Introduzione ai Monte Carlo. Friday, June 12, 2009

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione ai Monte Carlo. Friday, June 12, 2009"

Transcript

1 Introduzione ai Monte Carlo 1

2 2

3 Nota importante Gli argomenti trattati sono complessi, non sono un esperto, spesso semplifico molto Considerate queste note come un introduzione, maggiori informazioni possono essere trovate nella bibliografia Il fine è far capire, a grandi linee, cosa sono le simulazioni MonteCarlo usate a LHC 3

4 Struttura Introduzione: ruolo dei MC il metodo MC Gli eventi di LHC Hard Process Parton Shower Hadronization Underlying Event Pythia Gli eventi di Pythia e l interfaccia a ROOT Esercizio 4

5 Ruolo dei MC Il mondo reale: Gli strumenti 1- acceleratore 2- esperimenti 3- strumenti software 4- analisi 5

6 Ruolo dei MC Ricostruzione dei dati del detector e interpretazione fisica delle misure 6

7 Ruolo dei MC generazione: il processo fisico validazione: confronto dati (test-beam) e simulazione, miglioramento simulazione simulazione: interazione radiazione 7 materia

8 Ruolo dei MC 1- Progettare un nuovo esperimento 2- Ottimizzare la sua costruzione 3- Preparare gli strumenti e le tecniche da usare nell analisi 4- Studiare quali osservabili permettono di meglio accedere alle leggi di nuova fisica generazione: il processo fisico simulazione: interazione radiazione 8 materia

9 Il metodo MC Simulazioni HEP sono basate sul metodo di integrazione numerica Monte Carlo Estrarre N valori di x da una distribuzione uniforme [x1,x2] Teorema limite centrale assicura (per f buona ) che IN converge a I L errore commesso è piccolo per grandi N Metodi MC estremamente efficaci per integrali di più variabili (fisica delle alte energie: spazio delle fasi con molti gradi di libertà) Nota: semplice da implementare in un algoritmo per PC, ma i computer non possono generare numeri casuali. Si utilizzano routine di generazione di numeri pseudo-casuali che hanno bisogno di un seme iniziale (seed), eseguendo due volte il MC con lo stesso seed i risultati sono identici 9

10 Il metodo MC La fisica delle interazioni fondamentali, può essere ridotta a calcolo di integrali e a distribuzioni ottenute da questi integrali: sezioni d urto e rate Esempio: decadimento del quark top, in quark b e W con conseguente decadimento del W in leptone neutrino t W b l ν Rate, cinematica delle particelle nello stato finale possono essere estratte dalle distribuzioni calcolate (ancora con routine per la generazione di numeri pseudo-casuali) Diverse applicazioni sono state sviluppate per automatizzare gran parte di queste procedure partendo dai diagrammi di Feynman: MADGRAPH, ALPGEN,... 10

11 Hard Process Siamo, in grado di poter descrivere esattamente (quanto esattamente dipende se mi fermo al LO, NLO, NNLO,...) l evento hard (es: ff->ttbar->lνbqqb) e di implementarlo in un programma per computer Tutto ciò non basta: Moltiplicità dello stato finale fissata Tutto ciò funziona a parton level, occorre vestire i partoni: nello stato finale osserviamo particelle 11

12 Struttura degli eventi a LHC 12

13 Struttura degli eventi a LHC Calcolabile,quello che abbiamo fin qui affrontato Anche nuova fisica (p.e. SUSY), una volta data la descrizione della fisica, può essere trattata nello stesso modo 13

14 Struttura degli eventi a LHC QED: cariche accelerate irradiano QCD: cariche colorate irradiano Ma i gluoni sono colorati Cascate di partoni 14

15 Parton showers Equazioni DGLAP (Dokshitzer-Gribov-Lipatov- Altarelli-Parisi) e fattore di forma di Sudakov permettono di descrivere probabilità di emettere partone (q o g) ad angolo θ (piccolo) con momento z Risoluzione dei detector è finita: 2 partoni collineari partone singolo introduciamo un criterio di risoluzione k >Q0 che ci guida nell evoluzione della cascata (emissione multipla ordinata per pt decrescente): quando l impulso trasverso dei prodotti è troppo piccolo mi fermo 15

16 Struttura degli eventi a LHC Partoni sono confinati in adroni, occorre modellare il confinamento e il meccanismo di creazione degli adrnoni Differenti modelli sono possibili, esempio: Lund String Model (un metodo molto simile ritornerà in seguito parlando di Geant4) 16

17 Lund String Model Consideriamo un interazione e + e - qqbar (coppia generata puntiforme) qqbar uniti da una stringa (potenziale interquark: tensione stringa k 1GeV/fm) I quark si allontanano con impulso pl (parametrizzato dai dati e + e - jj) La stringa si tende, per effetto tunnel è possibile creare una coppia qqbar dp exp(-πmq 2 /k), la stringa si frammenta in due: un mesone ed una nuova stringa. I barioni si creano in un modo simile creando una coppia (qq, qbarqbar) Se instabile, usiamo dati (PDG data tables) per decadimento 17

18 Struttura degli eventi a LHC Protoni sono estesi, occorre anche considerare i partoni spettatori (che possono a loro volta interagire): Underlying Event 18

19 Underlying Event UE parametrizzato sui dati (UA5 1979) con modelli per la dipendenza energetica Si utilizzano eventi di Minimum Bias (i.e. eventi accessibili ad un esperimento con il più basso pt): la generica interazione inelastica pp Un ultima complicazione: sperimentalmente si osserva che ad alte energie nel c.m. la sezione d urto inclusiva partone-partone è più grande della sezione d urto totale protone-protone Si spiega con multiple interazioni tra partoni in una singola interazione protoneprotone. I più comuni generatori di solito implementano questo effetto (Multiparton interacion model) sfruttando un modello della distribuzione spaziale dei partoni nel protone 19

