L ANALISI DELL OFFERTA STIMA DELLE FUNZIONI DI COSTO

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "L ANALISI DELL OFFERTA STIMA DELLE FUNZIONI DI COSTO"

Transcript

1 L ANALISI DELL OFFERTA STIMA DELLE FUNZIONI DI COSTO Econome d scala: E veo che le mpese pccole hanno cost med supeo alle mpese pù gand? Econome d appendmento (leanng by dong): E veo che cost med decescono all aumentae dell ammontae cumulato d poduzone effettuata nel passato? Econome d dvesfcazone: E veo che le mpese che poducono pù ben hanno cost med nfeo alle mpese che poducono ben specalzzat? Econome d ntegazone vetcale: E veo che cost med d mpese che sono attve n pù fas del pocesso poduttvo d un patcolae bene (poduzone ben ntemed, assemblaggo, commecalzzazone) sono nfeo a quell d mpese specalzzate n una fase del pocesso poduttvo?

2 Econome d scala V sono econome d scala decescent, costant o cescent a seconda che l costo cesca pù che popozonalmente, popozonalmente, o meno che popozonalmente all aumentae della quanttà podotta. 1) econome pecunae: scont pe gand odnatv 2) econome eal: - econome stocastche: quando aumenta la quanttà podotta (pe esempo entando n un mecato con schostà analoga ma ndpendente spetto al mecato n cu gà s opea) s duce la vaabltà n aggegato: sqm (nq) = [n va (Q)] 0.5 = sqm (Q) n - econome de fatto comun: patzone d cost fss (spese pubblctae, spese d ceca e svluppo, ) su quanttà pù elevate - econome ngegnestche: es. quanttà che aumentano n base a volum ma cost che aumentano n base alla supefce : Cb=Ca (Vb/Va) x dove Cb è l costo dell mpanto gande, Ca quello dell mpanto pccolo, V ndca l volume, x è nfeoe a uno e ndca le econome d scala

3 Leanng by Dong I cost dpendono dall ammontae d ben cumulat podott n passato. ln C t = ln C 0 a c ln n t u t dove C 0 è l costo medo untao nzale, n t è l ammontae cumulato d poduzone dal peodo nzale al peodo t e a c ha segno atteso negatvo.

4 Stma d funzon d costo e endment d scala Da una funzone d poduzone Cobb- Douglas Q= A x 1 a1 x 2 a2 x 3 a3 Soggetta al vncolo CT = P 1 x 1 P 2 x 2 P 3 x 3 S cava la seguente funzone d costo CT = k Q 1/ P 1 a1/ P 2 a2/ P 3 a3/ dove k= [A a 1 a1 a 2 a2 a 3 a3 ] -1/ a 1 a 2 a 3 = ndca la pesenza d endment d scala costant (=1), cescent (>1) o decescent (<1) Il fatto che a 1 /a 2 /a 3 /=1 mplca che se tutt pezz degl nput vensseo addoppat l costo totale veebbe esattamente addoppato (omogenetà d pmo gado spetto a pezz degl nput). Espmendo l equazone n logatm è possble, conoscendo dat su pezz e sulle quanttà, stmae la funzone d costo: ln CT = ln k (1/) ln Q (a 1 /) ln P 1 (a 2 /) ln P 2 (a 3 /) ln P 3 e

5 Posso stmae la seguente elazone ln CT = β 0 β Q ln Q β 1 ln P 1 β 2 ln P 2 β 3 ln P 3 e mponendo come estzone che β 1 β 2 β 3 = 1 oppue s possono dvdee tutte le vaabl (escluso Q pe P3) mponendo qund dettamente nella stma che β 3 = 1- β 1 -β 2 ln CT = β 0 β Q ln Q β 1 ln P 1 β 2 ln P 2 (1- β 1 -β 2 ) ln P 3 e ln CT - ln P 3 = β 0 β Q ln Q β 1 (ln P 1 -ln P 3 ) β 2 (ln P 2 -ln P 3 ) e ln (CT/P 3 )= β 0 β Q ln Q β 1 ln (P 1 /P 3 ) β 2 ln (P 2 /P 3 ) e In entambe le potes endment d scala e le elastctà d costo de sngol fatto s cavano nel seguente modo: = 1/ β Q a 1 = β 1 / β Q a 2 = β 2 / β Q a 3 = β 3 / β Q = (1- β 1 -β 2 ) / β Q

6 Applcazone con dat sulle mpese elettche d Nelove (dat dsponbl nel testo d Bendt). Funzone d costo stmata pe 145 mpese elettche nel 1995: 1 output (KWH d elettctà) e te nputs (lavoo, combustble e captale) ln (CT/P 3 )= β 0 β Q ln Q β 1 ln (P 1 /P 3 ) β 2 ln (P 2 /P 3 ) e Rsultat: ln(ct/p 3 )= ln Q ln (P 1 /P 3 ) ln (P 2 /P 3 ) =1.39, a 1 =0.822, a 2 = , a 3 =0.574 Nel caso n cu s stm la seguente elazone ln CT = β 0 β Q ln Q β 1 ln P 1 β 2 ln P 2 β 3 ln P 3 e mponendo come estzone che β 1 β 2 β 3 = 1 s ottengono gl stess sultat ln CT = ln Q ln P ln P ln P 3 Dalla funzone d costo Cobb-Douglas è possble ottenee una ndcazone delle econome d scala (endment cescent) che vale pe tutte le mpese del campone. Alte fome funzonal pù flessbl (quadatca, tanslogatmca) ammettono nvece la possbltà che le econome d scala possano vaae a seconda del tpo d mpesa. L spezone de esdu suggesce che nel campone d Nelove la funzone d costo devante da una tecnologa Cobb Douglas non è la pù appopata.

