Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso
|
|
- Annunziata Verde
- 4 anni fa
- Visualizzazioni
Transcript
1 Corso di LOGISTICA TERRITORIALE Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso DOCENTI Agostino Nuzzolo Antonio Comi umberto Crisalli 1
2 Introduzione Costruzione di un modello di domanda: - Definizione della forma funzionale (ad es. Logit) - Attributi (funzione utilità media o sistematica) - Stima dei parametri (beta) - Validazione Capacità di riprodurre le scelte effettuate dal campione (test informali e test statistici) E un processo iterativo trial-and-error Specificazione Validazione Stima dei parametri 2
3 Specificazione del modello Scegliere la forma funzionale - trattabilità computazionale Logit, Nested-Logit vs. Probit, Mixed-Logit, etc. - modelli utilizzati in casi analoghi (es. modelli di scelta modale) - aspettative a priori sulla indipendenza o meno dei residui aleatori (matrice varianza-covarianza) AUTO BUS TRAM 3
4 Matrice varianza-covarianza E una matrice (simmetrica) che riporta sulla diagonale la varianza dei residui aleatori delle diverse alternative e nelle altre celle i valori della covarianza tra i residui aleatori di coppie di alternative A seconda dell ipotesi sulla matrice varianza-covarianza dei residui aleatori, possiamo avere diverse forme funzionali del modello, ad es. Modello Logit: omoschedastico e a covarianza nulla Modello Nested-Logit: si introduce una covarianza tra gruppi di 2 alternative, ad es. tra i modi di trasporto collettivo 0 Modello Probit: si introduce l eteroschedasticità e la covarianza tra tutte alternative Auto AB AT 2 COL AB 2 Bus COL 0 COL 2 AT COL 2 TRAM 4
5 Specificazione del modello definire gli attributi, X k, del modello: Tipologia di attributi o Attributi di livello di servizio, socio-economici, del sistema di attività, o Attributi specifici o generici o Attributi Specifici dell Alternativa (Alternative Specific Constant, ASC) evitare correlazione tra attributi (collinearità)! attenzione all applicazione e agli usi del modello attributi non lineari (es. funzione di utilità sistematica lineare a tratti) V 1 2 V 1 X k 1 s s ( X k s) se se X X k k s s Soglia «s» X k 5
6 Metodo dei minimi quadrati S individua il vettore di parametri che minimizza il quadrato delle differenze tra probabilità da modello e percentuali osservate: essendo: j J i i LSM arg min LSM( ) arg min p ( j) pˆ ( j) p i (j) pˆ i la generica alternativa di scelta il numero di alternative disponibili j= 1...J la probabilità da modello dell alternativa j per l utente i la percentuale con cui l alternativa j è scelta nel campione dall utente i 2 Tale vettore dei beta massimizza la capacità del modello di riprodurre le percentuali aggregate osservate nel campione 6
7 Metodo della massima verosimiglianza Funzione di Likelihood (verosimiglianza) - n, numerosità del campione L() = i=1...n p i [j(i)](x i,) - i, utente generico del campione - p[j(i)], probabilità (da modello) dell alternativa j(i) scelta effettivamente dall utente i (nel campione) S individua il vettore di parametri che massimizza il valore della funzione di verosimiglianza: ML arg max ln L( ) arg max i= 1...n i j i X, Tale vettore dei beta massimizza la probabilità di osservare tramite il modello le scelte effettuate dal campione ln p i 7
8 Metodo della massima verosimiglianza Esempio n=3 j=a,b pa utente j(i) i C A 1 A A B 4 3 C B i exp exp C A C exp C A B L exp exp 3 3 exp 5 exp exp 2 2 exp exp exp 3 3 exp 4 8
9 VALIDAZIONE DI UN MODELLO DI DOMANDA test, informali sui coefficienti di un modello test, formali sui coefficienti di un modello test sulla bontà di interpolazione o ( goodness of fit ) analisi dell elasticità (risposta del modello in fase di applicazione) 9
10 VALIDAZIONE DI UN MODELLO DI DOMANDA TEST INFORMALI SUI COEFFICIENTI DI UN MODELLO verifica della ragionevolezza dei segni dei coefficienti (es. <0 per tempi o costi monetari >0 per la disponibilità di automobili nell utilità del modo auto di un modello di scelta modale o per la quantità di esercizi commerciali nel modello di scelta della destinazione). verifica dei rapporti fra i coefficienti di attributi diversi (es. t / c =VOT -«Value of Time» - può essere confrontato con risultati di altre calibrazioni e aspettative sulla disponibilità a pagare degli utenti, valore delle ASC, ) verifica del valore relativo di alcuni coefficienti (es. tempo a piedi > tempo a bordo ) 10
11 VALIDAZIONE DI UN MODELLO DI DOMANDA TEST FORMALI SUI COEFFICIENTI DEL MODELLO TEST T-STUDENT SUI SINGOLI COEFFICIENTI A) IPOTESI NULLA: H 0 : k =0 : serve a rigettare l ipotesi che i valori stimati dei beta siano statisticamente uguali da zero STATISTICA UTILIZZATA: t Var( ML k ML k t_student con n-k gradi di libertà con n= numerosità del campione k= n dei coefficienti stimati ) 1 / 2 Se t è maggiore di 1,96 l ipotesi può essere rigettata con una probabilità di errore del 5%, e quindi il valore stimato è considerato significativo (per n >30 t student normale standardizzata) 11
