SISTEMI A CODA MARKOVIANI TEMPO-DISCRETI

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "SISTEMI A CODA MARKOVIANI TEMPO-DISCRETI"

Transcript

1 SISTEMI A CODA MARKOVIANI TEMPO-DISCRETI La sequenza di variabili aleatorie xi, i.. n, forma una catena di Markov temodiscreta se er ogni n e er tutti i valori assunti dalle variabili aleatorie si ha P(xn j x i, x2 i2... xn- i n-) P (xn j xn- in-) si dice che il rocesso e' senza memoria, il valore a secondo membro rende il nome di robabilita' di transizione e i valori di xi, i.. n, rendono il nome di stati della catena. Se il valore della robabilita di transizione non diende da n ma soltanto dagli stati a cui si riferisce la catena si dice omogenea e si indica con ij P (xn j xn- i) il temo di ermanenza in ciascuno stato di una catena di Markov temo-discreta ha una distribuzione geometrica la robabilita' che il sistema rimanga nello stato i er m istanti dato che vi e' aena arrivato e' P(m)(-ii) ii m- Code markoviane 8.

2 MODALITA DI SOLUZIONE detto Π il vettore delle robabilita di stato e P la matrice delle robabilita di transizione la determinazione di Π avviene mediante il seguente sistema di equazioni: note le robabilita di transizione ΠΠ P n Π i i Code markoviane 8.2

3 SISTEMI TEMPO-DISCRETI I rocessi associati alla coda sono rocessi temo-discreti: le variazioni di valore della variabile di stato sono ammesse soltanto su un insieme numerabile di istanti Convenzioni t il rocesso degli utenti in coda ai confini degli slot si evolve nel modo seguente: y n+ y n + a n - d n+ il rocesso degli utenti in coda doo che gli arrivi hanno avuto luogo e dato da x n y n + a n a seconda di quale rocesso viene osservato si uo descrivere il comortamento di sistemi reali differenti Processo degli arrivi di Bernoulli (x) er x (x) - er x (x) altrimenti dove si fa corrisondere a x l evento arrivo e a x l assenza di arrivo E un rocesso senza memoria in cui il temo interarrivo ha distribuzione geometrica: (i)(-) i er i (i) esrime la robabilita che il temo interarrivo abbia durata i slot Code markoviane 8.3

4 CODA geom/geom/ Probabilita di arrivo in uno slot: Probabilita di una artenza in uno slot: q Il rocesso degli utenti nella coda e una catena di Markov Consideriamo il rocesso x n ; il diagramma delle transizioni di stato e il seguente: Utilizzando le equazioni di bilanciamento er i vari nodi si ottiene: k k ω q er k> avendo osto ω ( q) q( ) e dalla condizione di normalizzazione ( q)( ω) q( ω) q con coda infinita ( q)( ω) q( ) L ω q( ω) q ω L+ con coda finita di lunghezza L ricordando che L L+ s ω ω er ω < ω s Code markoviane 8.4

5 Coda geom/geom/: restazioni THROUGHPUT S: numero di utenti serviti er unita di temo S ) q ( nel caso di sistema di caacita infinita risulta S Probabilita di blocco nel sistema di caacita finita L ( ω) ω Π b L L+ ( ω ) q( ω) Se il sistema reale ha caacita' finita L la robabilita' di erdita e' limitata sueriormente dalla robabilita' che ci siano iu' di L acchetti nel sistema a buffer infinito P loss P ( K > L ) ( ) k L+ q k ω q L ω q Ritardo Utilizzando il risultato di Little: k ( ω) q q W k k nel sistema a coda infinita W L L k k k nel sistema a coda finita S Osservazione Se la durata dello slot e molto iccola, tale che e q tendono a zero, mantenendo costante il loro raorto /q ρ si ha P k (-ρ)ρ k Che e la distribuzione all equilibrio di una coda M/M/ temo-continua. Code markoviane 8.5

6 CALCOLO DEL RITARDO MEDIO IN UN COMMUTATORE CON ACCODAMENTO IN INGRESSO W q e q ( ) ln( ) con q 2 ritardo medio ,,2,3,4,5,6,7 carico Tabella dei valori ottenuti q W,,94922,5998,2,896284,48956,3,842,293656,4,78346,56639,5, ,25889,6, ,29746,6,647828,3993,62,6477 8,29454,63,633642,5925 Code markoviane 8.6