20 Concludendo I generatori MC implementano i vari elementi di un interazione protoneprotone L Hard Process è ben compreso (non significa sia semplice l implementazione nei MC): fisica perturbativa Anche il Parton Shower è abbastanza ben capito: fisica perturbativa anche se si usano diverse approssimazioni L adronizzazione è descritta abbastanza bene: si usano modelli ben vincolati dai dati. Estrapolazione alle energie di LHC L Underlying Event è il meno capito: modellato e solo debolmente vincolato ai dati esistenti, estrapolazioni ad LHC più incerte (Nota: questo spiega perchè CMS e ATLAS si pongono come obiettivo con i primi dati misure di minimum bias, occorrono per fare il tuning dei MC alle energie di LHC) 20

21 Esempio: la validazione dei MC Passo fondamentale è quello di verificare le simulazioni con i dati sperimentali. Esempio (tratto da D0): eventi Z+jets, confronto tra misure e diversi generatori Pt dello Z Pythia Sherpa Numero di jet nello stato finale 21

22 PYTHIA: cos è? Forse il generatore più usato: prime versioni risalgono all inizio degli anni 80. Pythia v. 6.4 (fortran) la più usata (e la più tunata ), recentemente (2004, v. 8) implementazione in C++ Pythia permette di generare un processo 2 in n (2 fermioni interagiscono e producono 2 fermioni in usicia, eventualmente uso parton shower per gluoni e quark aggiuntivi) L output di pythia è un albero con tutte le particelle generate (adroni, leptoni), quelle stabili verranno utilizzate per i passi successivi (simulazione del detector e analisi: argomenti delle prossime lezioni) Pythia è un programma stand-alone, ma può essere interfacciato con diversi altri programmi: file di input (Les Houches Accord & Les Houches Event Files : un altro programma si occupa dell hard process e pythia si occupa di showering e adronizzazione); programmi specializzati per il decadimento di alcune particelle (per esempio per i tau: TAUOLA); permette di utilizzare LHAPDF o PDF definite dagli utenti 22

23 PYTHIA: cosa contiene? Hard Process: libreria built-in di molti processi a LO. Per il modello standard praticamente tutti i 2 1 e i 2 2, alcuni 2 3. Per SUSY alcuni processi (non ancora per PYTHIA8). Può avere input da MADGRAPH, ALPGEN,... Showering include q qg, g gg, g qqbar, f fγ, γ ffbar Adronizzazione: Lund String Model, decadimenti particelle UE e Minimum Bias: include anche multiparton interactions, interconnessioni di colore Set di utilità: quadri-momenti, generatori di numeri random, PDF, anche semplici routine di istogrammazione (non grafiche) 23

24 L albero dell evento Ogni particella dell evento è rappresentata da una classe particella che contiene le informazioni cinematiche (quadri-momento), il tipo (PDG code), lo status (stabile/instabile) ma anche gli indici della madre (da chi proviene la particella) e dei figli (i prodotti di decadimento) Esempio: consideriamo la produzione di un bosone di Higgs ad LHC che decade in due tau. Per semplicità non consideriamo quello che c è a monte del bosone di Higgs 24

25 Esempio indice PDG StatusCode (1=stabile, 2=instabile) 6 0 H τ τ 2 7 ντ 3 ν τ 1 ρ π - π γ γ 1 νe 5 1 e 25 1

26 Dal tree ad un array di particelle Index PDG ID GenStat KMothNt KFDauNt KLDauNt 4-momentum La tabella: un oggetto della classe evento La rappresentazione software di un evento class Particle { int PDG_ID; int GenStat; int KMothNt; //... FourMomentum p; //... }; class Event { //... Particles* ptree; }; ptree = new Particles[12] Attenzione: quello che segue è pseudocodice, i.e. non C++ reale, ma semplificazioni per spiegare i concetti 26

27 Dal tree ad un array di particelle Index PDG ID GenStat KMothNt KFDauNt KLDauNt 4-momentum Un oggetto della classe particella Indice for (i=0;i<12;++i) { Particle p =Event->ptree[i]; { 27

28 Dal tree ad un array di particelle Index PDG ID GenStat KMothNt KFDauNt KLDauNt 4-momentum Tipo della particella: PDG ID table Standard in HEP, google: pdg id table 25= H, 22=γ 11=e,13=mu,15=tau 213=ρ+ 211=π+ 111=π0 il segno - indica che è anti-particella Nota: valori usati internamente dai MC per tener traccia dello showering, non sono particelle reali! 28

29 Dal tree ad un array di particelle Index PDG ID GenStat KMothNt KFDauNt KLDauNt 4-momentum Stato della particella: 2 = instabile 1 = stabile Attenzione, può esistere anche 3 (usato per registrare le particelle dell hard scattering, i.e. senza showering), in generale non vanno usate 29

30 Dal tree ad un array di particelle Index PDG ID GenStat KMothNt KFDauNt KLDauNt 4-momentum Indice, nell array, della madre della particella. Esempio di utilizzo supponiamo di voler sapere il PDG della madre del tau. { Particle tau = Event->ptree[1]; int motherindex = tau.kmothnt; if ( motherindex < 0 ) { ERROR motehr does not exist! } Particle mother = Event->ptree[motherindex]; int motherpdg = mother.pdg_id; } 30

