1.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE
|
|
- Leone Salvi
- 5 anni fa
- Visualizzazioni
Transcript
1 46 TEORIA DELLE CODE.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE In questo paragrafo verrano studiati sistemi di code che possono essere rappresentati da processi di nascita e morte. In particolare, assumendo che il sistema raggiunga l equilibrio, utilizzando i risultati ottenuti nel paragrafo precedente si possono facilmente ottenere le misure di prestazione (N, T, N q e T q ) di un sistema di code rappresentato da un processo di nascita e morte. Infatti, una volta ottenuti i valori p n delle probabilità in equilibrio, si possono calcolare il valore di N dalla (.2.) e il valore di N q dalla (.2.2), ovvero N = N q = np n (.5.) (n s)p n. (.5.2) n=s+ Lo scopo sarà quindi quello di determinare la distribuzione stazionaria utilizzando gli strumenti forniti dalla teoria dei processi di nascita e morte che abbiamo visto, ed in particolare, il Teorema.4.. Ovvero, si vuole determinare p n, per n 0, nella forma / ( ) + Π k per n = 0 k= p n = (.5.3) Π n p 0 per n avendo definito Π n = n λ i n j= µ j n. (.5.4) (Si osservi che con questa definizione di Π n la condizione di esistenza dello stato stazionario si può riscrivere n= Π n < ). Avendo a disposizione le p n si possono calcolare i valori di N ed N q rispettivamente dalle (.5.) e (.5.2). Il passo successivo consiste nell applicare il teorema di Little (.2.4) e la (.2.20) per ottenere il valori di T e T q. Nel fare ciò e necessario prestare attenzione al fatto che la costante λ che compare nella formula di Little (.2.4) e nella (.2.20) rappresenta, come è ben noto, la frequenza media degli arrivi. Ora, se il sistema di code è rappresentato attraverso un processo di nascita e morte in cui il coefficiente di natalità è costante (λ n = λ) allora esso coincide con tale frequenza media degli arrivi, altrimenti, se λ n può variare con lo stato n, il valore della frequenza media degli arrivi deve essere calcolato. Ciò può essere fatto facilmente ricordando che λ n rappresenta la frequenza media di arrivo quando nel sistema ci sono n utenti e p n è la probabilità che n utenti siano
2 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE 47 Frequenza media effettiva degli arrivi presenti nel sistema, e quindi si ha la frequenza media effettiva degli arrivi che indichiamo con λ data da λ = λ n p n. (.5.5) Determinato questo valore di λ è possibile applicare il teorema di Little (.2.4) e la (.2.20) per ottenere T = N λ T q = N q (.5.6) λ. (.5.7) Si osservi che una difficoltà potrebbe essere rappresentata dal fatto che nelle (.5.) (.5.2) sono presenti delle serie e non delle somme finite; tuttavia, come vedremo, in molti casi interessanti, queste serie convergono e può essere facilmente calcolato il loro valore. Prima di entrare nei dettagli dei vari modelli di code, analizziamo una proprietà di cui godono tutti i sistemi di code con arrivi poissoniani..5. Sistemi con arrivi poissoniani: proprietà PASTA Supponiamo che un sistema di code sia caratterizzato da arrivi che seguono un processo di Poisson. Tale sistema gode di una importante proprietà detta Poisson Proprietà Arrivals See Times Average (PASTA) che informalmente può essere così sintetizzata: gli utenti che arrivano nel sistema di code trovano, in media, nel sistema PASTA la stessa situazione che vedrebbe un osservatore esterno al sistema che osserva il sistema in un momento arbitrario nel tempo. Formalmente, definiamo a k (t) = P {un utente che arriva al tempo t trova il sistema nello stato k}. In generale, risulterà a k (t) p k (t) in quanto l evento e l evento {un utente che arriva al tempo t trova il sistema nello stato k} {lo stato del sistema in un generico istante t è pari a k} sono eventi distinti. Infatti, nel caso del primo evento l osservazione dello stato del sistema avviene in specifici istanti di tempo che dipendono dal processo di arrivo. Se invece gli arrivi sono poissoniani, allora si ha il seguente risultato.
3 48 TEORIA DELLE CODE Proposizione.5. Proprietà PASTA Sia dato un sistema a coda con arrivi poissoniani. Allora la probabilità che un utente che arriva nel sistema al tempo t trova il sistema allo stato k (cioè con k utenti presenti) è uguale alla probabilità che il sistema sia allo stato k al tempo t, ovvero a k (t) = p k (t). Dimostrazione: Per dimostrare questo risultato, sia {X(t), t 0} il processo di Poisson degli arrivi, ovvero il processo di sole nascite che descrive gli arrivi al sistema a coda. Allora se N(t) è il numero degli utenti presenti nel sistema al tempo t e p k (t) = P (N(t) = k), per le probabilità composte e utilizzando la Definizione.3.5 di processo di Poisson, si ha a k (t) = P {un utente che arriva al tempo t trova il sistema nello stato k} = lim P (N(t) = k X(t + t) X(t) = ) t 0 P (X(t + t) X(t) = N(t) = k) P (N(t) = k) = lim t 0 P (X(t + t) X(t) = ) = lim t 0 P (X(t + t) X(t) = ) P (N(t) = k) P (X(t + t) X(t) = ) = P (N(t) = k) = p k (t). Una giustificazione intuitiva di questa proprietà è la seguente: se di un arbitrario arrivo secondo Poisson conoscessimo l istante di tempo al quale esso è avvenuto, la distribuzione condizionata di ciò che l utente in arrivo vede all arrivo nel sistema è uguale alla distribuzione non condizionata dello stato del sistema al tempo t. Ma sapere che un arrivo c è stato al tempo t non fornisce alcuna informazione su che cosa è accaduto prima del tempo t, in quanto, avendo il processo di Poisson incrementi indipendenti, sapere che un evento è accaduto ad un certo tempo t non influenza la distribuzione di ciò che è accaduto prima del tempo t. Quindi un utente in arrivo vedrebbe solamente il sistema secondo la probabilità p n (t). Si osservi che la proprietà PASTA non è vera in generale; infatti se si considera un sistema di code del tipo D/D/ con queste caratteristiche: il sistema è vuoto al tempo t = 0 e gli arrivi si verificano agli istanti t =, t = 3, t = 5, t = 7,... e il tempo di servizio è pari a. Allora ogni utente che arriva trova il sistema vuoto, ovvero la probabilità che un utente che arriva trova il sistema allo stato 0 è pari a, mentre la probabilità p 0 (t) = /2 per ogni t. Abbiamo visto come nello studio di un sistema a coda in equilibrio è possibile definire (se esiste) la distribuzione stazionaria come p k = lim t p k (t)
4 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE 49 e interpretando queste quantità come la frazione di tempo che il sistema è nello stato k. Analogamente si possono definire le quantità a k = lim t a k (t) interpretandole come frazione di arrivi che trovano k utenti nel sistema. Poiché dalla proprietà PASTA si ha a k (t) = p k (t), passando al limite per t si ottiene anche l uguaglianza a k = p k. (.5.8) In maniera analoga alla quantità a k (t) che considera la distribuzione all arrivo di un cliente, si può studiare la distribuzione dopo la partenza di un cliente dal sistema dopo che ha usufruito del servizio definendo d k (t) = P {un utente che esce al tempo t lascia il sistema nello stato k} e, in condizioni di stazionarietà, d k = lim t d k (t), interpretando d k come frazione di clienti che lascia nel sistema k clienti quando esce dal sistema. Per un qualsiasi sistema di code a cosa singola, non necessariamente con arrivi poissoniani, vale l uguaglianza a k = d k (.5.9) purché i clienti arrivano al sistema uno alla volta e sono serviti uno alla volta. Ma quando gli arrivi sono poissoniani vale la proprietà PASTA e quindi vale la (.5.8). Quindi, in questo caso dalla (.5.8) e dalla (.5.9) si ha p k = a k = d k, ovvero, sia un cliente che arriva, sia un cliente che parte da un sistema in condizioni di stazionarietà, vede un sistema che è statisticamente equivalente ad un sistema visto da un osservatore che osserva il sistema dall esterno in un arbitrario istante di tempo.
