Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 10: 6-7 Maggio Meccanismi con Pagamenti: Applicazioni e Limiti

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 10: 6-7 Maggio Meccanismi con Pagamenti: Applicazioni e Limiti"

Transcript

1 trument della Teora de Goch per l Informatca A.A. 2009/0 Lecture 0: 6-7 Maggo 200 Meccansm con Pagament: Applcazon e Lmt ocente Paolo Penna Note redatte da: Paolo Penna Lezone precedente Funzon d scelta socale Impossbltà d Arrow Meccansm con pagament Compatbltà VCG agl ncentv }{{} OGGI: applcazon, lmt 2 Un Esempo Facle Asta 2ndo Prezzo (Vckrey). celgo Mglore Offerta 2. Vnctore Paga 2nda Mglore Offerta Esempo: 7, 0 vnce, paga 7 Problema (2 Lnk, Pacchetto) c 2 c = costo d spedzone (latenza) Voglo sceglere l mglore (costo mnmo) Esempo:

2 2 Lecture 0: Meccansm con Pagament: Applcazon e Lmt scelgo lo pago Meccansmo per 2 Lnk, Pacchetto: Input:,c 2 (cost due lnk). Algorthmo: cegl lnk costo mn 2. Paga l lnk scelto l 2ndo mglor costo Perché funzona? (compatble agl ncentv) scelto, lo facco pagare 2nda offerta = -7 cost valutazon rceve 7 Basta essere Compatble agl Incentv? Modfchamo pagament così: P V ckrey È ancora compatble agl ncentv. Ma = P V ckrey 00 scelgo lo pago - 00 nessun gocatore vuole gocare! lo pago -00 Partecpazone Volontara (nformale): Gocare convene sempre

3 Lecture 0: Meccansm con Pagament: Applcazon e Lmt Partecpazone Volontara (sem-nformale): Gocare onestamente (dco l vero) convene rspetto a non gocare efnzone (Partecpazone Volontara): Un meccansmo (A, P) soddsfa la partecpazone volontara se, c, u (,c ) 0 dove u (,c ) := P u (,c ) (A(,c )) Problema (hortest-path) Esempo: c c 2 selezonare cammno mnmo Provamo ad usare Vckrey. selezono cammno mnmo 2. ogn arco selezonato rceve 2ndo mglor costo }{{}?????? evo pagare l secondo lnk pù corto o l secondo cammno pù corto? Non funzona comunque: 7 0 Convene mentre: 7 4 L Idea d Vckrey Meccansmo Fesso:. selezono cammno mn 2. pago arco selezonato P Fesso (c) = c

4 4 Lecture 0: Meccansm con Pagament: Applcazon e Lmt massma speculazone massma speculazone MIGLIOR CAMMINO ENZA - LUNGHEZZA CAMMINO MIN MA NON CONTANO massma speculazone Idea d Vckrey: Pago drettamente la massma speculazone del meccansmo fesso Usamo queste tre cose: P(c) = lunghezza cammno mnmo per cost c P c =0(c) = come sopra, ma non contando P (c ) = lunghezza cammno mnmo alternatvo ad (tolgo dal grafo) Vedamo cosa succede: Gl agent sono, 2 e per gl arch sopra (da snstra a destra) e 4 per l arco sotto. P(,7,0,0) = = 20 P c2 =0(,7,0,0) = = Ecco l pagamento per 2 : P 2 (,,0,0) = 0 P P 2 (c) := P 2 (c 2 ) P c2 =0(c 2 ) = = P 2 (c 2 ) ( c )

5 Lecture 0: Meccansm con Pagament: Applcazon e Lmt Perchè funzona? Abbamo costruto un meccansmo VCG Input: Cost (),...,c n () Algortmo: Trova la solutone x che mnmzza la somma de cost: (x) c n (x) Pagament: Agente rceve P V CG (c) = h (c ) [ (x ) + + c (x ) c + (x ) + c n (x )] dove h () non dmende da c. x = cammno mnmo per cost,...,c n c (x) = c se x usa/contene, c (x) = 0 se x non usa/contene Basta dmostrare (Eserczo) e osservare che P c =0 = (x ) + + c (x ) c + (x ) + c n (x ) P P (c) := P (c ) P c =0 sono d tpo V CG. Tutt meccansm VCG sono compatbl agl ncentv (lezone precedente) e qund: Teorema: Il problema dello shortest-path ha un meccansmo (A,P P ) compatble agl ncentv. Eserczo: mostra lo stesso rsultato per l problema del Mnmum pannng Tree (MT). 4 Lmt d VCG Problema (2 Lnk, 00 Pacchett)

