r 33 r 13 λ 1 λ 3 r 32
|
|
- Eugenio Albanese
- 5 anni fa
- Visualizzazioni
Transcript
1 Capitolo 6 Le reti di code ciuse e la forma prodotto In una rete di code ciuse non esiste alcun flusso di utenti da e verso l`esterno della rete. Queste reti, quindi, sono caratterizzate da una popolazione finita di K utenti. Questo vincolo viene tipicamente imposto da un numero limitato di risorse (e.g., numero di pallet). Dal punto di vista del modello, una rete di code ciusa pu o essere ottenuta da una rete di code aperta definendo: r i =0; NX j= p ij =; 8 i =;:::;N ed in questo caso non si anno arrivi dall`esterno e nessun utente pu o lasciare il sistema. In queste condizioni lo stato del sistema deve soddisfare la condizione: NX i= x i = K: Un esempio di rete di code ciusa e indicato in Figura Il bilanciamento dei flussi nelle reti di code ciuse Il numero finito di stati in una rete di code ciusa dipende dal numero dei nodi e degli utenti presenti. Infatti, se indiciamo con K il numero di utenti e con N il numero dei nodi, il numero degli stati possibili del processo e uguale al coefficiente binomiale: N + K (N + K )! = N (N )!K! La struttura del grafo dell`automa ce caratterizza la maccina a stati del processo di una rete di code ciuse e particolare in quanto da uno stato (k ;:::;k j ;:::;k i ;:::;k N ), all`uscita
2 r 33 r 3 λ λ 3 µ 3 r 32 r 42 λ 2 µ 2 λ 4 µ 4 Figura 6.: Rete di code ciusa. di un utente da uno dei nodi j, j = ; 2;:::;N, e suo ingresso in uno dei nodi successivi i e possibile portarsi soltanto in una serie di stati contigui caratterizzati dalla perdita di un utente in j ed il suo acquisto in i, (k ;:::;k j ;:::;k i +;:::;k N ), con tasso di transizione r ij μ j. Un esempio e riportato in in Figura 6.2. r ij µ j ( k,, k j,, k i +,, k N ) ( k,, k,, k,, k ) j i N r j µ ( k,, k j,, k +,, k N ) Figura 6.2: Struttura dell`automa di una rete di code ciuse. Rappresentata la rete di code ciuse con un automa e possibile determinare le condizioni di equilibrio mediante il bilanciamento dei flussi. Considerato allora un generico stato (k ;:::;k j ;:::;k i ;:::;k N ), il flusso totale uscente da questo stato e dato dalla somma dei contributi di tutti i nodi ce anno numero di utenti diverso da zero: NX i=;k i >0 μ i ß(k ;:::;k j ;:::;k i ;:::;k N )
3 mentre il flusso entrante dagli stati contigui e: NX NX j=;k j >0 i= r ji μ i ß(k ;:::;k j ;:::;k i +;:::;k N ) Questo risultato offre un primo rudimentale metodo per risolvere la rete. Per il principio del bilanciamento dei flussi le due espressioni sopra indicate devono essere uguali. Esempio 6... Quest`esempio mette in mostra la struttura dell`automa associato ad una rete di code ciuse. La Figura 6.3.a rappresenta la rete e la Figura 6.3.b rappresenta il grafo dell`automa associato quando vi sono 2 utenti nella rete, ce a 6 stati (n. di utenti nelle stazioni M, M 2 e M 3 ) µ 3 µ 2 M M3 M λ µ λ µ 3 µ λ µ 3 µ 2 µ 2 µ (a) (b) Figura 6.3: Rete di code ciusa (a); automa associato alla rete (b). Appliciamo la tecnica di bilanciamento dei flussi per ricavare le probabilit a di stato: ß(; 0; ) = μ μ 3 ß(2; 0; 0) ß(; ; 0) = μ μ 2 ß(2; 0; 0) ß(0; ; ) = μ2 μ 2 μ 3 ß(2; 0; 0) ß(0; 0; 2) = μ2 ß(2; 0; 0) μ 2 3 ß(0; 2; 0) = μ2 ß(2; 0; 0) ß(2; 0; 0) = μ μ μ 3 + μ μ 2 + μ2 + μ2 μ 2 μ 3 μ μ2 μ 2 2! Per conoscere i flussi d`attraversamento di ciascun nodo, uguali fra loro in questo caso, e sufficiente calcolare il flusso uscente da una delle stazioni scelta a piacere, ad esempio la
4 terza: = μ 3 μ μ 3 + μ2 + μ2 μ 2 μ 3 μ 2 3! ß(2; 0; 0) Il tempo medio di attraversamento di ciascuna stazione pu o quindi essere calcolato mediante la legge di Little. Ξ 6.2 La forma prodotto nelle reti di code ciuse Ance per le reti di code ciuse, sotto condizioni analoge a quelle delle reti di code aperte (non e necessaria in questo caso la specifica sui flussi dall`esterno), e verificata la propriet a della forma prodotto. Questo risultato e dovuto a Gordon e Newell, ce offrono una variante del teorema di Jackson per le reti di code ciuse. I tassi medi di ingresso (e quindi di uscita) alle maccine si calcolano, come per le reti di code aperte, dal seguente sistema lineare di equazioni, ce in questo caso risulta omogeneo: i = NX j= r ij j, [I R] = 0 Il sistema di equazioni omogeneo a matrice dei coefficienti singolare, in quanto non essendovi flussi da e verso l`esterno la matrice R a un autovalore uguale a. La soluzione, ovviamente a meno di un fattore di proporzionalit a, fornisce i tassi di ingresso a ciascun nodo e le intensit a di traffico dei nodi risultano: ρ i = i μ i : Dai risultati dei processi di nascita e morte, le probabilit a marginali per ogni coda, a meno di un comune fattore di proporzionalit a, sono dati dalla teoria classica delle code, ad esempio per code monoservente: oppure per i multiserventi: ß i (k i )=ρ k i i ß i (k i )= ρk i i 2 La densit a di probabilit a congiunta in forma prodotto assume, perci o, (per brevit a consideriamo soltanto il caso monoservente) la seguente forma: ß(k ;:::;k N )= NY i= ß i (k i )= G NY i= ρ k i i
