Fusione di Informazioni nei Sistemi Biometrici Multimodali
|
|
- Viviana Casini
- 8 anni fa
- Visualizzazioni
Transcript
1 Fusione di Informazioni nei Sistemi Biometrici Multimodali Maria De Marsico in collaborazione con BIP-Lab Laboratorio di Biometria e Image Processing Workshop di Dipartimento 22 settembre 2009
2 I sistemi biometrici Breve introduzione Sistemi Multibiometrici Normalizzazione dei dati Sommario della Presentazione Funzioni esistenti Quasi Linear Sigmoid Function (QLS) System Response Reliability Approcci esistenti basati sui margini Gli indici di affidabilità proposti SRR I e SRR II Fusione Supervisionata Il Supervisore Prestazioni con il Supervisore Cross Testing Protocol L architettura Prestazioni Conclusioni
3 Perché i sistemi biometrici Attualmente l autenticazione viene effettuata secondo due modalità: Qualcosa che si possiede: un tesserino o un documento ma può essere perso o rubato Qualcosa che si conosce: una password o una parola d ordine ma può essere indovinata, carpita o dimenticata
4 Perché i sistemi biometrici Basati su ciò che si è Chiave biometrica
5 Perché i sistemi biometrici Nonna, ti spiace se ti scansiono l iride? l
6 Architettura di un Sistema Biometrico Registrazione: Cattura ed elaborazione dei dati biometrici degli utenti (chiavi biometriche) che verranno utilizzati nelle successive operazioni di autenticazione. Acquisizione Estrazione delle Caratteristiche Archivio (Gallery) Vettore Chiave biometrica Acquisizione Archivio (Gallery) Estrazione delle Caratteristiche Confronto Misura di somiglianza Vettore Chiave biometrica Soglia Verifica/Identificazione: Cattura ed elaborazione dei dati biometrici degli utenti per restitiure una decisione di autenticazione basata sul risultato di una procedura di confronto tra le chiavi biometriche memorizzate e quella estratta dal soggeto da riconoscere Decisione
7 Sistema Biometrico Sistema per il Pattern Recognition Due pattern sono simili se la misura della distanza tra i loro vettori delle caratteristiche, definita in maniera opportuna, è piccola
8 Sistema Biometrico Possibili errori
9 Sistemi con singola biometria vs Sistemi Multibiometrici La maggioranza dei sistemi attuali si basa su una singola biometria. Ciò li rende vulnerabili a possibili attacchi, e poco robusti rispetto a vari problemi. Acquisizione Un sistema multimodale fornisce una soluzione efficace, in quanto si possono compensare I difetti dei singoli sistemi grazie alla disponibilità di diverse biometrie.
10 Aspetti Critici dei Sistemi Multibiometrici Alcuni aspetti critici: Ogni sottosistema assegna ad ogni soggetto una etichetta con un valore numerico (score) ma scale e intervalli possono essere diversi Acquisizione Può succedere che le risposte non abbiano tutte la stessa affidabilità. 0.3 Acquisizione
11 I sistemi biometrici Breve introduzione Sistemi Multibiometrici Normalizzazione dei dati Sommario della Presentazione Funzioni esistenti Quasi Linear Sigmoid Function (QLS) System Response Reliability Approcci esistenti basati sui margini Gli indici di affidabilità proposti SRR I e SRR II Fusione Supervisionata Il Supervisore Prestazioni con il Supervisore Cross Testing Protocol L architettura Prestazioni Conclusioni
12 A proposito della normalizzazione In letteratura si trovano varie soluzioni al problema Funzioni di ormalizzazione Min/Max Z-score Median/Mad Sigmoid Tanh s s s min = max min k k s k k = µ σ s' k = s k median MAD s s k ' k 1 = 1+ ce ks k ( sk E[ sk ]) σ ( s ) 1 = tanh k Quando I valori massimi e minimi sono noti,, la procedura è semplice. Abbiamo assunto di non conoscere il vero massimo raggiunto dalla distanza tra due soggetti.
13 Una nuova funzione di normalizzazione Quasi-Linear Sigmoid (QLS) Le proprietà ricercate per una nuova funzione di normalizzazione sono: Avere come codominio l intervallo (0,1); Minima distorsione della distribuzione dei dati di input. Elevata robustezza ad una stima imprecisa del massimo dei valori. Numero limitato di parametri.
