Lezione 20 Maggio 29
|
|
- Silvano Maggi
- 4 anni fa
- Visualizzazioni
Transcript
1 PSC: Progettazone d sstem d controllo III Trm 2007 Lezone 20 Maggo 29 Docente: Luca Schenato Stesor: Maran F, Marcon R, Marcassa A, Zanella F Fnora s sono sempre consderat sstem tempo-nvarant, ovvero descrtt dalla legge x + = Px con P costante nel tempo: l obettvo è trovare P tale che tutte le component del vettore x(t) convergano al medesmo valore, coè x(t) α Cò accade se l grafo assocato a P, G P, è fortemente connesso: n tal caso α = w T x(0), dove w è l autovettore snstro d P relatvo all autovalore ( w T P = w T ; l autovettore destro relatvo a è ) Se P è doppamente stocastca, allora α = x (0) w T = T ; vale anche l vceversa (condzone necessara e suffcente) e due esemp successv la P(t) vara n modo aleatoro nel tempo Esemp Algortmo gossp: è un algortmo randomzzato (condzone mposta dall esterno n modo da evtare la collsone d messagg, lo scambo d nformazon avvene n temp dvers) S parte da un grafo G, che s suppone per semplctà completo ( 2 edge) e non orentato: la matrce d adacenza è smmetrca e completa Ad ogn stante d tempo, s attva un edge (nell nseme ε d lat) con probabltà w j 0: dato che se ne accende uno solo alla volta, s suppone,j w j = S consder ad esempo w j = 2, j, n modo da usare tutt gl edge Quando s attva un arco j, j, nod j e s scambano l nformazone rguardante l propro stato, calcolando l nuovo stato come combnazone convessa tutt gl altr stat non rcevono nformazone x (t + ) = ( q)x (t) + qx j (t) (20) x j (t + ) = qx (t) + ( q)x j (t); (202) x l (t + ) = x l (t), l, j (203) P è casuale, dpende da come s accendono gl edge, e le attvazon sono ndpendent (cò che succede al tempo t + è ndpendente da cò che succede al tempo t) on s è cert della convergenza dell algortmo, ma n caso postvo converge alla meda delle condzon nzal (average consensus): nfatt l valore x (t) = T x(t) ( barcentro) 20-
2 PSC Lezone 20 Maggo 29 III Trm 2007 resta sempre lo stesso ne tempo, dato che x l (t + ) = x l (t + ) + x (t + ) + x j (t + ) l l,j da (20), (202), (203) = x l (t) + ( q)x (t) + qx j (t) + qx (t) + ( q)x j (t) l,j = x l (t) l Ergo se x l (t) t α l, allora α è tale che l x } l( ) = } l x l(0) α S dmostra che questo è l unco algortmo randomzzato che preserva la meda: c sono tuttava svarat cas n cu, se è suffcentemente elevato, la dstanza fra valore fnale e meda è pccola (dealmente concdono per ) 2 Perdta d pacchett: s consdera un tradzonale algortmo d consenso n cu però l nformazone da j a può non arrvare S parte n questo caso da una matrce P ben precsa, ad esempo P = crcolante, oppure completa ( convergenza dead-beat al barcentro) (204) P 2 = (205) In generale, se j vuole trasmettere nformazon a all stante t s tene conto d una probabltà d rcezone p j defnta come se = j p j = p se j j x j (t) p j = p p = 20-2
3 PSC Lezone 20 Maggo 29 III Trm 2007 Se vene perso un pacchetto, s devono adattare pes (la loro somma deve restare untara P deve rmanere stocastca): un modo semplce è aggungere al peso del nodo che non rceve nformazone quello del nodo dal quale non l ha rcevuta S ntroduce così la varable L j (t) se l nformazone da j a arrva 0 altrment L (t) ; L j (t) è ndpendente da nod e nel tempo L algortmo d compensazone de pes dvene = con probabltà p 0 con probabltà p, j; x (t + ) = P + P j ( L j (t)) x (t) + P j L j (t)x j (t), j j n contrapposzone al caso senza perdta d pacchett n cu s ha x (t + ) = j P j x j (t) = P x (t) + j P j x j (t) Usando P defnta n (204), s ha x (t + ) = 2 x (t) + 2 x +(t) = 2 x (t) + 2 x +(t) se l nformazone da j a arrva x (t) altrment Se s è n condzon d agreement, l algortmo non fa perdere l accordo (x (t) = α x (t+) = α, ) 20 P(t) tempo-varante Il sstema dventa del tpo x(t + ) = P(t)x(t) con P(0), P(), sequenza d varabl aleatore a valor matrcal ndpendent S suppone noltre che P(t) assuma valor n un nseme P R fnto, ergo P = P,,P h } è una lsta d valor da cu l sstema scegle a caso, e che P [P(t) = P ] = p ( p = ); nfne, le P(t) sono d Qund P(t, ω) è funzone del parametro ω Ω (spazo degl event) che decde quale sequenza è selezonata Defnzone 20 (Probablstc Consensus) L algortmo sopra descrtto dà probablstc consensus se x(t) α cp (almost surely) α dpende da x(0) (come nel caso determnstco) e da ω Ω (a parte nel caso del gossp) α(x(0), ω) Fssato ω (ovvero fssata la sequenza delle P(t)), α(x(0), ω) è lneare n x(0) α(x(0), ω) = ρ(ω) T x(0) La lneartà è facle da dmostrare Dmostrazone: consderamo la condzone nzale x(0) come somma d due condzon nzal x (0), x 2 (0): x(0) = x (0) + x 2 (0) x(t) + x (t) + x 2 (t) t x( ) = x ( ) + x 2 ( ) 20-3
