Analisi della sopravvivenza
|
|
- Domenica Corti
- 8 anni fa
- Visualizzazioni
Transcript
1 Analisi della spravvivenza Grazia Vurr Ann Accademic Indice Intrduzine 2 Sperimentazine clinica 2 3 Imprtanza di un analisi time-t-event 3 4 Stima della funzine di spravvivenza 6 4. Metd di Kaplan-Meier Fndamenti terici del metd di Kaplan-Meier Cnfrnt tra due curve di spravvivenza 5 6 Sftware statistic: SPSS 9 Intrduzine L analisi della spravvivenza può essere interpretata cme cas particlare dell analisi dell affidabilità. Ricrdiam alcuni cncetti chiave della teria
2 INTRODUZIONE dell affidabilità. Cllass. Si definisce cllass del cmpnente del sistema l stat in cui ess cessa di funzinare. Temp necessari al cllass. Se un cmpnente è mess in cndizini di stress in un istante temprele t = 0 e viene sservat fin a quand cllassa, la durata della vita il temp necessari al cllass è una variabile aleatria indicata generalmente cn T. Guast. Si definisce guast la cessazine di un dispsitiv ad adempiere la funzine richiesta (guast ttale) ppure la variazine della sua prestazine (guast parziale). Nell analisi della spravvivenza in sistema pres in cnsiderazine è il paziente e il guast è rappresentat dal csiddett event avvers indicat generalmente cn la sigla AE ( adverse event). Event avvers. Per event avvers si intende gni event di interesse per l indagine clinica cme la mrte di un paziente, l insrgere di effetti cllaterali dvuti all assunzine di nuvi farmaci, la guarigine da una determinata malattia ggett di studi. E chiar, quindi, fin da subit che l analisi della spravvivenza nn ha cme unic ggett l studi dell event mrte, ma gni event di interesse. Per usare termini anglsassni direm che la survival analysis rientra tra le timet-event analysis. In altri termini, l analisi della spravvivenza si ccupa dell analisi dell incidenza di un determinat event in un determinat arc temprale intendendsi cn incidenza il numer dei pazienti che sviluppan l event. 2
3 3 IMPORTANZA DI UN ANALISI TIME-TO-EVENT 2 Sperimentazine clinica Per apprezzarne al megli le sue ptenzialità, prima di iniziare la cstruzine frmale dell analisi della spravvivenza sarebbe utile capire il cntest medic nel quale si applica. Suppniam che un grupp di ricercatri un azienda farmaceutica sintetizzi un nuv farmac per la cura di certa malattia. La fase nella quale praticamente si testa la sua efficacia è chiamata sperimentazine clinica clinical trial. La sperimentazine clinica cnsta di quattr fasi, in gnuna delle quali la statistica gica un imprtante rul. Fase : Farmaclgia clinica e tssicità che ha cme biettiv l accertament della tllerabilità e la determinazine di un dsaggi accettabile del farmac. Fase 2: Indagine clinica iniziale dell effett del trattament in cui si testa il farmac su in campine ridtt per valutarne l efficacia. Fase 3: Valutazine del trattament su larga scala cnsiderata la fase più imprtante e spess identificata cn il termine ricerca clinica, in cui si testa il farmac su campini più ampi, cnfrntandl spess cn altri trattamenti esistenti. Fase 4: Farmacvigilanza in cui si valutan gli effetti cllaterali a lung termine del farmac e gli effetti dell stess sulla mrtalità. 3 Imprtanza di un analisi time-t-event. Mettere in relazine l AE cn il temp è di fndamentale imprtanza, csì cme mstra il seguente esempi. 3
4 3 IMPORTANZA DI UN ANALISI TIME-TO-EVENT Suppniam che un azienda farmaceutica sia nella fase 3 4 della sperimentazine clinica di un nuv farmac che dvrebbe favrire la guarigine da una certa malattia, ciè ridurre il temp di attesa necessari ad sservare l event guarigine. Suppniam che il campine di pazienti sia cstituit da 20 unità e suppniam di suddividerli in due gruppi mgenei ciascun cn 0 unità: grupp attiv al quale verrà smministrat il nuv farmac; grupp placeb al quale verrà smministrat placeb vver qualsiasi sstanza terapia inncua smministrata al paziente facendgli credere che sia un trattament necessari. Suppniam di aver sservat i seguenti dati: Id Paziente Active Placeb g Figura : Esempi 4
5 3 IMPORTANZA DI UN ANALISI TIME-TO-EVENT In quest diagramma si è rappresentat sull asse delle ascisse i tempi di rispsta, vver l intervall di temp tra l inizi dell studi, girn 0, e il verificarsi dell EA e sull asse delle rdinate i pazienti ggett dell studi individuabili da un cdice identificativ. Il verificarsi dell AE è indicat cn, mentre i pazienti che alla fine dell studi nn hann verificat l AE sn cntrassegnati da. La dmanda che ci pniam è se in virtù di questi dati sservati pssiam affermare che effettivamente il farmac sia efficace. Operand un semplice cnfrnt tra i gruppi sulla base dei pazienti cn event, dvremm dire che, pichè in entrambi i gruppi i pazienti cn AE sn 5 su 0, vver il 50%, e cnsiderand per questa prprzine un intervall di cnfidenza al 95%, nn esiste una significativa differenza tra i due gruppi. Quest md di perare pecca palesemente di superficialità, perchè se sserviam i pazienti cn AE nei due gruppi e li mettiam in relazine cn i rispettivi tempi di rispsta riscntriam che nel grupp attiv l event avviene nei primi girni dell studi mentre nel grupp placeb il verificarsi dell AE è distribuit unifrmemente nella durata dell studi. Id Paziente Grupp Placeb Tempi di rispsta