14 Una nuova funzione di normalizzazione Deriviamo una nuova funzione F(x) dalla funzione Sigmoide f(x), definita come 1 f ( x) = kx 1 + ce riducendone la distorsione e ottenendo un comportamento pseudo-lineare nell intero codominio pur preservando la proprietà F(x) [0,1) /(1+500 exp(-2 x)) x /(1+500 exp(-2 x)) x
15 Quasi-Linear Sigmoid (QLS) 1 1/(1+500 exp(-2 x)) xmin xmax x [xmin, xmax] è lintervallo in cui la funzione assume un andamento quasi-lineare identifichiamo i punti in cui si annulla la derivata terza
16 Quasi-Linear Sigmoid (QLS) 1 1/(1+500 exp(-2 x)) risolviamo il sistema di due equazioni sapendo che xmin = xmax è l unico parametro incognito x
17 Quasi-Linear Sigmoid (QLS) 1 1/(1+500 exp(-2 x)) x 1/(1+500 exp(-2 x-4))-1/10 1 Dobbiamo poi fare in modo che f(xmin) sia mappato su 0 e f( ) su x
18 Quasi-Linear Sigmoid (QLS) 1 1/(1+500 exp(-2 x-4))-1/ x Infine abbiamo: /9/(1+500 exp(-2 x-4))-1/9 F( x) = 1 L g( x) = 1 b ab x xmax x xmax xmax x con e a = ( 2 + 3) b = ( 7 4 3) pseudo lineare piccola distorsione
19 Esperimenti I database usati sono stati Volto: FERET e AR-Faces (primi 100 soggetti). Orecchio: Notre-Dame (primi 100 soggetti). Prestazioni misurate in base a Recognition Rate e Equal Error Rate (EER).
20 Prestazioni di sistemi biometrici con diverse funzioni di normalizzazione Volto Sistema min max z scores Median mad Prestazioni sigmoid QLS RR 93% 93% 93% 93% 93% EER Orecchio RR 72% 72% 72% 72% 72% EER Face Volto Orecchio Ear RR 95% 93% 93% 94% 98% EER
21 QLS e Min-Max, Max, per una stima errata dello score massimo del volto Sistema Min/ max Score Massimo sovrastimato QLS Min/ max Score Massimo sottostimato QLS Volto RR 93% 93% 38% 93% Orecchio Volto Orecchio EER RR 72% 72% 72% 72% EER RR 78% 78% 81% 97% EER
22 QLS e Min-Max, Max, per una stima errata dello score massimo del volto Volto Orecchio Sistema Volto Orecchio Min/ max Score Massimo sovrastimato QLS Min/ max Score Massimo sottostimato QLS RR 93% 93% 38% 93% EER RR 72% 72% 72% 72% EER RR 78% 78% 81% 97% EER
23 QLS e Min-Max, Max, per una stima errata dello score massimo del volto Volto Orecchio Sistema Volto Orecchio Min/ max Score Massimo sovrastimato QLS Min/ max Score Massimo sottostimato QLS RR 93% 93% 38% 93% EER RR 72% 72% 72% 72% EER RR 78% 78% 81% 97% EER
24 I sistemi biometrici Breve introduzione Sistemi Multibiometrici Normalizzazione dei dati Sommario della Presentazione Funzioni esistenti Quasi Linear Sigmoid Function (QLS) System Response Reliability Approcci esistenti basati sui margini Gli indici di affidabilità proposti SRR I e SRR II Fusione Supervisionata Il Supervisore Prestazioni con il Supervisore Cross Testing Protocol L architettura Prestazioni Conclusioni
25 Affidabilità di un sistema di identificazione A causa della possibile differente qualità dei dati in input ai diversi sottosistemi,, e alla possibile differente accuratezza delle procedure di riconoscimento, può succedere che non tutte le risposte sono affidabili nello stess modo. La definizione di una misura per l affidabilità di ogni singola risposta di un sottosistema risulta significativa per fondere I singoli risultati per ottenere una risposta finale complessiva. Affidabile Non Affidabile Affidabile Non Affidabile Affidabile Non Affidabile
26 Stato dell arte (1) Margini basati sulla qualità (Kryszczuk, Richiardi, Prodanov and Drygajlo): Alcuni esempi dal database BANCA Correlazione con una immagine media La qualità delle immagini di addestramento può essere modellata creando un template medio da tutti i volti, la cui qualità è presa come riferimento Stima della nitidezza di una immagine La mancanza di dettagli dell immagine ad alta frequenza può essere descritta come perdita di nitidezza
27 Stato dell arte (2) Margini basati sulla qualità (Poh and Bengio): Le prestazioni dei sistemi vengono misurate in termini di: Il margine M( ) è definito come:
