Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media"

Transcript

1 Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema: l esecutore deve leggere n ngresso una sequenza d numer natural (.e. nter postv strettamente maggor d zero) e calcolarne (per po stamparl) l massmo, l mnmo e la meda La sequenza s nterrompe n appena vene ntrodotto un numero negatvo o uguale a zero Per esempo, data la sequenza 5, 1, 2, 3, 4, -5, l rsultato dovrebbe essere: Il massmo è 5, l mnmo è 1, la meda è 3 Fondament d Informatca A Unverstà d Bresca 2 Calcolo massmo, mnmo e meda Scomposzone n sottoproblem: 1. max 0, mn 1000, meda 0, n 0 2. Legg un valore dall ester e nsersclo nella varable x 3. Se x > 0 allora va al passo 4 altrment va al passo Se x > max allora max x 5. Se x < mn allora mn x 6. meda meda + x 7. n n Legg un valore dall ester e nsersclo nella varable x 9. Va al passo Se n > 0 allora va al passo 11 altrment va al passo meda meda / n Ipotes: s supponga che l massmo numero rappresentable sa Stampa Massmo, mnmo, meda = seguta da valor n max, mn, meda e va a al passo Stampa La sequenza nserta è nulla 14. Fne Fondament d Informatca A Unverstà d Bresca 3 max 0 mn 1000 meda 0 n 0 x x > 0 x > max x < mn max x mn x meda meda + x n n + 1 Schema a blocch x La sequenza nserta è nulla n > 0 meda meda / n Il massmo è, max Il mnmo è mn la meda è meda

2 Esecuzone passo passo dell algortmo: data la sequenza 5, 1, 2, 3, 4, -5 1 Assegna 0 a max, 1000 a mn, 0 a meda e 0 a n 2 Lettura d un numero e memorzzazone nella varable x (x=5) 3 Controllo se x > 0 è vero 4 Controllo se x > max è vero 5 max = 5 6 Controllo se x < mn è vero 7 mn = 5 8 meda = = 5 9 n = = 1 10 Lettura d un numero e memorzzazone nella varable x (x=1) 11 Controllo se x > 0 è vero 12 Controllo se x > max n è vero 13 Controllo se x < mn è vero 14 mn = 1 Esecuzone passo passo dell algortmo: data la sequenza 5, 1, 2, 3, 4, meda = = 6 16 n = = 2 17 Lettura d un numero e memorzzazone nella varable x (x=2) 18 Controllo se x > 0 è vero 19 Controllo se x > max n è vero 20 Controllo se x < mn n è vero 21 meda = = 8 22 n = = 3 23 Lettura d un numero e memorzzazone nella varable x (x=3) 24 Controllo se x > 0 è vero 25 Controllo se x > max n è vero 26 Controllo se x < mn n è vero 27 meda = = n = = 4 Fondament d Informatca A Unverstà d Bresca 5 Fondament d Informatca A Unverstà d Bresca 6 Esecuzone passo passo dell algortmo: data la sequenza 5, 1, 2, 3, 4, Lettura d un numero e memorzzazone nella varable x (x = 4) 30 Controllo se x > 0 è vero 31 Controllo se x > max n è vero 32 Controllo se x < mn n è vero 33 meda = = n = = 5 35 Lettura d un numero e memorzzazone nella varable x (x = -5) 36 Controllo se x > 0 n è vero 37 Controllo se n > 0 è vero 38 meda = 15 / 5 = 3 39 Vsualzza l Massmo è 5 40 Vsualzza Il mnmo è 1 41 Vsualzza La meda è 3 Esecuzone passo passo dell algortmo: data la sequenza 2 (coè sequenza nulla) 1 Assegna 0 a max, 1000 a mn, 0 a meda e 0 a n 2 Lettura d un numero e memorzzazone nella varable x (x=-2) 3 Controllo se x > 0 n è vero 4 Controllo se n > 0 n è vero 5 Vsualzza La sequenza nserta è nulla Fondament d Informatca A Unverstà d Bresca 7 Fondament d Informatca A Unverstà d Bresca 8

3 Sa y = r = q 1 r q (r > 0) AND (q > 0) AND (r > q) y = r = q 1 Scrvere l dagramma d flusso per l calcolo d y assumendo d acqusre r e q dall ester (dat d nput) Nota: controllare che r e q sa nter postv tal che r > q somma 0 q <= r somma somma + (1/) +1 somma Errore nell mmssone de dat Fondament d Informatca A Unverstà d Bresca 9 Esecuzone passo passo dell algortmo 1 Lettura d un numero e memorzzazone nella varable r (r=6) 2 Lettura d un numero e memorzzazone nella varable q (q=4) 3 Controllo se (r>0) AND (q > 0) AND (r>q) è vero 4 Somma = 0 5 I = 4 6 Controllo se 4 <= 6 è vero 7 Somma = 0 + 1/4 = 0,25 8 I = = 5 9 Controllo se 5 <= 6 è vero 10 Somma = 0,25 + 1/5 = 0,45 11 I = = 6 12 Controllo se 6 <= 6 è vero 13 Somma = 0,45 + 1/6 = 0, I = = 7 15 Controllo se 7 <= 6 n è vero 16 Vsualzza 0, Fondament d Informatca A Unverstà d Bresca 11 Scrvere un dagramma d flusso strutturato che, dat n ngresso due numer postv x e y vsualzza n ordne decrescente la sequenza d numer nter compres tra x e y che so dvsbl per per l mre tra x e y. Ad esempo, se x = 7 e y = 35, la sequenza è Scrvere l corrspondente programma n C Fondament d Informatca A Unverstà d Bresca 12