7 Rsultat pe 5 sottocampon d mpese agguppat secondo la dmensone: Impese da 1-29: valoe medano d Q pa a 3.76 ln(ct/p 3 )= ln Q ln (P 1 /P 3 ) ln (P 2 /P 3 ) endment d scala =2.5 Impese da : valoe medano d Q pa a 5.28 ln(ct/p 3 )= ln Q ln (P 1 /P 3 ) ln (P 2 /P 3 ) endment d scala =1.52 Impese da : valoe medano d Q pa a 7.01 ln(ct/p 3 )= ln Q 0.40 ln (P 1 /P 3 ) 0.25 ln (P 2 /P 3 ) endment d scala =1.07 Impese da : valoe medano d Q pa a 7.71 ln(ct/p 3 )= ln Q ln (P 1 /P 3 ) 0.09 ln (P 2 /P 3 ) endment d scala =1.10 Impese da : valoe medano d Q pa a 8.67 ln(ct/p 3 )= ln Q ln (P 1 /P 3 ) ln (P 2 /P 3 ) endment d scala =0.96 I endment d scala fotemente cescent pe le mpese pccole sono contoblancat da endment d scala pù dott pe le mpese medogand e sultat d scala decescent pe le mpese pù gand.

8 Stma d una funzone d costo d tpo quadatco: ln(ct/p 3 )=β 0 β Q ln Q β QQ (ln Q) 2 β 1 ln (P 1 /P 3 ) β 2 ln (P 2 /P 3 ) e Questo modello pemette che endment d scala vano n base alla dmensone dell mpesa: =AC/MC= 1/(dlnCT/dlnQ)= 1/(β Q 2 β QQ ln Q) Rsultat della stma: ln(ct/p 3 )= lnQ0.05(lnQ) ln(P 1 /P 3 )0.07ln(P 2 /P 3 ) I endment d scala pe le dvese dmenson d mpesa sono seguent: Impese pccole: 1.88 Impese medo-pccole: 1.46 Impese mede: 1.16 Impese medo-gand:1.07 Impese gand: 0.97 Quest sultat confemano che pe lo studo della tecnologa delle mpese elettche n questone l modello quadatco è una specfcazone pù appopata del modello Cobb-Douglas.

9 Una foma funzonale maggomente flessble è la Tanslogatmca o Tanslog (nclude le nteazon ta output e pezz olte alle nteazon ta pezz de fatto): Nel caso d un podotto (Y è l'output e P è l pezzo dell'nput ): lnct = α α lny 0 y 1 β ln P 2 1 αyy (lny ) 2 l δ β ln P ln P ψ l 2 l y lny ln P Tale foma funzonale ammette che le econome d scala vano n elazone alle dvese quanttà podotte e a dves pezz degl nput Ad esempo: α d ln CT / d lny = y α ln yy Y δ y ln P Nel caso d una mpesa mult-podotto: lnct = α0 α lny 1 β ln P l α lny β ln P ln P ψ l j j l lny j δ lny ln P dove Y appesenta l'output, e P è l pezzo del fattoe poduttvo. In pesenza d mpese mult-podotto è possble calcolae le econome d vaetà o d dvesfcazone oppue, se le poduzon sono collocate n dves stad della catena poduttva, le econome d ntegazone vetcale:

10 ECONOMIE DI DIVERSIFICAZIONE [C(Y 1,0)C(0,Y 2 )] > C (Y 1,Y 2 ) s vefcano econome d dvesfcazone qualoa la somma de cost della poduzone sepaata d due ben da pate d mpese ndpendent supeano cost della loo poduzone congunta da pate d una mpesa dvesfcata. ECONOMIE DI INTEGRAZIONE VERTICALE [C(Y G,0)C(0,Y D )] > C (Y G,Y D ) s vefcano econome d ntegazone vetcale qualoa la somma de cost della poduzone sepaata d due ben caattezzat da legam vetcal (ad esempo quanttà geneata e quanttà dstbuta d enega elettca) da pate d mpese ndpendent supeano cost della loo poduzone congunta da pate d una mpesa ntegata vetcalmente. Dmensone Mnma Ottma o scala effcente mnma (MES) Quale è la dmensone mnma che una mpesa del settoe dovebbe avee pe competee n modo effcente con tutte le alte?

11 Qual sono le dffeenze d costo ta le mpese pù pccole (o pù gand) della scala ottma e quelle effcent? Analzzae la foma e l'andamento del costo untao medo (foma a U, foma a L, etc.) Es. 1. Studo d Schee (1967) su dves setto Es. 2. Settoe dell auto. La dmensone mnma ottma osclleebbe ta le e le auto (quota d mecato statuntense del 3-6%). Tuttava negl Stat Unt pm te gand podutto poducevano nel (GM), 5.8 (Fod) e 2.2 (Cysle) mlon d auto. In ealtà la MES e defnta a lvello d stablmento e non d mpesa e n effett gl stablment n USA hanno capactà poduttve oscllant ntono alle e le auto. Es. 3. Settoe della cata. All nteno dello stesso settoe è possble avee dvese dmenson ottme mnme a seconda del tpo d podotto. Anals d Stgle della sopavvvenza

12 In alcun setto non è possble stmae una cuva d costo pe ogn tpo d podotto e stme a lvello d settoe sono poco utl se dves podott classfcat nello stesso settoe sono molto dffeenzat Stgle ha poposto d utlzzae una tecnca chamata: anals della sopavvvenza Suddvdendo le mpese del settoe n class dmensonal e ossevando la dnamca delle class nel coso del tempo s vede qual class s svluppano e sopavvvono e qual nvece ducono l loo peso. L potes d fondo è che le class pù numeose pemettono d ndvduae la dmensone effcente mnma mente le class meno numeose sono quelle con dmenson neffcent. Esempo tatto dal mecato della ba RIFERIMENTI BIBLIOGRAFICI Balassone F., Fancese M., Godano R. (2002) 'Effcenza ne sevz pubblc: una assegna della letteatua', n Banca d'itala, Sevzo Stud 'L'effcenza ne sevz pubblc', pp , Roma.

