Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)"

Transcript

1 Docente: Marco Gavano Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 03-4, lez.9)

2 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Problem assocat ad un problema PL Una volta rsolto un problema d PL che modellzza un problema reale e trovata una soluzone ottmale s presentano var tp d opzon legate al fatto che le stuazon real sono vare e dnamche. S parla n tal caso d postottmzzazone. In partcolare possono avers Anals d sensbltà Programmazone parametrca

3 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Anals d sensbltà In questo caso s analzzano gl effett sulla soluzone ottmale prodott da eventual modfche d A, c e d e d eventual ntroduzon d vncol o varabl. Può anche avvenre, dopo aver rsolto l problema orgnale, che dat stess su cu s è costruto l problema PL devono essere modfcat d quanttà dscrete. In certe stuazon non è necessaro partre da capo ma possono essere utlzzat n modo semplce rsultat gà ottenut. S parla allora d rottmzzazone. 3

4 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 S esamnano ora alcune delle stuazon che possono verfcars. Modfca del vettore c Cò equvale alla modfca della funzone obettvo, s passa da c a c+c. Sa la base che fornva la soluzone d base ottmale del problema orgnale. La soluzone d base ottmale (gà trovata) è ancora una soluzone d base ma non è necessaramente ottmale per l nuovo programma. 4

5 Ponamo (9.) Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 z S hanno due cas (c c) z (c c) y z c z c R Se z c 0 ( N ), è ancora un programma d base ottmale. Il nuovo valore della funzone obettvo è z c R Se z c 0 (per almeno un N ), è ancora un programma d base ma non è ottmale. Le formule (9.) permettono d contnuare l applcazone del metodo del smplesso a partre dalla tabella fnale ottenuta nella soluzone del problema orgnale. y. N R 5

6 6 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n. 9 Esempo problema nzale problema modfcato 0, 3 z ma 0, 3 ) ( z ma

7 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Grafcamente s ha. 7

8 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Modfca del vettore d In tal caso s passa da d a d+d e la soluzone d base corrspondente alla base ottmale del problema orgnale soddsfa crter d ottmaltà ma potrebbe non essere una soluzone ammssble. Posto ' S hanno due cas (d d) ' (d d) d 0 allora ' è la nuova soluzone ottmale per qualche componente d ' ' (d d) d 0 d 8

9 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Nel secondo caso se l numero delle component mnor d zero è grande, convene applcare da capo l metodo del smplesso altrment esstono de metod che permettono d utlzzare dat della tavola del smplesso ottenuta con la rsoluzone del problema orgnale 9

10 0 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n. 9 Esempo problema nzale problema modfcato 0, 3 z ma 0, 3 4 z ma

11 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n. 9 Grafcamente s ha.

12 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Introduzone d una nuova varable L ntroduzone d una nuova varable n+ porta ad aggungere una nuova colonna a n+ alla matrce A ed un nuovo elemento c n+ al vettore c. Al termne della applcazone dell algortmo al problema orgnale (per es, con l algortmo del smplesso rvsto) s dspone sa d - sa d c -. Allora se (c - a n+ - c n+ )0 la soluzone d base ottmale del problema orgnale è anche soluzone d base ottmale del nuovo problema (c - a n+ - c n+ )>0 s contnua l applcazone del smplesso a partre dalla tabella fnale ottenuta nella soluzone del problema orgnale.

13 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Modfca de coeffcent a della varable Nel caso n cu è una varable secondara s procede come nel caso dell ntroduzone d una nuova varable. Se è una varable d base, s passa dalla base ad una nuova base ottenuta modfcando la colonna relatva a. Nel caso sa ancora una base e =() - d 0 allora s è n presenza d una nuova soluzone d base. Questa potrà essere ottmale oppure no. Nel seconda caso s contnua con l algortmo del smplesso a partre dalla tabella fnale ottenuta nella soluzone del problema orgnale. Le altre stuazon ( non è una base) sono rsolte con tecnche specfche. Può essere necessaro applcare l smplesso da 3 capo.

