Sistemi Colturali. Sistemi colturali analizzati e gestiti con modelli di simulazione (2)
|
|
- Mario Gastone Napolitano
- 8 anni fa
- Visualizzazioni
Transcript
1 Sistemi colturali analizzati e gestiti con modelli di simulazione (2)
2 Vedremo diverse tipologie di modelli per l analisi e la gestione dei sistemi colturali Ma prima: Perché ce ne sono molti? Ne esiste uno migliore? Come scegliere quello più adatto per uno specifico studio?
3 Capacità di spiegare Modellistica di simulazione Misure dirette Indicatori agroecologici Telerilevamento Precisione Applicabilità
4 Capacità di spiegare Modellistica di simulazione Misure dirette Indicatori agroecologici Telerilevamento Precisione Applicabilità
5 Valutare i modelli Qualunque sia l applicazione specifica per la quale viene richiesto l uso di un modello di simulazione, è necessario: 1. identificare chiaramente gli obiettivi (cosa deve fare esattamente il mio modello?) e le condizioni di applicazione (es. scala, disponibilità di dati) 2. derivarne un criterio quantitativo per valutare i modelli in base alla loro adeguatezza 3. utilizzare il criterio ottenuto per ordinare i modelli 4. scegliere il modello più adeguato per la specifica applicazione (il miglior modello per quell obiettivo ed in quelle condizioni) 5. usare criticamente il modello scelto
6 Diversi punti di vista Pablo Picasso, Guernica (1937)
7 Diversi punti di vista Il criterio scelto per valutare i modelli disponibili dipende fortemente dal punto di vista. Oggi cercheremo di capire perché intanto limitatevi a tenere bene a mente questa cosa.
8 Accuratezza Accuratezza (ISO ) In modellistica, viene intesa come una stima dello scarto tra valori misurati e simulati. Esistono molti indici per valutarla (Loague and Green, 1991).
9 Accuratezza Root mean square error (RMSE; minimo e ottimo = 0; massimo = + ; Fox, 1981) RMSE n i1 S i M n i 2 Relative root mean square error (RRMSE; minimo e ottimo = 0%; massimo = + ; Jørgensen et al., 1986; anche chiamato GSD: General standard deviation) RRMSE n i1 S i n M M i 2 100
10 Accuratezza Modelling Efficiency (EF; minimo = - ; massimo e ottimo = 1; Nash and Sutcliffe, 1970) se negativo, la media dei misurati è meglio del modello!!! Coefficient of Residual Mass (CRM; minimo = - ; massimo = + ; ottimo = 0; Loague and Green, 1991; se positivo indica sottostima; se negativo sovrastima) n i i n i i i M M M S EF n i i n i i n i i M S M CRM 1 1 1
11 Accuratezza Attenzione che gli indici non danno tutti la stessa informazione: valutano aspetti diversi dell accuratezza rilevamento misurati simulati misurati simulati RRMSE = 34.21% EF = 0.51 rilevamento misurati simulati misurati simulati RRMSE = 8.44% EF = -0.17
12 Accuratezza e ancora rilevamento misurati simulati misurati simulati RRMSE = 20.69% CRM = 0.00 rilevamento misurati simulati misurati simulati RRMSE = 20.69% CRM = 0.21
13 Accuratezza Esempi di valori di RRMSE e EF per diverse variabili Variabile RRMSE (%) EF biomassa aerea indice di area fogliare concentrazione di N totale asportazioni di azoto contenuto idrico azoto minerale nel suolo
14 Complessità Il rasoio di Occam Entia non sunt multiplicanda praeter necessitatem (bisogna assumere la spiegazione più semplice per un fenomeno se non ci sono evidenze per sceglierne una più complessa) (William di Occam, ) La semplicità costituisce l ultima sofisticazione (Leonardo da Vinci, ) Non possiamo assumere spiegazioni di fenomeni oltre a quelle siano sia vere che sufficienti (Isaac Newton, )
15 Complessità Il rasoio di Occam Grandi effetti con strumenti semplici (Ludwig van Beethoven, ) Si è raggiunta la perfezione non quando non c è più niente da aggiungere, ma quando non c è più niente da togliere (Antoine de Saint Exupéry, )
