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

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm o delle funzon d rpartzone che c s rende conto che molto spesso le osservazon tendono a raggruppars ntorno ad un valore centrale, coè s vede che c è una elevata frazone d untà statstche osservate che presenta certe modaltà. Dvene pertanto nteressante cercare d rassumere (sntetzzare) con un valore quanto osservato. E a questo che servono le mede e n generale le msure d poszone (o ndc d dmensone). ota: Vedremo n seguto che le msure d poszone non sono suffcent a descrvere n modo esaustvo la dstrbuzone d nteresse. In partcolare la msura d poszone (valore medo) dovrà essere accompagnata da msure della varabltà e da ndc d forma della dstrbuzone. I valor med hanno l obettvo d sostture alla dstrbuzone semplce (coè secondo un solo carattere) un unca modaltà, dcamo M, che sa n qualche modo una sntes rappresentatva dell ntera dstrbuzone d frequenza. Sntetzzare una dstrbuzone sgnfca sostture: alla dstrbuzone untara x, x 2,, x una dstrbuzone fttza M,, M n cu, coè, l valore M s rpete volte (ovvero tutte le volte untà presentano la stessa modaltà M) alla dstrbuzone d frequenza: x x x 2 x k f f f 2 f k una dstrbuzone fttza che assume l unca modaltà M con frequenza relatva x M f

2 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard Propretà d cu dovrebbe godere un valore medo (condzon d coerenza) Quando defnamo un valore medo, cerchamo un valore che, n quanto rappresentatvo dell ntera dstrbuzone, goda d determnate propretà (condzon d coerenza). Le propretà vengono nel seguto llustrate a ttolo esemplfcatvo con rfermento ad una dstrbuzone per untà. Quanto detto è valdo anche nel caso n cu dat sano fornt medante dstrbuzone d frequenza. Un valore medo M d una dstrbuzone untara x, x 2,, x dovrebbe essere:. Consstente Un valore medo è detto consstente se, quando tutte le untà del collettvo presentano la stessa modaltà, allora essa è par propro a questa modaltà. In altr termn se x = x, x 2 = x,, x = x allora M = x 2. Monotono Supponamo d avere due dstrbuzon untare X e Y. Sano: x, x 2,, x le osservazon relatve alle untà osservate della popolazone X y, y 2,, y le osservazon relatve alle untà osservate della popolazone Y. Assumamo che entrambe le dstrbuzon sano state ordnate n modo non decrescente: X x x 2 x Y y y 2 y Dcamo che la dstrbuzone Y è statstcamente pù grande della dstrbuzone X se rsulta x y per ogn =,2,, e per almeno un j abbamo x j < y j. Per esempo supponamo d avere rlevato su 6 famgle del Pemonte (X) e su se famgle del Lazo (Y) l numero d fgl. S hanno le seguent dstrbuzon per untà Famgla x y Vedamo che Y è statstcamente pù grande d X coè che la dstrbuzone relatva al Lazo è statstcamente pù grande d quella relatva al Pemonte. otate che le famgle (sa quelle del Pemonte che quelle del Lazo) sono state ordnate da quella con meno fgl a quella con pù fgl Un valore medo M è detto monotono se per ogn coppa d dstrbuzon X e Y con Y statstcamente pù grande d X rsulta: M(X) < M(Y)

