AUTOMA CELLULARE URBANO IN UN PATTERN 3-D. STUDIO DELLA DINAMICA
|
|
- Gabriele Foti
- 7 anni fa
- Visualizzazioni
Transcript
1 XXI CONFERENZA ITALIANA DI SCIENZE REGIONALI AUTOMA CELLULARE URBANO IN UN PATTERN 3-D. STUDIO DELLA DINAMICA Ferdinando SEMBOLONI Dipartimento di Urbanistica e Pianificazione del Territorio, Università di Firenze, Via Micheli 2, Firenze, Italia SOMMARIO Gli automi cellulari si sono rivelati un utile strumento per l indagine della dinamica spaziotemporale discreta in 2-D. Quando vengono applicati al sistema urbano uno dei loro principali svantaggi consiste nella difficoltà a rappresentare la variazione di densità nello spazio. Per risolvere il problema, in questo lavoro viene proposto un metodo basato su uno spazio in tre dimensioni. Le regole del modello sono simili a quelle proposte da White, Engelen e Uljee (1997). Viene descritto il modello e vengono mostrati i risultati ottenuti con esperimenti in un contesto teorico. Successivamente, facendo variare un parametro si studiano le caratteristiche dei cluster ottenuti in 2 e 3 dimensioni. Si indicano possibili sviluppi del modello attraverso la introduzione di vincoli di piano. Lavoro svolto nel quadro di una ricerca di rilevante interesse nazionale, cofinanziata dal Murst. La ricerca è intitolata "Ingegneria della conoscenza nel processo di pianificazione territoriale" ed è coordinata dalla Prof.sa Lidia Diappi, Politecnico di Milano. 1
2 1. INTRODUZIONE La dinamica di automi cellulari (AC) si svolge di solito in un pattern spaziale a una o due dimensioni. Quando questo metodo è applicato alla analisi urbana, esiste una difficoltà a rappresentare sia la variazione della densità che il mix di usi del suolo. A questo problema si può ovviare considerando un set di variabili continue associate ad ogni cella (Semboloni, 1999). In questo lavoro il problema viene risolto in un modo diverso utilizzando cioè uno spazio a tre dimensioni. La dinamica di automi in uno spazio in 3-D è già stata studiata (Bays, 1988). In questo caso verrà fatto uno studio teorico adattando le regole desunte dal metodo proposto da White, Engelen e Uljee (1997) ad un pattern spaziale in 3-D. La terza dimensione permette di introdurre esplicitamente la variazione di densità pur mantenendo il carattere discreto delle variabili. I risultati che si ottengono permettendo alla densità di variare sono diversi da quelli nei quali la densità è costante. Per questo motivo, dopo aver presentato il modello ed i risultati degli esperimenti, verranno paragonati i cluster ottenuti utilizzando un pattern spaziale a due e a tre dimensioni. 2. AUTOMA CELLULARE IN UN PATTERN IN 3-D Il pattern spaziale viene concepito come una griglia di maglie cubiche su tre dimensioni. Ciascuna cella può assumere sette stati: commercio (1), industria (2), residenza (3), vuota (4), fiume (5), ferrovia (6) e strada (7). Una cella con uno stato compreso tra 1 e 3 viene detta edificata. In questo caso, gli stati relativi identificano l attività che si svolge all interno dell edificio. Ogni cella c ijk è individuata da tre indici. I primi due, i e j, danno la posizione sul piano, il terzo, k, rappresenta l altezza, nel caso in cui la cella sia edificata. Difatti, per semplificare, k = 1 rappresenta il piano terreno, k = 2 il primo piano dell edificio e così via. Gli stati compresi tra 5 e 7 sono riservati a celle con k = 1. Ovviamente una cella con k > 1 non può essere edificata se la cella sottostante non è edificata. Ad ogni cella edificata è associato un costo di costruzione che varia in funzione di k. Inoltre ad ogni attività è associato un costo in relazione al piano a cui si svolge. A parità delle altre condizioni, quando questo costo aumenta sensibilmente con l aumentare di k, le celle edificate con k > 1 sono sempre più rare. Il metodo di assegnazione degli stati alle celle è simile a quello di White et al. (1997). Ad ogni cella è associata una potenzialità di passare da uno stato p ad uno stato q, con 1 p 4 e 1 q 3, che viene calcolata come nella equazione 1, gli stati vengono assegnati partendo dalla potenzialità massima sino a che la quantità globale stabilita esogenamente viene raggiunta. Difatti la potenzialità della cella c ijk di passare dallo stato p allo stato q, è calcolata con la seguente equazione: P p,q = vs ijk (1 + m q,r,d I d ) + H p C k F q,k, (1) r,d dove: P p,q è il potenziale di transizione dallo stato p allo stato q nella cella c ijk ; m q,r,d è il peso associato alle celle in stato r distanti d da c ijk in relazione allo stato q; I d = 1 se lo stato della cella distante d da c ijk è uguale a r, I d = 0 altrimenti; 2