12 TEST FORMALI SUI COEFFICIENTI DEL MODELLO Esempi Se t > 1,96 la probabilità che l ipotesi nulla H 0 sia vera è del 5% Se t > 1,29 la probabilità che l ipotesi nulla H 0 sia vera è del 20% Tavola della variabile normale standard z 12
13 VALIDAZIONE DI UN MODELLO DI DOMANDA STATISTICHE E TEST SULLA BONTÀ DELL ACCOSTAMENTO DEL MODELLO (GOODNESS OF FIT) %_RIGHT n i i1 % _ right i n 1 0 se j( i) j( i) j j i max i max essendo: n j i max j(i) la numerosità del campione l alternativa di massima utilità da modello, per l utente i l alternativa scelta effettivamente dall utente i 13
14 STATISTICHE E TEST SULLA BONTÀ DELL ACCOSTAMENTO DEL MODELLO (GOODNESS OF FIT) VALIDAZIONE DI UN MODELLO DI DOMANDA STATISTICA RHO_QUADRO ln L( ln L( 0) ln L( ML ML ln L( 0) ) ) N con N è il numero dei coefficienti Tale statistica misura la bontà del modello nel riprodurre le scelte fatte dal campione: 2 1 Perfetta capacità riproduttiva del modello 2 0 Capacità riproduttiva del modello nulla 14
15 INDAGINI RP E INDAGINI SP Indagini RP (Revealed Preference o Preferenze Rivelate) indagini sui comportamenti effettivi (rivelati) dagli utenti in un contesto reale Si rilevano le scelte che gli utenti hanno realmente effettuato (Ad esempio quale percorso o quale modo di trasporto hanno scelto per spostarsi su una determinata relazione OD) Indagini SP ( Stated Preference o Preferenze Dichiarate) indagini sui comportamenti dichiarati dagli utenti in contesti ipotetici Si sottopongono all intervistato alcune alternative di viaggio e si chiede di scegliere qual è per lui la migliore 15
16 Esempio di indagine RP FINALITÀ DELL INDAGINE stima della domanda interna METODOLOGIA D INDAGINE indagine telefonica T.M.T Pragma S.r.l. Pragma S.r.l. Studio Market Selector S.a.s QUESTIONARIO INDAGINE TELEFONICA 7.00 / 9.00 Buongiorno/sera sono della.. Il nostro Istituto sta svolgendo un indagine per conto del Comune di Roma sugli spostamenti in città. Potrei parlare con una persona della sua famiglia di (sesso) e di età compresa tra e? Le preciso che in base alla legge 675 sulla tutela della privacy, lei è libero di accettare l intervista o di interromperla nel momento in cui lo ritenga opportuno. Le garantisco che qualsiasi informazione ci verrà data, verrà trattata in forma strettamente riservata e senza l uso dei dati personali. D. 1 SESSO 1 Uomo 2 Donna D. 2 QUAL E LA SUA ETA? anni D. 3 NELLA GIORNATA DI IERI LEI ERA A ROMA? 1 Si 2 No (passare a dom. 8) D. 3.1 E SEMPRE NELLA GIORNATA DI IERI LEI HA EFFETTUATO SPOSTAMENTI IN CITTA CHE ABBIANO AVUTO INIZIO O TERMINE TRA LE ORE 7.00 E LE ORE 9.00? 1 Si 2 No (passare a dom. 8) D. 4 DA QUANTE PERSONE E COMPOSTA LA SUA FAMIGLIA (LEI COMPRESA/O)? N persone D. 5 TRA LE PERSONE DELLA SUA FAMIGLIA QUANTE HANNO LA PATENTE DI GUIDA? persone D. 6 E LEI IN PARTICOLARE HA LA PATENTE DI GUIDA? 1 Si 2 No
17 Esempio di indagine RP FINALITÀ DELL INDAGINE stima della domanda interna METODOLOGIA D INDAGINE indagine telefonica PENSANDO SEMPRE NELLA GIORNATA DI IERI ALLA FASCIA ORARIA TRA LE ORE 7.00 E LE ORE 9.00, VORREI RICOSTRUIRE I SUOI SPOSTAMENTI. PER SPOSTAMENTO S INTENDE OGNI VOLTA CHE SI E MOSSO PER UNO SCOPO SPECIFICO. D.7 A CHE ORA HA AVUTO INIZIO IL PRIMO SPOSTAMENTO? : ora minuti D.7.1 DA QUALE INDIRIZZO HA AVUTO INIZIO QUESTO SPOSTAMENTO (indirizzo per esteso comprensivo di numero civico) Comune : 1 Roma 2 Fuori Roma (registrare il Comune per gli spostamenti successivi al primo) Via/Piazza/Largo N civico: D.7.2 IN QUALE COMUNE ED INDIRIZZO HA AVUTO TERMINE QUESTO SPOSTAMENTO? (comune ed indirizzo per esteso comprensivo di numero civico) Comune : 1 Roma 2 Fuori Roma (Non registrare l indirizzo se lo spostamento ha avuto termine fuori Roma) Via/Piazza/Largo N civico: D.7.3 A CHE ORA E GIUNTO A DESTINAZIONE (nel comune e/o all indirizzo citato a dom. 7.2)? : ora minuti D. 7.4 QUALE ERA IL MOTIVO DI QUESTO SPOSTAMENTO? 1 Andare al posto di lavoro 2 Visita a clienti/affari consegne 3 Andare a scuola 4 Acquisti, commissioni personali 5 Visita a parenti/amici 6 Visite mediche/cure personali 7 Svago (tutti escluso culturale), Sport (spettatore e/o praticante) 8 Svago culturale (cinema, teatro, museo) 9 Accompagnamento/prelevamento persone 10 Parrucchiere, barbiere, estetica 11 Ritorno all abitazione abituale 12 Altri motivi D.7.5. CON QUALE FREQUENZA EFFETTUA QUESTO SPOSTAMENTO? volte alla settimana volte al mese volte all anno (codificare con 1 volta all anno lo spostamento occasionale/ prima volta)