6 3 IMPORTANZA DI UN ANALISI TIME-TO-EVENT Id Paziente Grupp Attiv Tempi di rispsta Quest fa pensare ad una relazine nel grupp attiv tra il verificarsi dell event e il nuv farmac, relazine che il semplice cnfrnt delle prprzini dell AE nn mette in risalt. Inltre, se si pensa che se l studi fsse durat più a lung prbabilmente altri pazienti avrebber verificat l AE, si capisce l estrema imprtanza di relazinare l AE al temp. Esiste altresì un ulterire prblematica che quest metd nn rislverebbe, vver l esistenza nella pratica di numersi dati trncati censurati. Infatti accade spess che pazienti escan dall studi (persi al fllw-up )prima del su termine e prima che sviluppin l AE. Per esempi, ptremm essere nella seguente situazine: Id Paziente Active Placeb g 6
7 4 STIMA DELLA FUNZIONE DI SOPRAVVIVENZA in cui i pazienti cn in crrispndenza di un temp minre della durata dell studi sn quelli persi al fllw-up. Dvremm escludere dalle nstre cnsiderazini tali pazienti, ma in effetti la lr presenza nell studi fin alla data di uscita frnisce cmunque un infrmazine utile di cui bisgna tener cnt. L analisi della spravvivenza supera tutti questi limiti. 4 Stima della funzine di spravvivenza Sia T la variabile aleatria che rappresenta i tempi di rispsta. Sia F (t) := P (T t) la funzine di ripartizine che rappresenta la prbabilità che l AE si verifichi in un intervall di temp minre uguale a t. Sia S(t) := F (t) = P (T > t) la funzine di spravvivenza vver la prbabilità che l AE si verifichi dp t. La stima della funzine di spravvivenza può avvenire sia cn metdi parametrici che cn metdi nn parametrici. E chiar che se nn si cnsce a priri la distribuzine terica di T bisgna necessariamente ricrrere a metdi nn parametrici. Accade spess in camp medic di nn cnscere la distribuzine di T ed è per quest che mlt diffusi sn i metdi nn parametrici. Qui illustrerem il metd di Kaplan-Meier per la stima della funzine di spravvivenza rientrante tre i metdi nn parametrici. L illustrerem prima in pratica senza frmalismi e pi in teria, mstrand cme ess derivi da una particlare applicazine del metd di massima versimiglianza. 7
8 4 STIMA DELLA FUNZIONE DI SOPRAVVIVENZA 4. Metd di Kaplan-Meier Sia N il numer dei sggetti ammessi all studi e sia J il numer dei tempi distinti di rispsta ( J N) rilevati nel campine ed rdinati in md crescente: t t 2 t J. Sia d j il numer di sggetti che presentan l event al temp t j. ( Ovviamente d j > slamente nel cas in cui più sggetti presentan tempi di rispsta uguali.) Sia n j il numer di sggetti espsti al rischi al temp t j e ciè tutti quei sggetti vivi e stt sservazine appena prima di t j. Se nn vi sn evidenti ragini cntrarie, si assume che l esperienza di vita dei sggetti persi di vista che terminan l studi senza event sia la stessa di clr che verifican l event durante l studi, dunque essi sn inclusi nell insieme degli espsti a rischi sin a che sn stt sservazine. Si nti che le quantità d j e n j sn definite sltant in crrispndenza dei tempi di rispsta e nn anche dei tempi trncati. Una stima della prbabilità cndizinata di mrire all istante t j, che indicherem cn q j, è data da: q j = d j n j j =, 2,, J e quindi la prbabilità cndizinata di spravvivere all istante t j, che indicherem cn p j, è stimata da: p j = q j = n j d j n j j =, 2,, J. Il prdtt delle stime delle prbabilità p j ci frnisce la stima della prbabilita cumulativa di spravvivere ad un istante fissat sapend che si è vissuti fin all istante precedente. Indicand cn P j la prbabilità di spravvivere 8
9 4 STIMA DELLA FUNZIONE DI SOPRAVVIVENZA all istante t j e a ciascun degli istanti precedenti a t j, avrem che: P j = p p 2 p j, da cui si ttiene la seguente frmula di ricrrenza: P j = P j p j. Si assume che P 0 = p 0 =, intendend cn ciò che la prbabilità di spravvivere ltre l istante di inizi studi e fin al prim temp di rispsta sservat sia pari ad. Osserviam che in gnun dei punti t j dell asse dei tempi la curva di spravvivenza varia di un fattre pari a n j d j n j, anzi più precisamente tale variazine avviene appena prima t j vver la curva di spravvivenza è una funzine a gradini, che in crrispndenza dei tempi di rispsta presenta punti di discntinuità (essend cntinua in tali punti sl da destra). In accrd cn Greenwd (926), la varianza di P j sarà: V ar( P j ) = P j 2 j h= q h = n P 2 j h p h j h= d h n h (n h d h ). Assumend che la statistica P j sia distribuita apprssimativamente in md gaussian, l intervall di cnfidenza cn cefficiente di cnfidenza α sarà: P j ± z α 2 V ar( P j ). Trniam all esempi 2 e riassumiam nella seguente tabella i calcli relativi alla prbabilità di spravvivenza: 9
10 4 STIMA DELLA FUNZIONE DI SOPRAVVIVENZA Id Paz Grupp Placeb t i n i d i q i p i P i Id Paz Grupp Attiv t i n i d i q i p i P i Pssiam ra rappresentare la curva di spravvivenza : 0
11 4 STIMA DELLA FUNZIONE DI SOPRAVVIVENZA S (t ) i Funzine di Spravvivenza 0,9 0,8 0,69 0,57 0,46 0,34 0,9 0,8 0,70 0,60 0,48 0, t i Grupp attiv Grupp placeb Figura 2: Curva di spravvivenza 4.2 Fndamenti terici del metd di Kaplan-Meier Sia T la variabile casuale temp di spravvivenza. Si cnsideri una pplazine mgenea in cui la v.c. T sia discreta e suppniam che i valri che essa assume sian: t t 2. La funzine di prbabilità, la funzine di distribuzine e la funzine di spravvivenza sn rispettivamente: f(t j ) = P r(t = t) F (t j ) = P r(t t j ) S(t j ) = P r(t > t j ). La stima nn parametrica della funzine di spravvivenza fu mtivata da Kaplan e Meier nell articl del 958 cn un us particlare del metd della