6 6 Lecture 0: Meccansm con Pagament: Applcazon e Lmt Voglo blancare l carco (metà e metà crca) Provamo ad usare pagament VCG P V CG (c) = h (c ) c j (A(c)) j Per ora supponamo h () = 0. Ecco cosa succede: P V CG (9, 0) = 0 u (9, 0) = 0 9 = 9 P V CG (, 0) = 0 u (, 0) = = 8 Eserczo: mostra che anche sceglendo h () dversa da 0, pagament V CG non vanno bene con questo algortmo. omanda: Esstono de pagament per l algortmo A che blanca l carco (2 pacchett)? omanda: Qual algortm possono essere usat n un meccansmo (dato A esste P tale che (A,P) è compatble agl ncentv)? 2 Lnk, celgo pù lento Ammettono un meccansmo Comp. Incent. Utltar (VCG) 2 Lnk, 2 Pacchett (blanco carco) 2 Lnk, Pacchetto (lnk mglore) P MT

7 Lecture 0: Meccansm con Pagament: Applcazon e Lmt 7 Un problema rrsoluble Problema (2 Lnk, celgo pù lento) 6 Algortmo A: scegle l pù lento (max(,c 2 )) Teorema: Nessun pagamento P può dare un meccansmo compatble agl ncentv con questo algortmo. Ossa, comunque scelgo P, (A,P) non è compatble agl ncentv. mostrazone: Per assurdo, suppon che essta P t.c. (A,P) è compatble agl nceentv. Analzzamo due cas sopra, guardando al lnk d sopra. e l suo vero costo fosse allora l meccansmo garantsce che dcharando 6 l suo utle non mglora. In altre parole: P (,) 0 P (6,) e l suo vero costo fosse 6 allora l meccansmo garantsce che l suo utle non mglora dcharando P (6,) 6 P (,) 0 a queste due dsuguaglanze ottengo un assurdo 6 (somma le due dsuguaglanze). Qual sono gl algortm BUONI e quell CATTIVI? celgo l pù veloce celgo l pù lento

8 8 Lecture 0: Meccansm con Pagament: Applcazon e Lmt Eserczo: mostra che l seguente algortmo non può essere trasformato n un meccansmo (non esstono pagament, come nel teorema sopra). 0 Algortmo scalno Algortmo 00 pacchett è BUONO o CATTIVO? 00 Blanco l carco 6 Un alternatva a VCG Cosa camba da a 2 pacchett?

9 Lecture 0: Meccansm con Pagament: Applcazon e Lmt 9 PK I 2 PK 2 II I pk pago I = 2 pk I + II pk I Idea: Pago la massma speculazone pacchetto a pacchetto PK 2 PK speculazone 2 speculazone pk2 speculazone pk,4,...,00 PK? pagamento 2

10 0 Lecture 0: Meccansm con Pagament: Applcazon e Lmt Formula Pagament: P (c,c ) = q (c,c ) + c q (x,c )dx () 00 Blanco l carco Eserczo: mostra che quest pagament soddsfano la partecpazone volontara Algortm BUONI = MONOTONI (carco non aumenta) Eserczo: mostra che se un algortmo è CATTIVO (l carco d un agente aumenta quando l suo costo aumenta) allora non posso usare questo algortmo per ottenere un meccansmo compatble agl ncentv. uggermento: e l algortmo è cattvo, esstono due valor c e c tal che c < c e q (c,c ) < q (c,c ). Adatta la dmostrazone vsta per l problema 2 Lnk, celgo l pù lento. Problem One-Parameter Algortmo A: alloca q d carco ad ogn agente Costo agent: c per una untà = costo = q c efnzone (Algortmo Monotono): Un algortmo A è monotono se l carco d ogn agente non aumenta (quando l suo costo aumenta e gl altr cost rmangono ugual):, c q (x,c ) è non crescente n x

11 Lecture 0: Meccansm con Pagament: Applcazon e Lmt Teorema: Ogn algortmo A monotono ammette un meccansmo (A, P) compatble agl ncentv che utlzza pagament della formula (). mostrazone: Confrontamo l utltà d quando dce l vero con l utltà che dce un valore pù grande o uno pù pccolo. L utltà quando dcharo l vero costo è: q utltà [ pagamento - costo = q (,c ) + Vedamo l utltà quando dcharo un costo falso: (costo falso > costo vero). ] q (x,c )dx c q (,c ) = c q v (x,c ) q pagamento utltà c f c pagamento - costo = [ c f q (c f,c ) + c f q (x,c )dx ] q (c f,c ) = (c f cv ) q (c f,c ) + q (x,c ) La dfferenza tra le due utltà è tutta nel pezzo n mezzo a due punt. Qu usamo la monotona d q (): q q a b c a b c (b a) q(b) b a q(x)dx (b a) q(a) (2)