18 Esempio di indagine RP FINALITÀ DELL INDAGINE stima della domanda interna METODOLOGIA D INDAGINE indagine telefonica D.7.6. QUALE MEZZO/I HA UTILIZZATO PER EFFETTUARE QUESTO SPOSTAMENTO? SE HA USATO PIU DI UN MEZZO LI INDICHI IN SEQUENZA 1 A piedi 2 Bicicletta 1 mezzo 2 mezzo 3 mezzo 4 mezzo 3 Motocicletta ciclomotori (conducente) 4 Motocicletta ciclomotori (passeggero) 5 Auto privata (conducente) 6 Auto privata (passeggero) 7 Veicolo merci ad uso promiscuo 8 Taxi 9 Autobus (ATAC,COTRAL) 10 Tram 11 Metropolitana 12 Altro mezzo (treno FS, aereo) D.7.7. (Per tutti coloro con cod.3, 5 e 7 a dom. 7.6, eccetto quando a dom.7.2 la risposta è uguale a 2 (fuori Roma) e a dom. 7.6 è stato citato solo cod. 3 o 5 o 7)DOVE HA PARCHEGGIATO? 1 Strada o area pubblica gratuita 2 Strada o area pubblica a pagamento 3 Posto auto privato di proprietà 4 Posto auto privato a pagamento 5 Posto auto privato gratuito o riservato azienda 6 Autorimessa D.7.8. (Se ha usato più mezzi) IN QUALE INDIRIZZO HA PRESO IL SECONDO MEZZO? ED IL TERZO? Indirizzo per esteso secondo mezzo Via/Piazza/Largo N civico: Indirizzo per esteso terzo mezzo Via/Piazza/Largo N civico: ATTENZIONE PORRE LE DOM. DA 7 A 7.8 PER OGNI SPOSTAMENTO EFFETTUATO SUCCESSIVAMENTE AL PRIMO CONTROLLANDO CHE L INDIRIZZO DI ORIGINE COINCIDA CON QUELLO DI DESTINAZIONE DELLO SPOSTAMENTO PRECEDENTE
19 Esempio di indagine SP
20 CAMPIONI INDIVIDUALI E COLLETTIVI Le osservazioni che costituiscono il campione con cui si calibra un modello, possono essere relative a: Uno stesso individuo che effettua le proprie scelte ad esempio su una stessa relazione Origine-Destinazione in giorni diversi (Campioni individuali) Più individui che effettuano le proprie scelte, ad esempio su relazioni OD diverse e in giorni diversi (Campioni collettivi) 20
21 Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE Esempi di modelli di scelta del percorso DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it) Antonio Comi (comi@ing.uniroma2.it) Pierluigi Coppola (coppola@ing.uniroma2.it) Umberto Crisalli (crisalli@ing.uniroma2.it) 21
22 Example of path alternatives Frascati-Rome with Desired Arrival Time at 9:30 am Path 1 values [min] Path 2 values [min] Attributes min max average Attributes min max average waiting time waiting time on board time rail and metro on board time rail and metro on board time bus on board time bus access and egress walking time access and egress walking time late arrival time late arrival time early arrival time early arrival time number of transfers number of transfers total travel time total travel time Path 3 values [min] Path 4 values [min] Attributes min max average Attributes min max average waiting time waiting time on board time rail and metro on board time rail and metro on board time bus on board time bus access and egress walking time access and egress walking time late arrival time late arrival time early arrival time early arrival time number of transfers number of transfers total travel time total travel time Frascati Railways station Train Capannelle Railways station Bus Cinecittà Metro station Metro A Bus Sempione Bus stop Foot Ciampino Railways station Termini Metro station Piazza Sempione Bus Anagnina Metro station Metro A Metro B Conca D Oro Metro station Foot Tor Vergata University of Rome 22
23 Path choice behaviour assumption The user compares the alternative paths using a personal path utility function, for example: t V OD,tTTi é ë kù û = b ED ED k + b AE AE k + å [ b TW,m TW m,k + b OB,m OB m,k + b CFW,m CFW m,k + b NT,m NT m,k ] m where: V is the Path Utility of path k for user i ED k is the Early or Late arrival time (i.e. the difference between the desired and the actual arrival time); AE k is the sum of access and egress times; TW m,k is the waiting time of transit service m; OB m,k is the on-board time; CFW m,k is the average on-board crowding degree; NT m is the number of transfers; i are the personal model parameters. Tor Vergata University of Rome 23
24 Which performances are required to the individual path choiche models? t-student test: H 0 : k = 0; rho-squared : ML 2 ln L( ) 1 lnl( 0) adjusted rho-squared ln L ML N 2 1 ln L( 0) N number of model parameters t Var ML k ML 1/ 2 k %-of- right = percentage of observations for which the choosen alternative is the one of maximum utility ( or the second best) Tor Vergata University of Rome 24
25 EXP T_ATT_T OT Example of Multinomial logit parameters estimated with 150 SP observations Esempio di questionario T_ATT_Fe rro T_ATT_Me T_ATT_G ON_B_ tro omma F ON_B_ M ON_B_ G ON_B_TO T ACC_EG RIT ANT ANT_RI T tot R T TRASB BUS TRASB METR SCELTA O Tor Vergata University of Rome 25
