Introduzione alla simulazione
|
|
- Iolanda Beretta
- 5 anni fa
- Visualizzazioni
Transcript
1 Introduzione alla simulazione
2 I fondamenti (1) Per studiare scientificamente un Sistema è spesso necessario fare delle assunzioni semplificative riguardo al suo funzionamento L insieme delle assunzioni semplificative fatte sul funzionamento di un sistema, che vengono espresse sotto forma di relazioni logico-matematiche, costituiscono un modello del sistema Studieremo come Simulare il comportamento di un processo/sistema reale. to simulate: to imitate the operations of various kinds of real-world facilities or processes Law-Kelton, Simulation modeling and analysis System=set of facilities and/or processes
3 I fondamanti (2) Un modello di sistema può essere analizzato mediante: metodi matematici algebra, calcolo numerico, teoria della probabilità ottenendo cosi una Soluzione Analitica ed ESATTA. Ciò è possibile in caso di modelli semplici Simulazione Usata in caso di modelli per i quali è complesso calcolare una soluzione analitica Il modello è valutato numericamente i dati sono collezionati con lo scopo di stimare le caratteristiche reali del modello
4 Esempio Modello matematico, ideale: coda M/M/1 Arrivi poissoniani, tempo servizio esponenziale, server singolo, coda infinita, popolazione client infinita. Modello Simulativo Facility (Centro di servizio + coda) Misura attiva di N,W,R Possibilità di scegliere come voglio il processo degli arrivi (non sono legato ad una particolare distribuzione) Libertà nella scelta della disciplina di servizio λ π 0 = 1 µ λ λ π k = 1 µ µ ρ N = ; W = 1 ρ k ρ / µ ; 1 ρ R = 1/ µ ; 1 ρ
5 I fondamanti (3) Campi di impiego della simulazione: Progettazione ed analisi di sistemi manufatturieri Valutazione di requisiti HW/SW di un sistema di elaborazione Progettazione di sistemi di comunicazione (RETI) e protocolli di comunicazione Analisi di sistemi economici e finanziari Analisi di sistemi biologici Studio delle interdipendenze tra infrastrutture critiche (HomeWork: S. Rinaldi, J. Peerenboom, and T. Kelly, Complexities in Identifying, Understanding, and Analyzing Critical Infrastructure Interdependencies, IEEE Control Systems Magazine on Complex Interactive Networks, December 2001.)
6 Sistema Un sistema è una collezione di entità (persone, dispositivi HW/SW, processi) che agiscono e interagiscono per realizzare un obiettivo comune. Lo stato di un sistema è la collezione delle variabili necessarie per descrivere il sistema in un dato istante, relativamente agli obiettivi dello studio. ES: Sistema: un server Web ed utenti Web; Scopo dello studio: determinazione del tempo medio di servizio al crescere del numero degli utenti Stato: numero di utenti in coda, tempo di servizio istantaneo, tempo di interarrivo degli utenti
7 Metodi per studiare un sistema Sistema Sistema Reale Modello Sistema Modello Reale - prototipo Modello matematico Misure dirette Soluzione Analitica esatta Simulazione
8 Soluzione analitica v.s. simulazione Definito un modello matematico, la soluzione analitica (esatta) è consigliabile solo se il modello è semplice ed esiste una forma chiusa della soluzione del modello. Modelli complessi senza una forma chiusa della soluzione o per cui è computazionalmente impossibile calcolarne la soluzione per via analitica vengono risolti mediante simulazione ad esempio il problema dello scheduling di workflow in una griglia di risorse è notoriamente NP.