31 Dal tree ad un array di particelle Index PDG ID GenStat KMothNt KFDauNt KLDauNt 4-momentum Esempio di utilizzo supponiamo di voler sapere in cosa decadono i tau: for ( int i = 0 ; i <12 ; ++i ){ Particle p = Event->ptree[i]; if ( p.pdg_id == 15 && p.genstat==2) { for ( int di = p.kfdaunt ; di < p.kldaunt ; ++di ){ Particle d = Event->ptree[di]; cout<< Tipo figlio: << d.pdg_id <<endl; }//end for su daughters }//end for su particelle 31 KFDauNt: indice, nell array, del primo figlio (F=First) KLDauNt: indice, nell array, dell ultimo figlio (L=Last) Tutti i prodotti di decadimento sono compresi tra [KFDauNt,KLDauNt] estremi inclusi. Se non ci sono figli: KFDauNt==0 e KLDauNt==-1 Attenzione: per ottimizzare CPU e uso disco non tutte le particelle sono salvate, di solito solo se Pt >Cut (piccolo ad LHC ~400MeV), quindi anche una particella con GenStat==2 può non avere figli

32 Stato iniziale Stato finale Showering, adronizzazione e UE creano un evento molto più complesso: pp->ttbar 32

33 PYTHIA e ROOT La class TPythia permette di eseguire pythia all interno di ROOT La classe TParticle contiene una particella L evento (array di particelle) e un array di TParticle (è un oggetto di tipo TClonesArray, ma si usa in modo molto simile ad un array) 33

34 PYTHIA e ROOT //Creiamo pythia8: TPythia8 pythia8(); //Creiamo l evento, l array di particelle TClonesArray array( TParticle,1000); //Configuriamo pythia (pythia si configura tramite stringhe): pythia8.readstring( WeakSingleBoson:ffbar2W = on");//w production pythia8.readstring( 24:onMode=off );//spegni decadimenti W PDG(W)=24 pythia8.readstring( 24:onIfAny=11 );//decadimento e nu //Inizializziamo con stato iniziale e E c.m. pythia8.initialize( 2212, 2212, ); //PDG(p)=2212, E in GeV //Generiamo un evento: pythia8.generateevent(); //Prendi tutte le particelle dell evento: pythia8.importparticles(&array, All ); //Ora l array è pieno, quante particelle ci sono? int np = array.getentriesfast(); 34

35 Esercizio L esempio è la produzione diretta del W a LHC con conseguente decadimento leptonico Qual è la sezione d urto del processo? Se in un anno di presa dati ad LHC si accumulano 100 fb -1 quanti eventi occorre simulare per averne una statistica paragonabile? Modificare l esempio fornito e creare gli istogrammi delle seguenti quantità: Distribuzione dell impulso trasverso del leptone Distribuzione in pseudo-rapidità del leptone Molteplicità dello stato finale delle tracce cariche. Suggerimento: usare TParticle::GetPDG() e poi TParticlePDG::Charge() Per stampare la TCanvas con gli istogrammi usate Save dal menù File 35

Introduzione al MATLAB c Parte 2

Introduzione al MATLAB c Parte 2 Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione

Dettagli

Atomo: Particelle sub atomiche (appunti prof. Paolo Marchesi)

Atomo: Particelle sub atomiche (appunti prof. Paolo Marchesi) Atomo: Particelle sub atomiche (appunti prof. Paolo Marchesi) Il presente documento schematizza le principali particelle sub atomiche. Lo scopo di questa dispensa è fornire una schematizzazione sintetica

Dettagli

Lezione 22 Trigger. Trigger: seleziona gli eventi interessanti fra tutte le collisioni. Decide se l evento deve essere letto ed immagazzinato.

Lezione 22 Trigger. Trigger: seleziona gli eventi interessanti fra tutte le collisioni. Decide se l evento deve essere letto ed immagazzinato. : seleziona gli eventi interessanti fra tutte le collisioni. Decide se l evento deve essere letto ed immagazzinato. Sistema di acquisizione dati (DAQ): raccoglie i dati prodotti dall apparato e li immagazzina

Dettagli

Parte I. Prima Parte

Parte I. Prima Parte Parte I Prima Parte Capitolo 1 Introduzione generale 1.1 Il problema dell assegnazione Corsi-Borsisti Il problema dell assegnazione delle borse dei corsi ai vari studenti può essere riassunto nei punti

Dettagli

Ricorsione. (da lucidi di Marco Benedetti)

Ricorsione. (da lucidi di Marco Benedetti) Ricorsione (da lucidi di Marco Benedetti) Funzioni ricorsive Dal punto di vista sintattico, siamo in presenza di una funzione ricorsiva quando all interno della definizione di una funzione compaiono una

Dettagli

Studi di produzione delle J/psi in CMS

Studi di produzione delle J/psi in CMS Studi di produzione delle J/psi in CMS (work in progress!) Aafke Kraan Introduzione/motivazione Mechanismi di produzione J/psi allʼlhc Osservabili Selezione e ricostruzione dei J/psi Studi di fondo J/psi

Dettagli

Il modello di ottimizzazione SAM

Il modello di ottimizzazione SAM Il modello di ottimizzazione control, optimize, grow Il modello di ottimizzazione Il modello di ottimizzazione è allineato con il modello di ottimizzazione dell infrastruttura e fornisce un framework per

Dettagli

I casi d uso corrispondono ai compiti che l attore (che può essere una persona fisica e non) può svolgere.