12 4 STIMA DELLA FUNZIONE DI SOPRAVVIVENZA massima versimiglianza. Essi cstruirn la funzine di versimiglianza senza riferirsi ad una specifica classe di funzini di distribuzini, ma sfruttand slamente le prprietà di una generica funzine di spravvivenza. E necessari fare alcune precisazini: una riguardante la cntinuità della funzine e l altra sulla ntazine per i tempi trncati. La funzine di spravvivenza è una funzine cntinua sl a destra nei punti t j, vver P (t j ) P (t j 0) cn P (t j 0) = lim 0 P (t j ) e pichè la P (t) varia sl in crrispndenza dei valri t j, si ha che : P (t j 0) = P (t j ). Pichè P (t j ) esclude, mentre P (t j 0) include la prbabilità che T = t j, per ttenerla ne farem la differenza ( ci servirà per cstruire la L) Sia c j il numer dei sggetti che in quant persi di vista terminat l studi senza l AE frniscn tempi di sservazine trncati nell intervall [t j, t j+ ), dunque t i,j [t j, t j+ ) cn i =, 2,..., c j e j = 0,,..., J è il generic temp trncat che cade in dett intervall. In particlare, definiti t 0 = 0 e t J+ =, i tempi trncati rilevati prima di t sn appartenenti all intervall [0, t ), mentre quelli rilevati dp t J sarann appartenenti a [t J, ). Cstruiam la funzine di versimiglianza, ricrdandne la definizine. Sia (X, X 2,..., X n ) un campine casuale di v.c. i.i.d. cn legge f ϑ (). Indichiam cn (, 2,..., n ) il valre dell sservazine. Chiamiam funzine 2
13 4 STIMA DELLA FUNZIONE DI SOPRAVVIVENZA di versimiglianza la funzine L ϑ (, 2,..., n ) = f ϑ (, 2,..., n ) = n f ϑ ( i ). i= La funzine di versimiglianza ptrà scriversi cme il prdtt dei seguenti fattri: c 0 i= P (t i,0) [P (t 0) P (t )] d... [P (t J 0) P (t J )] dj c i= c J i= P (t i,) P (t i,j) Riscriviam la L cnsiderand che: P (t j 0) = P (t j ). [P (t j 0) P (t j )] d j = [P (t j ) P (t j )] d j Obiettiv è determinare quei valri che massimizzan la funzine. Osserviam che per rendere massima la funzine a P (t i,j)) deve essere assciat il valre più grande pssibile e l si può fare assegnandli la prbabilità di spravvivere ltre l estrem inferire dell intervall in cui il temp trncat si è verificat, ciè: t i,j [t j, t j+ ) P (t i,j) = P (t j ) 3
14 4 STIMA DELLA FUNZIONE DI SOPRAVVIVENZA Dunque avrem: c 0 i= c i= P (t i,0) = P (t 0 ) c 0 = P (t i,) = P (t ) c... c J i= P (t i,j) = P (t J ) c J La funzine di versimiglianza diventa: Ricrdand che: J L = [P (t j+ ) P (t j )] d j P (t j ) c j j= P (t j ) = p p 2... p j p j P (t j ) = p p 2... p j avrem che: P (t j ) P (t j ) = (p p 2... p j )( p j ) Pssiam riscrivere L cme : J L = (p p 2... p j q j ) d j (p p 2... p j ) c j = j= J (p p 2... p j ) d j+c j ( p j ) c j q d j j= J (p p 2... p j ) d j+c j q d j+c j j= J j= p n j d j j q d j j 4 j = j =
15 5 CONFRONTO TRA DUE CURVE DI SOPRAVVIVENZA Osserviam che pe gni j fissat p n j d j j q d j j rappresenta la prbabilità di ttenere una sequenza di d j successi cn prbabilità q j ed n j d j insuccessi cn prbabilità p j (v.c. binmiale) che risulta massima quand : q = d j n j 5 Cnfrnt tra due curve di spravvivenza L interesse di un ricercatre clinic nn è sl rivlt alla stima della prbabilità cumulativa di spravvivenza, ma anche al cnfrnt dell esperienza di vita di due insiemi di sggetti sttpsti a differenti trattamenti. Purtrpp, in camp bi-medic è estremamente difficile avere a priri cnscenze sufficienti per iptizzare la frma delle sttstanti funzini teriche di spravvivenza ( per esempi espnenziale, di Weibull, etc), pertant anche per il cnfrnt di curve di spravvivenza è spess necessari far ricrs a metdi nn parametrici. Qui illustrerem il metd nt cme Lg-rank test prpst da Mantel nel 966. Il fndament lgic di quest test è facilmente cmprensibile a livell intuitiv e ciò giustifica il su ampi us nella ricerca clinica. Sia N il numer di pazienti stt sservazine.si suppnga di aver attribuit cn una prcedura casuale (randmizzazine) la metà dei pazienti al trattament A e l altra metà al trattament B. Stt l iptesi che i due trattamenti abbian la stessa efficacia, ci si attende che il numer di pazienti cn AE in un determinat girn sia circa l stess in entrambi i gruppi, ma in realtà può capitare che quest numer sia differente in ciascun grupp, ssia che vi sia un scstament tra eventi attesi ed eventi sservati. L eventuale scstament tra queste quantità farebbe pensare alla pssibilità che un trattament 5
16 5 CONFRONTO TRA DUE CURVE DI SOPRAVVIVENZA sia più efficace men dell altr ed il ricrs al pertinente test, statistic cnsente di determinare il livell di significatività di tale scstament. L iptesi attinente l efficacia dei due trattamenti si esprime usualmente in termini di rischi istantane di mrte intendend cn ciò quell che avevam precedentemente indicat cn q. Indicand cn H 0 l iptesi nulla e cn H l iptesi alternativa si ha: H 0 : q A (t) = q B (t) H 0 : ϑ = H : q A (t) = ϑq B (t) H : ϑ dve ϑ è l incgnita cstante di prprzinalità. Quand ϑ < il trattament A è più efficace di quell B, è ver il cntrari quand ϑ >. Le infrmazini si pssn riassumere nella seguente tabella di cntingenza 2 2: Gruppi Paz. cn AE a t j Paz. senza AE a t j Paz. a rischi prima di t j A d Aj n Aj d Aj n Aj B d Bj n Bj d Bj n Bj Ttali d j n j d j n j Benchè d Aj, d Bj, n Aj, n Bj sian v.c. dipendenti dalla esperienza precedente di spravvivenza e dal prcess di trncament, il test di significatività può essere cstruit sl cnsiderandle fisse ad gni temp t j, ciò cmprta che sl una di queste può essere cstruita cndizinatamente ai vlri marginali sservati, generalmente si cnsidera d Aj e si dimstra che essa è una v.c. ipergemetrica. Essend una v.c. ipergemetrica, stt H 0, il valre attes E(d Aj ) di d Aj è: E(d Aj ) = n Aj d j n j 6