13 Bendt E. (1991) Costs, Leanng Cuves and Scale Economes: Fom Smple to Multple Regesson, captolo 3 n Bendt The pactce of Econometcs. Classc and Contempoay, Addson-Wesley Publshng Company. Coell T., Pasada Rao D.S., Battese G. E. (1998) 'An ntoducton to effcency and poductvty analyss', Kluwe Academc Publshes. Besanko D., Danove D. Shanley M (1996) Analysng cost and dffeentaton Poston, captolo 13 n The Economc of Stategy, John Wley & Sons, Inc. Flppn m. (1996) Stuttua de cost e condzon d monopolo natuale nella dstbuzone d enega elettca, L Industa, 2, pp Fazol R., Flppn M., Wld J. (2000) La stma d una funzone d costo medo pe potenzae l effcaca della yadstck egulaton nel settoe della dstbuzone d enega elettca: una spementazone sul caso svzzeo, Economa Pubblca, pp

Giovanni Fraquelli (Università del Piemonte Orientale, HERMES )

Giovanni Fraquelli (Università del Piemonte Orientale, HERMES ) 2 Wokshop HERMES su Sevz d Pubblca Utltà I SERVIZI A RETE TRA MONOPOLIO E CONCORRENZA: TRASPORTO PUBBLICO ED ENERGIA 26 novembe 2003, Real Collego Calo Albeto, Moncale (TO) STRATEGIE MULTI-PRODOTTO E DI

Dettagli

ESPERIMENTO CASUALE. P(X) è la funzione di probabilità secondo la quale ad ogni numero reale di X si assegna una misura di probabilità.

ESPERIMENTO CASUALE. P(X) è la funzione di probabilità secondo la quale ad ogni numero reale di X si assegna una misura di probabilità. ESPERIMENTO CASUALE S Spazo camponao : è l nseme d event necessa e ncompatbl che s pesentano come sultat dell ESPERIMENTO CASUALE. X è l nseme de nume eal assocato ad S, n modo che ad ogn elemento (evento)

Dettagli

Economia del turismo

Economia del turismo Unvestà degl Stud d Cagla Facoltà d Economa Coso d Lauea n Economa e Gest. de Sev. Tustc A.A. 2013-2014 Economa del tusmo Pof.ssa Cala Massdda Economa del Tusmo Pof.ssa Cala Massdda Sezone 8 I MODELLI

Dettagli

Sessione live #1 Settimana #2 dal 10 al 16 marzo. Statistica descrittiva: Indici di posizione, dispersione e forma Istogramma frequenze, box plot

Sessione live #1 Settimana #2 dal 10 al 16 marzo. Statistica descrittiva: Indici di posizione, dispersione e forma Istogramma frequenze, box plot Sessone lve #1 Settmana # dal 10 al 16 mazo Statstca descttva: Indc d poszone, dspesone e foma Istogamma fequenze, box plot Lezon CD: 1 - - 3 Eseczo 1 S consde la seguente dstbuzone delle nduste tessl

Dettagli

Approfondimento 7.4 - Altri tipi di test di significatività del coefficiente di correlazione di Pearson

Approfondimento 7.4 - Altri tipi di test di significatività del coefficiente di correlazione di Pearson Appofondmento 7.4 - Alt tp d test d sgnfcatvtà del coeffcente d coelazone d Peason Una delle cause pncpal della cattva ntepetazone del test d sgnfcatvtà d è che s fonda su un potes nulla pe cu ρ 0. In

Dettagli

Economia del turismo. Prof.ssa Carla Massidda

Economia del turismo. Prof.ssa Carla Massidda Economa del tusmo Pof.ssa Cala Massdda Pate 2 Agoment Defnzone d domanda tustca Detemnant della domanda tustca L elastctà della domanda tustca La stma della domanda tustca Defnzone d domanda tustca Dato

Dettagli

Laboratorio: Metodi quantitativi per il calcolo del VaR. Aldo Nassigh Financial Risk Management A.A. 2011/12 Lezione 4

Laboratorio: Metodi quantitativi per il calcolo del VaR. Aldo Nassigh Financial Risk Management A.A. 2011/12 Lezione 4 Laboatoo: Metod quanttatv pe l calcolo del VaR Aldo Nassgh Fnancal Rsk Management A.A. 011/1 Lezone 4 METODO PARAMETRICO Sngolo fattoe d scho e poszone lneae Poszone l cu valoe attuale è soggetto ad un

Dettagli

I vettori. A cura di dott. Francesca Fattori Speranza dott. Francesca Paolucci

I vettori. A cura di dott. Francesca Fattori Speranza dott. Francesca Paolucci I vetto cua d dott. Fancesca Fatto Speana (speana@fs.unoma3.t) dott. Fancesca Paolucc GRNDEZZE SLRI E VETTORILI S defnscono gandee SLRI quelle gandee caatteate solo da un valoe numeco o modulo come: tempo,