4 x x y y x y x>y j y x<j j mod x = 0 Soluzone: schema a blocch j è necessaro usare la varable j? j Sa y = k ( = 1 j= ) j 2 Scrvere l dagramma d flusso per l calcolo d y assumendo d acqusre k dall ester (dato d nput) controllando che k sa ntero postvo Scrvere l corrspondente programma n C e n Basc j j - 1 Fondament d Informatca A Unverstà d Bresca 13 Fondament d Informatca A Unverstà d Bresca 14 k k <= 0 y 0 0 Errore nell mmssone de dat y k = ( 1 = 1 j= 1 + ) j 2 k k <= 0 y 0 1 Errore nell mmssone de dat y Una soluzone alternatva? k = ( = 1 j= ) j 2!= k S S*S y y + S S 0 +1 j 1 j<= S S + 1/(+j) j j+1 y S S*S y y + S + 1 <=k S 0 j 1 j<= S S + 1/(+j) j j+1 y

5 man() /* n C */ nt k,, j; float y, s; do scanf( %d, &k); f (k <= 0) prntf( Errore nell mmssone d k ); whle (k<=0) y = 0; = 1; whle ( <= k) s = 0; j = 1; whle (j <= ) s = s + 1/(+j); j = j + 1; s = s * s; y = y + s; = + 1; prntf( %d, y) Cclo d acquszone d k Inzalzzazon per cclo ester Inzalzzazon per cclo nter Traduzone n C Sommatora nterna Sommatora esterna n BASIC dm as nteger, j as nteger, k as nteger dm y as sngle, s as sngle do nput k f k <= 0 then prnt Errore nell mmssone d k loop whle k<=0 y = 0: = 1 whle <= k s = 0: j = 1 whle j <= s = s + 1/(+j) j = j + 1 s = s * s y = y + s = + 1 prnt y Traduzone n Basc : fare l esecuzone passo passo del programma Fondament d Informatca A Unverstà d Bresca 18 : rcerca elemento n un vettore S supponga d avere n numer memorzzat n un vettore d n element Scrvere un algortmo (n pseudo-codce o con u schema a blocch) che, preso n ngresso un numero, rcerca tale numero nel vettore e se esste rsponde ho trovato l numero, altrment rsponde l numero n è nel vettore Scrvere l corrspondente programma n C e n Basc (ta: per la stampa d strnghe usare prntf, es. prntf( ho trovato l numero ) e prnt es. prnt ho trovato l numero Fondament d Informatca A Unverstà d Bresca 19 Rcerca d un elemento n un vettore Dat n=100 ntero a[ ] vettore d nter, t, num nter postv Rsoluzone legg num 1 t = 0 fnchè ( <= n ) rpet se a[] = num allora t = cclo se t = 1 allora scrv trovato altrment scrv n trovato man() /* C */ E meglo nt a[100]; d un cclo nt, t, num; FOR? scanf( %d,&num); Perché? = 0; t = 0; whle ( < 100) f (a[] == num) t = 1; = + 1; f (t == 1) prntf ( Trovato ); else prntf( Non trovato ); Fondament d Informatca A Unverstà d Bresca 20

6 Rcerca d un elemento n un vettore Dat n=100 ntero a[ ] vettore d nter, t, num nter postv Rsoluzone Cclo neffcente! legg num 1 t = 0 Idee? fnchè ( <= n ) rpet se a[] = num allora t = cclo se t = 1 allora scrv trovato altrment scrv n trovato n Basc dm a(100) as nteger dm as nteger, t as nteger dm num as nteger nput num = 1 t = 0 whle <= 100 f a() = num then t = 1 = + 1 f t = 1 then prnt Trovato else prnt Non trovato Fondament d Informatca A Unverstà d Bresca 21 S consder l problema d leggere una sequenza arbtrara d numer n ngresso e rscrverla n ordne nverso Rsolvere l problema usando vettor S supponga che la della sequenza sa ndcata dal numero 0 Scrvere l dagramma d flusso Scrvere corrspondent programm n C e n Basc Fondament d Informatca A Unverstà d Bresca 22 conta 1 0 (conta <= 100) AND ( = 0) a[conta] a[conta]=0 conta conta Inversone della sequenza: dagramma d flusso Ipotes: - massmo numero d element acqusbl = s dchara qund un vettore a[100] conta conta - 1 conta>0 a[conta] conta conta - 1 Fondament d Informatca A Unverstà d Bresca 23 Programma nvert-sequenza man() /* C */ nt a[100]; nt conta, ; conta = 0; = 0; whle ((conta < 100) && (==0)) scanf( %d,&a[conta]); f (a[conta] == 0) = 1; conta = conta + 1; conta = conta - 1; whle (conta >= 0) prntf( %d,a[conta]); conta = conta 1; Basc dm a(100) as nteger dm conta as nteger, as nteger conta = 1: = 0 whle conta <= 100 AND =0 nput a(conta) f a(conta) = 0 then = 1 conta = conta + 1 conta = conta - 1 whle conta > 0 prnt a(conta) conta = conta 1 : rscrvere come cclo FOR Fondament d Informatca A Unverstà d Bresca 24