17 5 CONFRONTO TRA DUE CURVE DI SOPRAVVIVENZA e la sua varianza: V ar(d Aj ) = [ n Aj d j n j ( d j n j ) ]( nj n Aj n j Osserviam che la varianza è data dal prdtt di due termini: la parentesi quadra che è la varianza di una v.c. binmiale e la parentesi tnda che è il fattre di crrezine per il campinament da un insieme di dimensine n j. La v.c. J [ j= daj E(d Aj ) ] è distribuita in md gaussian e la statistica: ). Q = J j= [ daj E(d Aj ) ] 2 J j= V ar(d Aj) è distribuita asintticamente cme una χ 2 cn un grad di libertà. Applichiam ra quest test all esempi precedente per valutare l efficienza del trattament smministrat al grupp attiv rispett a quell placeb. Cnsideriam le dieci tabelle di cntingenza, una per gni temp di rispsta. In riferiment ad gnuna di queste dbbiam calclare E(d P i) e V ar(d P i), dve d P i indica il numer di pazienti del grupp placeb cn event all istante t i. t = d n-d n Placeb Attiv 9 0 E(d P ) = 2 V ar(d P ) = 4 TOT 9 20 t 2 = 2 d n-d n Placeb Attiv 8 9 E(d P 2 ) = 0 9 V ar(d P 2 ) = TOT 8 9 7
18 5 CONFRONTO TRA DUE CURVE DI SOPRAVVIVENZA t 3 = 4 d n-d n Placeb 9 0 Attiv 7 8 E(d P 3 ) = 0 9 V ar(d P 3 ) = TOT t 4 = 5 d n-d n Placeb Attiv 5 6 E(d P 4 ) = 9 5 V ar(d P 4 ) = 6 25 TOT 4 5 t 5 = 6 d n-d n Placeb Attiv 4 5 E(d P 5 ) = 9 4 V ar(d P 5 ) = TOT 3 4 t 6 = 9 d n-d n Placeb 8 9 Attiv 3 4 E(d P 6 ) = 8 3 V ar(d P 6 ) = TOT 2 3 t 7 = d n-d n Placeb 7 8 Attiv E(d P 7 ) = 4 5 V ar(d P 7 ) = 4 25 TOT 9 0 t 8 = 4 d n-d n Placeb 6 7 Attiv E(d P 8 ) = 7 9 V ar(d P 8 ) = 4 8 TOT 8 9 8
19 6 SOFTWARE STATISTICO: SPSS t 9 = 7 d n-d n Placeb 4 5 Attiv E(d P 9 ) = 5 7 V ar(d P 9 ) = 5 7 TOT 6 7 t 0 = 8 d n-d n Placeb 3 4 Attiv E(d P 0 ) = 2 3 V ar(d P 0 ) = 2 9 TOT 5 6 Calcland il quadrat della smma gli scstamenti del valre sservat dal valre attes e la smma delle varianze ricaviam la statisticaa test: Q = 2,97 2,58 =, 5. Pichè Q < 3.84 ( valre della v.c. chi-quadrat cn un grad di libertà in crrispndenza di α = 0.05), l iptesi nulla nn può essere rigettata e dunque le differenze sservate nei due gruppi nn sn significative. 6 Sftware statistic: SPSS Esistn numersi sftware statistici che permettn di cndurre un analisi della spravvivenza tra cui SPSS. Il prgramma necessita di tre variabili: i tempi di rispsta di tutti i pazienti ( nn necessariamente rdinati), l indicazine dei dati trncati, l indicazine del grupp di appartenenza del paziente. L utput della prcedura di analisi mstra una tabella riepilgativa riguardante la stima delle prbabilità di spravvivenza, l esit del lg-rank test e il plt della funzine di spravvivenza. Abbiam utilizzat il sftware per testare i dati dell esempi precedente. Il risultat è il seguente: 9
20 6 SOFTWARE STATISTICO: SPSS Kaplan-Meier Case Prcessing Summary Censred Grupp Ttal N N f Events N Percent ,0% ,0% Overall ,0% Survival Table Cumulative Prprtin Surviving at the Time N f Cumulative N f Remaining Grupp Time Status Estimate Std. Errr Events Cases 0 4,000 0,900 0, ,000 0,800 0, ,000 0,700 0, ,000 0,600 0, , ,000 0,480 0, ,000 0,360 0, , , , ,000 0,900 0, ,000 0,800 0, ,000 0,700 0, , ,000 0,583 0, ,000 0,467 0, ,000 0,350 0, , , , Overall Cmparisns Chi-Square df Sig. Lg Rank (Mantel-C),50 0,284 Test f equality f survival distributins fr the different levels f Grupp. 20
21 6 SOFTWARE STATISTICO: SPSS 2
COME ACCOSTARSI ALLA BIBBIA
COME ACCOSTARSI ALLA BIBBIA 1. Leggere, studiare e meditare la Bibbia Prima di intraprendere un studi sul cme interpretare la Bibbia, è imprtante cgliere le differenze che intercrrn fra i diversi mdi di
DettagliREALTÀ E MODELLI SCHEDA DI LAVORO
REALTÀ E MDELLI SCHEDA DI LAVR 1 La siepe Sul retr di una villetta deve essere realizzat un piccl giardin rettanglare di m riparat da una siepe psta lung il brd Dat che un lat del giardin è ccupat dalla
DettagliRegolamento della negoziazione delle azioni, dei diritti d'opzione, delle obbligazioni convertibili e cum warrant di BPAA
Reglament della negziazine delle azini, dei diritti d'pzine, delle bbligazini cnvertibili e cum warrant di BPAA Apprvat dal Cnsigli di amministrazine del 19 settembre 2014 1 Dcument apprvat, nella sua
Dettagliun aiuto concreto www.cashaid.org
CASH AID Fundatin un aiut cncret www.cashaid.rg DESCRIPTION Csa è... 2 Gli biettivi... 2 Cme funzina... 2 Benefici per chi spende... 2 Benefici per chi vende... 3 Cme funzina il demurrage cllegat ai Bnus...3
DettagliIl metodo Zugeer Sabrina Tonielli Zugeer 05/01/2011
Il metd Zugeer Sabrina Tnielli Zugeer 05/01/2011 IL METODO ZUGEER Il metd Zugeer Pag. 2 INDICE 1. COME E NATA L IDEA... 4 2. IL METODO... 4 3. PERCHE ZUGEER... 4 4. IN COSA CONSISTE... 5 5. LE REGOLE...
DettagliNelle ipotesi fatte (popolazione di dimensione infinita), il numero di chiamate offerte assume una distribuzione di Poisson.