Dettagli

RISPOSTA IN FREQUENZA DI UN AMPLIFICATORE

RISPOSTA IN FREQUENZA DI UN AMPLIFICATORE Unestà degl Stud d oma To Vegata Dpatmento d Ing. Elettonca coso d ELETTONIA APPLIATA Ing. Patck E. Longh ISPOSTA IN FEQUENZA DI UN AMPLIFIATOE II / INTODUZIONE Detemnae la sposta n fequenza d un amplfcatoe

Dettagli

Corrente elettrica. Conduttore in equilibrio. Condutture in cui è mantenuta una differenza di potenziale (ddp) E=0 V=cost

Corrente elettrica. Conduttore in equilibrio. Condutture in cui è mantenuta una differenza di potenziale (ddp) E=0 V=cost Coente elettca Conduttoe n equlbo B E 0 E0 cost B Conduttue n cu è mantenuta una dffeenza d potenzale (ddp) > B E 0 _ B Un campo elettco all nteno d un conduttoe appesenta una stuazone d non equlbo. Un

Dettagli

Economia del turismo

Economia del turismo Unvestà degl Stud d Cagla Facoltà d Economa Coso d Lauea n Economa e Gest. de Sev. Tustc A.A. 2014-2015 Economa del tusmo Pof.ssa Cala Massdda Economa del Tusmo Pof.ssa Cala Massdda Sezone 4 LA DOMANDA

Dettagli

Sviluppo dell algoritmo per l allineamento dello spettrometro magnetico di PAMELA

Sviluppo dell algoritmo per l allineamento dello spettrometro magnetico di PAMELA Svluppo dell algotmo pe l allneamento dello spettometo magnetco d PAMELA Fancesca Gamb Unvestà degl Stud d Fenze Congesso Nazonale SIF 19 Settembe 003 Lo spettometo magnetco d PAMELA Lo spettometo magnetco

Dettagli

Il campo elettrico è conservativo. L A1B = F i l r

Il campo elettrico è conservativo. L A1B = F i l r F = qe α l 2 Il campo elettco è consevatvo n L = F l In un campo elettco stazonao l lavoo non dpende dalla taettoa ma solo dal punto nzale e dal punto fnale. L = L 2 La foza elettca è consevatva 2 Se calcolamo

Dettagli

Approcci algoritmici. Capitolo Approccio sequenziale. y = y (che collegano il modello di trasporto a quello di

Approcci algoritmici. Capitolo Approccio sequenziale. y = y (che collegano il modello di trasporto a quello di Captolo 3 Appocc algotmc In questo captolo descveemo alcun appocc algotmc mat alla soluone del poblema pesentato nel pmo captolo. C sono dves mod d pos spetto ad un poblema con un numeo così elevato d

Dettagli

Workshop MatFinTN 2012

Workshop MatFinTN 2012 Wokshop MatFnTN 2012 Dalla Bnson Attbuton al Black&Ltteman model: anals matematche nell'asset management D.ssa Tzana Rgon Lauea n Matematca conseguta pesso l'unvestà d Tento con tes dal ttolo: Metod d

Dettagli

PROPRIETÀ DEL CAMPO ELETTROSTATICO (PARTE 2) G. Pugliese 1

PROPRIETÀ DEL CAMPO ELETTROSTATICO (PARTE 2) G. Pugliese 1 PROPRIETÀ DEL CMPO ELETTROSTTICO (PRTE 2) G. Puglese Campo elettostatco & elettco F 0 E S pala d foza elettostatca uando sa le cache che geneano l campo (elettostatco) che 0 sono fsse e costant Quando

Dettagli

IL Potenziale elettrostatico

IL Potenziale elettrostatico Ve.. d 27/5/9 IL Potenzale ettostatco ) La oza ettca è consevatva Patamo col vecae che la oza ettca è consevatva, lmtandoc nzalmente al caso d cache ettche puntom. Posta una caca +Q ema n un punto ogne,

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

Economia del turismo

Economia del turismo Unvestà degl Stud d Cagla Facoltà d Economa Coso d Lauea n Economa e Gest. de Sev. Tustc Economa del tusmo Pof.ssa Cala Massdda Economa del Tusmo Pof..ssa Cala Massdda Sezone 4 LA DOMANDA TURISTICA Agoment

Dettagli

CONDUZIONE NON STAZIONARIA

CONDUZIONE NON STAZIONARIA CONDUZIONE NON AZIONARIA Caso geneale de sstem a tempeatua unfome ebbene l pocesso d conduzone non stazonaa n un soldo sa comunemente dovuto allo sco temco convettvo dal fludo ccostante, alt pocess d sco

Dettagli

CMPE, Economia Industriale. Lezione 11. Costi di entrata, struttura di mercato e benessere

CMPE, Economia Industriale. Lezione 11. Costi di entrata, struttura di mercato e benessere LIUC AA 2008-2009 CMPE, Economa Industrale Anals della Concorrenza e Anttrust Lezone 11 Cost d entrata, struttura d mercato e benessere 1 Sommaro della lezone: 1 Concentrazone, cost d entrata e dmensone

Dettagli

= 4. L unita di misura della carica elettrica nel S.I. è il coulomb (C).