3 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard Tornando al nostro esempo, dal momento che Y è statstcamente pù grande d X, quando calcoleremo un valore medo c attenderemo che M(X) < M(Y), ovvero che l valore che sntetzza la dstrbuzone relatva alle famgle del Lazo sa pù grande del valore che sntetzza la dstrbuzone relatva alle famgle del Pemonte. Un valore medo M è detto debolmente monotono se per ogn coppa d dstrbuzon X e Y con Y statstcamente pù grande d X rsulta: M(X) M(Y) 3. Interno In realtà questa propretà è una conseguenza delle propretà d consstenza e d monotona. Un valore medo M è detto nterno se xmn M xmax dove x mn =mn{x, x 2,, x } e x max = max{x, x 2,, x }. Tornando all esempo sopra e consderando la sola dstrbuzone A (numero d fgl n 6 famgle del Pemonte) s ha che M è nterna se 0 M 3. Dmostrazone della propretà d nternaltà (facoltatva). Dmostramo che la propretà d nternaltà è una conseguenza della consstenza e della monotona. Data la dstrbuzone x, x 2,, x, d meda M, consderamo altre due dstrbuzon: Una dstrbuzone n cu tutt gl element sono par ad x max, coè ; graze alla propretà d consstenza, sappamo che la meda d questa dstrbuzone è x max Una dstrbuzone n cu tutt gl element sono par ad x mn, coè propretà d consstenza, sappamo che la meda d questa dstrbuzone è x mn x max,.,x max volte x mn,.,x mn volte ; graze alla Per defnzone delle dstrbuzon, sappamo che x max,.,xmax è statstcamente pù grande (o al pù volte uguale) alla dstrbuzone x, x 2,, x che, a sua volta, è statstcamente pù grande (o al pù uguale) alla dstrbuzone x mn,.,x mn. volte Pertanto dalla monotona della meda segue quanto dovevamo dmostrare, e coè che x mn M x max

4 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard LA MEDIA ARITMETICA (Caratter quanttatv) Consderamo l seguente esempo: Un azenda famlare n cu lavorano 5 fratell adult, produce n un anno un reddto netto d 50 mla Euro. Supponamo che fratell non contrbuscano n ugual msura alla produzone del reddto, ma che reddt prodott sano: 9000, 5000, 2000,7000 e Se ora c chedamo: se fratell avessero contrbuto nella stessa msura al reddto, quale sarebbe stato l reddto netto ndvduale? Il reddto complessvo è: = Indchamo con x l reddto netto ndvduale uguale per ogn fratello, che dobbamo calcolare. Dobbamo avere che x+x+x+x+x = = Pertanto 5x = x = = = coè s avrebbe avuto lo stesso reddto complessvo se ogn fratello avesse prodotto un reddto netto d Il valore x=0000 è la meda artmetca coè l valore che equrpartsce fra le untà l reddto prodotto. Consderamo una dstrbuzone per untà x, x 2,, x ; con l esempo vsto sopra abbamo vsto che calcolare la meda artmetca equvale a calcolare quel valore x che, sosttuto a cascun valore x, x 2,, x della dstrbuzone è tale che x + x x = x+x+ +x = x Defnzone: La meda artmetca d x, x 2,, x è quel valore x tale che, applcando l operazone d somma anzché a x, x 2,, x ad valor ugual ad x, l rsultato della somma è lo stesso, coè x = x x = = = Il valore x prende l nome d meda artmetca e s ndca con µ. La defnzone data sopra è la defnzone d meda artmetca secondo Chsn. Importante: La meda artmetca, come tutte le altre mede che s vedranno, è espressa nelle stessa untà d msura con cu sono espresse le modaltà del carattere. Vedamo come s calcola la meda artmetca. per una dstrbuzone untara 2. per una dstrbuzone d frequenze

5 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard. Dstrbuzone untara Data la dstrbuzone untara x, x 2,, x, la meda artmetca è data dalla somma delle osservazon dvsa per, coè x + x2 + + x µ = = x (3) = Esempo. Tempo mpegato per recars a lavoro n metropoltana nel corso d una settmana. Tempo mpegato (n mnut) TOTALE 334 C ponamo l seguente questo: qual è l tempo medo per recars a lavoro? µ = = = Dstrbuzone d frequenze Data la seguente dstrbuzone d frequenze x n f x n f x 2 n 2 f 2 x k n k f k La meda artmetca è µ x n x n x n K K K K K = = xn = x = x f = = = n (4) Esempo: consderamo la dstrbuzone untara relatva alle ore d straordnaro fatte da un nfermere ne 2 mes dell anno: 0, 2,, 5, 7, 0, 5, 0, 7, 0, 7, 2. Il numero medo d ore, applcando la (3) è dato da µ = ( )/2 = 96/2 = 8 ore Scrvamo adesso la nostra dstrbuzone n forma d dstrbuzone d frequenze:

6 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard Ore d straordnaro x n x n Totale Pertanto, applcando la (4) µ = = = Caso delle dstrbuzon n class. Quando abbamo una dstrbuzone n class per calcolare la meda artmetca è necessaro usare nuovamente l potes d equdstrbuzone delle untà all nterno delle class. Questo perché d ogn untà abbamo solo l nformazone relatva alla classe d appartenenza ma non conoscamo l valore esatto che l carattere assume nelle untà. el calcolo della meda artmetca assumere l potes d equdstrbuzone equvale ad assumere che tutte le untà d una classe assumono l valore centrale della classe cu appartengono. Questo perché l valore centrale della classe concde (sotto potes d unforme dstrbuzone all nterno delle class) con la meda artmetca della classe. In sostanza data l -esma classe, d estrem c e c, se ne calcola l valore centrale come segue: c c c x = +. La meda artmetca pertanto s calcola così K K c x n + c x n + + c xknk µ = = c xn = c x f = = Quando la classe è aperta allora s fanno opportune potes sul valore rappresentatvo della classe. Esempo: Dstrbuzone n class d statura. Classe c c c x f c x f Totale µ = =

7 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard Esempo: consderamo la seguente dstrbuzone d 90 clent d una banca n base al tempo d attesa. Ammontar Mnut d Attesa Meda delle n f F c attesa µ f c x n totale class ( µ ) S trova che 5 µ = 90 = xn = 90 c = Osservazone: Se avessmo saputo per ogn classe quanto tempo aspettano complessvamente le untà che cadono n quella classe (formalmente, se avessmo conoscuto gl ammontar delle class) allora non avremmo avuto bsogno d ntrodurre l potes d unforme dstrbuzone all nterno delle class ma avremmo potuto calcolare la meda artmetca relatva a ogn sngola classe (e la ndchamo con µ ) come segue: µ = (attesa totale della classe )/n calcolare la meda artmetca della dstrbuzone con una delle formule K K µ = µ n = µ f = = dove µ è l tempo medo d attesa d ogn sngola classe calcolato esattamente sulla base degl ammontar. el nostro esempo s trova 5 µ = µ f = 8.92 =

8 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard Propretà della meda artmetca Tutte le propretà verranno esposte n termn d dstrbuzone untara; esse (tutte) sono valde anche quando dat sono n forma d dstrbuzone d frequenza e le dmostrazon sono del tutto analoghe. Vedamo, ora, se la meda artmetca gode delle tre propretà che abbamo elencato sopra. La meda artmetca è:. consstente In una dstrbuzone untara del tpo x = x, x 2 = x,, x = x allora: µ = x = x = x = x = = Se consderamo l esempo de 5 fratell e supponamo che tutt producano lo stesso reddto (par a 0000 ). Allora l reddto medo prodotto da fratell è propro par a 50000/5 = monotona Infatt sano X e Y due dstrbuzone untare rportate d seguto X x x 2 X Y y y 2 Y Con Y dstrbuzone statstcamente pù grande d X, allora x < y perché Y è statstcamente pù grande d X, e = = µ = x < y = µ X Y = = Consderamo l esempo delle famgle del Pemonte e del Lazo e verfchamo che la meda artmetca è monotona. Abbamo gà vsto che la dstrbuzone Y (quella che s rfersce al Lazo) è statstcamente pù grande della dstrbuzone X (quella che s rfersce al Pemonte). Calcolamo le mede artmetche: 7 0 µ X = =. 7 e µ Y = =. 67 coè vedamo che è verfcato che l numero medo d fgl per 6 6 famgla nel Lazo è maggore del numero medo d fgl per famgla nel Pemonte (n smbol µ Y µ X ). 3. nterna (conseguenza d e 2) Vedamo altre propretà molto mportant della meda artmetca. 4. La somma degl scart dalla meda artmetca è nulla. Dmostrazone: ( x µ ) = = 0