5 50 TEORIA DELLE CODE.5.2 Sistemi M/M/s I sistemi M/M/s sono sistemi di code ove si assume che gli intertempi di arrivo sono indipendenti, identicamente distribuiti secondo la distribuzione esponenziale (ovvero arrivi poissoniani), i tempi di servizio indipendenti, identicamente distribuiti secondo un altra distribuzione esponenziale e il numero di serventi pari a s. Questi modelli possono essere rappresentati come processi di nascita e morte; infatti, come abbiamo già osservato nel paragrafo.4.3, se il sistema ha un solo servente (s = ) allora esso è rappresentabile mediante un processo di nascita e morte con coefficiente di natalità costante λ n = λ, n = 0,,... e coefficiente di mortalità costante µ n = µ, n =, 2,.... Infatti assumere che i tempi di interarrivo sono esponenziali equivale ad avere arrivi secondo un processo di Poisson di tasso λ. Analogamente, avere tasso di mortalità costante corrisponde ad avere i tempi di servizio esponenziali. Se il sistema ha s > serventi (che, ricordiamo, abbiamo assunto lavorino in parallelo) il sistema è sempre rappresentabile mediante un processo di nascita e morte, ma il coefficiente di mortalità µ n non può essere espresso in maniera così semplice. Si ricordi che µ n rappresenta il coefficiente di mortalità, ovvero la velocità media alla quale avvengono i completamenti dei servizi e quindi la velocità media alla quale gli utenti escono dal sistema, quando n utenti sono presenti nel sistema. Abbiamo visto che per la Proprietà E3 della distribuzione esponenziale, quando la velocità media di servizio di ciascun server è pari a µ, la velocità media media di servizio complessiva quando si hanno n serventi occupati (cioè che stanno erogando il servizio) è pari a nµ. Quindi si ha µ n = { nµ per n s sµ per n s, (.5.0) perché quando n s, i serventi occupati continuano ad essere sempre s. Quando ρ = λ/sµ <, un modello di code di questo tipo soddisfa la condizioni per l esistenza dello stato stazionario e quindi possono essere applicati i risultati ottenuti nel paragrafo.4 per il calcolo della distribuzione stazionaria di un processo di nascita e morte. Sistemi M/M/ Sistemi M/M/ Consideriamo, ora i sistemi M/M/, ovvero con un singolo servente, assumendo ρ = λ/µ <. In questo caso risulta Π n = (λ/µ) n = ρ n e quindi si ha soddisfatta la condizione di esistenza dello stato stazionario (.4.2) in quanto 0 < ρ < e risulta ρ n = ρ. Dal Teorema.4. si ha n=
6 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE 5 da cui p 0 = ρ = ρ e p n = ρ n p 0, per n, p n = ( ρ)ρ n per n = 0,, 2,... (.5.) Calcolate le p n, si possono facilmente determinare le misure di prestazione N, N q, T e T q rispettivamente dalle (.5.) e (.5.2): N = np n = n( ρ)ρ n = ( ρ) nρ n = ( ρ)ρ nρ n dρ n = ( ρ)ρ dρ = ( ρ)ρ d ρ n dρ = ( ρ)ρ d ( ) = ( ρ)ρ dρ ρ ( ρ) 2 ρ = ρ = λ µ λ. Si osservi che nei passaggi ora svolti, il passaggio fuori dal segno di serie della derivata rispetto a ρ è possibile perché sono soddisfatte le opportune ipotesi sulla convergenza delle serie coinvolte. Il calcolo diretto della N q si può omettere e calcolare N q direttamente dalla (.2.23), ovvero N q = N ( p 0 ). Si ottiene quindi, utilizzando anche la (.2.24) N q = N ρ = ρ2 ρ = λ 2 µ(µ λ). Applicando, poi il Teorema di Little, si ha T = N λ = µ λ T q = N q λ = λ µ(µ λ). Si osservi, inoltre, che ovviamente la (.2.2) risulta soddisfatta.