9 Modelli Simulativi Statico Deterministico Dinamico Stocastico Continuo Discreto
10 Modelli simulativi: Statico vs Dinamico Statico: rappresenta un sistema in un determinato istante di tempo (o un sistema invariante rispetto al tempo) Dinamico: rappresenta un sistema che evolve nel tempo Statico Dinamico Deterministico Stocastico Continuo Discreto
11 Modelli simulativi: Deterministico vs Stocastico Deterministico: un sistema che non contiene componenti probabilistiche, fissato l input l output è determinato Stocastico: sistema contente componenti probabilistiche, ad esempio qualche componente di input stocastica. Ciò determina dati di output che variano in maniera probabilistica Statico Deterministico Dinamico Stocastico Continuo Discreto
12 Modelli simulativi: Discreto vs Continuo Discreto: le variabili cambiano valore istantaneamente, ed il tempo è discretizzato. Se t1 e t2 sono due istanti successivi di osservazione del sistema: x(t1)=x1 e x(t2)=x2 e non è definita l evoluzione del sistema tra t1 e t2. x(t) t Continuo: le variabili cambiano valore continuamente nel tempo, ed è ben definita l evoluzione temporale del sistema. x(t) t
13 Discrete-event simulation model Deterministico Statico Stocastico Dinamico Discreto Continuo
14 Discrete-event simulation Modellazione di un sistema che evolve nel tempo le variabili di stato cambiano istantaneamente in istanti di tempo separati lo stato del sistema può cambiare solo un numero contabile di volte nel tempo Gli istanti di tempo che segnano l evoluzione sono quelli in cui si verificano gli EVENTI Un evento è un occorrenza istantanea che POTREBBE cambiare lo stato del sistema Non necessariamente l occorrenza di un evento cambia lo stato del sistema. Ad esempio un evento può essere usato per Schedulare il termine della simulazione ad un determinato istante di tempo Schedulare una decisione circa un operazione di sistema
15 Meccanismi di Avanzamento del Next-event time advance tempo e0 e1 e2 e3 e4 e5 t0=0 t1 t2 t3 t4 A t0, dopo che l evento t0 è occorso, Determino gli eventi successivi ed i relativi istanti di occorrenza, ad esempio {(e2,t2), (e3,t3), (e4,t4)} Individuo l evento che si verificherà per primo, ad esempio e2 ed avanzerò il tempo di simulazione all istante t2. t5 Fixed increment time advance
16 Bibliografia M.Low, W.D.Kelton, Simulation Modeling and Analysis, McGraw Hill.
I Fondamenti della Simulazione. Concetto di Sistema. Confronto tra modelli matematici e modelli simulativi Meccanismi i di avanzamento del tempo
Agenda Introduzione alla simulazione AA 27/28 I Fondamenti della Simulazione Cosa è e a cosa serve Concetto di Metodi per studiare il comportamento di un sistema Confronto tra modelli matematici e modelli
DettagliIntroduzione alla simulazione
Introduzione alla simulazione AA 2007/2008 emiliano.casalicchio@uniroma2.it http://www.uniroma2.it/didattica/mmi Agenda Breve richiami su modellazione e sistemi Concetto di simulazione Modelli di simulazione
DettagliIntroduzione. Corso di Tecniche di Simulazione, a.a. 2005/2006. Francesca Mazzia. Dipartimento di Matematica Università di Bari.
Introduzione Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 6 Marzo 2006 Francesca Mazzia (Univ. Bari) Introduzione 6/03/2006 1 / 23 Introduzione
DettagliPRINCIPI GENERALI. Corso di Tecniche di Simulazione, a.a. 2005/2006. Francesca Mazzia. Dipartimento di Matematica Università di Bari.