9 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard ( ) x µ = x µ = µ µ = 0 = = = Questa propretà può essere utlzzata per verfcare l esattezza del calcolo della meda artmetca. Esempo: consderamo d nuovo la dstrbuzone untara relatva alle ore d straordnaro fatte da un nfermere ne 2 mes dell anno, dove µ=8 ore: x x -µ Allora s verfca faclmente che n ( x µ ) = = = 0 5. La somma de quadrat degl scart da una costante c è mnma quando c è la meda artmetca Dmostrazone (facoltatva): ( ) = ( x c) ( x µ ) = = x c = (aggungendo e sottraendo µ ) dove l segno = s ha solo quando c=µ 2 ( x ) 2 ( ) ( ) ( ) 2 ( ) 2 µ µ c x µ µ c x µ µ c 2( x µ )( µ c) = + = + = + + = = = = ( x µ ) ( µ c) 2 ( x µ )( µ c) ( x µ ) ( µ c) 2( µ c) ( x µ ) = + + = + + = = = = = = = ( x µ ) ( µ c) = essendo (µ c) 2 0 s ha che ( x c) = ( x µ ) + ( µ c) ( x µ ) = = = dove l uguaglanza s ha solo quando c=µ. = 0 per la propretà 4 Esempo: consderamo d nuovo la dstrbuzone untara relatva alle ore d straordnaro fatte da un nfermere ne 2 mes dell anno, dove µ=8 ore e consderamo per esempo una costante c=9 x x -µ (x -µ) x -c (x -c) Trovamo che ( x 8) 2 = 38 e ( x ) 2 = = 9 = 50

10 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard 6. La meda artmetca è lneare coè è nvarante per trasformazon lnear de dat. Sa x, x 2,, x una dstrbuzone untara d meda µ X. Effettuamo una trasformazone lneare delle osservazon, coè y = c x + d =,, dove c e d sono due costant (c ndca l cambamento d untà d msura e d ndca la traslazone) S ha che µ Y = c µ X + d Dmostrazone: µ = y = c x + d = c x + d = c x + d = cµ + d ( ) Y X = = = = = Esempo (cambo d untà d msura): Gulo, Marco e Paola non rescono propro a ragonare n Euro. Alla fne d ogn mese guardano quanto hanno guadagnato n meda. Alla fne del mese d gennao 2002, quando rcevono la loro prma busta paga con lo stpendo scrtto solo n Euro, per calcolare la meda hanno bsogno d convertre loro stpend n lre. I loro stpend n Euro sono: 050,00 30,00 099,00 Gulo conosce la propretà d lneartà della meda artmetca qund prma calcola lo stpendo medo n Euro: µ = (050,00+30,00+099,00)/3=3279,00/3=093,00 e po fa la conversone n Lre coè applca µ Y = c µ X + d con c=936,27 e d=0 ovvero trova µ = 936, =26343 Lre. Marco e Paola non conoscono la lneartà della meda artmetca e mpegano pù tempo (e fanno pù cont) per arrvare allo stesso rsultato d Gulo. Vedamo. Prma convertono loro stpend e po ne calcolano la meda. Verfchamo che l rsultato è lo stesso. I tre stpend n lre sono: 936,27 050,00 = ,27 30,00 = ,27 099,00 = La loro meda è = = Lre La meda artmetca è assocatva Vedamo nnanztutto cosa s ntende per propretà assocatva d una meda. Data una dstrbuzone untara x, x 2,, x ed una sua partzone n due dstrbuzon parzal x, x 2,, x m e x m+, x m+2,, x, consderamo l valore medo M della prma dstrbuzone parzale e M 2 della seconda dstrbuzone parzale. Prendamo po la dstrbuzone untara d termn de qual m ugual a M e -m ugual a M 2, ottenuta coè sosttuendo la modaltà d ogn untà con la meda del sotto-collettvo a cu appartene. M,, M, M,, M 2 2 m volte m volte