5 dove la costante di normalizzazione G e calcolata in modo da garantire ce le espressioni precedenti siano consistenti con la definizione di densit a di probabilit a, cio e la somma di tutte le probabilit a di stato uguale a : G X NY k ;k 2 ;::: 2K i= ρ k i i = ) G = X NY k ;k 2 ;::: 2K i= Note le probabilit a di stato, la risoluzione del grado di indeterminazione ce ancora sussiste per i flussi d`attraversamento delle stazioni, rappresentato dal parametro, e dei relativi fattori di traffico, si a valutando il flusso di uscita da una qualsiasi stazione come somma dei flussi di uscita da tutti gli stati del grafo per cui quella stazione non e vuota, ad esempio per l`i esima stazione monoservente: i = X n ;:::;n i ;:::;=0;K;n i 6=0 ß(n ;:::;n i ;:::)μ i : ρ k i i Esempio Consideriamo una rete costituita da due code monoservente in cascata, la seconda delle quali pu o fallire un numero indefinito di volte l`operazione e con probabilit a p deve ripeterla. Questa rete e rappresentata in Figura 6.4.a, mentre in Figura 6.4.b viene indicata la maccina a stati ce la descrive nel caso di un solo utente. 0. λ λ 2 µ 2 p p 0. ( p ) µ 2 (a) (b) Figura 6.4: associato alla rete (b). Rete di code ciusa con ricircolo un numero indefinito di volte (a); automa Le probabilit a di stato a regime sono: μ ß 0 =( p)μ 2 ß 0 ) ß 0 = ß 0 = ( p)μ 2 ( p)μ 2 + μ ; ß 0 = ed il tasso di circolazione della rete e: = = ( p)μ 2μ ( p)μ 2 + μ μ ( p)μ 2 ß 0 μ ( p)μ 2 + μ
6 Ora risolviamo la rete utilizzando la propriet a della forma prodotto. La struttura della rete e la stessa ma assumiamo ce la seconda coda sia per o un biservente, e nella rete siano presenti rispettivamente 2 e 3 utenti. Il vettore dei tassi di ingresso ai diversi nodi e: " # = 2 " p Le probabilit a di stato marginali, a meno di una costante di proporzionalit a sono, per la prima coda # e perlaseconda ß (0) = ; ß () = μ ß (2) = ß 2 (0) = ; ß 2 () = ß 2 (2) = ( p)μ 2 μ! 2 ; ß (3) = ( p)μ 2 2( p)μ 2 = 2! 3 μ! 2 ( p)μ 2 ß 2 (3) = = ( p)μ 2 2( p)μ 2 2( p)μ 2 4! 3 ( p)μ 2 Le probabilit a congiunte sono: ß(2; 0) = G! 2 μ ß(; ) = G μ ( p)μ 2 ß(0; 2) = G 2! 2 ( p)μ 2 ed il calcolo della costante di normalizzazione porta a: 2 G 2 " μ! 2 + ( p)μ μ G = 2( p) 2 μ 2 μ2 2 2( p) 2 μ 2 +2( p)μ 2 μ 2 + μ 2! 2 # = ( p)μ 2 La grandezza ce fornisce le prestazioni della rete e principalmente il tasso di circolazione ce in questo caso coincide con il tasso di ingresso (uscita) alla prima stazione: (2) = = ß(2; 0) + ß(; ) iμ = 2( p)μ μ 2 [( p)μ 2 + μ ] 2( p) 2 μ 2 + 2( p)μ 2 μ 2 + μ 2
7 Assegnamo ai parametri i seguenti valori numerici: p = 0:7, μ = 5 e μ 2 = 3. Le probabilit a di stato sono: ß(2; 0) = 0:0455; ß(; ) = 0:2527; ß(0; 2) = 0:702 ed il tasso di circolazione risulta: (2) = :49. Il numero medio di utenti nelle singole stazioni e: N =0:3437; N 2 =:6563 Risolvendo la rete dell`esempio precedente con una popolazione di 3 utenti otteniamo un tasso di circolazione (3) = :69. Proviamo ora a confrontare il tasso di circolazione ottenuto nei due casi con popolazione k = 2 e k = 3, ovvero (2) = :49 e (3) = :69. Possiamo osservare un fenomeno generale: la produttivit a della rete aumenta in modo monotono al crescere della dimensione della popolazione. Questo e dovuto al fatto ce con un maggior numero di utenti aumenta l`utilizzo delle risorse. Se tracciassimo un grafico del tasso di circolazione, funzione della dimensione della popolazione, vedremmo ce questo grafico a un andamento asintotico, tende, cio e ad un valore massimo ce identifica la produttivit a idealmente ottenibile dalle risorse disponibili avendo una dimensione di popolazione infinita. Poic e le risorse in un sistema anno sempre un costo, l`analisi dell`andamento asintotico del grafico permette una scelta ottima della dimensione della popolazione. Ξ 6.2. Reti di code BCMP La famiglia pi u ampia di reti ce godono della propriet a della forma prodotto e stata caratterizzata da Basket, Candy, Muntz epalacios, e, dall`acronimo delle iniziali dei nomi degli autori, viene indicata come famiglia di reti BCMP. Infatti, anno densit a di probabilit a congiunta in forma prodotto reti di code aperte, ciuse o miste (aperte con ricircolo), in presenza di classi multiple di utenti con queste caratteristice: (i) gli instradamenti sono probabilistici ed indipendenti dallo stato; (ii) gli arrivi dall`esterno, nel caso di reti di code aperte, sono processi di Poisson, con tassi istantanei ce possono dipendere dalla dimensione della popolazione nella rete; (iii) le code ce costituiscono la rete sono dei seguenti tipi: ffl monoserventi in presenza di classi multiple di utenti tutte con la medesima distribuzione esponenziale dei tempi di servizio, e disciplina di coda FIFO; ffl multiserventi in presenza di una sola classe di utenti con tempi di servizio distribuiti esponenzialmente, e disciplina di coda FIFO;