PRINCIPI GENERALI Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 7 Marzo 2006 Francesca Mazzia (Univ. Bari) PRINCIPI GENERALI 7/03/2006
Dettagli4.1 ESERCIZI DI RIEPILOGO
4 4.1 ESERCIZI DI RIEPILOGO Esercizio 4.1.1 Dato un sistema M/M/2 con frequenza media di arrivo pari a λ e velocità di servizio pari a µ, con λ < 2µ Scrivere le equazioni di Kolmogorov relative al processo
DettagliModulo Simulazione Parte 1. Simulazione ad Eventi Discreti: Concetti Base. Organizzazione del modulo
Modulo Simulazione Parte 1 Simulazione ad Eventi Discreti: Concetti Base Ing. R.G. Garroppo Organizzazione del modulo Simulazione ad eventi discreti: concetti base Testo: J. Banks, J.S. Carson, B.L. Nelson
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
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
DettagliIntroduzione alla Simulazione
Introduzione alla Simulazione Discrete-event simulation (DES) Modelli Stocastici e Dinamici Le variabili di stato cambiano valore solo in corrispondenza di eventi discreti, determinati a loro volta da
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE ESEMPI DI SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Esempi di simulazione Presentiamo alcuni esempi
DettagliESEMPI DI SIMULAZIONE
ESEMPI DI SIMULAZIONE Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 7 Marzo 2006 Francesca Mazzia (Univ. Bari) ESEMPI DI SIMULAZIONE 7/03/2006
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
DettagliIntroduzione alla simulazione
Introduzione alla simulazione Simulazione & Logistica, I modulo Lezione n. 1 Corso di Laurea in Informatica Applicata Università di Pisa, sede di La Spezia A.a. 2008/09, I semestre Giovanni A. Cignoni
DettagliLa simulazione è l'imitazione di un processo o di un sistema reale per un
1 2 La simulazione è l'imitazione di un processo o di un sistema reale per un determinato periodo di tempo. La simulazione è l'imitazione di un processo o di un sistema reale per un determinato periodo
DettagliModelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
DettagliElementi di Automazione Lezione 2 - Sistemi e modelli
Elementi di Automazione Lezione 2 - Sistemi e modelli Ing. Gianmaria De Tommasi A.A. 2006/07 1 2 Modello di 3 Modelli Ingresso-Stato-Usicta (I-S-U) per sistemi dinamici Definizione qualitativa di sistema
DettagliProgetto Esame di Simulazione
Progetto Esame di Simulazione Carlo Manasse Pietro Montanari Facoltà di Informatica Università degli Studi di Perugia Anno Accademico 2012/2013 Outline 1 2 3 4 Prova singola Prove ripetute Il gestore del
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,
Dettagli1. Classificazione dei sistemi e dei modelli
1. Classificazione dei sistemi e dei modelli Carla Seatzu, 1 Marzo 2008 La teoria dei sistemi e del controllo si è sempre tradizionalmente occupata dei sistemi a variabili continue modellati da equazioni
Dettagli2 Simulazione. rappresentare sistemi reali anche complessi tenendo conto anche delle sorgenti di incertezza;
2 Simulazione Con il termine simulazione si intende la riproduzione del comportamento di un sistema. In generale, si parla di simulazione sia nel caso in cui viene utilizzato un modello concreto, sia nel
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
DettagliIndice generale. Prefazione
Prefazione vii 1 Classificazione dei sistemi e dei modelli 1 1.1 Introduzione 1 1.2 Principi di base della teoria dei sistemi e del controllo 2 1.2.1 I concetti di sistema e di modello 3 1.2.2 Il concetto
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
DettagliAnalisi e scelta dei dati di input
Analisi e scelta dei dati di input Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 24 Aprile 2006 Francesca Mazzia (Univ. Bari) Analisi e
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Analisi e scelta dei dati di input Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Dati di input Per l esecuzione di una
DettagliSimulazione. D.E.I.S. Università di Bologna DEISNet
Simulazione D.E.I.S. Università di Bologna DEISNet http://deisnet.deis.unibo.it/ Introduzione Per valutare le prestazioni di un sistema esistono due approcci sostanzialmente differenti Analisi si basa
DettagliProcessi decisionali e modelli di simulazione
Anno accademico 2008/09 Il Processo decisionale Realtà Sistema Modello Simulazione Decisioni Il sistema e i suoi confini Modelli I modelli sono lo strumento normale con cui interagiamo con la realtà, la
DettagliSistema : collezione di componenti (elementi, entità) interdipendenti che interagiscono fra loro in accordo a specifiche predefinite.
Sistema : collezione di componenti (elementi, entità) interdipendenti che interagiscono fra loro in accordo a specifiche predefinite. Studio, analisi del sistema al variare delle caratteristiche operative.