11 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard Indchamo, nfne con M la meda d x, x 2,, x. Dremo che la meda M è assocatva se rsulta M = M ( x,x 2,,x ) = M M,M,,M,M 2,M 2,,M 2 m volte m volte Sosttuamo, ora, la generca M con la defnzone d meda artmetca Infatt, ne termn della defnzone prma fornta, abbamo m m µ ( x,x 2,...,x ) = x = x x x m x ( m) + = + = = = = m+ m = m = m+ = [ µ m + µ 2( m )] Questa propretà è vera anche quando suddvdamo l nostro nseme d osservazon n pù d due sottonsem dsgunt, dcamo L, d numerostà,, L (con rspettvamente µ,, µ L. Allora s ha L hh h= µ = µ La propretà assocatva consente anche d rsolvere problem del tpo seguente. L h= h = ) e con mede Esempo: S consder la seguente dstrbuzone congunta d 37 student (9 d Economa e 8 d Socologa) secondo l voto rportato all'esame d statstca e l'ndrzzo d studo (Economa o Socologa) Voto Indrzzo d studo Economco (E) Socologco (S)

12 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard Calcolamo vot med condzonatamente a due ndrzz e da ess rcavamo la meda della dstrbuzone margnale senza rfare calcol ma a partre dal voto medo degl economst e dal voto medo de socolog. 482 Calcolamo l voto medo rportato dagl student d economa: µ E = = Calcolamo l voto medo rportato dagl student d socologa: µ S = = Per calcolare l voto medo complessvo basta applcare la propretà assocatva della meda artmetca e s ha E µ E + S µ S µ = = = E S dove E e S ndcano l numero d student rspettvamente d economa e d socologa. ell esempo precedente abbamo vsto che con la propretà assocatva abbamo composto rsultat relatv allo stesso carattere rlevato su due popolazon dverse (gl student n economa e n socologa). Questo vale n generale anche quando abbamo pù d due collettv. In generale, dat L collettv (L 2) dstnt d numerostà,, L e con mede rspettvamente µ,, µ L, s ha L µ + + µ LL µ = L µ hh = h= + + L h= h Esempo: voglamo calcolare l reddto medo pro capte d Roma e Vterbo complessvamente. A dsposzone abbamo solo l nformazone relatva al reddto pro capte d Roma ed a quello d Vterbo separatamente. el comune d Roma l reddto medo annuo pro capte è d 30 (mlon d lre) mentre nel comune d Vterbo è d 25 (mlon d lre). I resdent nel comune d Roma sono l 70% de resdent della regone e quell d Vterbo l 0%. Detto l numero de resdent nella regone, l reddto medo annuo pro capte de resdent ne due comun rsulta: 30 (0.7 ) + 25 (0. ) = = =

13 Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard Meda artmetca ponderata In alcun cas è opportuno o s rtene d dover dare un peso dverso alle dverse modaltà rlevate del carattere. Consderamo la seguente dstrbuzone relatva al prezzo medo all ngrosso e alle quanttà trattate de seguent tp d agrum Agrum Prezz n Lt (al quntale) Quanttà (n mglaa d quntal) Arance Lmon Mandarn Totale Voglamo calcolare l prezzo medo al quntale. Potremmo calcolare la meda artmetca, ottenendo così che l prezzo medo al quntale è par a 98725/3 = Lre Ma n questo modo non abbamo tenuto conto delle quanttà trattate all ngrosso vsto che ogn tpo d prezzo ha contrbuto n msura (quanttà) dversa alla determnazone del prezzo medo. Ovvamente dovrà avere maggore peso nella determnazone del prezzo medo, l prezzo d quel prodotto che è stato scambato n maggore quanttà (nel nostro esempo le arance). Dobbamo qund nnanztutto valutare l valore complessvo delle merc trattate. Tale valore complessvo è dato da = Lre Pertanto l prezzo medo per quntale è = = Lre La meda che abbamo calcolato è la meda artmetca de prezz degl agrum ponderata con le quanttà. Come gà potevamo mmagnare l prezzo medo così calcolato rsulta pù basso del prezzo medo calcolato dando (I MODO ERRATO!) uguale peso a tre tp d agrum. In generale la meda artmetca ponderata de valor x, x 2,, x K, con pes p, p 2,, p K è data da x p + x 2 p2 + + xk pk µ = p + p + + p 2 K S vedrà nel seguto del corso che le mede ponderate sono utl anche nel calcolo degl ndc de prezz.