26 Example of Multinomial logit parameters estimated with 150 SP observations USER User A User B User C User D User E User F Model type Waiting time (total) On-board time (train) On-board time (metro) On-board time (bus) Early and late arrival time βwaiting βrailway βmetro βbus βδ(early/late) %-of-right (1 st ) %-of-right incl. 1 st +2 nd best logit % ( 2 = 0.71) t =-4.06 t =-1.3 t =-1.64 t =-3.24 t = % logit % ( 2 = 0.67) t =-5.50 t =-3.12 t =-2.80 t =-3.31 t = % logit % ( 2 = 0.60) t =-3.31 t =-6.81 t = % logit % ( 2 = 0.90) t =-3.65 t =-3.24 t = % logit % ( 2 = 0.79) t =-5.24 t = % logit % ( 2 = 0.69) t =-1.71 t =-4.90 t =-0.14 t =-1.73 t = % Average logit % ( 2 = 0.51) t = t = t = t = t = % Tor Vergata University of Rome 26
27 Performances of Multinomial logit models Personal model Average model Applied to %-of-right %-of-right %-of-right %-of-right (1st) (2nd) (1st) (2nd) User A 84% 97% 83% 98% User B 81% 98% 51% 77% User C 64% 100% 65% 89% User D 95% 100% 91% 100% User E 88% 100% 79% 95% User F 90% 96% 85% 96% Tor Vergata University of Rome 27
28 Example of path alternatives Urban O-D pair Path 1 values [min] Path 2 values [min] Attribute min Max Average Attribute min Max Average Waiting time the first bus (minutes) Waiting time the first bus (minutes) On board (bus; minutes) On board (bus; minutes) On board metro minutes) On board metro minutes) Bus Transfer Time (minutes) Bus Transfer Time (minutes) Metro Transfer Time (minutes) Metro Transfer Time (minutes) Number of transfer bus Number of transfer bus Number of transfer metro Number of transfer metro On foot Time (minutes) On foot Time (minutes) Total Travel time (minutes) 62,00 121,00 76,47 Total Travel time (minutes) Path 3 values [min] Attribute min Max Average Waiting time the first bus (minutes) On board (bus; minutes) On board metro minutes) Bus Transfer Time (minutes) Metro Transfer Time (minutes) Number of transfer bus Number of transfer metro On foot Time (minutes) Total Travel time (minutes) Tor Vergata University of Rome 28
29 Example of Multinomial logit parameters estimated with 150 SP observations Esempio di questionario EXP Ora Ora T_ Tempo Attesa_ Viaggio Viaggio Tempo Tempo N N Partenza Arrivo Viaggio_Tot Piedi Bus Bus Metro Trasb_Bus Trasb_Metro Trasb_Bus Trasb_Metro SCELTA Tor Vergata University of Rome 29
30 Example of Multinomial logit parameters estimated with 150 SP observations Urban O-D pair Attributes Travel time (total) Time on foot On-board and transfer time ASA (metro) Parameter User A User B Average (-7.86) (-5.11) (-5.24) (-1.78) (-10.67) (-6.24) (2.10) (-2.31) %-of-right 75% 72% 70% %-of-right including the 100% 94% 94% 1 st +2 nd best Tor Vergata University of Rome 30
31 Performances of Multinomial logit models Urban O-D pair Personal model Average model Applied to %-of-right %-of-right %-of-right %-of-right (1st) (2nd) (1st) (2nd) User A 75% 100% 74% 97% User B 72% 94% 62% 94% Tor Vergata University of Rome 31
Modelli matematici per le reti di trasporto:
A. A. 215-216 Modelli matematici per le reti di trasporto: Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso prof. ing. Antonio Comi Department of Enterprise Engineering
DettagliCalibrazione dei modelli di utilità aleatoria Modelli di scelta del percorso
A. A. 216-217 Calibrazione dei modelli di utilità aleatoria Modelli di scelta del percorso Agostino Nuzzolo Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Introduzione
DettagliRandom Utility Models
Corso di LOGISTICA TERRITORIALE http://didattica.uniroma2.it/ DOCENTE prof. ing. Agostino Nuzzolo prof. ing. Antonio Comi Random Utility Models 1 Modelli di utilità Ipotesi generali I modelli di utilità
DettagliCalibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it)
DettagliRandom Utility Models: surveys, model building and examples
A. A. 216-217 http://didattica.uniroma2.it Random Utility Models: surveys, model building and examples DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it) Antonio Comi (comi@ing.uniroma2.it) RP and SP Surveys
DettagliLA STIMA DELLA DOMANDA DI TRASPORTO
LA STIMA DELLA DOMANDA DI TRASPORTO STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA ATTUALE E FUTURA STIMA DIRETTA STIMA DA MODELLO INDAGINI: INTERVISTE SU DI UN CAMPIONE DI UTENTI: (INFORMAZIONI DISAGGREGATE)
DettagliCalibrazione disaggregata
Corso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli Calibrazione disaggregata La stima della domanda di trasporto Stima della Domanda Attuale Stima della Domanda Attuale e Futura Stima
DettagliIntroduzione al corso
A. A. 215-216 Introduzione al corso prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Orari ed aule di lezione MARTEDÌ MERCOLEDÌ VENERDÌ ore 11:3 13:15 Aula B2
DettagliCALIBRAZIONE DISAGGREGATA
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 2018-2019 CALIBRAZIONE DISAGGREGATA corso selezionato per la sperimentazione della piattaforma di insegnamento/apprendimento Prof. Ing. Umberto
DettagliStima diretta della domanda di trasporto
Teoria dei Sistemi di Trasporto 1 + 2 (9 CFU) A. A. 2016-2017 Stima diretta della domanda di trasporto prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata Prof.