3 H q parametro di inerzia: H q > 0 se q = p, altrimenti H q = 0; C k costo di costruzione al piano k nel caso in cui p = 4; F k,q costo associato allo svolgere l attività q al piano k; s ijk è difficoltà a edificare in rapporto alla pendenza del terreno, 0 < s ijk < 1; v è il rumore: v = 1 + [ ln(rand)] α. 3. RISULTATI DEGLI ESPERIMENTI Il contesto in cui viene fatta la simulazione è teorico. Le quantità globali di attività sono assegnate mentre la loro distribuzione spaziale è calcolata dal modello durante 100 iterazioni. Per quanto riguarda i parametri m q,r,d, essi sono uguali a quelli stabiliti in White et al.(1997) e sono rappresentati nei grafici in figura 1. Il numero massimo dei piani è limitato a 10. I parametri relativi a C k e F k,q sono mostrati nella tabella 1. Tabella 1: Il costo di costruzione C k e il costo F k,q associato allo svolgere l attività q al piano k. k C k F k,1 F k,2 F k, Si mostrano i risultati ai passi 50 e 100 (figure 2 e 3). Il terreno è rappresentato in colore verde, le strade in nero, la ferrovia in arancione e il fiume in celeste. Gli edifici commerciali sono rossi, quelli industriali gialli e quelli residenziali blu. Ovviamente l attività localizzata in un insieme di celle con i e j costanti può variare al variare di k. Per questo motivo, mentre il lato destro dell edificio è rappresentato in bianco, il lato sinistro è rappresentato con il colore relativo alla attività che si svolge a ciascun piano e la copertura è colorata in base alla attività maggiormente presente. 4. DIFFERENZE TRA 2 E 3-D Allo scopo di considerare gli effetti della terza dimensione è stato fatto variare il parametro F k,q (costo associato allo svolgere l attività q al piano k) moltiplicandolo per un fattore f che varia da 0.5 a 2.5. Quando questo fattore supera il valore di 2.5, a parità degli altri parametri utilizzati nel modello, le celle edificate sono solo quelle con k = 1, quindi il cluster risulta praticamente in due dimensioni. Al di sotto del valore di 0.5 si edifica quasi sempre sino a k = 10. 3
4 Figura 1: La variazione dei pesi m q,r,d. Grafico A: in ascissa la distanza (d), in ordinata il peso delle celle in stato r (gli stati sono elencati in legenda con il relativo colore) in relazione al commercio (q = 1). Grafico B: ordinata, peso delle celle in relazione all industria (q = 2). Grafico C: ordinata, peso delle celle in relazione alla residenza (q = 3). 4
5 Figura 2: Vista assonometrica del cluster dopo 50 iterazioni. 5
6 Figura 3: Vista assonometrica del cluster dopo 100 iterazioni. 6
7 Sono stati fatti 100 esperimenti, facendo variare il fattore f da 0.5 a 2.5. I cluster ottenuti sono stati valutati con i seguenti indicatori: 1. numero delle celle costruite; 2. deviazione standard della localizzazione delle celle edificate intorno al loro baricentro; 3. concentrazione delle attività, calcolata con il numero medio delle celle con la stessa attività della cella centrale, nelle otto celle confinanti. I risultati degli esperimenti in rapporto agli indicatori sono mostrati in figura 4. Con l aumentare del fattore f aumenta sia il numero delle celle edificate che la deviazione standard. Ciò significa che le attività tendono ad essere più disperse, tranne le attività industriali per le quali era stato fissato un costo (F k,q ) che aumenta sensibilmente con k > 1 (vedi tabella 1). Viceversa la concentrazione delle attività diminuisce con l aumentare del fattore. Esistono quindi delle differenze sostanziali nei cluster ottenuti. Tali differenze sono imputabili principalmente alla variazione della densità che si ottiene usando le tre dimensioni. Quindi si può affermare che l introduzione della terza dimensione modifica le caratteristiche del cluster. 