7 52 TEORIA DELLE CODE Abbiamo così ottenuto le misure di prestazione per un sistema di code M/M/ che riassumiamo nello schema seguente: N = N q = T = T q = λ µ λ λ 2 µ(µ λ) µ λ λ µ(µ λ). Esempio.5.2 In un aeroporto con una sola pista chiede di atterrare, in media, un aereo ogni 6 minuti e la distribuzione degli intervalli di tempo tra due richieste successive è esponenziale. Gli aerei vengono autorizzati ad atterrare dal controllore del traffico aereo sulla base del criterio primo arrivato, primo servito. Gli aerei che non possono atterrare immediatamente per la congestione del traffico, vengono inseriti in un circuito di attesa. Il tempo necessario per l atterraggio è distribuito esponenzialmente con un valore medio pari a 4 minuti. Determinare:. il numero medio di aerei tenuti contemporaneamente sotto controllo dal controllore del traffico aereo; 2. il numero medio di aerei che si trovano nel circuito di attesa; 3. il tempo medio passato nel circuito di attesa; 4. la probabilità che nel circuito di attesa ci siano più di 3 aerei. Si tratta di un sistema di code M/M/ in cui gli utenti sono gli aerei e la coda è costituita dagli aerei nel circuito di attesa. Assumendo come unità di tempo il minuto, si ha λ = /6, µ = /4, ρ = 2/3. Poiché risulta ρ < è soddisfatta la condizione di esistenza della distribuzione stazionaria.. Il numero di aerei che il controllore deve tenere sotto controllo è pari al numero di aerei presenti nel sistema che è dato da N = λ/(µ λ) = 2; 2. il numero medio di aerei che si trovano nel circuito di attesa è N q = λ 2 /[µ(µ λ)] = 4/3; 3. il tempo medio passato nel circuito di attesa è T q = N q /λ = 8 minuti; 4. la probabilità che nel circuito di attesa ci siano più di 3 aerei coincide con la probabilità che nel sistema ci sono più di 4 utenti; tale probabilità si può ottenere come p n = n=5 4 p n = ( ρ) 4 = (/3)( + 2/3 + 4/9 + 8/27 + 6/8) = 0.3. ρ n
8 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE 53 Esercizio.5.3 Realizzare un foglio elettronico in Excel che, dati in ingresso i valori di λ e µ di un sistema di code M/M/, determini N, N q, T, T q e la distribuzione p n per n = 0,,..., 25, rappresentando su un grafico questi valori di p n. Nel caso di sistemi M/M/, oltre il valore atteso, si può ricavare anche la distribuzione di probabilità del tempo di permanenza nel sistema t w di un arbitrario utente che arriva. P (t w > t) A tale scopo, supponiamo che l utente che arriva trovi già un certo numero n di utenti presenti nel sistema. Se n = 0 il tempo di permanenza nel sistema dell utente che arriva è pari al tempo di servizio. Nel caso n il nuovo utente che arriva trova un utente che sta usufruendo del servizio e n utenti in coda. Per poter uscire dal sistema, questo nuovo utente che arriva dovrà aspettare i tempi di servizio degli n utenti che sono in coda, tempi che sono distributi esponenzialmente di parametro µ; il tempo di completamento del servizio dell utente che sta usufruendo del servizio quando questo nuovo utente arriva, tempo che, per la proprietà di assenza di memoria della distribuzione esponenziale (Proprietà E2), è distributo esponenzialmente di parametro µ; il tempo del proprio servizio, ovvero il tempo necessario per espletare il servizio relativo al nuovo utente che arriva che è distributo esponenzialmente di parametro µ. Ovvero l utente arbitrario che arriva dovrà aspettare n + tempi distribuiti esponenzialmente di parametro µ. Se indichiamo con T, T 2,..., T n+ questi tempi, si ha che il tempo di permanenza nel sistema dell utente che arriva sarà dato S n+ = T + + T n+. Per la Proprietà E5, si ha che la variabile S n+ segue la distribuzione di Erlang di parametri µ ed n +, ovvero la sua densità di probabilità è f Sn+ (x) = µe µx (µx) n, n! e quindi risulta P ( t w t ) n utenti presenti nel sistema all arrivo del nuovo utente = P (S n+ t) = t 0 µx (µx)n µe dx. (.5.2) n! Sulla base di queste osservazioni, possiamo ora dimostrare il seguente risultato.
9 54 TEORIA DELLE CODE Proposizione.5.4 In un sistema M/M/, il tempo di permanenza nel sistema t w è distribuito esponenzialmente con parametro µ λ, ovvero P (t w > t) = e (µ λ)t, t 0. Dimostrazione: P (t w t) = Applicando il Teorema delle probabilità totali si può scrivere P ( t w t P ) n utenti presenti nel sistema all arrivo del nuovo utente ( ) n utenti presenti nel sistema all arrivo del nuovo utente dove la prima delle probabilità che compaiono nella serie è data dalla (.5.2), mentre la seconda, per la proprietà PASTA, è pari a p n. Si ha quindi t P (t w µx (µx)n t) = µe dx ρ n ( ρ) 0 n! t = (µ λ)e µx (λx) n dx 0 n! t = (µ λ)e (µ λ)x dx 0 = e (µ λ)t, ovvero t w segue la distribuzione esponenziale con parametro µ λ e la proposizione è dimostrata. Osservazione.5.5 Da questa proposizione è immediato determinare il valore atteso della variabile t w, ovvero T, che è pari a /(µ λ), come già sappiamo. Osservazione.5.6 Ovviamente la probabilità P (t w > t) può essere calcolata direttamente, ovvero nella forma P (t w > t) = P (S n+ > t) p n. (.5.3) P (t q > t) Nel caso di un sistema di code M/M/, si può facilmente determinare anche la distribuzione di probabilità del tempo di attesa nella coda t q di un utente che arriva. Ovviamente, se il nuovo utente che arriva non trova utenti nel sistema (n = 0), il nuovo utente viene servito immediatamente (t q = 0) e la probabilità che questo accada è P (t q = 0) = p 0 = ρ.
10 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE 55 Altrimenti, se all arrivo del nuovo utente c è un numero non nullo di utenti presenti nel sistema, ovvero se n, vale il seguente risultato. Proposizione.5.7 In un sistema M/M/, per il tempo di attesa in coda t q vale P (t q > t) = ρe (µ λ)t, t 0. Dimostrazione: Si ragiona in maniera del tutto analoga a quanto espresso nell introdurre la proposizione precedente. Supponiamo, quindi, che entrando nel sistema il nuovo utente trova già n utenti presenti nel sistema; quindi dovrà aspettare n tempi esponenziali per l inizio del proprio servizio (si tratta di n tempi e non più n + perchè deve essere escluso il tempo relativo al servizio del nuovo utente stesso). Analogamente alla dimostrazione della proposizione precedente, utilizzando la (.5.3), si ha P (t q > t) = ( ) P t q n utenti presenti nel sistema > t p n all arrivo del nuovo utente n= = P (S n > t) p n n= = ρ P (S n > t) ( ρ)ρ n n= = ρ P (S n+ > t) ( ρ)ρ n = ρ P (S n+ > t) p n = ρ P (t w > t) = ρe (µ λ)t. Quindi il tempo di attesa nella coda t q non segue la distribuzione esponenziale come invece accade nel caso del tempo di permanenza nel sistema. Se invece calcoliamo la probabilità che t q > t, condizionata a t q > 0, si ha P (t q > t t q > 0) = P (tq > t) P (t q > 0) = e (µ λ)t, ovvero il tempo di attesa in coda t q di un utente arbitrario che arriva nel sistema, condizionato a t q > 0 è distribuito esponenzialmente con parametro µ λ.