Università degli Studi di Urbino Facoltà di Economia

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

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

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

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

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Variabili statistiche - Sommario

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

Dettagli

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

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

Dettagli

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

LA COMPATIBILITA tra due misure:

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

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

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

Dettagli

Introduzione al Machine Learning

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

Dettagli

Valore attuale di una rendita. Valore attuale in Excel: funzione VA

Valore attuale di una rendita. Valore attuale in Excel: funzione VA Valore attuale d una rendta Nella scorsa lezone c samo concentrat sul problema del calcolo del alore attuale d una rendta S che è dato n generale da V ( S) { R ; t, 0,,,..., n,... } n 0 R ( t ), doe (t

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

9.6 Struttura quaternaria

9.6 Struttura quaternaria 9.6 Struttura quaternara L'ultmo lvello strutturale é la struttura quaternara. Non per tutte le protene è defnble una struttura quaternara. Infatt l esstenza d una struttura quaternara é condzonata alla

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

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

Dettagli

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

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

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

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

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

Dettagli

Capitolo 2 Dati e Tabelle

Capitolo 2 Dati e Tabelle Captolo 2 Dat e Tabelle La Descrzone della Popolazone La descrzone d una popolazone passa attraverso due fas: 1. la formazone de dat statstc 2. la sntes de dat La formazone del dato statstco prevede: ()

Dettagli

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

Dettagli

Esame di Statistica Corso di Laurea in Economia

Esame di Statistica Corso di Laurea in Economia Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste

Dettagli

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

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

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

Dettagli

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

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

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

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

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

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

La contabilità analitica nelle aziende agrarie

La contabilità analitica nelle aziende agrarie 2 La contabltà analtca nelle azende agrare Estmo rurale ed element d contabltà (analtca) S. Menghn Corso d Laurea n Scenze e tecnologe agrare Percorso Economa ed Estmo Contabltà generale e cont. ndustrale

Dettagli

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

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

Dettagli

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Dettagli

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

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

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

Statistica descrittiva

Statistica descrittiva Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

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

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

Dettagli

3. Esercitazioni di Teoria delle code

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

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007 Fondament d Vsone Artfcale (Seconda Parte PhD. Ing. Mchele Folgherater Corso d Robotca Prof.ssa Guseppna Gn Anno Acc.. 006/007 Caso Bdmensonale el caso bdmensonale, per ndvduare punt d contorno degl oggett

Dettagli

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

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

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

Dettagli

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS Delberazone 20 ottobre 2004 Approvazone delle condzon general d accesso e d erogazone del servzo d rgassfcazone d gnl predsposte dalla socetà Gnl Itala Spa (delberazone n. 184/04) L AUTORITÀ PER L ENERGIA

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

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

Dettagli

I fabbisogni standard nel settore sanitario Commento allo schema di decreto legislativo

I fabbisogni standard nel settore sanitario Commento allo schema di decreto legislativo Federalsmo I fabbsogn standard nel settore santaro Commento allo schema d decreto legslatvo Guseppe Psauro Premessa La defnzone del sstema d fnanzamento della santà è charamente un momento fondamentale

Dettagli

LE CARTE DI CONTROLLO

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

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2011-2012 lezione 22: 30 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2011-2012 lezione 22: 30 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 22: 30 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/27? Eserczo Dmostrare che l equazone della frontera

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

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

Dettagli

Risoluzione quesiti I esonero 2011

Risoluzione quesiti I esonero 2011 Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

4.6 Dualità in Programmazione Lineare

4.6 Dualità in Programmazione Lineare 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli

Esercitazioni del corso: STATISTICA

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

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

DATA MINING E CLUSTERING

DATA MINING E CLUSTERING Captolo 4 DATA MINING E CLUSTERING 4. Che cos'è l Data Mnng Per Data Mnng s'ntende quel processo d estrazone d conoscenza da banche dat, tramte l'applcazone d algortm che ndvduano le assocazon non mmedatamente

