lucidi di lezione in parte preparati da Comino e Manenti Esternalità di Rete Il beneficio aumenta

Dettagli

IL CALCOLO DELLE PROBABILITA

IL CALCOLO DELLE PROBABILITA IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,

Dettagli

Esercizi di Probabilità - Matematica Applicata a. a Doriano Benedetti

Esercizi di Probabilità - Matematica Applicata a. a Doriano Benedetti Esercizi di Probabilità - Matematica Applicata a. a. 01-014 Doriano Benedetti 6 marzo 014 1 Esercizio 1 In quanti modi diversi si può vestire una persona che possiede 10 abiti, paia di scarpe e cappelli?

Dettagli

LA DISTRIBUZIONE NORMALE o DI GAUSS

LA DISTRIBUZIONE NORMALE o DI GAUSS p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51 Introduzione Il Calcolo delle

Dettagli

{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )

{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( ) Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria per l Ambiente e il Territorio - 2017/18 Analisi Matematica 1 - professore Alberto Valli 2 foglio di esercizi 25 settembre 2017

Dettagli

Olimpiadi di Statistica Classe V - Fase Eliminatoria

Olimpiadi di Statistica Classe V - Fase Eliminatoria Olimpiadi di Statistica 2016 - Classe V - Fase Eliminatoria Domanda 1 Alla fine del torneo di calcetto organizzato dalla scuola, è stata analizzata la classifica dei marcatori dalla quale risulta la seguente

Dettagli

Scopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti:

Scopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti: Lezione 1 La Probabilità Scopo del Corso: Introduzione alla probabilità e alle procedure di inferenza statistica Introduzione ad alcune importanti tecniche di analisi multivariata dei dati Organizzazione

Dettagli

Se il progresso tecnico non è lo stesso in tutti i paesi le conclusioni non valgono.

Se il progresso tecnico non è lo stesso in tutti i paesi le conclusioni non valgono. Convergenza Il modello neoclassico prevede due tipi di convergenza: convergenza condizionata: è la convergenza nei livelli di reddito per addetto ed è condizionata dalla propensione al risparmio s del

Dettagli

Corso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a

Corso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a Corso di Statistica Distribuzioni di probabilità per variabili casuali discrete Prof.ssa T. Laureti a.a. 2013-2014 1 Variabili casuale di Bernoulli La v.c. di Bernoulli trae origine da una prova nella

Dettagli

LEZIONE 12. v = α 1 v α n v n =

LEZIONE 12. v = α 1 v α n v n = LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono

Dettagli

PROBLEMI DI PROBABILITÀ

PROBLEMI DI PROBABILITÀ PROBLEMI DI PROBABILITÀ 1. Si dispongono a caso su uno scaffale sette libri, dei quali tre trattano di matematica. Qual è la probabilità che i tre libri di matematica si vengano a trovare l uno accanto

Dettagli

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n

SOTTOSPAZI 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,

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Il modello binomiale Da studi interni è noto che il 35% dei clienti del Supermercato GD paga

Dettagli

Il beneficio aumenta al crescere del numero di consumatori che utlizzano il bene (telefono, mail, whatsapp)

Il beneficio aumenta al crescere del numero di consumatori che utlizzano il bene (telefono, mail, whatsapp) ESTERNALITA DI RETE Il beneficio aumenta al crescere del numero di consumatori che utlizzano il bene (telefono, mail, whatsapp) Gli effetti di rete o esternalità di rete riflettono tali situazioni in cui

Dettagli

Probabilità esempi. Aiutiamoci con una rappresentazione grafica:

Probabilità esempi. Aiutiamoci con una rappresentazione grafica: Probabilità esempi Paolo e Francesca giocano a dadi. Paolo scommette che, lanciando due dadi, si otterrà come somma 8 oppure 9. Francesca scommette che si otterrà come somma un numero minore o uguale a

Dettagli

Economia Internazionale e Politiche Commerciali (a.a. 11/12)

Economia Internazionale e Politiche Commerciali (a.a. 11/12) Economia Internazionale e Politiche Commerciali (a.a. 11/12) Soluzione Esame (28 gennaio 2012) Prima Parte 1. (9 p.) Si supponga che le imprese che producono personal computers siano identiche tra loro

Dettagli

Lezione 2. La probabilità oggettiva : definizione classica e frequentistica e loro problemi

Lezione 2. La probabilità oggettiva : definizione classica e frequentistica e loro problemi Lezione 2 La probabilità oggettiva : definizione classica e frequentistica e loro problemi La definizione classica Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi

Dettagli

Lezioni di Microeconomia

Lezioni di Microeconomia Lezioni di Microeconomia Lezione 3 Quantità e Prezzi di Mercato Lezione 3: quantità e prezzi di mercato Slide 1 Il meccanismo di mercato Ricordiamo che: q d n= f (p n, R, p 1,...,p n-1, G) d q = D( p n

Dettagli

Progetto: Riuscire nelle gare di Matematica

Progetto: Riuscire nelle gare di Matematica Progetto: Riuscire nelle gare di Matematica Test di fine percorso: 12 Aprile 2010 Cognome Nome Classe Sezione Tempo concesso 120 minuti Non è consentito l utilizzo della calcolatrice ARITMETICA 1. Francesco

Dettagli

RETI DI TELECOMUNICAZIONE

RETI DI TELECOMUNICAZIONE RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO CONTINUE Definizioni Sia dato un processo stocastico x(t) che può assumere valori discreti appartenenti ad un insieme se accade che il processo è una catena

Dettagli

STATISTICA 1 ESERCITAZIONE 8

STATISTICA 1 ESERCITAZIONE 8 STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:

Dettagli

STATISTICA (2) ESERCITAZIONE 1. Dott.ssa Antonella Costanzo

STATISTICA (2) ESERCITAZIONE 1. Dott.ssa Antonella Costanzo STATISTICA (2) ESERCITAZIONE 1 29.01.2014 Dott.ssa Antonella Costanzo Esercizio 1. Modelli discreti di probabilità: le v.c. binomiale e geometrica (come caso particolare della v.c. binomiale negativa)

Dettagli

Insiemi di numeri reali

Insiemi di numeri reali Capitolo 1 1.1 Elementi di teoria degli insiemi Se S è una totalità di oggetti x, si dice che S è uno spazio avente gli elementi x. Se si considerano alcuni elementi di S si dice che essi costituiscono

Dettagli

La teoria della produzione

La teoria della produzione Università degli Studi di Napoli Federico II Corso di studi CLEA Anno accademico 2012/13 La teoria della produzione Ornella Wanda Maietta maietta@unina.it Sommario 1. La funzione di produzione in presenza

Dettagli

La probabilità matematica

La probabilità matematica 1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi

Dettagli

Rilevazione degli apprendimenti. Anno Scolastico PROVA DI MATEMATICA. Scuola Secondaria di II grado. Classe Prima. Codici. Scuola:...

Rilevazione degli apprendimenti. Anno Scolastico PROVA DI MATEMATICA. Scuola Secondaria di II grado. Classe Prima. Codici. Scuola:... Ministero della Pubblica Istruzione Rilevazione degli apprendimenti Anno Scolastico 2006 2007 PROVA DI MATEMATICA Scuola Secondaria di II grado Classe Prima Codici Scuola:..... Classe:.. Studente:. Spazio

Dettagli

Note sulle Catene di Markov

Note sulle Catene di Markov Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo

Dettagli

Compiti tematici capp. 5,6

Compiti tematici capp. 5,6 Compiti tematici capp. 5,6 a cura di Giovanni M. Marchetti 2016 ver. 0.6 Indice Esercizi dai compiti a casa (HW..................................... 8 1. Se X e Y sono due variabili casuali independenti,

Dettagli

ESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE

ESERCITAZIONE 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

Dettagli

PROCESSI STOCASTICI 1: ESERCIZI

PROCESSI STOCASTICI 1: ESERCIZI PROCESSI STOCASTICI 1: ESERCIZI (1) ESERCIZIO: Date P e Q matrici stocastiche, dimostrare che la matrice prodotto P Q è una matrice stocastica. Dedurre che la potenza P n e il prodotto P 1 P 2 P n sono

Dettagli

Esercizi di Calcolo delle Probabilità

Esercizi di Calcolo delle Probabilità Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato

Dettagli

Statistica descrittiva e statistica inferenziale

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

Dettagli

Kangourou della Matematica 2006 finale nazionale italiana Mirabilandia, 8 maggio 2006

Kangourou della Matematica 2006 finale nazionale italiana Mirabilandia, 8 maggio 2006 LIVELLO ÉCOLIER E1. (5 punti ) Qual è il multiplo di 11 più vicino a 1000? E2. (7 punti ) Le lettere della parola ELA sono tutte distinte fra loro. Fa corrispondere ad ogni lettera di questa parola una

