INDICI DI POSIZIONE O DI TENDENZA CENTRALE

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "INDICI DI POSIZIONE O DI TENDENZA CENTRALE"

Transcript

1 IDICI DI POSIZIOE O DI TEDEZA CETRALE Gl ndc d poszon, o d tndnza cntral, sono numr ch sprmono la snts numrca d una dstrbuzon statstca (d ora n avant ndcata dal smbolo ) d una varabl X. I valor ossrvat possono ssr dstrbut pr:. untà;. modaltà;. class. Gl ndc d poszon pù not sono:. la moda;. la mdana; 3. la mda artmtca; 4. la mda gomtrca. Data una dstrbuzon d valor ossrvat non smpr è ammssbl calcolar tutt tr gl ndc d poszon. Infatt, la sclta dll ndc d tndnza cntral dono a dscrvr una dstrbuzon d valor dpnd dalla natura (qualtatva o quanttatva) d dat dalla scala d msura adottata nl procsso d msurazon. Solo quando dat sono d natura quanttatva, qund msurat almno su una scala d ntrvall, s possono calcolar tutt tr gl ndc d tndnza cntral. La dffrnza prncpal tra tr ndc sopra ndcat rsd nl dvrso contnuto nformatvo. Gl ndc sono qu d sguto lncat n ordn crscnt d capactà nformatva: la moda è l unco ndc d poszon ch s può smpr calcolar, a partr da dat msurat su scala nomnal; la mdana s può calcolar pr dat msurat almno su scala ordnal; la mda s può calcolar solo pr dat quanttatv, msurat almno su scala a ntrvall. LA MODA La moda d un nsm d dat può ssr ndvduato n manra dvrsa, n rlazon alla forma d organzzazon d dat. Vdamo l dvrs occason: pr untà: data una sr d ossrvazon dlla varabl X, la moda è l valor ossrvato l maggor numro d volt; pr modaltà: è la modaltà,, d X a cu corrspond la massma frqunza, n. n class: n qusto caso pù ch d moda (ntsa com valor puntal) s parla d class modal. In gnral, ssa è la class a cu corrspond la massma dnstà, d. l caso n cu l class sano quspazat (ugual ampzza), la class modal è qulla a cu corrspond la massma frqunza assoluta (o rlatva). È ncssaro calcolar d pr ogn class:

2 d n f = o d = a a ndvduar la class cu corrspond ma(d ). La moda d una dstrbuzon non è ncssaramnt unca. S la dstrbuzon statstca ha un unca moda, la dstrbuzon s drà unmodal, s ha du o pù valor modal, la dstrbuzon s drà bmodal o, pù n gnral, plurmodal. LE MEDIE LASCHE Anch not sotto l nom d statstch d poszon, sono qull md la cu ndvduazon s basa sulla poszon (o rango) occupata da uno o pù dgl trmn dlla dstrbuzon ordnata d X. La famgla dll statstch d ordn è qulla d quantl, tra qual pù utlzzat sono quartl soprattutto la mdana. Condzon ncssara pr l ndvduazon d un quantl è ch la sr d valor ossrvat sa ordnata n una graduatora, n snso almno non dcrscnt: pr =,, [] n modo da assgnar l rango, r, a cascuna ossrvazon. LA MEDIAA In una dstrbuzon d valor d X, la mdana, M, è l valor ch bpartsc la graduatora [], ovvro la dvd n du part ugual, n modo da lascar lo stsso numro d trmn alla propra snstra alla propra dstra. Qusto sgnfca ch M è un barcntro, con l 50% d valor alla sua a snstra l rstant 50% alla sua dstra. La procdura pr dtrmnar la mdana vara al varar dlla forma d organzzazon d dat ossrvat alla numrostà (s dspar o par) dll ossrvazon. La mdana d ndvdua pr pass: - nnanztutto, s dtrmna la poszon (o rango) occupata dalla mdana n sno alla graduatora; - succssvamnt, s ndca com mdana l valor ossrvato dlla varabl, corrspondnt a qulla poszon. Com dtto prcdntmnt, l rango dlla mdana s dtrmna n modo dvrso, a sconda ch sa dspar, o sa par. In raltà cò non val quando dat sono organzzat n una dstrbuzon d frqunza n class, com vdrmo pù avant. Vdamo ora com s dtrmna la M, quando s dspon d una dstrbuzon pr untà. ~ pr untà: - s è dspar, la mdana, M, è qul valor ossrvato d X, la cu poszon mdana (pm) n sno alla graduatora è par a:

3 pm = +, da cu dscnd ch M = + - s è par, s avranno ncssaramnt du poszon mdan, n corrspondnza dll qual v saranno du dstnt untà statstch con ossrvazon d X, ch potranno prsntar ugual o dvrsa modaltà. In qusto caso s parlrà d mdana convnzonal, dato ch M sarà calcolata convnzonalmnt com valor cntral dll ntrvallo mdano (m), dtrmnato da valor ossrvat, ch occupano l poszon mdan: pm = ;, m = pm = + ;, + nfn, M = + + Esmpo varabl (X) = numro d ms trascors tra l momnto dlla laura qullo dl prmo mpgo; untà statstch (us) = laurat dlla Unvrstà Kor n ssson succssv; = 8, numro d us; = ossrvazon gnrca, pr =,, 8: = {4, 5, 0,, 4,, 6, 7, 7, 0, 0, 0, 3, 0, 4, 5, 6, 7}. Innanztutto è ncssaro ordnar n snso almno non dcrscnt l ossrvazon,, assgnando a cascuna d ss l propro rango, r : :,, 4, 7, 7, 7, 0, 0, 0, 0, 0, 3, 4, 4, 5, 5, 6, 6 r :,, 3, 4, 5, 6, 7, 8, 9, 0,,, 3, 4, 5, 6, 7, 8 Innanztutto, s ndvduano l du poszon mdan, dato ch è par: pm = = 9 pm = + = 9 + = 0, qund, s ndvduano du valor ossrvat d X ch occupano l du poszon mdan: 0 = ( 9 = ) 0 = ( 0 = ; poché è M ), allora: M = = 0..B: n qusto smpo l du poszon mdan sono occupat ntramb da du dstnt ossrvazon d X, ntramb par a 0. In gnral non è dtto ovvamnt ch cò s vrfch. 3