7 S supponga d avere n numer memorzzat n un vettore d n element Scrvere un algortmo per l ordnamento n ordne crescente d tal numer Esempo: Vettore: a[1]=4, a[2]=5, a[3]=1, a[4]=2, a[5]=8 applcando l algortmo avrò l vettore a trasformato nel seguente modo - Vettore: a[1]=1, a[2]=2, a[3]=4, a[4]=5, a[5]=8 L algortmo deve essere generco, ovvero deve poter funzonare per un generco numero n d element (Per la soluzone s veda l fle Algortm d ordnamento ) Rscrvere l algortmo d ordnamento per nsermento dretto nel seguente caso: I numer da ordnare vengo acqust dall ester u ad u fnché n vene fornto l numero 0 Supporre che l vettore n cu s van a memorzzare numer sa d 100 poszon e sa nzalmente vuoto Fare n modo che durante la memorzzazone nel vettore numer acqust venga nsert nella gusta poszone, ovvero che alla dell acquszone numer rsult gà ordnat Fondament d Informatca A Unverstà d Bresca 25 Fondament d Informatca A Unverstà d Bresca 26 Data la seguente sequenza d numer Indcare la sequenza d scamb d effettuata dall algortmo d ordnamento per nsermento per selezone E se al posto del valore 9 c fosse 4? Modfcare l algortmo ed programm n C e Basc per la rcerca d un elemento n un vettore n modo da renderlo pù effcente: s deve uscre dal cclo quando l numero degl element esamnat è esaurto oppure quando l elemento è stato trovato a bolle Fondament d Informatca A Unverstà d Bresca 27 Fondament d Informatca A Unverstà d Bresca 28

8 Scrvere un programma che dato n ngresso un numero n fornsce n uscta le radc quadrate ntere de numer compres fra 1 e n In partcolare scrvere un sottoprogramma che dato n ngresso un certo numero produca la radce quadrata ntera d Chamare l sottoprogramma all nter del programma Calcolo della radce quadrata ntera d : Fare un cclo su j a partre da j= 1 verfcando ogn volta se j*j <=, quando j*j n è pù mre o uguale d allora è possble restture la radce ntera d che vale j-1. Esempo: = 7 Provo con 0 0 x 0 = 0 < 7 prosegu Provo con 1 1 x 1 = 1 < 7 prosegu Provo con 2 2 x 2 = 4 < 7 prosegu Provo con 3 3 x 3 = 9 < 7, allora l rsultato è 3 1 = 2!!! a[j+1] a[j] j j n 100 x (x = 0) OR ( = n-1) j = -1 (j>=0) AND (x < a[j]) a[j+1] x + 1 Insermento dretto con vettore nzalmente vuoto Ipotes: supponamo d consderare un vettore d 100 nter (l numero d element acqust può essere al massmo 100) Fondament d Informatca A Unverstà d Bresca 29 Fondament d Informatca A Unverstà d Bresca 30 Come funzona? Esecuzone passo passo Supponamo all d avere l vettore a seguente a = 0, n = Leggo x supponamo d leggere l numero 44 3 Controllo se ((x = 0) OR ( = 99)) n è vero 4 j = 1 = -1 5 Controllo se ((j >= 0) AND (x < a[-1])) n è vero 6 a[j+1] = a[0] x = 44 a = + 1 = 1 8 Leggo x supponamo d leggere l numero 55 9 Controllo se ((x = 0) OR ( = 99)) n è vero 10 j = 1 = 0 11 Controllo se ((j >= 0) AND (x < a[0])) n è vero (x contene 55 e a[0]=44) 12 a[j+1] = a[1] x = 55 a = + 1 = 2 14 Leggo x supponamo d leggere l numero Controllo se ((x = 0) OR ( = 99)) n è vero 16 j = 1 = 1 17 Controllo se ((j >= 0) AND (x < a[1])) è vero (x contene 12 e a[1]=55) 18 a[j+1] = a[j] = 55 a Fondament d Informatca A Unverstà d Bresca 31 Fondament d Informatca A Unverstà d Bresca 32

