Notazioni asintotiche. Martedì 30 settembre 2014
|
|
- Vincenzo Scala
- 5 anni fa
- Visualizzazioni
Transcript
1 Notazioni asintotiche Martedì 30 settembre 2014
2 Punto della situazione Cos è un algoritmo Tempo di esecuzione T(n) Analisi di algoritmi: analisi asintotica di T(n) Argomento di oggi: Notazioni asintotiche: matematica! Motivazioni: Confrontare tempi di esecuzione di algoritmi fra loro o con funzioni standard (lineare, polinomiale, esponenziale )
3 Argomento lezione precedente: Tempo di esecuzione di un algoritmo E tutto chiaro?
4 Ricerca del massimo Esempio: ricerca del massimo fra n numeri a 1,, a n. Un algoritmo (in pseudocodice): max = a 1 For i = 2 to n If (a i > max) then max = a i Endif Endfor max a 1 for i = 2 to n { if (a i > max) max a i } Pseudocodice di [KT] Pseudocodice di [CLRS]
5 Struttura di un algoritmo (non ricorsivo) Può essere costituito da: Una singola istruzione elementare Un blocco sequenziale di istruzioni (allo stesso livello di indentazione) Un istruzione if: If(cond) then istr1 Else istr2 Endif Un ciclo o loop for, while, repeat: For i=a to b {istr} Endfor While (cond){istr} Repeat {istr} until (cond)
6 Struttura dell esempio max = a 1 For i = 2 to n If (a i > max) then max = a i Endif Endfor E un blocco di 2 istruzioni: 1. Assegnamento 2-6. For L istruzione For delle linee 2-6 è: For i=a to b {istr0} Endfor dove istr0 è l istruzione if delle linee 3-5 L istruzione If delle linee 3-5 è: If(cond) then istr1 Else istr2 Endif dove cond è il confronto: a i > max istr1 è l assegnamento: max = a i istr2 è vuota
7 Regole per il calcolo di T(n) (caso non ricorsivo) il costo di un blocco sequenziale di istruzioni è pari alla somma dei costi delle singole istruzioni
8 Altri esempi Insertion-Sort su CLRS In seguito semplificheremo l analisi con notazioni asintotiche
9 Tempo di esecuzione Tempo di esecuzione T(n) sarà misurato in termini del numero di operazioni elementari per eseguire l algoritmo su un input di taglia n Assegnamento, incremento, confronto sono considerate operazioni elementari all interno dell algoritmo della ricerca del massimo. Richiedono tempo costante (= non dipendente dalla taglia n dell input) ma a priori non quantificabile
10 Analisi asintotica Vogliamo analizzare l efficienza dell algoritmo Indipendentemente da implementazione, hardware etc. Al crescere della taglia dell input Studieremo il tempo in funzione della taglia dell input : T(n) Studieremo la crescita della funzione T(n) al crescere di n «asintotica»: per n arbitrariamente grande per n che tende a infinito da un certo punto in poi per ogni n n 0
11 Vantaggi dell analisi asintotica Indipendente da hardware Effettuabile con pseudocodice prima di implementare l algoritmo Considera infiniti input Alternativa? Analisi su dati campione. Svantaggi: bisogna avere già implementato l algoritmo; analizza numero finito di dati
12 Caso peggiore, migliore, medio Analisi del caso peggiore: qualunque sia la distribuzione dell input T(n) è limitata superiormente da f(n) Analisi del caso migliore: qualunque sia la distribuzione dell input T(n) è limitata inferiormente da g(n) (poco significativa) Analisi del caso medio: nel caso di una distribuzione media o random (difficile da determinare)
13 Notazioni asintotiche Nell analisi asintotica analizziamo T(n) 1. A meno di costanti moltiplicative (perché non quantificabili) 2. Asintoticamente (per considerare input di taglia arbitrariamente grande, quindi in numero infinito) Le notazioni asintotiche: O, Ω, Θ, o, ω ci permetteranno il confronto tra funzioni, mantenendo queste caratteristiche. Idea di fondo: O, Ω, Θ, o, ω rappresentano rispettivamente,, =, <, > in un analisi asintotica
14 Funzioni T(n) Se T(n) rappresenta un tempo di esecuzione su un input di taglia n, allora: n è un intero positivo T(n) è un reale positivo T: N R + Inoltre T(n) è una funzione non decrescente
15 Funzioni standard Fra le funzioni non decrescenti T: N R + ci interesseranno principalmente le seguenti (e le loro combinazioni): T 1 (n) = c, con c costante T 2 (n)=log n T 3 (n)=n T 4 (n)=n 2 T 5 (n)= 2 n
16 Ordini di infinito Le funzioni c, log n, n, n 2, 2 n sono tutte funzioni positive di variabile positiva e non decrescenti, ma hanno una diversa crescita asintotica, ovvero un diverso ordine di infinito (come si dice in analisi matematica). Le notazioni O, Ω, Θ, o, ω misurano questo.