5. SVILUPPI DEL MODELLO Il modello può essere facilmente implementato introducendo un ulteriore costo derivante dalla presenza di un vincolo di piano. Ciò permette di stabilire una interattività tra il modello e l utilizzatore e di sperimentare le possibili evoluzioni di un centro urbano in rapporto ai piani. 6. CONCLUSIONI È stata proposta una dinamica spaziale su tre dimensioni. Si sono confrontati i risultati ottenuti facendo variare il parametro che regola la costruzione in altezza. In conclusione un modello in 3-D, non solo è più realistico ma permette di cogliere meglio la dinamica urbana, dal momento che ammette una variazione di densità del costruito tra le celle. Inoltre questo metodo permetterà di paragonare i risultati ottenuti con l uso di mappe accoppiate a quelli ottenuti con AC. BIBLIOGRAFIA Bays, C., 1988, Classification of semitotalistic cellular automata in three dimensions, Complex Systems, Semboloni F., 1999, A Coupled map lattice approach to the simulation of land-use and transportation. Case study of Abidjan in P. Rizzi (ed.) Computers in Urban Planning and in Urban Management on the Edge of the Millennium, Milano, F.Angeli. White R., Engelen G., Uljee I., 1997, The use of constrained cellular automata for highresolution modelling of urban land-use dynamics, Environment and Planning B: Planning and Design, 24,
8 Figura 4: La variazione degli indicatori (in ordinata) al variare del fattore f (in ascissa). Grafico A, celle edificate; grafico B, deviazione standard dal baricentro; grafico C, numero medio delle celle con la stessa attivià nelle otto celle confinanti. 8
9 ABSTRACT Cellular automata method is an useful tool for the analysis of a discrete spatio-temporal dynamic. Nevertheless the difficulty to represent variation of density and mix of the land uses is a disadvantage of the method. In order to overcome this obstacle I propose an approach based on a 3-D spatial pattern. The rules of dynamic are similar to that utilised by White, Engelen e Uljee (1997). A model is proposed and a set of experiments on a theoretic context are shown in order to discuss differences of results obtained by using a 2 and 3-D spatial pattern. Conclusions are drawn on the utility of the present approach. 9
INTRODUZIONE ALLA FISICA PROF. FRANCESCO DE PALMA
INTRODUZIONE ALLA FISICA PROF. FRANCESCO DE PALMA Sommario GRANDEZZE FISICHE... 3 UNITÀ DI MISURA... 3 PREFISSI... 5 ANALISI DIMENSIONALE... 5 CONVERSIONI DI UNITÀ... 6 SISTEMI DI COORDINATE... 7 I VETTORI...
Lezione n. 1 (a cura di Irene Tibidò)
Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria
( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:
e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come
ATTIVITÀ IN CAMPO SISMICO RECENTI STUDI E SVILUPPI FUTURI
ATTIVITÀ IN CAMPO SISMICO RECENTI STUDI E SVILUPPI FUTURI Attività in campo sismico. CLASSIFICAZIONE DELLA PERICOLOSITÀ SISMICA DEL TERRITORIO NAZIONALE ATTRAVERSO PARAMETRI STATISTICI Obiettivi Restituire
LABORATORIO DI FISICA I
UNIVERSITA DEGLI STUDI DI PALERMO CORSO DI LAUREA IN SCIENZE FISICHE A.A. 2018/2019 13 Dicembre 2018 LABORATORIO DI FISICA I RELAZIONE TERZA ESPERIENZA DI LABORATORIO GRUPPO 1 Nigrelli Giulia Valenti Giuseppe
Lezione 6 Richiami di Geometria Analitica
1 Piano cartesiano Lezione 6 Richiami di Geometria Analitica Consideriamo nel piano due rette perpendicolari che si intersecano in un punto O Consideriamo ciascuna di queste rette come retta orientata
Distribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
Triangolazione di Delaunay
Triangolazione di Delaunay Francesco Visentin Dottorato di Ricerca in Informatica - XXVIII Ciclo Università degli Studi di Verona 13 Maggio 2013 Triangolazione Presentazione Divisione di una superficie
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II SCUOLA POLITECNICA E DELLE SCIENZE DI BASE Dipartimento di ingegneria civile, edile ed ambientale Corso di Laurea Magistrale in INGEGNERIA PER L AMBIENTE E
Blanchard, Macroeconomia, Il Mulino Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM
Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM 1. Il mercato dei beni e la curva IS L equilibrio sul mercato dei beni attraverso la condizione di uguaglianza tra produzione, Y,
UNIVERSITA DEGLI STUDI DI CAGLIARI