16 Complessità Tutte queste enunciazioni forniscono in qualche modo una definizione di semplicità che valuta due elementi: l adeguatezza della soluzione fornita per spiegare un fenomeno il fatto che quel livello di adeguatezza sia raggiunto nel modo più semplice possibile (se c è una componente nella soluzione fornita che non ne incrementa l adeguatezza, quella componente non spiega niente del fenomeno e quindi deve essere eliminata dalla soluzione)
17 Complessità Attenzione: il rasoio di Occam è considerato per sua stessa natura uno strumento conservativo. Quindi potenzialmente in grado di rallentare il progresso scientifico. Questo ha portato grandi scienziati e pensatori (e.g., Leibniz, Kant) a polemizzare con Occam, tanto da arrivare a formulare anti-rasoi. In realtà, è semplicemente uno strumento potente, e come tale va usato nel modo corretto e senza abusi. Ritengo che la famosa frase di Einstein Ogni cosa dovrebbe essere fatta nel modo più semplice possibile, ma non più semplice spesso considerata formulazione alternativa del rasoio, non sia altro che un invito a usare lo strumento, ma con cautela.
18 Complessità Akaike s Information Criterion (AIC) Premia modelli che garantiscono buone performance richiedendo pochi input (sia parametri che variabili) E considerato un ottima formulazione operativa del rasoio di Occam
19 Complessità AIC MSE T n log 2 MSE 1 n n S i M i i1 2 n: numero di coppie misurato/simulato T: numero di input (parametri + variabili) S : i valore simulato M : i valore misurato
20 Complessità Esempio: Confalonieri et al. (2009)
21 Robustezza Una possibile definizione: Un modello è robusto quando è in grado di riprodurre correttamente l andamento nel tempo di diverse variabili di stato misurate in una gran varietà di condizioni pedoclimatiche e gestionali. E uno degli aspetti chiave nella modellistica, dal momento che ha a che fare con l abilità di un modello di funzionare in condizioni diverse da quelle per le quali è stato calibrato e validato (e.g., scenari climatici, gestionali, applicazioni a larga scala per uso operativo, servizi, ecc.).
22 Robustezza La mancanza di robustezza può essere dovuta a: incoerenza in alcune relazioni matematiche usate per formalizzare la conoscenza, buchi di conoscenza, inclusione nei parametri del modello (che dovrebbero invece rappresentare solo le caratteristiche del sistema modellizzato, a prescindere dalla condizioni di applicazione) di fattori relativi a specifiche località, stagioni o agrotecniche. Ma come fare a quantificarla?
23 Robustezza
24 Robustezza Indicatore di robustezza (I R ) I R EF SAM i: giorno dell anno, 60 = 1 marzo; 304 = 31 ottobre; SAM va da -1 (arido) a +1 (umido) IR va da 0 (ottimo) a + SAM 304 i60 Rain i60 i Rain 304 i60 ET 0 ET 0 SAM può essere sostituito con qualunque altro indice normalizzato per caratterizzare le condizioni di applicazione di un modello (ATTENZIONE!) Il concetto è di calcolare il rapporto tra variabilità dell errore e variabilità delle condizioni di applicazione.
25 Robustezza Attenzione: non è detto che il modello più accurato sia anche il più robusto!
26 Bilanciamento
27 Bilanciamento Bilanciamento?!
28 Bilanciamento Il problema è che un modello il cui output che dipende quasi esclusivamente da un parametro è frustrante per lo sviluppatore comodissimo per utenti pigri Molto semplice da calibrare pericolosissimo! Esempio: se cambio varietà e la nuova varietà differisce in modo sostanziale per le caratteristiche codificate nel valore di parametri ai quali il modello è molto sensibile da quella usata in fase di calibrazione, il modello darà i numeri del lotto
29 Bilanciamento Il metodo si basa sull applicazione del test di Grubbs per gli outliers (Grubbs, 1969) agli indici di sensitività calcolati per i vari parametri. G X X 1 p 1 p X i X i1 SOSPETTI 2 X i sono i vari indici di sensitività p è il numero totale di parametri Se uno (o più d uno) degli indici di sensitività è significativamente più alto degli altri (G è maggiore del valore tabulato), allora il modello è sbilanciato.