11 56 TEORIA DELLE CODE Sistemi M/M/s multiservente Sistemi Consideriamo ora un sistema M/M/s multiservente, ovvero con s >, assumendo M/M/s ρ = λ/(sµ) <. Per quanto già visto nell introduzione al paragrafo, si può ricondurre questo caso ad un processo di nascita e morte con coefficiente di natalità λ n = λ e coefficiente di mortalità dato da { nµ se n < s µ n = sµ se n s, ovvero µ n = min{nµ, sµ}. Il diagramma di transizione di stato in questo caso è riportato in Figura.5.. Si ottiene, quindi ( ) λ n per n =, 2,..., s n! µ Π n = ( ) λ s ( ) λ n s = ( ) λ n s! µ sµ s!s n s per n = s, s +,... µ Verifichiamo la condizione di esistenza dello stato stazionario (.4.2). Si ha Π n = n= = s ( ) λ n ( ) λ s ( ) λ n s + n! µ n= n=s s! µ sµ s ) s n= che è soddisfatta per ρ = λ sµ <. n! ( λ µ) n + s! ( λ µ ( ) λ n < sµ Inoltre risulta p 0 = s n! ( λ µ) n + s! ( λ µ ) s ρ (.5.4) λ λ λ λ λ λ λ λ s- s s+ µ 2 µ 3 µ 4µ ( s ) µ s µ s µ sµ Fig..5. Diagramma di transizione di stato per un sistema M/M/s
12 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE 57 ed il valore di p n dato da p n = ( ) λ n p 0, per n =, 2,..., s n! µ ) n p 0, per n = s, s +,... s!s n s ( λ µ (.5.5) Calcoliamo ora il valore di N q : N q = (n s)p n = ip s+i = i ( ) λ s+i n=s s!s i p 0 µ = i ( ) λ s ( λ i p 0 = s! µ sµ) ( ) λ s p 0 iρ i s! µ = ( ) λ s p 0 ρ iρ i = ( ) λ s dρ i p 0 ρ s! µ s! µ dρ = ( ) λ s p 0 ρ d ρ i = ( ) λ s p 0 ρ d ( ) s! µ dρ s! µ dρ ρ = ( ) λ s ρ p 0 s! µ ( ρ) 2. Applicando il Teorema di Little si ricavano i valori di T q, T e N. Quindi per un sistema di code M/M/s multiservente si hanno le seguenti misure di prestazione: N q = ( ) λ s ρ s! µ ( ρ) 2 p 0 T q = N q λ T = T q + µ N = λt = N q + λ µ. Anche nel caso di sistema M/M/s multiservente è possibile ricavare la distribuzione di probabilità del tempo di permanenza nel sistema t w e del tempo di attesa nella coda t q. Si riportano questi risultati senza dimostrazione. Risulta [ + (λ/µ) P (t w > t) = e µt s ( )] p 0 e µt(s λ/µ) s!( ρ) s λ/µ
13 58 TEORIA DELLE CODE ( ) sostituendo e µt(s λ/µ) s λ/µ con µt nel caso in cui il denominatore si annulli, ovvero se s λ/µ = 0, ed inoltre dove P (t q = 0) = s P (t q > t) = ( P (t q = 0)) e s(µ λ)t (.5.6) p n. È molto utile avere un espressione per il calcolo della probabilità di dover attendere nella coda un tempo non nullo, P (t q > 0) che, ovviamente, è un caso particolare della (.5.6). Si può ricavare direttamente nel seguente modo: ( ) P (t q λ s ( ) λ n s > 0) = p n = p 0 n=s n=s s! µ sµ = ( ) λ s ( ) λ i p 0 s! µ sµ = ( ) λ s s! µ λ p 0 = ( ) λ s s! µ ρ p 0 sµ Quest ultima formula che fornisce la probabilità che un utente che arriva trova tutti i serventi occupati è nota come formula di Erlang C. Esempio.5.8 Un bar ha due barman ugualmente efficienti, ciascuno dei quali è in grado di servire, in media, 60 clienti l ora e i tempi di servizio sono distribuiti esponenzialmente. I clienti entrano nel bar secondo un processo di Poisson, con frequenza media di 00 l ora. Determinare:. il numero medio di clienti in attesa di essere serviti; 2. il tempo medio di attesa prima di essere serviti; 3. la probabilità che nel bar vi siano più di 5 clienti; 4. se utilizzando un terzo barman è possibile dimezzare il tempo medio di attesa in coda. Si tratta di un modello di code M/M/2. Assumendo come unità di tempo l ora, si ha λ = 00 e µ = 60. Inoltre, poiché risulta ρ = λ/(2µ) = 5/6 <, la condizione per l esistenza della distribuzione stazionaria è verificata.. Per determinare il il numero medio di clienti in attesa di essere serviti N q abbiamo bisogno del valore di p 0 che può essere calcolato dalla (.5.4) dalla quale si ottiene p 0 = /. Quindi possiamo calcolare il valore di N q che risulta pari a 25/33 = 3.78; 2. il tempo medio di attesa prima di essere serviti è T q = N q /λ = ore, ovvero circa 2.28 minuti; 3. la probabilità che nel bar vi siano più di 5 clienti è data da (p 0 + p + p 2 + p 3 + p 4 + p 5 ); è necessario, quindi, calcolare i valori di p n per n = 0,, 2, 3, 4, 5 che possono essere facilemente ottenuti dalla (.5.5). Risulta quindi (p 0 +p +p 2 +p 3 +p 4 +p 5 ) = ;
14 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE con un terzo barman il sistema diventa di tipo M/M/3 con ρ = 5/9. Per questo sistema si ottiene p 0 = 0.73, N q = e T q = e quindi il tempo medio di attesa in coda è ridotto a circa un decimo del precedente. Esempio.5.9 In un pronto soccorso di un ospedale si vuole migliorare il servizio offerto. Sulla base dei dati disponibili, si stima che arriva in media un paziente ogni 30 minuti e che, in media, per le cure richieste sono necessari 20 minuti per ogni paziente. Uno studio preliminare ha evidenziato che gli arrivi sono casuali (distribuiti secondo Poisson) e i tempi impiegati per le cure sono approssimativamente distribuiti secondo la distribuzione esponenziale. Costruire un modello di code analizzando le due possibili alternative di continuare ad operare con un solo medico oppure aggiungere un secondo medico. Prendiamo come unità di tempo l ora. Risulta λ = 2 e µ = 3. Per s = si ottiene: ρ = 2/3, N q = 4/3, N = 2, T q = 2/3 di ora e T = ora. Per s = 2 si ottiene: ρ = /3, N q = /2, N = 3/4, T q = /24 di ora e T = 3/8 di ora. Si lascia allo studente il calcolo di p n, P (t q > t), P (t w > t) ed i casi particolari P (t q > 0), P (t q > ) nel due casi di singolo servente e di due serventi. Confrontanto i risultati ottenuti appare chiaro che l utilizzo di un solo medico è del tutto inadeguato. Esercizio.5.0 In un ufficio arriva, in media, un cliente ogni 2 minuti. Attualmente in questo ufficio c è un solo addetto che esegue il servizio richiesto da ciascun cliente, in media, in 5 secondi. Si