14 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Introduzone d un nuovo vncolo Questo caso è comune perché s vuole spermentare come vara la funzone obettvo z n rapporto a vncol. L ntroduzone d un vncolo può rdurre l nseme delle soluzon ammssbl e pertanto non può mglorare l valore della funzone z. Il contraro avvene se un vncolo vene elmnato. Nel caso che la soluzone d base ottmale del problema orgnale soddsf l nuovo vncolo allora essa è una soluzone ottmale (non necessaramente d base) anche per l nuovo problema. Anche ora gl altr cas sono rsolt con tecnche specfche e può essere necessaro applcare l smplesso da capo. 4

15 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Programmazone parametrca S consdera ora l caso n cu dat del problema orgnaro vengono modfcat d quanttà che varano con contnutà. Consderamo l caso n cu possono varare valor d o c. Parametrzzazone del vettore d Sa d 0 l vettore della domanda (o dsponbltà) e esso sa modfcato n d=d 0 +, un vettore fsso e 0 Supponamo che ottmale con base. 0 d0 sa una soluzone d base 5

16 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Faccamo varare assegnandole valor postv crescent. Il valore della soluzone d base vara secondo d θ o Il crtero d ottmaltà contnua ad essere soddsfatto poché non ntervene nel calcolo d z -c ma l vettore potrebbe ad un certo punto essere non essere ammssble. S pone la domanda: Per qual valor d, cessa d essere una soluzone ottmale ammssble? 6

17 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Posto = - s ha Se 0 allora contnua ad essere un programma ottmale per ogn valore d 0, Se <0 ( qualche componente d ) esste un valore d, oltre l quale non è una soluzone ammssble poché una sua componente dventa negatva; s ha θ ξ ol l mn s/ξs 0 s I. con 0 d0 0* (0) Volendo ancora studare l problema per valor d > s calcola la soluzone ottmale per = e po s procede con vare tecnche che dpendono dal rsultato ottenuto. ξ os s 7

18 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Parametrzzazone del vettore c Sa c 0 l vettore de cost del problema orgnaro ed esso sa modfcato n c=c 0 +, un vettore fsso e 0 Supponamo che d sa una soluzone d base 0 ottmale con base. Questa varando contnua ad essere una soluzone d base ma non è necessaramente ottmale.i valor z -c corrspondent sono z c c y c (c 0, θγ (c θγ Dove ndca l vettore formato dalle component d che 8 sono nella base. )y 0 )

19 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 S ha z c c 0, y c 0 θ(γ y γ ) z 0 c 0 θ(ζ γ ), con ζ γ y. S ncrement ora a partre da zero.s pone la domanda: Esste un valore crtco = oltre l quale cessa d essere una soluzone ottmale ammssble? La rsposta s deduce dall espressone d z -c. 9

20 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Se Y- 0 la base resta ottmale per ogn valore d 0, Allora - >0 per almeno una d J ed esste un valore d, oltre l quale non è una base ottmale poché almeno un z - c dventa postvo; s ha 0 0 zk ck mn /( k k 0 z Volendo ancora studare l problema per valor d > s calcola la soluzone ottmale per = e po s procede con vare tecnche che dpendono dal rsultato ottenuto. ) 0 c 0 0

21 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Esempo d studo d sensbltà Un produttore d nfss n allumno ha decso d produrre due artcol nuov: una porta ed una fnestra con fnture che rendono l allumno smle al legno. Quest sono prodott ne tre stablment d cu s dspone, n blocch da 0 pezz cascuno. Negl stablment e s producono gl nfss grezz e nello stablmento 3 s opera la rfntura. S conosce la seguente tabella stablmento Temp d produzone Ore dsponbl (porte) (fnestre) Proftto per blocco 3000eu 5000eu

22 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Il problema s modellzza come ma 3 0 z 3 5 L nterpretazone grafca del problema dà 4 8

23 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Il problema n forma standard dventa 3 0 La tabella del smplesso è mn Prma terazone z -c z -c z 3 -c 3 z 4 -c 4 z 5 -c c y y y 3 y 4 y 5 sk/y sk

24 da cu s ha Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 seconda terazone z -c z -c z 3 -c 3 z 4 -c 4 z 5 -c 5 3-5/ c y y y 3 y 4 y 5 sk/y sk / terza terazone z -c z -c z 3 -c 3 z 4 -c 4 z 5 -c / - 0 c y y y 3 y 4 y /3 -/ / /3 /3 sk/y sk 4