Dettagli

Progresso tecnologico e crescita

Progresso tecnologico e crescita Lezione 14 (BAG cap. 13) Progresso tecnologico e crescita Corso di Macroeconomia Prof. Guido Ascari, Università di Pavia Progresso tecnologico e tasso di crescita Il progresso tecnologico può manifestarsi

Dettagli

Corso di Laurea in Matematica a.a. 2009/2010

Corso di Laurea in Matematica a.a. 2009/2010 Corso di Laurea in Matematica a.a. 009/010 (1) Il numero ( 5) 4 è uguale a: (a) 5 (b) 8 5 (c) 5 (d) 4 5 () Il numero log 4 16 è uguale a: (a) 4 (b) 8 (c) (d) 1/ (3) È vero che: (a) 5 > 3 4 (b) 5 > 8 5

Dettagli

Tipi di variabili. Indici di tendenza centrale e di dispersione

Tipi di variabili. Indici di tendenza centrale e di dispersione Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)

Dettagli

Economia Politica e Istituzioni Economiche

Economia Politica e Istituzioni Economiche Economia Politica e Istituzioni Economiche Barbara Pancino Lezione 12 Un analisi di equilibrio generale: il modello AS-AD Tasso naturale/strutturale di disoccupazione Il tasso di disoccupazione di equilibrio,

Dettagli

Metodi di Iterazione Funzionale

Metodi di Iterazione Funzionale Appunti di Matematica Computazionale Lezione Metodi di Iterazione Funzionale Il problema di calcolare il valore per cui F() = si può sempre trasformare in quello di trovare il punto fisso di una funzione

Dettagli

incompatibili compatibili complementari eventi composti probabilità composta

incompatibili compatibili complementari eventi composti probabilità composta Un evento si dice casuale, o aleatorio, se il suo verificarsi dipende esclusivamente dal caso. La probabilità matematica p di un evento aleatorio è il rapporto fra il numero dei casi favorevoli f e il

Dettagli

Offerta aggregata, AS

Offerta aggregata, AS Lezione 9 (BAG cap. 8) Un analisi di equilibrio generale: il modello AS-AD Corso di Macroeconomia Prof. Guido Ascari, Università di Pavia Offerta aggregata, AS L offerta aggregata, AS, descrive gli effetti

Dettagli

Esercitazione 7 del corso di Statistica (parte 1)

Esercitazione 7 del corso di Statistica (parte 1) Esercitazione 7 del corso di Statistica (parte 1) Dott.ssa Paola Costantini 5 Marzo 011 Esercizio 1 Sullo spazio campionario: = 1,,,, 5,, 7,,, considerando l esperimento casuale estrazione di un numero,

Dettagli

Capitolo 10 La domanda aggregata, I. Mankiw, MACROECONOMIA, Zanichelli editore 2004 Capitolo 10: La domanda aggregata, I 1

Capitolo 10 La domanda aggregata, I. Mankiw, MACROECONOMIA, Zanichelli editore 2004 Capitolo 10: La domanda aggregata, I 1 Capitolo 10 La domanda aggregata, I 1 Il percorso La domanda aggregata, I La curva IS La croce keynesiana Il modello del mercato dei fondi mutuabili La curva LM La teoria della preferenza per la liquidità

Dettagli

Scrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.

Scrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE. Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità A. A. /5 prova scritta (//5(docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento dei punti non facoltativi

Dettagli

Esercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità

Esercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare

Dettagli

Concorrenza fra standard e tecnologie. Esternalità di rete e Lock-in

Concorrenza fra standard e tecnologie. Esternalità di rete e Lock-in Concorrenza fra standard e tecnologie. Esternalità di rete e Lock-in Lezione 15 Cabral - Cap. 17 solo 17.1 e 17.2 Shapiro Varian. Information Rules. Cap. 7 Importanti i lucidi Disponibili pdf su moodle

Dettagli

Statistica 1- parte II

Statistica 1- parte II Statistica 1- parte II Esercitazione 1 Dott.ssa Antonella Costanzo 11/02/2016 Esercizio 1. Modelli discreti di probabilità: le v.c. binomiale e geometrica (come caso particolare della v.c. binomiale negativa),

Dettagli

p 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

p 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,

Dettagli

Alcune v.a. discrete notevoli

Alcune v.a. discrete notevoli Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =

Dettagli

Esercitazioni di statistica

Esercitazioni 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

Dettagli

Il modello AD-AS. Modello semplice

Il modello AD-AS. Modello semplice Il modello AD-AS Modello semplice Introduciamo i prezzi Fino ad ora abbiamo ipotizzato che i prezzi fossero dati e costanti. Si trattava di una ipotesi semplificatrice che poteva valere nel breve periodo.