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
DettagliPolitecnico di Milano Dipartimento di Elettronica e Informazione. - 1 - Introduzione. Laboratorio di Reti di Telecomunicazione
Politecnico di Milano Dipartimento di Elettronica e Informazione - 1 - Introduzione Laboratorio di Reti di Telecomunicazione Programma Introduzione al concetto di simulazione Simulazionediretiditelecomunicazioni
DettagliIngegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE I
Ingegneria Elettrica Politecnico di Torino Luca Carlone ControlliAutomaticiI LEZIONE I Sommario LEZIONE I Introduzione al concetto di sistema Notazione e tassonomia Rappresentazione in variabili di stato
DettagliProblemi di Scheduling
Problemi di Scheduling Vincenzo Suraci Automazione STRUTTURA DEL NUCLEO TEMATICO SCHEDULING A LIVELLO DI COORDINAMENTO CLASSIFICAZIONE DEGLI ALGORITMI DI SCHEDULING SCHEDULING DI TASK PERIODICI SCHEDULING
DettagliAnalisi statistica dell output prodotto dalla simulazione
Analisi statistica dell output prodotto dalla simulazione Teso di riferimento: Steven Lavenberg "Computer Performance Modeling Handbook" Academic Press, Il simulatore realizza un adeguato modello del
DettagliLa teoria delle code. La teoria delle code
Il problema: trovare la configurazione ottima di un sistema produttivo (quali e quante risorse acquisire) dato un problema produttivo (caratteristiche tecnologiche e volumi richiesti per ciascun tipo di
DettagliINTRODUZIONE ALLA TEORIA DEL TRAFFICO
INTRODUZIONE ALLA TEORIA DEL TRAFFICO IC3N 2000 N. 1 Definizioni preliinari Sistea soggetto a traffico: astrazione definita convenzionalente di un sistea reale (o di una parte di esso in cui entrano ed
DettagliCSIM. Emiliano Casalicchio Csim - Emiliano Casalicchio 1
CSIM Emiliano Casalicchio emiliano.casalicchio@uniroma2.it Csim - Emiliano Casalicchio 1 Simulation Engine E un insieme di oggetti e metodi usati per costruire un modello di simulazione Un ambiente di
DettagliCorso di Fondamenti di Sistemi Dinamici
Introduzione al corso Fabrizio Caccavale Università degli Studi della Basilicata Informazioni generali sul corso di Fondamenti di Sistemi Dinamici Contatti e informazioni Docente: Fabrizio Caccavale. Informazioni
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;
DettagliCorso. di FONDAMENTI DI RETI DI TELECOMUNICAZIONI. Martino De Marco
Politecnico di Milano Sede di Cremona A.A. 2003/04 Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI Martino De Marco (demarco@cremona.polimi.it) ESERCITAZIONE VALUTAZIONE DELLE PRESTAZIONI ESERCITAZIONE:
DettagliCorso di Modelli e Algoritmi della Logistica
Corso di Modelli e Algoritmi della Logistica - Aree di Intervento della Logistica Prof. Antonio Sassano Dipartimento di Informatica e Sistemistica Universita di Roma La Sapienza Roma Ottobre - Introduzione
DettagliSimulazione Numerica
Fondamenti di Ricerca Operativa T-A a.a. 2016-2017 Simulazione Numerica Andrea Lodi, Enrico Malaguti, Daniele Vigo Novembre 2016 Simulazione numerica Tecnica che permette di condurre esperimenti su modelli
DettagliLezioni di Ricerca Operativa
Lezioni di Ricerca Operativa Massimo Paolucci Dipartimento di Informatica, Sistemistica e Telematica (DIST) Università di Genova paolucci@dist.unige.it Anno accademico 2000/2001 La Ricerca Operativa (Operation
DettagliSIMULAZIONE. Prof. Michele Colajanni. Corso di Impianti di Elaborazione Ingegneria Informatica Università di Modena e Reggio Emilia
SIMULAZIONE Prof. Michele Colajanni Corso di Impianti di Elaborazione Ingegneria Informatica Università di Modena e Reggio Emilia La Simulazione è un Esperimento condotto con un Modello La Simulazione
DettagliCatene di Markov. Richiami teorici
Catene di Marov Richiami teorici Pagina di 4 Alcune definizioni L insieme di tutti i possibili risultati di un esperimento è detto spazio degli eventi dell esperimento. Lo spazio si indica con Ω ed un
DettagliModelli di Carico in. Emiliano Casalicchio