I casi d uso corrispondono ai compiti che l attore (che può essere una persona fisica e non) può svolgere. UML e i Casi d USO I casi d uso specificano una sequenza di azioni che producono un risultato visibile agli attori del sistema. Essi nascono per fornire descrizioni delle capacità del sistema. I casi d

Dettagli

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione

Dettagli

Introduzione a ROOT. 1. Informazioni generali

Introduzione a ROOT. 1. Informazioni generali Introduzione a ROOT 1. Informazioni generali ROOT è un ambiente visualizzazione e trattamento dati interattivo sviluppato al CERN (si veda il sito ufficiale http://root.cern.ch interamente sviluppato in

Dettagli

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione2: 04-03-2005

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione2: 04-03-2005 esercitazione 2 p. 1/12 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione2: 04-03-2005 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it

Dettagli

Novità di Access 2010

Novità di Access 2010 2 Novità di Access 2010 In questo capitolo: Gestire le impostazioni e i file di Access nella visualizzazione Backstage Personalizzare l interfaccia utente di Access 2010 Creare database utilizzando modelli

Dettagli

Ing. Simone Giovannetti

Ing. Simone Giovannetti Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Ing. Simone Giovannetti Firenze, 29 Maggio 2012 1 Incertezza di Misura (1/3) La necessità di misurare nasce dall esigenza

Dettagli

Scheduling della CPU. Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux

Scheduling della CPU. Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux Scheduling della CPU Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux Sistemi multiprocessori Fin qui si sono trattati i problemi di scheduling su singola

Dettagli

Uso di librerie preconfezionate. pezzi di programma già scritto da altri; di solito ben collaudati;

Uso di librerie preconfezionate. pezzi di programma già scritto da altri; di solito ben collaudati; Uso di librerie preconfezionate Cosa sono: pezzi di programma già scritto da altri; di solito ben collaudati; comprendono le definizioni delle funzioni e il codice eseguibile; per librerie di pubblico

Dettagli

Metodologie di programmazione in Fortran 90

Metodologie di programmazione in Fortran 90 Metodologie di programmazione in Fortran 90 Ing. Luca De Santis DIS - Dipartimento di informatica e sistemistica Anno accademico 2007/2008 Fortran 90: Metodologie di programmazione DIS - Dipartimento di

Dettagli

Fermione. Particella a spin semintero, che obbedisce alla statistica di Fermi-Dirac.

Fermione. Particella a spin semintero, che obbedisce alla statistica di Fermi-Dirac. Particelle ed Interazioni fondamentali Fermione. Particella a spin semintero, che obbedisce alla statistica di Fermi-Dirac. Bosone. Particella a spin intero, che obbedisce alla statistica di Bose-Einstein.

Dettagli

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

Introduzione. Classificazione di Flynn... 2 Macchine a pipeline... 3 Macchine vettoriali e Array Processor... 4 Macchine MIMD... 6

Introduzione. Classificazione di Flynn... 2 Macchine a pipeline... 3 Macchine vettoriali e Array Processor... 4 Macchine MIMD... 6 Appunti di Calcolatori Elettronici Esecuzione di istruzioni in parallelo Introduzione... 1 Classificazione di Flynn... 2 Macchine a pipeline... 3 Macchine vettoriali e Array Processor... 4 Macchine MIMD...

Dettagli

Applicazione di tecniche di Infinitesimal Perturbation Analysis alle reti di Petri ibride.

Applicazione di tecniche di Infinitesimal Perturbation Analysis alle reti di Petri ibride. Applicazione di tecniche di Infinitesimal Perturbation Analysis alle reti di Petri ibride. Relatori: A. Giua, C. Seatzu Reti di Petri ibride Analisi perturbativa infinitesimale Il simulatore HYPENS I sistemi

Dettagli

risulta (x) = 1 se x < 0.

risulta (x) = 1 se x < 0. Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente

Dettagli

Sommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.

Sommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell

Dettagli

Stimare il WCET Metodo classico e applicazione di un algoritmo genetico

Stimare il WCET Metodo classico e applicazione di un algoritmo genetico Stimare il WCET Metodo classico e applicazione di un algoritmo genetico Sommario Introduzione Definizione di WCET Importanza del WCET Panoramica dei classici metodi per calcolare il WCET [1] Utilizzo di

Dettagli

Tipi classici di memoria. Obiettivo. Principi di localita. Gerarchia di memoria. Fornire illimitata memoria veloce. Static RAM. Problemi: Dynamic RAM

Tipi classici di memoria. Obiettivo. Principi di localita. Gerarchia di memoria. Fornire illimitata memoria veloce. Static RAM. Problemi: Dynamic RAM Obiettivo Tipi classici di memoria Fornire illimitata memoria veloce Problemi: costo tecnologia Soluzioni: utilizzare diversi tipi di memoria... Static RAM access times are 2-25ns at cost of $100 to $250

Dettagli

Tecniche di Simulazione: Introduzione. N. Del Buono:

Tecniche di Simulazione: Introduzione. N. Del Buono: Tecniche di Simulazione: Introduzione N. Del Buono: 2 Che cosa è la simulazione La SIMULAZIONE dovrebbe essere considerata una forma di COGNIZIONE (COGNIZIONE qualunque azione o processo per acquisire

Dettagli

Per scrivere una procedura che non deve restituire nessun valore e deve solo contenere le informazioni per le modalità delle porte e controlli

Per scrivere una procedura che non deve restituire nessun valore e deve solo contenere le informazioni per le modalità delle porte e controlli CODICE Le fonti in cui si possono trovare tutorial o esempi di progetti utilizzati con Arduino si trovano nel sito ufficiale di Arduino, oppure nei forum di domotica e robotica. Il codice utilizzato per