Esercizi n 1 Una centralina telefnica per piccl uffici (PBX) sddisfa le richieste di chiamata mediante l impieg di circuiti. Si assuma che le richieste di chiamata arrivin da una pplazine di utenti di
DettagliE.C.M. Educazione Continua in Medicina. Servizi web. Manuale utente
E.C.M. Educazine Cntinua in Medicina Servizi web Manuale utente Versine 1.0 maggi 2015 E.C.M. Servizi web: invi autmatic Indice 2 eventi e pian frmativ Indice Revisini 3 1. Intrduzine 4 2. 5 2.1 Verifica
DettagliREALTÀ E MODELLI SCHEDA DI LAVORO
REALTÀ E MDELLI SCHEDA DI LAVR 1 Luci sul palc La ptenza elettrica P assrbita da ciascuna lampada utilizzata per illuminare un palcscenic segue la seguente legge: Pr () V R = R Rr r dve V indica la tensine
DettagliLe disequazioni di primo grado
) Disequazini di prim grad intere Le disequazini di prim grad Cnsider due plinmi A() e B(), entrambi di prim grad in. Le seguenti espressini: A()>B() A() B() A() B() A()
DettagliNatalizumab (TYSABRI): aggiornamento sulle misure di minimizzazione del rischio di PML
NOTA INFORMATIVA IMPORTANTE CONCORDATA CON LE AUTORITA REGOLATORIE EUROPEE E L AGENZIA ITALIANA DEL FARMACO (AIFA) 11 Marz 2016 Natalizumab (TYSABRI): aggirnament sulle misure di minimizzazine del rischi
DettagliBanca Popolare FriulAdria Spa
INFORMAZIONI SULLA BANCA Banca Pplare FriulAdria S.p.A. Sede legale: Piazza XX settembre 2, 33170 Prdenne Iscritta all Alb delle Banche al n. 5391 - Scietà sggetta all attività di direzine e crdinament
DettagliLa retta è il luogo geometrico dei punti che soddisfano la seguente relazione
RETTE Definizine intuitiva La retta linea retta è un dei tre enti gemetrici fndamentali della gemetria euclidea. Viene definita da Euclide nei sui Elementi cme un cncett primitiv. Un fil di ctne di spag
DettagliAppendice 1 Elementi di elettrotecnica
Appendice Elementi di elettrtecnica ntrduzine Questa appendice ha l scp di richiamare alcuni cncetti fndamentali di elettrtecnica, necessari per un adeguat sstegn al crs di elettrnica. prerequisiti indispensabili
DettagliSenTaClAus Sentiment Tagging & Clustering Analysis on web & social contents
Via Marche 10 56123 Pisa Phne +39.050.552574 Fax +39.1782239361 inf@netseven.it - www.netseven.it P.IVA 01577590506 REGIONE TOSCANA POR CReO FESR 2007 2013 LINEA D INTERVENTO 1.5.a - 1.6 BANDO UNICO R&S
DettagliASP RAGUSA - Test verifica Recupero Dati - Patrimonio - Cespiti v1.0.docx. 29/07/2013 Antonio Derna
Asp Ragusa Piazza Igea n. 1 ASP RAGUSA - Test verifica Recuper Dati - Patrimni - Cespiti INFORMAZIONI SULLA VERSIONE Prgett: Emess da: Rivist da: Prtcll: Titl: Nme file: Data: Asp Ragusa: Distribuit a:
DettagliManager selection: gli indicatori Morningstar per la costruzione di portafogli attivi. Sara Silano Managing Editor Morningstar Italy
Manager selectin: gli indicatri Mrningstar per la cstruzine di prtafgli attivi Sara Silan Managing Editr Mrningstar Italy Smmari g Perché la Manager selectin è imprtante g Gli indicatri per valutare il
DettagliLa tecnica FMEA di prodotto
ISI MANUALE PER CORSI QUALITÀ dispensa data mdifica del livell Q-052 01.01.1996 0 01.01.1996 BLU La tecnica FMEA di prdtt MANUALE DI UTILIZZO ISI La tecnica FMEA di prdtt pagina 2 di 10 1.0 Intrduzine
DettagliI TRASDUTTORI. Trasduttori Primari. Trasduttori Secondari
I TRASDUTTORI Un trasduttre ( sensre) è un dispsitiv in grad di rilevare una grandezza fisica di tip qualsiasi (termic, lumins, magnetic, meccanic, chimic, eccetera) e di trasfrmarla in una grandezza di
DettagliSCHEDA TECNICA PIANO EXPORT
ALLEGATO B2 SCHEDA TECNICA PIANO EXPORT Situazine di partenza Frnire infrmazini sulle strategie adttate le mdalità rganizzative cn le quali vengn attualmente serviti i mercati esteri cn l indicazine degli
DettagliGENERALITÀ Esaminando i fenomeni collettivi si è affermato che una delle loro caratteristiche è quella di essere costituiti da più fenomeni
GENERALITÀ Esaminand i fenmeni cllettivi si è affermat che una delle lr caratteristiche è quella di essere cstituiti da più fenmeni individuali atipici; si è anche studiat che il carattere di un fenmen
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliTesto della prova d'esame (A) con gli assi, eventuali asintoti, monotonia ed eventuali estremi. Dopo aver verificato che
PPELLO ORDINRIO: quesiti n. / / 5 / 6 / 7 / 0 COMPITINO : quesiti n. / / / / 5 COMPITINO B: quesiti n. 6 / 7 / 8 / 9 / 0 / / QUESITO ( /7) Studiare la funzine f Test della prva d'esame () determinand esplicitamente
DettagliMicrosoft SQL Server 2005, 2008 R2 e 2012 Raccomandazioni Marzo 2013
Micrsft SQL Server 2005, 2008 R2 e 2012 Raccmandazini Marz 2013 1. Micrsft SQL Server 2005 PrefSuite 2006.3 e PrefSuite 2008 sn cmpatibili cn questa versine di SQL. L investiment in Micrsft SQL Server
DettagliPremesso che. 4. che un ulteriore trasferimento ad altro fondo sia autorizzato solo alle medesime condizioni di cui ai punti precedenti;
Cpia per l Aderente DOCUMENTO INTEGRATIVO PER EX FUNZIONARI ED EX AGENTI DELLE COMUNITA EUROPEE RELATIVO AL TRASFERIMENTO DELLE SOMME ACCUMULATE NEL REGIME PENSIONISTICO DELLE COMUNITA EUROPEE Premess
DettagliRegole per ottenere il riconoscimento IATF, 2 edizione, Sanctioned Interpretations
Regle per ttenere il ricnsciment IATF, 2 edizine, Sanctined Interpretatins Le Regle per ttenere il ricnsciment IATF, 2 edizine, sn state pubblicate nel 2004. Le seguenti Sanctined Interpretatins sn state