4 ~ pr modaltà: Sostanzalmnt l procdmnto è dntco al caso mostrato n prcdnza. Infatt, c s comporta ancora n modo dvrso a sconda ch sa dspar o par. L unca dffrnza dal punto d vsta procdural consst nl fatto ch la, o l poszon mdan s ndvduano ora facndo rfrmnto alla colonna dll frqunz cumulat assolut, (o rlatv, F ). - s è dspar, la mdana è la pù pccola modaltà, la cu frqunza cumulata è: + M = - s è par, com sappamo sstono du poszon mdan, ch possono ssr occupat o ntramb dalla stssa modaltà (vd caso, sotto), o da du modaltà dvrs (vd caso, sotto):. sst un unca frqunza assoluta cumulata,, ch soddsfa contmporanamnt l du condzon: pm > = + = pm M =. sstono du dstnt frqunz assolut cumulat, tal ch: = pm = + = pm IM = [ -, ] M = +. Esmpo data la sgunt dstrbuzon d frqunza pr modaltà: n f F 0 0,04 0,04 0,04 0, ,04 3 0, ,4 6 0, ,08 0, ,04 0,500 0, , , , , , ,04 9 0,79 8 0,04 0 0, ,083 0, ,04 3 0, ,04 4 Total 4 C trovamo nl caso sopra llustrato, ovvro, sstono du dstnt frqunz assolut cumulat ch soddsfano la sconda condzon. Infatt: 4

5 4 4 pm = = = = 6 pm = + = + = + = 3 < 7 = 4, 0 IM = [ -, ] = [0, ] M = + = + =. ~ class: Quando dat sono organzzat n una dstrbuzon d frqunza n class, s procd dvrsamnt da quanto vsto n prcdnza, poché non s dstngu pù l caso n cu sa par o dspar. Inoltr, prma d dtrmnar l valor puntual dlla mdana sarà ncssaro ndvduar la class mdana (cm ) all ntrno dlla qual s trova la mdana. Analtcamnt s dvono sgur sgunt pass:. s calcola (sa pr dspar ch pr par);. s ndvdua la cm com qulla assocata alla pù pccola ; 3. s dtrmna la M scondo l pots dll stogramma, a partr dalla cm = [ -, ]. L pots dll stogramma assum ch ntro ogn class l frqunz sano qudstrbut, pr cu la frqunza è proporzonal all ntrvallo consdrato (scondo l conctto d dnstà, d ): Ara(cm ) : a(cm ) = Ara[ -, M ] : a[ -, M ] [] L ara (rapprsntata dalla frqunza) dlla cm sta alla bas (rapprsntata dall ampzza) dlla cm com l ara comprsa tra l strmo nfror dlla cm la mdana sta alla sua bas (l sgmnto d ampzza M - ). ll sprsson [] s ha ch:. Ara(cm ) = frqunza d cm = - = n ;. a(cm ) = ampzza d cm = - ; 3. Ara[ -, M ] = ; 4. a[ -, M ] = M. Sosttundo: d splctando rsptto a M : n ( ) = ( M ) : : M = + ( ) n. Esmpo 3: X = tà dll vttm d ncdnt stradal nll anno 00; untà statstch = famgl rsdnt n provnca d Enna; : rddto dlla -sma famgla. 5

6 Dstrbuzon d frqunza n class: Class n = = 70 < 89 = 4 cm = (0, 5) M = (5) (70 5) 0 + = La class mdana può anch ssr ndvduata grafcamnt, dopo avr costruto un stogramma, avndo cura d porr l frqunz rlatv cumulat, F, sull ass dll ordnat; succssvamnt s tracca la parallla all ass dll ascss, passant pr l punto d ordnata F = 0.5. La cm è qulla a cu corrspond la prma barra dll stogramma ntrscata dalla rtta. PROPRIETÀ DELLA MEDIAA. La somma d valor assolut dgl scart d valor ossrvat dalla mdana è un mnmo, rsptto alla somma d valor assolut dgl scart d valor ossrvat da un qualsas altro valor: n M = mn. La mdana non è afftta dalla prsnza d valor anomal (o outlr). 6

7 ALTRI IDICI DI POSIZIOE I QUATILI: Sono valor dlla dstrbuzon ordnata (), ch rpartscono la graduatora, n modo da lascar una crta porzon d trmn alla propra snstra la rstant part alla propra dstra. Sono ndc d poszon dl tutto analogh alla mdana. S può calcolar un numro ndtrmnato d quantl. I pù comun sono: quartl (Q ); dcl (d ); prcntl (p ). I QUARTILI: I quartl sono 3:. Q : ¼ d trmn a snstra ¾ a dstra;. Q : ½ a snstra ½ a dstra; 3. Q 3 : ¾ a snstra ¼ a dstra. Caso : ~ untà o modaltà: n luogo dlla dstrbuzon ossrvata d us s n dtrmna una nuova, *, sml a ssa, n modo ch * sa contmporanamnt multplo d d 4. S confrontano valor dll frqunz cumulat pr la nuova dstrbuzon * con: *. 4 pr Q ;. 3. * pr Q ; 3 * 4 pr Q 3. Caso : ~ class: s procd n modo analogo a qullo vsto pr la dtrmnazon dlla M. Prma s ndvdua la class n cu cad cascun quartl po l valor n bas all pots dll stogramma alla nota proporzon: Ara(Q ) : a(q ) = Ara[ -, Q ] : a[ -, Q ]. I DECILI: Sono 9. Il prmo (d ) bpartsc la dstrbuzon n modo da lascar /0 d trmn alla sua snstra rstant 9/0 alla sua dstra. S procd n modo analogo al calcolo d quartl, s consdra qund una nuova dstrbuzon, tal ch * sa multplo d d 0. Inoltr: d 5 = M I PERCETILI: Sono 99. Il prmo (p ) bpartsc la dstrbuzon n modo da lascar /00 d trmn alla sua snstra rstant 99/00 alla sua dstra. 7