8 ffl multiserventi con infiniti serventi in presenza di classi multiple di utenti con distribuzioni dei tempi di servizio diverse fra loro aventi funzioni caratteristice razionali; ffl monoserventi in presenza di classi multiple di utenti con distribuzioni dei tempi di servizio diverse fra loro aventi funzioni caratteristice razionali, con politice di coda ad interruzione preemption" del tipo a distribuzione uniforme del servente processor saring", oppure ultimo arrivato primo servito Last Come First Served" (LCFS). La condizione ce la funzione caratteristica dei tempi di servizio sia razionale non e molto restrittiva (e.g., le distribuzioni di Erlang e le distribuzioni iperesponenziali). Le politice di coda con interruzione prevedono ce un utente viene servito in tempi parziali successivi: nella disciplina processor saring" gli utenti presenti si distribuiscono uniformemente a turno il servente, ciascuno con periodi di servizio ce tendono zero; nella disciplina LCFS l'ultimo utente arrivato interrompe l'utente in servizio, sino a completare il suo servizio o essere a sua volta interrotto da un nuovo arrivato. Queste politice di coda trovano applicazione soprattutto nell'assegnazione dell'unit a centrale di un elaboratore ai diversi programmi in attesa nei sistemi di elaborazione Fattori di visita e tassi di circolazione Osserviamo ce, grazie alla forma ciusa della rete, diviene naturale porre particolare attenzione ai flussi medi di circolazione all`interno della rete e quindi ricondurre direttamente a questi tutte le statistice d`interesse del problema. In questo modo non viene riciesta la conoscenza delle probabilit a di stato. Per entrare in questa nuova ottica, osserviamo ce gli utenti presenti in una rete di code ciuse compiono ciclicamente visita ai nodi della rete, e quindi definiamo con il tasso medio di circolazione, come il numero di cicli effettuati nell`unit a di tempo dalla totalit a degli utenti. Se la popolazione a dimensione K, il tempo medio per compiere un ciclo da parte di un utente e invece K, ed e definito come il rapporto fra il numero di utenti della rete ed il tasso di circolazione. Associato al tasso di circolazione esister a un tasso d`attraversamento di ciascuna risorsa della rete i e da questo si pu o definire il fattore di visita come il numero di volte ce una risorsa e visitata per ciclo, cio e il rapporto fra il flusso d`attraversamento di una risorsa ed il tasso di circolazione della rete v i = i. Per stabilire in modo non ambiguo queste grandezze e necessario fare riferimento alle specifice del problema. In molte circostanze il completamento di un ciclo nella rete e identificato dall`uscita dalla stazione terminale o, nel caso di pi u stazioni in parallelo, dall`ingresso nella prima stazione del ciclo. Questa stazione viene indicata come stazione di riferimento
9 della rete e per questa si assume convenzionalmente fattore di visita uguale a, da cui risultano i fattori di visita di tutte le altre stazioni. In alcuni casi i fattori di visita si ricavano dai coefficienti d`instradamento della rete. Esempio Consideriamo nuovamente la rete rappresentata in Figura 6.4.a. In questo caso un ciclo nella rete si completa tutte le volte ce un utente ritorna alla stazione, ce a qui il ruolo di stazione di riferimento. Il tasso di circolazione coincide dunque con il tasso di ingresso nella stazione, mentre il bilanciamento dei flussi alle diverse stazioni, dall`analisi dei coefficienti d`instradamento porta ai fattori di visita: " # = 2 " # v = v 2 In molti casi viene direttamente specificato il ciclo dei nodi visitati con i loro fattori di visita e da questi si risale ai coefficienti d`instradamento. Ad esempio (assumiamo p = 0, ovvero definiamo il numero di volte per cui viene "sicuramente" ripetuta la lavorazione nella risorsa S 2 ) il seguente ciclo di lavorazione: S; 2S2 i " p # indica ce in un ciclo gli utenti devono visitare una volta S e2volte S 2. Ξ Attenzione per o, gli strumenti ce abbiamo a disposizione permettono di risolvere soltanto reti di code Markoviane con la propriet a della forma prodotto. Questo modello prevede ce gli utenti si muovano lungo la rete con instradamento casuale di cui i coefficienti di routing rappresentano le probabilit a. Quindi i risultati ce si ottengono i si riferiscono al caso in cuilaspecificadel ciclo di visite rappresentato da S ; 2S 2 e soddisfatta da ciascun utente soltanto in media, ma non in modo puntuale per ciascun suo ciclo di lavorazione. Se con le specifice precedenti si intendeva, invece, ce in modo deterministico in un ciclo ogni utente deve visitare esattamente 