30 Plasticità Il metodo
31 Plasticità E la tendenza di un modello a cambiare il suo comportamento al variare delle condizioni esplorate. Cambiamenti nel comportamento del modello vengono quantificati attraverso la concordanza tra i ranking negli indici di sensitività dei parametri (TDCC) Nel caso di modelli agroambientali, questo indice assume particolare importanza, per via della plasticità fenotipica tipica delle entità modellizzate. Immagate di voler individuare il modello più adatto per studiarla
32 Plasticità WARM WOFOST
33 Plasticità
34 Plasticità
35 Metriche diverse Le diverse metriche di valutazione «premiano», di volta in volta, modelli diversi: è fondamentale definire un criterio di valutazione specifico per gli obiettivi dello studio e per le condizioni di applicazione.
36 Valutare in diversi domini Le diverse
37 Valutare modelli idrologici Quando si valuta un modello, in genere si confrontano matrici unidimensionali di dati misurati e simulati (variabili di stato misurate o simulate in diversi momenti). Quando si considerano variabili riferite al suolo, al contrario, si ha spesso a che fare con matrici bidimensionali: una dimensione è il tempo (come per le variabili di stato relative alle piante, e.g., LAI, AGB), l altra dimensione è la profondità. Inoltre, può spesso essere interessante pesare in modo diverso differenze tra dati misurati e simulati che si riferiscono a diverse profondità. In ogni caso, è irragionevole considerare in modo indipendente serie temporali di dati che si riferiscono a diverse profondità.
38 Valutare modelli idrologici
39 Definire metodi specifici! La diversa informazione contenuta nelle diverse metriche che abbiamo visto riflette la necessità di valutare, a seconda dei casi, aspetti diversi del comportamento di modelli sviluppati per rappresentare determinati aspetti dello stesso dominio. La metodologia proposta per i modelli idrologici ci dimostra invece come le procedure di valutazione, per essere efficaci, vanno pensate in modo che siano davvero funzionali ad affrontare problematiche specifiche: ricordate la questione dei chiodi e del martello
40 Bibliografia Bellocchi, G., Rivington, M., Donatelli, M., Matthews, K., Validation of biophysical models: issues and methodologies. A review. Agron. Sustain. Dev., doi: /agro/ Bregaglio, S., Donatelli, M., Confalonieri, R., Acutis, M., Orlandini, S., An integrated evaluation of thirteen modelling solutions for the generation of hourly values of air relative humidity. Theoretical and Applied Climatology, in press. Confalonieri, R., Acutis, M., Bellocchi, G., Donatelli, M., Multi-metric evaluation of the models WARM, CropSyst, and WOFOST for rice. Ecol. Modell. 220, Confalonieri, R., Bregaglio, S., Bocchi, S., Acutis, M., An integrated procedure to evaluate hydrological models. Hydrological Processes, in press. Fox, D.G., Judging air quality model performance: a summary of the AMS workshop on disperision model performance. Bull. Am. Meteorol. Soc. 62, Grubbs, F.E., Procedures for detecting outlying observations in samples. Technometrics 11, Jørgensen, S.E., Kamp-Nielsen, L., Christensen, T., Windolf-Nielsen, J., Westergaard, B., Validation of a prognosis based upon a eutrophication model. Ecol. Modell. 32, Loague, K.M., Green, R.E., Statistical and graphical methods for evaluating solute transport models: overview and application. J. Contam. Hydrol. 7, Mayer, D.G., Butler, D.G., Statistical validation. Ecol. Modell. 68, Nash, J.E., Sutcliffe, J.V., River flow forecasting through conceptual models, Part I - A discussion of principles. J. Hydrol. 10, Rivington, M., Bellocchi, G., Matthews, K.B., Buchan, K., Evaluation of three model estimations of solar radiation at 24 UK stations. Agr. Forest. Meteorol. 135, Rykiel Jr., E.J., Testing ecological models: the meaning of validation. Ecol. Modell. 90,