8 LE MEDIE AALITICHE Una mda è un numro ch sprm la snts dll ntnstà con la qual un fnomno studato s è manfstato n una dstrbuzon statstca smplc. Dfnzon d Chsn: Data una dstrbuzon smplc d valor,, pr =,,,, ossrvat su una popolazon, una mda è la quanttà µ (o, s valor sono ossrvat su un campon) ch, s sosttuta a cascun trmn dlla dstrbuzon, lasca naltrato l rsultato dll applcazon d una data funzon f( ) a trmn dlla dstrbuzon stssa: f(,,, ) = f(µ, µ,, µ). Il tpo d mda camba al varar dlla funzon applcata alla sr d dat. LA MEDIA ARITMETICA S la applcata è, f( ) = Σ( ), la somma dlla sr (,,, ), la mda sarà dfnta mda artmtca, avrà la sgunt forma: f(,,, ) = = f(µ, µ,, µ) = µ + µ + + µ = µ l du quanttà sono ugual pr dfnzon prtanto: = µ = = µ. Esmpo 4,, 4, 7, 7, 7, 0, 0, 0, 0, 0, 3, 4, 4, 5, 5, 6, 6, 3, 4, 7, 7, 3, 3 = 4, = µ = = 4, Quando s ha una dstrbuzon d valor pr untà, com nl caso sopra smplfcato, l numrator è la somma d tutt l ossrvazon, la cu frqunza è smpr ugual a uno, la mda, µ, s chama mda artmtca smplc. Quando, nvc, dat sono organzzat n una dstrbuzon d frqunza pr modaltà,, l numrator è la somma d prodott dll modaltà pr l rspttv frqunz n, allora la mda, µ, chama mda artmtca pondrata, la cu formalzzazon è: 8

9 µ K = = K = n n Alcun proprtà dlla mda artmtca. L unctà la smplctà: ovvro, pr un dato nsm d ossrvazon sst una d una sola mda artmtca.. La somma algbrca dgl scart dll ossrvazon dallo loro mda artmtca, µ, è ugual a zro: ( µ ) = µ = ( ) = = 0. La somma d quadrat dgl scart dll ossrvazon dalla loro mda artmtca, µ, è un mnmo rsptto alla somma d quadrat dgl scart dll stss ossrvazon da un qualsas altro valor mdo: ( µ ) = mn Qusta quanttà è nota com dvanza d noltr, qust ultma proprtà è una dll pù mportant, prché garantsc la qualtà dll ndc d varabltà assocato alla mda artmtca. Un lmt dlla mda artmtca rsd nl fatto ch è afftta da valor anomal o outlrs. LA MEDIA GEOMETRICA S la funzon applcata è f( ) = Π( ), l prodotto dlla sr (,,, ), allora: f (,, K, ) = K = Sosttundo a trmn una quanttà costant, µ g : µ µ... µ = µ g g g g da cu s ottn la mda gomtrca pr untà: g = g = µ µ la mda gomtrca pr () modaltà: µ K g = = n 9

10 LA MEDIA QUADRATICA S la funzon applcata è f( ) = allora:, la somma d quadrat dlla sr (,,,,, ), Sosttundo a trmn una costant, s ha: = = f (,,..., )... µ + µ µ = µ q q q q da cu s ottn la mda quadratca pr untà: = µ q la mda quadratca pr () modaltà: = K = µ q n LA MEDIA ARMOICA S la funzon applcata è la somma dgl nvrs dlla sr (,,,,, ), ovvro: f (,,..., ) = = Sosttundo una costant, µ a, a trmn s ha: f ( µ a, µ a,..., µ a ) = = µ µ µ µ a a a a Ponndo l uguaglanza s ha: la mda armonca pr untà. = µ a = µ a E la mda armonca pondrata è: µ = a K = n 0

S O L U Z I O N I + 100

S O L U Z I O N I + 100 S O L U Z I O N I Nl 00 un farmaco vnva vnduto a 70 a) Nll pots ch ogn anno l przzo aumnt dl 3% rsptto all anno prcdnt quanto vrrbb a costar lo stsso farmaco nl 0? b) Supponamo ch l przzo dl farmaco nl

Dettagli

Esercitazioni di Elettrotecnica: circuiti in regime stazionario

Esercitazioni di Elettrotecnica: circuiti in regime stazionario Maffucc: rcut n rgm stazonaro r- Unrstà dgl Stud d assno srctazon d lttrotcnca: crcut n rgm stazonaro ntono Maffucc r sttmbr Maffucc: rcut n rgm stazonaro r- Sr paralllo parttor S alcolar la rsstnza qualnt

Dettagli

Modelli descrittivi, statistica e simulazione

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

Dettagli

Principi ed applicazioni del metodo degli elementi finiti. Formulazione base con approccio agli spostamenti

Principi ed applicazioni del metodo degli elementi finiti. Formulazione base con approccio agli spostamenti Prncp d applcazon dl mtodo dgl lmnt fnt Formulazon bas con approcco agl spostamnt PRINCIPIO DEI LAVORI VIRTALI Data una crta statca: sforz σ j, forz d volum F forz d suprfc f j ; s dmostra ch mporr la

Dettagli

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

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

Dettagli

Trasformatore. Parte 2 Trasformatori trifase www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 16-11-2012) Trasformatore trifase (1)

Trasformatore. Parte 2 Trasformatori trifase www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 16-11-2012) Trasformatore trifase (1) Trasformator Part Trasformator trfas www.d.ng.unbo.t/prs/mastr/ddattca.htm (vrson dl 1-11-01) Trasformator trfas Pr trasfrr nrga lttrca tra du rt trfas s possono utlzzar tr trasformator monofas, ugual