4 PSC Lezone 20 Maggo 29 III Trm 2007 e qund α = x( ) = x ( ) + x 2 ( ) = α + α 2 α = α + α 2 ; percò α è lneare (la moltplcazone per costante è banale) Qund, x(t) ( ρ T (ω)x(0) ) Defnamo Q(t, ω) P(t, ω) P(, ω) P(0, ω); è facle vedere che x(t, ω) = Q(t, ω)x(0) Proposzone 20 Q(t, ω) ρ(ω) T cp è la condzone equvalente a x(t) α cp (probablstc consensus) Dmostrazone: se Q(t, ω) ρ(ω) T, Q(t, ω)x(0) ρ(ω) T x(0) }} α = α; se x(t) α, Q(t, ω)x(0) = x(t) ρ(ω) T x(0) = ρ(ω) T x(0) }} scalare e prendendo x(0) come vettore della base canonca, Teorema 20 S supponga che Q(t, ω) ρ(ω) T P(t) ha gl element della dagonale postv cp (P(t) = P con probabltà p ); 2 sa P = E[P(t)] = p P : G P è fortemente connesso; allora s ha probablstc consensus Osservazone Se le condzon e 2 del teorema precedente sono verfcate, allora Q(t) ρ T cp, qund E[Q(t)] E [ ρ T] = [ ρ T] ; per l ndpendenza delle P(t) e dalla condzone 2, s ha e qund E[Q(t)] = E[P(t )] E[P(t 2)] = P t P t E [ ρ T] Se s usasse P s avrebbe consenso determnstco, con w T = E [ ρ T] Osservazone 2 Se P è doppamente stocastca, allora E [ ρ T] = T (barcentro) on è detto però che se P è doppamente stocastca l algortmo converga al barcentro ω (solo n meda) Per avere l average probablstc consensus, condzone necessara e suffcente è che P(t) sa doppamente stocastca cp (P doppamente stocastca ) (l average probablstc consensus corrsponde alla convergenza alla meda cp) S ha noltre che P(t) doppamente stocastca P doppamente stocastca 20-4
5 PSC Lezone 20 Maggo 29 III Trm Applcazon del teorema Algortmo gossp: defnamo una matrce R j come R j = j q q j q q con 0 nelle poszon non ndcate; è evdente che x (t) x (t) x (t) ( q)x (t) + qx j (t) R j = x j (t) qx (t) + ( q)x j (t) x (t) x (t) Supponamo che,j w j = : tutte le R j sono doppamente stocastche (essendo smmetrche e stocastche) Supponamo noltre che 0 < q < : n tal caso tutt gl element della dagonale sono postv (condzone del teorema verfcata); dmostramo che G P = G W+W T, dove W = [w j ] Dmostrazone: gl element sulla dagonale d P sono tutt postv (tutt loop); j n E W j n E P se j nfatt P =,j w jr j, ( P)hk =,j w ( j R j ) ; prendo h k, hk ( R j ) hk = q se (, j) = (h, k) oppure (, j) = (k, h) 0 altrove qund ( P)hk =,j w ( j R j ) hk = qw hk + qw kh > 0 se e solo se w hk > 0 o w kh > 0 ( W + W T ) hk >
6 PSC Lezone 20 Maggo 29 III Trm 2007 S può dmostrare che se G P = G W+W T condzone necessara non vale non s può avere consenso, qund è anche 2 Perdta d pacchett: da quanto vsto precedentemente, per j P j (t) = L j (t)p j, mentre P (t) = P + ( L j(t)) P j P, qund sceglendo la dagonale postva resta sempre > 0 e dunque è verfcata la prma condzone del teorema Inoltre, se j ( P)j = E[P j(t)] = ( p) 0 + p P j = pp j : fnchè p > 0, G P = G P fuor dagonale 20-6
Intorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
Dettagli6 Prodotti scalari e prodotti Hermitiani
6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al
DettagliPOLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA
POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo
Dettaglidi una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3)
Esempo d soluzone d una delle verson del compto d Geometra analtca e algebra lneare del luglo 3 Stablre se la retta r, d equazon parametrche x =, y = + t, z = t (nel parametro reale t), è + y + z = sghemba
Dettagli3) Entropie condizionate, entropie congiunte ed informazione mutua
Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata
DettagliSTATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale
STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes
DettagliAnalisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono
Captolo 1 INTRODUZIONE 21 Anals Modale S facca rfermento al sstema tempo-dscreto e al sstema tempo-contnuo x(k +1)=Ax(k) ẋ(t) =Ax(t) Le evoluzon lbere de due sstem a partre dalla condzone nzale x() = x
DettagliGeometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.
Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:
Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 18 1 dcembre 2011 Covaranza, Varabl aleatore congunte professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19?
DettagliIntelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008
Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal
DettagliLa soluzione delle equazioni differenziali con il metodo di Galerkin
Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo
DettagliGestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza
DettagliEsercizi sulle reti elettriche in corrente continua (parte 2)
Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola
DettagliDinamica dei sistemi particellari
Dnamca de sstem partcellar Marco Favrett Aprl 11, 2010 1 Cnematca Sa dato un sstema d rfermento nerzale (O, e ), = 1, 2, 3 e consderamo un sstema d punt materal (sstema partcellare) S = {(OP, m )}, = 1,,
DettagliElementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche
Element d teora bayesana della decsone Teora bayesana della decsone: caratterstche La teora bayesana della decsone è un approcco statstco fondamentale al problema del pattern recognton. Il suo obettvo
DettagliANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.
ESERCIZI SU ANELLI E SOTTOANELLI N.B.: l smbolo contrassegna gl esercz relatvamente pù compless. 1 Sa X un nseme, e sa PX l suo nseme delle part. Indcando con l operazone d dfferenza smmetrca tra element
DettagliStabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi
Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto
Dettagli3 CAMPIONAMENTO DI BERNOULLI E DI POISSON
3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.
Dettagli1. Il Teorema Ergodico per le catene di Markov * Definizione Una catena di Markov discreta con spazio degli stati E; si dice regolare se, detta P = (P
. Il Teorema Ergodco er le catene d Markov * Defnzone Una catena d Markov dscreta con sazo degl stat E; s dce regolare se, detta P = (P ) la matrce delle robablt a d transzone assocata, esstono un ntero
DettagliREGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari
REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat
DettagliFunzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m
Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 20: 16 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Errata slde 14: 8 maggo 2012 Rendta perpetua
DettagliPer calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:
ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliDinamica del corpo rigido
Anna Nobl 1 Defnzone e grad d lbertà S consder un corpo d massa totale M formato da N partcelle cascuna d massa m, = 1,..., N. Il corpo s dce rgdo se le dstanze mutue tra tutte le partcelle che lo compongono
DettagliLezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali
Chmca Fsca - Chmca e Tecnologa Farmaceutche Lezone n. 10 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Convenzon per le soluzon real Relazon tra coeffcent d attvtà 02/03/2008 Antonno
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu)
Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,
DettagliEsercizi di Probabilità e Statistica
Esercz d Probabltà e Statstca Samuel Rota Bulò 25 maggo 2007 Funzon d v.a., meda, varanza, moda, medana, quantl e quartl. Vettor aleator, denst condzonata, covaranza, correlazone. Eserczo 1 Sa Y ax + b
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo
DettagliIl procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.
SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE
DettagliStrani spazi vettoriali
Stran spaz vettoral Enrco Gregoro 19 novembre 2009 Consderamo l nseme S delle successon d numer compless; gl element d S saranno ndcat con smbol come a[ ]. Le parentes quadre servono per denotare gl element
Dettagli1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann
FISICA DEI FLUIDI Lezone 5-5 Maggo 202 Le equazon per le varabl macroscopche: moment dell equazone d Boltzmann Teorema H a parte, non è facle estrarre altre consderazon general sulla funzone denstà d probabltà
DettagliCorso di Fondamenti di Telecomunicazioni
Corso d Fondament d Telecomuncazon Prof. Govann Schembra Struttura della lezone Defnzon d process aleator e caratterzzazone statstca ( Stma delle statstche d prmo e secondo ordne Process aleator stazonar
DettagliRICERCA OPERATIVA GRUPPO A prova scritta del 12 febbraio 2009
RICERCA OPERATIVA GRUPPO A prova scrtta del febbrao 009. Dte se l vettore (, /4, /4) è combnazone affne, conca o convessa de vettor (, 0, ), (, ½, ½) e ( ½,, ). Il vettore (, /4, /4) è combnazone convessa
DettagliRagionamento probabilistico: rappresentazione
Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn
DettagliEnergia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo
Energa e Lavoro Fnora abbamo descrtto l moto de corp (puntform) usando le legg d Newton, tramte le forze; abbamo scrtto l equazone del moto, determnato spostamento e veloctà n funzone del tempo. E possble
DettagliLezione 3 Codifica della informazione (2)
Lezone Codfca della nformazone () Vttoro Scarano Archtettura Corso d Laurea n Informatca Unverstà degl Stud d Salerno Un rpasso Un quadro della stuazone: dove samo, dove stamo andando e perché Una rvstazone:
Dettagli{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo
Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d
DettagliDefinizione di campione
Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta
DettagliMetodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA
Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 12 febbraio x2
RICERCA OPERATIVA GRUPPO B prova scrtta del febbrao 009. Dte se l vettore (,, ) è combnazone affne, conca o convessa de vettor ( ½,, ), (0, 5, 0) e (,, ). Il vettore (,, ) è combnazone affne de vettor
DettagliSia G = ({1, 2,..., n}, E) un grafo orientato. Definizione di matrici di Adiacenza e di Transizione del grafo G: 1 ij E
Sa G ({1, 2,..., n}, E) un grafo orentato. Defnzone d matrc d Adacenza e d ranszone del grafo G: { { 1 j E 1/deg() j E Adac(G) j 0 j / E, rans(g) j 0 j / E ( deg() #arch uscent dal vertce ). Notamo che
DettagliAlgoritmi e Strutture di Dati (3 a Ed.) Ricerca tabù. Alan Bertossi, Alberto Montresor
Algortm e Strutture d Dat (3 a Ed.) Rcerca tabù Alan Bertoss, Alberto Montresor La tecnca della rcerca locale passa attraverso una sequenza S 0, S 1,..., S m d soluzon, fno ad arrestars su un ottmo locale
DettagliIntegrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1
Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado
DettagliAlgebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.
Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere
DettagliIl logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.
Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo
DettagliPattern Recognition. Bayes decision theory
Computer Scence Department Unversty of Verona A.A. 015-16 Pattern Recognton Bayes decson theory 1 Rev. Thomas Bayes, F.R.S 170-1761 Introduzone Approcco statstco fondamentale d classfcazone d pattern Ipotes:
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 18 febbraio 2014
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 2: 18 febbrao 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? Defnzone. f : R R s dce moltplcatva se per
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
DettagliRappresentazione dei numeri PH. 3.1, 3.2, 3.3
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliAnalisi agli elementi finiti di campi vettoriali
Anals agl element fnt d camp vettoral Carlo Forestere December, 04 Formulazone n forma debole d equazon d campo vettorale Sa R un domno bdmensonale Fg. rempto da un materale lneare, sotropo, tempo nvarante,
DettagliLa sincronizzazione. (Libro) Trasmissione dell Informazione
La sncronzzazone (Lbro) Problem d sncronzzazone La trasmssone e la dverstà tra gl OL del trasmetttore e del rcevtore ntroducono (anche n assenza d fadng) un errore d d frequenza, d fase e d camponamento
DettagliMetodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA
Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio
I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat
DettagliSoluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k
(1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)
DettagliFRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.
FRAME 0.1. Contents 1. Varabl aleatore 1 1.1. Introduzone 1 1.2. Varabl aleatore dscrete 2 1.3. Valore atteso (Meda) e Varanza 3 1.4. Varabl aleatore bnomal e d Posson 4 1.1. Introduzone. 1. Varabl aleatore
Dettagli3 Partizioni dell unità 6
Partzon dell untà Alessandro Ghg 29 ottobre 2014 Indce 1 Funzon lsce a supporto compatto 1 2 Rcoprment localmente fnt 5 3 Partzon dell untà 6 1 Funzon lsce a supporto compatto Lemma 1. Sano f C 1 (a, b)
DettagliMetodi iterativi per sistemi di equazioni lineari algebriche
Captolo 17 Metod teratv per sstem d equazon lnear algebrche 171 Generaltà su metod teratv S fornsce la defnzone d convergnza per vettor e matrc Convergenza d vettor Una successone d vettor d n component
DettagliELEMENTI DI STATISTICA
ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)
DettagliAlgoritmi basati sulla tecnica Divide et Impera
Qucksort Algortm basat sulla tecnca Dvde et Impera In questo corso: Rcerca bnara Mergesort (ordnamento) Qucksort (ordnamento) Moltplcazone d nter Moltplcazone d matrc (non n programma) NOTA: nonostante
DettagliTeorema di Thévenin-Norton
87 Teorema d Téenn-Norton E detto ance teorema d rappresentazone del bpolo, consente nfatt d rappresentare una rete lneare a due morsett (A, B) con: un generatore d tensone ed un resstore sere (Téenn)
DettagliLezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott.
Lezon d Rcerca Operatva Corso d Laurea n Informatca Unverstà d Salerno Lezone n 18 - Teora de graf: defnzon d base - Problema del flusso a costo mnmo Prof. Cerull Dott.ssa Gentl Dott. Carrabs Teora de
DettagliModelli decisionali su grafi - Problemi di Localizzazione
Modell decsonal su graf - Problem d Localzzazone Massmo Paolucc (paolucc@dst.unge.t) DIST Unverstà d Genova Locaton Problems: modell ed applcazon Decson a medo e lungo termne (panfcazone) Caratterstche
DettagliPROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1.
PROGRAMMAZIONE LINEARE Una pccola ntroduzone R. Tade R. Tade 2 LA PROGRAMMAZIONE LINEARE L obettvo del captolo consste nel fornre lo scheletro d un problema d programmazone lneare e gl strument concettual
DettagliRappresentazione dei numeri
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliMatematica Generale a.a. 2018/19 Teoremi dimostrati nel corso. 1 Funzioni ad una variabile
Matematca Generale a.a. 2018/19 Teorem dmostrat nel corso. ATTENZIONE!!!!. Nel corso d matematca generale sono stat presentat teorem per qual è rchesta la conoscenza del solo enuncato e teorem de qual
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 16: 2 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? CCT/CCTEu S tratta d un ttolo a cedola varable:
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 15 23 novembre 211 Funzon Eulerane - robabltà professor Danele Rtell www.unbo.t/docent/danele.rtell 1/2? Cambo