17 Grafici delle funzioni T(n) 2 n n 2 n log 2 0 tende a - log 2 1 = 0 log 2 2 =1 log 2 n n per ogni n 1 log 2 n 3 3 log 2 n per ogni n 8 n n n 2 per ogni n 1 Approssimativamente.
18
19
20 Un altro esempio log 2 (2n+1) = O( n+5 ) c, n 0, t.c. log 2 (2n+1) c ( n+5 ) per ogni n n 0 Se 1 n log 2 (2n+1) log 2 (2n+n) = log 2 (3n) = log 2 (3)+ log 2 (n) 1,585+ log 2 n 5 + log 2 n 5+n Se log 2 n n n 1 c = 1 n 0 =1
21 1. (tecnica per i polinomi) Esempio n 2-2n +1 = O(n 2 ) n 2-2n +1 n 2 + 2n +1 n 2 + 2n 2 +1 n 2 +2n 2 +n 2 = 4 n 2 c = 4, n 0 =1 2. n 2-2n +1 n 2 +1 n 2 + n 2 =2n 2 c = 2, n 0 =1 3. (disequazioni) n 2-2n +1 2 n 2 sse n 2 + 2n n -1-2 ed n c = 2, n 0 =1 4. n 2-2n +1 =(n-1) 2 n 2 c = 1, n 0 =1 Nota: se esiste un coppia (c, n 0 ), ne esistono infinite, ma per dimostrare O ne basta esibire 1 sola.
22
23
24 Esempio (errore tipico) n = O(10n)? Dimostrazione (forse) L affermazione è Vera, perché per c=1, n n per ogni n 1. Infatti: per n=1, ; per n=2, ; per n=3, ; per n=9, Fine della prova! La dimostrazione non è corretta perché ho dimostrato l affermazione solo per alcuni valori di n 1, e non per ogni n 1. Si può dimostrare che n n, solo per i valori compresi fra 1 e 9, risolvendo la disequazione di secondo grado. Inoltre..
25 Esempio (continua) Inoltre si può dimostrare che: non esistono costanti c > 0, n 0 0, tali che n c n per ogni n n 0. Infatti: n c n per ogni n n 0 sse c (n )/n per ogni n n 0, cioè sse c n + 5 /n per ogni n n 0 : assurdo! Una costante non può superare una quantità che cresce all infinito, per ogni n n 0! n O(n)
26 Notazione asintotica Ω Notazione duale di O: f(n) = Ω (g(n)) se esistono costanti c > 0, n 0 0 tali che per ogni n n 0 si ha f(n) c g(n)
27
28 ovvero hanno lo stesso ordine di infinito
29 Θ limitazione esatta Θ è una limitazione esatta (tight bound)
30 Esempio log 2 n = (log 3 n) c, n 0, t.c. c 1 log 3 n log 2 n c 2 log 3 n per ogni n n 0 log 2 n log 3 n = c 1 log 3 n, per n 1 log 2 n = log 2 3 log 3 n = c 2 log 3 n, per n 1 c 1 =1, c 2 = log 2 3, n 0 = 1
31 Notazione «o piccolo» Per indicare che f(n)=o(g(n)) ma f(n) Θ (g(n)) si scrive: f(n)=o(g(n)) (o «piccolo») Equivale a dire che: per ogni costante c > 0, esiste n c 0, tale che f(n) c g(n) per ogni n n c. Esempio: n=o(n 2 ) Per ogni valore di c, n c n 2 non appena c n 2 n, c n 1, n 1/c. Quindi fissato c basterà scegliere come n c un intero n c 1/c. Per c=2, sceglierò un intero n 2 1/2, n 2 = 1. Per c=1/10, sceglierò un intero n c 10, n c = 10. etc.