9 Esecuzone passo passo Esecuzone passo passo 19 j = j - 1 = 0 20 Controllo se ((j >= 0) AND (x < a[0])) è vero (x contene 12 e a[0]=44) 21 a[j+1] = a[j] = j = j - 1 = Controllo se ((j >= 0) AND (x < a[-1])) n è vero 24 a[j+1] = x = a = + 1 = 3 26 Leggo x supponamo d leggere l numero Controllo se ((x = 0) OR ( = 99)) n è vero 28 j = 1 = 2 29 Controllo se ((j >= 0) AND (x < a[2])) è vero (x contene 42 e a[2]=55) 30 a[j+1] = a[j] = 55 a a 31 j = j - 1 = 1 32 Controllo se ((j >= 0) AND (x < a[1])) è vero (x contene 42 e a[1]=44) 33 a[j+1] = a[j] = 44 a j = j - 1 = 0 35 Controllo se ((j >= 0) AND (x < a[0])) n è vero (x contene 42 e a[0]=12) 36 a[j+1] = x = 42 a = + 1 = 4 38 Leggo x supponamo d leggere l 0 39 Controllo se ((x = 0) OR ( = 99)) è vero 40 Fne l vettore è ordnato Fondament d Informatca A Unverstà d Bresca 33 Fondament d Informatca A Unverstà d Bresca 34 Rcerca d un elemento n un vettore man() /* C */ nt a[100]; nt, num; bool t; scanf( %d,&num); = 0; t = 0; whle (( < 100) && (!t)) f (a[] == num) t = 1; = + 1; f (t) prntf ( Trovato ); else prntf( Non trovato ); n Basc dm a(100) as nteger dm as nteger, t as nteger dm num as nteger nput num = 1 t = 0 whle <= 100 AND t t f a() = num then t = -1 = + 1 f t then prnt Trovato else prnt Non trovato Fondament d Informatca A Unverstà d Bresca 35 n n <= 0 k 1 k <= n r = radce(k) r k k+1 Errore nell mmssone de dat Dagramma d flusso per l calcolo delle radc ntere d k (k=1..n) Fondament d Informatca A Unverstà d Bresca 36

10 n n <= 0 k 1 k <= n r = radce(k) r k k+1 Errore nell mmssone de dat V j j + 1 Funzone radce() j 1 j*j<= F j j 1 rtorna j Programma per l calcolo delle radc /* Radc n C */ nt n, k, r; man() do scanf( %d, &n); f (n <= 0) prntf( Errore nell mmssone d n ); whle (n<=0) for (k=1;k<=n;k++) r = radce(k); prntf( %d, r); n BASIC dm n as nteger, k as nteger, r as nteger do nput n f n <= 0 then prnt Errore nell mmssone d n loop whle n<=0 for k=1 to n r = radce(k) prnt r next k Fondament d Informatca A Unverstà d Bresca 37 Fondament d Informatca A Unverstà d Bresca 38 Funzone radce() Dat j ntero Rsoluzone j 1 fnchè (j*j <= ) rpet j j + 1 cclo resttusc j-1 funzone La funzone Radce nt radce(nt ) nt j; j = 1; whle (j*j <= ) j = j + 1; return (j-1); functon radce( as nteger) dm j as nteger j = 1 whle j*j <= j = j + 1 radce = j - 1 end functon Esecuzone passo passo del programma Supponamo che l utente abba nserto l valore n = 5 1 k = 1 2 Controllo se k <= 5 è vero 3 Chamata della funzone radce(1) 4 j = 1 Esecuzone del 5 Controllo se 1*1 <= 1 è vero sottoprogramma con 6 j = j + 1 = 2 parametro =1 7 Controllo se 2*2 <= 1 n è vero 8 Rtorna l valore 1 al programma chamante 9 Stampa 1 10 k = k + 1 = 2 Fondament d Informatca A Unverstà d Bresca 39 Fondament d Informatca A Unverstà d Bresca 40

11 Esecuzone passo passo del programma 11 Controllo se k <= 5 è vero 12 Chamata della funzone radce(2) 13 j = 1 Esecuzone del 14 Controllo se 1*1 <= 2 è vero sottoprogramma con parametro =2 15 j = j + 1 = 2 16 Controllo se 2*2 <= 2 n è vero 17 Rtorna l valore 1 al programma chamante 18 Stampa 1 19 k = k + 1 = 3 20 Controllo se k <= 5 è vero Esecuzone passo passo della funzone radce (cont ) 21 Chamata della funzone radce(3) 22 j = 1 Esecuzone del 23 Controllo se 1*1 <= 3 è vero sottoprogramma con parametro =3 24 j = j + 1 = 2 25 Controllo se 2*2 <= 3 n è vero 26 Rtorna l valore 1 al programma chamante 27 Stampa 1 28 k = k + 1 = 4 29 Controllo se k <= 5 è vero Fondament d Informatca A Unverstà d Bresca 41 Fondament d Informatca A Unverstà d Bresca 42 Esecuzone passo passo della funzone radce (cont ) 30 Chamata della funzone radce(4) 31 j = 1 Esecuzone del 32 Controllo se 1*1 <= 4 è vero sottoprogramma con parametro = 4 33 j = j + 1 = 2 34 Controllo se 2*2 <= 4 è vero 35 j = j + 1 = 3 36 Controllo se 3*3 <= 4 n è vero 37 Rtorna l valore 2 al programma chamante 38 Stampa 2 39 k = k + 1 = 5 40 Controllo se k <= 5 è vero Esecuzone passo passo della funzone radce (cont ) 41 Chamata della funzone radce(5) 42 j = 1 Esecuzone del 43 Controllo se 1*1 <= 5 è vero sottoprogramma con parametro =5 44 j = j + 1 = 2 45 Controllo se 2*2 <= 5 è vero 46 j = j + 1 = 3 47 Controllo se 3*3 <= 5 n è vero 48 Rtorna l valore 2 al programma chamante 49 Stampa 2 50 k = k + 1 = 6 51 Controllo se k <= 5 n è vero 52 Fne Fondament d Informatca A Unverstà d Bresca 43 Fondament d Informatca A Unverstà d Bresca 44