7 CODA geom/geom/ CON CUT-THROUGH Un sistema con cut-through revede che un arrivo in un time-slot ossa essere servito nel medesimo time-slot Il relativo modello si ricava dalla descrizione del rocesso di coda y n negli istanti di confine tra gli slot Diagramma degli stati Dalle equazioni di bilanciamento si ottiene: k k ω e dalla condizione di normalizzazione: ω er il sistema a caacita infinita L+ ω ω er il sistema a caacita infinita Probabilita di blocco L ( ω) ω Π b L L+ ω Probabilita di blocco k q q W k k Code markoviane 8.7

8 SISTEMI MULTICODA-MULTISERVITORE Assunzioni generali: acchetti di lunghezza fissa arrivi bernoulliani o Poissoniani code associate agli ingressi di lunghezza infinita gestione delle code FIFO i servitori trasmettono al iu' un acchetto er slot temorale alcuni servitori ossono essere inattivi ur essendo resenti acchetti dietro il acchetto di testa: blocco Head-Of-Line (HOL) Code markoviane 8.8

9 MULTIPLATORE sistema con N ingressi ed L uscite una uscita qualunque uo' essere utilizzata er il servizio di un acchetto l'intero sistema uo' essere raresentato con una catena di Markov temodiscreta con stato vettore N-dimensionale (K...KN) in cui la variabile aleatoria Ki e' il numero di acchetti nella coda di ingresso i L'effetto HOL si manifesta quando ci sono code iene in numero minore dei servitori disonibili: H e' una variabile aleatoria che indica quanti ingressi hanno Ki> se H L tutti i acchetti HOL vengono serviti, altrimenti si scelgono L su H in modo casuale (er esemio). I rimanenti L-H rimangono bloccati Code markoviane 8.9

10 COMMUTATORE in questo caso il acchetto orta anche informazione di indirizzo si assumono indiendenti gli indirizzi di tutti i acchetti nuovi il fenomeno HOL si verifica a causa di acchetti che contendono er la stessa linea e bloccano i acchetti in coda i acchetti HOL non hanno indirizzi indiendenti a causa del blocco una descrizione comleta dello sazio degli stati richiede di secificare Ki e gli indirizzi dei acchetti HOL si assume er semlicita' di analisi λiλ er tutti gli ingressi ovvero carico bilanciato sugli ingressi indirizzi di uscita equirobabili ovvero carico bilanciato sulle uscite Code markoviane 8.

11 DECOMPOSIZIONE DEL SISTEMA Sia er commutatori che er multilatori la soluzione esatta diventa intrattabile al crescere di N Si introducono alcune iotesi di indiendenza er ridurre lo sazio degli stati ogni coda viene trattata searatamente come coda a servitore singolo in cui il servizio e' fornito con robabilita' qe[γ]. La dinamica del sistema e' quella vista nel caso Geom/Geom/. le locazioni HOL vengono considerate come un sistema searato deto sistema HOL. Ogni acchetto HOL viene servito con la stessa robabilita' q indiendentemente dalla storia assata di arrivi e servizi. Occorre correlare il valore di q al grado di blocco HOL e al ritmo di arrivo: er fare questo si analizza la dinamica del sistema HOL Il sistema HOL Viene descritto dal numero di acchetti HOL Nei commutatori e' inoltre necessario conoscere la moltelicita' Nj di ogni indirizzo di uscita J er tali acchetti HOL Metodi di analisi: arossimato:considera indiendenti le occuazioni HOL esatto: tiene in considerazione la diendenza Code markoviane 8.

12 IL SISTEMA HOL Assunzioni: acchetti HOL indiendenti robabilita di servizio q calcolata tenendo conto della dinamica del sistema HOL Code markoviane 8.2

13 CONSERVAZIONE DEL FLUSSO ATTAVERSO UNA CODA Conservazione del flusso nella coda di ingresso λ - q λ ritmo di arrivo robabilita di buffer vuoto q ritmo di servizio della osizione HOL ( ) q e' il numero medio di acchetti serviti er slot all'equilibrio deve essere uguale al flusso di acchetti in ingresso λ ( ) q λ Conservazione del flusso nel sistema HOL λ ρ q ρ ritmo di arrivo nella osizione HOL libera i acchetti ossono entrare solo nelle osizioni non bloccate allo slot recedente: M e' una variabile aleatoria che indica il numero di tali osizioni All'equilibrio E[M] ρ Νλ Code markoviane 8.3