28 Il Processo di Identificazione Sia A un sistema di identificazione e G la sua galleria di soggetti genuini che sono stati registrati correttamente. Assumiamo che ci siano n>0 acquisizioni per ognuno. Sia p una persona da identificare. Gallery Probe Confrontiamo l immagine di probe con tutte le immagini nella gallery La gallery viene ordinata in base alla distanza dal probe
29 System Response Reliability (SRR) Abbiamo analizzato due diverse misure: Relative distance ϕ ( p) = F ( d ( p g ) F( d ( p, g ), i2 i1 F( d( p, g i G )) = ,5 Relative distance Density Ratio ϕ ( p) =1 b / G 15.5 dove b = { gi k G F ( d ( p, gi )) < 2 F (( d ( p, g1)))} k = 15.0 Density Ratio = 1 3/4 = 0.25
30 System Response Reliability (SRR) uvola attorno al soggetto restituito meno affollata = Risposta più affidabile uvola attorno al soggetto restituito più affollata = Risposta meno affidabile
31 Dobbiamo stabilire un valore ϕ k per l indice di affidabilità che separi i soggetti genuini dagli impostori Il valore ottimo di ϕ k è quello in grado di minimizzare le stime errate della funzione ϕ(p) (p), cioè impostori con ϕ(p) più alto di ϕ k o soggetti genuini con ϕ(p) più basso di ϕ k System Response Reliability SRR raggiunge valori più alti sia per ϕ(p) molto più alto di ϕ k (soggetti genuini) ) e ϕ(p) molto più Per ogni sottosistema si calcola una soglia th al di sopra della quale possiamo considerare soddisfacente l SRR l restituito da un sistema SRR è definito come: ( p) k ( p), ϕ ) ϕ ϕ SRR= S ϕ with S ( ϕ ( p) ( k ( p) 1 ϕ k if ϕ > ϕ k, ϕ k ) = ϕ k otherwise ϕ k
32 Sistem Multimodale Le principali politiche di integrazione sono: OR AND ok ok fail ok fail fail ok ok
33 Prestazioni delle regole di fusione Database Feret Fafb Feret Fafc Feret Dup I Statistiche None SRR I SRR II SIMPLE OR AND OR AND RR 98% 99% 100% 96% 100% EER NRR RR 55% 76% 100% 84% - EER NRR RR 75% 81% 100% 87% 100% EER NRR
34 Prestazioni delle regole di fusione Database Feret Fafb Feret Fafc Feret Dup I Statistiche None SRR I SRR II SIMPLE OR AND OR AND RR 98% 99% 100% 96% 100% EER NRR RR 55% 76% 100% 84% - EER NRR RR 75% 81% 100% 87% 100% EER NRR
35 Prestazioni di SRR I e SRR II Distorsione del volto Luce sinistra Triste Sciarpa Urlo Occhiali Volto Orecchio Statistiche SRR I Volto Orecchio SRR II RR 93% 72% RR 100% 100% EER EER NRR RR 100% 72% RR 100% 100% EER EER NRR RR 80% 72% RR 100% 100% EER EER NRR RR 47% 72% RR 100% 100% EER EER NRR RR 90% 72% RR 100% 100% EER EER NRR 87 70
36 Prestazioni di SRR I e SRR II Distorsione del volto Luce sinistra Triste Sciarpa Urlo Occhiali Volto Orecchio Statistiche SRR I Volto Orecchio SRR II RR 93% 72% RR 100% 100% EER EER NRR RR 100% 72% RR 100% 100% EER EER NRR RR 80% 72% RR 100% 100% EER EER NRR RR 47% 72% RR 100% 100% EER EER NRR RR 90% 72% RR 100% 100% EER EER NRR 87 70
37 Prestazioni di SRR I e SRR II Distorsione del volto Luce sinistra Triste Sciarpa Urlo Occhiali Volto Orecchio Statistiche SRR I Volto Orecchio SRR II RR 93% 72% RR 100% 100% EER EER NRR RR 100% 72% RR 100% 100% EER EER NRR RR 80% 72% RR 100% 100% EER EER NRR RR 47% 72% RR 100% 100% EER EER NRR RR 90% 72% RR 100% 100% EER EER NRR 87 70
38 La novità del nostro approccio Abbiamo portato l approccio l multibiometrico fino a considerare il volto come l insieme l di più biometrie Ogni componente è processata da un classificatore dedicato I moduli sono inseriti in una architettura multimodale Misure di affidabilità e politiche di auto-regolazione migliorano la fusione
39 Una proposta per il riconoscimento del volto Segmentazione del volto Il volto viene segmentato in quattro regioni differenti (occhi, naso, bocca) e ognuna viene elaborata separatamente. In questo modo il procedimento di estrazione delle caratteristiche viene reso locale e l effetto di parziali occlusioni sul volto viene mitigato.