Dettagli

L OFFERTA AGGREGATA NEL LUNGO PERIODO

L OFFERTA AGGREGATA NEL LUNGO PERIODO Corso di laurea in Scienze Internazionali e diplomatiche Corso di Macroeconomia a.a 2016-2017 L OFFERTA AGGREGATA NEL LUNGO PERIODO Saveria Capellari a.a. 2016-2017 L OFFERTA AGGREGATA NEL LUNGO PERIODO

Dettagli

CONOSCENZE 1. il significato di evento casuale. 2. il significato di eventi impossibili, complementari;

CONOSCENZE 1. il significato di evento casuale. 2. il significato di eventi impossibili, complementari; ARITMETICA ELEMENTIDICALCOLO DELLE PROBABILITAÁ PREREQUISITI l l l conoscere e costruire tabelle a doppia entrata conoscere il significato di frequenza statistica calcolare rapporti e percentuali CONOSCENZE.

Dettagli

Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017. Giovanni Lafratta

Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017. Giovanni Lafratta Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017 Giovanni Lafratta ii Indice 1 Spazi, Disegni e Strategie Campionarie 1 2 Campionamento casuale

Dettagli

1 Indipendenza lineare e scrittura unica

1 Indipendenza lineare e scrittura unica Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza

Dettagli

Esercizi di Calcolo combinatorio: disposizioni

Esercizi di Calcolo combinatorio: disposizioni Calcolo combinatorio: disposizioni La Big Triple all ippodromo del luogo consiste nell indicare il corretto ordine di arrivo dei cavalli classificati tra i primi tre nella nona corsa. Se ci sono 12 cavalli

Dettagli

Lezione Introduzione

Lezione Introduzione Lezione 19 1 Introduzione In questa lezione vediamo il modello di allocazione della spesa. Questo modello spiega la relazione tra le diverse componenti del PIL. In particolare mostra come, nel lungo periodo,

Dettagli

Il modello a fattori specifici

Il modello a fattori specifici Economia Internazionale Alireza Naghavi Capitolo 3 (b) Fattori specifici e distribuzione del reddito Slide 3- Cosa succede all allocazione del lavoro e alla distribuzione del reddito quando il prezzo del

Dettagli

ESERCIZI DI CALCOLO COMBINATORIO

ESERCIZI DI CALCOLO COMBINATORIO ESERCIZI DI CALCOLO COMBINATORIO (G.T.Bagni) Sintesi delle nozioni teoriche da utilizzare a) Dati n elementi e k n, si dicono disposizioni semplici di n elementi di classe k tutti i raggruppamenti ottenuti

Dettagli

Classificazione sistema statico: l uscita y(t) non dipende dall ingresso u(τ), τ < t. sistema dinamico: l uscita y(t) dipende dall ingresso u(τ), τ <

Classificazione sistema statico: l uscita y(t) non dipende dall ingresso u(τ), τ < t. sistema dinamico: l uscita y(t) dipende dall ingresso u(τ), τ < Classificazione dei Modelli Classificazione sistema statico: l uscita y(t) non dipende dall ingresso u(τ), τ < t. sistema dinamico: l uscita y(t) dipende dall ingresso u(τ), τ < t. Classificazione sistema

Dettagli

SCHEMA delle LEZIONI della QUINTA SETTIMANA

SCHEMA delle LEZIONI della QUINTA SETTIMANA Corso di Istituzioni di economia, Corso di Laurea in Ing. Gestionale, II canale (M-Z), A.A. 2010-2011. Prof. R. Sestini SCHEMA delle LEZIONI della QUINTA SETTIMANA Corso di Macroeconomia, Corso di Laurea

Dettagli

M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI

M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI Assumiamo come primitivo il concetto di insieme e quello di appartenenza di un elemento a un insieme. La notazione x A indica

Dettagli

Equilibrio Macroeconomico: il modello IS-LM. particolare, Moneta nominale (M) = Moneta reale (M/P)

Equilibrio Macroeconomico: il modello IS-LM. particolare, Moneta nominale (M) = Moneta reale (M/P) Equilibrio Macroeconomico: il modello IS-LM Ricordo che sia nello studio del settore reale (IS) che in quello monetario (LM) i prezzi sono ipotizzati costanti: valori nominali e reali coincidono: in particolare,