14 EFFETTO HOL IN UN MULTIPLATORE Assunzioni: arrivi indiendenti e bernoulliani caratterizzati da λ indiendenza delle occuazioni HOL variabile aleatoria h numero di acchetti HOL con distribuzione Πh Si vuole calcolare la robabilita' q che un acchetto venga servito in modo da caratterizzare la coda geom/geom/ associata a ciascun ingresso Si consideri una articolare coda con acchetto HOL er la quale si vuole determinare q La robabilita' Πh che ci siano h acchetti HOL e' data dalla robabilita' che ce ne siano altri h- sui rimanenti N- ingressi N ( h N h ) er h N h Π h Se h L il acchetto viene servito con robabilita' altrimenti viene servito con robabilita' L/h assumendo di scegliere a caso L acchetti su h L N L q Πh + Π h q( ) h h L+ h Dalla legge di conservazione del flusso si ha inoltre q λ Dalla soluzione del sistema di due equazioni nelle due incognite q e si ottiene il valore di q che insieme a λ caratterizza la coda geom/geom/ Code markoviane 8.4

15 EFFETTO HOL IN UN COMMUTATORE A PACCHETTO Consideriamo un sistema a N ingressi ed N uscite. Ci sono due tii di acchetti HOL: acchetti bloccati allo slot recedente non hanno indirizzi indiendenti acchetti nuovi che fanno la rima richiesta di servizio hanno indirizzi indiendenti I metodo: consideriamo tutti i acchetti HOL indiendenti; il acchetto bloccato erde l'informazione dell'indirizzo e ne genera uno nuovo a caso suoniamo che ci siano h acchetti HOL la robabilita' che almeno un acchetto sia destinato a una articolare uscita e' - (-/N)h che raresenta anche il throughut er una uscita con H acchetti HOL calcoliamo il throughut medio N h N h N h ( ) e N h h ( ) alicando la formula del binomio di Newton e introducendo l'arossimazione esonenziale. imoniamo l'eguaglianza del throughut medio a λ all'equilibrio + loge(-λ) imoniamo la conservazione del flusso (-)qλ Code markoviane 8.5

16 CORRELAZIONE TRA I PACCHETTI HOL NEL COMMUTATORE II metodo: consideriamo i acchetti HOL correlati negli indirizzi Equazione dinamica er il numero di osizioni non bloccate M allo slot n M N - numero di osizioni bloccate al termine dello slot n - Nj numero di acchetti HOL con destinazione j nello slot n - ε(νj) min (,Nj) numero di acchetti consegnati all'uscita j nello slot n N M N - [ N ε( N )] j j j valore medio dell'equazione dinamica E[M]/N - E[Nj] + E[ε(Nj)] dove all'equilibrio il throughut er la destinazione j E[ε(Nj)] deve eguagliare λ alico la conservazione del flusso nel sistema HOL E[M] ρ Νλ eliminando E[M] dalle due relazioni si ottiene E[Nj] + λ(-/ρ) Code markoviane 8.6

17 EQUAZIONE DINAMICA DI Nj Nj ' Nj - ε[νj] + Aj dove Aj e' il numero di nuovi arrivi HOL agli M ingressi non bloccati Aj e' sostanzialmente indiendente da Nj se N e' grande valore medio dell'equazione dinamica dove E N j E A + j E A ( A ) j 2( E A j j E[Aj] λ E[Aj(Aj-)]λ2 assumendo Aj di tio oissoniano con valore medio e varianza ari a λ ( 2 λ) λ da cui E N j 2( λ) robabilita' che un acchetto HOL venga servito Nλ q NE N j 2( λ) 2 λ cioe' il raorto tra il numero totale di acchetti trasmessi e il numero di acchetti contendenti Code markoviane 8.7

18 CONDIZIONI DI SATURAZIONE Senza correlazione Si ha saturazione quando : in tal caso si ottiene il valore del massimo throughut con l'iotesi di acchetti indiendenti: λ-e-.632 Con correlazione Si ha saturazione quando il ritmo di arrivo al sistema HOL e' uguale ad ρ 2λ( λ) 2 2 2λ λ da cui si ottiene il massimo throughut con l'iotesi di correlazione tra acchetti HOL λ Code markoviane 8.8

SISTEMI TEMPO-DISCRETI SISTEMI A CODA MARKOVIANI TEMPO-DISCRETI

SISTEMI TEMPO-DISCRETI SISTEMI A CODA MARKOVIANI TEMPO-DISCRETI SISTEMI A CODA MARKOVIANI TEMPO-DISCRETI a seuenza di variabili aleatorie xi, i.. n, forma una catena di Markov temodiscreta se er ogni n e er tutti i valori assunti dalle variabili aleatorie si ha P(xn