40 Plain Component-Based Protocol T 1 PIFS PIFS v 1 Component Face Detector T 2 T 3 v 2 PIFS PIFS PIFS v 3 Chaining Feature Vectors v DB Faces v DB Matcher T 4 PIFS v 4 PIFS
41 Parallel Protocol T 1 DB v Left db Eye srr 1 PIFS PIFS v 1 Matcher s 1 T 2 DB v Right db Eye srr 2 Component Face Detector T 3 PIFS PIFS v 2 DB v Nose db Matcher s 2 srr 3 Score Normalizer Fusion PIFS PIFS v 3 Matcher s 3 T 4 DB v Mouth db srr 4 PIFS PIFS v 4 Matcher s 4
42 I sistemi biometrici Breve introduzione Sistemi Multibiometrici Normalizzazione dei dati Sommario della Presentazione Funzioni esistenti Quasi Linear Sigmoid Function (QLS) System Response Reliability Approcci esistenti basati sui margini Gli indici di affidabilità proposti SRR I e SRR II Fusione Supervisionata Il Supervisore Prestazioni con il Supervisore Cross Testing Protocol L architettura Prestazioni Conclusioni
43 Il Supervisore Caso I: una identità ottiene più voti T T T T Score Normalizer Supervisor? If srr k <th k diminuire th k, k={1,2,3} If srr k >th k diminuire th k, k={4} 4 Caso II: più identità condividono un numero massimo di voti Supervisor T 1 T 1 T 2 T 2 T 3 T 3 T 4 T 4? k srr k >th k con k={1,2,...} k max =argmax { srr k srr k >th k } Supponiamo k max = 2 For k={2,4} If srr k <th k diminuire th k For k={1,3} If srr k >th k diminuire th k, else la risposta è inaffidabile
44 > th 1 0/ 1 > th 2 0/ 1 > th 3 0/ 1 > th 4 0/ 1 I 1 I 2 I 3 I 4 Output Il Modulo Supervisore 1. while(true) Acquire a new face; 4. Split the face in 4 regions R k ; foreach k 7. u k = Submit R k to the Subsystem T k ; if(more I j share the same maximum number of voting T k ) 11. if(srr k >th k for at least one such T k ) 12. Select among those I j the one with the highest SRR k >th k ; Set response as reliable; else Set response as unreliable; else if(one I j got more votes) Set response as reliable; if response is RELIABLE 23. foreach T k 24. if(t k rated the returned I j ) 25. if(srr k <th k ) 26. Set the weight u k =-us; 27. else if(srr k >th k ) 28. Set u k =+us; Update th k = th k + u k ; Identity Processor SRR Processor CPU
45 Database AR-Faces Le configurazione delle soglie iniziali è {th 1 = 0.0, th 2 = 0.0, th 3 = 0.0, th 4 = 0.0}, cioè tutte le risposte sono inizialmente considerate affidabili. Lo step di aggiornamento è fissato a Sets di immagini dal database AR-Faces Set 1 Normale Set 2 Sorriso Set 3 Triste Set 4 Urlo Set 5 Luce destra Set 6 Luce sinistra Set 8 Occhiali Set 11 Sciarpa
46 Domanda - 1 Le soglie convergono? Per questo esperimento, il set 1 viene usato come gallery, mentre 100 diverse sequenze di probe sono estratte dal set 2. Ogni sequenza di probe viene costruita estraendo a caso 1000 volte una delle 126 immagini dal set di probe.
47 Risposta - 1 Le soglie th 1 and th 2 (occhio destro e sinistro) tendono ad assumere valori più bassi di th 3 and th 4 (naso e bocca). Tutti I valori mostrano una variazione iniziale,, e poi rimangono pressochè costanti per tutto il resto della sequenza. Osserviamo che le immagini del set 2 appartengono a soggetti sorridenti, quindi naso e bocca mostrano una variabilità maggiore degli occhi.. I rispettivi sottosistemi sono quindi meno affidabili,, e quindi richiedonovalori più alti per le soglie. La linea più scura è il valore medio delle 100 curve calcolate e quindi rappresenta la tendenza media per le variazioni delle soglie.
48 Domanda - 2 I valori iniziali delle soglie influenzano il comportamento del sistema? Anche in questo caso, abbiamo considerato 100 sequenze di probe di 100 immagini ciascuna, estratte a caso dalle 126 del set 2. Per ogni sequenza, il valore iniziale delle soglie è stato scelto a caso nell intervallo [0, 1]
49 Risposta - 2 I risultati per valori iniziali differenti delle soglie mostrano che le curve generate dalle diverse sequenze di probe tendono sempre a concentrarsi in un intervallo finale relativamente ristretto. Ciò conferma la convergenza della procedura di update.
50 Supervised Protocol T 1 DB v Left db Eye srr 1 PIFS PIFS v 1 Matcher s 1 Supervisor Module T 2 DB v Right db Eye srr 2 Component Face Detector T 3 PIFS PIFS v 2 DB v Nose db Matcher s 2 srr 3 Score Normalizer PIFS PIFS v 3 Matcher s 3 T 4 DB v Mouth db srr 4 PIFS PIFS v 4 Matcher s 4
51 Risultati Sperimentali su AR-Faces (Database di Volti) PP offre a volte prestazioni peggiori di PCBP, che è in generale robusto ad occlusioni e distorsioni locali. Questo può dipendere dal fatto che i singoli sottosistemi non hanno informazioni su cosa fanno gli altri. PCBP = Plain Component Based Protocol PP = Parallel Protocol SP = Supervised Protocol Sottoinsieme PCBP PP PERF. RR SET 2 EER SMILE NRR SET 3 ANGRY SET 4 SCREAM RR EER NRR RR EER NRR Variazioni di Espressione SP th 1 th 2 th 3 th
52 Risultati Sperimentali su AR-Faces (Database di Volti) Sottoinsieme SET 5 LEFT LIGHT SET 6 RIGHT LIGHT PCBP VARIAZIONI DI ILLUMINAZIONE PP PERF. RR EER NRR RR EER NRR SP th 1 th 2 th 3 th Come ci si poteva aspettare, le prestazioni di PCPB sono costantemente peggiori di quelle ottenute con il Supervisore. Possiamo osservare che anche quando l accuratezza di SP cade leggermente al di sotto di quella di PP (set 5 e 6), questo fatto è controbilanciato da un numero più alto di risposte considerate affidabili.