Dettagli

Esercizi su. Funzioni

Esercizi su. Funzioni Esercizi su Funzioni ๒ Varie Tracce extra Sul sito del corso ๓ Esercizi funz_max.cc funz_fattoriale.cc ๔ Documentazione Il codice va documentato (commentato) Leggibilità Riduzione degli errori Manutenibilità

Dettagli

Stato del software per l analisi del test beam. 21/6/2002 Tommaso Boccali 1

Stato del software per l analisi del test beam. 21/6/2002 Tommaso Boccali 1 Stato del software per l analisi del test beam 21/6/2002 Tommaso Boccali 1 Analisi del test beam Review di quello che esiste 2 pacchetti software (TT6 e ROB) committati e usabili da tutti Set di macro

Dettagli

Cosa è un foglio elettronico

Cosa è un foglio elettronico Cosa è un foglio elettronico Versione informatica del foglio contabile Strumento per l elaborazione di numeri (ma non solo...) I valori inseriti possono essere modificati, analizzati, elaborati, ripetuti

Dettagli

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S

Dettagli

Un gioco con tre dadi

Un gioco con tre dadi Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.

Dettagli

WEB SEMINAR Dettaglio servizio

WEB SEMINAR Dettaglio servizio WEB SEMINAR Dettaglio servizio INTRODUZIONE L organizzazione di un web seminar prevede diverse e ben distinte fasi che iniziano con la promozione dell evento e si concludono con i report relativi alle

Dettagli

12 - Introduzione alla Programmazione Orientata agli Oggetti (Object Oriented Programming OOP)

12 - Introduzione alla Programmazione Orientata agli Oggetti (Object Oriented Programming OOP) 12 - Introduzione alla Programmazione Orientata agli Oggetti (Object Oriented Programming OOP) Programmazione e analisi di dati Modulo A: Programmazione in Java Paolo Milazzo Dipartimento di Informatica,

Dettagli

ISTITUTO TECNICO ECONOMICO MOSSOTTI

ISTITUTO TECNICO ECONOMICO MOSSOTTI CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche

Dettagli

Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V

Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.

Dettagli

Il Modello Standard. Giuseppe Salamanna Università Roma Tre Master Classes 27 marzo 2015

Il Modello Standard. Giuseppe Salamanna Università Roma Tre Master Classes 27 marzo 2015 Il Modello Standard Giuseppe Salamanna Università Roma Tre Master Classes 27 marzo 2015 1 Sommario I costituenti elementari della materia Tre famiglie di mattoni elementari Quattro forze fondamentali:

Dettagli

IL METODO PER IMPOSTARE E RISOLVERE I PROBLEMI DI FISICA (NB non ha nulla a che vedere con il metodo scientifico)

IL METODO PER IMPOSTARE E RISOLVERE I PROBLEMI DI FISICA (NB non ha nulla a che vedere con il metodo scientifico) IL METODO PER IMPOSTARE E RISOLVERE I PROBLEMI DI FISICA (NB non ha nulla a che vedere con il metodo scientifico) [nota: Nel testo sono riportate tra virgolette alcune domande che insegnanti e studenti

Dettagli

Capitolo 3. L applicazione Java Diagrammi ER. 3.1 La finestra iniziale, il menu e la barra pulsanti

Capitolo 3. L applicazione Java Diagrammi ER. 3.1 La finestra iniziale, il menu e la barra pulsanti Capitolo 3 L applicazione Java Diagrammi ER Dopo le fasi di analisi, progettazione ed implementazione il software è stato compilato ed ora è pronto all uso; in questo capitolo mostreremo passo passo tutta

Dettagli

Simulazioni di pattern di antenna con il software SRSR

Simulazioni di pattern di antenna con il software SRSR Simulazioni di pattern di antenna con il software SRSR C. Franceschet Università degli Studi di Milano Dipartimento di Fisica Cosa trattiamo oggi Introduzione al software SRSR Requisiti per il funzionamento

Dettagli

Errori di una misura e sua rappresentazione

Errori di una misura e sua rappresentazione Errori di una misura e sua rappresentazione Il risultato di una qualsiasi misura sperimentale è costituito da un valore numerico (con la rispettiva unità di misura) ed un incertezza (chiamata anche errore)

Dettagli

Valutazione delle Prestazioni. Valutazione delle Prestazioni. Architetture dei Calcolatori (Lettere. Tempo di risposta e throughput

Valutazione delle Prestazioni. Valutazione delle Prestazioni. Architetture dei Calcolatori (Lettere. Tempo di risposta e throughput Valutazione delle Prestazioni Architetture dei Calcolatori (Lettere A-I) Valutazione delle Prestazioni Prof. Francesco Lo Presti Misura/valutazione di un insieme di parametri quantitativi per caratterizzare

Dettagli

La memoria centrale (RAM)

La memoria centrale (RAM) La memoria centrale (RAM) Mantiene al proprio interno i dati e le istruzioni dei programmi in esecuzione Memoria ad accesso casuale Tecnologia elettronica: Veloce ma volatile e costosa Due eccezioni R.O.M.

Dettagli

Capitolo V : Il colore nelle immagini digitali

Capitolo V : Il colore nelle immagini digitali Capitolo V : Il colore nelle immagini digitali Lavorare con il colore nelle immagini digitali L uso dei colori nella visione computerizzata e nella computer grafica implica l incorrere in determinate problematiche

Dettagli

RAPPRESENTAZIONE GRAFICA DEGLI ALGORITMI

RAPPRESENTAZIONE GRAFICA DEGLI ALGORITMI RAPPRESENTAZIONE GRAFICA DEGLI ALGORITMI Diagramma di flusso L algoritmo può essere rappresentato in vari modi, grafici o testuali. Uno dei metodi grafici più usati e conosciuti è il cosiddetto diagramma

Dettagli

Università di Roma Tor Vergata Corso di Laurea triennale in Informatica Sistemi operativi e reti A.A. 2013-14. Pietro Frasca.

