5. Catene di Markov a tempo discreto (CMTD)
|
|
- Carla Casali
- 5 anni fa
- Visualizzazioni
Transcript
1 5. Catene di Markov a tempo discreto (CMTD) Carla Seatzu, 8 Marzo 2008 Definizione: CATENA Le catene sono p.s. in cui lo stato è discreto : X{x,x 2, }. L insieme X può essere sia finito sia infinito numerabile. Il tempo può essere discreto o continuo.
2 Catene di Markov a tempo discreto In una CMTD le transizioni di stato possono verificarsi solo in istanti di tempo discreti. Inoltre, k N, Pr{ x(k+)x k+ x(k)x k, x(k-) x k-,, x(0)x 0 } k+ k k- 0 Pr{ x(k+)x k+ x(k)x k } [Proprietà di Markov] 2
3 Una CMTD è una tripla C(X,P(k),Π(0)) dove: X : insieme degli stati, P(k) : matrice delle probabilità di transizione dello stato all istante k (k N) P(k) [ p ij (k) ] p ij (k) Pr{ x(k+)x j x(k)x i } ij j i x i,x j X, k N Π(0): distribuzione di probabilità assoluta iniziale (vettore riga) Π(0)[ Π i (0), i N ] dove Π i (0)Pr{ x(0)x i }, x i X 3
4 La matrice P(k) soddisfa le seguenti condizioni k N : p ij (k) [0,], x i,x j X x j X p ij (k) x i X la somma degli elementi lungo una riga è Ogni matrice che soddisfa tali condizioni viene detta matrice stocastica e gode della seguente proprietà: almeno un autovalore è, tutti gli altri autovalori hanno modulo. 4
5 Se la matrice P(k) cost. allora la CMTD ad essa relativa viene detta omogenea. Esempio: modello meteorologico. x 0 pioggia, x sole a prob. che domani piova se oggi piove b prob. che domani ci sia il sole se oggi c è il sole P a a b b 5
6 Ad una CMTD omogenea è possibile associare una rappresentazione grafica data da un grafo orientato e pesato G(V,A) dove: V X (ad ogni stato corrisponde un vertice) A X X (insieme degli archi dove il peso del generico arco a (x i,x j ) è pari a p ij ). Esempio: modello meteorologico. x 0 pioggia, x sole a x 0 -a -b N.B. La somma dei pesi degli archi uscenti da ciascun vertice deve essere pari a. N.B.2 Quando non esistono cappi su x i vuol dire che non posso rimanere in x i per più di un istante di tempo x 6 b
7 Equazioni di evoluzione Sia Π(k) [ Π i (k), i N ] dove Π i (k) Pr{ x(k)x i }, x i X, ossia Π(k) indica il vettore riga delle probabilità assolute all istante k. Per ogni k > 0 vale la seguente relazione: x j Π(k) Π(k-) P(k-) Segue dal fatto che per ogni j: Equazione di Chapman- Kolmogorov Π j (k) x i X P ij (k-) Π i (k-) Π(k) Π(0) P(0) P() P(k-) 7
8 Nel caso in cui la CMTD è omogenea: Π() Π(0) P Π(2) Π() P Π(0) P 2 : Π(k) Π(k-) P Π(0) P k Equazione di Chapman- Kolmogorov per CMTD omogenea 8
9 Esempio: si consideri un robot sempre alimentato che prende i pezzi e li mette in un deposito di capacità infinita. X{I,T,G} I inattivo, T in trasferimento, G guasto. p -r- q -p I r T q s G -s p: p. che inizi a lavorare, r: p. che concluda la lavoraz. 9
10 p p 0 P r r q q s 0 s Poiché la CMTD è omogenea Π(2) posso calcolarla in 2 modi: Π(0) [ 0 0] Π() Π(0) P [-p p 0] Π(2) Π() P [(-p) 2 + rp p(-p) + p(-r-q) pq] Oppure calcolando Π(2) Π(0) P 2 In tal modo posso studiare il transitorio della CMTD. 0
11 Ricordiamo ora le seguenti definizioni: Grafo fortemente connesso: se ogni stato è raggiungibile da qualunque altro stato T 3 componenti fortemente connesse T E T: componente transitoria o transiente E: componente ergodica o assorbente
12 N.B. Dato un grafo orientato, un sottoinsieme di nodi costituisce una componente fortemente connessa se e solo se ogni nodo è raggiungibile da un qualunque altro nodo seguendo un cammino orientato. 2