25 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 La cu soluzone è =, =6, z=36000 eu Problema duale mnmzza u u 0 u w 4u 3u u 3 3 u 3 5 8u 3 La cu soluzone è u =0, u =3/, u 3 =; w=36000 eu u =0, u =3/, u 3 = sono prezz ombra (shadow prces) 5

26 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 Dato l problema nzale ma 3 0 z 3 s rchede d analzzare la varazone della soluzone cambando le ore dsponbl ne tre stablment: (d (d (d d =4, d = e d 3 =8. 3 ) ) ) 6

27 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 S ncrement d d untà. Grafcamente l problema è La soluzone è ora =4/3, =7, z=39000 eu L ncremento d z è 3 ed è dato da *u = *prezzo ombra corrspondente a d. 7

28 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 S ncrement ora d d 6 e 8 untà. Grafcamente s ha caso La soluzone è ora =0, =9, z=45000 eu L ncremento d z è 9 ed è dato da 6*u = 6*prezzo ombra corrspondente a d. caso La soluzone è ancora =0, =9, z=45000 eu L ncremento d d d 8 untà (al posto d 6) non ncrementa l valore nella funzone obettvo. 8

29 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.9 S ncrement d d untà. Grafcamente l problema è La soluzone è ora =, =6, z=36000 eu L ncremento è 0 ed è dato da *u = *prezzo ombra corrspondente a d. I prezz ombra con valor grand s chamano sensbl 9

30 Docente: Marco Gavano Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 03-4, lez.0) 30

31 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Il metodo duale del smplesso Nella letteratura sono stat propost numeros metod sml all algortmo del smplesso. Il metodo duale del smplesso opera sul problema prmale e genera programm d base non ammssbl sfruttando teorem sulla dualtà. S consderno seguent problem prmale e duale problema PL I mnmzza z c problema duale II massmzza w ud A 0 d ua c u qualsas 3

32 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Supponamo d conoscere una base del problema prmale: (a,...,a s,...a ), con (,..., m ) m e d sa un programma d base non necessaramente ammssble tale che u c è un programma duale; nfatt (z =c b - a ) ua c, J N I S ha che se u non è ottmale allora s 0 per almeno un si. In tal caso s può trovare un nuovo programma duale n cu la funzone obettvo è maggore; Ossa s può passare da u z a c u' 0, con J N I ud u'd. I 3

33 33 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Sa li tale che e s ndch con l la rga l d -. Sa da cu ovvero θβ u ' u l θ l ud 'd u N J I θβ a ua 'a u l. ' ' ' ',, l l l l s s s s l l c z a u a u l I s c z ua a u J y z y ua a u l 0,

34 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Pochè u'd ud, θ 0 Allora due cas sono possbl ) y l 0 (J) In tal caso u' è un programma duale per ogn valore d e la funzone obbettvo w tende a + per. Per l teorema d esstenza della dualtà l problema prmale non ha alcun programma ammssble. ) y l <0 (per almeno un J). Allora u' rmane un programma duale se e solo se z θy l c ossa θ z mn /yl 0 c y l, J 34

35 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Se s prende esattamente s ha θ z k c y lk k z mn /yl 0 c y l, J u'a k c k S consdera allora la matrce ottenuta da sosttuendo la colonna a k con la colonna a l ; poché y lk 0, è una base. L nseme degl ndc delle sue colonna è dato da I =I-{l}+{k}. 35

36 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 S ha u'' c' da cu u' c' (') La nuova soluzone d base è data da ' (') d Allora se ' 0 s ha un programma d base ottmale per l problema prmale se ' s 0 (per almeno un si ) l processo può essere rpetuto per ottenere un nuovo programma u'' con valore della funzone obbettvo maggore del valore n u ' 36

37 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Pertanto escludendo l caso che possa avers =0 s arrva dopo un numero fnto d terazon ad uno de due cas ) 0 s è trovato un programma ottmale del prmale ) l 0 (li) e yl 0 (J); l prmale non ha alcun programma ammssble. 37

38 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Per ottenere n cascuna terazone l ncremento massmo della funzone obbettvo duale s dovrebbe sceglere l ndce l n modo che sa massma l espressone Come per l algortmo del smplesso s prefersce la scelta pù semplce d l l mn s/ 0 per si S descrve ora l algortmo n pseudocodce s l z k c y s lk k 38