Dettagli

Norma UNI EN ISO 13788

Norma UNI EN ISO 13788 UNI EN ISO 13788 (2003: PRESTAZIONE IGROTERMICA DEI COMPONENTI E DEGLI ELEMENTI PER EDILIZIA TEMPERATURA SUPERFICIALE INTERNA PER EVITARE L'UMIDITA' SUPERFICIALE CRITICA E CONDENSAZIONE INTERSTIZIALE METODO

Dettagli

Alessandro Ottola matr. 208003 lezione del 11/3/2010 ora 10:30-13:30. Parete omogenea sottoposta a differenze termiche e diffusione

Alessandro Ottola matr. 208003 lezione del 11/3/2010 ora 10:30-13:30. Parete omogenea sottoposta a differenze termiche e diffusione Alssandro Ottola matr. 0800 lzon dl //00 ora 0:0-:0 Indc Dagramma d Glasr... Part omogna sottoosta a dffrnz trmch dffuson... Dagramma d Glasr r art omogna... 4 Dagramma d Glasr r art multstrato... 5 Esrczo

Dettagli

Biennio CLEM - Prof. B. Quintieri. Anno Accademico 2012-2013, I Semestre. (Tratto da: Feenstra-Taylor: International Economics)

Biennio CLEM - Prof. B. Quintieri. Anno Accademico 2012-2013, I Semestre. (Tratto da: Feenstra-Taylor: International Economics) CONOMIA INTRNAZIONAL Bnno CLM - Prof. B. Quntr IL TASSO DI CAMBIO Anno Accadmco 2012-2013, I Smstr (Tratto da: Fnstra-Taylor: Intrnatonal conomcs) S propon, d sguto, una brv rassgna d prncp fondamntal

Dettagli

Università degli Studi di Urbino Facoltà di Economia

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

Dettagli

Modelli equivalenti del BJT

Modelli equivalenti del BJT Modll ulnt dl JT Pr lo studo dll pplczon crcutl dl JT, s è rso opportuno formulr d modll ulnt dl dsposto ch srssro rpprsntr n modo connnt l suo comportmnto ll ntrno d crcut. A scond dl tpo d pplczon (mplfczon

Dettagli

Errori a regime per controlli in retroazione unitaria

Errori a regime per controlli in retroazione unitaria Appunt d ontoll Autoatc Eo a g n sst n toazon Eo a g p contoll n toazon untaa... Eo a g nlla sposta al gadno (o d poszon)... Eo a g nlla sposta alla apa (o d vloctà)...3 Eo a g nlla sposta alla paabola

Dettagli

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

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

Dettagli

RIFLETTOMETRIA NEL DOMINIO DEL TEMPO (TDR)

RIFLETTOMETRIA NEL DOMINIO DEL TEMPO (TDR) RFLETTOMETRA NEL DOMNO DEL TEMPO (TDR) Scopo dll srctaon La rflttomtra nl domno dl tmpo è una tcnca frquntmnt utlata, mpgando prncp dll co, pr carattrar ln d comuncaon, localar guast sa nll ln d trasmsson

Dettagli

RISUONATORE FABRY-PEROT: PRINCIPIO DI FUNZIONAMENTO, CRITERI DI PROGETTO ED APPLICAZIONI

RISUONATORE FABRY-PEROT: PRINCIPIO DI FUNZIONAMENTO, CRITERI DI PROGETTO ED APPLICAZIONI ISUONO FY-PO: PINCIPIO DI FUNZIONMNO, CII DI POGO D PPLICZIONI Confronto fra rsuonator ottc a mcroond La dffrnza sostanzal fra rsuonator ottc qull a mcroond è ch l dmnson d qust ultm sono n gnr dllo stsso

Dettagli

0 < a < 1 a > 1. In entrambi i casi la funzione y = a x si può studiare per punti e constatare che essa presenta i seguenti andamenti y.

0 < a < 1 a > 1. In entrambi i casi la funzione y = a x si può studiare per punti e constatare che essa presenta i seguenti andamenti y. INTRODUZIONE Ossrviamo, in primo luogo, ch l funzioni sponnziali sono dlla forma a con a costant positiva divrsa da (il caso a è banal pr cui non sarà oggtto dl nostro studio). Si possono allora vrificar

Dettagli

INTRODUZIONE. T e. abbiamo indicato la temperatura finale raggiunta dai due corpi a contatto (temperatura di equilibrio).

INTRODUZIONE. T e. abbiamo indicato la temperatura finale raggiunta dai due corpi a contatto (temperatura di equilibrio). INRODUZIONE Pr la coprnson d olt fatt sprntal ch sporro n sguto, è d fondantal portanza l acquszon dl conctto d qulbro trco. S l bulbo d un trotro vn sso n contatto trco con un corpo qualsas, la poszon

Dettagli

Appunti sulle disequazioni frazionarie

Appunti sulle disequazioni frazionarie ppunti sull disquazioni frazionari Sono utili l sgunti dfinizioni Una disquazion fratta o frazionaria è una disquazion nlla qual l incognita compar in qualch suo dnominator. Una disquazion razional è una

Dettagli

Ulteriori esercizi svolti

Ulteriori esercizi svolti Ultriori srcizi svolti Effttuar uno studio qualitativo dll sgunti funzioni ) 4 f ( ) ) ( + ) f ( ) + 3) f ( ) con particolar rifrimnto ai sgunti asptti: a) trova il dominio di f b) indica quali sono gli

Dettagli

Alberi di copertura minimi

Alberi di copertura minimi Albr d coprtur mnm Sommro Albr d coprtur mnm pr grf pst Algortmo d Kruskl Algortmo d Prm Albro d coprtur mnmo Un problm d notvol mportnz consst nl dtrmnr com ntrconnttr fr d loro dvrs lmnt mnmzzndo crt

Dettagli

DIPARTIMENTO DELL'AMMINISTRAZIONE PENITENZIARIA Direzione Generale del Personale e della Formazione Ufficio 11- Sezione Il

DIPARTIMENTO DELL'AMMINISTRAZIONE PENITENZIARIA Direzione Generale del Personale e della Formazione Ufficio 11- Sezione Il DIPARTIMENTO DELL'AMMINISTRAZIONE PENITENZIARIA Drzon Gnral dl Prsonal dlla Formazon Uffco 11- Szon Il Prot. 11. LETTERA CIRCOLARE A Sgnor Provvdtor Rgonal dl'ammnstrazon Pntnzara A Sgnor Drttor dgl Isttut

Dettagli

Teoria dell integrazione secondo Riemann per funzioni. reali di una variabile reale.