UNIVERSITA DEGLI STUDI DI CAGLIARI Dipartimento di Ingegneria del territorio Corso di Tecnica Urbanistica A.A. 2011/2012 Seminario introduttivo sui Sistemi di Supporto alla Pianificazione Docente Tutor
Domanda e Offerta Prof.ssa Sabrina Pedrini
Domanda e Offerta rof.ssa Sabrina edrini Esercizio 1 Le curve di domanda e di offerta in un dato mercato per un dato bene sono rispettivamente: d 50 2p e s 10 p a) Determinate il prezzo e la quantità di
POLITECNICO DI TORINO
POLITECNICO DI TORINO III Facoltà di Ingegneria dell Informazione Corso di Laurea Magistrale in Ingegneria Informatica Tesina di Intelligenza Artificiale Clustering su dati climatici usando Kohonen map
Comune di Pragelato VARIANTE URBANISTICA SEMPLIFICATA ANALISI DELLA DENSITA' URBANA
L.R. n. 56/1977 e s.m.i., art. 17bis, IV comma VARIANTE URBANISTICA SEMPLIFICATA Comune di Pragelato Progetto: Studio tecnico associato Dr. Arch. C.F. Archetti Dr. Arch. D. Quarantini via Quarto dei Mille
SCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
Economia Politica MACRO 4
Economia Politica MACRO 4 Sergio Vergalli vergalli@eco.unibs.it Sergio Vergalli - Macro Lez 4 1 Capitolo V. I mercati dei beni e i mercati finanziari Sergio Vergalli - Macro Lez 4 2 il modello IS-LM Sergio
FM210 / MA - Prima prova pre-esonero ( )
FM10 / MA - Prima prova pre-esonero (4-4-018) 1. Una particella di massa m si muove in una dimensione sotto l effetto di una forza posizionale, come descritto dalla seguente equazione: mẍ = A x xx 0 3x
Densità di Popolazione con QGis - marcoronconi.net
Obiettivo dell'articolo è di introdurre il lettore ad un metodo per costruire una mappa di densità della popolazione residente in un centro urbano per mezzo di strumenti GIS open source, in particolare
FISICA. Elaborazione dei dati sperimentali. Autore: prof. Pappalardo Vincenzo docente di Matematica e Fisica
FISICA Elaborazione dei dati sperimentali Autore: prof. Pappalardo Vincenzo docente di Matematica e Fisica LE GRANDEZZE FISICHE Una grandezza fisica è una quantità che può essere misurata con uno strumento
Esercitazione 1 C.A. DIAGRAMMI DI INVILUPPO
Esercitazione 1 C.A. DIAGRAMMI DI INVILUPPO 6.1 Inviluppo delle azioni di progetto 6.1.1 Esempio 1 Si consideri la trave ad una campata con mensola soggetta ai carichi illustrati in figura: Figura 0.1
Esercitazioni di statistica
Esercitazioni di statistica Boxplot e numeri indici Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 14 Ottobre 014 Stefania Spina Esercitazioni di statistica 1/37 Definizioni La
Elementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
Programmazione Lineare Intera: Piani di Taglio
Programmazione Lineare Intera: Piani di Taglio Andrea Scozzari a.a. 2014-2015 April 22, 2015 Andrea Scozzari (a.a. 2014-2015) Programmazione Lineare Intera: Piani di Taglio April 22, 2015 1 / 23 Programmazione
Modelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
Intelligenza Artificiale. Clustering. Francesco Uliana. 14 gennaio 2011
Intelligenza Artificiale Clustering Francesco Uliana 14 gennaio 2011 Definizione Il Clustering o analisi dei cluster (dal termine inglese cluster analysis) è un insieme di tecniche di analisi multivariata
Array e Oggetti. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 12. A. Miola Dicembre 2006
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 12 Array e Oggetti A. Miola Dicembre 2006 http://www.dia.uniroma3.it/~java/fondinf1/ Array e Oggetti 1 Contenuti Array paralleli
Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II SCUOLA POLITECNICA E DELLE SCIENZE DI BASE Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio UN APPLICAZIONE DEL MODELLO DELTA D INTERAZIONE
MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero 2 prova: 25 luglio 2005
Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero prova: 5 luglio 005 COGNOME NOME FIRMA: : : : [7,5 crediti]
questioni Greater London Plan La crescita inarrestabile di Londra tra 700 e 800
La crescita inarrestabile di Londra tra 700 e 800 Schema della regione londinese 1700 500.000 1801 1.000.000 1851 2.500.000 1881 4.000.000 1901 6.500.000 1939 9.000.000 Home Counties City Greater London
LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
Corso di Intelligenza Artificiale A.A. 2016/2017