assuma che gli arrivi siano poissoniani e che i tempi di servizio siano distribuiti esponenzialmente. Si consideri un modello di code M/M/s verificando se è preferibile cambiare l addetto con un altro due volte più veloce oppure aggiungere all addetto attualmente utilizzato un altro addetto che lavora alla stessa velocità di quello attuale. Esercizio.5. Un sistema di elaborazione è costituito da 3 server. Poichè ciascun server può essere anche utilizzato singolarmente, ogni server può essere anche considerato come un sistema singolo. I processi arrivano al sistema secondo la distribuzione di Poisson con media 9 l ora e il tempo di servizio di ciascun server è distribuito esponenzialmente con media 0 minuti. Un operatore deve decidere come far operare il sistema. Esistono tre possibili modalità operative:. tre sistemi singoli indipendenti: i processi arrivano al sistema e si distribuiscono casualmente nelle tre code presenti (una per ciascun server); 2. i processi in arrivo sono posizionati in un unica fila di attesa e il primo processo viene lavorato non appena si libera uno dei server; 3. come nel punto 2 processi sono in un;unica fila, ma i 3 server sono connessi tra loro in modo da funzionare come un unico sever con velocità di servizio tripla. Per la modalità operativa : a) descrivere un sistema a coda che può rappresentare la situazione descritta; b) determinare il tempo medio di permanenza nel sistema e il tempo medio di attesa in coda. c) calcolare il numero medio di processi presenti nel sistema e il numero medio dei processi presenti in attesa di essere lavorati; d) determinare la probabilità che il tempo di permanenza nel sistema superi i 0 minuti. Per la modalità operativa 2: e) descrivere un sistema a coda che può rappresentare la situazione descritta;
15 60 TEORIA DELLE CODE f) determinare il tempo medio di permanenza nel sistema e il tempo medio di attesa in coda. g) calcolare il numero medio di processi presenti nel sistema e il numero medio dei processi presenti in attesa di essere lavorati; h) determinare la probabilità che un processo arrivi nel sistema e venga lavora immediatamente senza attesa; i) determinare come è distribuito il numero dei processi presenti nel sistema. Per la modalità operativa 3: l) descrivere un sistema a coda che può rappresentare la situazione descritta; m) determinare il tempo medio di permanenza nel sistema e il tempo medio di attesa in coda. n) calcolare il numero medio di processi presenti nel sistema e il numero medio dei processi presenti in attesa di essere lavorati; o) determinare come è distribuito il tempo di attesa in coda; p) descrivere come si riconduce questo sistema ad un processo di nascita e morte. Dall analisi delle 3 modalità q) concludere qual è la modalità più conveniente e la meno conveniente in termini di tempi di risposta del sistema, ovvero di tempi di permanenza media dei processi nel sistema. Esercizio.5.2 Completare il foglio Excel dell Esercizio.5.3 includendo anche il caso di code M/M/s con s >.
Reti di Telecomunicazioni 1
Reti di Telecomunicazioni 1 AA2011/12 Sistemi a coda Blocco E4 Ing. Francesco Zampognaro e-mail: zampognaro@ing.uniroma2.it Lucidi Prof. Stefano Salsano 1 Modelli per sistemi telefonici - La coda M/M/S/S
DettagliEsercitazioni 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
DettagliMobilificio. Si vuole simulare il comportamento della gestione degli ordini da parte di una azienda che produce mobili di due qualità
Mobilificio Si vuole simulare il comportamento della gestione degli ordini da parte di una azienda che produce mobili di due qualità Gli ordini arrivano secondo una distribuzione di Poisson di valor medio
DettagliMISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE
MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliINDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI
2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato
DettagliEsercizi di dimensionamento dei sistemi di commutazione telefonica
Politecnico di Milano Sede di Cremona A.A. 2013/20134 Corso di RETI DI COMUNICAZIONE ED INTERNET Modulo 1 Esercizi di dimensionamento dei sistemi di commutazione telefonica Antonio Corghi Modelli di commutazione
DettagliI Bistabili. Maurizio Palesi. Maurizio Palesi 1
I Bistabili Maurizio Palesi Maurizio Palesi 1 Sistemi digitali Si possono distinguere due classi di sistemi digitali Sistemi combinatori Il valore delle uscite al generico istante t* dipende solo dal valore
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliFUNZIONI CONTINUE - ESERCIZI SVOLTI
FUNZIONI CONTINUE - ESERCIZI SVOLTI 1) Verificare che x è continua in x 0 per ogni x 0 0 ) Verificare che 1 x 1 x 0 è continua in x 0 per ogni x 0 0 3) Disegnare il grafico e studiare i punti di discontinuità
DettagliEsercizi sulla conversione tra unità di misura
Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi
Dettagli7 Esercizi e complementi di Elettrotecnica per allievi non elettrici. Circuiti elementari
7 Esercizi e complementi di Elettrotecnica per allievi non elettrici Circuiti elementari Gli esercizi proposti in questa sezione hanno lo scopo di introdurre l allievo ad alcune tecniche, semplici e fondamentali,
DettagliMassimi e minimi vincolati in R 2 - Esercizi svolti
Massimi e minimi vincolati in R 2 - Esercizi svolti Esercizio 1. Determinare i massimi e minimi assoluti della funzione f(x, y) = 2x + 3y vincolati alla curva di equazione x 4 + y 4 = 1. Esercizio 2. Determinare
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliLezione 3: Il problema del consumatore: Il
Corso di Economica Politica prof. Stefano Papa Lezione 3: Il problema del consumatore: Il vincolo di bilancio Facoltà di Economia Università di Roma La Sapienza Il problema del consumatore 2 Applichiamo