12 2 Lecture 0: Meccansm con Pagament: Applcazon e Lmt La parte d snstra è quella che usamo ora (dopo useremo quella destra): utle v = q (x,c )dx = (costo falso < costo vero). c f c v q (x,c )dx + (c f cv ) q (c f,c ) + q (x,c )dx q (x,c )dx = utle f q scoperto pagamento utltà c f c A destra d c f ho lo stesso utle del caso dco l vero, mentre a snstra d c f ho una parte del costo vero non coperta dal pagamento: l costo vero è mentre l pagamento è c f q (c f,c ) + q (c f,c ) = c f q (c f,c ) + ( cf ) q (c f,c ) c f c v q (x,c )dx = c f q (c f,c ) + q (x,c )dx + c f pagamento - costo = [ ] c v q (x,c )dx ( c f ) q (c f,c ) c f + q (x,c )dx = [ ] c v q (x,c )dx ( c f ) q (c f,c ) + utle v c f q (x,c )dx La parte n parentes sarebbe lo scoperto : per far vedere che è negatva o zero usamo la monotona d q () e l osservazone a pagna (parte destra della dsuguaglanza (2)). Qund l utle quando dco l falso non è mglore dell utle quando dco l vero. Ogn algortmo monotono può dare un meccansmo compatble agl ncentv. e un algortmo non è monotono allora non c è nessun meccansmo compatble agl ncentv con quell algortmo.

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

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

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

Corso di Economia Applicata

Corso di Economia Applicata Corso d Economa Applcata a.a. 2007-08 II modulo 16 Lezone Programma 16 lezone Democraza rappresentatva e nformazone Rcaptolando L agenza e l mercato (Arrow, 1986) Lezone 16 2 Introduzone Governo e Parlamento

Dettagli

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica.

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica. Lezone 7 Prereqst: L'nseme de nmer nter Lezone 6 Nmer prm Teorema Fondamentale dell'artmetca Defnzone 7 Un nmero ntero p dverso da 0 e s dce prmo se per ogn a b Z Altrment p s dce composto p ab p a oppre

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

Approfondimento Capitolo 4. Definizioni esistono due tipi di grandezze in economia

Approfondimento Capitolo 4. Definizioni esistono due tipi di grandezze in economia Poltca Economca E. Marchett 1 Approfondmento Captolo 4 efnzon esstono due tp d grandezze n economa Grandezze Flusso: una quanttà che s forma n un ntervallo d tempo (es.: reddto, rsparmo, nvestmento ) Grandezze

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

Capitolo 3. Cap. 3-1

Capitolo 3. Cap. 3-1 Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione febbraio 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione febbraio 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 17 13 febbrao 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? 2/19? Fgura 1: ( 5y

Dettagli

RAPPRESENTAZIONE DI MISURE. carta millimetrata

RAPPRESENTAZIONE DI MISURE. carta millimetrata carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!

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

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

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

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

Teoria dei giochi. Rappresentazione formale di una situazione in cui un numero di individui interagisce in un contesto di interazione strategica.

Teoria dei giochi. Rappresentazione formale di una situazione in cui un numero di individui interagisce in un contesto di interazione strategica. Teora de goch Dscplna matematca utlzzata per analzzare comportament strategc n economa, n poltca, e n altr camp caratterzzat da stuazon d confltto. Goco Rappresentazone formale d una stuazone n cu un numero

Dettagli

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4 Teora de Goch Dr. Guseppe Rose Unverstà degl Stud della Calabra Corso d Laurea Magstrale n Economa Applcata a.a 011/01 Handout 4 1 L equlbro d Bertrand Nel modello d Bertrand, abbamo un duopolo esattamente

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

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

Precisione e Cifre Significative

Precisione e Cifre Significative Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte

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

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

Esercitazione sulle Basi di di Definizione

Esercitazione sulle Basi di di Definizione Eserctazone sulle as d d Defnzone ESERIZIO Un bpolo ressto (dodo) ha la seguente equazone: = k [ 0 + 00] con k 0 nella quale ed sono descrtt dalla conenzone degl utlzzator come n fgura. Stablre se l bpolo

Dettagli

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo

Dettagli

Modelli decisionali su grafi - Problemi di Localizzazione

Modelli decisionali su grafi - Problemi di Localizzazione Modell decsonal su graf - Problem d Localzzazone Massmo Paolucc (paolucc@dst.unge.t) DIST Unverstà d Genova Locaton Problems: modell ed applcazon Decson a medo e lungo termne (panfcazone) Caratterstche