2 volte la risorsa S 2, il modello offerto dalla forma prodotto non rappresenta pi u il problema. maggiormente nei dettagli di questa situazione. Con il prossimo esempio vediamo di entrare Esempio Consideriamo ancora la rete rappresentata in Figura 6.4.a. La rete e costituita da 2 utenti e 2 nodi in cascata ce gli utenti visitano ciclicamente; all`uscita del secondo nodo, per o, assumiamo ce con probabilit a p ogni utente possa fallire l`operazione e debba quindi ripeterla, ma questo soltanto la prima volta di ogni ciclo. E immediato verificare ce il tasso di visita al secondo nodo e +p cui corrispondono le seguenti percentuali dei tassi dei flussi secondo ciascun percorso (non possiamo pi u ciamarle probabilit a d`instradamento): r 2 = +p ; r 22 = p +p :
10 La rete, per o, con le specifice precedenti perde la propriet a della forma prodotto, in quanto l`instradamento non e casuale e per ogni utente uscente dal secondo nodo si deve mantenere memoria se e al primo oppure al secondo passaggio. Il modello classico di una rete di code Markoviane non rappresenta correttamente il problema. Tuttavia, in questo caso, si pu o definire una catena di Markov ce rappresenta esattamente il problema, ance se non una nuova rete di code Markoviane, scegliendo un nuovo modello con un numero di stati maggiori del precedente. Esempio Si consideri la rete di code rappresentata in Figura 6.5, dove p = 0:3, μ = 2, μ 2 =. Nella rete circolano 3 pezzi ce vengono lavorati dalla maccina M e dalla maccina M 2. La lavorazione su M 2 pu o fallire con probabilit a p; in questo caso viene ripetuta indefinitamente fino a quando non viene eseguita correttamente. Ξ λ µ 2 Μ Μ 2 p Figura 6.5: Rete di code ciusa. Calcolare il tasso di produzione applicando il teorema di Jackson relativo alle reti di code ce godono della propriet a della forma prodotto. Descrivere infine una simulazione ce permetta di rappresentare il processo e di calcolare il tasso di circolazione (si assuma per semplicit a p = 0). Soluzione. Indicando con K il numero di pezzi e con N il numero di servizi, il numero degli stati possibili del processo e: N + K + N! = N + K + K! (N + K )! = =4: K!(N )! Risolviamo dapprima la rete calcolando le probabilit a di stato a regime mediante bilanciamento dei flussi, considerando l`automa in Figura 6.6 ce descrive il processo di lavorazione ed il cui stato (n ;n 2 ) definisce il numero di pezzi presenti sulle maccine M ed M 2. Indicando con ß =[ß(; 2);ß(2; );ß(3; 0);ß(0; 3)] T il vettore delle probabilit a di stato a
11 ,2 2µ 2 ( p) 2 2, 2µ 2 ( p) µ 2 ( p) 2 0,3 3,0 Figura 6.6: Diagramma delle transizioni di stato. regime, otteniamo: μ 2μ 2 ( p) 2μ 0 2μ 2 ( p) 2μ 2 ( p) 2μ μ 2 ( p) 2μ 0 0 μ 2 ( p) 2μ 0 μ 0 0 2μ 2 ( p) 0:5030 e quindi il tasso di produzione risulta: ß = 0 ) ß = :352 0:232 0: = =2μ ß(3; 0) + ß(2; ) + μ ß(; 2) = :2835 oppure = 2 =2μ 2 ( p) ß(; 2) + ß(0; 3) + μ 2 ( p)ß(2; ) = :2835; dove e 2 sono i tassi di attraversamento delle due maccine. Risolviamo ora la rete calcolando le probabilit a distato a regime mediante applicazione del teorema di Jackson per le reti di code ciuse. Calcoliamo i tassi medi di ingresso (e quindi di uscita) alle maccine risolvendo il seguente sistema lineare omogeneo di equazioni: i = 2X j= r ij j ; i =; 2 ) [I R] = 0; dove R = " 0 p p # e la matrice di routing del sistema. Indicando con il fattore di proporzionalit a per i tassi di attraversamento i, otteniamo: " # " = 2 p # = " :428 # :
12 Introducendo le intensit a di traffico ρ i = i μ i dei vari servizi nella rete, le probabilit a marginali per ogni servizio, a meno di un fattore di proporzionalit a, risultano ß (0) = ; ß () = μ ; ß (2) = 2 ß 2 (0) = ; ß 2 () = ( p)μ 2 ; ß 2 (2) = 2 μ 2; ß (3) = 4 ( p)μ 2 2; ß2 (3) = 4 3 μ 3 ( p)μ 2 Si noti ce ß (2) = μ 2μ 2μ e ß 2 (2) = ( p)μ 2 2( p)μ 2 2( p)μ 2, poic e entrambe le maccine sono biserventi e quindi quando il loro stato e k i >, il tasso di servizio e pari a 2μ i. Le probabilit a congiunte sono: ß(3; 0) = ß (3)ß 2 (0) = 3 G 4 3 =0:032 μ G ß(2; ) = ß (2)ß 2 () = 2 =0:786 G 2 3 μ ( p)μ 2 G ß(; 2) = ß ()ß 2 (2) = 2 3 =0:502 G μ 2 ( p)μ 2 G ed imponendo e quindi: ß(0; 3) = ß (0)ß 2 (3) = G 4 ( p)μ 2 3 =0: G ß(3; 0) + ß(2; ) + ß(; 2) + ß(0; 3) = ) 3 G =0:6902; ß(3; 0) = 0:026 ß(2; ) = 0:232 ß(; 2) = 0:352 ß(0; 3) = 0:503 Analogamente al caso precedente otteniamo il tasso di produzione = :2835. Per rappresentare l`automa ce descrive il sistema mediante una maccina a stati consideriamo due processi interagenti ce descrivono separatamente i due serventi, indicati in Figura 6.7 con Mac e Mac2. Partiamo da uno stato iniziale di 3 pezzi sulla maccina M e nessuno sulla maccina M 2 ; la variabile (locale) state rappresenta il valore dello stato aggregato per ciascuna maccina (numero di pezzi). Le variabili Ncicli e tasso rappresentano rispettivamente il numero di cicli ed il tasso di produzione della rete. Sulla maccina M viene immediatamente lanciato" un evento di fine lavorazione con tasso 2μ poic e sulla maccina sono presenti tre pezzi ed essendo questa biservente, entrambi sono impegnati nella lavorazione. Contemporaneamente nella maccina M 2, essendo vuota, non viene lanciato nessun evento. Un evento di fine lavorazione su M fa decrementare la