DettagliTECNICHE DI CONTROLLO
TECNICHE DI CONTROLLO Richiami di Teoria dei Sistemi Dott. Ing. SIMANI SILVIO con supporto del Dott. Ing. BONFE MARCELLO Sistemi e Modelli Concetto di Sistema Sistema: insieme, artificialmente isolato
Dettaglidifferiticerti.notebook November 25, 2010 nov 6 17.29 nov 6 17.36 nov 6 18.55 Problemi con effetti differiti
Problemi con effetti differiti sono quelli per i quali tra il momento di sostentamento dei costi ed il momento di realizzo dei ricavi intercorre un certo lasso di tempo. Nei casi in cui il vantaggio è
DettagliFSM: Macchine a Stati Finiti
FSM: Macchine a Stati Finiti Introduzione Automi di Mealy Automi di Moore Esempi Sommario Introduzione Automi di Mealy Automi di Moore Esempi Sommario Introduzione Metodo per descrivere macchine di tipo
DettagliNUMERI COMPLESSI. Test di autovalutazione
NUMERI COMPLESSI Test di autovalutazione 1. Se due numeri complessi z 1 e z 2 sono rappresentati nel piano di Gauss da due punti simmetrici rispetto all origine: (a) sono le radici quadrate di uno stesso
DettagliEsercizi di Matematica Finanziaria
Università degli Studi di Siena Facoltà di Economia Esercizi di Matematica Finanziaria relativi ai capitoli V-X del testo Claudio Pacati a.a. 1998 99 c Claudio Pacati tutti i diritti riservati. Il presente
DettagliEsercizi sui Circuiti RC
Esercizi sui Circuiti RC Problema 1 Due condensatori di capacità C = 6 µf, due resistenze R = 2.2 kω ed una batteria da 12 V sono collegati in serie come in Figura 1a. I condensatori sono inizialmente
DettagliRegola del partitore di tensione
Regola del partitore di tensione Se conosciamo la tensione ai capi di una serie di resistenze e i valori delle resistenze stesse, è possibile calcolare la caduta di tensione ai capi di ciascuna R resistenza,
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Modelli a coda Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Sistemi a coda Gli elementi chiave di un sistema a coda
Dettagli5 DERIVATA. 5.1 Continuità
5 DERIVATA 5. Continuità Definizione 5. Sia < a < b < +, f : (a, b) R e c (a, b). Diciamo che f è continua in c se sono verificate le ue conizioni: (i) c esiste (ii) = f(c) c Si osservi che nella efinizione
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
DettagliEsercitazione n o 3 per il corso di Ricerca Operativa
Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento October 17, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con 500 000 litri di acqua. Si richiede che l acqua
Dettagli3.1 ESERCIZI DI RIEPILOGO
3 3.1 ESERCIZI DI RIEPILOGO Esercizio 3.1.1 Dato un sistema M/M/2 con frequenza media di arrivo pari a λ e velocità di servizio pari a µ, con λ < 2µ Scrivere le equazioni di Kolmogorov relative al processo
Dettagliˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1
. Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci
DettagliEsercizi svolti. Processi di sole nascite
Esercizi svolti Processi di sole nascite Esercizio 1 I clienti arrivano ad un servizio secondo un processo poissoniano con valor medio λ = 4 clienti all ora. Il servente cessa di funzionare al tempo t
DettagliIntroduzione alla programmazione lineare. Mauro Pagliacci
Introduzione alla programmazione lineare Mauro Pagliacci c Draft date 25 maggio 2010 Premessa In questo fascicolo sono riportati gli appunti dalle lezioni del corso di Elaborazioni automatica dei dati
DettagliEsercitazioni di Reti Logiche. Lezione 1 Rappresentazione dell'informazione. Zeynep KIZILTAN zkiziltan@deis.unibo.it
Esercitazioni di Reti Logiche Lezione 1 Rappresentazione dell'informazione Zeynep KIZILTAN zkiziltan@deis.unibo.it Introduzione Zeynep KIZILTAN Si pronuncia Z come la S di Rose altrimenti, si legge come
DettagliAppendice B: Reti di code
Appendice B: Reti di code B. INTRODUZIONE ALLE RETI DI CODE B.. Generalità La trattazione della teoria delle code effettuata fino ad ora ha sempre considerato singoli sistemi a coda. Tuttavia, molto spesso
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: professionale
Protocollo dei saperi imprescindibili Ordine di scuola: professionale DISCIPLINA: MATEMATICA RESPONSABILE: CAGNESCHI F. IMPERATORE D. CLASSE: prima servizi commerciali Utilizzare le tecniche e le procedure
DettagliRIDUZIONE DELLE DISTANZE
RIDUZIONE DELLE DISTANZE Il problema della riduzione delle distanze ad una determinata superficie di riferimento va analizzato nei suoi diversi aspetti in quanto, in relazione allo scopo della misura,
DettagliIllustrazione 1: Telaio. Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali
Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali Materiale utilizzato: Telaio (carrucole,supporto,filo), pesi, goniometro o foglio con goniometro stampato, righello Premessa
DettagliDefinizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
DettagliUnità di misura di lunghezza usate in astronomia
Unità di misura di lunghezza usate in astronomia In astronomia si usano unità di lunghezza un po diverse da quelle che abbiamo finora utilizzato; ciò è dovuto alle enormi distanze che separano gli oggetti
DettagliIl Metodo Scientifico
Unita Naturali Il Metodo Scientifico La Fisica si occupa di descrivere ed interpretare i fenomeni naturali usando il metodo scientifico. Passi del metodo scientifico: Schematizzazione: modello semplificato
DettagliELEMENTI DI ANALISI SPETTRALE 1 I DUE DOMINI
Lezioni di Fisica della Terra Solida, Università di Chieti, a.a. 999/. Docente A. De Santis ELEMENTI DI ANALISI SPETTRALE I DUE DOMINI È spesso utile pensare alle unzioni ed alle loro trasormate di Fourier
Dettagli0.1 Esercizi calcolo combinatorio