Modelli di Carico in Emiliano Casalicchio emiliano.casalicchio@uniroma2.it Dott. Emiliano Casalicchio Modellazione del Carico in OpNet 21 Maggio 2004 1 Agenda Come modellare una coda MM1 Caratterizzazione
DettagliStazionarietà. IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 3: Processi Stocastici 3-1
IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 3: Processi Stocastici Motivazioni Esempi Definizione Dualitá Stazionarietà 3-1 Motivazioni In molti settori scientifici sia tecnologici che economico-sociali
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
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
DettagliMODELLISTICA DI IMPIANTI E SISTEMI Syllabus e Testi di Riferimento Prof. Giuseppe Iazeolla
Syllabus e Testi di Riferimento MIS 1 di 7 MODELLISTICA DI IMPIANTI E SISTEMI Syllabus e Testi di Riferimento Prof. Giuseppe Iazeolla Syllabus da testo 1 (la numerazione fa riferimento ai capitoli del
DettagliPRINCIPI GENERALI - CONTINUA
PRINCIPI GENERALI - CONTINUA Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 7 Marzo 2006 Francesca Mazzia (Univ. Bari) PRINCIPI GENERALI
DettagliSistemi e modelli. Sistemi
Sistemi e modelli Obbiettivo: sviluppare metodologie e strumenti di analisi quantitativa della QoS di sistemi costruzione e soluzione di modelli per la valutazione di prestazioni e affidabilità di sistemi
DettagliEsercitazioni di Sistemi di commutazione LS. Analisi di architetture di commutazione
Esercitazioni di Sistemi di commutazione LS Ing. ichele Savi DEIS - Universita di Bologna michele.savi@unibo.it Analisi di architetture di commutazione Valutazione delle prestazioni di architetture di
DettagliSistemi e Modelli. Lezione marzo Ing. Chiara Foglietta
Sistemi e Modelli 10 marzo 2015 Ing. foglietta.chiara@gmail.com Università degli Studi di Cassino e del Lazio Meridionale Agenda Il concetto di sistema 2 Sistema Sistema è uno dei concetti basilari che
DettagliHYPENS: Simulatore di Reti di Petri ibride
HYPENS: Simulatore di Reti di Petri ibride Maria Paola Cabasino DIEE, University of Cagliari Novembre 10 Maria Paola Cabasino (DIEE) HYPENS Novembre 10 1 / 21 Rete di Petri ibrida HYPENS: Hybrid Petri
DettagliTel Web:
UNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA Introduzione a Network Simulator 2 Emanuele Goldoni Riferimenti Emanuele Goldoni Laboratorio Reti (MN) Tel. 376-286234 Web: http://netlab-mn.unipv.it
DettagliSimulazione Numerica
Fondamenti di Ricerca Operativa T-A a.a. 2014-2014 Simulazione Numerica Andrea Lodi, Enrico Malaguti, Daniele Vigo Novembre 2014 Simulazione numerica Tecnica che permette di condurre esperimenti su modelli
DettagliClassificazione sistema statico: l uscita y(t) non dipende dall ingresso u(τ), τ < t. sistema dinamico: l uscita y(t) dipende dall ingresso u(τ), τ <
Classificazione dei Modelli Classificazione sistema statico: l uscita y(t) non dipende dall ingresso u(τ), τ < t. sistema dinamico: l uscita y(t) dipende dall ingresso u(τ), τ < t. Classificazione sistema
DettagliAnno accademico Presentazione del Corso di Teoria dei Segnali Docente: G.Poggi
Anno accademico 2014-2015 Presentazione del Corso di Teoria dei Segnali Docente: G.Poggi Informazioni generali sul docente E-mail: poggi@unina.it Sito Web: https://www.docenti.unina.it/giovanni.poggi http://wpage.unina.it/verdoliv/tds/
DettagliModellazione di sistemi ingegneristici (parte 1 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 1 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
DettagliSimulazione a.a. 2008/09 Crescita di popolazioni
Simulazione a.a. 2008/09 Crescita di popolazioni Un semplice esempio: la dinamica di una popolazione Si voglia studiare la crescita di una popolazione. Si hanno le seguenti variabili : livello: popolazione
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliSimulazione a.a. 2009/10 Crescita di popolazioni
Simulazione a.a. 2009/10 Crescita di popolazioni Un semplice esempio: la dinamica di una popolazione Si voglia studiare la crescita di una popolazione. Si hanno le seguenti variabili : livello: popolazione
DettagliLezione 1 Introduzione alla Modellizzazione in Biologia