DettagliStima diretta della domanda di trasporto
Teoria dei Sistemi di Trasporto 1 + 2 (9 CFU) A. A. 2018-2019 Stima diretta della domanda di trasporto prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata Prof.
DettagliCorso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli. Stima diretta della domanda di trasporto
Corso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli Stima diretta della domanda di trasporto 1 Stima della domanda di trasporto Introduzione STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA
DettagliMODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di incertezza
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di incertezza
DettagliStima diretta della domanda di trasporto
Corso di PIANIFICAZIONE DEI TRASPORTI prof. ing. Agostino Nuzzolo aprile 006 Stima diretta della domanda di trasporto Stima della domanda di trasporto Introduzione STIMA DELLA DOMANDA ATTUALE STIMA DELLA
DettagliMODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti DOCENTI Agostino
DettagliSTIMA DIRETTA DELLA DOMANDA DI TRASPORTO
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 2018-2019 STIMA DIRETTA DELLA DOMANDA DI TRASPORTO corso selezionato per la sperimentazione della piattaforma di insegnamento/apprendimento
DettagliMODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di rischio
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di rischio DOCENTI
DettagliStima della domanda attuale con conteggi dei flussi di traffico
A. A. 2018-2019 Stima della domanda attuale con conteggi dei flussi di traffico prof. ing. Antonio Comi Ing. Antonio Polimeni Department of Enterprise Engineering Tor Vergata University of Rome Introduzione
DettagliFigura Area di Studio
Esercizi modelli di domanda Esercizio 1 Considerando tre zone di traffico, si vuole determinare il numero complessivo di spostamenti emessi dalle tre zone per il motivo Casa-Studio ed effettuati da studenti
DettagliMODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: Fuzzy Utility Theory
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: Fuzzy Utility Theory DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it)
DettagliModelli di scelta del percorso Modelli di assegnazione
Corso di LOGISTICA TERRITORIALE www.uniroma.it/didattica/lt DOCENTE prof. ing. Agostino Nuzzolo Modelli di scelta del percorso Modelli di assegnazione Definizioni ed ipotesi Relazione tra costi d arco
DettagliIndagine mobilità a Firenze e Comuni di prima cintura
PRAGMA SRL VIA NOMENTANA, 134 00162 ROMA Tel: 06/844881 - Fax: 06/84488298 RM12-4195 Rev.03 A) SEZIONE INTRODUTTIVA Indagine mobilità a Firenze e Comuni di prima cintura INTERVISTATORE INTERVISTA N. GIORNO
DettagliSeminario Modelli di Scelta Discreta
Seminario Modelli di Scelta Discreta Università degli Studi di Cagliari Facoltà di Ingegneria Dott. Ing. Eleonora Sottile, PhD Cagliari, 4 maggio 2018 Modelli Rappresentazione semplificata di una parte
DettagliModelli di offerta di trasporto. ing. Pierluigi Coppola Dipartimento di Ingegneria dell Impresa Università di Roma Tor Vergata
Modelli di offerta di trasporto ing. Pierluigi Coppola Dipartimento di Ingegneria dell Impresa Università di Roma Tor Vergata MODELLI D OFFERTA Attraverso la simulazione degli elementi del sistema d offerta
DettagliSTIMA DELLA DOMANDA ATTUALE CON CONTEGGI DI FLUSSI DI TRAFFICO
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 2018-2019 STIMA DELLA DOMANDA ATTUALE CON CONTEGGI DI FLUSSI DI TRAFFICO corso selezionato per la sperimentazione della piattaforma di insegnamento/apprendimento
DettagliCORSI E SEMINARI DI FORMAZIONE UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA
UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA giovedì 9 novembre 2017// Centro Studi PIM - Villa Scheibler Modelli di simulazione Multimodale: caratteristiche, dati di
DettagliCORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO
corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it
DettagliCORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO
corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio a.a. 2012-2013 CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa
DettagliPIANIFICAZIONE DEI TRASPORTI
Università di agliari DIAAR Dipartimento di Ingegneria ivile, Ambientale e architettura Sezione Trasporti PIANIFIAZIONE DEI TRASPORTI Esercitazione 4 Il modello di scelta modale A.A. 206-207 Prof. Italo
DettagliStima della domanda attuale con conteggi dei flussi di traffico
corso di Teoria dei Sistemi di Trasporto Stima della domanda attuale con conteggi dei flussi di traffico PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it Introduzione
DettagliModelli fisici (usati in architettura, nella meccanica dei fluidi, etc.) Modelli astratti (mentali, matematici, etc.)