Teoria dell integrazione secondo Riemann per funzioni. reali di una variabile reale. Capitolo 2 Toria dll intgrazion scondo Rimann pr funzioni rali di una variabil ral Esistono vari tori dll intgrazion; tutt hanno com comun antnato il mtodo di saustion utilizzato dai Grci pr calcolar l

Dettagli

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

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

Dettagli

Variabili statistiche - Sommario

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

Dettagli

Processi di separazione

Processi di separazione 6. Procss d sparazon 6.. Carattrstch d procss d sparazon La sparazon d soluzon mscl n loro sngol componnt costtusc un oprazon d grand mportanza pr l ndustra chmca, ptrolchmca ptrolfra. Quas tutt procss

Dettagli

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

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

Dettagli

1 Il concetto di funzione 1. 2 Funzione composta 4. 3 Funzione inversa 6. 4 Restrizione e prolungamento di una funzione 8

1 Il concetto di funzione 1. 2 Funzione composta 4. 3 Funzione inversa 6. 4 Restrizione e prolungamento di una funzione 8 UNIVR Facoltà di Economia Sd di Vicnza Corso di Matmatica 1 Funzioni Indic 1 Il conctto di funzion 1 Funzion composta 4 3 Funzion invrsa 6 4 Rstrizion prolungamnto di una funzion 8 5 Soluzioni dgli srcizi

Dettagli

Tekla Structures Guida di riferimento per le opzioni avanzate. Versione del prodotto 21.1 agosto 2015. 2015 Tekla Corporation

Tekla Structures Guida di riferimento per le opzioni avanzate. Versione del prodotto 21.1 agosto 2015. 2015 Tekla Corporation Tkla Structurs Guda d rfrmnto pr l opzon avanzat Vrson dl prodotto 21.1 agosto 2015 2015 Tkla Corporaton Indc 1 Guda d rfrmnto pr l opzon avanzat... 17 1.1 Catgor nlla fnstra d dalogo Opzon avanzat...

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

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

Dettagli

Il campionamento casuale semplice

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

Dettagli

ESERCIZI PARTE I SOLUZIONI

ESERCIZI PARTE I SOLUZIONI UNIVR Facoltà di Economia Corso di Matmatica finanziaria 008/09 ESERCIZI PARTE I SOLUZIONI Domini di funzioni di du variabili Esrcizio a f, = log +. L unica condizion di sistnza è data dalla disquazion

Dettagli

Esercitazioni del corso: STATISTICA

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

Dettagli

Capgemini Italia Spa. Ingegneria del Software. Roma, 11 Dicembre 2009

Capgemini Italia Spa. Ingegneria del Software. Roma, 11 Dicembre 2009 Capgmn Ita Spa Inggnra dl Softwar Roma, 11 Dcmbr 2009 Soc Ntwork Gorfrnzato su Mobl Fzon Rzzar soc ntwork (tpo facbook o lnkn) n cu è possbl aggornar nl propro proflo propra poszon attu (tt longt) rndr

Dettagli

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007 STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa

Dettagli

1 Derivate parziali 1. 2 Regole di derivazione 5. 3 Derivabilità e continuità 7. 4 Differenziabilità 7. 5 Derivate seconde e teorema di Schwarz 8

1 Derivate parziali 1. 2 Regole di derivazione 5. 3 Derivabilità e continuità 7. 4 Differenziabilità 7. 5 Derivate seconde e teorema di Schwarz 8 UNIVR Facoltà di Economia Sd di Vicnza Corso di Matmatica Drivat dll funzioni di più variabili Indic Drivat parziali Rgol di drivazion 5 3 Drivabilità continuità 7 4 Diffrnziabilità 7 5 Drivat scond torma

Dettagli

Caratteristiche, funzioni e modalità di determinazione del prezzo. Alessandro Scopelliti

Caratteristiche, funzioni e modalità di determinazione del prezzo. Alessandro Scopelliti Carattrstch, funzon modaltà d dtrmnazon dl przzo Alssandro Scopllt Unvrstà d Rggo Calabra Unvrsty of Warwck alssandro.scopllt@unrc.t Gl strumnt fnanzar Gl strumnt fnanzar sono contratt d natura fnanzara

Dettagli

Test di autovalutazione

Test di autovalutazione UNITÀ FUNZINI E LR RAPPRESENTAZINE Tst di autovalutazion 0 0 0 0 0 50 60 70 80 90 00 n Il mio puntggio, in cntsimi, è n Rispondi a ogni qusito sgnando una sola dll 5 altrnativ. n Confronta l tu rispost

Dettagli

La popolazione in età da 0 a 2 anni residente nel comune di Bologna

La popolazione in età da 0 a 2 anni residente nel comune di Bologna Sttor Programmazion, Controlli La popolazion in tà da 0 a 2 anni rsidnt nl comun di Bologna Maggio 2007 La prsnt nota è stata ralizzata da un gruppo di dirignti funzionari dl Sttor Programmazion, Controlli

Dettagli

Studio di funzione. R.Argiolas

Studio di funzione. R.Argiolas Studio di unzion R.Argiolas Introduzion Prsntiamo lo studio dl graico di alcun unzioni svolt durant l srcitazioni dl corso di analisi matmatica I assgnat nll prov scritt. Ringrazio anticipatamnt tutti

Dettagli

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6.

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6. Corso di laura: BIOLOGIA Tutor: Floris Marta PRECORSI DI MATEMATICA PROPORZIONI Ossrvar l sgunti figur: Cosa possiamo dir di ss? Ch la suprfici dlla figura A sta alla suprfici dlla figura B com sta a 6.