13 Definizione: probabilità di transizione ad n passi p ij (k,k+ n) Pr{ x(k+n)x j x(k)x i }, Se la catena è omogenea, chiaramente tale probabilità non dipende da k, ma solo da n. Notazione: p ij (n) p ij (k,k+ n) 3
14 Classificazione degli stati di una CMTD Uno stato x j X è detto raggiungibile o accessibile da un altro stato x i X, se è possibile che una sequenza di transizioni di stato porti la CMTD dallo stato x i allo stato x j, ossia se n: p ij (n) > 0. Due stati mutuamente raggiungibili sono detti comunicanti. Se ogni stato in X è comunicante con ciascuno degli altri stati, la CMTD è detta irriducibile. In caso contrario è detta riducibile. 4
15 Tali proprietà sono facilmente verificabili a partire dal grafo associato alla CMTD: uno stato è raggiungibile da un altro in n passi se esiste almeno un cammino orientato dal primo al secondo di lunghezza n; Due stati comunicanti appartengono alla stessa componente fortemente connessa; la CMTD è irriducibile se il grafo ad essa associato è fortemente connesso. 5
16 Per ogni stato x i X la probabilità di ritorno in n passi, ossia la probabilità che il primo ritorno nello stato x i lasciato all istante k avvenga all istante k+ n, è definita come ρ i (n) Pr{ x(k+) x i,, x(k+n-) x i, x(k+n) x i x(k) x i } La probabilità di ritorno allo stato x i è ρ i ρi(n) n 6
17 Uno stato x i X è detto: transiente, se ρ i < ; ricorrente, se ρ i (il ritorno a x i è certo); ricorrente con periodo d se esiste un d > massimo comune divisore dell insieme { n>0 p (n) ii > 0 }; ricorrente aperiodico, se d è il massimo comune divisore dell insieme { n>0 p ii (n) > 0 }; 7
18 Dall osservazione del grafo, possiamo invece dedurre quanto segue. In una CMTD uno stato è: transiente se e solo se appartiene ad una componente transiente; ricorrente se e solo se appartiene ad una componente ergodica. 8
19 Esempi: Date le seguenti CMTD, vogliamo capire se lo stato ricorrente x è periodico ) x x 2 { n>0 p (n) > 0 } {3, 6, 9, } 2) x 3 3 MCD3 --> x è periodico di periodo 3 x x x x 4 { n>0 p (n) > 0 } {3, 6, 9,, 4, 8, 2,, 7,, } MCD --> x è aperiodico 9
20 0.3 3) 0.7 x 3 x x 2 x 4 { n>0 p (n) > 0 } {3, 6, 9,, 2, 4, 8,, 5, 7,... } MCD --> x è aperiodico 4) x 3 x x 4 x 5 x 2 { n> 0 p (n) > 0 } {2, 4, 6, 8, } MCD2 --> x è periodico di periodo 2 { n>0 p 44 (n) > 0 } {4, 6, 8, 0, } MCD2 --> x 4 è periodico di periodo 2 20
21 Interpretazione fisica: Se uno stato ricorrente x i è periodico di periodo d, allora tutte le sequenze che hanno origine da x i e terminano in x i hanno lunghezza multipla del periodo d. Inoltre, qualunque sequenza che abbia origine in x i ma la cui lunghezza non è un multiplo del periodo, certamente non termina in x i. Se invece uno stato ricorrente x i è aperiodico, è possibile che le sequenze che hanno origine in x i e la cui lunghezza è pari ad multiplo intero di una certa costante terminino ancora in x i. Tuttavia tali sequenze non sono le sole che terminano in x i. i 2
22 Osservazione: La periodicità di uno stato dipende solo dalla struttura del grafo non dal particolare valore dei pesi associati agli archi. 22
23 Periodicità di una componente ergodica Sia P la matrice delle probabilità di transizione relativa alla sola componente ergodica. Sia Λ { n p (n) ii > 0 i }. Se D MCD { Λ } >, la componente ergodica è periodica di periodo D. Se D la componente ergodica è aperiodica. 23
24 Es. n3 P 0 0 P 3 P 5 x x 2 P P 4 P 6 Λ { n p (n) ii > 0 i } {2, 4, 6, } D2 24