Dettagli

Argomenti della lezione. Criteri di divisibilità fattorizzazione m.c.m. e M.C.D. frazioni ed espressioni

Argomenti della lezione. Criteri di divisibilità fattorizzazione m.c.m. e M.C.D. frazioni ed espressioni Argomenti della lezione Criteri di divisibilità fattorizzazione m.c.m. e M.C.D. frazioni ed espressioni Quale cifra deve assumere la lettera c affinché i numeri 821c e 82c1 siano divisibili per 2? Un numero

Dettagli

Elementi di Epidemiologia per la Valutazione Comparativa di Esito

Elementi di Epidemiologia per la Valutazione Comparativa di Esito Elementi di Epidemiologia per la Valutazione Comparativa di Esito La valutazione della qualità dell assistenza: quali domande? L incidenza di alcuni esiti negativi dell assistenza ospedaliera (come la

Dettagli

Laboratorio Tecniche di valutazione dei progetti di trasporto. 2 lezione: Cos è un investimento? Prof. Ing. Gianfranco Fancello A.

Laboratorio Tecniche di valutazione dei progetti di trasporto. 2 lezione: Cos è un investimento? Prof. Ing. Gianfranco Fancello A. Laboratorio Tecniche di valutazione dei progetti di trasporto 2 lezione: Cos è un investimento? Prof. Ing. Gianfranco Fancello A.A: 2016-2017 Cos è un investimento? Un investimento è: - un esborso di capitale

Dettagli

Variabili casuali. - di Massimo Cristallo -

Variabili casuali. - di Massimo Cristallo - Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali

Dettagli

Generazione di numeri random. Distribuzioni uniformi

Generazione di numeri random. Distribuzioni uniformi Generazione di numeri random Distribuzioni uniformi I numeri random Per numero random (o numero casuale) si intende una variabile aleatoria distribuita in modo uniforme tra 0 e 1. Le proprietà statistiche

Dettagli

COMPLETEZZA DELL INSIEME DEI NUMERI REALI R.

COMPLETEZZA DELL INSIEME DEI NUMERI REALI R. COMPLETEZZA DELL INSIEME DEI NUMERI REALI R. FABIO CIPRIANI 1. Completezza dell insieme dei numeri reali R. Nell insieme dei numeri reali R la condizione di Cauchy e necessaria e sufficiente per la convergenza

Dettagli

λ è detto intensità e rappresenta il numero di eventi che si

λ è detto intensità e rappresenta il numero di eventi che si ESERCITAZIONE N 1 STUDIO DI UN SISTEMA DI CODA M/M/1 1. Introduzione Per poter studiare un sistema di coda occorre necessariamente simulare gli arrivi, le partenze e i tempi di ingresso nel sistema e di

Dettagli

Le finalità di efficienza. Materiale di riferimento: Dispensa sostitutiva: par. 1, 2, 3, 4 Manuale 1: cap. 4, par. 3 fino a riga 8 di p.

Le finalità di efficienza. Materiale di riferimento: Dispensa sostitutiva: par. 1, 2, 3, 4 Manuale 1: cap. 4, par. 3 fino a riga 8 di p. Le finalità di efficienza Materiale di riferimento: Dispensa sostitutiva: par. 1, 2, 3, 4 Manuale 1: cap. 4, par. 3 fino a riga 8 di p. 74 Cosa intendere per efficienza? Efficienza come massimo benessere

Dettagli

Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9

Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9 Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda

Dettagli

INSIEMI E LOGICA. 2527+2234+1846=6607 6607-6000 = 607 numero individui con entrambi gli antigeni

INSIEMI E LOGICA. 2527+2234+1846=6607 6607-6000 = 607 numero individui con entrambi gli antigeni In uno studio di gruppi sanguigni ABO, furono sottoposti ad analisi 6000 cinesi. 2527 avevano l antigene A, 2234 l antigene B e 1846 nessun antigene. Quanti individui avevano entrambi gli antigeni? 2527+2234+1846=6607

Dettagli

0 z < z < 2. 0 z < z 3

0 z < z < 2. 0 z < z 3 CALCOLO DELLE PROBABILITÀ o - 7 gennaio 004. Elettronica : 4; Nettuno: 3.. Data un urna di composizione incognita con palline bianche e nere, sia K = il numero di palline bianche nell urna è il doppio

Dettagli

REGRESSIONE E CORRELAZIONE

REGRESSIONE E CORRELAZIONE REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.

Dettagli