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

Specifica, progetto e verifica della correttezza di algoritmi iterativi. Ragionamenti su di un algoritmo. Il metodo delle asserzioni (Floyd)

Specifica, progetto e verifica della correttezza di algoritmi iterativi. Ragionamenti su di un algoritmo. Il metodo delle asserzioni (Floyd) Specfca, progetto e verfca della correttezza d algortm teratv Il metodo delle asserzon Ragonament su d un algortmo Ragonare sulla specfca d un algortmo data con pre e post-condzon serve a: (a posteror)

Dettagli

Linguaggio C. funzioni e procedure. Università degli Studi di Brescia. Docente: Massimiliano Giacomin

Linguaggio C. funzioni e procedure. Università degli Studi di Brescia. Docente: Massimiliano Giacomin Lnguaggo C funzon e procedure Unverstà degl Stud d Bresca Docente: Massmlano Gacomn Un esempo Acqusre dall utente un numero ntero n, rpetendo l acquszone se è prmo. Successvamente, stampare 5 numer prm

Dettagli

Laboratorio di Matematica e Informatica 1

Laboratorio di Matematica e Informatica 1 Laboratoro d Matematca e Informatca 1 Matteo Mondn Antono E. Porreca matteo.mondn@gmal.com porreca@dsco.unmb.t Dpartmento d Informatca, Sstemstca e Comuncazone Unverstà degl Stud d Mlano - Bcocca 10 Gennao

Dettagli

Metodi ad un passo espliciti con passo adattivo Metodi Runge - Kutta

Metodi ad un passo espliciti con passo adattivo Metodi Runge - Kutta Metod ad un passo esplct con passo adattvo Metod Runge - Kutta Scrvere un programma che approssm l problema d Cauchy: u (t) = f(t, u), t 0 t T, u R d, u(t 0 ) = v per un sstema d equazon dfferenzal ordnare

Dettagli

Scrivere programmi corretti

Scrivere programmi corretti Scrvere programm corrett L esempo della rcerca bnara o dcotomca J. Bentley, Programmng Pearls, Addson Welsey. 1 Schema processo produzone funzone teratva Algortmo n pseudo-codce Indvduazone nvarante Codfca

Dettagli

Fondamenti di Informatica Ingegneria Meccanica, Elettrica, Gestionale Prova scritta del 27 Aprile 2004

Fondamenti di Informatica Ingegneria Meccanica, Elettrica, Gestionale Prova scritta del 27 Aprile 2004 B Fondament d Informatca Ingegnera Meccanca, Elettrca, Gestonale Prova scrtta del 7 Aprle 4 NOME MATRICOLA Eserczo 1 Dato l seguente programma n lnguaggo C: #nclude #nclude vod man (vod)

Dettagli

Allora v = v2 =

Allora v = v2 = Problema: a partre da due sequenze ordnate v1 e v2 d element voglamo costrurne una ordnata v con tutt gl element d v1 e v2 Algortmo rcorsvo: Se le due sequenze contengono element confronta prm due element

Dettagli

Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Corso di Laurea in Ingegneria Medica. Algoritmi

Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Corso di Laurea in Ingegneria Medica. Algoritmi Unverstà degl Stud d Roma Tor Vergata Facoltà d Ingegnera Corso d Laurea n Ingegnera Medca Algortm Rev.2.2 of 2016-04-20 Elaborazone dat Problem che s presentano spesso sono 1. rcorsvo (es. successone

Dettagli

Algoritmi basati sulla tecnica Divide et Impera

Algoritmi 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

Dettagli

Introduzione a MATLAB

Introduzione a MATLAB Unverstà degl Stud d Napol Federco II CdL Ing. lettrca Corso d Laboratoro d Crcut lettrc Introduzone a MATLAB Lezone n.5 Dr. Carlo Petrarca Dpartmento d Ingegnera lettrca e Tecnologe dell Informazone Unverstà

Dettagli

Errata corrige del libro Fondamenti di Informatica in Java

Errata corrige del libro Fondamenti di Informatica in Java corrge del lbro Fondament d Informatca n Java Emlo D Gacomo, Walter Ddmo Captolo 1 R1 R2 R3 Rn PC IR PSW Untà d controllo Pag. 23, Fgura 1.2 Bus nterno ALU MAR MDR al bus dat al bus ndrzz al bus d controllo

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI 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

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

Lezione 3 Codifica della informazione (2)

Lezione 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

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 22 settembre Attenzione:

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 22 settembre Attenzione: Cognome.. Nome.... Archtettura degl Elaborator Classe 3 Prof.ssa Anselmo Appello del 22 settembre 2017 Attenzone: Inserre propr dat nell apposto spazo sottostante e n testa a questa pagna. Preparare un

Dettagli

Algebra 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.