Rappresentazione semplificata di una parte del mondo reale (sistema di interesse) attraverso la definizione di elementi considerati importanti per la sua analisi e secondo un particolare punto di vista:
DettagliDomanda merci internazionale Import-Export
Corso di LOGISTICA TERRITORIALE www.uniroma2.it/didattica/lt_20112011 DOCENTE prof. ing. Agostino Nuzzolo Domanda merci internazionale Import-Export Quadro di riferimento Geografic Area Import Export 2007
DettagliMODELLI DI DOMANDA. Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa.
corso di Teoria e Tecnica della Circolazione MODELLI DI DOMANDA Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it Modelli di domanda Sistema di modelli per la
DettagliModelli per l assegnazione della domanda alle reti di trasporto aereo
Corso di Gestione ed Esercizio dei Sistemi di Trasporto www.uniroma2.it/didattica/gest Modelli per l assegnazione della domanda alle reti di trasporto aereo Definizione del problema Modelli di domanda
DettagliDEFINIZIONI. CORSA connessione spazio-temporale data da una sequenza di fermate con determinati orari di partenza/arrivo.
DEFINIZIONI Dato un sistema di trasporto collettivo: CORSA connessione spazio-temporale data da una sequenza di fermate con determinati orari di partenza/arrivo. LINEA insieme di corse con le stesse caratteristiche
DettagliModelli Decisionali per la Stima della Domanda di Mobilità
Modelli Decisionali per la Stima della Domanda di Mobilità dambra@unina.it rodia@unina.it Schema Sintetico Sistema di Offerta Sistema di Trasporto Sistema di Domanda Modello di Offerta Modello di Domanda
DettagliStima diretta della domanda di trasporto
Corso di PIANIFICAZIONE DEI TRASPORTI Prof. Ing. Agostino Nuzzolo Aprile 005 Stima diretta della domanda di trasporto Stima della domanda di trasporto STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA ATTUALE
DettagliStima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori
Stima dei parametri I parametri di una pdf sono costanti che caratterizzano la sua forma r.v. parameter Assumiamo di avere un campione di valori Vogliamo una funzione dei dati che permette di stimare i
DettagliCORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO. Programma del corso di Tecnica ed Economia dei Trasporti. Prof.
CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO Programma del corso di Tecnica ed Economia dei Trasporti Prof. Andrea Papola Introduzione al corso La professione dell ingegnere dei sistemi
Dettagli(1,2) 800 (1,3) 500. Figura 1 Alternative di percorso tra le coppie di zone dell area di studio (1,2) e (1,3).