53 Risultati Sperimentali su AR-Faces (Database di Volti) Sottoinsiemi SET 8 SUN GLASSE S SET 11 SCARF PCBP PP RR EER NRR RR EER NRR OCCLUSIONI SP PERF. th 1 th 2 th 3 th Gli insiemi di equilibrio delle soglie raggiunti dai sistemi si accordano con le variazioni introdotte nei diversi set di immagini. Il numero di risposte affidabili per SP scende fino a 50 per gli occhiali da sole (set 8) e 115 per la sciarpa (set 11). Ciò è in accordo con le nostre aspettative, in quanto le distorsioni introdotte coinvolgono una porzione del volto significativa. In ogni caso, a parte un numero basso di risposte attendibili, il sistema è in grado in entrambi I casi di garantire una accuratezza significativamente maggiore rispetto a PCBP (RR di 0.98 contro 0.71 e di 0.92 contro 0.85) e un EER più basso.
54 I sistemi biometrici Breve introduzione Sistemi Multibiometrici Normalizzazione dei dati Sommario della Presentazione Funzioni esistenti Quasi Linear Sigmoid Function (QLS) System Response Reliability Approcci esistenti basati sui margini Gli indici di affidabilità proposti SRR I e SRR II Fusione Supervisionata Il Supervisore Prestazioni con il Supervisore Cross Testing Protocol L architettura Prestazioni Conclusioni
55 -Cross Testing Protocol DB L B2 B 1 Feature Ext. Comp. List of M candidates L B B 1 S S S S DB L B1 B 2 Feature Ext. Comp. List of M candidates L B B 2 S S S S Majority Minimum score DB L B1 L B - 1 B N Feature Ext. Comp. List of M candidates B 3 S S S S Phase I: Identification Phase II: Verification Phase III: Decision
56 -Cross Testing Protocol con SRR B 1 S S S S B 2 S S S S Scores Majority maximum SRRSRR B 3 S S S 2 S 1 Phase II: Verification Phase III: Decision -Cross Testing Protocol con Supervisore B 1 S S S S B 2 S S S S B 3 S S First ID in the merged list SRR Supervisor List S 2 S 1 Phase II: Verification Phase III: Decision
57 -Cross Testing Protocol - Risultati DATA SETS SIMPLE -CROSS-TESTI G ARCHITETTURE RELIABLE -CROSS-TESTI G SUPERVISED -CROSS-TESTI G RR EER NRR RR EER NRR RR EER NRR SET SET SET SET SET SET SET
58 I sistemi biometrici Breve introduzione Sistemi Multibiometrici Normalizzazione dei dati Sommario della Presentazione Funzioni esistenti Quasi Linear Sigmoid Function (QLS) System Response Reliability Approcci esistenti basati sui margini Gli indici di affidabilità proposti SRR I e SRR II Fusione Supervisionata Il Supervisore Prestazioni con il Supervisore Cross Testing Protocol L architettura Prestazioni Conclusioni
59 Conclusioni I sistemi Multimodali risolvono alcuni problemi di quelli monomodali Tuttavia, occorre considerare alcuni limiti attuali: a) i sottosistemi non comunicano tra loro b) i sottosistemi non ottengono feedback dalla risposta finale Abbiamo proposto soluzioni per entrambi i problemi Abbiamo portato questo approccio alle estreme conseguenze dividendo il volto in diverse biometrie, e ottenendo notevoli risultati in termini di miglioramento delle prestazioni. Problema aperto: misurare l affidabilità del sistema globale
60
Fatti vedere e ti dirò chi sei: Ambient Intelligence e Fusione di Informazioni nei Sistemi Biometrici Multimodali
Fatti vedere e ti dirò chi sei: Ambient Intelligence e Fusione di Informazioni nei Sistemi Biometrici Multimodali Maria De Marsico in collaborazione con BIP-Lab Laboratorio di Biometria e Image Processing
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
Dettagli09/12/2013 Riconoscimento facciale 2
Lezione 10: Misure delle Prestazioni Sistemi Multibiometrici Docente: Michele Nappi mnappi@unisa.it biplab.unisa.it 089-963334963334 Verifica e Riconoscimento Verifica: Confronto Uno a Uno. Conferma l
DettagliDomande a scelta multipla 1
Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliAnalisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
DettagliA intervalli regolari ogni router manda la sua tabella a tutti i vicini, e riceve quelle dei vicini.