Università degli Studi di Cagliari Corsi di Laurea Magistrale in Ing. Elettronica Corso di Intelligenza rtificiale.. 26/27 Esercizi sui metodi di apprendimento automatico. Si consideri la funzione ooleana
La verità giace in un ambito molto ristretto, ma l errore è immenso... Henry St John, Reflextion on Exile
La verità giace in un ambito molto ristretto, ma l errore è immenso... Henry St John, Reflextion on Exile APPROCCIO TRADIZIONALE APPROCCIO MODERNO Variabilità Variabilita casuale + completamente dipendente
Algoritmi e Principi dell'informatica Seconda Prova in Itinere - 14 Febbraio 2014
Algoritmi e Principi dell'informatica Seconda Prova in Itinere - 14 Febbraio 2014 Nome..Cognome.Matr. Laureando Avvisi importanti Il tempo a disposizione è di 1 ora e 30 minuti. Se non verranno risolti
Reti Logiche 1. Prof. B. Buttarazzi A.A. 2009/2010. Reti Sequenziali
Reti Logiche Prof. B. Buttarazzi A.A. 29/2 Reti Sequenziali Sommario Analisi di Reti Sequenziali Sintesi di Reti Sequenziali Esercizi 3/6/2 Corso di Reti Logiche 29/ 2 Analisi di Reti Sequenziali Passare
Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
Dr. Marco Vicentini Anno Accademico Rev 20/04/2011
Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 20/04/2011 La distribuzione χ 2 Tabelle di contingenza
percorso 4 Estensione on line lezione 2 I fattori della produzione e le forme di mercato La produttività La produzione
Estensione on line percorso 4 I fattori della produzione e le forme di mercato lezione 2 a produzione a produttività Una volta reperiti i fattori produttivi necessari l imprenditore dovrà decidere come
La retta nel piano cartesiano
La retta nel piano cartesiano Cominciamo con qualche esempio. I) Rette parallele agli assi cartesiani Consideriamo la retta r in figura: i punti della retta hanno sempre ordinata uguale a 3. P ( ;3) Q
2.1 Numeri naturali, interi relativi, razionali
2.1 Numeri naturali, interi relativi, razionali Definizione L insieme N = {0, 1, 2, 3,...} costituito dallo 0 e dai numeri interi positivi è l insieme dei numeri naturali. Se a, b 2 N, allora mentre non
Massimi e minimi vincolati
Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché
Distribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
Esercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
Lezione 05. Costruzione di grafici a torte, grafici a linee, istogrammi
Lezione 05 Costruzione di grafici a torte, grafici a linee, istogrammi Grafici a TORTA In un grafico a torta il cerchio (torta) è diviso in settori la cui ampiezza angolare è proporzionale al valore delle
Metodi e modelli per le decisioni
Metodi e modelli per le decisioni Roberto Cordone A. A. 2015-16 5.5 Esercizi Nota : Devo molti di questi esercizi a temi d esame del prof. Alberto Colorni. Nota : Gli esercizi e le soluzioni non sono stati
Serie storiche Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Serie storiche Introduzione Per alcuni dataset, l attributo target è soggetto ad un evoluzione temporale e risulta associato ad istanti di tempo successivi. I modelli di analisi delle serie storiche si
Corsi di laurea in Matematica e Fisica - Anno Accademico 2017/18 FM210 / MA
Corsi di laurea in Matematica e Fisica - Anno Accademico 07/8 FM0 / MA Seconda Prova di Esonero [8-5-08]. Un sistema meccanico è costituito da due sbarre uguali, rettilinee, omogenee, pesanti, di massa
Le Autolinee di lunga percorrenza: un mercato in crescita
Paolo Beria, Dario Nistri, Antonio Laurino www.traspol.polimi.it Dipartimento di Architettura e Studi Urbani Politecnico di Milano Milano, 28-29 Settembre 2017 1 Introduzione Gen 2016 Set 2016 Mar 2017
Metodi geometrici per l algebra
S.S.I.S. - Scuola di Specializzazione per l Insegnamento Secondario della Toscana Sede di Firenze Laboratorio di Informatica - Cabri Metodi geometrici per l algebra Maria Rita Lungo Anno accademico 2007/2008
UTOE 12 I Passi Via Belli - residenze
UTOE 12 I Passi Via Belli - residenze QUADRO CONOSCITIVO LOCALIZZATO Indice Inquadramento territoriale, descrizione e contestualizzazione...2 Pericolosità idraulica, acque superficiali e depurazione...5
PIANIFICAZIONE DEI TRASPORTI
Università di Cagliari DICAAR Dipartimento di Ingegneria Civile, Ambientale e architettura Sezione Trasporti PIANIFICAZIONE DEI TRASPORTI Esercitazione 6 Il modello di assegnazione A.A. 2016-2017 Ing.