ESERCIZIO SCELTA DEL PERCORSO Si consideri un area di studio costituita da tre zone di traffico. Siano: - A e B i percorsi che collegano la coppia di zone (1,2); - C e D i percorsi che collegano la coppia
DettagliCorso di TEORIA DEI SISTEMI DI TRASPORTO 2. prof. ing. Umberto Crisalli
Corso di TEORIA DEI SISTEMI DI TRASPORTO 2 prof. ing. Umberto Crisalli Stima della domanda attuale con conteggi dei flussi di traffico 1 Introduzione Stima della Domanda Attuale Stima della Domanda Attuale
DettagliIMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sull Area della Città di Carignano e del Comune di La Loggia
IMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sull Area della Città di Carignano e del Comune di La Loggia CITTA DI CARIGNANO COMUNE DI LA LOGGIA Le Indagini campionarie
DettagliIMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di Venaria Reale
IMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di Reale CITTA DI VENARIA REALE Le Indagini campionarie sulla Mobilità delle persone e sulla Qualità dei
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
Dettagli4. MODELLI DI SCELTA DEL PERCORSO
4. MODELLI DI SCELTA DEL PERCORSO Il modello di scelta del percorso fornisce l aliquota p[/oshdm] degli spostamenti effettuati da utenti di categoria i, che utilizzano ciascun percorso relativo al modo
DettagliCampus Tor Vergata infrastrutture e mobilità tra presente e futuro
Campus Tor Vergata infrastrutture e mobilità tra presente e futuro Prof. Umberto Crisalli Mobility Manager crisalli@ing.uniroma.it Ottobre Conteggi di traffico Trasporto Collettivo Conteggio dei saliti
DettagliDifferenze tra metodi di estrazione
Lezione 11 Argomenti della lezione: L analisi fattoriale: il processo di estrazione dei fattori Metodi di estrazione dei fattori Metodi per stabilire il numero di fattori Metodi di Estrazione dei Fattori
DettagliCorso di TEORIA DEI SISTEMI DI TRASPORTO. Prof. Ing. Umberto Crisalli
Corso di TEORIA DEI SISTEMI DI TRASPORTO Prof. Ing. Umberto Crisalli Modelli di domanda 1 Struttura del sistema di modelli per la simulazione dei sistemi di trasporto OFFERTA DI INFRASTRUTTURE E SERVIZI
DettagliIMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sul Comune di Volpiano
IMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sul Comune di COMUNE DI VOLPIANO Le Indagini campionarie sulla Mobilità delle persone e sulla Qualità dei trasporti
DettagliIMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di Moncalieri
IMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di CITTA DI MONCALIERI Le Indagini campionarie sulla Mobilità delle persone e sulla Qualità dei trasporti
DettagliIMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sul Comune di Beinasco
IMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sul Comune di COMUNE DI BEINASCO Le Indagini campionarie sulla Mobilità delle persone e sulla Qualità dei trasporti
DettagliIMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di Piossasco
IMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di CITTA DI PIOSSASCO Le Indagini campionarie sulla Mobilità delle persone e sulla Qualità dei trasporti
DettagliCorso di Laurea: Numero di Matricola: Esame del 31 maggio 2018 Tempo consentito: 120 minuti
Corso di Laurea: Numero di Matricola: Esame del 31 maggio 2018 Tempo consentito: 120 minuti Professor Paolo Vitale Anno Accademico 2017-8 UdA, Scuola d Economia Domanda 1 [6 punti]. (a) La multi-collineartità
Dettaglicorso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A Domanda di mobilità
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 2016-2017 Domanda di mobilità Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it Spostamento: (o
Dettagli4. MODELLI DI SCELTA DEL PERCORSO
4. MODELLI DI SCELTA DEL PERCORSO Il modello di scelta del percorso fornisce l aliquota p[/oshdm] degli spostamenti effettuati da utenti di categoria i, che utilizzano ciascun percorso relativo al modo
DettagliMODELLI DI OFFERTA. Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa. t
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 8-9 MODELLI DI OFFERTA corso selezionato per la sperimentazione della piattaforma di insegnamento/apprendimento Prof. Ing. Umberto Crisalli
DettagliSimulazione statica e dinamica dei sistemi di trasporto
A. A. 2016-2017 Simulazione statica e dinamica dei sistemi di trasporto prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata I sistemi di trasporto Sono costituiti
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello
Metodi Quantitativi per Economia, Finanza e Management Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello 1. Introduzione ai modelli di regressione 2. Obiettivi 3. Le
DettagliModelli di scelta del percorso (cenni)
Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO (tutti i CCS tranne Civile e Gestionale) www.uniroma.it/didattica/pst_accs ing. Antonio Comi ottobre 006 Modelli di scelta del percorso (cenni) Il modello
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2018.html
DettagliIMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di Chieri
IMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di CITTA DI CHIERI Le Indagini campionarie sulla Mobilità delle persone e sulla Qualità dei trasporti (IMQ)
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2017.html
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliSistemi di mobilità locale
Indicatore Adriatic Action Plan n. 5 - Scheda Metodologica (pag. 1) METODOLOGIA TRATTA DA VERSO UN PROFILO DI SOSTENIBILITA LOCALE - INDICATORI COMUNI EUROPEI. Schede Metodologiche (Novembre 2002): INDICATORE
DettagliComune di Dolo Piano Generale del Traffico Urbano. Allegato P2_2 - Materiali indagine alle famiglie. Ottobre 2015
ATraKI S.r.l. Spin-off dell Università di Padova Via Armando Diaz, 7015 S. Ambrogio di Valpolicella (VR) Tel. +9 05 6862580 Fax +9 05 688756 Comune di Dolo Piano Generale del Traffico Urbano Allegato P2_2
DettagliLa Decisione Statistica Campione aleatorio: risultato dell osservazione di un fenomeno soggetto a fluttuazioni casuali.