Dettagli

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

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

Dettagli

Introduzione. La regressione logistica

Introduzione. La regressione logistica Aals statstca multvarata La rgrsso logstca Autor Alsado Lubsco Stfaa Mga Marla Pllat La rgrsso logstca Itroduzo S vuol dscrvr la rlazo d dpdza dl posssso d u attrbuto dcotomco da ua o pù varabl dpdt (X,

Dettagli

Esercizi sullo studio di funzione

Esercizi sullo studio di funzione Esrcizi sullo studio di funzion Prima part Pr potr dscrivr una curva, data la sua quazion cartsiana splicita f () occorr procdr scondo l ordin sgunt: 1) Dtrminar l insim di sistnza dlla f () ) Dtrminar

Dettagli

Ogni anno a Padenghe si ripete la magia!

Ogni anno a Padenghe si ripete la magia! Ogn anno a Padngh s rpt la maga! C ra una volta un pas ncantvol ch s spcchava nl lago. Ogn anno, pr poch gorn, nl pccolo pas avvnva una maga: l asfalto l slcato s coprvano d rba, l v lascavano posto a

Dettagli

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA:

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA: Economa del Settore Pubblco Laura Vc laura.vc@unbo.t www.dse.unbo.t/lvc/edsp_.htm LEZIONE 4 Rmn, 9 aprle 008 Economa del Settore Pubblco 96 I prncpal ndc d dseguaglanza: ndc d entropa generalzzata Isprata

Dettagli

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6.

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6. Corso di laura: BIOLOGIA Tutor: Floris Marta PRECORSI DI MATEMATICA PROPORZIONI Ossrvar l sgunti figur: Cosa possiamo dir di ss? Ch la suprfici dlla figura A sta alla suprfici dlla figura B com sta a 6.

Dettagli

Sistemi trifase. www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 30-10-2012) Sistemi trifase

Sistemi trifase. www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 30-10-2012) Sistemi trifase Ssm rfas www.d.ng.unbo./prs/masr/ddaca.hm vrson dl 0-0-0 Ssm rfas l rasporo la dsrbuzon d nrga lrca avvngono n prvalnza pr mzzo d ln rfas Un ssma rfas è almnao mdan gnraor a r rmnal rapprsnabl mdan rn

Dettagli

PROGRAMMA DI RIPASSO ESTIVO

PROGRAMMA DI RIPASSO ESTIVO ISTITUTO TECNICO PER IL TURISMO EUROSCUOLA ISTITUTO TECNICO PER GEOMETRI BIANCHI SCUOLE PARITARIE PROGRAMMA DI RIPASSO ESTIVO CLASSI MATERIA PROF. QUARTA TURISMO Matmatica Andra Brnsco Làvor ANNO SCOLASTICO

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

Esercizio 1. Cov(X,Y)=E(X,Y)- E(X)E(Y).

Esercizio 1. Cov(X,Y)=E(X,Y)- E(X)E(Y). Esrcizi di conomtria: sri 4 Esrcizio Siano, Z variabili casuali distribuit scondo la lgg multinomial di paramtri n, p, p, p p p.. Calcolar la Covarianza tra l variabili d. Soluzion Dat du variabili dinit

Dettagli

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

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

Dettagli

Le coniche e la loro equazione comune

Le coniche e la loro equazione comune L conich la loro quazion comun L conich com ombra di una sra Una sra ch tocca il piano π nl punto F è illuminata da una sorgnt puntiorm S. Nl caso dlla igura l'ombra dll sra risulta una suprici dlimitata

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

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

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

Dettagli

13 - LA PROGRAMMAZIONE DELL'ALLENAMENTO

13 - LA PROGRAMMAZIONE DELL'ALLENAMENTO 132 13 - LA PROGRAMMAZIONE DELL'ALLENAMENTO La prparazion complta dl calciator si ralizza sottoponndo il suo organismo, la sua prsonalità la sua potnzialità motoria, ad una gran quantità di stimoli ch

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per

Dettagli

L incentivazione economica nei problemi di agenzia: Il caso dell Azienda Sanitaria Pubblica

L incentivazione economica nei problemi di agenzia: Il caso dell Azienda Sanitaria Pubblica Dpartmnto d Poltch Pubblch Sclt Collttv POIS Dpartmnt of Publc Polcy and Publc Choc POIS Workng papr n. 9 Jun 28 ncntvazon conomca n problm d agnza: Il caso dll Aznda Santara Pubblca Robrto Ippolt UNIVERSITA

Dettagli

CARATTERISTICHE DELL INVOLUCRO EDILIZIO

CARATTERISTICHE DELL INVOLUCRO EDILIZIO CAATTEISTICHE DELL INVOLUCO EDILIZIO Lvo d Santol, Francsco Mancn Unvrstà La Sapnza d oma lvo.dsantol@unroma1.t francsco.mancn@unroma1.t www.plus.t www.ngnrga.t Trasmttanza d una part opaca 2 La trasmttanza

Dettagli

DELIBERAZIONE DEL CONSIGLIO COMUNALE. Nr. 21 del 08/09/2014 OGGETTO: APPROVAZIONE ALIQUOTE DEL TRIBUTO PER I SERVIZI INDIVISIBILI (TASI)

DELIBERAZIONE DEL CONSIGLIO COMUNALE. Nr. 21 del 08/09/2014 OGGETTO: APPROVAZIONE ALIQUOTE DEL TRIBUTO PER I SERVIZI INDIVISIBILI (TASI) COMUNE DI CROPALATI Provnca d Cosnza COPIA DELIBERAZIONE DEL CONSIGLIO COMUNALE Nr. 21 dl 08/09/2014 OGGETTO: APPROVAZIONE ALIQUOTE DEL TRIBUTO PER I SERVIZI INDIVISIBILI (TASI) L anno dumlaquattordc,