0.1 Esercizi calcolo combinatorio Esercizio 1. Sia T l insieme dei primi 100 numeri naturali. Calcolare: 1. Il numero di sottoinsiemi A di T che contengono esattamente 8 pari.. Il numero di coppie (A,
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliCOMPITI DI RETI DI TELECOMUNICAZIONI 2005-2006. Prof. Giovanni Poggi. ultima revisione 9.1.2009
COMPITI DI RETI DI TELECOMUNICAZIONI 2005-2006 Prof. Giovanni Poggi ultima revisione 9.1.2009 1. In un hard-discount, nell ora di punta, i clienti arrivano alla cassa secondo un processo di Poisson al
DettagliANALISI E GESTIONE DEI COSTI
ANALISI E GESTIONE DEI COSTI Dott.ssa Francesca Mandanici Le valutazioni di convenienza economica di breve periodo: l'analisi differenziale 18 NOVEMBRE 2010 Le applicazioni dell analisi della variabilità
DettagliApplicazioni fisiche dell integrazione definita
Applicazioni fisiche dell integrazione definita Edizioni H ALPHA LORENZO ROI c Edizioni H ALPHA. Aprile 27. H L immagine frattale di copertina rappresenta un particolare dell insieme di Mandelbrot centrato
DettagliMETODI DI CONVERSIONE FRA MISURE
METODI DI CONVERSIONE FRA MISURE Un problema molto frequente e delicato da risolvere è la conversione tra misure, già in parte introdotto a proposito delle conversioni tra multipli e sottomultipli delle
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE SISTEMI M/G/1 e M/D/1 Sistemi M/G/1 Nei sistemi M/G/1: i clienti arrivano secondo un processo di Poisson con parametro λ i tempi di servizio hanno una distribuzione generale della
DettagliESAME DI ECONOMIA INTERNAZIONALE Università di Bari - Facoltà di Economia
ESAME DI ECONOMIA INTERNAZIONALE Università di Bari - Facoltà di Economia 04/05/2005 Corso Unico VERSIONE 11 ISTRUZIONI Riempire i campi relativi a nome, cognome, matricola e corso di laurea sia su questo
DettagliMATEMATICA e COMPLEMENTI di MATEMATICA
ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare
DettagliGeometria Superiore Esercizi 1 (da consegnare entro... )
Geometria Superiore Esercizi 1 (da consegnare entro... ) In questi esercizi analizziamo il concetto di paracompattezza per uno spazio topologico e vediamo come questo implichi l esistenza di partizioni
DettagliEsercizio. Fabrizio Dolcini (http://staff.polito.it/fabrizio.dolcini/) Dipartimento di Fisica del Politecnico di Torino - Esercitazioni di Fisica I
1 Esercizio Un automobile sfreccia alla velocità costante v A = 180 Km/h lungo una strada, passando per un punto di appostamento di una volante della polizia stradale. La volante, dopo un tempo tecnico
DettagliCollaudo statico di un ADC
Collaudo statico di un ADC Scopo della prova Verifica del funzionamento di un tipico convertitore Analogico-Digitale. Materiali 1 Alimentatore 1 Oscilloscopio 1 Integrato ADC 0801 o equivalente Alcuni
DettagliUNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione
DettagliEsercizi svolti. Elettrotecnica
Esercizi svolti di Elettrotecnica a cura del prof. Vincenzo Tucci NOVEMBE 00 NOTA SUL METODO PE LA DEGLI ESECIZI La soluzione degli esercizi è un momento della fase di apprendimento nel quale l allievo
DettagliEsercizi svolti. 1 quesito Calcolo del flusso termico q in condizioni stazionarie Il flusso termico è q = T/R (1)
Esercizi svolti Esercizio n.1 Una parete piana è costituita da tre strati omogenei disposti in serie e separa due ambienti a temperatura rispettivamente di 20 C e di 3 C. Gli strati hanno le seguenti caratteristiche:
DettagliLEZIONI DI RETI DI TELECOMUNICAZIONI. Giovanni Poggi
LEZIONI DI RETI DI TELECOMUNICAZIONI Giovanni Poggi Università Federico II di Napoli ultimo aggiornamento 15 marzo 28 Introduzione 1 1 Introduzione 1.1 Notizie generali sul corso Il corso di Reti di Telecomunicazioni
DettagliEsercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
DettagliAi fini della comprensione e risoluzione corretta de problema risulta molto utile rappresentarne la trasformazione su un diagramma SY.
Silvia Tosini matr. 146697 Lezione del 31/1/3 ora 1:3-1:3 (6(5&,,' (6$( &RQVLJOLSHUXQDJLXVWDOHWWXUDGHLGDWL Si ricorda che le cifre in lettere: A B C D E F dei dati si riferiscono rispettivamente al primo,
DettagliInfrastruttura telematica: visione d insieme Mauro Nanni
Infrastruttura telematica: visione d insieme Mauro Nanni Si sono fin qui presi in considerazione i singoli elementi che costituiscono l infrastruttura telematica delle scuole. Per utilizzare in modo semplice
Dettaglix log(x) + 3. f(x) =
Università di Bari, Corso di Laurea in Economia e Commercio Esame di Matematica per l Economia L/Z Dr. G. Taglialatela 03 giugno 05 Traccia dispari Esercizio. Calcolare Esercizio. Calcolare e cos log d
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
DettagliClassificazione Singolarità isolate, Serie di Laurent, Residui, Teorema dei residui e applicazioni
Classificazione Singolarità isolate, Serie di Laurent, Residui, Teorema dei residui e applicazioni Docente:Alessandra Cutrì Richiamo:Zeri di Funzioni olomorfe (o analitiche) Sia f : A C C A aperto connesso,
DettagliITIS OTHOCA ORISTANO
ITIS OTHOCA ORISTANO CARATTERISTICHE DEI PROCESSI PRODUTTIVI LAY-OUT IMPIANTI PARTE 2 Si definisce linea di produzione una successione concatenata di posti di lavoro che eseguono una data operazione in
DettagliSistemi di Servizio e Simulazione
Sistemi di Servizio e Simulazione Soluzioni degli esercizi di esame proposti negli appelli dell a.a.2004-05 Sono stati distribuiti sul sito web i testi di tre appelli di esame dell anno accademico 2004-05:
DettagliElementi di matematica finanziaria
Elementi di matematica finanziaria 1. Percentuale Si dice percentuale di una somma di denaro o di un altra grandezza, una parte di questa, calcolata in base ad un tanto per cento, che si chiama tasso percentuale.