25 Proposizione: Una componente ergodica è periodica se solo se tutti i suoi stati sono periodici. Ciò significa che gli stati di una componente ergodica possono essere o tutti periodici o tutti aperiodici Si può inoltre dimostrare che nel caso in cui tutti gli stati sono periodici, questi hanno lo stesso periodo e tale periodo coincide con il periodo D della componente ergodica. 25
26 Esempio x 0.4 x x 4 x 3 Tutti gli stati sono periodici di periodo 2 per cui la componente ergodica è anch essa periodica di periodo 2. 26
27 Come caso particolare di quanto sopra: Se una CMTD è irriducibile allora o tutti gli stati sono aperiodici, o tutti gli stati sono periodici con lo stesso periodo. Se in una CMTD lo spazio X è finito, allora almeno uno degli stati è ricorrente (il ritorno ad esso è certo). 27
28 Esempio 0.4 x x x 2 0. x x 5 0. x 4 La CMTD è riducibile: non tutti gli stati sono comunicanti ossia mutuamente raggiungibili. 28
29 Vi sono 4 componenti fortemente connesse: 3 ergodiche ({x 0, x }, {x 2, x 3 }, {x 4 }) e una transiente ({x 5 }). Tutti gli stati sono ricorrenti tranne x 5 che è transiente. Gli stati x 0, x e x 4 sono aperiodici. 0 4 Gli stati x 2 e x 3 sono periodici di periodo d2. 29
30 Consideriamo ora CMTD omogenee. Distribuzione stazionaria Una distribuzione di probabilità assoluta Π s viene detta stazionaria se e solo se sono verificate le seguenti condizioni: Πs ΠsP Πs Π i s, i Se Π s è una distribuzione stazionaria, ciò significa che se tale distribuzione viene raggiunta in un dato istante, allora questa rimarrà inalterata in tutti gli istanti successivi. 30
31 Osservazione: Non e detto che una CMTD ammetta distribuzione stazionaria. Non e detto che se esiste una certa distruzione stazionaria questa sia unica. 3
32 Distribuzione limite Una CMTD ha una distribuzione limite se per k, la distribuzione di probabilità assoluta tende ad un vettore costante, ossia Π l lim Π(k) k Proposizione: Se Π l è una distribuzione limite, allora essa è anche stazionaria. Dim. lim Π(k k Π(k+) Π(k) P + ) lim Π(k)P Π ΠP k l l Π(l) Π(s) 32
33 Ergodicità Una CMTD è ergodica se e solo se: ) esiste lim Π(k) k 2) tale limite è unico e non dipende dalla particolare distribuzione iniziale Π(0). Se tali condizioni sono verificate, è sufficiente studiare una qualunque realizzazione per capire il comportamento della catena a regime. 33
34 Osservazione: Se una CMTD è ergodica, il calcolo della distribuzione limite si riduce al calcolo di una componente stazionaria (ossia alla risoluzione di un sistema lineare di equazioni di primo grado). 34
35 Esempio n x 0. x P P P P k k k i 0 0 i P k k k 35
36 Sia Π(0) [ Π ] 0, Π 0,2 Π(k) Π(0)P k [ k k 0.9 Π Π + Π 0.9 Π ] 0, 0, 0,2 0, Π(k) [ 0 Π + Π ] [ 0 ] lim 0, 0,2 k La CMTD è pertanto ergodica. N.B. Se avessimo saputo a priori che il sistema è ergodico, avremmo potuto calcolare la distribuzione limite tenendo conto che in tal caso questa coincide con la distribuzione stazionaria (risolvendo quindi un semplice sistema lineare). 36
37 Osservazione: Il risultato ottenuto era del tutto prevedibile in base alla struttura del grafo. Se infatti lo stato iniziale è x (stato transiente), si potrà per un certo tempo rimanere in tale stato, ma prima o poi si effettuerà la transizione che porta ad x 2. Una volta arrivati ad x 2 (stato assorbente), lo stato non può più cambiare. Se lo stato iniziale è x 2 lo stato x non verrà invece mai raggiunto. 37
38 Esempio n2 x 2 0 P x x 3 P k P k > 0 [ Π + Π 0.5 Π Π ] k Π(k) Π(0)P 0, 0,2 0, + se Π(0) [ 0 0] Π (k) Π l [ ] se Π(0) [ 0 0] Π (k) Π l [ 0 0] Tale CMTD è quindi non ergodica. 0,3 38