Sistemi Colturali. Sistemi colturali analizzati e gestiti con modelli di simulazione (2)
Sistemi colturali analizzati e gestiti con modelli di simulazione (2) Vedremo diverse tipologie di modelli per l analisi e la gestione dei sistemi colturali Ma prima: Perché ce ne sono molti? Ne esiste
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
DettagliAppendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi
Appendice III (articolo 5, comma 1 e art. 22 commi 5 e 7) Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi 1. Tecniche di modellizzazione 1.1 Introduzione. In generale,
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
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
DettagliAppendice III. Competenza e definizione della competenza
Appendice III. Competenza e definizione della competenza Competenze degli psicologi Lo scopo complessivo dell esercizio della professione di psicologo è di sviluppare e applicare i principi, le conoscenze,
DettagliChe cos è l intelligenza e come funzionano i test del Q.I.
Che cos è l intelligenza e come funzionano i test del Q.I. Non esiste, al giorno d oggi, un parere unanime della comunità scientifica sulla definizione di intelligenza. In generale, potremmo dire che è
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;
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliLa visione della matematica nei ragazzi della scuola media
Relazione primo Laboratorio La visione della matematica nei ragazzi della scuola media Alessandro Burroni Salima Bartalena E stata svolta un indagine su un campione di alunni della scuola media delle province
DettagliLa riforma del servizio di distribuzione del
CReSV Via Röntgen, 1 Centro Ricerche su Sostenibilità e Valore 20136 Milano tel +39 025836.3626 La riforma del servizio di distribuzione del 2013 gas naturale In collaborazione con ASSOGAS Gli ambiti territoriali
DettagliProject Cycle Management La programmazione della fase di progettazione esecutiva. La condivisione dell idea progettuale.
Project Cycle Management La programmazione della fase di progettazione esecutiva. La condivisione dell idea progettuale. Il presente materiale didattico costituisce parte integrante del percorso formativo
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
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
DettagliVi ricordate quello che abbiamo visto nelle prime lezioni? LA VALUTAZIONE ECONOMICA E FINANZIARIA DEL PROGETTO. L analisi di sensitività
LA VALUTAZIONE ECONOMICA E FINANZIARIA DEL PROGETTO a cura di Roberto M. Brioli Coll. Arch. Mirko Bisulli LE ANALISI DI SENSIBILITÀ Vi ricordate quello che abbiamo visto nelle prime lezioni? Alcune caratteristiche
Dettaglie-dva - eni-depth Velocity Analysis
Lo scopo dell Analisi di Velocità di Migrazione (MVA) è quello di ottenere un modello della velocità nel sottosuolo che abbia dei tempi di riflessione compatibili con quelli osservati nei dati. Ciò significa
Dettagli(Atti per i quali la pubblicazione non è una condizione di applicabilità) COMMISSIONE
L 86/6 Gazzetta ufficiale dell Unione europea 5.4.2005 II (Atti per i quali la pubblicazione non è una condizione di applicabilità) COMMISSIONE DECISIONE DELLA COMMISSIONE del 22 marzo 2005 che stabilisce
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)
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
Dettagli1. Scopo dell esperienza.