32 Notazione «o piccolo» (continua) Per indicare che f(n)=o(g(n)) ma f(n) Θ (g(n)) si scrive: f(n)=o(g(n)) (o «piccolo») Equivale a dire che: per ogni costante c > 0, esiste n c 0, tale che f(n) c g(n) per ogni n n c. Esempio: 2n+1=o(n)? Dimostro che: 2n+1=O(n). 2n+1 2n+n=3n quindi 2n+1 c (n) é vera con c=3, n 0 =1. Ma 2n+1 c (n) non é vera per ogni valore di c: per c=1, 2, non esistono valori di n 0 opportuni. Infatti 2n+1= Θ (n)
33 Notazione «omega piccolo» Notazione duale di «o piccolo»: f(n) = ω (g(n)) f(n)= (g(n)) ma f(n) Θ (g(n)) ovvero per ogni costante c > 0, esiste n c 0, tale che f(n) c g(n) per ogni n n c. f(n) = ω (g(n)) se e solo se g(n) = o(f(n))
34 In termini di analisi. matematica (ovvero f(n)=o(g(n)) ) (ovvero g(n)=o(f(n)))
35 più precisamente: log n=o(radice(n))
36 Notation Slight abuse of notation. T(n) = O(f(n)). Asymmetric: f(n) = 5n 3 ; g(n) = 3n 2 f(n) = O(n 3 ) = g(n) but f(n) g(n). Better notation: T(n) O(f(n)). Meaningless statement: Any comparison-based sorting algorithm requires at least O(n log n) comparisons. Use for lower bounds. Mettendo in evidenza che c è una classe di funzioni O(f(n)). 36
37 Analisi asintotica di T(n) T(n) = O(g(n)) significa che il tempo di esecuzione, anche nel caso peggiore, è limitato superiormente da g(n) T(n) = Ω(g(n)) significa che il tempo di esecuzione, anche nel caso migliore, è limitato inferiormente da g(n) T(n) = Θ(g(n)) significa che nel caso peggiore è O(g(n)) e nel caso migliore è Ω(g(n)) (in pratica non vi è distinzione fra tempo di esecuzione nel caso peggiore e migliore) Esempio. T I (n), tempo di esecuzione di InsertionSort è T I (n)= Ω(n) e T I (n) =O(n 2 ) T M (n ), tempo di esecuzione di MergeSort è T M (n)= Θ(n log n)
38 Asymptotic Order of Growth Upper bounds. T(n) is O(f(n)) if there exist constants c > 0 and n 0 0 such that for all n n 0 we have T(n) c f(n). Lower bounds. T(n) is (f(n)) if there exist constants c > 0 and n 0 0 such that for all n n 0 we have T(n) c f(n). Tight bounds. T(n) is (f(n)) if T(n) is both O(f(n)) and (f(n)). Ex: T(n) = 32n n T(n) is O(n 2 ), O(n 3 ), (n 2 ), (n), and (n 2 ). T(n) is not O(n), (n 3 ), (n), or (n 3 ). 38
39 Esercizio 1
40 Esercizio 2 I calcoli riusciranno più semplici dopo che avremo studiato le proprietà delle notazioni asintotiche NOTA: Esistono anche funzioni (particolari) non confrontabili tramite O
Esercizi Capitolo 2 - Analisi di Algoritmi
Esercizi Capitolo - Analisi di Algoritmi Alberto Montresor 19 Agosto, 014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare
DettagliDue algoritmi di ordinamento. basati sulla tecnica Divide et Impera: Mergesort e Quicksort
Due algoritmi di ordinamento basati sulla tecnica Divide et Impera: Mergesort e Quicksort (13 ottobre 2009, 2 novembre 2010) Ordinamento INPUT: un insieme di n oggetti a 1, a 2,, a n presi da un dominio
DettagliEsercizi per il corso di Algoritmi, anno accademico 2014/15
1 Esercizi per il corso di Algoritmi, anno accademico 2014/15 Esercizi sulle Notazioni Asintotiche 1. Esercizio: Provare le seguenti relazioni, esibendo opportune costanti c 1,c 2 ed n 0. Si assuma per
Dettagli4.1 Modelli di calcolo analisi asintotica e ricorrenze
4 Esercizi Prima Parte 4.1 Modelli di calcolo analisi asintotica e ricorrenze Esercizio 4 1 Rispondere alle seguenti domande: 1. Come misuriamo l efficienza di un algoritmo?. Quali sono gli algoritmi più
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Soluzione esercizi di approfondimento Stefano Leucci stefano.leucci@univaq.it Una terza variante dell IS InsertionSort3 (A) 1. for k=1 to n-1 do 2. x = A[k+1] 3. j = ricerca_binaria(a[1,k],x)
DettagliSistemi Web per il turismo - lezione 3 -
Sistemi Web per il turismo - lezione 3 - Software Si definisce software il complesso di comandi che fanno eseguire al computer delle operazioni. Il termine si contrappone ad hardware, che invece designa
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
DettagliAlgoritmi e strutture di dati 2
Algoritmi e strutture di dati 2 Paola Vocca Lezione 2: Tecniche golose (greedy) Lezione1- Divide et impera 1 Progettazione di algoritmi greedy Tecniche di dimostrazione (progettazione) o Greedy algorithms
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
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
DettagliInformatica Teorica. Macchine a registri
Informatica Teorica Macchine a registri 1 Macchine a registri RAM (Random Access Machine) astrazione ragionevole di un calcolatore nastro di ingresso nastro di uscita unità centrale in grado di eseguire
DettagliVBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole.