Dettagli

Tecniche per la ricerca delle primitive delle funzioni continue

Tecniche per la ricerca delle primitive delle funzioni continue Capitolo 4 Tcnich pr la ricrca dll primitiv dll funzioni continu Nl paragrafo.7 abbiamo dato la dfinizion di primitiva di una funzion f avnt pr dominio un intrvallo I; abbiamo visto ch s F 0 è una primitiva

Dettagli

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

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

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

Introduzione al Machine Learning

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

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

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

Dettagli

Calcolo di integrali. max. min. Laboratorio di Calcolo B 42

Calcolo di integrali. max. min. Laboratorio di Calcolo B 42 Calcolo di intgrali Supponiamo di dovr calcolar l intgral di una funzion in un intrvallo limitato [ min, ma ], di conoscr il massimo d il minimo dlla funzion in tal intrvallo. S gnriamo n punti uniformmnt

Dettagli

1. Variabili casuali continue e trasformazioni di variabili casuali...3. 2. La variabile casuale normale... 14

1. Variabili casuali continue e trasformazioni di variabili casuali...3. 2. La variabile casuale normale... 14 ESERCIZI DI CALCOLO DELLE PROBABILITÀ PARTE II Rccardo Borgon Elna Colcno Pro Quao Sara Sala INDICE. Varabl casual connu rasformazon d varabl casual....3. La varabl casual normal... 4 3. Funzon gnrarc

Dettagli

Premessa essa sulle soluzioni

Premessa essa sulle soluzioni Appunt d Chmca La composzone delle soluzon Premessa sulle soluzon...1 Concentrazone...2 Frazone molare...2 Molartà...3 Normaltà...4 Molaltà...4 Percentuale n peso...4 Percentuale n volume...5 Massa per

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura:

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura: Elaborazone de dat geochmc e cenn d statstca lm.m.nfn.t/~camera/slss/laboratoro-1/-statstca.ppt http://www.dm.unto.t/pagnepersonal/zucca/nde.htm Msura: Espressone quanttatva del rapporto fra una grandezza

Dettagli

LE CARTE DI CONTROLLO

LE CARTE DI CONTROLLO ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata

Dettagli

MEDIANA. 1. Numero di termini dispari (s dispari) VARIABILE STATISTICA N.B. Le frequenze della distribuzione devono essere cumulate

MEDIANA. 1. Numero di termini dispari (s dispari) VARIABILE STATISTICA N.B. Le frequenze della distribuzione devono essere cumulate MEDIANA SUCCESSIONE N.B. I termn della ucceone devono eere pot n ordne non decrecente 1. Numero d termn dpar ( dpar) Me x + 1. Numero d termn par ( par) Me x + x + 1 VARIABILE STATISTICA N.B. Le frequenze

Dettagli

Sistemi trifase. Parte 2. www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 16-12-2013) Potenza assorbita da un carico trifase (1)

Sistemi trifase. Parte 2. www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 16-12-2013) Potenza assorbita da un carico trifase (1) Ssm rfas ar www.d.ng.unbo./prs/masr/ddaca.hm rson dl 6--0 onza assorba da un carco rfas Un gnrco carco rfas può ssr consdrao un doppo bpolo du por Sclo un rmnal d rfrmno, s può sprmr la ponza sanana assorba

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

La teoria del consumo

La teoria del consumo La teora del consumo La funzone d domanda ndvduale e l denttà d Slutsky. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy) (Tel.: +39 (0)99 7720 626; fa:

Dettagli

0.06 100 + (100 100)/4 (100 + 2 100)/3

0.06 100 + (100 100)/4 (100 + 2 100)/3 A. Prtti Svolgimnto di tmi d sam di MDEF A.A. 5/ PROVA CONCLUSIVA DI MATEMATICA pr l DECISIONI ECONOMICO-FINANZIARIE Vicnza, 5// ESERCIZIO. Trovar una prima approssimazion dl tasso di rndimnto a scadnza

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

1) La probabilità di ciascun evento elementare è non negativa. 2) La somma delle probabilità di tutti gli eventi elementari vale 1.

1) La probabilità di ciascun evento elementare è non negativa. 2) La somma delle probabilità di tutti gli eventi elementari vale 1. CAPITOLO SECONDO CALCOLO DELLE PROBABILITÀ Spazi di probabilità, vnti smplici d vnti composti Indichiamo con S lo spazio dgli vnti. Esso è un insim, i cui lmnti sono dtti vnti. Nl lancio di un dado, lo

Dettagli

( ) ESERCIZI PROPOSTI. y x. cos x y. x y. c cos. xlog. x y. ctg 2. sin 1. x + 1. ctgx. c sin = + ( ) 1 = + ( ) ( )

( ) ESERCIZI PROPOSTI. y x. cos x y. x y. c cos. xlog. x y. ctg 2. sin 1. x + 1. ctgx. c sin = + ( ) 1 = + ( ) ( ) ESERCIZI PROPOSTI I) Dtrminar l intgral gnral dll sgunti quazioni diffrnziali linari dl primo ordin (fr..): ) ' ) ' ) ) ' os ' 5) ' 6) 7) tg ' ' 8) ' ( + log ) 9) ' ) ) log sin os [ log ] ' + ' sin ( +

Dettagli

LE MACCHINE SINCRONE

LE MACCHINE SINCRONE Applcazon ndutral Elttrch L Macchn Sncron LE MACCHNE SNCRONE ntroduzon L macchn ncron trovano la maggor part dll applcazon nl funzonamnto da gnrator, anch con l voluzon dlla tcnologa d convrttor tatc d

Dettagli

SESSIONE ORDINARIA 2012 CORSI SPERIMENTALI

SESSIONE ORDINARIA 2012 CORSI SPERIMENTALI PROBLEMA SESSIONE ORDINARIA 0 CORSI SPERIMENTALI Sia ( x) ln ( x) ln x sia ( x) ln ( x) ln x.. Si dtrmino i domini di di.. Si disnino, nl mdsimo sistma di assi cartsiani ortoonali Oxy, i raici di di..