Algoritmi di routing dinamici (pag.89) UdA2_L5 Nelle moderne reti si usano algoritmi dinamici, che si adattano automaticamente ai cambiamenti della rete. Questi algoritmi non sono eseguiti solo all'avvio
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
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
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliMONOPOLIO, MONOPOLISTA
Barbara Martini OBIETTIVI IL SIGNIFICATO DI MONOPOLIO, IN CUI UN SINGOLO MONOPOLISTA È L UNICO PRODUTTORE DI UN BENE COME UN MONOPOLISTA DETERMINA L OUTPUT ED IL PREZZO CHE MASSIMIZZANO IL PROFITTO LA
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
DettagliPreprocessamento dei Dati
Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza
DettagliIndice. pagina 2 di 10
LEZIONE PROGETTAZIONE ORGANIZZATIVA DOTT.SSA ROSAMARIA D AMORE Indice PROGETTAZIONE ORGANIZZATIVA---------------------------------------------------------------------------------------- 3 LA STRUTTURA
DettagliAnalizziamo le informazioni
Analizziamo le informazioni Lato osservatore 27 Analizziamo le informazioni 28 Analizziamo le informazioni 29 Analizziamo le informazioni 30 Analizziamo le informazioni 1 sfondo 2 volto 3 fronte 4 occhio
DettagliUniversità degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI
ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di
DettagliOttimizzazione delle interrogazioni (parte I)
Ottimizzazione delle interrogazioni I Basi di Dati / Complementi di Basi di Dati 1 Ottimizzazione delle interrogazioni (parte I) Angelo Montanari Dipartimento di Matematica e Informatica Università di
DettagliCORSO ACCESS PARTE II. Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?)
Ambiente Access La Guida di Access Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?) Guida in linea Guida rapida Assistente di Office indicazioni
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCapitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM
Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM 2 OBIETTIVO: Il modello IS-LM Fornire uno schema concettuale per analizzare la determinazione congiunta della produzione e del tasso
DettagliIl concetto di Dare/Avere
NISABA SOLUTION Il concetto di Dare/Avere Comprendere i fondamenti delle registrazioni in Partita Doppia Sara Mazza Edizione 2012 Sommario Introduzione... 3 Il Bilancio d Esercizio... 4 Stato Patrimoniale...
DettagliSVM. Veronica Piccialli. Roma 11 gennaio 2010. Università degli Studi di Roma Tor Vergata 1 / 14
SVM Veronica Piccialli Roma 11 gennaio 2010 Università degli Studi di Roma Tor Vergata 1 / 14 SVM Le Support Vector Machines (SVM) sono una classe di macchine di che derivano da concetti riguardanti la
DettagliSi sa che la via più breve tra due punti è la linea retta. Ma vi siete mai chiesti, Qual è la via più breve tra tre punti? o tra quattro punti?
Dov'è Moriart? Cerchiamo la via più breve con Mathcad Potete determinare la distanza più breve da tre punti e trovare Moriart? Si sa che la via più breve tra due punti è la linea retta. Ma vi siete mai
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
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:
DettagliLibrerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video
Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 2.2 Mettere a punto un test psicologico Davide Massidda davide.massidda@gmail.com Da dove partire C'è davvero bisogno di un nuovo strumento di misura?
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliAlgoritmi di clustering
Algoritmi di clustering Dato un insieme di dati sperimentali, vogliamo dividerli in clusters in modo che: I dati all interno di ciascun cluster siano simili tra loro Ciascun dato appartenga a uno e un
DettagliEsercizio 1: trading on-line
Esercizio 1: trading on-line Si realizzi un programma Java che gestisca le operazioni base della gestione di un fondo per gli investimenti on-line Creazione del fondo (con indicazione della somma in inizialmente
DettagliVerifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
DettagliIndice di rischio globale
Indice di rischio globale Di Pietro Bottani Dottore Commercialista in Prato Introduzione Con tale studio abbiamo cercato di creare un indice generale capace di valutare il rischio economico-finanziario
DettagliApproccio stratificato
Approccio stratificato Il sistema operativo è suddiviso in strati (livelli), ciascuno costruito sopra quelli inferiori. Il livello più basso (strato 0) è l hardware, il più alto (strato N) è l interfaccia
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliScheduling della CPU. Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux
Scheduling della CPU Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux Sistemi multiprocessori Fin qui si sono trattati i problemi di scheduling su singola
DettagliSTRATEGIA DI TRADING. Turning Points
STRATEGIA DI TRADING Turning Points ANALISI E OBIETTIVI DA RAGGIUNGERE Studiare l andamento dei prezzi dei mercati finanziari con una certa previsione su tendenze future Analisi Tecnica: studio dell andamento
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,
DettagliPROGRAMMA SVOLTO NELLA SESSIONE N.
Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE
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
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliIl modello generale di commercio internazionale
Capitolo 6 Il modello generale di commercio internazionale [a.a. 2013/14] adattamento italiano di Novella Bottini (ulteriore adattamento di Giovanni Anania) 6-1 Struttura della presentazione Domanda e
DettagliLe basi della Partita Doppia in 1.000 parole Facile e comprensibile. Ovviamente gratis.
Le basi della Partita Doppia in 1.000 parole Facile e comprensibile. Ovviamente gratis. Qual è la differenza tra Dare e Avere? E tra Stato Patrimoniale e Conto Economico? In 1.000 parole riuscirete a comprendere
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliIntroduzione. Classificazione di Flynn... 2 Macchine a pipeline... 3 Macchine vettoriali e Array Processor... 4 Macchine MIMD... 6
Appunti di Calcolatori Elettronici Esecuzione di istruzioni in parallelo Introduzione... 1 Classificazione di Flynn... 2 Macchine a pipeline... 3 Macchine vettoriali e Array Processor... 4 Macchine MIMD...