13 Figura 6.7: Maccina a stati per il modello di simulazione. variabile di stato di M e rende necessario il lancio di un altro evento di fine lavorazione ancora con tasso 2μ se lo stato e maggiore di, altrimenti con tasso μ. Un evento di fine lavorazione su M a per o effetto ance su M 2,ce incrementa il suo stato. Un evento di fine lavorazione su M 2 fa incrementare lo stato di M ed ogni volta ce arriva un pezzo su M viene ance incrementato il numero dei cicli. Infine, dividendo il numero di cicli per il tempo trascorso dall`inizio della simulazione (ottenuto mediante la primitiva now()) ricaviamo il tasso di produzione della rete. Un ragionamento analogo si applica ovviamente al processo ce descrive la maccina M 2. Si noti ce quando lo stato di una maccina e maggiore di, un`evento di fine lavorazione sull`altra produce un cambiamento di stato ce obbliga a scedulare nuovamente l`evento di fine lavorazione locale (e rimozione dell`evento di fine lavorazione scedulato in precedenza), in quanto il tasso di questo evento dipende dallo stato della maccina. Ξ 6.3 Problemi proposti Problema Considerare la seguente rete di code ciusa in Figura 6.8, dove tutte le risorse sono di tipo M=M= aventi μ = μ 4 = 0 e μ 2 = μ 3 = 20. Nella rete circola un solo pezzo ce a ciclo di lavorazione [M jm 2 ;M 3 jm 4 ], cio e sia la prima ce la seconda lavorazione possono avvenire indifferentemente sulle maccine M o M 2 ed M 3 o M 4 rispettivamente. La seconda lavorazione su M 3 o M 4 pu o fallire unnumero indefinito di volte con probabilit a p 3 =0:3 e p 4 =0:4; in questo caso il pezzo deve essere rilavorato completamente iniziando nuovamente il ciclo di lavorazione. Rappresentare l`automa ce descrive il processo e calcolare il tasso di circolazione. Nel
14 µ 3 p 3 M µ 2 M 2 M 3 µ 4 M 4 p 4 λ Figura 6.8: Rete di code ciusa. caso in cui nella rete circolino due pezzi, calcolare il tasso di circolazione ed il tasso di attraversamento di ciascuna maccina utilizzando la struttura delle probabilit a di stato in forma prodotto. Problema Considerare larete di code ciusa in Figura 6.9, dove tutte le risorse sono di tipo M=M= aventi μ =0e μ 2 = μ 3 =5, dove p =0:3 e q =0:25. µ 2 p M 2 -q M -p µ 3 M 3 q Figura 6.9: Rete di code ciusa. Nel sistema la lavorazione su M viene ri eseguita una sola volta ad ogni ciclo. Assumendo ce nella rete circoli un solo pezzo, rappresentare l`automa ce descrive in modo esatto il processo di lavorazione e calcolare il tasso di circolazione. La rete gode della formaprodotto? Se no, confrontare il risultato ottenuto al punto precedente con quello ottenuto mediante la forma-prodotto. Si consideri una popolazione di 3 pezzi. Calcolare il tasso di produzione ed il tasso di attraversamento di ciascuna maccina applicando la struttura delle probabilit a di stato in forma prodotto. Problema Considerare la rete di code ciusa in Figura 6.0, dove tutte le risorse sono di tipo M=M= aventi μ =5, μ 2 =4e μ 3 =2, e dove p =0:2. Nella rete circola un solo pezzo con ciclo di lavorazione [M ;M 2 ]. La lavorazione su M 2 pu o fallire un numero indefinito di volte con probabilit a p, in questo caso il pezzo viene riparato sulla maccina M 3 e rilavorato sulla maccina M 2. Risolvere la rete utilizzando il bilanciamento dei flussi e la struttura delle probabilit a di stato in forma prodotto, calcolando
15 µ µ 2 M M2 p µ 3 M3 Figura 6.0: Rete di code ciusa. in particolare il tasso di circolazione ed i tassi di attraversamento di ciascuna maccina.
γ 4 γ 2 λ 2 λ 4 r 42 γ 3 λ 3 r 24 r 04
Capitolo 5 Reti di code Tipicamente una risorsa non viene utilizzata in modo isolato, pi u facilmente diverse risorse sono interconnesse fra loro per costituire un unico sistema. Un esempio e offerto da
DettagliUNIVERSITÀ DEGLI STUDI DI PADOVA
UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Ingegneria Corso di laurea in Ingegneria Gestionale TESI DI LAUREA RETI DI CODE Relatore: Giorgio Romanin Jacur Laureando: Matteo Chiarello ANNO ACCADEMICO 2010
DettagliLa teoria delle code
La teoria delle code 3 marzo 205 Ing. foglietta.chiara@gmail.com Università degli Studi di Cassino e del Lazio Meridionale Agenda Reti di Aperte Reti di Aperte Sistema M/M/ I 2 Reti di Aperte Una coda
DettagliTeoria delle File di Attesa
Teoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi. Esempi: Studenti agli sportelli della segreteria Utenti di un centro
DettagliTeoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi.
Teoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi. Esempi: Studenti agli sportelli della segreteria Utenti di un centro
DettagliModelli e Metodi per l Automazione
Prof. Davide Giglio Modelli e Metodi per l Automazione Facoltà di Ingegneria Anno Accademico 20/202 ESEMPI ED ESERCIZI RETI DI CODE 7. Un sistema di produzione è costituito da 4 macchine M, M 2, M 3 e
DettagliSISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X
CATENE DI MARKOV SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X X X 0 T 0 T! Δ 0, 1,, 0 Δ 1 Δ Δ 1Δ Δ Δ ESEMPIO: I GUASTI (Ipotesi
DettagliModelli a code d attesa dei sistemi operativi
Definizioni Preliminari Topologie Tandem (1 dispositivo I/O Tandem (2 dispositivi I/O) Coda chiusa Coda aperta Definizioni Preliminari variabili aleatorie: il risultato di un esperimento dall esito incerto
Dettagli' $ Teoria del traffico & % 1
Teoria del traffico Andamento della distribuzione di Poisson P(k) = (λt)k k! e λt 1 k=0 k=1 k=2 k=3 0.8 0.6 P(k) 0.4 0.2 0 0 1 2 3 4 5 λt Proprietá La sovrapposizione di h processi di Poisson aventi frequenze
DettagliReti di Telecomunicazioni. Sistemi a coda M/M/1
Reti di Telecomunicazioni Sistemi a coda M/M/1 Ing. Francesca Lo Piccolo e-mail: francesca.lopiccolo@uniroma2.it Un ringraziamento particolare al Prof. Andrea Detti, autore delle presentazioni da cui è
Dettagliarrivi in un tempo t è pari a λ*t, come si può ricavare dalla media su k della distribuzione di Poisson :
Sistema di coda ad un canale con arrivi poissoniani e tempi di servizio esponenziali. Si può dimostrare che assumere il tasso degli arrivi costante e pari a equivale ad assumere per gli intervalli fra
DettagliReti di Telecomunicazioni 1
Reti di Telecomunicazioni 1 AA2011/12 Sistemi a coda Blocco E2 Ing. Francesco Zampognaro e-mail: zampognaro@ing.uniroma2.it Lucidi Prof. Stefano Salsano 1 Definizione di traffico e utilizzazione di un
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE Modelli delle Sorgenti di Traffico Generalità Per la realizzazione di un modello analitico di un sistema di telecomunicazione dobbiamo tenere in considerazione 3 distinte sezioni
Dettagliservente 1 servente 2 servente K
Capitolo 4 Teoria delle code La teoria delle code e, di fatto, un`applicazione dei processi Markoviani di nascita e morte. Il problema affrontato e quello dell`analisi del comportamento di una risorsa
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/01/2009
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/01/2009 Esercizio 1 (20 punti). Esaminiamo il controllo passaporti in un aeroporto in entrata per gli Stati Uniti, controllo
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO CONTINUE Definizioni Sia dato un processo stocastico x(t) che può assumere valori discreti appartenenti ad un insieme se accade che il processo è una catena
DettagliCatene di Markov a tempo continuo. Richiami teorici
Catene di Marov a tempo continuo Richiami teorici Pagina di 55 Data ultima revisione 2/5/ Definizione di catena di Marov a Una catena di Marov a è definita come: M(X, P(t)) t R + dove gli stati x,...,
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 17/7/2008
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 17/7/2008 Esercizio 1. Il porto di Paralli sta raggiungendo un quantità di movimento critica e la capitaneria del porto decide di
DettagliComplementi di Probabilità e Statistica Laurea Magistrale Ing. Info. Soluzione degli Esercizi su catene di Markov a tempo continuo
Complementi di Probabilità e Statistica Laurea Magistrale Ing Info Soluzione degli Esercizi su catene di Markov a tempo continuo M Abundo Si può modellizzare il sistema mediante una coda del tipo M/M/n
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE PROCESSI DI POISSON Definizione Un processo stocastico che assume valori interi non negativi si dice essere un processo di Poisson con frequenza λ se 1. A(t) è un prosesso di
Dettagli1.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE
46 TEORIA DELLE CODE.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE In questo paragrafo verrano studiati sistemi di code che possono essere rappresentati da processi di nascita e morte. In particolare,
DettagliNote sulle Catene di Markov
Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo
DettagliSIMULAZIONE DI SISTEMI CASUALI 2 parte. Processi stocastici e teoria delle code. Processi stocastici
SIMULAZIONE DI SISTEMI CASUALI 2 parte Processi stocastici e teoria delle code Processi stocastici Generalità La distribuzione di Poisson (degli eventi rari) è caratterizzata dall avere una funzione di
Dettagliλ è detto intensità e rappresenta il numero di eventi che si
ESERCITAZIONE N 1 STUDIO DI UN SISTEMA DI CODA M/M/1 1. Introduzione Per poter studiare un sistema di coda occorre necessariamente simulare gli arrivi, le partenze e i tempi di ingresso nel sistema e di
DettagliCorso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI. Martino De Marco
Politecnico di Milano Sede di Cremona A.A. 2004/05 Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI Martino De Marco (demarco@cremona cremona.polimi.it) ESERCITAZIONE VALUTAZIONE DELLE PRESTAZIONI Slide
DettagliTre esempi di sistemi di congestione. Analisi delle loro simulazioni in linguaggio Simula
Tre esempi di sistemi di congestione Analisi delle loro simulazioni in linguaggio Simula Generalità introduttive Una larga classe di sistemi reali : Sistemi di produzione Sistemi di traffico e di comunicazione
DettagliLa teoria delle code
La teoria delle code Ludovica Crosato INTRODUZIONE La Teoria delle code (o delle file d attesa) rappresenta l analisi dei fenomeni di attesa che si possono manifestare in presenza della domanda di un servizio,
DettagliUniversità di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori, AA 2012/13. Catene di Markov
Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Frequenza dei guasti: N GUASTI 0 T N T 0 T! Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Campionando
Dettagli11.4 Chiusura transitiva
6 11.4 Chiusura transitiva Il problema che consideriamo in questa sezione riguarda il calcolo della chiusura transitiva di un grafo. Dato un grafo orientato G = hv,ei, si vuole determinare il grafo orientato)
Dettagli5. Catene di Markov a tempo discreto (CMTD)
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.