39 Osservazioni: Anche in questo caso il risultato ottenuto era del tutto prevedibile in base alla struttura del grafo. È facile verificare che esistono infinite distribuzioni stazionarie Π s [ 0 α α] α [0,] 39
40 Esempio n3 P P P 2k+ P P P 2 2k 2 Π(k) Π(0)P k [ Π ] 0,2 Π0, [ Π Π ] 0, 0,2 Quindi, in generale non esiste k k x Π(0) dispari pari lim Π(k) k a meno che non sia Π 0.5 Π0, 0,2 x 2 [ ] Π 0, Π 0,2 La CMTD non è ergodica. 40
41 N.B. In questo caso esiste una sola distribuzione stazionaria Π s [ ] Possono pertanto presentarsi tre diverse situazioni: la CMTD è ergodica la CMTD non è ergodica in quanto la distribuzione limite esiste ma dipende dalla particolare distribuzione iniziale la CMTD non è ergodica in quanto la distribuzione limite non esiste (se non per qualche particolare distribuzione iniziale) 4
42 Esistono due diverse tecniche che permettono di studiare l ergodicità di una CMTD omogenea. Criterio degli autovalori Teorema: Una CMTD omogenea finita è ergodica se e solo se gli autovalori della matrice P hanno tutti modulo <, tranne uno che ha chiaramente modulo unitario (essendo P una matrice stocastica). Es. n P λ λ ergodica 42
43 Es. n P λ λ λ non ergodica 43 Es. n3 0 0 P 2 λ λ non ergodica
44 Criterio grafico Teorema: Condizione necessaria affinché una CMTD omogenea finita sia ergodica è che il grafo ad essa associato ammetta un unica componente ergodica. Es. n x 0. x La condizione necessaria è verificata essendo {x 2 } l unica componente ergodica. Ciò tuttavia non basta per concludere che tale CMTD è ergodica. 44
45 Es. n2 x 2 x x 3 La condizione necessaria non è verificata in quanto vi sono due componenti ergodiche ({x 2 } e {x 3 }). Possiamo subito concludere che tale CMTD non è ergodica. Es. n3 x x 2 La condizione necessaria è verificata essendo {x, x 2 } una componente ergodica. Non posso però concludere che tale CMTD è ergodica. 45
46 Teorema: Condizione necessaria e sufficiente affinchè una CMTD omogenea finita sia ergodica è che il grafo ad essa associato ammetta un unica componente ergodica e questa sia aperiodica. Es. n x 0. x La CMTD è ergodica in quanto {x 2 } è l unica componente ergodica e questa è chiaramente aperiodica. 46
47 Es. n3 x x 2 La CMTD non è ergodica essendo la componente ergodica periodica di periodo 2. 47
48 Processi di nascita morte (CMTD-NM) I processi di nascita morte a tempo discreto sono delle CMTD che godono delle seguenti caratteristiche: gli stati possono solo assumere valori interi: X {0,, 2, 3, } sono ammesse solo le transizioni che consentono di passare da uno stato ad uno adiacente. 48
49 b 0 b b d d 2 d 3 - b 0 - b - d - b 2 - d 2 - b 3 - d 3 b : birth (nascita) d : death (morte) Lo spazio degli stati rappresenta la popolazione del sistema modellato (ad es. i clienti in una coda, i veicoli in un sistema di trasporto, i messaggi in un sistema di comunicazione, ). 49
50 In generale b i b i (k) e d i d i (k). Se b i e d i sono costanti per ogni k allora il processo è omogeneo (Pcost.). Se b i e d i sono > 0 per ogni i, la CMTD-NM è irriducibile (tutti gli stati sono mutuamente raggiungibili) Se b i b e d i d per ogni i allora il processo oltre ad essere omogeneo è anche uniforme. In questo caso se b,d > 0, la catena oltre ad essere irriducibile è aperiodica (è costituita da un unica componente ergodica e tale componente è aperiodica: esiste infatti sempre almeno il cappio relativo allo stato 0). 50
51 d b d 0 0 b d b d 0 0 b d b d 0 0 b b P La matrice delle probabilità di transizione ha la seguente struttura: d 0 0 P ha chiaramente dimensione infinita se il numero degli stati è infinito.