Dettagli

1) Canali discreti con memoria. 2) Modello di Gilbert e Elliott. 3) Modello di Fritchman. 4) Modello ad N stati

1) Canali discreti con memoria. 2) Modello di Gilbert e Elliott. 3) Modello di Fritchman. 4) Modello ad N stati Argomenti della Lezione 1) Canali discreti con memoria 2) Modello di Gilbert e Elliott 3) Modello di Fritchman 4) Modello ad N stati 1 Molti canali di comunicazione reali hanno un comortamento variabile

Dettagli

A.A. 2004/2005 ESERCIZI DI SISTEMI DI COMMUTAZIONE LS

A.A. 2004/2005 ESERCIZI DI SISTEMI DI COMMUTAZIONE LS A.A. 2004/2005 ESERCIZI DI SISTEMI DI COMMUTAZIONE LS Esercizio 1 Si consideri un commutatore a pacchetto a 1000 ingressi con pacchetti di lunghezza fissa e buffer in ingresso di dimensione L=10. Il carico

Dettagli

Probabilità e tempi medi di assorbimento

Probabilità e tempi medi di assorbimento Probabilità e temi medi di assorbimento 6.1 Probabilità di assorbimento Consideriamo una catena con un numero finito di stati che indichiamo con S = {1, 2,... r}. Sia C una classe chiusa di S. Se la catena

Dettagli

Comportamento asintotico delle Catene di Markov

Comportamento asintotico delle Catene di Markov Comortamento asintotico delle Catene di Markov In queste note analizzeremo il comortamento asintotico della catene di Markov a temo discreto omogenee, con sazio degli stati di dimensione finita. I risultati

Dettagli

CP110 Probabilità: Esame 2 settembre 2013 Testo e soluzione

CP110 Probabilità: Esame 2 settembre 2013 Testo e soluzione Diartimento di Matematica, Roma Tre Pietro Cauto 212-13, II semestre 2 settembre, 213 CP11 Probabilità: Esame 2 settembre 213 Testo e soluzione 1. (6 ts) Abbiamo due mazzi di carte francesi, il mazzo A

Dettagli

Processi di Markov. Processi di Markov

Processi 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

Dettagli

RETI DI TELECOMUNICAZIONE

RETI 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

Dettagli

Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori, AA 2012/13. Catene di Markov

Università 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

Dettagli

Teoria delle File di Attesa

Teoria 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

Dettagli

La teoria delle code

La 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

Dettagli

Variabili casuali. - di Massimo Cristallo -

Variabili 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

Dettagli

SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X

SISTEMI 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

Dettagli

Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI. Martino De Marco

Corso 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

Dettagli

Corso. di FONDAMENTI DI RETI DI TELECOMUNICAZIONI. Martino De Marco

Corso. 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:

Dettagli

CP110 Probabilità: Esonero 1

CP110 Probabilità: Esonero 1 Diartimento di Matematica, Roma Tre Pietro Cauto 2010-11, II semestre 12 arile, 2011 CP110 Probabilità: Esonero 1 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si uo usare durante l esame è una

Dettagli

Esercizi con martingale Pietro Caputo 23 novembre 2006

Esercizi con martingale Pietro Caputo 23 novembre 2006 Esercizi con martingale Pietro Cauto 23 novembre 2006 Esercizio 1. Sia {X n } la asseggiata aleatoria simmetrica su Z con X 0 = 0, vale a dire che Z k = X k X k 1, k = 1, 2,... sono indiendenti e valgono

Dettagli

1. i limiti di p che garantiscono un funzionamento stabile del sistema ;

1. 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

Dettagli

RETI DI TELECOMUNICAZIONE

RETI 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

Dettagli

Metodi 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 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

Dettagli

Verifica di ipotesi: approfondimenti

Verifica di ipotesi: approfondimenti 1. Il -value Verifica di iotesi: arofondimenti Il test si uò effettuare: Determinando reventivamente le regioni di accettazione di H 0 e H 1 er lo stimatore considerato (sulla base del livello α e osservando

Dettagli

Corso 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. 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;

Dettagli

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.