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE TEORIA DELLE CODE Teoria delle code Obiettivo Avere uno strumento analitico per determinare le condizioni di funzionamento di una rete in termini prestazionali La teoria delle
DettagliEsame di Sistemi ad Eventi Discreti
Esame di Sistemi ad Eventi Discreti - 18.12.2007 Esercizio 1 (prima parte) In un linguaggio di programmazione, un identificatore è costituito da una lettera seguita da altre lettere o cifre; un numero
DettagliReti di code. Sostituendo ottengo:
Reti di code Reti di code aperte Metodo di risoluzione di un generico esercizio: 1) Solitamente come prima cosa da fare quando viene dato un esercizio bisogna calcolarsi i lambda effettivi (scrivendo il
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2016/17 Processi stocastici e analisi di serie temporali
Corso di Laurea Magistrale in Ingegneria Informatica A.A. 206/7 Processi stocastici e analisi di serie temporali PROVA DI ESONERO SUI PROCESSI DI MARKOV DEL 6 DICEMBRE 206 Punteggi: : + + 4 2; 2: 2 5;
DettagliVETTORI DI VARIABILI ALEATORIE
VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla
DettagliPolitecnico di Milano Sede di Cremona A.A. 2012/13. Corso di RETI DI COMUNICAZIONE E INTERNET (Modulo 1)
Politecnico di Milano Sede di Cremona A.A. 2012/13 Corso di RETI DI COMUNICAZIONE E INTERNET (Modulo 1) Martino De Marco email: martino.demarco@mail.polimi.it skype: martino.demarco ESERCITAZIONE VALUTAZIONE
DettagliSistemi Discreti. Reti di Petri Stocastiche Automi stocastici Code e Reti di Code Algebra di processi
Sistemi Discreti Reti di Petri Stocastiche Automi stocastici Code e Reti di Code Algebra di processi 1 Code Introduzione Classificazione dei sistemi a coda Legge di Little Sistemi a coda singola Reti di
DettagliProcessi di Markov. Processi di Markov
Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Un
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 29 maggio 2007 Test di indipendenza su tabelle di contingenza. Catene di Markov Esercizio Per controllare l efficacia di un vaccino vengono scelti
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto
Dettaglidi transizione p n,m ( t) = P N(t + t) = m N(t) = n.
PROCESSI DI NASCITA E MORTE 33 14 PROCESSI DI NASCITA E MORTE Molti sistemi a coda possono essere ben rappresentati mediante i cosiddetti processi di nascita e morte che sono importanti processi in teoria
Dettagli1. i limiti di p che garantiscono un funzionamento stabile del sistema ;
Problema 1 Un router collega una rete locale ad Internet per mezzo di due linee dedicate, la prima di capacità C 1 = 2.048 Mbit/s e la seconda di capacità C 2 = 512 Kbit/s. Ciascuna linea è dotata di una
Dettagli1.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE
SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE 5.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE In questo paragrafo verrano studiati sistemi di code che possono essere rappresentati da processi
DettagliECONOMIA APPLICATA ALL INGEGNERIA (Docente: Prof. Ing. Donato Morea)
ESERCIZIO n. 1 - La produzione ed i costi di produzione (1 ) Un impresa utilizza una tecnologia descritta dalla seguente funzione di produzione: I prezzi dei fattori lavoro e capitale sono, rispettivamente,
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
Dettagli5. Analisi dei dati di input
Anno accademico 2007/08 Analisi e scelta dei dati di input Per l esecuzione di una simulazione è necessario disporre di dati di input che siano una adeguata rappresentazione di ciò che accadrà in realtà
DettagliIntroduzione ai grafi
TFA A048 Anno Accademico 2012-13 Outline Cenni storici sui grafi Nozioni introduttive: cammini, connessione, alberi, cicli Cammini di costo minimo Origini storiche La nascita della teoria dei grafi risale
DettagliPROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa.
corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio a.a. 2012-2013 ELEMENTI DI TEORIA DELLE CODE PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it
Dettagli1.7 SISTEMI A CODA CON DISTRIBUZIONI NON ESPONENZIALI
86 TEORIA DELLE CODE.7 SISTEMI A CODA CON DISTRIBUZIONI NON ESPONENZIALI Fino ad ora abbiamo considerato modelli di code basati su processi di nascita e morte, con tempi di interarrivo e tempi di servizio
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliProposizione 2 Il polinomio minimo di t corrisponde all annullatore minimale di M V.
Fogli NON riletti. Grazie per ogni segnalazione di errori. L esempio qui sviluppato vuole mostrare in concreto il significato dei risultati trattati a lezione e qui velocemente riassunti. Si assume che
DettagliProva scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 2015/ Settembre 2016
Prova scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 205/206 20 Settembre 206 Esercizio. Un dado equilibrato viene lanciato ripetutamente. Indichiamo con X n il risultato dell n-esimo
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliConcetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2017/2018. Giovanni Lafratta
Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2017/2018 Giovanni Lafratta ii Indice 1 Spazi, Disegni e Strategie Campionarie 1 2 Campionamento casuale
DettagliEsercizi sui circuiti in fase transitoria
Esercizi sui circuiti in fase transitoria Esercizio. Determinare la costante di tempo del circuito di figura per k =.5 Ω,.5 Ω, Ω. τ = ms,.5 ms, 6 ms. Ω Ω.5 Ω i [A] k i [V] mh V Il circuito contiene un
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliEsercizi sui circuiti in fase transitoria
Esercizi sui circuiti in fase transitoria v 5 mh 6 Ω Ω µf Ω Esercizio. alcolare la tensione v un i- stante dopo la chiusura dell interruttore T (t =). Si supponga che il circuito sia in regime stazionario
DettagliLa continuità di una funzione
La continuità di una funzione Introduzione L'argomento legato ai limiti di una funzione porta in modo diretto al concetto di continuità e, conseguentemente, allo studio delle discontinuità di una funzione.