= 4. L unita di misura della carica elettrica nel S.I. è il coulomb (C). LGG DI COULOMB (3) L unta d msua della caca elettca nel.i. è l coulomb (C). F π o La caca elettca d C è uella caca che posta nel vuoto ad m d dstanza da una caca elettca uguale la espnge con la foza d

Dettagli

Economia del turismo

Economia del turismo Unestà degl Stud d Cagla Facoltà d Economa Coso d Lauea n Economa e Gest. de Se. Tustc A.A. 2014-2015 Economa del tusmo of.ssa Cala Massdda Economa del Tusmo of.ssa Cala Massdda Sezone 3 LA DOMANDA TURISTICA

Dettagli

Cenni sulla Gravitazione Universale

Cenni sulla Gravitazione Universale Cenn sulla Gavtazone nvesale ) La oza gavtazonale Fno al 665 (anno n cu Netwon ntuì la legge della Gavtazone nvesale) pe spegae le nteazone de cop con la ea eano necessae: a) La oza peso F P mg esectata

Dettagli

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Gianpiero Groppi

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Gianpiero Groppi Dpatmento d Enega oltecnco d Mlano azza eonado da nc - 01 MINO Esectazon del coso FONDMENI DI ROESSI HIMII of. Ganpeo Gopp ESERIIONE 8 alcolo della tempeatua d bolla e d ugada d una mscela n-butano/n-esano

Dettagli

Sommario. Facoltà di Economia E E2 E 5 E 4. S x1. Le Variabili Casuali o Variabili Aleatorie. francesco mola. Lezione n 13.

Sommario. Facoltà di Economia E E2 E 5 E 4. S x1. Le Variabili Casuali o Variabili Aleatorie. francesco mola. Lezione n 13. Coso d Statstca Facoltà d conoma a.a. - fancesco mola Sommao Le Vaabl Casual o Vaabl Aleatoe Lezone n Lez._a.a. 9- statstca-fancesco mola Vaabl Casual Vaabl Casual (cont. Una Vaable Casuale è una egola

Dettagli

Il campo magnetico prodotto da correnti continue

Il campo magnetico prodotto da correnti continue Leone 6: l campo magnetco podotto da coent contnue l potenale vettoe l campo magnetco podotto da coent contnue Ossevaon spemental: á Osted: coent elettche danno luogo a camp magnetc; á Legge d ot-savat:

Dettagli

Calcolo del lavoro compiuto dalle forze elementari

Calcolo del lavoro compiuto dalle forze elementari Calcolo del lavoo computo dalle foze elementa avoo computo da una foza costante In base alla defnzone, l lavoo computo da una foza costante, l cu punto d applcazone s sposta da a, vale: F s F s F s S not

Dettagli

ESERCITAZIONE DEL 10 MARZO 2005

ESERCITAZIONE DEL 10 MARZO 2005 ESERCITAZIONE DEL 10 MARZO 005 Poblema pano n.5 Dato l sstema composto da un asta gda vncolata con una cenea n O e un dsco gdo d aggo R vncolato all asta da un contatto blateo con puo otolamento, detemnae

Dettagli

MACCHINA ELEMENTARE CON UN SOLO AVVOLGIMENTO

MACCHINA ELEMENTARE CON UN SOLO AVVOLGIMENTO MAHINA ELEMENTARE ON UN SOLO AVVOLGIMENTO S consde una macchna elementae avente le seguent caattestche: statoe a pol salent otoe clndco un avvolgmento sul otoe pol pp = 1 θ = θ m ω = ω m 1 La macchna può

Dettagli

SOLUZIONE Applicando la formula della media per le seriazioni, si ottiene: k

SOLUZIONE Applicando la formula della media per le seriazioni, si ottiene: k ESERCIZIO S detem l valoe medo della seguete dstbuzoe del umeo d patche evase dagl mpegat d u ceto comue, ua data settmaa lavoatva: patche evase 3 5 6 8 6 Totale Impegat 5 3 5 3 pplcado la fomula della

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

Dettagli

Esempio 1 Determinazione modi propri e forme modali per sistema a 2 gdl 7.1

Esempio 1 Determinazione modi propri e forme modali per sistema a 2 gdl 7.1 Esempo Detemnazone mod pop e fome modal pe sstema a gdl 7. Coso d Pogettazone Assstta delle Stuttue Meccanche Pate I CdL Specalstca/Magstale n Ingegnea Meccanca Coso d Pogettazone Assstta delle Stuttue

Dettagli

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat

Dettagli

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni IL MODELLO DI MACK Materale ddattco a cura d Domenco Gorgo Attuaro Dann d Gruppo Socetà Cattolca d Asscurazon CHAIN-LADDE CLASSICO Metodo pù utlzzato per la stma della rserva snstr. Semplctà. Dstrbuton-ree

Dettagli

L elettrostatica dei sistemi macroscopici

L elettrostatica dei sistemi macroscopici L elettostatca de sstem macoscopc Oggett cach Tutt cop sono fatt d atom e dunue contengono moltssme cache postve e negatve. Tuttava, negl stat pù comun della matea, gl atom sono neut; oppue, fomano molecole

Dettagli

Il dimensionamento dei sistemi di fabbricazione

Il dimensionamento dei sistemi di fabbricazione Il dmensonamento de sstem d fabbrcazone 1 Processo d progettazone d un sstema produttvo Anals della domanda Industralzzazone d prodotto e processo (dstnte e ccl d lavorazone) Scelta delle soluzon produttve

Dettagli

Modelli decisionali su grafi - Problemi di Localizzazione

Modelli decisionali su grafi - Problemi di Localizzazione Modell decsonal su graf - Problem d Localzzazone Massmo Paolucc (paolucc@dst.unge.t) DIST Unverstà d Genova Locaton Problems: modell ed applcazon Decson a medo e lungo termne (panfcazone) Caratterstche

Dettagli

Sommario. Corso di Statistica Facoltà di Economia. Le Variabili Casuali o Variabili Aleatorie. Lezione n 16. Francesco Mola. Variabili Casuali (cont

Sommario. Corso di Statistica Facoltà di Economia. Le Variabili Casuali o Variabili Aleatorie. Lezione n 16. Francesco Mola. Variabili Casuali (cont Coso d Statstca Facoltà d conoma Lezone n 6 z Sommao Le Vaabl Casual o Vaabl Aleatoe a.a. - Fancesco Mola a.a. - statstca-fancesco mola Vaabl Casual Vaabl Casual (cont cont.) Una Vaable Casuale è una egola

Dettagli

Microeconomia. 1. Si calcolino le produttività marginali del lavoro e del capitale e il saggio marginale di sostituzione tecnica.