FM210 / MA - Soluzioni della seconda prova di esonero ( )
FM10 / MA - Soluzioni della seconda prova di esonero (31-5-017) Esercizio 1. Un asta rigida omogenea AB di lunghezza l e massa M è vincolata a muoversi su un piano verticale Π, con estremo A fissato nel
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Rappresentazioni grafiche
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Rappresentazioni grafiche 1 Una rappresentazione grafica Per una rappresentazione sintetica della
Universita degli Studi di Siena
Universita degli Studi di Siena Facolta di Ingegneria Dispense del corso di Sistemi di Supporto alle Decisioni I La Programmazione Dinamica Chiara Mocenni Corso di Laurea triennale in Ingegneria Gestionale
Piano cartesiano e retta
Piano cartesiano e retta Il punto, la retta e il piano sono concetti primitivi di cui non si da una definizione rigorosa, essi sono i tre enti geometrici fondamentali della geometria euclidea. Osservazione
BOLLETTINO UNIONE MATEMATICA ITALIANA
BOLLETTINO UNIONE MATEMATICA ITALIANA Sezione A La Matematica nella Società e nella Cultura Guglielmo Guastalla Applicazioni di ricerca operativa nell ambito del traffico aereo Bollettino dell Unione Matematica
COGNOME E NOME MATR. ANALISI DEI DATI PER IL MARKETING novembre 2008.
COGNOME E NOME MATR. ANALISI DEI DATI PER IL MARKETING novembre 2008. ESERCIZIO I Si è applicata l analisi delle componenti principali a 97 modelli di fotocamere digitali, considerando 7 variabili ed ottenendo
Allegato 4. INDICATORE 4 Aree agricole ad Alto Valore Naturale (HNV FARMING) METODOLOGIA E RISULTATI
Allegato 4 INDICATORE 4 Aree agricole ad Alto Valore Naturale (HNV FARMING) Elaborazioni eseguite in collaborazione con il CAAR (Centro Agrometeorologia Applicata Regionale Regione Liguria) METODOLOGIA
Statistica a.a Autovalutazione 1
Statistica a.a. 016-17 Autovalutazione 1 CORSO: Diritto per le Imprese e le Istituzioni ATTENZIONE: alle domande aperte è stato dato un possibile esempio di risposta, altre parole possono essere usate
RELAZIONE DI FINE TIROCINIO
FACOLTA DI INGEGNERIA CIVILE Corso di Laurea Magistrale in Ingegneria Civile per la protezione dai rischi naturali. Anno Accademico 2016/2017 RELAZIONE DI FINE TIROCINIO Realizzazione di un modello agli
ESERCITAZIONI N. 1 Corso di Statistica
ESERCITAZIONI N. 1Corso di Statistica p. 1/33 ESERCITAZIONI N. 1 Corso di Statistica Marco Picone Università Roma Tre ESERCITAZIONI N. 1Corso di Statistica p. 2/33 Introduzione sito: http://scienzepolitiche.uniroma3.it/flagona/
f (a)δa = C e (a a*)2 h 2 Δa
Distribuzione di Gauss Se la variabile non e` discreta ma puo` variare in modo continuo in un certo intervallo e ad ogni suo valore resta assegnata una probabilita` di verificarsi, dalla distribuzione
Definizione della variabile c 2 Distribuzione della variabile c 2