39 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Algortmo duale del smplesso nput, (base del prmale), tale che z -c 0, J con J l nseme degl ndc delle varabl non d base. I=N-J e z=c y, Y= - R(y ). Calcola loop f d 0 (progr. corrente ottmale), stop end I I sa l nseme degl ndc per cu s 0; f y s 0 per almeno un si ed ogn J (l probl. prmale non ha un programma ammssble), stop, 39

40 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 elsef y s <0 per almeno un J ed ogn si determna l e k tal che z l k c y lk mn si k, (crtero d uscta) /y s mn l 0, J (crtero d entrata) calcola la nuova base sosttuendo la colonna a k con a l n. l nuovo programma d base ',Y' e z'. end end z c y l, 40

41 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Nel caso non s conosca una base nzale per cu valga z -c 0, J esstono metod sml a quello vsto per l algortmo del smplesso (costruzone d problem artfcal) che permettono d ottenerla. 4

42 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Il metodo prmale-duale Questo metodo utlzza l algortmo del smplesso come sottoprocedura e opera smultaneamente sul problema PL e sul suo duale. S consderno solt problem: prmale e duale problema PL I mnmzza z c problema duale II massmzza w ud A 0 d ua c u qualsas 4

43 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 S defnscono problem auslar prmale e duale problema prmale auslare problema duale auslare mnmzza a 0, ξ d a a, 0, m a,...,m,,...,m d 0 massmzza w ua 0, u, m d,...,n,...,m u 43

44 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Vale l seguente Teorema Una condzone suffcente affnché l programma del problema prmale auslare ed l programma u del problema duale II sano ottmal per l problema I e II è =0, (ua -c ) =0, =,,n. 44

45 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Dato un vettore u 0 che sa un programma del duale II s defnsce l nseme P come P={ u 0 a -c =0} ( N-P={ u 0 a -c <0}) s defnscono problem mnmzza a 0, 0 problema prmale auslare lmtato ξ d a per a,,...,m, 0,,...,m N P m a d 0 problema duale auslare lmtato massmzza ua 0, u, w m d P,...,m u Da notare che nel prmale lmtato s opera come se non esstessero le varabl l cu ndce è n N-P. 45

46 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Il prmale auslare lmtato può essere rsolto medante l algortmo del smplesso. Il programma nzale è dato da a d Ottenuta la soluzone ( ) del prmale auslare lmtato sono possbl due cas Caso. Il valore d è zero. Il programma ottmale è anche un programma del prmale auslare e (per la defnzone del prmale auslare lmtato) vale la relazone (u 0 a -c ) =0, =,,n. Pertanto per l teorema, ( è anche ottmale del prmale I. Inoltre u 0 ) è ottmale per l duale II. 46

47 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Caso. Il valore d è maggore d zero. Alla fne dell applcazone dell algortmo del smplesso s ottengono a come soluzone fnale valor,, u qual anche per l applcazone del teorema debole degl scart vsto nella lezone 8 soddsfano le relazon () ua u 0,, P; se,...,m; se 0, a ua 0, 0 ; u ; Dalla soluzone θ θ duale u (u ),, a,,...,m u s deduce un nuovo programma dato da θ 0 u u θ u, con un parametro scalare.,...,m 47

48 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 S ottene u θ a c (u 0 a c ) θ ua, per cu valgono le relazon P 0 u a ua N P c 0 u 0 a 0 per la defnzone d P c per le relazon precedent 0 per la defnzone d P e s hanno cas a) se ua per ogn (N-P), u 0, è un programma duale (rspetto a problem I e II) per ogn 0, b) se per almeno un (N-P) può defnrs l valore ua 0, 48

49 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 θ u a c 0 k k mn ua k ua 0 u 0 a ua c 0 e u è un programma duale per ogn valore 0<. Nel caso a) u è un programma del duale auslare. a Pertanto,, u costtuscono una copa d programm de problem prmale e duale auslar. Poché soddsfano le potes del teorema debole degl scart costtuscono due programm ottmal per problem auslar. Pertanto poché >0 l problema prmale I non ammette un programma ammssble. 49

50 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 Nel caso b) s consder u dato da 0 u u θu questo è un nuovo programma del problema duale II. A questo s procede a partre da u come s era fatto da u 0 creando un nuovo problema auslare lmtato. S dmostra che l programma ottmale del precedente problema lmtato può essere utlzzato per avere un programma programma d base nzale per l nuovo problema auslare lmtato. Procedendo teratvamente (ed escludendo l fenomeno d soluzon degener) s arrva o al caso oppure alla stuazone ξ 0 e ua 0 per,..,n che ndca la non esstenza d un 50 programma ammssble per l prmale I