DettagliVALORE PIÙ CONVENIENTE DEL RENDIMENTO
VALORE PIÙ CONVENIENTE DEL RENDIENTO In una macchina elettrica ad un rendimento più elevato corrisponde un minor valore delle perdite e quindi un risparmio nelle spese di esercizio (in quanto minori risultano
DettagliEsercizi svolti Esperimentazioni di Fisica 2 A.A. 2009-2010 Elena Pettinelli
Esercizi svolti Esperimentazioni di Fisica A.A. 009-00 Elena Pettinelli Principio di sovrapposizione: l principio di sovrapposizione afferma che la risposta di un circuito dovuta a più sorgenti può essere
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliDefinizione unitaria delle coniche
Autore/i: M.Maddalena Bovetti docente di matematica della Scuola Media Superione Titolo: Definizione unitaria delle coniche Collocazione: Difficoltà: Livello di scolarità: Periodo scolastico: Abstract:
DettagliMINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO
Sessione Ordinaria in America 4 MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO (Americhe) ESAMI DI STATO DI LICEO SCIENTIFICO Sessione Ordinaria 4 SECONDA PROVA SCRITTA
DettagliESAME 13 Gennaio 2011
ESAME 13 Gennaio 2011 Esercizio 1. Si consideri un operazione finanziaria che ha valore x 0 = 120 in t 0 = 0 e restituisce x 1 = 135 all istante t. Supponendo che l operazione in esame sia soggetta ad
DettagliProgrammazione Dichiarativa. Programmazione Logica. SICStus PROLOG PROLOG. http://www.sics.se/sicstus/ Bob Kowalski: "Algoritmo = Logica + Controllo"
Programmazione Logica Bob Kowalski: "Algoritmo = Logica + Controllo" nella programmazione tradizionale: il programmatore deve occuparsi di entrambi gli aspetti nella programmazione dichiarativa: il programmatore
DettagliEvoluzione del clima in Veneto nell ultimo cinquantennio
DIPARTIMENTO PER LA SICUREZZA DEL TERRITORIO Centro Meteorologico di Teolo Evoluzione del clima in Veneto nell ultimo cinquantennio Il Veneto si colloca in una zona di transizione confinante a Nord con
DettagliPROBLEMI DI SCELTA dipendenti da due variabili d azione
prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliRiconoscere e formalizzare le dipendenze funzionali
Riconoscere e formalizzare le dipendenze funzionali Giorgio Ghelli 25 ottobre 2007 1 Riconoscere e formalizzare le dipendenze funzionali Non sempre è facile indiduare le dipendenze funzionali espresse
DettagliVBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole.
Excel VBA VBA Visual Basic for Application VBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole. 2 Prima di iniziare. Che cos è una variabile?
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliLezione 12 Argomenti
Lezione 12 Argomenti Costi di produzione: differenza tra costo economico e costo contabile I costi nel breve periodo Relazione di breve periodo tra funzione di produzione, produttività del lavoro e costi
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
DettagliEsercitazione. Livello di Trasporto [Capitolo 3]
Esercitazione Livello di Trasporto [Capitolo 3] 1 È possibile che un'applicazione che gira su UDP ottenga un trasferimento dati affidabile? Si. Lo sviluppatore dell'applicazione può inserire il trasferimento
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliProf.ssa Laura Pagnozzi Prof. Ivano Coccorullo. Calcolo Combinatorio
Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli
DettagliOFFERTA DI LAVORO. p * C = M + w * L
1 OFFERTA DI LAVORO Supponiamo che il consumatore abbia inizialmente un reddito monetario M, sia che lavori o no: potrebbe trattarsi di un reddito da investimenti, di donazioni familiari, o altro. Definiamo
Dettagli3 Variabile intensiva coniugata alla quantità di moto 1
EQUILIBRIO ERMODINAMICO LOCALE Contents 1 Variabili termodinamiche locali 1 2 Quantità di moto 1 3 Variabile intensiva coniugata alla quantità di moto 1 4 Densità delle variabili estensive 2 5 Equilibrio
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
Dettagli6. IMPIANTO DI CLIMATIZZAZIONE CALCOLO PSICROMETRICO DEL SOGGIORNO-PRANZO
6. IMPIANTO DI CLIMATIZZAZIONE CALCOLO PSICROMETRICO DEL SOGGIORNO-PRANZO Regime estivo Dal calcolo dei carichi termici effettuato a regime variabile (includendo anche quelli apportati dagli utenti e dall
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliIndice. Indice delle figure
STUDIO DI FATTIILITÀ RELATIVO AGLI INTERVENTI DI 1 di 17 Indice 1 PREMESSA... 2 2 MODELLO DI ESERCIZIO DI RIFERIMENTO... 3 3 DESCRIZIONE DELLA CONFIGURAZIONE ATTUALE... 4 4 DESCRIZIONE DELLA CONFIGURAZIONE
Dettagli+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:
Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa
DettagliCorso di Laurea in Ingegneria Informatica Analisi Numerica
Corso di Laurea in Ingegneria Informatica Lucio Demeio Dipartimento di Scienze Matematiche 1 2 Analisi degli errori Informazioni generali Libro di testo: J. D. Faires, R. Burden, Numerical Analysis, Brooks/Cole,
DettagliI laureati scuole di provenienza, durata degli studi, votazioni ed età
I laureati scuole di provenienza, durata degli studi, votazioni ed età Il campione in esame comprende gli 11450 laureati presso l Università di Lecce nel periodo maggio 1997 aprile 2004, corrispondente
DettagliVARIABILI ALEATORIE E VALORE ATTESO
VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della
Dettagli11) convenzioni sulla rappresentazione grafica delle soluzioni
2 PARAGRAFI TRATTATI 1)La funzione esponenziale 2) grafici della funzione esponenziale 3) proprietá delle potenze 4) i logaritmi 5) grafici della funzione logaritmica 6) principali proprietá dei logaritmi
DettagliEQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6
EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliSegnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro
Segnali e Sistemi Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici Gianni Borghesan e Giovanni Marro Indice Introduzione 2. Notazione............................. 2 2 Classificazione
Dettagli