Definizione della variabile c Distribuzione della variabile c In queste definizioni ho N variabili indipendenti, nessun vincolo e quindi N coincide con i gradi di libertà In un sistema fisico dove il numero
A V V E R T E N Z E M E T O D O L O G I C H E
A V V E R T E N Z E M E T O D O L O G I C H E L INDAGINE CONGIUNTURALE L inchiesta congiunturale trimestrale sull economia romana è stata predisposta in analogia a quella che l ISAE già conduce per l
Università degli studi di Napoli Federico II
Università degli studi di Napoli ederico II Scuola Politecnica e delle Scienze di Base Dipartimento di Ingegneria Civile, Edile ed Ambientale Corso di laurea magistrale in Ingegneria per l Ambiente e il
Elementi di Analisi Territoriale
Università degli Studi di Napoli Dipartimento di Economia e Politica Agraria Elementi di Analisi Territoriale Definizione delle Unità Territoriali Operative (UTO) e metodologie di Zonizzazione Corso di
1 SIGNIFICATO DEL DETERMINANTE
UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA - Facoltà di Farmacia e Medicina - Corso di Laurea in CTF 1 SIGNIFICATO DEL DETERMINANTE Consideriamo il seguente problema: trovare l area del parallelogramma
UN'ANALISI DEI DATI STORICI DELLE SRB E DELLE MISURE RF IN ALCUNI SITI DELL AREA DEL COMUNE DI TRENTO
UN'ANALISI DEI DATI STORICI DELLE SRB E DELLE MISURE RF IN ALCUNI SITI DELL AREA DEL COMUNE DI TRENTO Stefano Pegoretti 1, Carla Malacarne 2, Laura Toniutti 2 1 Agenzia Provinciale Protezione Ambiente
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
Università della Calabria
Università della Calabria FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Civile CORSO DI IDROLOGIA N.O. Prof. Pasquale Versace SCHEDA DIDATTICA N 3 CURVE DI PROBABILITÀ PLUVIOMETRICA A.A. 00- CURVE
M. Marra Appunti delle Lezioni di Ricerca Operativa Problemi e metodi di ottimizzazione PROBLEMI E METODI DI OTTIMIZZAZIONE
CAPITOLO I PROBLEMI E METODI DI OTTIMIZZAZIONE 1. Componenti di base Tutti i problemi di ottimizzazione dipendono da tre componenti di base: le variabili del problema, la funzione obiettivo ed i vincoli.
Geometria analitica di base. Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa
Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa Equazioni di primo grado nel piano cartesiano Risoluzione grafica di un equazione
Introduzione agli Algoritmi 4. Problemi. Dal Problema alla Soluzione
Sommario Problemi e soluzioni Definizione informale di algoritmo e esempi Proprietà degli algoritmi Input/Output, Variabili Algoritmi senza input o output 1 2 Problema Definizione (dal De Mauro Paravia):
Proposta sistema elettorale per elezioni parlamentari
Circolo PD Parigi Data: 11 Agosto 2013 Edizione: 2.0 Proposta sistema elettorale per elezioni parlamentari Questo documento illustra la proposta di un nuovo sistema elettorale pensato per l elezione legislativa
ANALISI DELLE POTENZIALITÀ ENERGETICHE DELLE BIOMASSE VEGETALI: UN MODELLO TERRITORIALE PER LA FILIERA BIOGAS. C. Caprara, R.