Excel VBA VBA Visual Basic for Application VBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole. 2 Prima di iniziare. Che cos è una variabile?
DettagliPIANO DI LAVORO. a.s. 2015 / 2016
PIANO DI LAVORO a.s. 2015 / 2016 Materia: INFORMATICA Classe: terza informatica- sez. A Data di presentazione: 15/10/2015 DOCENTI FIRMA Cerri Marta Bergamasco Alessandra Posta elettronica: itisleon@tin.it
DettagliNote su quicksort per ASD 2010-11 (DRAFT)
Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea
DettagliAppunti del corso di Informatica 1 (IN1 Fondamenti) 2 Introduzione alla programmazione
Università Roma Tre Facoltà di Scienze M.F.N. Corso di Laurea in Matematica Appunti del corso di Informatica 1 (IN1 Fondamenti) 2 Introduzione alla programmazione Marco Liverani (liverani@mat.uniroma3.it)
DettagliSTRUTTURE (O COSTRUTTI) DI CONTROLLO
Le strutture di controllo Le strutture di controllo STRUTTURE (O COSTRUTTI) DI CONTROLLO determinano l ordine con cui devono essere eseguite le istruzioni sono indipendenti dalla natura delle istruzioni
DettagliL algoritmo di ricerca binaria. Daniele Varin LS Ing. Informatica Corso di Informatica teorica Docente: prof. Paolo Sipala
L algoritmo di ricerca binaria Daniele Varin LS Ing. Informatica Corso di Informatica teorica Docente: prof. Paolo Sipala L algoritmo di ricerca binaria (o dicotomica) In informatica,, la ricerca dicotomica
DettagliAppunti di Algoritmi e Strutture Dati. Alberto Carraro
Appunti di Algoritmi e Strutture Dati Alberto Carraro 2 Contents 1 Introduzione informale agli algoritmi 7 1.1 I numeri di Fibonacci...................................... 7 1.1.1 Algoritmo numerico...................................
DettagliComplessità computazionale
1 Introduzione alla complessità computazionale Un problema spesso può essere risolto utilizzando algoritmi diversi Come scegliere il migliore? La bontà o efficienza di un algoritmo si misura in base alla
Dettagli126 APPROFONDIMENTI SUI PARAMETRI. SCRIPT IN AMPL
126 APPROFONDIMENTI SUI PARAMETRI. SCRIPT IN AMPL Esempio 8.3.2 Una fabbrica produce divani in tessuto acquistando da un magazzino all ingrosso i quantitativi di tessuto che gli occorrono settimanalmente.
DettagliCOMPLESSITÀ COMPUTAZIONALE
COMPLESSITÀ COMPUTAZIONALE COSA SI INTENDE PER COMPLESSITÀ? La Complessità Temporale, Spaziale, di Input/Output e di Trasmissione COMPLESSITÀ TEMPORALE Ininfluenza della velocità della macchina per molte
DettagliCorso Programmazione 2011-2012
Corso Programmazione 2011-2012 (docente) Fabio Aiolli E-mail: aiolli@math.unipd.it Web: www.math.unipd.it/~aiolli (docenti laboratorio) E. Caniato, A. Ceccato Dipartimento di Matematica Pura ed Applicata
DettagliMATLAB:Condizionamento Sistemi Lineari.