DettagliBILANCIO DI CARRIERA E PERSONALE
BILANCIO DI CARRIERA E PERSONALE Cnsci te stess. Scrate Se nn sai dve andare nn pss dirti cme arrivare. Prverbi Il bilanci di cmpetenze è un percrs di rientament che serve a realizzare scelte e/ cambiamenti
DettagliWeb Marketing Plan. Obiettivi e Strategie
Web Marketing Plan Obiettivi e Strategie L imprtanza degli biettivi Avere biettivi ben precisi in un pian di web marketing è fndamentale! Gli biettivi devn essere: Realistici Attuabili Obiettivi realistici
DettagliQUESTIONARIO INSEGNANTE
QUESTIONARIO INSEGNANTE Gentile insegnante, Le chiediam di esprimere la sua pinine su alcuni aspetti della vita sclastica e sul funzinament della scula nella quale attualmente lavra. Le rispste che darà
DettagliCompilazione. Compilazione del Giornale dei lavori
Girnale Elettrnic dei Lavri GIOELAV (Versine 1.1.0) Cs è GIOELAV? E una piattafrma sftware, residente in clud, per la registrazine di tutte le attività girnaliere riguardanti l'andament dei Cantieri e
DettagliFAQ MIUR ESEMPI DI DETERMINAZIONE DELL INTERVENTO FINANZIARIO
FAQ MIUR ESEMPI DI DETERMINAZIONE DELL INTERVENTO FINANZIARIO L articl 11.1 del Band di invit a presentare Prgetti di Ricerca Industriale e Svilupp Sperimentale nei settri strategici di Regine Lmbardia
Dettaglia. il pagamento da parte di Nomura dei complessivi flussi di cassa genarati dal portafoglio di debito del Comune di Civitavecchia.
Nta sui derivati allegata al bilanci ai sensi dall art. 62 del d.l. 112/2008 Ai sensi della nrma di legge in ggett si evidenzia che, attualmente, il cmune di Civitavecchia ha in essere tre perazini finanziarie.
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliPer risolvere le equazioni alle differenze si può utilizzare il metodo della Z-trasformata.
8.. STRUMENTI MATEMATICI 8. Equazini alle differenze. Sn legami statici che legan i valri attuali (all istante k) e passati (negli istanti k, k, ecc.) dell ingress e k e dell uscita u k : u k = f(e 0,
DettagliNovità relative all assessment tool
Nvità relative all assessment tl La dcumentazine e gli strumenti di supprt di Friendly Wrk Space sn sttpsti a cntinui interventi di rielabrazine, aggirnament e perfezinament. Nel 2014 è stata ripetutamente
DettagliStudio caso-controllo (retrospettivo)
Studi cas-cntrll (retrspettiv) Ppulatin Determinant: Present Absent Disease: Present Absent Present Absent Time Chrt Crss Sectinal Case Cntrl Pint f Departure fr the Study STUDI CASO-CONTROLLO Studi sservazinale
DettagliLa gestione informatizzata del farmaco
Azienda Ospedaliera di Verna Dipartiment di Medicina Clinica e Sperimentale Medicina Interna B - Reumatlgia La gestine infrmatizzata del farmac Crdinatre Stefania Discnzi Reggi Emilia 11-12 XII 2008 CRITICITA
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliTECNICHE DI ANALISI DEI DATI ANOVA
TECNICE DI ANALISI DEI DATI AA 06/07 PRO. V.P. SENESE Questi materiali sn dispnibili per tutti gli studenti al seguente indirizz: https://g.gl/rwabbd Università della Campania SUN Dipartiment di Psiclgia
DettagliPIANO DI LAVORO INIZIALE A.S. 2014-2015
PIANO DI LAVORO INIZIALE A.S. 2014-2015 SEDE: Via Mranti, 4 Castelnv né mnti INDIRIZZO: Servizi sci sanitari DOCENTE: Liguri Tiziana CLASSE: 2^E MATERIA DI INSEGNAMENTO: Metdlgie perative LIVELLI DI PARTENZA
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliCURRICOLO DI MATEMATICA della scuola primaria
ISTITUTO COMPRENSIVO CASALPUSTERLENGO (Ldi) CURRICOLO DI MATEMATICA della scula primaria CURRICOLO DI MATEMATICA al termine della classe prima della scula primaria...2 CURRICOLO DI MATEMATICA al termine
DettagliINFORMAZIONI GENERALI. Apprendere la struttura grammaticale di una lingua "straniera" che permette
ENTE NAZIONALE SORDI SEZIONE DI PISA INFORMAZIONI GENERALI!" Obiettivi dei crsi di LIS: Apprendere la struttura grammaticale di una lingua "straniera" che permette l interazine e la cmunicazine tra le
DettagliCONTROLLO SCADENZA FIRMA DIGITALE. Come visualizzare la scadenza del certificato [data inizio e fine validità] relativo al Gestore certificati utente
CONTROLLO SCADENZA FIRMA DIGITALE Cme visualizzare la scadenza del certificat [data inizi e fine validità] relativ al Gestre certificati utente E' pssibile visualizzare i dettagli del certificat intestat
DettagliRiferimenti. Legge 136 del 13.08.2010. D.L. 187 del 12.11.2010. Determinazione n. 8 AVCP del 18.11.2010. Legge 217 del 17.12.2010
Riferimenti Legge 136 del 13.08.2010 D.L. 187 del 12.11.2010 Determinazine n. 8 AVCP del 18.11.2010 Legge 217 del 17.12.2010 Determinazine n. 10 AVCP del 22.12.2010 Finalità Assicurare la tracciabilità
DettagliCampionato Regionale Serie D Femminile 2014 2015 Progetto Giovane
Reginale Serie D Femminile 2014 2015 Prgett Givane Appendice alla circlare di indizine Campinati Reginali serie C e D 2014 2015 Reglamentazine PG 2014-2015 In prsecuzine del Prgett Givane iniziat nella
DettagliApplicazione quantitativa degli orientamenti EIOPA: il punto di vista dell Attuario
Applicazine quantitativa degli rientamenti EIOPA: il punt di vista dell Attuari Giampal Crenca AIDA - Cnvegn Slvency II 27 maggi 2015, Milan Orientamenti EIOPA Gli rientamenti EIOPA si pssn csì sintetizzare:
DettagliEWS - Energy Weather Solutions