Convegno di Medio Termine dell Associazione Italiana di Ingegneria Agraria Belgirate, 22-24 settembre 2011 memoria n. 1 ANALISI DELLE POTENZIALITÀ ENERGETICHE DELLE BIOMASSE VEGETALI: UN MODELLO TERRITORIALE
5 La valutazione dell attività di ricerca dei dipartimenti
5 La valutazione dell attività di ricerca dei dipartimenti La VQR aveva, tra i suoi compiti, quello di fornire alle istituzioni una graduatoria dei dipartimenti universitari in riferimento a ciascuna area
I GRAFICI CON IL FOGLIO DI CALCOLO DI OPENOFFICE. SCHEDA 1 INSERIMENTO
I GRAFICI CON IL FOGLIO DI CALCOLO DI OPENOFFICE. SCHEDA 1 AL TERMINE SARAI IN GRADO DI... - Inserire dati in un foglio di lavoro di OPEN OFFICE; - organizzare tabelle di dati; - rappresentare dati con
L A B C di R. Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010
L A B C di R 0 20 40 60 80 100 2 3 4 5 6 7 8 Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010 La scelta del test statistico giusto La scelta della analisi
3. rappresentare mediante i grafici ritenuti più idonei le distribuzioni di frequenze assolute dei diversi caratteri;
Esercizio 1 Il corso di Statistica è frequentato da 10 studenti che presentano le seguenti caratteristiche Studente Sesso Colore Occhi Voto Soddisfazione Età Stefano M Nero 18 Per niente 21 Francesca F
Consumo e Risparmio. studieremo quali sono le determinanti del consumo (e quindi del risparmio)
Consumo e Risparmio In questa lezione: studieremo quali sono le determinanti del consumo (e quindi del risparmio) analizzeremo cosa dicono i fatti empirici studiamo l equilibrio di un economia chiusa nella
DISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
Indice della presentazione
Indice della presentazione Introduzione; Risposta spettrale della vegetazione e riconoscimento incendi; Tecniche di classificazione automatica e mappe del combustibile; Stima di parametri biochimici e
7. STATISTICA DESCRITTIVA
7. STATISTICA DESCRITTIVA Quando si effettua un indagine statistica si ha a che fare con un numeroso insieme di oggetti, detto popolazione del quale si intende esaminare una o più caratteristiche (matricole
Equazioni, funzioni e algoritmi: il metodo delle secanti
Equazioni, funzioni e algoritmi: il metodo delle secanti Christian Ferrari 1 Introduzione La risoluzione di equazioni in R ci ha mostrato che solo per le equazioni polinomiali di primo e secondo grado,
Principi e Metodologie della Progettazione Meccanica
Principi e Metodologie della Progettazione Meccanica ing. F. Campana a.a. 06-07 Lezione 13: Robust Design Robust Design significato ed esempi Le tecniche di ottimizzazione fin qui viste hanno un ampio
Piano cartesiano e Retta
Piano cartesiano e Retta 1 Piano cartesiano e Retta 1. Richiami sul piano cartesiano 2. Richiami sulla distanza tra due punti 3. Richiami punto medio di un segmento 4. La Retta (funzione lineare) 5. L
Uso di Big data in Epidemiologia ambientale ed occupazionale. Progetto BEEP ATTIVITÁ 3.1.
Uso di Big data in Epidemiologia ambientale ed occupazionale Progetto BEEP ATTIVITÁ 3.1. Protocollo operativo per la determinazione di mappe di concentrazione di inquinanti atmosferici e di parametri meteorologici
SOLUZIONI Data la funzione. = x. a) scrivi qual è il dominio di f
. Data la funzione a) scrivi qual è il dominio di f SOLUZIONI f ) ( b) scrivi quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni
Sistema di misurazione e valutazione della performance individuale del personale dell Ente Foreste della Sardegna Manuali operativi
Sistema di misurazione e valutazione della performance individuale del personale dell Ente Foreste della Sardegna (Approvati con Delibera del Consiglio di Amministrazione n. 145 del 11.09.2014, sulla base
25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
Appunti sul galleggiamento a cura di E. Giordano e S. Rossi a.a 2015/2016. Galleggiare/affondare di un oggetto
Appunti sul galleggiamento a cura di E. Giordano e S. Rossi a.a 2015/2016 Galleggiare/affondare di un oggetto Prima di tutto diamo una definizione condivisa del termine galleggiare : un corpo galleggia
I Dati Strutturati ed il Linguaggio C
Corso di Laurea in Ingegneria Civile Politecnico di Bari Sede di Foggia Fondamenti di Informatica Anno Accademico 2011/2012 docente: Prof. Ing. Michele Salvemini Sommario Dati Strutturati Esigenze Vettori
Laboratorio di Analisi Numerica Lezione 7
Laboratorio di Analisi Numerica Lezione 7 Gianna Del Corso Leonardo Robol 19 Novembre 2013 Quantità di esercizi: in questa dispensa ci sono più esercizi di
La variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le
La gestione delle limitazioni aeronautiche nelle zone limitrofe agli aeroporti
La gestione delle limitazioni aeronautiche nelle zone limitrofe agli aeroporti AUTORI Paregiani Alessandro - In-TIME S.r.l., paregiani@innovazioniperlaterra.org Cometa Francesco - Aeronautica Militare