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. 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

Dettagli

Politecnico 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) 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

Dettagli

TEORIA DELLA PROBABILITÁ

TEORIA DELLA PROBABILITÁ TEORIA DELLA PROBABILITÁ Cenni storici i rimi arocci alla teoria della robabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli) gli ambiti di alicazione sono i giochi d azzardo e roblemi

Dettagli

Catene di Markov. Richiami teorici

Catene 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

Dettagli

RETI DI TELECOMUNICAZIONE

RETI 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

Dettagli

Sezioni d urto. Prof. Sergio Petrera Università degli Studi dell Aquila. 11 giugno La regola d oro di Fermi e la sezione d urto di Born

Sezioni d urto. Prof. Sergio Petrera Università degli Studi dell Aquila. 11 giugno La regola d oro di Fermi e la sezione d urto di Born Sezioni d urto Prof. Sergio Petrera Università degli Studi dell Aquila giugno 008 La regola d oro di Fermi e la sezione d urto di Born La regola d oro di Fermi si ricava in Meccanica Quantistica Non Relativistica

Dettagli

Laurea Triennale in Matematica, Università Sapienza Corso di Probabilità 2 A.A. 2010/2011 Prova scritta 10 giugno 2011 Soluzione degli esercizi

Laurea Triennale in Matematica, Università Sapienza Corso di Probabilità 2 A.A. 2010/2011 Prova scritta 10 giugno 2011 Soluzione degli esercizi Laurea Triennale in Matematica, Uniersità Saienza Corso di Probabilità A.A. 00/0 Proa scritta 0 giugno 0 Soluzione degli esercizi Esercizio. Un modello di cellulare iene enduto con una batteria istallata

Dettagli

Brevi richiami su variabili aleatorie e processi stocastici

Brevi 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

Dettagli

' $ Teoria del traffico & % 1

' $ 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

Dettagli

Modelli a code d attesa dei sistemi operativi

Modelli 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

Catene di Markov a tempo continuo. Richiami teorici

Catene 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,...,

Dettagli

Reti di Telecomunicazioni. Sistemi a coda M/M/1

Reti 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

Dettagli

Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"

Capitolo 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

Dettagli

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta C 21/12/2009

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta C 21/12/2009 Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta C 1/1/009 Esercizio 1. In periodo di esodo per le vacanze, sull A1 una grande area di servizio lavora a pieno regime. In media ogni

Dettagli

Calcolo Parallelo. Valutazione dell efficienza di algoritmi e software in ambiente parallelo. Prof. Alessandra d Alessio.

Calcolo Parallelo. Valutazione dell efficienza di algoritmi e software in ambiente parallelo. Prof. Alessandra d Alessio. Calcolo Parallelo Valutazione dell efficienza di algoritmi e software in ambiente arallelo Prof. Alessandra d Alessio T(1) S() = T() = Seed u Lo seed u misura la riduzione del temo di esecuzione risetto

Dettagli

Note sulla Definizione Assiomatica della Probabilita

Note sulla Definizione Assiomatica della Probabilita Note sulla Definizione Assiomatica della Probabilita 1 I diagrammi di Wenn forniscono un metodo grafico er visualizzare i concetti fondamentali del calcolo delle robabilità. In questa raresentazione una

Dettagli

RICHIAMI di CALCOLO delle PROBABILITA

RICHIAMI di CALCOLO delle PROBABILITA Facoltà di Ingegneria - Università di Bologna Anno Accademico: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docente: Marino Lui RICHIAMI di CALCOLO delle PROBABILITA PROBABILITA Ci sono fenomeni che non si osso

Dettagli

Probabilità 1, laurea triennale in Matematica II prova di valutazione in itinere a.a. 2008/09

Probabilità 1, laurea triennale in Matematica II prova di valutazione in itinere a.a. 2008/09 robabilità, laurea triennale in Matematica II prova di valutazione in itinere a.a. 008/09. Francesco lancia ripetutamente due dadi non truccati: sia T il numero di lanci necessario ad ottenere per la prima

Dettagli

Note sulle Catene di Markov

Note 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

Dettagli

Complementi 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 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

Dettagli

SIMULAZIONE 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 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

Dettagli

CALCOLO DELLE PROBABILITÀ. 1. La probabilità che una candela accesa si spenga è p = 1, perché è assolutamente certo che si esaurirà.