Microeconomia. 1. Si calcolino le produttività marginali del lavoro e del capitale e il saggio marginale di sostituzione tecnica. Micoeconomia Esecizio 1 Sia data la funzione di poduzione Q =K 1/ L 1/,conw =e =8. 1. Si calcolino le poduttività maginali del lavoo e del capitale e il saggio maginale di sostituzione tecnica.. Si deteminino

Dettagli

Algebra vettoriale: un breve formulario. E r

Algebra vettoriale: un breve formulario. E r slde# Geoge Stokes Ilanda 1819 1903 Olve Heavsde Inghltea 1850 195 G. Stokes dede mpotant contbut alla teoa della popagaone ondulatoa con patcolae femento a flud (equaon d Nave-Stokes) all'ottca e all

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

ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO IS/LM

ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO IS/LM ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO / ESERCIZIO 1 LEGENDA: H = base monetaa mm = moltplcatoe monetao = (o ) = tasso d nteesse 1 c cu 1 c cu u (o u ) = seve/depost c (o c u ) = ccolante /depost

Dettagli

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui:

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui: I IDACATI E LA COTRATTAZIOE COLLETTIVA Il ruolo economco del sndacato n concorrenza mperfetta, n cu: a) le mprese fssano prezz de ben n contest d concorrenza monopolstca (con extra-proftt); b) lavorator

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

Oltre la regressione lineare

Oltre la regressione lineare Oltre la regressone lneare Modello d regressone lneare (semplce o multpla: - varabl esplcatve X quanttatve e qualtatve (nserte tramte uso d varabl dummy - varable dpendente Y è quanttatva Y = b + b X +

Dettagli

CAPITOLO 6. Dunque, se il volume è costante, la variazione di temperatura si può calcolare nel seguente modo:

CAPITOLO 6. Dunque, se il volume è costante, la variazione di temperatura si può calcolare nel seguente modo: Intoduzone alla Temodnamca Esecz svolt CAITOO 6 Eseczo n 6 Calcolae la vaazone d tempeatua d mol d un gas ( C R ) che assobe caloe (q J): a) Se la pessone è costante; b) Se l volume è costante In quale

Dettagli

Sistemi Intelligenti Reinforcement Learning: Evaluative Feedback

Sistemi Intelligenti Reinforcement Learning: Evaluative Feedback Sstem Intellgent Renfocement Leanng: Evaluatve Feedbac Albeto Boghese Unvestà degl Stud d Mlano Laboatoo d Sstem Intellgent Applcat (AIS-Lab Dpatmento d Scenze dell Infomazone boghese@ds.unm.t /9 http:\\homes.ds.unm.t\

Dettagli

EX 1 Calcolare la velocità di rinculo di un fucile di 4 kg che spara un proiettile di 0.05kg alla velocità di 280m/s.

EX 1 Calcolare la velocità di rinculo di un fucile di 4 kg che spara un proiettile di 0.05kg alla velocità di 280m/s. SITEMI ISOLATI EX 1 Calcolae la veloctà d nculo d un ucle d 4 kg che spaa un poettle d 0.05kg alla veloctà d 80m/s. EX Un one che vagga alla veloctà d = 6*10 5 m/s colpsce un alto one emo. S osseva che

Dettagli

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica Ing. Enrco Grsan Modell d popolazone n farmacocnetca Sommaro Modell a sngolo soggetto Modell d popolazone Naïve poolng Stme basate sul sngolo soggetto Modell a effett mst Lnearzzazone del modello 2 Ing.

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

Definizione di mutua induzione

Definizione di mutua induzione Mutua nduzone Defnzone d mutua nduzone Una nduttanza poduce un campo magnetco popozonale alla coente che v scoe. Se le lnee d foza d questo campo magnetco ntesecano una seconda nduttanza, n questo d poduce

Dettagli

r v i i P = m i i dt (M r cm ) = Mv r r i = d avendo definito il concetto di centro di massa (CM) del sistema ( M = m i r r r cm

r v i i P = m i i dt (M r cm ) = Mv r r i = d avendo definito il concetto di centro di massa (CM) del sistema ( M = m i r r r cm 6. Sstem d patcelle Legge della dnamca d taslazone pe un sstema d patcelle È possble scvee una legge pe l moto collettvo d un nseme d patcelle nteagent fa loo e con l esteno. Questo modo d fae pemette

Dettagli

LA NORMA UNI ENV 13005:2000 E LE GUIDE ACCREDIA DT-0002 E DT-0002/3 SULLA STIMA DELL INCERTEZZA DEI RISULTATI

LA NORMA UNI ENV 13005:2000 E LE GUIDE ACCREDIA DT-0002 E DT-0002/3 SULLA STIMA DELL INCERTEZZA DEI RISULTATI P.le R. Moand, - 0 MILANO LA NORMA UNI ENV 3005:000 E LE GUIDE ACCREDIA DT-000 E DT-000/3 SULLA STIMA DELL INCERTEZZA DEI RISULTATI RELATORE: N. BOTTAZZINI (UNICHIM) Coso: SISTEMA DI GESTIONE PER LA QUALITA