52 Calcolo della distribuzione stazionaria (nel caso in cui il numero degli stati sia infinito): Πs Πs P iπs, i b0 s, Π d b Πs,2 Π d2 bi Πs,i Π di Πs,i i Π s,0 s, s,i se il processo è uniforme, Πs,i ρπ iπs, i s,i- Πs, ρ Π 2 Πs,2 ρ Π i Πs,i ρ Πs, Π s,i i s,0 s,0 0 ρ b d 52
53 Π 2 + ρπ + ρ + s,0 s,0 Πs,0 i Πs,0 iρ se questa serie converge, allora la catena è ergodica. Ciò è vero purché sia b ρ < d Questo segue dal fatto che solo in questo caso il processo può stabilizzarsi. N.B.: Se invece il numero di stati è finito il processo uniforme è sempre ergodico a prescindere dal valore di ρ. 53
54 Se la catena è ergodica, allora la distrubuzione limite coincide con quella stazionaria, che risulta definita come segue: Πs,0 ρ i i Π s,i ρ Π ρ ( ρ) i > s,0 0 54
55 È interessante calcolare il numero medio di utenti a regime: µ i Π i l, i Πs,i i 0 i 0 Posso usare la funzione generatrice di probabilità: Π(z) Π z i 0 s,i i [ρ i 0 i ( ρ)] z i ( ρ) ρ i 0 z i ( ρ) ρ z ( ρ) z z ρ 55
56 µ dπ(z) dz z ( ρ)(z ρ) z( ρ) 2 (z ρ) z 2 ( ρ) ( ρ) 2 ( ρ) -ρ- ( ρ) ρ ( ρ) µ ρ numero medio di ( ρ) utenti a regime 56
Processi stocastici. variabile casuale: funzione da uno spazio campione S a valori nello spazio E R X(t) : S E. spazio degli stati del processo
Processi stocastici Processo stocastico: famiglia di variabili casuali {X(t) t T} definite su uno spazio di probabilità indiciate dal parametro t (tempo) X(t) variabile casuale: funzione da uno spazio
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
DettagliLe catene di Markov come metodologia utilizzata dai motori di ricerca per classificare le pagine web su internet.
Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Dottorato di Ricerca in Statistica e Finanza Quantitativa - XXI Ciclo Sergio Salvino
DettagliBarriere assorbenti nelle catene di Markov e una loro applicazione al web
Università degli studi di Roma Tre Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea in Matematica Sintesi relativa alla Tesi di Laurea in Matematica di Giulio Simeone Barriere assorbenti
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
DettagliEQUAZIONI CON VALORE ASSOLUTO DISEQUAZIONI CON VALORE ASSOLUTO
EQUAZIONI CON VALORE AOLUTO DIEQUAZIONI CON VALORE AOLUTO Prima di tutto: che cosa è il valore assoluto di un numero? Il valore assoluto è quella legge che ad un numero (positivo o negativo) associa sempre
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliMATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A
MATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A Nome e cognome Matricola I Parte OBBLIGATORIA (quesiti preliminari: 1 punto ciascuno). Riportare le soluzioni su questo foglio, mostrando i
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
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
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
DettagliProcessi. Giuseppe Sanfilippo. 27 febbraio 2006. 1 Catene di Markov a tempo discreto DTMC
Processi Giuseppe Sanfilippo 27 febbraio 2006 1 Catene di Markov a tempo discreto DTMC 11 Introduzione ed esempi DTCM (vedi [3]) Sia {X n, n = 0, 1, 2, } un processo stocastico a parametro discreto e a
DettagliUniversità degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim
DettagliCAPITOLO V. DATABASE: Il modello relazionale
CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono
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
DettagliMetodi Computazionali
Metodi Computazionali Elisabetta Fersini fersini@disco.unimib.it A.A. 2009/2010 Catene di Markov Applicazioni: Fisica dinamica dei sistemi Web simulazione del comportamento utente Biologia evoluzione delle
DettagliSistemi LSTD: rappresentazione esplicita
Trasformata Zeta Outline Sistemi LSTD: rappresentazione esplicita x(k+1) = Ax(k)+Bu(k), x R n, u R m, k Z y(k) = Cx(k)+Du(k), y R p x R n : vettore delle variabili di stato; u R m : vettore dei segnali
DettagliAutovalori e Autovettori
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Autovalori e Autovettori Definizione Siano A C nxn, λ C, e x C n, x 0, tali che Ax = λx. (1) Allora
DettagliFondamenti di Internet e Reti 097246
sul livello di Rete Instradamento. o Si consideri la rete in figura.. Si rappresenti, mediante un grafo, la rete per il calcolo dei cammini minimi (solo i nodi e gli archi no reti). Si calcoli il cammino
DettagliLezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4
Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università
DettagliGli asintoti di una funzione sono rette, quindi possono essere: rette verticali o rette orizzontali o rette oblique.
Asintoti Gli asintoti di una funzione sono rette, quindi possono essere: rette verticali o rette orizzontali o rette oblique. Asintoti verticali Sia 0 punto di accumulazione per dom(f). La retta = 0 è
DettagliCAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI
CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI 1. REGOLA DI CRAMER Sia S un sistema lineare di n ( 2) equazioni in n incognite su un campo K : a 11 x 1 + a 12 x 2 + + a 1n x n
DettagliMATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
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
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
DettagliChiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2
Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di
DettagliIntroduzione alle macchine a stati (non definitivo)
Introduzione alle macchine a stati (non definitivo) - Introduzione Il modo migliore per affrontare un problema di automazione industriale (anche non particolarmente complesso) consiste nel dividerlo in
DettagliRichiami sulle derivate parziali e definizione di gradiente di una funzione, sulle derivate direzionali. Regola della catena per funzioni composte.