51 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 S descrve ora l algortmo n pseudocodce Algortmo prmale-duale Input: programma nzale u 0 per l problema duale II. t=; loop Assoca al programma duale u t- l problema auslare lmtato secondo la condzone u t- a -c <0 =0. Indca con N-P t l nseme degl ndc che verfcano la condzone. Trova medante l algortmo del smplesso la soluzone ottmale del problema auslare lmtato utlzzando come programma d base nzale la soluzone ottmale della precedente terazone (la prma terazon pon =0 a =d). t Sano e u le soluzon trovata de problem auslar (prmale e 5 duale) lmt trovate.

52 Matematca Computazonale, Ottmzzazone, a.a. 03-4, Lezone, n.0 f =0 (valore della funzone obbettvo) t- stop ( e u sono le soluzon ottmale de problem I e II). else Calcola u t a t f u a 0 per ogn (N-P t ) stop (non esste soluzone ammssble per l problema I) else t J t (N-P t ) sa l nseme degl ndc tal che u a 0. Sa t- u a c θ mn t t J u a t t t- t Pon u u θu end end 5 end

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,

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

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9) Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 05-6, lez.9) Matematica Computazionale,

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza

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

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

Flusso a costo minimo

Flusso a costo minimo Flusso a costo mnmo Consderamo un grafo G=(N, A), con capactà u sugl arch. Il problema: mn c (, j) A x s.t. (, j) δ + x ( ) ( j, ) δ x j ( j) = b( ) N x u (, j) A s dce problema d flusso a costo mnmo.

Dettagli

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto

Dettagli

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico. Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Flusso a costo minimo

Flusso a costo minimo Flusso a costo mnmo Consderamo un grafo G=(N, A), con capactà u sugl arch. Il problema: mn s.t. c (, j) A x (, j) δ x + x ( ) u ( j, ) δ x j ( ) = b( ) N (, j) A s dce problema d flusso a costo mnmo. Assumamo

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

Teoremi dei circuiti

Teoremi dei circuiti Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 0-0-03) Teorema d Tellegen Ipotes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,

Dettagli

Algoritmi euristici: III Ricerca Locale

Algoritmi euristici: III Ricerca Locale Algortm eurstc: III Rcerca Locale Danele Vgo D.E.I.S. - Unverstà d Bologna dvgo@des.unbo.t rev. 1.0 - dcembre 2003 Algortm d Rcerca Locale partono da una soluzone (ammssble) cercano teratvamente d mglorarla

Dettagli

Teoremi dei circuiti

Teoremi dei circuiti Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del --04) Teorema d Tellegen potes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,

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

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli Realzzazone d FSM sncrone M. Favall Engneerng Department n Ferrara Realzzazone d FSM Anals e sntes de sstem dgtal / Introduzone Realzzazone d FSM Anals e sntes de sstem dgtal 2 / Una volta ottenuto l automa

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

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

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Support Vector Machines. Macchine a vettori di supporto

Support Vector Machines. Macchine a vettori di supporto Support Vector Machnes Macchne a vettor d supporto Separator Lnear Percettrone La classfcazone bnara può essere vsta come un problema d separazone d class nello spazo delle feature m b b b > 0 b 0 b

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

PROBLEMI DI ALLOCAZIONE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Trasporti / 1.

PROBLEMI DI ALLOCAZIONE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Trasporti / 1. PROBLEMI DI ALLOCAZIONE Una pccola ntroduzone R. Tade R. Tade PROBLEMI DI ALLOCAZIONE I problem d allocazone rchedono d mnmzzare l costo (o massmzzare l guadagno) dell'attrbuzone d rsorse che non sono

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

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

Università di Catania Facoltà di Ingegneria Corso di Gestione delle Risorse Idriche. Appunti sulla programmazione dinamica A.