EWS - Energy Weather Slutins Nat nel 1995, il Centr Epsn Mete (CEM) è una delle strutture private di ricerca applicata e di previsine in ambit meterlgic e climatlgic più accreditate. Nel crs degli ultimi
DettagliCOME AIUTARE TUO FIGLIO A STUDIARE E A FARE I COMPITI A CASA
Istitut Cmprensiv Enric Fermi Scula Secndaria di prim grad G.B. Rubini Rman di Lmbardia Rman di Lmbardia - BG! COME AIUTARE TUO FIGLIO A STUDIARE E A FARE I COMPITI A CASA LE INDICAZIONI DELLA SCUOLA PER
DettagliINTRODUZIONE ALLA TRASFORMATA DISCRETA DI FOURIER (DFT)
ITRODUZIOE ALLA TRASFORMATA DISCRETA DI FOURIER (DFT) Esempi di DFT La trasfrmata discreta di Furier, cmunemente nta in letteratura cn l acrnim DFT (Digital Furier Transfrm) rispnde all esigenza di implementare
DettagliQuestionario genitori
...... "'.,....... *... ~' ISTITUT STATALE I ISTRUZINE SUPERIRE "ANTNI RSMINJ" {NAPLI) Questinari genitri Gent.mi Genitri, il presente questinari cstituisce parte integrante del prgett di autvalutazine
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliGestione Agenti. Software per il Calcolo provvigioni per Agenti e Venditori Software GESAGE - Specifiche del prodotto
Gestine Agenti Sftware per il Calcl prvvigini per Agenti e Venditri Sftware GESAGE - Specifiche del prdtt EBC Cnsulting Gestine delle risrse umane http://www.ebccnsulting.cm Sftware H1 Hrms GESAGE Gestine
DettagliALLEGATO N. 3 DEFINIZIONE DEI PARAMETRI PER IL CALCOLO DELLA CDP
1 di 9 ALLEGATO N. 3 IL CALCOLO DELLA CDP Apprvat cn D.M. del 28 giugn 2019 2 di 9 1. Premessa Al fine di definire la CDP di cui può disprre ciascun Partecipante in una specifica Area, Terna definisce
DettagliTitolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza
Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare
DettagliObiettivo. Dal problema al risultato Algoritmo. Imparare a PROGRAMMARE
Obiettiv Imparare a PROGRAMMARE LA PROGRAMMAZIONE: Algritmi e prgrammi Imparare a cstruire PROGRAMMI che permettan, tramite l us di cmputer, di rislvere prblemi di divers tip. Prblema Dal prblema al risultat
DettagliELEMENTI OPERATIVI DEL PDTA ASP DI CATANZARO E AO PUGLIESE - CIACCIO
ELEMENTI OPERATIVI DEL PDTA ASP DI CATANZARO E AO PUGLIESE - CIACCIO Flw chart PDTA LEGENDA 1) Scheda paziente Anamnesi Esame biettiv Carte del rischi Opzinale RX trace 2) Indicatri per spedalizzazine
DettagliSommario. Corso di Statistica Facoltà di Economia francesco mola a.a. 2010-2011. Fasi di un indagine statistica. L indagine statistica.
Smmari Crs di Statistica Facltà di Ecnmia francesc mla a.a. 2010-2011 Lezine n 1 Che csa è la statistica? L scprirem a fine crs! altrimenti che gust c è? L indagine I cncetti di base Unità statistica.
DettagliCITTA DI SAN SALVATORE MONFERRATO
CITTA DI SAN SALVATORE MONFERRATO PROVINCIA DI ALESSANDRIA R EGOLAMENTO PER LA DISCIPLINA E L'ACCESSO AGLI INCENTIVI PER I LAVORI DI RIMOZIONE DEI MANUFATTI IN AMIANTO ANCORA PRESENTI NEL TERRITORIO DI
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliPANEM Panificazione automatizzata rev. 1.0
PANEM Panificazine autmatizzata rev. 1.0 Premessa Il sftware PANEM è un gestinale att ad autmatizzare le prcedure lgistiche di gestine della panificazine. Il sftware PANEM è cmpletamente integrat cn Mitic:
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliEQUIPOLLENZA DEI TITOLI DI STUDIO
EQUIPOLLENZA DEI TITOLI DI STUDIO Cs è l equipllenza dei titli di studi esteri? L'equipllenza dei titli di studi esteri, sclastici accademici, è l'esit della prcedura mediante la quale l'autrità cmpetente
DettagliRIEPILOGO CALCOLO DI RISCHIO PER AREE DI ATTIVITÀ* SECONDO LE RETTIFICHE APPORTATE
RIEPILOGO CALCOLO DI RISCHIO PER AREE DI ATTIVITÀ* SECONDO LE RETTIFICHE APPORTATE DAL DIPARTIMENTO DELLA FUNZIONE PUBBLICA DA CUI SI EVINCE L'INVARIANZA DEL LIVELLO DI RISCHIO (bass- medi - alt) M0NITORAT0
Dettagli11. Resistenza all'urto
11. Resistenza all'urt 11.1. Generalità Sllecitazini dinamiche ed urt si verifican facilmente in mlte applicazini ingegneristiche dei materiali strutturali. Secnd una definizine classica si parla di urt
Dettagli110111 2 = 55 10 CAPITOLO I SISTEMI DI NUMERAZIONE E CODICI
CAPITOLO I SISTEMI DI NUMERAZIONE E CODICI 1.1) Sistema di numerazine decimale. E dett sistema di numerazine l insieme di un numer finit di simbli e delle regle che assegnan un e un sl valre numeric ad
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliMon Ami 3000. Gestione della packing list
Prerequisiti Mn Ami 3000 Packing list Gestine della packing list L pzine Packing list è dispnibile per le versini Azienda Light e Azienda Pr. Intrduzine L'pzine Packing list cnsente di velcizzare la gestine
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliAl Sindaco Agli Ass.ri Ambiente e Cultura E p.c. all Assistente Sociale
Prt. 2015/ 4253/ U Este, 05/06/2015 Pag: 05 Al Sindac Agli Ass.ri Ambiente e Cultura E p.c. all Assistente Sciale Oggett: Liberambiente per i Centri Estivi 2015. Gentili Sindac ed Assessri, siam a prprvi
Dettagliapprofondimento Lezione 4. Scomposizione canonica di Kalman F. Previdi - Controlli Automatici - Lez. 4 1
Lezine. Scmpsizine cannica di Kalman F. Previdi - Cntrlli utmatici - Lez. Schema della lezine. Intrduzine alle scmpsizini canniche. Scmpsizine di raggiungibilità. Scmpsizine di sservabilità. Scmpsizine