PROGRAMMA di Fondamenti di Analisi Matematica 2 (che sarà svolto fino al 7 gennaio 2013) A.A. 2012-2013, Paola Mannucci e Claudio Marchi, Canali 1 e 2 Ingegneria Gestionale, Meccanica-Meccatronica, Vicenza
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
DettagliProf. Ing. Michele Marra Appunti delle lezioni di Ricerca Operativa Teoria dei grafi
CAPITOLO III 3.1 Introduzione Nei paragrafi seguenti verranno introdotti gli strumenti di base connessi con la Pianificazione di un Sistema decisionale complesso: si inizierà con alcuni elementi fondamentali
DettagliProblemi di Instradamento di Veicoli
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Problemi di Instradamento di Veicoli Renato Bruni bruni@dis.uniroma1.it Il materiale presentato è derivato
DettagliModelli stocastici a valori discreti
Modelli stocastici a valori discreti Note del corso di CP per la L.M. in Informatica A.Calzolari 1 Indice 1 Catene di Markov a tempo discreto 4 1.1 Richiami sull indipendenza stocastica per eventi e variabili
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,
DettagliAnalisi 2. Argomenti. Raffaele D. Facendola
Analisi 2 Argomenti Successioni di funzioni Definizione Convergenza puntuale Proprietà della convergenza puntuale Convergenza uniforme Continuità e limitatezza Teorema della continuità del limite Teorema
DettagliInformatica Grafica. Un introduzione
Informatica Grafica Un introduzione Rappresentare la Geometria Operabile da metodi di calcolo automatici Grafica Vettoriale Partiamo dalla rappresentazione di un punto... Spazi Vettoriale SPAZI VETTORIALI
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
DettagliIndice I INTRODUZIONE E RICHIAMI 1
vii Indice I INTRODUZIONE E RICHIAMI 1 1 Introduzione 3 1.1 La dependability.......................... 4 1.1.1 Le Minacce: guasti, errori e fallimenti.......... 5 1.1.2 Gli attributi della dependability.............
DettagliProgramma definitivo Analisi Matematica 2 - a.a. 2005-06 Corso di Laurea Triennale in Ingegneria Civile (ICI)
1 Programma definitivo Analisi Matematica 2 - a.a. 2005-06 Corso di Laurea Triennale in Ingegneria Civile (ICI) Approssimazioni di Taylor BPS, Capitolo 5, pagine 256 268 Approssimazione lineare, il simbolo
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
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
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
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta del 30/1/06 Esercizio 1 Una banca ha N correntisti. Indichiamo con N n il numero di correntisti esistenti il giorno n-esimo. Descriviamo
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
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
DettagliFondamenti di Automatica
Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei
DettagliSyllabus: argomenti di Matematica delle prove di valutazione
Syllabus: argomenti di Matematica delle prove di valutazione abcdef... ABC (senza calcolatrici, senza palmari, senza telefonini... ) Gli Argomenti A. Numeri frazioni e numeri decimali massimo comun divisore,
DettagliAppunti sui Processi Stocastici
Appunti sui Processi Stocastici D. Candeloro November 13, 214 1 Introduzione In questi appunti si riportano gli argomenti trattati in alcuni corsi tenuti presso l Universita degli Studi di Perugia, su
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,
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
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,
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
DettagliFISICA Corso di laurea in Informatica e Informatica applicata
FISICA Corso di laurea in Informatica e Informatica applicata I semestre AA 2004-2005 G. Carapella Generalita Programma di massima Testi di riferimento Halliday Resnick Walker CEA Resnick Halliday Krane
DettagliRichiami su norma di un vettore e distanza, intorni sferici in R n, insiemi aperti, chiusi, limitati e illimitati.
PROGRAMMA di Fondamenti di Analisi Matematica 2 (DEFINITIVO) A.A. 2010-2011, Paola Mannucci, Canale 2 Ingegneria gestionale, meccanica e meccatronica, Vicenza Testo Consigliato: Analisi Matematica, M.
DettagliRango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.
CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1
DettagliI TEST DI LOGICA. Alberto Zanardo Dipartimento di Matematica Università di Padova. I.T.I, Marzotto, Valdagno 24 febbraio 2014
I TEST DI LOGICA Alberto Zanardo Dipartimento di Matematica Università di Padova I.T.I, Marzotto, Valdagno 24 febbraio 2014 1 RUOLO DEI TEST Valutazione di: Conoscenze di base (syllabus) Capacità di ragionamento
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
DettagliTesina: Catene di Markov in tempo discreto e Hidden Markov Models. Loris Bazzani, Diego Tosato e Davide Fasoli
Tesina: Catene di Markov in tempo discreto e Hidden Markov Models Loris Bazzani, Diego Tosato e Davide Fasoli 3 maggio 7 Indice 1 Catena di Markov in tempo discreto 1.1 Catene di Markov..........................
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,
DettagliPer formalizzare il concetto sono necessarie alcune nozioni relative ai poliedri e alla loro descrizione.
3.7.4 Disuguaglianze valide forti Cerchiamo disuguaglianze valide forti, ovvero disuguaglianze valide che forniscano migliori formulazioni (più stringenti). Per formalizzare il concetto sono necessarie
DettagliConsideriamo due polinomi
Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al
DettagliMetodi Computazionali
Metodi Computazionali Enza Messina A.A. 29/ Ragionamento probabilistico nel tempo Il compito di prendere una decisione dipende da: Informazioni parziali Informazioni rumorose Incertezza sui cambiamenti
DettagliInsiemi di livello e limiti in più variabili
Insiemi di livello e iti in più variabili Insiemi di livello Si consideri una funzione f : A R, con A R n. Un modo per poter studiare il comportamento di una funzione in più variabili potrebbe essere quello
DettagliInsegnare relatività. nel XXI secolo
Insegnare relatività nel XXI secolo E s p a n s i o n e d e l l ' U n i v e r s o e l e g g e d i H u b b l e La legge di Hubble Studiando distanze e moto delle galassie si trova che quelle più vicine
DettagliL anello dei polinomi
L anello dei polinomi Sia R un anello commutativo con identità. È possibile costruire un anello commutativo unitario, che si denota con R[x], che contiene R (come sottoanello) e un elemento x non appartenente
DettagliOnline Gradient Descent
F94 Metodi statistici per l apprendimento Online Gradient Descent Docente: Nicolò Cesa-Bianchi versione 9 aprile 06 L analisi del Perceptrone ha rivelato come sia possibile ottenere dei maggioranti sul
DettagliTecniche Reticolari. Problema: determinare l istante di inizio di ogni attività in modo che la durata complessiva del progetto sia minima
Project Management Tecniche Reticolari Metodologie per risolvere problemi di pianificazione di progetti Progetto insieme di attività A i di durata d i, (=,...,n) insieme di relazioni di precedenza tra
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
DettagliIndice. Capitolo 1 Introduzione... 1. Capitolo 2 Rappresentazioni lineari e modelli di sistemi da diverse discipline... 9
Indice Capitolo 1 Introduzione... 1 Capitolo 2 Rappresentazioni lineari e modelli di sistemi da diverse discipline... 9 2.1 Alcuni semplici modelli.............................. 10 2.1.a Un sistema meccanico
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
Dettagli5A un multiplo di 3 5B una potenza di 5 5C divisibile per 7 e per 11 5D. D. 6 Le soluzioni dell equazione 1 + 3x 2x 2 = 0 sono 3 ± 17 6D 3 ± 17
UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA 0 Settembre 008 Spnz0000 Ingegneria - Scienze Matematiche Fisiche Naturali - Scienze Statistiche Test di Matematica D. Il numero è uguale a A 5 B 5 C D 0 0 D.
DettagliI macro temi segnalati nella mappa sono trattati nella presentazione e fruibili attraverso schede di approfondimento.