Dettagli

De Rossi, profumo di primavera Sabato 23 Marzo 2013 10:49 - DANIELE GIANNINI

De Rossi, profumo di primavera Sabato 23 Marzo 2013 10:49 - DANIELE GIANNINI DANIELE GIANNINI Frsco com un fior sboccia nl primo giorno primavra Il gol Danil D Rossi al Brasil ha s gnato simbolicamnt la fin dll invrno Il risvglio dlla natura qullo dlla Nazional stava prdndo immritatamnt

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

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

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

Dettagli

Makita Flash 01 APRILE - GIUGNO 2015 TAKE THE POWER NOW! EDIZIONE LIMITATA SPECIALE ANNIVERSARIO 100 ANNI! Offerte all interno! Vostro specialista :

Makita Flash 01 APRILE - GIUGNO 2015 TAKE THE POWER NOW! EDIZIONE LIMITATA SPECIALE ANNIVERSARIO 100 ANNI! Offerte all interno! Vostro specialista : Makta Flash 0 APRILE - GIUGNO 205 TAKE THE POWER NOW! EDIZIONE LIMITATA SPECIALE ANNIVERSARIO 00 ANNI! Vostro spcalsta : Offrt all ntrno! 95 a! t k a M n 00 an l a c Sp 00 ann al srvzo d nostr clnt! In

Dettagli

Trasformatore. Parte 2 Trasformatori trifase (versione del ) Trasformatore trifase (1)

Trasformatore. Parte 2 Trasformatori trifase  (versione del ) Trasformatore trifase (1) Trasformator Part 2 Trasformator trfas www.d.g.ubo.t/prs/mastr/ddattca.htm (vrso dl 0-11-2010) Trasformator trfas Pr trasfrr rga lttrca tra du rt trfas s possoo utlzzar tr trasformator moofas, ugual tra

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

Unità didattica: Grafici deducibili

Unità didattica: Grafici deducibili Unità didattica: Grafici dducibili Dstinatari: Allivi di una quarta lico scintifico PNI tal ud è insrita nllo studio dll funzioni rali di variabil ral. Programmi ministriali dl PNI: Dal Tma n 3 funzioni

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

Funzioni lineari e affini. Funzioni lineari e affini /2

Funzioni lineari e affini. Funzioni lineari e affini /2 Funzioni linari aini In du variabili l unzioni linari sono dl tipo a b l unzioni aini sono dl tipo a b c Il graico di una unzion linar è un piano passant pr l origin il graico di una unzion ain è un piano.

Dettagli

OBIETTIVI POST VARIAZIONE PEG 2012 (approvata con delibera di Giunta Comunale n. 428 dell 11/12/2012) Responsabile Filippo Toscano

OBIETTIVI POST VARIAZIONE PEG 2012 (approvata con delibera di Giunta Comunale n. 428 dell 11/12/2012) Responsabile Filippo Toscano OBIETTIVI POST VARIAZIONE PEG 2012 (approvata con dlbra d Gunta Comunal n. 428 dll 11/12/2012) Rsponsa Flppo Dscrz Az / Isttuz Agnza pr la famgla Isttuz dll Agnza pr la famgla 01/01/12 31/12/12 Obttvo

Dettagli

SIMT-POS 042 GESTIONE INDICATORI E MIGLIORAMENTO CONTINUO SIMT

SIMT-POS 042 GESTIONE INDICATORI E MIGLIORAMENTO CONTINUO SIMT 1 Prima Stsura Data: 14-08-2014 Rdattori: Gasbarri, Rizzo SIMT-POS 042 GESTIONE INDICATORI E MIGLIORAMENTO CONTINUO SIMT Indic 1 SCOPO... 2 2 CAMPO D APPLICAZIONE... 2 3 DOCUMENTI DI RIFERIMENTO... 2 4

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

RETROAZIONE A V. = segnale d ingresso del blocco dell amplificatore retroazionato. = segnale d uscita A = amplificatore β = rete di retroazione

RETROAZIONE A V. = segnale d ingresso del blocco dell amplificatore retroazionato. = segnale d uscita A = amplificatore β = rete di retroazione ETOZOE Un amplcat è sggtt a azn quand una pat dl sgnal d uscta vn ptat n ngss smmat algbcamnt al sgnal d ngss. n un amplcat taznat è psnt una t β (bta) d tazn ch pta n ngss una pat dl sgnal d uscta. l

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Dettagli

CAP. 6 INFERENZA STATISTICA BAYESIANA

CAP. 6 INFERENZA STATISTICA BAYESIANA Corso d laura magstral SCIENZE STATISTICHE (Not ddattch) Bruo Chadotto Vrso 4 Cap 6 Ifrza statstca baysaa Itroduzo CAP 6 BAYESIANA N captol prcdt s è stata affrotata, modo quas sclusvo, la problmatca dll

Dettagli

ACCORDO DI COLLABORAZIONE TRA LA REGIONE VENETO E L UNIVERSITA DEGLI STUDI DI PADOVA, L UNIVERSITA DEGLI

ACCORDO DI COLLABORAZIONE TRA LA REGIONE VENETO E L UNIVERSITA DEGLI STUDI DI PADOVA, L UNIVERSITA DEGLI ACCORDO DI COLLABORAZIONE TRA LA REGIONE VENETO E L UNIVERSITA DEGLI STUDI DI PADOVA, L UNIVERSITA DEGLI STUDI DI VERONA, L UNIVERSITA IUAV DI VENEZIA, L UNIVERSITA CA FOSCARI E L AZIENDA REGIONALE PER

Dettagli

Il campione. Il campionamento. Il campionamento. Il campionamento. Il campionamento

Il campione. Il campionamento. Il campionamento. Il campionamento. Il campionamento Il campion I mtodi di campionamnto d accnno all dimnsioni di uno studio Raramnt in uno studio pidmiologico è possibil saminar ogni singolo soggtto di una popolazion sia pr difficoltà oggttiv di indagin

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI Captolo - Dalla teora degl error al trattamento de dat DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI LA MISURA DELLE GRANDEZZE Nel descrere fenomen, occorre da un lato elaborare de modell (coè delle

Dettagli