Lezione 1 Introduzione alla Modellizzazione in Biologia Luca Bortolussi 1 1 Dipartimento di Matematica ed Informatica Università degli studi di Trieste Via Valerio 12/a, 34100 Trieste. luca@dmi.units.it
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
DettagliModulo di Teoria dei Circuiti Laurea specialistica in Ingegneria Informatica, Elettronica e delle Telecomunicazioni
Modulo di Teoria dei Circuiti Laurea specialistica in Ingegneria Informatica, Elettronica e delle Telecomunicazioni Prof. Massimiliano de Magistris Una breve introduzione alla simulazione numerica nei
DettagliAN ANALYTICAL STUDY OF MAC PROTOCOLS FOR UNDERWATER ACOUSTIC SENSOR NETWORKS
Università di Padova Facoltà di Ingegneria Laurea in Ingegneria delle Telecomunicazioni AN ANALYTICAL STUDY OF MAC PROTOCOLS FOR UNDERWATER ACOUSTIC SENSOR NETWORKS Relatore: Ch.mo Prof. Michele Zorzi
DettagliBrevi richiami su variabili aleatorie e processi stocastici
Appendice Parte 9, 1 Brevi richiami su variabili aleatorie e processi stocastici Richiami di teoria della probabilita` Appendice Parte 9, 2 Esperimento casuale: analisi degli elementi caratteristici dei
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE PRINCIPI GENERALI Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Simulazione a eventi discreti Una simulazione a eventi
DettagliMATRICE TUNING competenze versus unità didattiche, Corso di Laurea in Informatica (classe L-31), Università degli Studi di Cagliari
A: CONOSCENZA E CAPACITA DI COMPRENSIONE Conoscere e saper comprendere i fondamenti della matematica discreta (insiemi, interi, relazioni e funzioni, calcolo combinatorio) Conoscere e saper comprendere
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
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
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliIntroduzione alla Simulazione. Introduzione alla Simulazione. Aree di applicazione. Introduzione alla Simulazione. Introduzione alla simulazione
Introduzione alla Simulazione Definizione di simulazione Tipi di simulazione Vantaggi e limiti della simulazione Modelli di simulazione Simulazione discreta Struttura di uno studio di simulazione Introduzione
DettagliUniversità di Bergamo Facoltà di Ingegneria INGEGNERIA DEL SOFTWARE. Paolo Salvaneschi A4_3 V2.1. Progettazione. Metodi e Linguaggi
Università di Bergamo Facoltà di Ingegneria INGEGNERIA DEL SOFTWARE Paolo Salvaneschi A4_3 V2.1 Progettazione Metodi e Linguaggi Il contenuto del documento è liberamente utilizzabile dagli studenti, per
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI, RICHIAMI Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione Nel
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 2/07/2009
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 2/07/2009 Esercizio 20 punti). Studiamo l efficienza del servizio al banco alimentari formaggi ecc.) di un supermercato. Chi arriva
Dettagli5. Analisi dei dati di output
Anno accademico 2008/09 Analisi dei dati di Output Y 1, Y 2,..., Y m : output della simulazione. Le variabili casuali Y 1, Y 2,..., Y m non sono in generale indipendenti Se supponiamo però di avere effettuato
DettagliCORSO DI LAUREA (270/2004) - STATISTICA MATEMATICA E TRATTAMENTO INFORMATICO DEI DATI - IL CORSO DI STUDIO IN CIFRE: IMMATRICOLATI
CORSO DI LAUREA (270/2004) - STATISTICA MATEMATICA E TRATTAMENTO INFORMATICO DEI DATI - IL CORSO DI STUDIO IN CIFRE: IMMATRICOLATI 2012/2013 2013/2014 2014/2015 Iscritti I anno I volta Iscritti totali
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
DettagliCenni di ottimizzazione dinamica
Cenni di ottimizzazione dinamica Testi di riferimento: K. Dixit Optimization in Economic Theory. Second Edition, 1990, Oxford: Oxford University Press. A. C. Chiang Elements of Dynamic Optimization, 1992,
DettagliPianificazione di un esperimento di simulazione
Pianificazione di un esperimento di simulazione Processo di creazione ed uso di un modello. Criteri di scelta della simulazione : appropriatezza del modello e della soluzione costo semplicità di uso 1.