Università di Roma Tor Vergata Corso di Laurea triennale in Informatica Sistemi operativi e reti A.A. 2013-14. Pietro Frasca. Università di Roma Tor Vergata Corso di Laurea triennale in Informatica Sistemi operativi e reti A.A. 2013-14 Pietro Frasca Lezione 11 Martedì 12-11-2013 1 Tecniche di allocazione mediante free list Generalmente,

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -

Dettagli

Laboratorio di Ottica, Spettroscopia, Astrofisica

Laboratorio di Ottica, Spettroscopia, Astrofisica Università degli Studi di Palermo Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Fisica Progetto Lauree Scientifiche Laboratorio di Ottica, Spettroscopia, Astrofisica Antonio Maggio

Dettagli

Fasi di creazione di un programma

Fasi di creazione di un programma Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo 41 Sviluppo di programmi Per la costruzione di un programma

Dettagli

Introduzione al corso

Introduzione al corso Introduzione al corso Sistemi Informativi L-B Home Page del corso: http://www-db.deis.unibo.it/courses/sil-b/ Versione elettronica: introduzione.pdf Sistemi Informativi L-B Docente Prof. Paolo Ciaccia

Dettagli

Page 1. Evoluzione. Intelligenza Artificiale. Algoritmi Genetici. Evoluzione. Evoluzione: nomenclatura. Corrispondenze natura-calcolo

Page 1. Evoluzione. Intelligenza Artificiale. Algoritmi Genetici. Evoluzione. Evoluzione: nomenclatura. Corrispondenze natura-calcolo Evoluzione In ogni popolazione si verificano delle mutazioni. Intelligenza Artificiale In un ambiente che varia, le mutazioni possono generare individui che meglio si adattano alle nuove condizioni. Questi

Dettagli

Più processori uguale più velocità?

Più processori uguale più velocità? Più processori uguale più velocità? e un processore impiega per eseguire un programma un tempo T, un sistema formato da P processori dello stesso tipo esegue lo stesso programma in un tempo TP T / P? In

Dettagli

Introduzione alla programmazione in C

Introduzione alla programmazione in C Introduzione alla programmazione in C Testi Consigliati: A. Kelley & I. Pohl C didattica e programmazione B.W. Kernighan & D. M. Ritchie Linguaggio C P. Tosoratti Introduzione all informatica Materiale

Dettagli

Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione

Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione 4 LEZIONE: Programmazione su Carta a Quadretti Tempo della lezione: 45-60 Minuti. Tempo di preparazione: 10 Minuti Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione SOMMARIO:

Dettagli

13. Campi vettoriali

13. Campi vettoriali 13. Campi vettoriali 1 Il campo di velocità di un fluido Il concetto di campo in fisica non è limitato ai fenomeni elettrici. In generale il valore di una grandezza fisica assegnato per ogni punto dello

Dettagli

Ottimizzazione delle interrogazioni (parte I)

Ottimizzazione delle interrogazioni (parte I) Ottimizzazione delle interrogazioni I Basi di Dati / Complementi di Basi di Dati 1 Ottimizzazione delle interrogazioni (parte I) Angelo Montanari Dipartimento di Matematica e Informatica Università di

Dettagli

Sviluppo Applicativi personalizzati per automatizzare le Analisi SPC

Sviluppo Applicativi personalizzati per automatizzare le Analisi SPC Sviluppo Applicativi personalizzati per automatizzare le Analisi SPC Query sui Databases Aziendali Report Automatici Interfacce Operatore Analisi Statistiche Minitab Web: www.gmsl.it Email: info@gmsl.it

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

Progetto di RHS MicroAODV per Reti di Sensori A.A. 2007/2008

Progetto di RHS MicroAODV per Reti di Sensori A.A. 2007/2008 Progetto di RHS MicroAODV per Reti di Sensori A.A. 2007/2008 Si consideri una rete di sensori MicaZ con sistema operativo TinyOS, dove ogni nodo è identificato da un ID unico e dove è presente un solo

Dettagli

Dispensa di Informatica I.1

Dispensa di Informatica I.1 IL COMPUTER: CONCETTI GENERALI Il Computer (o elaboratore) è un insieme di dispositivi di diversa natura in grado di acquisire dall'esterno dati e algoritmi e produrre in uscita i risultati dell'elaborazione.

Dettagli

Architettura hardware

Architettura hardware Architettura dell elaboratore Architettura hardware la parte che si può prendere a calci Sistema composto da un numero elevato di componenti, in cui ogni componente svolge una sua funzione elaborazione

Dettagli

Mon Ami 3000 Varianti articolo Gestione di varianti articoli

Mon Ami 3000 Varianti articolo Gestione di varianti articoli Prerequisiti Mon Ami 3000 Varianti articolo Gestione di varianti articoli L opzione Varianti articolo è disponibile per le versioni Azienda Light e Azienda Pro e include tre funzionalità distinte: 1. Gestione

Dettagli

EXPLOit Content Management Data Base per documenti SGML/XML

EXPLOit Content Management Data Base per documenti SGML/XML EXPLOit Content Management Data Base per documenti SGML/XML Introduzione L applicazione EXPLOit gestisce i contenuti dei documenti strutturati in SGML o XML, utilizzando il prodotto Adobe FrameMaker per

Dettagli

Processo di risoluzione di un problema ingegneristico. Processo di risoluzione di un problema ingegneristico

Processo di risoluzione di un problema ingegneristico. Processo di risoluzione di un problema ingegneristico Processo di risoluzione di un problema ingegneristico 1. Capire l essenza del problema. 2. Raccogliere le informazioni disponibili. Alcune potrebbero essere disponibili in un secondo momento. 3. Determinare

Dettagli

Calcolatori Elettronici. La memoria gerarchica La memoria virtuale

Calcolatori Elettronici. La memoria gerarchica La memoria virtuale Calcolatori Elettronici La memoria gerarchica La memoria virtuale Come usare la memoria secondaria oltre che per conservare permanentemente dati e programmi Idea Tenere parte del codice in mem princ e

Dettagli

Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e

Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e Alberi di decisione Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e lanciarlo con i parametri di default.