Università di Catania Facoltà di Ingegneria Corso di Gestione delle Risorse Idriche. Appunti sulla programmazione dinamica A. Unverstà d Catana Facoltà d Ingegnera Corso d Gestone delle Rsorse Idrche Appunt sulla programmazone dnamca A. Cancellere A.A. 007-008 Introduzone La programmazone dnamca (PD) è una tecnca che consente

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità interna di sistemi dinamici LTI

Equilibrio e stabilità di sistemi dinamici. Stabilità interna di sistemi dinamici LTI Equlbro e stabltà d sstem dnamc Stabltà nterna d sstem dnamc LTI Stabltà nterna d sstem dnamc LTI Stabltà nterna d sstem dnamc LTI TC Crter d stabltà per sstem dnamc LTI TC Stabltà nterna d sstem dnamc

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 18 febbraio 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 18 febbraio 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 2: 18 febbrao 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? Defnzone. f : R R s dce moltplcatva se per

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k (1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)

Dettagli

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono Captolo 1 INTRODUZIONE 21 Anals Modale S facca rfermento al sstema tempo-dscreto e al sstema tempo-contnuo x(k +1)=Ax(k) ẋ(t) =Ax(t) Le evoluzon lbere de due sstem a partre dalla condzone nzale x() = x

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 17: 16 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/22? Eserczo Un Btp trennale, d valore nomnale C

Dettagli

Analisi Matenatica Lezione 5 1 ottobre 2013

Analisi Matenatica Lezione 5 1 ottobre 2013 Dpartmento d Scenze Statstche Anals Matenatca Lezone 5 1 ottobre 2013 prof. Danele Rtell danele.rtell@unbo.t 1/13? Fattorale d un numero naturale Sa n N {0}. Il fattorale d n, n! s defnsce nduttvamente

Dettagli

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III Ingegnera Elettrca Poltecnco d Torno Luca Carlone ControllAutomatcI LEZIONE III Sommaro LEZIONE III Trasformata d Laplace Propretà e trasformate notevol Funzon d trasfermento Scomposzone n fratt semplc

Dettagli

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z) Le soluzon della prova scrtta d Matematca per l corso d laurea n Farmaca (raggruppamento M-Z). Data la funzone a. trova l domno d f f ( ) ln + b. scrv, esplctamente e per esteso, qual sono gl ntervall

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria. SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 4: Martedì 24/2/2015

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 4: Martedì 24/2/2015 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2014-2015 Lezone 4: Martedì 24/2/2015 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/31? Attualzzazone I fattor d attualzzazone conugat

Dettagli

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Luca Lietti

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Luca Lietti arametr RKS Dpartmento d Energa oltecnco d Mlano a a Masa 4-0156 MINO Eserctazon del corso FONDMENI DI ROESSI HIMII rof. uca ett ESERIZIONE 8 alcolo della temperatura d bolla e d rugada d una mscela n-butano/n-esano

Dettagli

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω Metod d anals Eserczo Anals alle magle n presenza d sol generator ndpendent d tensone R s J R Determnare le tenson sulle resstenze sapendo che: s s 0 R R 5.Ω s J R J R R 5Ω R 0Ω R 6Ω R 5 Dsegnamo l grafo,

Dettagli

Lezione 20 Maggio 29

Lezione 20 Maggio 29 PSC: Progettazone d sstem d controllo III Trm 2007 Lezone 20 Maggo 29 Docente: Luca Schenato Stesor: Maran F, Marcon R, Marcassa A, Zanella F Fnora s sono sempre consderat sstem tempo-nvarant, ovvero descrtt

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

Modelli di oligopolio. Docente: Matteo Alvisi Corso di Microeconomia Laurea in Scienze Politiche, Sociali e Internazionali

Modelli di oligopolio. Docente: Matteo Alvisi Corso di Microeconomia Laurea in Scienze Politiche, Sociali e Internazionali Modell d olgopolo Docente: Matteo Alvs Corso d Mcroeconoma Laurea n Scenze Poltche, Socal e Internazonal Aprle 2019 1 Duopolo 11 Il modello d Cournot 111 Le potes C sono due sole mprese sul mercato, l

Dettagli

3 Partizioni dell unità 6

3 Partizioni dell unità 6 Partzon dell untà Alessandro Ghg 29 ottobre 2014 Indce 1 Funzon lsce a supporto compatto 1 2 Rcoprment localmente fnt 5 3 Partzon dell untà 6 1 Funzon lsce a supporto compatto Lemma 1. Sano f C 1 (a, b)

Dettagli

PROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1.

PROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1. PROGRAMMAZIONE LINEARE Una pccola ntroduzone R. Tade R. Tade 2 LA PROGRAMMAZIONE LINEARE L obettvo del captolo consste nel fornre lo scheletro d un problema d programmazone lneare e gl strument concettual

Dettagli

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le

Dettagli

Algoritmi basati sulla tecnica Divide et Impera

Algoritmi basati sulla tecnica Divide et Impera Qucksort Algortm basat sulla tecnca Dvde et Impera In questo corso: Rcerca bnara Mergesort (ordnamento) Qucksort (ordnamento) Moltplcazone d nter Moltplcazone d matrc (non n programma) NOTA: nonostante

Dettagli

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

Matematica Generale a.a. 2018/19 Teoremi dimostrati nel corso. 1 Funzioni ad una variabile

Matematica Generale a.a. 2018/19 Teoremi dimostrati nel corso. 1 Funzioni ad una variabile Matematca Generale a.a. 2018/19 Teorem dmostrat nel corso. ATTENZIONE!!!!. Nel corso d matematca generale sono stat presentat teorem per qual è rchesta la conoscenza del solo enuncato e teorem de qual

Dettagli

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese Sstem Intellgent Relazone tra ottmzzazone e statstca - IV Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@dunmt Anals dell

Dettagli

Specifica, progetto e verifica della correttezza di algoritmi iterativi. Ragionamenti su di un algoritmo. Il metodo delle asserzioni (Floyd)

Specifica, progetto e verifica della correttezza di algoritmi iterativi. Ragionamenti su di un algoritmo. Il metodo delle asserzioni (Floyd) Specfca, progetto e verfca della correttezza d algortm teratv Il metodo delle asserzon Ragonament su d un algortmo Ragonare sulla specfca d un algortmo data con pre e post-condzon serve a: (a posteror)

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo

Dettagli

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi. ESERCIZI SU ANELLI E SOTTOANELLI N.B.: l smbolo contrassegna gl esercz relatvamente pù compless. 1 Sa X un nseme, e sa PX l suo nseme delle part. Indcando con l operazone d dfferenza smmetrca tra element

Dettagli

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima Il problema del camba-monete. ALGORITMI GREEDY camba-monete schedulng a mnmo l rtardo Scopo. Dat tagl dsponbl: c, c, 5c, 0c, 0c, 50c,, progettare un algortmo che data una certa somma la camb usando l mnmo

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes

Dettagli

Algoritmi di Ordinamento. Fondamenti di Informatica Prof. Ing. Salvatore Cavalieri

Algoritmi di Ordinamento. Fondamenti di Informatica Prof. Ing. Salvatore Cavalieri Algortm d Ordnamento Fondament d Informatca Prof. Ing. Salvatore Cavaler 1 Introduzone Ordnare una sequenza d nformazon sgnfca effettuare una permutazone n modo da rspettare una relazone d ordne tra gl

Dettagli

Carla Seatzu, 18 Marzo 2008

Carla Seatzu, 18 Marzo 2008 8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte

Dettagli

Analisi Class Successioni Lezione 6 2 ottobre 2014

Analisi Class Successioni Lezione 6 2 ottobre 2014 CLASS Bologna Anals Matematca @ Class Successon Lezone 6 2 ottobre 2014 professor Danele Rtell danele.rtell@unbo.t 1/17? Successon Una successone d numer real è una funzone a valor real l cu domno è l

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 16: 2 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? CCT/CCTEu S tratta d un ttolo a cedola varable:

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

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

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende

Dettagli

Individuazione di linee e curve. Minimi quadrati. Visione e Percezione. Model fitting: algoritmi per trovare le linee. a = vettore dei parametri

Individuazione di linee e curve. Minimi quadrati. Visione e Percezione. Model fitting: algoritmi per trovare le linee. a = vettore dei parametri Segmentazone tramte modell ad hoc Indvduazone d lnee e curve Obbettvo: Data l mmagne d output d un algortmo d rlevamento d bord, trova tutte le stanze d una certa curva (lnea o ellss) o una sua parte.