DettagliCorso di Sistemi ad Eventi Discreti A.A. 2009/10
Corso di Sistemi ad Eventi Discreti A.A. 2009/10 Informazioni sul docente Ing. Simone Paoletti ufficio: stanza 229 (piano 2 edificio San Niccolò) email: paoletti@dii.unisi.it ricevimento studenti: giovedì
DettagliIntroduzione al modello Uniforme
Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x () t x ( t ) q Tempo Discreto Continuo Segnale Analogico ( ) x t k t t Segnale
DettagliTitolo della lezione. Introduzione
Titolo della lezione Introduzione Informazioni sul corso - 1 Obiettivi Nel corso verranno approfonditi gli argomenti relativi alla statistica descittiva di base e alla statistica inferenziale; particolare
DettagliREGISTRI D'ESAME CODICE ESAME CORSO DI LAUREA NOME DEL CORSO LAUREA CFU
REGISTRI D'ESAME Con "" si intende la Triennale del Nuovo Ordinamento (Legge 270) Con "" si intende la Specialistica di due anni del Nuovo Ordinamento (Legge 270) CODICE ESAME CORSO DI LAUREA NOME DEL
DettagliLuigi Piroddi
Automazione industriale dispense del corso 1. Presentazione del corso piroddi@elet.polimi.it Informazioni organizzative Riferimenti docenti: docente: ufficio: DEIB, 2 piano, uff. 216, telefono: 02-23993556
Dettagli6a_EAIEE EQUAZIONI D ONDA
6a_EAIEE EQUAZIONI D ONDA (ultima modifica 08//07) Equazioni d onda e loro soluzioni Le equazioni di Maxwell danno una descrizione completa delle relazioni tra i campi elettromagnetici, le cariche e le
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
DettagliANALISI DEI SISTEMI AD EVENTI
ANALISI DEI SISTEMI AD EVENTI Anno accademico 2014/15 Ludovica Adacher adacher@dia.uniroma3.it Negli ultimi vent anni si è evidenziata la necessità di studiare i sempre più numerosi sistemi realizzati
DettagliFacoltà di Ingegneria Università di Siena. Corso di Sistemi ad Eventi Discreti A.A. 2011/12
Corso di Sistemi ad Eventi Discreti A.A. 2011/12 Informazioni sul docente Ing. Simone Paoletti ufficio: stanza 229 (piano 2 edificio San Niccolò) email: paoletti@dii.unisi.it ricevimento studenti: giovedì,
DettagliProcessi stocastici A.A Corso di laurea Magistrale in Statistica Univ. degli Studi di Palermo
Processi stocastici A.A. 09 0 Corso di laurea Magistrale in Statistica Univ. degli Studi di Palermo G. Sanfilippo 20 maggio 200 Registro delle lezioni. Lezione del 3 Marzo 200, 8-, ore complessive 3 Richiami
DettagliCAPO V NORME TRANSITORIE TABELLA DI CONVERSIONE 1. Tabella di riconoscimento dei corsi nei passaggi dalla Laurea Triennale V.O. alla Laurea N.O.
studente ed alla valutazione della Prova Finale. Agli studenti che raggiungono il voto di Laurea di 110 punti, può essere attribuita la lode su proposta unanime della Commissione. CAPO V NORME TRANSITORIE
DettagliMODELLI STATISTICI, RICHIAMI
MODELLI STATISTICI, RICHIAMI Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 11 Aprile 2006 Francesca Mazzia (Univ. Bari) MODELLI STATISTICI,
DettagliUniversità di Bergamo. Dipartimento di Ingegneria dell Informazione e Metodi Matematici. Laboratorio di Reti. Prof.
Università di Bergamo Dipartimento di Ingegneria dell Informazione e Metodi Matematici Laboratorio di Reti Prof. Fabio Martignon 1 Università di Bergamo Dipartimento di Ingegneria dell Informazione e Metodi
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Processi di Poisson Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Consideriamo eventi casuali come gli arrivi di lavori
Dettagli