Algebra 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

Dettagli

Il problema dell'ordinamento. Algoritmi e Laboratorio a.a Lezioni. prof. Elio Giovannetti

Il problema dell'ordinamento. Algoritmi e Laboratorio a.a Lezioni. prof. Elio Giovannetti Unverstà d Torno Facoltà d Scenze MFN Corso d Stud n Informatca Currculum SR (Sstem e Ret) Algortm e Laboratoro a.a. 25-6 Lezon prof. Elo Govannett Parte 7 Algortm d ordnamento elementar (quadratc). versone

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione 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

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Code a priorità (Heap) Definizione Heapify (mantenimento coda a priorità) Costruire un Heap Insert, Maximum e Extract-Max

Code a priorità (Heap) Definizione Heapify (mantenimento coda a priorità) Costruire un Heap Insert, Maximum e Extract-Max Code a prortà (Heap) Defnzone Heapfy (mantenmento coda a prortà) Costrure un Heap Insert, Maxmum e Extract-Max Coda a prortà (Heap) Una coda a prortà può essere rappresentato da un albero bnaro completo.

Dettagli

Università di Verona Prof. S. De Marchi Verona, 30 gennaio 2007

Università di Verona Prof. S. De Marchi Verona, 30 gennaio 2007 LABORATORIO DI CALCOLO NUMERICO Autovalor d matrc: II Unverstà d Verona Prof. S. De March Verona, 30 gennao 2007 Data una matrce quadrata A n n, a coeffcent real, cu autovalor possono essere ordnat come

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

Introduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12

Introduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12 Introduzone alla Programmazone e Applcazon per la Fnanza M2 (Prodott Dervat) Lezone 12 Anno accademco 2006-07 Ttolare corso: Prof. Costanza Torrcell Docente: Dott.ssa Maranna Brunett In partcolare mplementeremo:

Dettagli

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

Il 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

Dettagli

Lezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott.

Lezione 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

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Laboratorio di Informatica I

Laboratorio di Informatica I Struttura della lezone Lezone 1: Introduzone al Lnguaggo C Vttoro Scarano Laboratoro d Informatca I Corso d Laurea n Informatca Introduzone al corso Il lnguaggo d programmazone C Svluppo e caratterstche

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012

Dipartimento 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:

Dettagli

Università di Verona Prof. S. De Marchi Verona, 6 febbraio 2006

Università di Verona Prof. S. De Marchi Verona, 6 febbraio 2006 LABORATORIO DI CALCOLO NUMERICO : Gruppo A Autovalor d matrc: II Unverstà d Verona Prof. S. De March Verona, 6 febbrao 2006 Data una matrce quadrata A n n, a coeffcent real, cu autovalor possono essere

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

Sottoprogrammi Funzioni

Sottoprogrammi Funzioni Sottoprogramm Funzon 1 Problema Abbamo vsto sequenze d struzon che rsolvono partcolar sottoproblem : controllo della prmaltà d un numero, confronto d strnghe, etc. È possble rutlzzare queste sequenze?

Dettagli

Elementi di statistica

Elementi 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

Dettagli

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI 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..)

Dettagli

Elementi di calcolo numerico

Elementi di calcolo numerico Element d calcolo numerco Molto sesso nel calcolo scentco sorge la necesstà d calcolare l valore numerco d ntegral che non ossono essere calcolat analtcamente oure occorre calcolare l valore del mnmo d

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 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)

Dettagli

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 17 Luglio Attenzione:

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 17 Luglio Attenzione: Cognome... Nome.. Archtettura degl Elaborator Classe 3 Prof.ssa Anselmo Appello del 17 Luglo 2014 Attenzone: Inserre propr dat nell apposto spazo sottostante e n testa a questa pagna. Preparare un documento

Dettagli

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE

Dettagli

Algoritmi di Ordinamento. Fondamenti di Informatica Prof. Ing. Salvatore Cavalieri

Algoritmi di Ordinamento. Fondamenti di Informatica Prof. Ing. Salvatore Cavalieri Algortm d Ordnamento Fondament d Informatca Prof. Ing. Salvatore Cavaler 1 Introduzone Ordnare una sequenza d nformazon sgnfca effettuare una permutazone n modo da rspettare una relazone d ordne tra gl

Dettagli

Analisi statistica degli errori casuali

Analisi statistica degli errori casuali Anals statstca degl error casual error casual: dovut a ncertezze spermental non controllabl che comunque spngono l valore msurato con ugual probabltà n alto od n basso rspetto al valore vero. Quest error

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 28/0/2008 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 20 soggett. Soggetto Età Resdenza

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione 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 Struttura delle ret logstche Sstem produttv multstado Struttura logstca

Dettagli

Lezione 2 Codifica della informazione

Lezione 2 Codifica della informazione Lezone Codfca della nformazone Vttoro Scarano Archtettura Corso d Laurea n Informatca Unverstà degl Stud d Salerno Organzzazone della lezone La codfca della nformazone Notazone poszonale Rappresentazone