DettagliLezione Maggio Analisi in media delle prestazioni di un algoritmo di consensus
PSC: Progettazione di sistemi di controllo III rim. 27 Lezione 22 3 Maggio Docente: Luca Schenato Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio 22. Analisi in media delle prestazioni di un
DettagliEsercitazione sulle Basi di di Definizione
Eserctazone sulle as d d Defnzone ESERIZIO Un bpolo ressto (dodo) ha la seguente equazone: = k [ 0 + 00] con k 0 nella quale ed sono descrtt dalla conenzone degl utlzzator come n fgura. Stablre se l bpolo
DettagliMETODO DEGLI ELEMENTI FINITI
METODO DEGLI ELEMENTI FINITI Introduzone al metodo degl element fnt Il concetto base nella nterpretazone fsca del metodo degl element fnt è la decomposzone d un sstema meccanco complesso n pù semplc component
DettagliRichiami di modelli di utilità aleatoria
Corso d LOGISTICA TERRITORIALE www.unroma.t/ddattca/lt DOCENTE prof. ng. Agostno Nuzzolo Rcham d modell d utltà aleatora prof. ng. Agostno Nuzzolo - Corso d Logstca Terrtorale Modell d domanda e utltà
DettagliCAPITOLO 3 CIRCUITI DI RESISTORI
CAPITOLO 3 CIRCUITI DI RESISTORI Pagna 3. Introduzone 70 3. Connessone n sere e connessone n parallelo 70 3.. Bpol resstv n sere 7 3.. Bpol resstv n parallel 77 3.3 Crcut resstv lnear e sovrapposzone degl
DettagliEquilibrio e stabilità di sistemi dinamici. Stabilità interna di sistemi dinamici LTI
Equlbro e stabltà d sstem dnamc Stabltà nterna d sstem dnamc LTI Stabltà nterna d sstem dnamc LTI Stabltà nterna d sstem dnamc LTI TC Crter d stabltà per sstem dnamc LTI TC Stabltà nterna d sstem dnamc
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliEsercizio 1. Esercitazione 14 Dicembre 2012 Sistemi trifase e potenze R 3 R 1 R 2. simmetrico L 1 L 3
serctazone 4 Dcembre 0 Sstem trfase e potenze serczo L L L 00 f 50 Hz smmetrco Fg : Sstema trfase a stella S consder l crcuto d Fg e s calcolno le tre corrent d fase e le potenze attve, reattve ed apparent
DettagliMisure indipendenti della stessa grandezza, ciascuna con una diversa precisione.
Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.
DettagliLa teoria del consumo
La teora del consumo L equazone d Slutsky. Problema dell ntegrabltà. Maro Sortell Dartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I-70125 Bar (Italy) (Tel.: +39 (0)99 7720 626; fax: +39
DettagliVII esercitazione. Corso di Laurea in Informatica Calcolo Scientifico II a.a. 07/08
VII eserctazone Una fattorzzazone che rvela propretà della matrce: La Sngular value decomposton (SVD) fattorzza una matrce rettangolare reale o complessa è utlzzata nelle applcazon: nella trasmssone d
DettagliMODELLI DI UTILITÀ ALEATORIA
corso d Teora e Tecnca della Crcolazone + Trasport e Terrtoro a.a. 2012-2013 MODELLI DI UTILITÀ ALEATORIA PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma2.t Modell d utltà
DettagliFUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE
FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE In presenza d una almentazone alternata snusodale tutte le grandezze elettrche saranno alternate snusodal. Le equazon d funzonamento n regme comunque varale
DettagliModelli di utilità aleatoria
Corso d Teora de Sstem d Trasporto + prof. ng. Antono Com gugno 8 Struttura del sstema d modell per la smulazone de sstem d trasporto Modell d offerta OFFERTA DI INFRASTRUTTURE E SERVIZI DI TRASPORTO MODELLO
DettagliAd esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t
Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende
DettagliINDICE. Scaricabile su: Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata
P r o f Gu d of r a n c n Anteprma Anteprma Anteprma www l e z o n j md o c o m Scarcable su: ttp://lezonjmdocom/ INDICE TEORIA Dervata n un punto Sgnfcato geometrco della dervata Funzone dervata e dervate
DettagliVerifica reti con più serbatoi (II)
Verfca ret con pù serbato (I) Condzon al contorno per gl N nod della rete e corrspondent ncognte: Condzone mposta Incognta A) carco pezometrco portata concentrata B) portata concentrata carco pezometrco
DettagliPrecisione e Cifre Significative
Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte
DettagliLE FREQUENZE CUMULATE
LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune
DettagliEquilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione
Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà
Dettagli