La Decisione Statistica Campione aleatorio: risultato dell osservazione di un fenomeno soggetto a fluttuazioni casuali. Analisi del campione: - descrizione sintetica (statistica descrittiva) - deduzione
DettagliIndagine sugli spostamenti casa-scuola Istituto Palladio
Indagine sugli spostamenti casa-scuola Istituto Palladio (I dati raccolti saranno trattati nel rispetto del D Lsg 196/03 sulla Privacy e utilizzati unicamente per i fini attinenti all indagine sopra indicata,
DettagliAnalisi multivariata per osservazioni appaiate. Analisi multivariata per osservazioni appaiate
Introduzione Notazione Modello additivo Verifica d ipotesi Sia X una variabile q-dimensionale, a valori reali, non degenere, osservata in k tempi diversi (τ 1, τ 2,..., τ k ), sulle stesse n unità statistiche
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliSTATISTICA. Regressione-2
STATISTICA Regressione-2 Esempio Su un campione di =5unità sono state osservate due variabili, ed : x i 1 2 3 4 5 y i 1.5 2.5 3 2.5 3.5 1. Rappresentare l andamento congiunto di in funzione di mediante
DettagliTeoria delle decisioni
A. A. 2017-2018 Teoria delle decisioni introduzione expected utility prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Teoria delle decisioni razionali Teoria
DettagliCorso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO I MODELLI PER LA SIMULAZIONE DELLE INTERAZIONI TRASPORTI TERRITORIO
Corso PROGETTAZIONE DEI SISTEMI DI TRASPORTO www.uniroma2.it/dattica/pst I MODELLI PER LA SIMULAZIONE DELLE INTERAZIONI TRASPORTI TERRITORIO INTRODUZIONE OFFERTA INFRASTRUTTURE E SERVIZI DI TRASPORTO CAPACITA'
DettagliStatistica multivariata! Analisi fattoriale
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Statistica multivariata! Analisi
DettagliIMPATTO DELLE POLITICHE DI GESTIONE DELLA MOBILITÀ SUL PENDOLARISMO CASA UNIVERSITÀ
XV Riunione Scientifica della Società Italiana di Economia dei Trasporti e della Logistica Trasporti, organizzazione spaziale e sviluppo economico sostenibile Venezia 18 20 settembre 2013 IMPATTO DELLE
DettagliPRESENTAZIONE DEL CORSO
Facoltà di Ingegneria - Università di Bologna Anno Accademico: 2010/11 TECNICA ED ECONOMIA DEI TRASPORTI Docenti: Marino Lupi e Luca Mantecchini PRESENTAZIONE DEL CORSO CORSO DI TECNICA ED ECONOMIA DEI
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliComune di Dolo Piano Generale del Traffico Urbano. Allegato P2_1 - Indagine cordonale. Questionari usati per le interviste all utenza.
ATraKI S.r.l. Spin-off dell Università di Padova Via Armando Diaz, 4 37015 S. Ambrogio di Valpolicella (VR) Tel. +39 045 6862580 Fax +39 045 6887456 di Dolo Piano Generale del Traffico Urbano Allegato
Dettaglicorso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A MODELLI DI OFFERTA
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 6-7 MODELLI DI OFFERTA Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Struttura del sistema
Dettaglicorso di Teoria dei Sistemi di Trasporto Modelli di offerta PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa
corso di Teoria dei Sistemi di Trasporto PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Iscrizione al corso Da effettuarsi on line http://delphi.uniroma.it
DettagliLa likelihood. , x 2. } sia prodotto a partire dal particolare valore di a: ; a... f x N. La probabilità che l'i ma misura sia compresa tra x i
La likelihood E' dato un set di misure {x 1, x 2, x 3,...x N } (ciascuna delle quali puo' essere multidimensionale) Supponiamo che la pdf (f) dipenda da un parametro a (anch'esso eventualmente multidimensionale)
DettagliCORSI E SEMINARI DI FORMAZIONE UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA
UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA giovedì 9 novembre 2017// Centro Studi PIM - Villa Scheibler Modelli di simulazione Multimodale: L esperienza dell utilizzo
DettagliMODELLI DI ASSEGNAZIONE
corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio MODELLI DI ASSEGNAZIONE PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Sistema di modelli
DettagliLABORATORIO DI PROBABILITA E STATISTICA
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi 6 ESERCIZI RIEPILOGATIVI PRIME 3 LEZIONI REGRESSIONE LINEARE: SPORT - COLESTEROLO ESERCIZIO 8: La tabella seguente
DettagliTeoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di offerta di trasporto. Esempi applicativi. prof. ing.
A. A. 2016-2017 Modelli di offerta di trasporto richiami di teoria del deflusso Esempi applicativi prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata 1 indice Variabili
DettagliStatistica multivariata
Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Analisi multivariata Cercare di capire le relazioni
DettagliStatistica multivariata
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Analisi multivariata Cercare di capire
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliIMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di Torino
IMQ 2013 Indagine sulla Mobilità delle persone e sulla Qualità dei trasporti Analisi sulla Città di CITTA DI TORINO Le Indagini campionarie sulla Mobilità delle persone e sulla Qualità dei trasporti (IMQ)
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliPROGETTAZIONE DEI SISTEMI DI TRASPORTO
Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO (tutti i CCS tranne Civile e Gestionale) www.uniroma2.it/didattica/pst_accs ing. Antonio Comi ottobre 2006 Domanda di mobilità Struttura del sistema di modelli
DettagliSTATISTICA MULTIVARIATA SSD MAT/06
Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZIONE 4 - Questioni di analisi e applicazione della regressione lineare Pratica
Dettagli