1 Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari MATLAB:Condizionamento Sistemi Lineari. Innanzitutto vediamo qual è la funzione Matlab che ci permette di calcolare il
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliINDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI
2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato
DettagliPARTE III MACCHINE A REGISTRI
PARTE III MACCHINE A REGISTRI Macchine a registri (RAM) Modelli di costo RAM e macchine di Turing Macchine a registri elementari 1 3.1 MACCHINE A REGISTRI (RAM: Random Access Machines) Introdotte da Shepherdson
DettagliDescrizione di un algoritmo
Descrizione di un algoritmo Un algoritmo descrive due tipi fondamentali di oper: calcoli ottenibili tramite le oper primitive su tipi di dato (valutazione di espressioni) che consistono nella modifica
DettagliComplessità Computazionale
Complessità Computazionale Analisi Algoritmi e pseudocodice Cosa significa analizzare un algoritmo Modello di calcolo Analisi del caso peggiore e del caso medio Esempio di algoritmo in pseudocodice INSERTION
DettagliB-Tree. Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in:
B-Tree Prof. Rudolf Bayer Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in: Filesystem: btrfs, NTFS, ReiserFS, NSS, XFS, JFS
DettagliDAL DIAGRAMMA AL CODICE
DAL DIAGRAMMA AL CODICE Un diagramma di flusso Appare, come un insieme di blocchi di forme diverse che contengono le istruzioni da eseguire, collegati fra loro da linee orientate che specificano la sequenza
DettagliLa Macchina RAM Shepherdson e Sturgis (1963)
La Macchina RAM Shepherdson e Sturgis (963) Nastro di ingresso.......... PROGRAM COUNTER Nastro di uscita PROGRAMMA ACCUMULATORE UNITA' ARITMETICA............... 2 3 4 M E M O R I A Formato delle Istruzioni
DettagliQuantificare la variabilità dei processi ecologici
Scopo ecologia Quantificare la variabilità dei processi ecologici Comprensione dei meccanismi fondamentale per identificare gli effetti del disturbo antropico e per prevenire alterazioni su scala globale
DettagliDefinizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
DettagliAlgoritmi (9 CFU) (A.A. 2009-10)
Algoritmi (9 CFU) (A.A. 2009-10) Probabilità e Algoritmi randomizzati Prof. V. Cutello Algoritmi 1 Overview Definiamo concetti di base di probabilità Variabili casuali e valore medio Algoritmi randomizzati
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
DettagliCapitolo 6: Modelli di calcolo per linguaggi imperativi e funzionali
Capitolo 6: Modelli di calcolo per linguaggi imperativi e funzionali 1 Modelli imperativi: le RAM (Random Access Machine) I modelli di calcolo imperativi sono direttamente collegati al modello Von Neumann,
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
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,
DettagliISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI
ISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI ISTITUTO PROFESSIONALE DI ENOGASTRONOMIA E OSPITALITA ALBERGHIERA CON I PERCORSI: ACCOGLIENZA TURISTICA, CUCINA, SALA-BAR ISTITUTO TECNICO PER IL TURISMO Sede Amministrativa:
DettagliAlgoritmi di Ricerca. Esempi di programmi Java
Fondamenti di Informatica Algoritmi di Ricerca Esempi di programmi Java Fondamenti di Informatica - D. Talia - UNICAL 1 Ricerca in una sequenza di elementi Data una sequenza di elementi, occorre verificare
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
DettagliMATEMATICA e COMPLEMENTI di MATEMATICA
ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare
DettagliRicerca binaria. Operazione dominante: confronto
procedure ordinaperfusioni(var a: nelements; n: integer); var b: nelements; procedure mergesort(var a,b: nelements; primo,ultimo:integer); var q: integer; procedure merge(var a,b: nelements; primo, ultimo,
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliAppunti di Sistemi Elettronici
Prof.ssa Maria Rosa Malizia 1 LA PROGRAMMAZIONE La programmazione costituisce una parte fondamentale dell informatica. Infatti solo attraverso di essa si apprende la logica che ci permette di comunicare
DettagliI costi d impresa (R. Frank, Capitolo 10)
I costi d impresa (R. Frank, Capitolo 10) COSTI Per poter realizzare la produzione l impresa sostiene dei costi Si tratta di scegliere la combinazione ottimale dei fattori produttivi per l impresa È bene
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
DettagliCapitolo 5. Funzioni. Grafici.