CALCOLO DELLE PROBABILITÀ. 1. La probabilità che una candela accesa si spenga è p = 1, perché è assolutamente certo che si esaurirà. CALCOLO DELLE PROBABILITÀ -Definizione di robabilità -Legge additiva (eventi disgiunti) -Probabilità totale -Eventi comosti -Eventi indiendenti -Legge moltilicativa -Probabilità comoste - -Definizione

Dettagli

Concetti 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 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

Dettagli

Note sulla Definizione Assiomatica della Probabilita

Note sulla Definizione Assiomatica della Probabilita ote sulla efinizione ssiomatica della Probabilita La totalità delle varie modalità con cui si uò resentare un fenomeno casuale sono raresentate dai unti di uno sazio. Un sottoinsieme qualunque dello sazio

Dettagli

Processi. Giuseppe Sanfilippo. 30 novembre Processo di Bernoulli-Passeggiata aleatoria semplice (Simple Random Walk)

Processi. Giuseppe Sanfilippo. 30 novembre Processo di Bernoulli-Passeggiata aleatoria semplice (Simple Random Walk) Processi Giusee Sanfilio 30 novembre 005 1 Processo di Bernoulli-Passeggiata aleatoria semlice Simle Random Walk) vedi [5, ]) Analizziamo uno dei classici rocessi discreti. Sia E 1, E,..., E n,... una

Dettagli

Reti di Telecomunicazioni. Sistemi a coda

Reti di Telecomunicazioni. Sistemi a coda Reti di Telecomunicazioni Sistemi a coda Ing. Francesca Lo Piccolo e-mail: francesca.lopiccolo@uniroma2.it Un ringraziamento particolare al Prof. Andrea Detti, autore delle presentazioni da cui è stata

Dettagli

Soluzione numerica dei transitori termici: le differenze finite

Soluzione numerica dei transitori termici: le differenze finite Matteo Righetto (matr. 94) Piero Loatriello (matr.383) Soluzione numerica dei transitori termici: le differenze finite Immaginiamo di voler fornire calore a una lastra iana di un determinato sessore e

Dettagli

Modelli e Metodi per l Automazione

Modelli 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

Dettagli

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza

Dettagli

La probabilità. f n. evidentemente è 0 ( E)

La probabilità. f n. evidentemente è 0 ( E) La robabilità Definizione - Eserimento aleatorio Ogni fenomeno del mondo reale al quale associare una situazione di incertezza. Es: Lancio di un dado, estrazioni numeri della tombola, ecc. Definizione

Dettagli

UNIVERSITÀ DEGLI STUDI DI TERAMO

UNIVERSITÀ DEGLI STUDI DI TERAMO UNIVERSITÀ DEGLI STUDI DI TERAMO CORSO DI LAUREA IN TUTELA E BENESSERE ANIMALE Corso di : FISICA MEDICA A.A. 015 /016 Docente: Dott. Chiucchi Riccardo mail:rchiucchi@unite.it Medicina Veterinaria: CFU

Dettagli

Esercizi pre seconda prova in itinere

Esercizi pre seconda prova in itinere Esercizi re seconda rova in itinere 1 Scelta in condizioni di rischio ed incertezza Sono dati tre differenti ercorsi su di una rete multimodale che ermettono di andare dall origine O alla destinazione

Dettagli

UNIVERSITÀ di ROMA TOR VERGATA

UNIVERSITÀ di ROMA TOR VERGATA UNIVERSITÀ di ROMA TOR VERGATA Corso di PS-Probabilità P.Baldi Tutorato 9, 19 maggio 11 Corso di Laurea in Matematica Esercizio 1 a) Volendo modellizzare l evoluzione della disoccupazione in un certo ambito

Dettagli

CONTROLLI AUTOMATICI LS Ingegneria Informatica. Analisi modale

CONTROLLI AUTOMATICI LS Ingegneria Informatica. Analisi modale CONTROLLI AUTOMATICI LS Ingegneria Informatica Analisi modale Prof. Claudio Melchiorri DEIS-Università di Bologna Tel. 5 9334 e-mail: claudio.melchiorri@unibo.it http://www-lar.deis.unibo.it/~cmelchiorri

Dettagli

γ 4 γ 2 λ 2 λ 4 r 42 γ 3 λ 3 r 24 r 04

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

Dettagli

Sistema a singolo servente

Sistema a singolo servente Sistema a sgolo servente Servente Cliente arrivo Clienti coda Cliente servizio Cliente uscita empi di terarrivo A, A 2, v.a. IID (i.e., hanno la stessa funzione di distribuzione e sono dipendenti) empi

Dettagli

Calcolo delle Probabilità e Statistica, Ing. Informatica e dell Automazione, a.a. 2009/10 Prova scritta del 21/7/2010