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

Potenzialità degli impianti

Potenzialità degli impianti Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà

Dettagli

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali Chmca Fsca - Chmca e Tecnologa Farmaceutche Lezone n. 10 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Convenzon per le soluzon real Relazon tra coeffcent d attvtà 02/03/2008 Antonno

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Amplificatori operazionali

Amplificatori operazionali Amplfcator operazonal Parte 3 www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 9-5-) Confgurazone nvertente generalzzata Se nella confgurazone nvertente s sosttuscono le resstenze R e R con due mpedenze

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

PROBLEMA DI SCELTA FRA DUE REGIMI DI

PROBLEMA DI SCELTA FRA DUE REGIMI DI PROBLEMA DI SCELTA FRA DUE REGIMI DI CAPITALIZZAZIONE Prerequst: legge d captalzzazone semplce legge d captalzzazone composta logartm e loro propretà dervate d una funzone pendenza d una curva n un punto

Dettagli

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat

Dettagli

Segmentazione di immagini

Segmentazione di immagini Segmentazone d mmagn Introduzone Segmentazone: processo d partzonamento d un mmagne n regon dsgunte e omogenee. Esempo d segmentazone. Tratta da [] Introduzone (def. formale ( Sa R l ntera regone spazale

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Lezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott.

Lezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott. Lezon d Rcerca Operatva Corso d Laurea n Informatca Unverstà d Salerno Lezone n 18 - Teora de graf: defnzon d base - Problema del flusso a costo mnmo Prof. Cerull Dott.ssa Gentl Dott. Carrabs Teora de

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

Hartree-Fock 10/19/12 HF.DOC 0

Hartree-Fock 10/19/12 HF.DOC 0 Hartree-Fock 0/9/ HF.DO 0 Hamltonano per elettr. per elettron e M nucle H Ψ = EΨ H = M Z A µ A R A 44444 3 µ µ op. mono elettronco µ < ν µν M A B Z Z A B AB { r < 4 R43 op. b elettronco repulsone nucleare

Dettagli

Tangenti a una conica: il metodo del Doppio sdoppiamento 1

Tangenti a una conica: il metodo del Doppio sdoppiamento 1 Tangent a una conca: l metodo del Doppo sdoppamento 1 Franco Goacchno Sunto Ecco un metodo alternatvo per determnare le tangent a una conca da un qualsas punto del pano. Esso consste nell applcare volte

Dettagli

Corsi di Laurea in Farmacia e CTF Prova di Matematica

Corsi di Laurea in Farmacia e CTF Prova di Matematica Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall

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

CAPITOLO 3 CIRCUITI DI RESISTORI

CAPITOLO 3 CIRCUITI DI RESISTORI CAPITOLO 3 CIRCUITI DI RESISTORI Pagna 3. Introduzone 70 3. Connessone n sere e connessone n parallelo 70 3.. Bpol resstv n sere 7 3.. Bpol resstv n parallel 77 3.3 Crcut resstv lnear e sovrapposzone degl

Dettagli

Lezione n La concentrazione

Lezione n La concentrazione 1 La concentrazone Corso d Laurea: Economa Azendale Nello studo de fenomen economc e socal descrtt attraverso caratter quanttatv d tpo trasferble può essere nteressante analzzare la cosddetta concentrazone

Dettagli

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3)

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3) Esempo d soluzone d una delle verson del compto d Geometra analtca e algebra lneare del luglo 3 Stablre se la retta r, d equazon parametrche x =, y = + t, z = t (nel parametro reale t), è + y + z = sghemba

Dettagli

Propagazione degli errori

Propagazione degli errori Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per

Dettagli

si utilizzano per confrontare le distribuzioni

si utilizzano per confrontare le distribuzioni Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89

Dettagli

La sincronizzazione. (Libro) Trasmissione dell Informazione

La sincronizzazione. (Libro) Trasmissione dell Informazione La sncronzzazone (Lbro) Problem d sncronzzazone La trasmssone e la dverstà tra gl OL del trasmetttore e del rcevtore ntroducono (anche n assenza d fadng) un errore d d frequenza, d fase e d camponamento

Dettagli

Dinamica dei sistemi particellari

Dinamica dei sistemi particellari Dnamca de sstem partcellar Marco Favrett Aprl 11, 2010 1 Cnematca Sa dato un sstema d rfermento nerzale (O, e ), = 1, 2, 3 e consderamo un sstema d punt materal (sstema partcellare) S = {(OP, m )}, = 1,,

Dettagli