Capitolo 5 Funzioni. Grafici. Definizione: Una funzione f di una variabile reale,, è una corrispondenza che associa ad ogni numero reale appartenente ad un insieme D f R un unico numero reale, y R, denotato
DettagliAlgebra Booleana ed Espressioni Booleane
Algebra Booleana ed Espressioni Booleane Che cosa è un Algebra? Dato un insieme E di elementi (qualsiasi, non necessariamente numerico) ed una o più operazioni definite sugli elementi appartenenti a tale
DettagliDISPENSE DI PROGRAMMAZIONE. Modulo 1 Risolvere problemi con l elaboratore: dal problema all algoritmo (Parte III)
DISPENSE DI PROGRAMMAZIONE Modulo 1 Risolvere problemi con l elaboratore: dal problema all algoritmo (Parte III) Un linguaggio lineare di descrizione degli algoritmi: il linguaggio SPARKS Esercizi di conversione
DettagliAlgoritmi. a.a. 2013/14 Classe 2: matricole dispari
Algoritmi a.a. 2013/14 Classe 2: matricole dispari Marcella Anselmo Presentazioni Info: http://www.di.unisa.it/professori/anselmo/ Orario ricevimento: Lunedì 15-17 Giovedì 12-13 Il mio studio è il n 57
Dettagli4 Le liste collegate 4.0. Le liste collegate. 4 Le liste collegate Rappresentazione di liste 4.1 Rappresentazione di liste
4 Le liste collegate 4.0 Le liste collegate c Diego Calvanese Fondamenti di Informatica Corso di Laurea in Ingegneria Elettronica A.A. 2001/2002 4.0 0 4 Le liste collegate Rappresentazione di liste 4.1
DettagliInterpretando i dati delle indagini PMI. Esplorando la correlazione degli Indici economici selezionati dalle indagini PMI
Interpretando i dati delle indagini PMI Esplorando la correlazione degli Indici economici selezionati dalle indagini PMI Interpretando i dati PMI Il ciclo boom-bust È utile innanzitutto considerare un
DettagliOttimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni
Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica
DettagliInformatica B. Sezione D. Scuola di Ingegneria Industriale Laurea in Ingegneria Energetica Laurea in Ingegneria Meccanica
Scuola di Ingegneria Industriale Laurea in Ingegneria Energetica Laurea in Ingegneria Meccanica Dipartimento di Elettronica, Informazione e Bioingegneria Informatica B Sezione D Franchi Alessio Mauro,
DettagliPROGRAMMA DI SCIENZE E TECNOLOGIE APPLICATE 2015/2016 Classe 2ª Sez. C Tecnologico
ISTITUTO TECNICO STATALE MARCHI FORTI Viale Guglielmo Marconi n 16-51017 PESCIA (PT) - ITALIA PROGRAMMA DI SCIENZE E TECNOLOGIE APPLICATE 2015/2016 Classe 2ª Sez. C Tecnologico Docente PARROTTA GIOVANNI
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
DettagliComplessità computazionale degli algoritmi
Complessità computazionale degli algoritmi Lezione n. 3.bis I precursori dei calcolatore Calcolatore di Rodi o di Andikithira 65 a.c. Blaise Pascale pascalina XVII secolo Gottfried Leibniz Joseph Jacquard
DettagliOfferta in concorrenza perfetta: Cap.6
Offerta in concorrenza perfetta: il lato dei costi Cap.6 Curva di offerta Per capire meglio le origini della curva di offerta consideriamo ora una impresa che debba decidere quale livello di produzione
DettagliProblemi computazionali
Problemi computazionali Intrattabilità e classi computazionali Decidibilità e Trattabilità Problemi decidibili possono richiedere tempi di risoluzione elevati: Torri di Hanoi Decidibilità e Trattabilità
DettagliUD4 - MATLAB. M-file. Efficienza degli algoritmi. Formati d uscita
UD4 - MATLAB M-file. Efficienza degli algoritmi. Formati d uscita M-files In MatLab è possibile eseguire istruzioni contenute in file esterni; Tali file sono chiamati M-file perché devono avere estensione.m
DettagliGli algoritmi. Gli algoritmi. Analisi e programmazione
Gli algoritmi Analisi e programmazione Gli algoritmi Proprietà ed esempi Costanti e variabili, assegnazione, istruzioni, proposizioni e predicati Vettori e matrici I diagrammi a blocchi Analisi strutturata
DettagliCorso di Tecniche di Programmazione
Corso di Tecniche di Programmazione Corsi di Laurea in Ingegneria Informatica ed Automatica Anno Accedemico 003/004 Proff. Giuseppe De Giacomo, Luca Iocchi, Domenico Lembo Dispensa : Algoritmi di Ordinamento
DettagliUD 3.4b: Trattabilità e Intrattabilità. Dispense, cap. 4.2
UD 3.4b: Trattabilità e Intrattabilità Dispense, cap. 4.2 Problemi Intrattabili Esistono problemi che, pur avendo un algoritmo di soluzione, non forniranno mai una soluzione in tempi ragionevoli nemmeno
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
DettagliDomanda e offerta. consumatori di un bene/servizio per ciascun livello di prezzo del bene/servizio preso
. . La funzione di domanda La funzione di domanda (o curva di domanda) rappresenta la quantità domandata dai consumatori di un bene/servizio per ciascun livello di prezzo del bene/servizio preso in considerazione.