Dettagli

Il Sistema Operativo. C. Marrocco. Università degli Studi di Cassino

Il Sistema Operativo. C. Marrocco. Università degli Studi di Cassino Il Sistema Operativo Il Sistema Operativo è uno strato software che: opera direttamente sull hardware; isola dai dettagli dell architettura hardware; fornisce un insieme di funzionalità di alto livello.

Dettagli

Modelli matematici e realtà:

Modelli matematici e realtà: Piano Lauree Scientifiche Matematica e Statistica 2010-11 Modelli matematici e realtà: sulle equazioni differenziali - prima parte R. Vermiglio 1 1 Dipartimento di Matematica e Informatica - Università

Dettagli

Informatica - A.A. 2010/11

Informatica - A.A. 2010/11 Ripasso lezione precedente Facoltà di Medicina Veterinaria Corso di laurea in Tutela e benessere animale Corso Integrato: Matematica, Statistica e Informatica Modulo: Informatica Esercizio: Convertire

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Una funzione reale di una variabile reale f di dominio A è una legge che ad ogni x A associa un numero reale che denotiamo con f(x). Se A = N, la f è detta successione di numeri reali.

Dettagli

Progettaz. e sviluppo Data Base

Progettaz. e sviluppo Data Base Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo

Dettagli

Sistemi Operativi MECCANISMI E POLITICHE DI PROTEZIONE. D. Talia - UNICAL. Sistemi Operativi 13.1

Sistemi Operativi MECCANISMI E POLITICHE DI PROTEZIONE. D. Talia - UNICAL. Sistemi Operativi 13.1 MECCANISMI E POLITICHE DI PROTEZIONE 13.1 Protezione Obiettivi della Protezione Dominio di Protezione Matrice di Accesso Implementazione della Matrice di Accesso Revoca dei Diritti di Accesso Sistemi basati

Dettagli

MECCANISMI E POLITICHE DI PROTEZIONE 13.1

MECCANISMI E POLITICHE DI PROTEZIONE 13.1 MECCANISMI E POLITICHE DI PROTEZIONE 13.1 Protezione Obiettivi della Protezione Dominio di Protezione Matrice di Accesso Implementazione della Matrice di Accesso Revoca dei Diritti di Accesso Sistemi basati

Dettagli

www.filoweb.it STAMPA UNIONE DI WORD

www.filoweb.it STAMPA UNIONE DI WORD STAMPA UNIONE DI WORD Molte volte abbiamo bisogno di stampare più volte lo stesso documento cambiando solo alcuni dati. Potremmo farlo manualmente e perdere un sacco di tempo, oppure possiamo ricorrere

Dettagli

1 Serie di Taylor di una funzione

1 Serie di Taylor di una funzione Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita

Dettagli

Informatica 3. LEZIONE 21: Ricerca su liste e tecniche di hashing. Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing

Informatica 3. LEZIONE 21: Ricerca su liste e tecniche di hashing. Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing Informatica 3 LEZIONE 21: Ricerca su liste e tecniche di hashing Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing Informatica 3 Lezione 21 - Modulo 1 Algoritmi sequenziali e basati su

Dettagli

Le strumentazioni laser scanning oriented per i processi di censimento anagrafico dei patrimoni

Le strumentazioni laser scanning oriented per i processi di censimento anagrafico dei patrimoni CONVEGNO FACILITY MANAGEMENT: LA GESTIONE INTEGRATA DEI PATRIMONI PUBBLICI GENOVA FACOLTA DI ARCHITETTURA 06.07.2010 Le strumentazioni laser scanning oriented per i processi di censimento anagrafico dei

Dettagli

Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi.

Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi. PROGETTO SeT Il ciclo dell informazione Alla ricerca dell algoritmo. Scoprire e formalizzare algoritmi. Scuola media Istituto comprensivo di Fagagna (Udine) Insegnanti referenti: Guerra Annalja, Gianquinto

Dettagli

Sistema operativo: Gestione della memoria

Sistema operativo: Gestione della memoria Dipartimento di Elettronica ed Informazione Politecnico di Milano Informatica e CAD (c.i.) - ICA Prof. Pierluigi Plebani A.A. 2008/2009 Sistema operativo: Gestione della memoria La presente dispensa e

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

Guida all uso delle Web View su ios

Guida all uso delle Web View su ios Guida all uso delle Web View su ios Tesina per il corso di Programmazione di Sistemi Mobile Lorenzo Pellegrini Matricola: 0000653299 Cosa sono le Web View? Le web view sono componenti grafiche, integrabili

Dettagli

da 2 a 5 giocatori, dai 10 anni in su, durata 30 minuti

da 2 a 5 giocatori, dai 10 anni in su, durata 30 minuti da 2 a 5 giocatori, dai 10 anni in su, durata 30 minuti OBIETTIVO Il vincitore è colui che, dopo due round di gioco, delle sue 11 ordinazioni, ne ha consegnate il maggior numero. CONTENUTO DELLA SCATOLA

Dettagli

Codifica: dal diagramma a blocchi al linguaggio C++

Codifica: dal diagramma a blocchi al linguaggio C++ Codifica: dal diagramma a blocchi al linguaggio C++ E necessario chiarire inizialmente alcuni concetti. La compilazione Il dispositivo del computer addetto all esecuzione dei programmi è la CPU La CPU

Dettagli

INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI

INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, abbiamo bisogno di conoscere un metodo risolutivo, cioè un metodo che a partire dai dati di ingresso fornisce i risultati attesi.