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

Ottimizzazione Combinatoria

Ottimizzazione Combinatoria Ottmzzazone Combnatoa Clusteng de dat Lezone Lezon a cua d Sla Canale contatto e-mal: canale@ds.unoma.t Unestà d Roma La Sapenza Dpatmento d Infomatca e Sstemstca Coso d Lauea n Ingegnea Gestonale Defnzone

Dettagli

Richiami di modelli di utilità aleatoria

Richiami di modelli di utilità aleatoria Corso d LOGISTICA TERRITORIALE www.unroma.t/ddattca/lt DOCENTE prof. ng. Agostno Nuzzolo Rcham d modell d utltà aleatora prof. ng. Agostno Nuzzolo - Corso d Logstca Terrtorale Modell d domanda e utltà

Dettagli

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo

Dettagli

Figura 1 Geometria attuale. Figura 2 Sezione trapezia

Figura 1 Geometria attuale. Figura 2 Sezione trapezia ESERCITAZIONE N. 4 (20 aple 2005) Dmensonamento daulco d un canale apeto PROBLEMA Nel pogetto d ecupeo d un aea s ntende potae alla luce un canale che n passato è stato tombnato con tubazon pefabbcate

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

TERMODINAMICA E TERMOFLUIDODINAMICA TRASMISSIONE DEL CALORE PER CONDUZIONE

TERMODINAMICA E TERMOFLUIDODINAMICA TRASMISSIONE DEL CALORE PER CONDUZIONE EMODINAMICA E EMOFUIDODINAMICA ASMISSIONE DE CAOE PE CONDUZIONE 1 (t) A H ( t ) (x,t) (t) 0 x x e s se w 1 ( x, t ) x ( x, t ) asmssone del caloe pe conduzone Indce 1) Il postulato d Foue pe la conduzone

Dettagli

( ) Lezione 5. Collegamenti tra condensatori. parallelo 1 2 C1 Q = Q = Il potenziale è lo stesso su tutti i condensatori, quindi

( ) Lezione 5. Collegamenti tra condensatori. parallelo 1 2 C1 Q = Q = Il potenziale è lo stesso su tutti i condensatori, quindi ollegament ta conensato Lezone 5 paallelo e Il potenzale è lo stesso su tutt conensato, un ( ) e La capactà euvalente el sstema è la somma elle sngole capactà e L enega mmagazznata ( ) è la somma elle

Dettagli

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica Legg d Bot-Savat e d Ampèe d P R dl Ossevazon spemental Legge d Bot-Savat db ds espemento: X db... assumendo n fomula Legge d Bot-Savat db ds pemeabltà magnetca X db Il campo magnetco è dstbuto ntono al

Dettagli

Controllo di Azionamenti Elettrici. Lezione n 12. Controllo ad orientamento di campo degli azionamenti con motore in corrente alternata

Controllo di Azionamenti Elettrici. Lezione n 12. Controllo ad orientamento di campo degli azionamenti con motore in corrente alternata Contollo d Azonament Elettc Lezone n 2 Coo d Lauea n Ingegnea dell Automazone Facoltà d Ingegnea Unvetà degl Stud d Palemo Contollo ad oentamento d campo degl azonament con motoe n coente altenata Pncpo

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

Teorema del momento angolare. Momento angolare totale rispetto al polo P che può essere mobile F31 F13 F32. r r r r r F23. r r P1 F21.

Teorema del momento angolare. Momento angolare totale rispetto al polo P che può essere mobile F31 F13 F32. r r r r r F23. r r P1 F21. Teoea del oento angolae F F3 3 Moento angolae totale spetto al polo che può essee oble F3 F3 F3 L ( v ) F O d v + dv + [( ) + ( )] (E) (I) v v v F F Teoea del oento angolae (E) v + + v v v F v v p M (

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

APPENDICE B. La dinamica delle distribuzioni dimensionali delle maggiori imprese mondiali

APPENDICE B. La dinamica delle distribuzioni dimensionali delle maggiori imprese mondiali APPENDICE B La dnamca delle dstrbuzon dmensonal delle maggor mprese mondal Consderamo le dstrbuzon delle maggor mprese ndustral mondal (fonte Fortune 5, var ann) dal 1959 al 199, n termn d fatturato a

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M 79 65 INFORMAICA 43

Dettagli

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017 Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può

Dettagli

Obiettivi Il concetto di Resilienza applicato ai territori rurali Una proposta p metodologica Un esempio: diversità e sviluppo

Obiettivi Il concetto di Resilienza applicato ai territori rurali Una proposta p metodologica Un esempio: diversità e sviluppo Obettv Il concetto d Reslenza applcato a terrtor rural Una proposta p metodologca Un esempo: dverstà e svluppo Concluson Interpretare terrtor rural come sstem soco-ecologc Analzzare le propretà della reslenza

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per

Dettagli

Fisica 1 Elettrostatica. Preliminari matematici

Fisica 1 Elettrostatica. Preliminari matematici Fsca 1 Elettostatca Pelmna matematc Pogamma della leone Camp scala e vettoal Opeato deenal su camp Vettoe aea Opeaon ntegal su camp Teoem ntegal Camp Matematcamente sono unon eal (o complesse) che appesentano

Dettagli

Strategie multi-prodotto nei servizi di pubblica utilità: effetti della diversificazione e della densità dell utenza