DettagliEsercizi Capitolo 6 - Alberi binari di ricerca
Esercizi Capitolo 6 - Alberi binari di ricerca Alberto Montresor 23 settembre 200 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile
DettagliCorso di Politica Economica
Corso di Politica Economica Lezione 12: Introduzione alla Teoria dei Giochi (part 3) David Bartolini Università Politecnica delle Marche (Sede di S.Benedetto del Tronto) d.bartolini@univpm.it (email) http://utenti.dea.univpm.it/politica
DettagliLaboratorio di Algoritmi e Strutture Dati II Semestre 2005/2006. Ordinamenti: mergesort e quicksort
Laboratorio di Algoritmi e Strutture Dati II Semestre 2005/2006 Ordinamenti: mergesort e quicksort Marco Antoniotti Mergesort e Quicksort Due importantissimi algoritmi di ordinamento La conoscenza completa
DettagliProva di ammissione alla SSIS - Indirizzo Matematico - Scientifico PROVA 012 - Comune
Prova di ammissione alla SSIS - Indirizzo Matematico - Scientifico PROVA 012 - Comune 1. Un urna contiene r palline rosse ed n nere. Si estrae una pallina e, senza rimetterla nell'urna, si estrae una seconda
DettagliTecnica Divide et Impera
Tecnica Divide et Impera Algoritmi basati sulla tecnica Divide et Impera: In questo corso: Ricerca binaria Mergesort (ordinamento) Quicksort (ordinamento) Moltiplicazione di interi Moltiplicazione di matrici
DettagliIl calcolatore. Architettura di un calcolatore (Hardware)
Il calcolatore Prima parlare della programmazione, e' bene fare una brevissima introduzione su come sono strutturati i calcolatori elettronici. I calcolatori elettronici sono stati progettati e costruiti
Dettagli2.2 Scheduling in Linux
Appunti di Sistemi Operativi 28 2.2 Scheduling in Linux In generale, i processi possono essere classificati secondo due schemi: CPU bound vs. I/O bound; interattivi vs. batch vs. real-time. Le due classi
DettagliProf.ssa Laura Pagnozzi Prof. Ivano Coccorullo. Calcolo Combinatorio
Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli
DettagliEsercizi per il corso di Algoritmi e Strutture Dati
1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi
DettagliProf. Giuseppe Chiumeo. Avete già studiato che qualsiasi algoritmo appropriato può essere scritto utilizzando soltanto tre strutture di base:
LA STRUTTURA DI RIPETIZIONE La ripetizione POST-condizionale La ripetizione PRE-condizionale INTRODUZIONE (1/3) Avete già studiato che qualsiasi algoritmo appropriato può essere scritto utilizzando soltanto
DettagliEQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6
EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)
DettagliLe comunicazioni ordinate
Le comunicazioni ordinate Comunicazioni Ordinate E importante (e utile definire delle primitive di comunicazione che diano qualche garanzia sull ordine di consegna dei messaggi inviati all interno di un
DettagliPreparati per il compito in classe Modulo 5
Preparati per il compito in classe Modulo 5 Hai i dati relativi a una serie di N (con N < 20) cinema, per ogni cinema si conoscono il nome e l incasso. Scrivi un programma che, presi in input tali dati,
DettagliTipologie di macchine di Turing
Tipologie di macchine di Turing - Macchina di Turing standard - Macchina di Turing con un nastro illimitato in una sola direzione - Macchina di Turing multinastro - Macchina di Turing non deterministica
DettagliAlgoritmo. I dati su cui opera un'istruzione sono forniti all'algoritmo dall'esterno oppure sono il risultato di istruzioni eseguite precedentemente.