I macro temi segnalati nella mappa sono trattati nella presentazione e fruibili attraverso schede di approfondimento. 2 L Unione Europea nel 2008 ha fissato, con il pacchetto 20-20-20, degli obiettivi
DettagliOGNI SPAZIO VETTORIALE HA BASE
1 Mimmo Arezzo OGNI SPAZIO VETTORIALE HA BASE CONVERSAZIONE CON ALCUNI STUDENTI DI FISICA 19 DICEMBRE 2006 2 1 Preliminari Definizione 1.0.1 Un ordinamento parziale (o una relazione d ordine parziale)
DettagliModelli Dinamici per l Ingegneria Gestionale
dispense per il corso di Modelli Dinamici per l Ingegneria Gestionale Lorenzo Farina e Luca Benvenuti Dipartimento di Informatica e Sistemistica A. Ruberti Via Ariosto 25, 85 Roma Anno Accademico 2/2 dispense
DettagliAREA LOGICO - MATEMATICA TEMA PARI E DISPARI
ESTENSIONE DEL METODO BRIGHT START UNITA COGNITIVE DI RIFERIMENTO RELAZIONI QUANTITATIVE CONFRONTI CLASSE SECONDA A TEMPO PIENO- SCUOLA ELEMENTARE C. CAVOUR SANTENA AREA LOGICO - MATEMATICA TEMA PARI E
Dettaglirazionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti
4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
DettagliLa logica modale e la dimostrazione dell esistenza di Dio di Gödel. LOGICA MODALE
La logica modale e la dimostrazione dell esistenza di Dio di Gödel. In alcuni giornali ho letto che di recente ci sono stati diversi studi che hanno riportato alla ribalta la dimostrazione dell esistenza
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,
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
DettagliLe forze. Cos è una forza? in quiete. in moto
Le forze Ricorda che quando parli di: - corpo: ti stai riferendo all oggetto che stai studiando; - deformazione. significa che il corpo che stai studiando cambia forma (come quando pesti una scatola di
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliTeoria dei Fenomeni Aleatori 1
Integrale Doppio Sia g( x,y ) una funzione continua nel piano ( x,y ) o D è un dominio sul piano ( x,y ) o P è una sua partizione che ricopre il dominio D: ( ) P D D... D... = 1,1 1,2 i,j, con Di,j = ΔxiΔ
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliRagionamento qualitativo
Ragionamento qualitativo In molte applicazioni di Ai è necessario costruire modelli di sistemi reali Esempi: modelli di dispositivi per monitoraggio, diagnosi, modelli di processi per simulazione, gestione
DettagliEsercizio su MT. Svolgimento
Esercizio su MT Definire una macchina di Turing deterministica M a nastro singolo e i concetti di configurazione e di transizione. Sintetizzare una macchina di Turing trasduttore che trasformi un numero
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo
Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito
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
Dettagli8 - Analisi della deformazione
8 - Analisi della deformazione ü [A.a. - : ultima revisione 6 ottobre ] Esercizio n. Si supponga di voler conoscere sperimentalmente lo stato di deformazione in un punto M di un solido. A tal fine, si
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)
DettagliForme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b :
Forme bilineari e prodotti scalari Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione b : { V V K ( v, w) b( v, w), si dice forma bilineare su V se per ogni u, v, w V e per ogni k K:
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.
DettagliFondamenti di Automatica
Fondamenti di Automatica Funzioni di trasferimento: stabilità, errore a regime e luogo delle radici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail:
DettagliLE FIBRE DI UNA APPLICAZIONE LINEARE
LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini
DettagliEsercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: e x. per x 1 f(x) = α x + e 1 per 1 < x
FUNZIONI Esercizio 1 Studiare la funzione f(x) = ln ( ) x e disegnarne il grafico. x 1 Esercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: { e x per x 1 f(x) = α x + e 1 per 1
DettagliRichiami di algebra lineare e geometria di R n
Richiami di algebra lineare e geometria di R n combinazione lineare, conica e convessa spazi lineari insiemi convessi, funzioni convesse rif. BT.5 Combinazione lineare, conica, affine, convessa Un vettore
DettagliCondizionamento del problema
Condizionamento del problema x 1 + 2x 2 = 3.499x 1 + 1.001x 2 = 1.5 La soluzione esatta è x = (1, 1) T. Perturbando la matrice dei coefficienti o il termine noto: x 1 + 2x 2 = 3.5x 1 + 1.002x 2 = 1.5 x
DettagliSistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, >
Algoritmo del banchiere Permette di gestire istanze multiple di una risorsa (a differenza dell algoritmo con grafo di allocazione risorse). Ciascun processo deve dichiarare a priori il massimo impiego
Dettaglihttp://users.dimi.uniud.it/~massimo.franceschet/te... Who Shall Survive? Misure di centralità su reti sociali
Who Shall Survive? Misure di centralità su reti sociali Una rete sociale (social network) è una struttura fatta di persone e relazioni tra le persone. I sociologi chiamano attori (actors) le persone della
Dettagli= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E
1. Previsione per modelli ARM A Questo capitolo è dedicato alla teoria della previsione lineare per processi stocastici puramente non deterministici, cioè per processi che ammettono una rappresentazione
DettagliDimensionamento dei lotti di produzione: il caso con variabilità nota
Dimensionamento dei lotti di produzione: il caso con variabilità nota A. Agnetis In questi appunti studieremo alcuni modelli per il problema del lot sizing, vale a dire il problema di programmare la dimensione
Dettagli