DettagliPremessa: Nella traccia non è specificato cosa accade se si effettuano per esempio 2,3 minuti di conversazione.
Esame di stato 5 - Proposta di risoluzione del problema Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di euro al mese, più centesimi per
DettagliTest percettivi per la valutazione del contrasto di immagini digitali
Agenzia Nazionale per le Nuove Tecnologie, l Energia e lo Sviluppo Economico Sostenibile RICERCA DI SISTEMA ELETTRICO Test percettivi per la valutazione del contrasto di immagini digitali Alessandro Rizzi,
DettagliEsercitazione relativa al capitolo 14 I MONOPOLI E LA CONCORRENZA IMPERFETTA
Esercitazione relativa al capitolo 14 I MONOPOLI E LA CONCORRENZA IMPERFETTA Esistono quattro principali tipi di strutture di mercato: concorrenza perfetta, monopolio, concorrenza monopolistica e oligopolio.
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
DettagliSvolgimento 1 Scriviamo la funzione f(x) che rappresenta la spesa totale in un mese: Figura 2 Il grafico di f(x).
Problema 1 Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di euro al mese, più centesimi per ogni minuto di conversazione. Indicando con
DettagliLa funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f.
FUNZIONI CONTINUE - ALCUNI ESERCIZI SVOLTI SIMONE ALGHISI 1. Continuità di una funzione Dati un insieme D R, una funzione f : D R e x 0 R, si è detto che f è continua in x 0 se sono soddisfatte le seguenti
DettagliModulo 2. Domanda aggregata e livello di produzione
Modulo 2 Domanda aggregata e livello di produzione Esercizio. In un sistema economico privo di settore pubblico, la funzione di consumo è: C = 200 + 0.8Y; gli investimenti sono I= 50. a) Qual è il livello
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliDisegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità
Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica Indici di Affidabilità L Attendibilità È il livello in cui una misura è libera da errore di misura È la proporzione di variabilità della misurazione
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliIdentificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete Neuronale
Identificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete euronale Descrizione Il presente lavoro, facente segiuto a quanto descritto precedentemente, ha il fine di: 1) introdurre
DettagliErrori di una misura e sua rappresentazione
Errori di una misura e sua rappresentazione Il risultato di una qualsiasi misura sperimentale è costituito da un valore numerico (con la rispettiva unità di misura) ed un incertezza (chiamata anche errore)
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
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliLa valutazione implicita dei titoli azionari
La valutazione implicita dei titoli azionari Ma quanto vale un azione??? La domanda per chi si occupa di mercati finanziari è un interrogativo consueto, a cui cercano di rispondere i vari reports degli
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
Dettagli2 Argomenti introduttivi e generali
1 Note Oltre agli esercizi di questa lista si consiglia di svolgere quelli segnalati o assegnati sul registro e genericamente quelli presentati dal libro come esercizio o come esempio sugli argomenti svolti
DettagliSoluzione dell esercizio del 2 Febbraio 2004
Soluzione dell esercizio del 2 Febbraio 2004 1. Casi d uso I casi d uso sono riportati in Figura 1. Figura 1: Diagramma dei casi d uso. E evidenziato un sotto caso di uso. 2. Modello concettuale Osserviamo
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:
DettagliRegressione non lineare con un modello neurale feedforward
Reti Neurali Artificiali per lo studio del mercato Università degli studi di Brescia - Dipartimento di metodi quantitativi Marco Sandri (sandri.marco@gmail.com) Regressione non lineare con un modello neurale
DettagliDocumento di accompagnamento: mediane dei settori bibliometrici
Documento di accompagnamento: mediane dei settori bibliometrici 1. Introduzione Vengono oggi pubblicate sul sito dell ANVUR e del MIUR 3 tabelle, deliberate nel CD dell ANVUR del 13 agosto 2012, relative
DettagliALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio.
ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio. Per una migliore caratterizzazione del bacino idrologico dell area di studio, sono state acquisite
DettagliIndice Statistiche Univariate Statistiche Bivariate
Indice 1 Statistiche Univariate 1 1.1 Importazione di un file.data.............................. 1 1.2 Medie e variabilità................................... 6 1.3 Distribuzioni di frequenze...............................
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
DettagliCosa sono i due pulsanti nell header?
Cosa sono i due pulsanti nell header? I due pulsanti nell header (testata) del sito offrono accesso diretto a schede informative che illustrano una sintesi divulgativa dei principali diritti e doveri in
DettagliLe equazioni. Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete.