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

Modelli descrittivi, statistica e simulazione

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

Dettagli

Verifica termoigrometrica delle pareti

Verifica termoigrometrica delle pareti Unverstà Medterranea d Reggo Calabra Facoltà d Archtettura Corso d Tecnca del Controllo Ambentale A.A. 2009-200 Verfca termogrometrca delle paret Prof. Marna Mstretta ANALISI IGROTERMICA DEGLI ELEMENTI

Dettagli

Cenni di matematica finanziaria Unità 61

Cenni di matematica finanziaria Unità 61 Prerequst: - Rsolvere equazon algebrche d 1 grado ed equazon esponenzal Questa untà è rvolta al 2 benno del seguente ndrzzo dell Isttuto Tecnco, settore Tecnologco: Agrara, Agroalmentare e Agrondustra.

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia PROT. N 53897 ENTE EMITTENTE: OGGETTO: DESTINATARI: DATA DECORRENZA: CIRCOLARE N. 9 DC Cartografa, Catasto e Pubblctà Immoblare, d ntesa con l Uffco del Consglere Scentfco e la DC Osservatoro del Mercato

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Prova di verifica n.0 Elettronica I (26/2/2015)

Prova di verifica n.0 Elettronica I (26/2/2015) Proa d erfca n.0 lettronca I (26/2/2015) OUT he hfe + L OUT - Fgura 1 Con rfermento alla rete elettrca d Fg.1, determnare: OUT / OUT / la resstenza sta dal generatore ( V ) la resstenza sta dall uscta

Dettagli

Corso di Automazione Industriale 1. Capitolo 7

Corso di Automazione Industriale 1. Capitolo 7 1 Corso d Automazone Industrale 1 Captolo 7 Teora delle code e delle ret d code Introduzone alla Teora delle Code La Teora delle Code s propone d svluppare modell per lo studo de fenomen d attesa che s

Dettagli

Trigger di Schmitt. e +V t

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

Dettagli

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

Dati di tipo video. Indicizzazione e ricerca video

Dati di tipo video. Indicizzazione e ricerca video Corso d Laurea n Informatca Applcata Unverstà d Urbno Dat d tpo vdeo I dat vdeo sono generalmente rcch dal punto d vsta nformatvo. Sottottol (testo) Colonna sonora (audo parlato e/o musca) Frame (mmagn

Dettagli

Il pendolo di torsione

Il pendolo di torsione Unverstà degl Stud d Catana Facoltà d Scenze MM.FF.NN. Corso d aurea n FISICA esna d ABORAORIO DI FISICA I Il pendolo d torsone (sezone costante) Moreno Bonaventura Anno Accademco 005/06 Introduzone. I

Dettagli

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006 Smulazone seconda prova Tema assegnato all esame d stato per l'abltazone alla professone d geometra, 006 roposte per lo svolgmento pubblcate sul ollettno SIFET (Socetà Italana d Fotogrammetra e Topografa)

Dettagli

Analisi dei flussi 182

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

Dettagli

Questo è il secondo di una serie di articoli, di

Questo è il secondo di una serie di articoli, di DENTRO LA SCATOLA Rubrca a cura d Fabo A. Schreber Il Consglo Scentfco della rvsta ha pensato d attuare un nzatva culturalmente utle presentando n ogn numero d Mondo Dgtale un argomento fondante per l

Dettagli

ELEMENTI DI STATISTICA PARTE 1

ELEMENTI DI STATISTICA PARTE 1 ELEMETI DI STATISTICA PARTE. ITRODUZIOE. La parola statstca. Cenn storc.3 Gl studos.4 La statstca moderna.5 Le font statstche. DEFIIZIOI 3. Una defnzone d statstca 3. I fenomen collettv 3.3 Untà statstche,

Dettagli

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements Torna al programma Sstema per la garanza della qualtà ne sstem automatc d msura alle emsson: applcazone del progetto d norma pren 14181:2003. Rsultat dell esperenza n campo presso due mpant plota. Cprano

Dettagli

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica Fotogrammetra Scopo della fotogrammetra è la determnazone delle poszon d punt nello spazo fsco a partre dalla msura delle poszon de punt corrspondent su un mmagne fotografca. Ovvamente, affnché questo

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

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

Dettagli