Calcolo delle Probabilità e Statistica, Ing. Informatica e dell Automazione, a.a. 2009/10 Prova scritta del 21/7/2010 Calcolo delle Probabilità e Statistica, Ing. Informatica e dell Automazione, a.a. 009/0 Prova scritta del /7/00 Nota. E obbligatorio sia scegliere le risoste (numeriche, o le formule nali a seconda del

Dettagli

Università Politecnica delle Marche Facoltà di Ingegneria Ing. Informatica e Automatica Ing. delle Telecomunicazioni Teledidattica

Università Politecnica delle Marche Facoltà di Ingegneria Ing. Informatica e Automatica Ing. delle Telecomunicazioni Teledidattica Università Politecnica delle Marche Facoltà di Ingegneria Ing. Informatica e Automatica Ing. delle Telecomunicazioni Teledidattica ANALISI NUMERICA TEMA C (Prof. A. M. Perdon) Ancona, 7 luglio 6 PARTE

Dettagli

λ è detto intensità e rappresenta il numero di eventi che si

λ 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

Dettagli

VETTORI DI VARIABILI ALEATORIE

VETTORI 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

Dettagli

Matrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe.

Matrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe. Matrici triangolari [Abate, 32] Definizione Una matrice A = a ij ) R m,n si dice triangolare superiore se a ij = 0 per ogni i > j; triangolare inferiore se a ij = 0 per ogni i < j Lezioni 05 e 06 Una matrice

Dettagli

Probabilità e Statistica Esercizi

Probabilità e Statistica Esercizi Corso di PIANIFICAZIONE DEI TRASPORTI 1 ing. Antonio Comi Marzo 2006 Probabilità e Statistica Esercizi 1 Variabile aleatoria X(E): funzione che associa ad un evento E dello spazio delle prove un numero

Dettagli

Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017. Giovanni Lafratta

Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017. Giovanni Lafratta Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017 Giovanni Lafratta ii Indice 1 Spazi, Disegni e Strategie Campionarie 1 2 Campionamento casuale

Dettagli

1) Si deve progettare un auto reattore per un missile che vola a M 1 := 1.8. Supponendo che

1) Si deve progettare un auto reattore per un missile che vola a M 1 := 1.8. Supponendo che Esercizi di Esame 1.mcd (1/9) 1) Si deve rogettare un auto reattore er un missile che vola a M 1 : 1.8. Suonendo che T 1 : 73.15 K, 1 : 0.7 atm, A : 0.0347 m, A 3 /A 1.34 e che la combustione roduce 196.7kJ/kg.

Dettagli

Sistemi di particelle identiche

Sistemi di particelle identiche Sistemi di articelle identiche 1. Princiio di indistinguibilità Due articelle si dicono identiche se hanno le stesse caratteristiche fisiche, quali massa, sin, carica elettrica, momento magnetico. Col

Dettagli

Generalizzazione dell equazione logistica (UN) Autore: Antonello Urso - 07/07/07

Generalizzazione dell equazione logistica (UN) Autore: Antonello Urso - 07/07/07 Generalizzazione dell equazione logistica (UN) Autore: Antonello Urso - 07/07/07 Pianetagalileo - (ultimo aggiornamento: 23/07/07) Introduzione: L equazione logistica uò descrivere lo sviluo di una oolazione

Dettagli

a 11 s 1 + a 12 s a 1n s n = b 1 a 21 s 1 + a 22 s a 2n s n = b 2..

a 11 s 1 + a 12 s a 1n s n = b 1 a 21 s 1 + a 22 s a 2n s n = b 2.. Matematica II 020304 Ogni sistema di m equazioni lineari in n incognite x 1 x 2 x n si uo raresentare nella forma a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1

Dettagli

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2017/18 - Prova scritta

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2017/18 - Prova scritta Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (69AA) A.A. 7/8 - Prova scritta 8-7-3 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate. Problema

Dettagli

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza di Variabili Aleatorie Sistema di Variabili

Dettagli

Tre 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 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

Dettagli

Probabilità e Statistica

Probabilità e Statistica Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2013/2014 www.mat.uniroma2.it/~caramell/did 1314/ps.htm 04/03/2014 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici

Dettagli

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 206/7 - Prova del 207-09-08 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.