Dettagli

Lezione 1. Introduzione e Modellazione Concettuale

Lezione 1. Introduzione e Modellazione Concettuale Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and

Dettagli

Codifica delle immagini

Codifica delle immagini Codifica delle immagini Abbiamo visto come la codifica di testi sia (relativamente) semplice Un testo è una sequenza di simboli Ogni simbolo è codificato con un numero Ed ecco che il testo è trasformato

Dettagli

Equilibrio bayesiano perfetto. Giochi di segnalazione

Equilibrio bayesiano perfetto. Giochi di segnalazione Equilibrio bayesiano perfetto. Giochi di segnalazione Appunti a cura di Stefano Moretti, Silvia VILLA e Fioravante PATRONE versione del 26 maggio 2006 Indice 1 Equilibrio bayesiano perfetto 2 2 Giochi

Dettagli

Strutture. Strutture e Unioni. Definizione di strutture (2) Definizione di strutture (1)

Strutture. Strutture e Unioni. Definizione di strutture (2) Definizione di strutture (1) Strutture Strutture e Unioni DD cap.10 pp.379-391, 405-406 KP cap. 9 pp.361-379 Strutture Collezioni di variabili correlate (aggregati) sotto un unico nome Possono contenere variabili con diversi nomi

Dettagli

DAL PROBLEMA ALL'ALGORITMO AL PROGRAMMA SCRITTO IN Come. Scopo principale dell informatica è risolvere problemi con i calcolatori.

DAL PROBLEMA ALL'ALGORITMO AL PROGRAMMA SCRITTO IN Come. Scopo principale dell informatica è risolvere problemi con i calcolatori. DAL PROBLEMA ALL'ALGORITMO AL PROGRAMMA SCRITTO IN Come Scopo principale dell informatica è risolvere problemi con i calcolatori. Non tutti i problemi sono risolvibili con i calcolatori. Si può dimostrato

Dettagli

MODULO STAMPA BOLLETTINO PDF

MODULO STAMPA BOLLETTINO PDF MODULO STAMPA BOLLETTINO PDF MODULO STAMPA BOLLETTINO PDF pagina 2 di 7 INTRODUZIONE Il modulo STAMPA BOLLETTINO PDF è una applicazione stand-alone, sviluppata in linguaggio Java, che permette di produrre

Dettagli

Identificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete Neuronale

Identificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete Neuronale Identificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete euronale Descrizione Il presente lavoro, facente segiuto a quanto descritto precedentemente, ha il fine di: 1) introdurre

Dettagli

La propagazione delle onde luminose può essere studiata per mezzo delle equazioni di Maxwell. Tuttavia, nella maggior parte dei casi è possibile

La propagazione delle onde luminose può essere studiata per mezzo delle equazioni di Maxwell. Tuttavia, nella maggior parte dei casi è possibile Elementi di ottica L ottica si occupa dello studio dei percorsi dei raggi luminosi e dei fenomeni legati alla propagazione della luce in generale. Lo studio dell ottica nella fisica moderna si basa sul

Dettagli

Informatica per la comunicazione" - lezione 7 -

Informatica per la comunicazione - lezione 7 - Informatica per la comunicazione - lezione 7 - Campionamento La codifica dei suoni si basa sulla codifica delle onde che li producono, a sua volta basata su una procedura chiamata campionamento.! Il campionamento

Dettagli

Microsimulazione dinamica della circolazione a supporto alla pianificazione ferroviaria

Microsimulazione dinamica della circolazione a supporto alla pianificazione ferroviaria Microsimulazione dinamica della circolazione a supporto alla pianificazione ferroviaria Cosa è Opentrack OpenTrack è uno strumento di supporto alla pianificazione ferroviaria (sia dell infrastruttura che

Dettagli

Altri metodi di indicizzazione

Altri metodi di indicizzazione Organizzazione a indici su più livelli Altri metodi di indicizzazione Al crescere della dimensione del file l organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del

Dettagli

Come masterizzare dischi con Nero 11

Come masterizzare dischi con Nero 11 Come masterizzare dischi con Nero 11 Non c è dubbio che Nero è diventato un sinonimo di masterizzatore di dischi, data la lunga esperienza sul mercato. Molte persone pensano in questo programma nel momento

Dettagli

Matematica generale CTF

Matematica generale CTF Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Mon Ami 3000 Provvigioni agenti Calcolo delle provvigioni per agente / sub-agente

Mon Ami 3000 Provvigioni agenti Calcolo delle provvigioni per agente / sub-agente Prerequisiti Mon Ami 3000 Provvigioni agenti Calcolo delle provvigioni per agente / sub-agente L opzione Provvigioni agenti è disponibile per le versioni Vendite, Azienda Light e Azienda Pro. Introduzione

Dettagli

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Dipartimento di Ingegneria della Informazione Via Diotisalvi, 2 56122 PISA ALGORITMI GENETICI (GA) Sono usati per risolvere problemi di ricerca

Dettagli