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliDimensionamento degli FMS MT MT
Dimensionamento degli FMS Progettazione di FMS: strategie generali (1) Architettura fisica delle macchine: parallela (in cui le macchine sono tutte uguali); seriale (in cui le macchine sono tutte diverse);
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito C 3/5/25 A. A. 24 25 ) Risolvere il seguente sistema
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliDistribuzioni Statistiche e Medie Esercitazione n 01
Distribuzioni Statistiche e Medie Esercitazione n 01 ESERCIZIO 1 In una clinica pediatrica si è registrato, nell'ultima settimana, il peso alla nascita dei neonati (in kg): Peso (in Kg) 2,7 1,8 4,6 2,9
DettagliEsercitazione 03: Sistemi a tempo discreto
0 aprile 06 (h) Alessandro Vittorio Papadopoulos alessandro.papadopoulos@polimi.it Fondamenti di Automatica Prof. M. Farina Analisi di investimenti Una banca propone un tasso d interesse i = 3% trimestrale
DettagliEsame di Sistemi ad Eventi Discreti
Esame di Sistemi ad Eventi Discreti - 16.12.2008 Esercizio 1 (esame completo/recupero prima parte) Un macchinario è programmato per task. Ciascun task è composto da subtask, che possono essere di tipo
DettagliIl modello circuitale. Università di Napoli Federico II, CdL Ing. Meccanica, A.A , Elettrotecnica. Lezione 6 Pagina 1
Lez.6 Il modello circuitale Università di Napoli Federico II, CdL Ing. Meccanica, A.A. 2017-2018, Elettrotecnica. Lezione 6 Pagina 1 Legge di Kirchhoff Legge di Kirchhoff delle correnti per gli insiemi
DettagliLa dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
DettagliAUTOMAZIONE INDUSTRIALE. Agostino Marcello Mangini
AUTOMAZIONE INDUSTRIALE Agostino Marcello Mangini Dipartimento di Elettronica ed Elettrotecnica Politecnico di Bari E-mail: mangini@deemail.poliba.it Sito Web: http://dee.poliba.it/labcontrolli/mangini.htm
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliAnalisi delle corrispondenze
Analisi delle corrispondenze Obiettivo: analisi delle relazioni tra le modalità di due (o più) caratteri qualitativi Individuazione della struttura dell associazione interna a una tabella di contingenza
DettagliCapitolo 4 - Modelli a rete di code
Capitolo 4 - odelli a rete di code In questo capitolo viene presentata la classe dei modelli a rete di code che permettono una rappresentazione più dettagliata dei sistemi composti da un insieme di risorse
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
DettagliRICERCA OPERATIVA (a.a. 2016/17) Nome: Cognome: Matricola:
Secondo appello //0 RICERCA OPERATIVA (a.a. 0/) Nome: Cognome: Matricola: ) Si risolva il seguente problema di PL max x x x x x + x x x per via algebrica, mediante l algoritmo del Simplesso Primale a partire
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliElementi a più terminali
Elementi a più terminali Gli elementi circuitali che rappresentano modelli astratti di dispositivi fisici a più terminali sono chiamati, in generale, multipoli. Un elemento ad n morsetti si chiamerà n-polo
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
Dettagli1. Introduzione. dist. Università di Genova Facoltà di Ingegneria. Telematica. Prof. Raffaele Bolla. Contenuti
Università di Genova Facoltà di Ingegneria Telematica Prof. Raffaele olla dist ontenuti! Definizioni generali! LAN,MAN e WAN! ommutazione di circuito! 1.2 1 ompito della rete è: INTERONNETTERE più apparati
DettagliMATEMATICA E STATISTICA CORSO A CORSO DI LAUREA IN SCIENZE BIOLOGICHE MOLECOLARI
MATEMATICA E STATISTICA CORSO A CORSO DI LAUREA IN SCIENZE BIOLOGICHE MOLECOLARI ESERCITATI CON ME! I ESERCITAZIONE 1) Misure ripetute (materiale secco su vetrino) della lunghezza del diametro maggiore
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2017/18 - Seconda prova in itinere (A)
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 207/8 - Seconda prova in itinere (A) 207-2-20 La durata della prova è di due ore. Le risposte devono essere adeguatamente
DettagliSviluppando ancora per colonna sulla prima colonna della prima matrice e sulla seconda della seconda matrice si ottiene:
M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 5 - Soluzioni Esercizio 5. - La norma Euclidea di è 9 6 5 - Il versore corrispondente
DettagliSISTEMI DI DUE EQUAZIONI IN DUE INCOGNITE
SISTEMI DI DUE EQUAZIONI IN DUE INCOGNITE Un equazione di primo grado in una incognita del tipo, con ha: una sola soluzione (equazione determinata) se nessuna soluzione (equazione impossibile) se tutte
DettagliPROBABILITA E STATISTICA Docente: Bruno Gobbi
UNIVERSITA DEGLI STUDI DI VERONA PROBABILITA E STATISTICA Docente: Bruno Gobbi LE VARIABILI CASUALI DISCRETE VARIABILE CASUALE - DEFINIZIONE Si definisce Variabile Casuale una grandezza che, associata
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/6/2010
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta /6/00 Nota. E obbligatorio sia scegliere le risposte negli appositi spazi (numeriche, o le formule nali a seconda del caso), sia
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
DettagliESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE
ESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE 1 Funzioni libere I punti stazionari di una funzione libera di più variabili si ottengono risolvendo il sistema di equazioni
DettagliEsame di Ricerca Operativa del 18/06/18
Esame di Ricerca Operativa del 8/0/8 (Cognome) (Nome) (Numero di Matricola) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x +x x x x +x x x x + x
DettagliStatistica Descrittiva Soluzioni 3. Medie potenziate
ISTITUZIONI DI STATISTICA A. A. 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
Dettagli