Le equazioni Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete. Definizione e caratteristiche Chiamiamo equazione l uguaglianza tra due espressioni algebriche,
DettagliALLEGATO 14 PROBLEMATICHE APPLICATIVE PASSERELLA ESPORTAZIONE DATI E CAPRES
ALLEGATO 14 PROBLEMATICHE APPLICATIVE PASSERELLA ESPORTAZIONE DATI E CAPRES 1 INTRODUZIONE Il presente documento illustra le problematiche tecniche emerse nell utilizzo degli applicativi Viriato e Capres
DettagliApprossimazione polinomiale di funzioni e dati
Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell
DettagliConfigurazione della ricerca desktop di Nepomuk. Sebastian Trüg Anne-Marie Mahfouf Traduzione della documentazione in italiano: Federico Zenith
Configurazione della ricerca desktop di Nepomuk Sebastian Trüg Anne-Marie Mahfouf Traduzione della documentazione in italiano: Federico Zenith 2 Indice 1 Introduzione 4 1.1 Impostazioni di base....................................
DettagliLA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ
LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,
DettagliIndice generale. OOA Analisi Orientata agli Oggetti. Introduzione. Analisi
Indice generale OOA Analisi Orientata agli Oggetti Introduzione Analisi Metodi d' analisi Analisi funzionale Analisi del flusso dei dati Analisi delle informazioni Analisi Orientata agli Oggetti (OOA)
DettagliDomande a scelta multipla 1
Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco
DettagliIl mercato di monopolio
Il monopolio Il mercato di monopolio Il monopolio è una struttura di mercato caratterizzata da 1. Un unico venditore di un prodotto non sostituibile. Non ci sono altre imprese che possano competere con
DettagliMatematica generale CTF
Equazioni differenziali 9 dicembre 2015 Si chiamano equazioni differenziali quelle equazioni le cui incognite non sono variabili reali ma funzioni di una o più variabili. Le equazioni differenziali possono
DettagliPiù processori uguale più velocità?
Più processori uguale più velocità? e un processore impiega per eseguire un programma un tempo T, un sistema formato da P processori dello stesso tipo esegue lo stesso programma in un tempo TP T / P? In
DettagliNota interpretativa. La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali
Nota interpretativa La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali Febbraio 2012 1 Mandato 2008-2012 Area di delega Consigliere Delegato
DettagliSCELTA DELL APPROCCIO. A corredo delle linee guida per l autovalutazione e il miglioramento
SCELTA DELL APPROCCIO A corredo delle linee guida per l autovalutazione e il miglioramento 1 SCELTA DELL APPROCCIO l approccio all autovalutazione diffusa può essere normale o semplificato, a seconda delle
DettagliHEALTH SEARCH: INTERVENTI
Health Search HEALTH SEARCH: INTERVENTI MOTIVAZIONALI E PROCEDURE DI QUALITÀ FABIO SAMANI, GIUSEPPE VENTRIGLIA, ROBERTO NARDI, CARLO NICCOLAI, GIORGIO CARLO MONTI Il consolidamento delle attività di Health
DettagliValutazione delle Prestazioni. Valutazione delle Prestazioni. Architetture dei Calcolatori (Lettere. Tempo di risposta e throughput
Valutazione delle Prestazioni Architetture dei Calcolatori (Lettere A-I) Valutazione delle Prestazioni Prof. Francesco Lo Presti Misura/valutazione di un insieme di parametri quantitativi per caratterizzare
DettagliCalcolatori Elettronici A a.a. 2008/2009
Calcolatori Elettronici A a.a. 2008/2009 PRESTAZIONI DEL CALCOLATORE Massimiliano Giacomin Due dimensioni Tempo di risposta (o tempo di esecuzione): il tempo totale impiegato per eseguire un task (include
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
Dettagli6.1. Risultati simulazioni termovalorizzatore Osmannoro2000
pag. 217 6. Risultati Di seguito si riportano i risultati relativi alle diverse simulazioni di diffusione atmosferica degli inquinanti effettuate. In particolare sono riportati i risultati sotto forma
DettagliGESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10. Angelo Bonomi
GESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10 Angelo Bonomi CONSIDERAZIONI SUL MONITORAGGIO Un monitoraggio ottimale dipende dalle considerazioni seguenti:
DettagliAnno 4 Grafico di funzione
Anno 4 Grafico di funzione Introduzione In questa lezione impareremo a disegnare il grafico di una funzione reale. Per fare ciò è necessario studiare alcune caratteristiche salienti della funzione che
DettagliGestione ed analisi di base dati nell epidemiologia. delle malattie infettive
Università degli Studi di Torino - Facoltà di Medicina Veterinaria Laboratorio di epidemiologia delle malattie infettive Scuola Specializzazione in Sanità Animale, Allevamento e Produzioni Zootecniche
DettagliRiconoscibilità dei siti pubblici: i domini della Pa e le regole di.gov.it
Riconoscibilità dei siti pubblici: i domini della Pa e le regole di.gov.it Gabriella Calderisi - DigitPA 2 dicembre 2010 Dicembre 2010 Dominio.gov.it Cos è un dominio? Se Internet è una grande città, i
DettagliGestione Turni. Introduzione
Gestione Turni Introduzione La gestione dei turni di lavoro si rende necessaria quando, per garantire la continuità del servizio di una determinata struttura, è necessario che tutto il personale afferente
Dettagli