Accedi all'area personale per aggiungere e visualizzare i tuoi libri preferiti
Le elezioni politiche italiane del 2018 per il rinnovo dei due rami del Parlamento il Senato della Repubblica e la Camera dei deputati si sono tenute domenica 4 marzo 2018. Hanno seguito lo scioglimento delle Camere, avvenuto per decreto del Presidente della Repubblica Sergio Mattarella il 28 dicembre 2017, con un breve anticipo rispetto alla scadenza naturale della XVII legislatura, prevista per il 14 marzo 2018. Nella stessa data si sono svolte anche le elezioni regionali nel Lazio e in Lombardia. Si votato per eleggere i 630 deputati e i 315 senatori elettivi della XVIII legislatura; il voto stato regolamentato dalla legge elettorale italiana del 2017, soprannominata Rosatellum bis, che ha trovato la sua prima applicazione. Complessivamente, nelle ventinove circoscrizioni per il rinnovo della Camera e nelle ventuno per il rinnovo del Senato, sono stati ammessi i candidati di quarantuno liste e due coalizioni. I risultati hanno visto il centro-destra affermarsi come coalizione pi votata, con circa il 37% delle preferenze, mentre la singola lista pi votata, il Movimento 5 Stelle, ha raccolto oltre il 32% dei voti. L'affluenza in Italia si attestata al 72,93% per la Camera dei deputati e al 72,99% per il Senato, in calo di circa il 2,3% rispetto alle elezioni del 2013, risultando la pi bassa nella storia repubblicana italiana (dal 1948).
L'analisi della regressione è una tecnica usata per analizzare una serie di dati che consistono in una variabile dipendente e una o più variabili indipendenti. Lo scopo è stimare un'eventuale relazione funzionale esistente tra la variabile dipendente e le variabili indipendenti. La variabile dipendente nell'equazione di regressione è una funzione delle variabili indipendenti più un termine d'errore. Quest'ultimo è una variabile casuale e rappresenta una variazione non controllabile e imprevedibile nella variabile dipendente. I parametri sono stimati in modo da descrivere al meglio i dati. Il metodo più comunemente utilizzato per ottenere le migliori stime è il metodo dei "minimi quadrati" (OLS), ma sono utilizzati anche altri metodi. Il data modeling può essere usato senza alcuna conoscenza dei processi sottostanti che hanno generato i dati; in questo caso il modello è un modello empirico. Inoltre, nella modellizzazione, non è richiesta la conoscenza della distribuzione di probabilità degli errori. L'analisi della regressione richiede ipotesi riguardanti la distribuzione di probabilità degli errori. Test statistici vengono effettuati sulla base di tali ipotesi. Nell'analisi della regressione il termine "modello" comprende sia la funzione usata per modellare i dati che le assunzioni concernenti la distribuzione di probabilità. L'analisi della regressione può essere usata per effettuare previsioni (ad esempio per prevedere dati futuri di una serie temporale), inferenza statistica, per testare ipotesi o per modellare delle relazioni di dipendenza. Questi usi della regressione dipendono fortemente dal fatto che le assunzioni di partenza siano verificate. L'uso dell'analisi della regressione è stato criticato in diversi casi in cui le ipotesi di partenza non possono essere verificate. Un fattore che contribuisce all'uso improprio della regressione è che richiede più competenze per criticare un modello che per adattarlo.
L'analisi del ciclo di vita (LCA, in inglese life-cycle assessment) è un metodo strutturato e standardizzato a livello internazionale che permette di quantificare i potenziali impatti sull'ambiente e sulla salute umana associati a un bene o servizio, a partire dal rispettivo consumo di risorse e dalle emissioni. Nella sua concezione tradizionale, considera l'intero ciclo di vita del sistema oggetto di analisi a partire dall’acquisizione delle materie prime sino alla gestione al termine della vita utile includendo le fasi di fabbricazione, distribuzione e utilizzo (approccio definito "dalla culla alla tomba"). Spesso è utilizzata come strumento di supporto alle decisioni per fornire un contributo effettivo ed efficace verso una maggiore sostenibilità di beni e servizi.