Algoritmo Formalmente, per algoritmo si intende una successione finita di passi o istruzioni che definiscono le operazioni da eseguire su dei dati (=istanza del problema): in generale un algoritmo è definito
DettagliFondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2)
Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2) Definiamo innanzitutto una relazione d ordine tra le funzioni. Siano φ e ψ funzioni
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliCrittografia a chiave pubblica
Crittografia a chiave pubblica Cifrari simmetrici Barbara Masucci Dipartimento di Informatica ed Applicazioni Università di Salerno masucci@dia.unisa.it http://www.dia.unisa.it/professori/masucci canale
Dettagli5 DERIVATA. 5.1 Continuità
5 DERIVATA 5. Continuità Definizione 5. Sia < a < b < +, f : (a, b) R e c (a, b). Diciamo che f è continua in c se sono verificate le ue conizioni: (i) c esiste (ii) = f(c) c Si osservi che nella efinizione
Dettagli+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice
Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica
DettagliLezione 12 Argomenti
Lezione 12 Argomenti Costi di produzione: differenza tra costo economico e costo contabile I costi nel breve periodo Relazione di breve periodo tra funzione di produzione, produttività del lavoro e costi
DettagliUSO DI CONCETTI PROBABILISTICI NEL PROGETTO E NELL ANALISI DI ALGORITMI
USO DI CONCETTI PROBABILISTICI NEL PROGETTO E NELL ANALISI DI ALGORITMI - Analisi probabilistica di algoritmi deterministici: si assume una distribuzione di probabilità delle istanze e si calcola il tempo
Dettagli3. La sintassi di Java
pag.9 3. La sintassi di Java 3.1 I tipi di dati statici In Java, come in Pascal, esistono tipi di dati statici predefiniti e sono i seguenti: byte 8 bit da -128 a 127 short 16 bit coincide con l integer
DettagliAnalisi. Calcolo Combinatorio. Ing. Ivano Coccorullo
Analisi Ing. Ivano Coccorullo Prof. Ivano Coccorullo ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli possibili. Quando le situazioni diventano
DettagliLaboratorio di Algoritmi e Strutture Dati
Laboratorio di Algoritmi e Strutture Dati Prof. Aniello Murano Implementazioni di Liste Doppiamente Puntate e Circolari Corso di Laurea Codice insegnamento Email docente Anno accademico Informatica 13917
DettagliLaboratorio di architettura degli elaboratori Progetto finale AA 2005/2006
Laboratorio di architettura degli elaboratori Progetto finale AA 2005/2006 Esercizio 1 - Heapsort Si consideri la seguente struttura dati, chiamata heap. Essa è un albero binario semi-completo (ossia un
DettagliIstruzioni condizionali. Istruzioni condizionali IF-THEN- ELSE IF-THEN-ELSE. Statistica computazionale Carla Rampichini a.a.
Istruzioni condizionali Istruzioni condizionali Statistica computazionale Carla Rampichini a.a. 2008/09 Subsetting I I espressione; I-THEN-ELSE I espress THEN istr; [ELSE istr;] DO WHILE DO UNTIL I-THEN-
DettagliCOGNOME E NOME (IN STAMPATELLO) MATRICOLA
Politecnico di Milano Facoltà di Ingegneria dell Informazione Informatica 3 Proff. Ghezzi, Lanzi, Matera e Morzenti Seconda prova in itinere 4 Luglio 2005 COGNOME E NOME (IN STAMPATELLO) MATRICOLA Risolvere
DettagliCorso di Ottimizzazione MODELLI MATEMATICI PER IL PROBLEMA DELLO YIELD MANAGEMENT FERROVIARIO. G. Di Pillo, S. Lucidi, L. Palagi
Corso di Ottimizzazione MODELLI MATEMATICI PER IL PROBLEMA DELLO YIELD MANAGEMENT FERROVIARIO G. Di Pillo, S. Lucidi, L. Palagi in collaborazione con Datamat-Ingegneria dei Sistemi s.p.a. YIELD MANAGEMENT
DettagliSimulazione di guasto
Simulazione di guasto Problemi e applicazioni Algoritmi Seriale Parallelo Deduttivo Concorrente Random Fault Sampling Sommario Problemi e Applicazioni Problema, dati: Un circuito Una sequenza di vettori
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliBabaoglu 2006 Sicurezza 2
Key Escrow Key Escrow Ozalp Babaoglu! In many situations, a secret (key) is known to only a single individual " Private key in asymmetric cryptography " The key in symmetric cryptography or MAC where the
Dettagli