1. Scopo dell esperienza. Lo scopo di questa esperienza è ricavare la misura di tre resistenze il 4 cui ordine di grandezza varia tra i 10 e 10 Ohm utilizzando il metodo olt- Amperometrico. Tale misura
DettagliEasyPLAST. Siamo riusciti a trasferire in EasyPLAST tutte le informazioni e le procedure che prima erano gestite con fogli excel
Abbiamo completamente eliminato i costi di personalizzazione e di continuo sviluppo per cercare di adattare un prodotto software orizzontale e generalista alle problematiche del nostro settore Un software
DettagliLe strumentazioni laser scanning oriented per i processi di censimento anagrafico dei patrimoni
CONVEGNO FACILITY MANAGEMENT: LA GESTIONE INTEGRATA DEI PATRIMONI PUBBLICI GENOVA FACOLTA DI ARCHITETTURA 06.07.2010 Le strumentazioni laser scanning oriented per i processi di censimento anagrafico dei
DettagliLa Metodologia adottata nel Corso
La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
DettagliLe competenze per la gestione e lo sviluppo delle risorse umane nelle università e negli enti di ricerca
Scuola di Management per le Università, gli Enti di ricerca e le Istituzioni Scolastiche Le competenze per la gestione e lo sviluppo delle risorse umane nelle università e negli enti di ricerca Dott. William
DettagliCOMUNE DI SOLBIATE ARNO
SISTEMA DI MISURAZIONE E VALUTAZIONE DEL PERSONALE DIPENDENTE Approvato con deliberazione della Giunta Comunale n. 98 del 14.11.2013 1 GLI ELEMENTI DEL SISTEMA DI VALUTAZIONE Oggetto della valutazione:obiettivi
DettagliUN MODELLO DI QUALITÀ PER I SITI WEB
UN MODELLO DI QUALITÀ PER I SITI WEB fonte prof Polillo - 1 - Cos'è un modello di qualità l Una selezione delle caratteristiche che fanno di un sito web un buon sito l Scopo: valutare un sito orientarci
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
DettagliIntroduzione all Information Retrieval
Introduzione all Information Retrieval Argomenti della lezione Definizione di Information Retrieval. Information Retrieval vs Data Retrieval. Indicizzazione di collezioni e ricerca. Modelli per Information
DettagliIl Problem-Based Learning dalla pratica alla teoria
Il Problem-Based Learning dalla pratica alla teoria Il Problem-based learning (apprendimento basato su un problema) è un metodo di insegnamento in cui un problema costituisce il punto di inizio del processo
DettagliPiano di gestione della qualità
Piano di gestione della qualità Pianificazione della qualità Politica ed obiettivi della qualità Riferimento ad un eventuale modello di qualità adottato Controllo della qualità Procedure di controllo.
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
DettagliExcel avanzato. I nomi. Gli indirizzi e le formule possono essere sostituiti da nomi. Si creano tramite Inserisci Nome Definisci
Excel avanzato I nomi marco.falda@unipd.it Gli indirizzi e le formule possono essere sostituiti da nomi documentazione astrazione Si creano tramite Inserisci Nome Definisci Vengono raccolti nell area riferimento
DettagliPowerSchedo. Un sistema di supporto alla decisione nel settore dell'oil&gas. For further information: www.mbigroup.it
PowerSchedo Un sistema di supporto alla decisione nel settore dell'oil&gas For further information: Introduzione PowerSchedO è uno strumento software di supporto alle decisioni per problemi nel settore
DettagliCome archiviare i dati per le scienze sociali
Come archiviare i dati per le scienze sociali ADPSS-SOCIODATA Archivio Dati e Programmi per le Scienze Sociali www.sociologiadip.unimib.it/sociodata E-mail: adpss.sociologia@unimib.it Tel.: 02 64487513
DettagliIL PROCESSO DI BUDGETING. Dott. Claudio Orsini Studio Cauli, Marmocchi, Orsini & Associati Bologna
IL PROCESSO DI BUDGETING Dott. Claudio Orsini Studio Cauli, Marmocchi, Orsini & Associati Bologna Il processo di budgeting Il sistema di budget rappresenta l espressione formalizzata di un complesso processo
DettagliUTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI
UTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI Un utilizzatore a valle di sostanze chimiche dovrebbe informare i propri fornitori riguardo al suo utilizzo delle sostanze (come tali o all
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
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
DettagliLezione 3: Introduzione all analisi e valutazione delle azioni. Analisi degli Investimenti 2014/15 Lorenzo Salieri
Lezione 3: Introduzione all analisi e valutazione delle azioni Analisi degli Investimenti 2014/15 Lorenzo Salieri Valutazione degli investimenti in azioni Intuitivamente si crea valore quando un azienda
DettagliIl metodo reddituale esprime il valore dell impresa come funzione esclusiva della sua capacità di reddito
Il metodo reddituale Il metodo reddituale esprime il valore dell impresa come funzione esclusiva della sua capacità di reddito W = f (R) W cioè il valore del capitale economico è funzione del reddito 11
DettagliTEST DEL CONCEPT DI PRODOTTO
TEST DEL CONCEPT DI PRODOTTO 141 Test del concetto di prodotto (1/2) Individuazione dei bisogni dei clienti Eseguire l analisi economica Analizzare i prodotti della concorrenza Costruire e collaudare modelli
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
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
Dettaglicome nasce una ricerca
PSICOLOGIA SOCIALE lez. 2 RICERCA SCIENTIFICA O SENSO COMUNE? Paola Magnano paola.magnano@unikore.it ricevimento: martedì ore 10-11 c/o Studio 16, piano -1 PSICOLOGIA SOCIALE COME SCIENZA EMPIRICA le sue
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
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
Dettagli03. Il Modello Gestionale per Processi
03. Il Modello Gestionale per Processi Gli aspetti strutturali (vale a dire l organigramma e la descrizione delle funzioni, ruoli e responsabilità) da soli non bastano per gestire la performance; l organigramma
DettagliISTITUTO COMPRENSIVO BARBERINO MUGELLO
IL PESO percorso didattico scuola primaria Sperimentazione didattica ISTITUTO COMPRENSIVO BARBERINO MUGELLO I bambini utilizzano spontaneamente il concetto di pesante? Collochiamo su un banco alcuni oggetti:
Dettagli(Osservazioni sulla proposta dei referee del calcolo LHC) Lamberto Luminari
Tier-2 ATLAS (Osservazioni sulla proposta dei referee del calcolo LHC) Lamberto Luminari CSN1 Roma, 3 Aprile 2006 Considerazioni generali La richiesta di infrastruttura di calcolo di ATLAS Italia risponde
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
DettagliIL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE.
IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE. Lezione 5 Castellanza, 17 Ottobre 2007 2 Summary Il costo del capitale La relazione rischio/rendimento
DettagliConoscenza. Metodo scientifico
Conoscenza La conoscenza è la consapevolezza e la comprensione di fatti, verità o informazioni ottenuti attraverso l'esperienza o l'apprendimento (a posteriori), ovvero tramite l'introspezione (a priori).
DettagliPolli e conigli. problemi Piano cartesiano. Numeri e algoritmi Sistemi e loro. geometrica. Relazioni e funzioni Linguaggio naturale e
Polli e conigli Livello scolare: primo biennio Abilità Interessate Calcolo di base - sistemi Risolvere per via grafica e algebrica problemi che si formalizzano con equazioni. Analizzare semplici testi
DettagliPROFILO RIASSUNTIVO DELLE AREE
PROFILO RIASSUNTIVO DELLE AREE CATEGORIA AREE DEFINIZIONE IMPLICAZIONI CHIAVE Relazioni e Comunicazione Interpersonale A - B - C Sviluppo delle conoscenze e Abilità Qualità e Prestazioni Soddisfazione
DettagliI modelli di qualità come spinta allo sviluppo
I modelli di qualità come spinta allo sviluppo Paolo Citti Ordinario Università degli studi di Firenze Presidente Accademia Italiana del Sei Sigma 2005 1 Si legge oggi sui giornali che l azienda Italia
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliVERBALE n.5. Funge da segretario verbalizzante la prof.ssa Eugenia Viola.