Strategie multi-prodotto nei servizi di pubblica utilità: effetti della diversificazione e della densità dell utenza Stratege mult-prodotto ne servz d pubblca utltà: effett della dversfcazone e della denstà dell utenza Govann FRAQUELLI, Massmlano PIACENZA, Davde VANNONI Workng Paper 2, 2003 Hermes Real Collego Carlo

Dettagli

oto di filtrazione al di sotto di un diaframma

oto di filtrazione al di sotto di un diaframma oto d fltazone al d sotto d un dafamma cost. H cost. /n0 /n0 /n0.6 Retcolo d flusso al d sotto d un dafamma Lnea equpotenzale Lnea d flusso H Lnea equpotenzale Lnea d flusso Lnea d flusso Lnea d flusso

Dettagli

La teoria microeconomica del consumo

La teoria microeconomica del consumo Isttuzon d Economa Matematca La teora mcroeconomca del consumo Il problema del consumatore 2 a parte. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy)

Dettagli

IL MODELLO IS-LM. Ripasso dei concetti principali dal corso base di Economia Politica. Prof. AnnaMaria Variato

IL MODELLO IS-LM. Ripasso dei concetti principali dal corso base di Economia Politica. Prof. AnnaMaria Variato IL MODELLO IS-LM Rpasso de concett prncpal dal corso base d Economa Poltca Prof. AnnaMara Varato Strumento grafco-analtco per la rappresentazone e lo studo dell equlbro smultaneo del mercato de ben e della

Dettagli

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

LEZIONE 11. Argomenti trattati

LEZIONE 11. Argomenti trattati LEZIONE LE ECONOMIE PERTE (2) Il modello IS-LM n regme d camb fss e d camb flessbl rgoment trattat S esamnano gl effett delle poltche macroeconomche n economa aperta consderando tre modell Il modello IS-LM

Dettagli

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare. Una semplce applcazone del metodo delle caratterstche: la propagazone d un onda d marea all nterno d un canale a sezone rettangolare. In generale la propagazone d un onda monodmensonale n una corrente

Dettagli

ESERCIZIO N. 1. b) rendimenti reali dell azienda Gesis e del portafoglio di mercato:

ESERCIZIO N. 1. b) rendimenti reali dell azienda Gesis e del portafoglio di mercato: ESERCIZIO N. 1 Il canddato proceda a calcolare l tasso d congrua remunerazone reale dell azenda Gess al 31.12.2003 applcando l CAPM e l WACC della stessa azenda; dat d cu s dspone sono seguent: a) rendmento

Dettagli

STATISTICA A K (63 ore) Marco Riani

STATISTICA A K (63 ore) Marco Riani STATISTICA A K (63 ore) Marco Ran mran@unpr.t http://www.ran.t Rcham sulla regressone MODELLO DI REGRESSIONE y a + b + e dove: 1,, n a + b rappresenta una retta: a ordnata all orgne ntercetta b coeff.

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

Modelli con varabili binarie (o qualitative)

Modelli con varabili binarie (o qualitative) Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.

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

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica Legg d ot-savat e d Ampèe q d q P R dl Ossevazon spemental d Legge d ot-savat ds q espemento: X d d d d d d d ds 1 ds 2 sen q... assumendo n fomula I ds ˆ d k m 2 d Legge d ot-savat ds q X d d k c m pemeabltà

Dettagli

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

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

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Ricerca operativa Lezione # 2 7 maggio 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Ricerca operativa Lezione # 2 7 maggio 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Rcerca operatva Lezone # 2 7 maggo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/14? n presenza d un attvtà produttva

Dettagli

Energia Potenziale Elettrica e Potenziale elettrico

Energia Potenziale Elettrica e Potenziale elettrico Enegia otenziale Elettica e otenziale elettico La foza di Coulomb, mattone di tutta l elettostatica, è una foza consevativa. E quindi possibile definie pe essa una funzione Enegia otenziale. L enegia potenziale

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra

Dettagli

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA UNIVERSITA DEGI STUDI DI CASSINO FACOTA DI INGEGNERIA ANTONIO RUSSO, ANGEO EOPARDI ANAISI DE ERRORE CONNESSO A APPROSSIMAZIONE DEE UNGHEZZE E DEE CEERITA NE METODO DI INTEGRAZIONE DEE CARATTERISTICHE (MOC)

Dettagli

definiamo lavoro elementare dl: segue che:

definiamo lavoro elementare dl: segue che: avoo eccanco ds denao lavoo eleentae d: d ds ds cos x dx y dy z dz d ds segue che: ds d 0 avoo eccanco A ds B d ds denao lavoo coputo da una oza a A e B: AB B ds A B A ds B A x dx y dy z dz M t l.m.: Joule

Dettagli

Comelli M. (1), Bampo A. (1), Villalta R. (2) comelli@arpa.fvg.it

Comelli M. (1), Bampo A. (1), Villalta R. (2) comelli@arpa.fvg.it L utlzzo del softwae Phdel pe la detemnazone delle fasce d spetto nell ambto della panfcazone tetoale: l esempo della centale d Somplago Comell M. (1), Bampo A. (1), Vllalta R. (2) (1) ARPA Ful Veneza

Dettagli

Un analisi gerarchica sull inattività femminile in Italia Marco Centra, Andrea Cutillo, Valentina Gualtieri

Un analisi gerarchica sull inattività femminile in Italia Marco Centra, Andrea Cutillo, Valentina Gualtieri Un anals geachca sull nattvtà femmnle n Itala Maco Centa, Andea Cutllo, Valentna Gualte Intoduzone Obettvo d questo lavoo è lo studo delle detemnant dell nattvtà femmnle, tenendo n debta consdeazone l

Dettagli