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate

Dettagli

Corsi di Laurea in Farmacia e CTF Prova di Matematica

Corsi di Laurea in Farmacia e CTF Prova di Matematica Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall

Dettagli

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry CEFRIEL Consorzo per la Formazone e la Rcerca n Ingegnera dell Informazone Poltecnco d Mlano s Sommator: x y c x y c x y c x y c x y c Archtetture artmetche s x y Sommator:, Rpple Carry Sommator: Carry

Dettagli

y. E' semplicemente la media calcolata mettendo

y. E' semplicemente la media calcolata mettendo COME FUNZIONA L'ANOVA A UN FATTORE: SI CONFRONTANO TANTE MEDIE SCOMPONENDO LA VARIABILITA' TOTALE Per testare l'potes nulla che la meda d una varable n k popolazon sa la stessa, s suddvde la varabltà totale

Dettagli

Analisi Numerica I, a.a Docente: M.Gaviano

Analisi Numerica I, a.a Docente: M.Gaviano Eserctazone n.1 Anals Numerca I, a.a. 2004-2005 Medante MatLab 1) Costrusc le seguent matrc 0.9501 0.8913 0.2311 0.7621 0.6068 0.4565 0.4860 0.0185 0.8214 0.4447 0.6154 0.7919 0.9218 0.7382 0.1763 0.4057

Dettagli

Sistemi Intelligenti Stimatori e sistemi lineari - III

Sistemi Intelligenti Stimatori e sistemi lineari - III Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\

Dettagli

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione 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

Dettagli

Rappresentazione dei numeri

Rappresentazione 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

Dettagli

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità 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

Dettagli

Sommario. Calcolatori Elettronici Prof. Gian Luca Marcialis

Sommario. Calcolatori Elettronici Prof. Gian Luca Marcialis Calcolator Elettronc Prof. Gan Luca Marcals Corso d Laurea d Ingegnera Elettronca Captolo 6 Untà d Centrale d Elaborazone Artmetca de Calcolator Sommaro L untà artmetco-logca (ALU) Rappresentazone degl

Dettagli

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Misure 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.

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi 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

Dettagli

Sorgenti Numeriche - Soluzioni

Sorgenti Numeriche - Soluzioni Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B

Dettagli

Appunti di Teoria dell Informazione

Appunti di Teoria dell Informazione Corso d Telecomuncazon (Classe Qunta della specalzzazone Elettronca e Telecomuncazon) Pagna - - . La teora dell nformazone La teora dell nformazone descrve l funzonamento de sstem d comuncazone sa analogc

Dettagli

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Il 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

Dettagli

Laboratorio di Neuroingegneria

Laboratorio di Neuroingegneria Laboratoro d Neuronenera Sementazone A.A. 202-203 Cosa faremo o Carcamento d volum MRI cerebrale T FLAIR Calcolo della sola d Otsu Stma della mstura d Gaussane Carcamento Sono a dsposzone due fle NIFTI:

Dettagli

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima Il problema del camba-monete. ALGORITMI GREEDY camba-monete schedulng a mnmo l rtardo Scopo. Dat tagl dsponbl: c, c, 5c, 0c, 0c, 50c,, progettare un algortmo che data una certa somma la camb usando l mnmo

Dettagli

Corsi di Laurea in Ingegneria Elettrica, Elettronica ed Informatica, Ingegneria Biomedica

Corsi di Laurea in Ingegneria Elettrica, Elettronica ed Informatica, Ingegneria Biomedica Calcolator Elettronc Prof. Fabo Rol Cors d Laurea n Ingegnera Elettrca, Elettronca ed Informatca, Ingegnera Bomedca Captolo 6 Untà d Centrale d Elaborazone Artmetca de Calcolator Font Prncpal: Stallngs,

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 7/0/006 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 0 soggett. Soggetto Sesso Età Reddto

Dettagli

egg bi b l ibile ibil nom di variabili bili e bili funzi on D EVONO DEVONO avere DEVONO Facile comprensione nomi autoesplicativi pippo pluto

egg bi b l ibile ibil nom di variabili bili e bili funzi on D EVONO DEVONO avere DEVONO Facile comprensione nomi autoesplicativi pippo pluto Programmare è un arte S tratta d mettere nseme tant pccol element nel mglore de mod possble per ottenere un rsultato che soddsf le specfche Dato un problema, c sono vrtualmente nfnt programm n grado d

Dettagli

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone

Dettagli

CPM: Calcolo del Cammino Critico

CPM: Calcolo del Cammino Critico Supponamo d conoscere per ogn attvtà A = (,j) la sua durata t j t j j Calcolamo l tempo al pù presto n cu può nzare o fnre una attvtà. Supponamo d dover calcolare l tempo al pù presto n cu s possono nzare

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

4.6 Dualità in Programmazione Lineare

4.6 Dualità in Programmazione Lineare 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble

Dettagli

Esame del corso di Tecniche Avanzate per il Trattamento delle Immagini

Esame del corso di Tecniche Avanzate per il Trattamento delle Immagini Esame del corso d Tecnche Avanzate per l Trattamento delle Immagn Data: 18 Settembre 2007 1 Es.1 [pt. 5]: Nella fgura (10x10 pxel) rportata a fanco l rettangolo banco è d dmenson 6x4 pxel. Indcando con