VERBALE n.5 Il giorno 31 del mese di Gennaio dell anno 2012, alle ore 16.00 si riunisce nell aula magna del Liceo scientifico S. Cannizzaro di Palermo il Collegio dei docenti per discutere il seguente
DettagliOrganizzazione degli archivi
COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i
DettagliCOMUNE DI RAVENNA GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI)
COMUNE DI RAVENNA Il sistema di valutazione delle posizioni del personale dirigente GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI) Ravenna, Settembre 2004 SCHEMA DI SINTESI PER LA
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
DettagliSINTETICO COLLETTIVO E INDIVIDUALE
MANUALE DI USO Documento: Manuale R01 SINTETICO COLLETTIVO E INDIVIDUALE Ultima revisione 25 Novembre 2015 ManR01 Sintetico collettivo e individuale 25 novembre 2015 Pag. 1 SINTETICO COLLETTIVO E INDIVIDUALE
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
DettagliStrutturazione logica dei dati: i file
Strutturazione logica dei dati: i file Informazioni più complesse possono essere composte a partire da informazioni elementari Esempio di una banca: supponiamo di voler mantenere all'interno di un computer
DettagliModelli di simulazione acustica
Modelli di simulazione acustica rappresentano il metodo più veloce per condurre un analisi previsionale e permettono di simulare tutte le sorgenti sonore, tenendo in considerazione i parametri che influenzano
DettagliLe fattispecie di riuso
Le fattispecie di riuso Indice 1. PREMESSA...3 2. RIUSO IN CESSIONE SEMPLICE...4 3. RIUSO CON GESTIONE A CARICO DEL CEDENTE...5 4. RIUSO IN FACILITY MANAGEMENT...6 5. RIUSO IN ASP...7 1. Premessa Poiché
DettagliLe effettive esigenze della Direzione del Personale nella gestione delle risorse umane in azienda. Andamento dal 2005 ad oggi
Le effettive esigenze della Direzione del Personale nella gestione delle risorse umane in azienda. Andamento dal 2005 ad oggi Indagine ottenuta grazie alla somministrazione di questionario ad oltre 260
DettagliOperatori Socio Sanitari risorsa e opportunità per il miglioramento della qualità e dell assistenza. Attribuzione o delega?
Operatori Socio Sanitari risorsa e opportunità per il miglioramento della qualità e dell assistenza. Attribuzione o delega? Pordenone, Marzo 2014 Dott.ssa Catia Cassin Delega In ambito gestionale per delega
DettagliRICERCA AZIONE STRUMENTI
RICERCA AZIONE STRUMENTI STRUMENTI INTROSPETTIVI Permettono di scoprire gli aspetti più nascosti, le sfaccettature più profonde. Sono privati perché di norma vengono usati dall individuo da solo. Non sono
DettagliCorso di Fisica generale
Corso di Fisica generale Liceo Scientifico Righi, Cesena Anno Scolastico 2014/15 1C Introduzione alla Incertezza della Misura Sperimentale I Riccardo Fabbri 1 (Dispense ed esercizi su www.riccardofabbri.eu)
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
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
DettagliComune di San Martino Buon Albergo
Comune di San Martino Buon Albergo Provincia di Verona - C.A.P. 37036 SISTEMA DI VALUTAZIONE DELLE POSIZIONI DIRIGENZIALI Approvato dalla Giunta Comunale il 31.07.2012 INDICE PREMESSA A) LA VALUTAZIONE
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliREGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE
30.11.2011 Gazzetta ufficiale dell Unione europea L 317/17 REGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE del 29 novembre 2011 recante modifica del regolamento (CE) n. 1222/2009 del Parlamento europeo
DettagliIDENTIFICAZIONE DEI BISOGNI DEL CLIENTE
IDENTIFICAZIONE DEI BISOGNI DEL CLIENTE 51 Dichiarazione d intenti (mission statement) La dichiarazione d intenti ha il compito di stabilire degli obiettivi dal punto di vista del mercato, e in parte dal
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
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:
DettagliGUIDA ALLA LETTURA DELL INFORMATIVA TITOLO
GUIDA ALLA LETTURA DELL INFORMATIVA TITOLO 1 AVVERTENZE GENERALI COSA NON DIMENTICARE MAI DI FARE Prima di effettuare un investimento in strumenti finanziari, l'investitore non deve mai dimenticarsi di
DettagliSistemi di misurazione e valutazione delle performance
Sistemi di misurazione e valutazione delle performance 1 SVILUPPO DELL'INTERVENTO Cos è la misurazione e valutazione delle performance e a cosa serve? Efficienza Efficacia Outcome Requisiti minimi Indicatori
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:
DettagliValutazione del potenziale
Valutazione del potenziale I servizi offerti da Noema 1 La valutazione è riferita alle capacità che la persona possiede e può essere fatta su due ambiti in particolare: prestazioni: verifica di quanto
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliFasi di creazione di un programma
Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo 41 Sviluppo di programmi Per la costruzione di un programma
DettagliCome si seleziona un fondo di investimento
Come si seleziona un fondo di investimento Francesco Caruso è autore di MIB 50000 Un percorso conoscitivo sulla natura interiore dei mercati e svolge la sua attività di analisi su indici, titoli, ETF,
DettagliAND NON CAP WEIGHTED PORTFOLIO
SOCIALLY RESPONSIBLE INVESTMENT AND NON CAP WEIGHTED PORTFOLIO Forum per la Finanza Sostenibile Milano 30 giugno 2009 Giulio Casuccio Head of Quantitatives Strategies and Research Principi ed obiettivi:
DettagliPrincipi generali. Vercelli 9-10 dicembre 2005. G. Bartolozzi - Firenze. Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli
Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli Principi generali Carlo Federico Gauss Matematico tedesco 1777-1855 G. Bartolozzi - Firenze Vercelli 9-10 dicembre 2005 Oggi il nostro lavoro
DettagliSCENARIO. Personas. 2010 ALICE Lucchin / BENITO Condemi de Felice. All rights reserved.
SCENARIO Personas SCENARIO È una delle tecniche che aiuta il designer a far emergere le esigente dell utente e il contesto d uso. Gli scenari hanno un ambientazione, attori (personas) con degli obiettivi,
DettagliLa Qualità il Controllo ed il Collaudo della macchina utensile. Dr. Giacomo Gelmi
La Qualità il Controllo ed il Collaudo della macchina utensile Dr. Giacomo Gelmi Che cosa è una macchina utensile? E uno spazio fisico in cui si collocano, sostenuti da adeguate strutture ed in posizioni
DettagliGUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE
GUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE L applicazione elaborata da Nordest Informatica e disponibile all interno del sito è finalizzata a fornirvi un ipotesi dell impatto economico
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
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
DettagliGeneral Linear Model. Esercizio
Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue
DettagliPlate Locator Riconoscimento Automatico di Targhe
Progetto per Laboratorio di Informatica 3 - Rimotti Daniele, Santinelli Gabriele Plate Locator Riconoscimento Automatico di Targhe Il programma plate_locator.m prende come input: l immagine della targa
DettagliGuida per Auto Valutazione Secondo l EFQM GUIDA PER L APPLICAZIONE IONE DELLA METODOLOGIA DI AUTO VALUTAZIONE EFQM NEL PARTENARIATO
GUIDA PER L APPLICAZIONE IONE DELLA METODOLOGIA DI AUTO VALUTAZIONE EFQM NEL PARTENARIATO 1 INDICE 1. INTRODUZIONE... 3 2. LA METODOLOGIA EFQM E IL QUESTIONARIO DI AUTO VALUTAZIONE... 4 3. LA METODOLOGIA
DettagliLA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO?
LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO? Versione preliminare: 25 Settembre 2008 Nicola Zanella E-Mail: n.zanella@yahoo.it ABSTRACT In questa ricerca ho
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
Dettagli