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliDisequazioni in una incognita
Disequazini in una incgnita. Cnsiderazini generali Dai principi di equivalenza delle disequazini segue che: a) quand si trasprta un termine da un membr all'altr si deve cambiarne il segn:. b) quand si
DettagliClassificazioni dei linguaggi di programmazione
Il Sftware (prgrammi) può essere classificat cme: di sistema di base (Sistema Operativ, cmpilatri,, interpreti 1 ) prgrammi applicativi (editr di test, fgli elettrnici, data base.) linguaggi di prgrammazine
DettagliCAPITOLO I convertitori D/A a resistenze pesate Schema a blocchi Cause di incertezza
CAPITOLO 13 13.1 I cnvertitri D/A a resistenze pesate 13.1.1 Schema a blcchi Nell schema spra riprtat del cnvertitre D/A a resistenze pesate si ntan gli ingressi di cntrll b 2, b 1 e b 0 attravers i quali
DettagliDIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE
U N I V E R S I T À D E G L I S T U D I D I P I S A DIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE Cmunicazini numeriche Esercizi su sistemi di variabili aleatrie-e sui prcessi stcastici Sistemi di variabili
DettagliQUESTIONARIO SERVIZI ON LINE
STRUMENTO N 5 QUESTIONARIO SERVIZI ON LINE MigliraPA è un prgett del Dipartiment per la Funzine Pubblica realizzat da FORUM PA e Lattanzi E Assciati. 06.684251 inf@miglirapa.it http://www.qualitapa.gv.it/it/custmer-satisfactin/miglirapa/
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliNota di rilascio protocollo client / server. Vers. 5.02.02
30 gennai 2013 Nta di rilasci prtcll client / server. Vers. 5.02.02 referente Marc Stanisci Stefan Cciancich rivlt a biettiv autrizzat IAQ-AQ-MD-01-bis Pag.1 di 16 30 gennai 2013 SOMMARIO 1. TABELLA ANAGRAFICA...
DettagliSi informa che sono in corso di spedizione le basi di calcolo per l autoliquidazione 2014/2015, con il relativo prospetto aggiornato.
4 cembre 2014, n. 7803 utliquidazine 2014/2015. Prspett "Basi calcl premi" Si infrma che sn in crs spezine le basi calcl per l autliquidazine 2014/2015, cn il relativ prspett aggirnat. Si ricrda che cn
DettagliMICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza
MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare
DettagliL utilizzo dei dati del sistema di sorveglianza PASSI nel motivare stili di vita salutari
L utilizz dei dati del sistema di srveglianza PASSI nel mtivare stili di vita salutari Le sfide della prmzine della salute dalla srveglianza agli interventi sul territri Venezia, 21-22 giugn 2012 Silvia
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
Dettagli-Documenti sanitari relativi alle vaccinazioni obbligatorie : - Antipoliomelitica - Antidiftatetanica - Antiepatite virale B
LICEO SCIENTIFICO L. DA VINCI TREVISO STUDENTI STRANIERI : INSERIMENTO NELLE SCUOLE ITALIANE IN ETA DI OBBLIGO SCOLASTICO ISCRITTI ALLA CLASSE CORRISP.te ALL ETA ANAGRAFICA salv che il C.D. deliberi diversamente
DettagliMATEMATICA - CLASSE I. Obiettivi minimi di apprendimento matematica I. Competenze
- CLASSE I Cmpetenze MATEMATICA Nucle tematic: il numer Utilizzare le tecniche e le prcedure del calcl aritmetic in N, rappresentandle anche in frma grafica. Rislvere i prblemi facend us delle perazini
DettagliTELEFONI CELLULARI ALLA SCUOLA MEDIA (Problem solvine Apprendimento cooperativo)
Relazine secnd labratri TELEFONI CELLULARI ALLA SCUOLA MEDIA (Prblem slvine Apprendiment cperativ) Salima Bartalena Alessandr Burrni Claudia Mazzanti INTRODUZIONE In quest labratri abbiam prvat sul camp
DettagliDettaglio attività formativa (IRCCRO_00025) PUB MED: ricerca bibliografica semplice e complessa.
Dettagli attività frmativa (IRCCRO_00025) PUB MED: ricerca bibligrafica semplice e cmplessa. Crediti assegnati: in accreditament Durata: 7:00 re Tip attività frmativa: Frmazine Residenziale Tiplgia: Crs
DettagliGuida per la compilazione on-line delle domande di partecipazione al concorso
Cnferiment degli incarichi di funzini didattiche a persnale dell Azienda Ospedaliera Universitaria Federic II Guida per la cmpilazine n-line delle dmande di partecipazine al cncrs Intrduzine La prcedura
DettagliQualora l Assicurato risulti iscritto al Fondo Pensionistico Prevedi il massimale viene elevato ad 2.000,00.
1) FONDO NAZIONALE RIMBORSO SPESE SANITARIE OPERAI Se in cnseguenza di infrtuni prfessinale d extra prfessinale, l assicurat fa ricrs a prestazini sanitarie, la Cmpagnia rimbrsa, fin alla cncrrenza del
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliPROGETTO S.A.I.A. Software XML v.2 - Tracciati AP5
Prerequisiti / Cnfigurazini PROGETTO S.A.I.A Sftware XML v.2 - Tracciati AP5 Passi da eseguite per prcedere cn l invi dei dati al SAIA attravers il sftware XML-2 cn i nuvi tracciati AP5. 1. Presa in caric
DettagliProgetto Governance delle Risorse Umane-Modelli Innovativi
Prgett Gvernance delle Risrse Umane-Mdelli Innvativi Attività dirette al raffrzament degli Uffici addetti alle plitiche e alla gestine del persnale delle Amministrazini degli Enti Lcali delle Regini Obiettiv
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliMuseo & Web. Kit di progettazione di un sito di qualità. per un museo medio-piccolo
Dipartiment per la ricerca, l innvazine e l rganizzazine Direzine generale per l innvazine tecnlgica e la prmzine Via del Cllegi Rman, 27 00186 Rma Minister per i beni e le attività culturali Muse & Web
Dettagli