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* 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

Dettagli

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 17: 16 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/22? Eserczo Un Btp trennale, d valore nomnale C

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

5.1 Controllo di un sistema non lineare

5.1 Controllo di un sistema non lineare 5.1 Controllo d un sstema non lneare Sa dato l sstema non lneare rappresentato n fgura 5.1, con h g θ Θ,m,r Fgura 5.1: Sstema non lneare F m (,d) = k m la forza che esercta l elettromagnete percorso da

Dettagli

Lezione 2 le misure di sintesi: le medie

Lezione 2 le misure di sintesi: le medie Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl

Dettagli

Algoritmi e Strutture di Dati (3 a Ed.) Ricerca tabù. Alan Bertossi, Alberto Montresor

Algoritmi 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

Dettagli

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z) Le soluzon della prova scrtta d Matematca per l corso d laurea n Farmaca (raggruppamento M-Z). Data la funzone a. trova l domno d f f ( ) ln + b. scrv, esplctamente e per esteso, qual sono gl ntervall

Dettagli

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese Sstem Intellgent Relazone tra ottmzzazone e statstca - IV Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@dunmt Anals dell

Dettagli

Classificazione di immagini con GRASS

Classificazione di immagini con GRASS Classfcazone d mmagn con GRASS Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento Classfcazone d mmagn Scopo della classfcazone: rcavare da una mmagne nformazon sulla superfce. Foto

Dettagli

Algoritmi euristici: III Ricerca Locale

Algoritmi euristici: III Ricerca Locale Algortm eurstc: III Rcerca Locale Danele Vgo D.E.I.S. - Unverstà d Bologna dvgo@des.unbo.t rev. 1.0 - dcembre 2003 Algortm d Rcerca Locale partono da una soluzone (ammssble) cercano teratvamente d mglorarla

Dettagli

La sincronizzazione. (Libro) Trasmissione dell Informazione

La 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

Dettagli

Propagazione degli errori

Propagazione degli errori Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Ad 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

Ad 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

Dettagli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli Realzzazone d FSM sncrone M. Favall Engneerng Department n Ferrara Realzzazone d FSM Anals e sntes de sstem dgtal / Introduzone Realzzazone d FSM Anals e sntes de sstem dgtal 2 / Una volta ottenuto l automa

Dettagli

Dipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 21: 25 marzo 2014

Dipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 21: 25 marzo 2014 Dpartmento d Scenze Statstche Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 21: 25 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? CCT/CCTEu S tratta d un ttolo a cedola

Dettagli

Le operazioni che vogliamo realizzare sono. Supporremo che una tabella T abbia i seguenti attributi: 1. Table(T): costruisce una tabella vuota T.

Le operazioni che vogliamo realizzare sono. Supporremo che una tabella T abbia i seguenti attributi: 1. Table(T): costruisce una tabella vuota T. tabelle dnamche Tabelle dnamche Spesso non s conosce a pror quanta memora serve per memorzzare una struttura dat (tabella d dat ~ array, tabella hash, heap, stack, ecc.. Può captare qund d allocare una

Dettagli

Appunti: Scomposizione in fratti semplici ed antitrasformazione

Appunti: Scomposizione in fratti semplici ed antitrasformazione Appunt: Scomposzone n fratt semplc ed anttrasformazone Gulo Cazzol v0. (AA. 017-018) 1 Fratt semplc 1.1 Funzone ntera.............................................. 1. Funzone razonale fratta strettamente

Dettagli

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Luca Lietti

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Luca Lietti arametr RKS Dpartmento d Energa oltecnco d Mlano a a Masa 4-0156 MINO Eserctazon del corso FONDMENI DI ROESSI HIMII rof. uca ett ESERIZIONE 8 alcolo della temperatura d bolla e d rugada d una mscela n-butano/n-esano

Dettagli

INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO LA A.A Esame Scritto del 10/12/2004 Soluzione (sommaria) degli esercizi

INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO LA A.A Esame Scritto del 10/12/2004 Soluzione (sommaria) degli esercizi INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO LA A.A. 2004-05 Esame Scrtto del 10/12/2004 Soluzone (sommara) degl esercz Eserczo 1: S vuole acqusre e convertre n dgtale la msura d deformazone d una

Dettagli

Analisi Matenatica Lezione 5 1 ottobre 2013

Analisi Matenatica Lezione 5 1 ottobre 2013 Dpartmento d Scenze Statstche Anals Matenatca Lezone 5 1 ottobre 2013 prof. Danele Rtell danele.rtell@unbo.t 1/13? Fattorale d un numero naturale Sa n N {0}. Il fattorale d n, n! s defnsce nduttvamente

Dettagli

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio Formulazone e Notazon Algortmo d Carler- Pnson er roblem d Job Sho Schedulng: un esemo Notazon o C M ( o r, q -esma oerazone del ob Temo d rocessamento d o Macchna che deve rocessare o Clque (nseme d oerazon

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica 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,

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90

Dettagli