Dettagli

CP110 Probabilità: Esame del 15 settembre Testo e soluzione

CP110 Probabilità: Esame del 15 settembre Testo e soluzione Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 15 settembre, 2010 CP110 Probabilità: Esame del 15 settembre 2010 Testo e soluzione 1. (6 pts) 10 carte numerate da 1 a 10 vengono

Dettagli

V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 7 gennaio

V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 7 gennaio V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 24/5 Nome: 7 gennaio 26 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare

Dettagli

ESERCITAZIONE 4: MONOPOLIO E CONCORRENZA PERFETTA

ESERCITAZIONE 4: MONOPOLIO E CONCORRENZA PERFETTA ESERCITAZIONE 4: MONOPOLIO E CONCORRENZA PERFETTA Esercizio : Scelta ottimale di un monoolista e imoste Si consideri un monoolista con la seguente funzione di costo totale: C ( ) = 400 + + 0 0 La domanda

Dettagli

LE FUNZIONI ECONOMICHE

LE FUNZIONI ECONOMICHE M A R I O G A R G I U L O LE FUNZIONI EONOMIHE APPLIAZIONE DELL ANALISI MATEMATIA FUNZIONI EONOMIHE L economia è lo studio di come imiegare, con maggior convenienza, il denaro di cui si disone er raggiungere

Dettagli

Principi di Economia - Microeconomia Esercitazione 2 Domanda, offerta ed equilibrio di mercato Soluzioni

Principi di Economia - Microeconomia Esercitazione 2 Domanda, offerta ed equilibrio di mercato Soluzioni Princii di Economia - Microeconomia Esercitazione 2 Domanda, offerta ed equilibrio di mercato Soluzioni Daria Vigani Febbraio 2014 1. Assumiamo la seguente funzione di domanda di mercato er il gelato:

Dettagli

Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità

Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili

Dettagli

Matematica e Statistica per Scienze Ambientali

Matematica 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.

Dettagli

Schedulazione di dettaglio Macchine in parallelo

Schedulazione di dettaglio Macchine in parallelo Lezione 8 Schedulazione di dettaglio Macchine in arallelo Dati: Una lista di lotti (job) che devono essere rocessati da un sistema roduttivo comosto da un set di macchine in arallelo. Siano i lotti caratterizzati

Dettagli

CAPITOLO 1. Spazi metrici. 1. Definizioni ed esempi

CAPITOLO 1. Spazi metrici. 1. Definizioni ed esempi CAPITOLO 1 Sazi metrici 1. Definizioni ed esemi Definizione 1.1. Sia X un insieme qualsiasi. Una distanza su X è un alicazione d : X X R tale che i) d(x, y) 0 er ogni x, y in X, e d(x, y) = 0 se e solo

Dettagli

Probabilità e Statistica

Probabilità e Statistica Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2012/2013 www.mat.uniroma2.it/~caramell/did 1213/ps.htm 05/03/2013 - Lezioni 1, 2, 3 Breve introduzione al corso. Fenomeni deterministici

Dettagli

Analisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio)

Analisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Analisi della disponibilità d acqua Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Approccio diverso a seconda del criterio di valutazione Nel caso di criterio statistico

Dettagli

Probabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva

Probabilità 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.

Dettagli

Esercizi di riepilogo

Esercizi di riepilogo Esercizi di riepilogo Es1: Scommesse al casinò Tizio e Caio si alternano al tavolo di un casinò. Tizio gioca negli istanti di tempo dispari, mentre Caio in quelli pari Ad ogni istante di tempo, il guadagno

Dettagli

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica 69AA) A.A. 06/7 - Prima prova in itinere 07-0-03 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.

Dettagli

V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 18 ottobre

V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 18 ottobre V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 202/ Nome: 8 ottobre 20 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare

Dettagli

ESERCITAZIONE 5: ESERCIZI DI RIPASSO

ESERCITAZIONE 5: ESERCIZI DI RIPASSO Microeconomia CLEA A.A. 00-00 ESERCITAZIONE 5: ESERCIZI DI RIPASSO Esercizio 1: Scelte di consumo (beni comlementari) Un consumatore ha referenze raresentate dalla seguente funzione di utilità: U (, )

Dettagli

Probabilità e Statistica

Probabilità e Statistica Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2014/2015 www.mat.uniroma2.it/~caramell/did 1415/ps.htm 02/03/2015 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici

Dettagli

0 Richiami di algebra lineare e geometria analitica Distanza, coordinate e vettori Sistemi lineari e matrici...

0 Richiami di algebra lineare e geometria analitica Distanza, coordinate e vettori Sistemi lineari e matrici... Indice 0 Richiami di algebra lineare e geometria analitica........... 9 0.1 Distanza, coordinate e vettori............................. 9 0.2 Sistemi lineari e matrici..................................

Dettagli

II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17

II 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

Dettagli

Sistemi 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 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

Dettagli

APPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO

APPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni

Dettagli