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Competizione di prezzo. Cles a.a

Competizione di prezzo. Cles a.a Competzone d prezzo Cles - 6090 a.a. 2009-200 Stefano Bresch Chara Fumagall - Settembre 2009 Esemp () Talvolta, guerre d prezz. ESEMPIO: Intel e AMD Maggo 2006: AMD rduce l prezzo dell Atlon 64 X2 5000

Dettagli

Contrattazione, Salari e Occupazione

Contrattazione, Salari e Occupazione Poltca Economca Avanzata 007-08 Contrattazone, Salar e Occupazone Il meccansmo d determnazone del salaro non quas ma quello concorrenzale n cu l prezzo s stablsce nel mercato n modo da eguaglare domanda

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

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

Dettagli

Lezione 13. Anelli ed ideali.

Lezione 13. Anelli ed ideali. Lezoe 3 Prerequst: Aell e sottoaell. Sottogrupp. Rfermet a test: [FdG] Sezoe 5.2; [H] Sezoe 3.4; [PC] Sezoe 4.2 Aell ed deal. Rcordamo la seguete defzoe, data el corso d Algebra : Defzoe 3. S dce aello

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

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

1 Bimatrix Games e Best Response Condition

1 Bimatrix Games e Best Response Condition Strument della Teora de Goch per l Informatca A.A. 2009/10 Lecture 5: 29 Ottobre 2010 Calcolo d Equlbr Nash Mst per Goch a due Gocator Docente Prof. Vncenzo Auletta Note redatte da: Roberto D Russo Sommaro

Dettagli

La teoria microeconomica del consumo

La teoria microeconomica del consumo Isttuzon d Economa Matematca La teora mcroeconomca del consumo Il problema del consumatore 2 a parte. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy)

Dettagli

MOBILITA DI CAPITALI

MOBILITA DI CAPITALI Poltca Economca dell'unone Europea MOBILITA DI CAPITALI Prof. Roberto Lombard Prof. Roberto Lombard 1 Le Econome moderne hanno un elevato grado d nterazone ed ntegrazone de Mercat Fnanzar ed de Captal

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

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

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

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

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

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

Corso di Architettura (Prof. Scarano) 25/03/2002

Corso di Architettura (Prof. Scarano) 25/03/2002 Corso d rchtettura (Prof. Scarano) // Un quadro della stuazone Lezone Logca Dgtale (): Crcut combnator Vttoro Scarano rchtettura Corso d Lauren Informatca Unverstà degl Stud d Salerno Input/Output Regstr

Dettagli

Lezione PONTI E GRANDI STRUTTURE. Prof. Pier Paolo Rossi Ing. Eugenio Ferrara Università degli Studi di Catania

Lezione PONTI E GRANDI STRUTTURE. Prof. Pier Paolo Rossi Ing. Eugenio Ferrara Università degli Studi di Catania Lezone PONTI E GRANDI STRUTTURE Prof. Per Paolo Ross Ing. Eugeno Ferrara Unverstà degl Stud d Catana de carch Engesser Guyon Courbon Introduzone L utlzzo d un metodo d rsoluzone rspetto ad un altro dpende

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

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

IL RUMORE NEGLI AMPLIFICATORI

IL RUMORE NEGLI AMPLIFICATORI IL RUMORE EGLI AMPLIICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element crcutal e de dspostv elettronc.

Dettagli

Circuiti elettrici in regime stazionario

Circuiti elettrici in regime stazionario rcut elettrc n regme stazonaro omponent www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 3-9-0) Bpol resst Equazon caratterstca d un bpolo ressto f, 0 L equazone d un bpolo ressto defnsce una cura nel

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

Modello del Gruppo d Acquisto

Modello del Gruppo d Acquisto InVMall - Intellgent Vrtual Mall Modello del Gruppo d Acqusto Survey L attvtà svolta per la realzzazone dell attvtà B7 Defnzone del Gruppo d Acqusto e de Relatv Algortm d Inferenza, prevsta dal captolato

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

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

6. METODO DELLE FORZE IMPOSTAZIONE GENERALE

6. METODO DELLE FORZE IMPOSTAZIONE GENERALE aptolo6 ETODO DEE FORZE - IOSTZIOE GEERE 6. ETODO DEE FORZE IOSTZIOE GEERE ssocamo al sstema perstatco un altro sstema, denomnato sstema prncpale. Il sstema prncpale è un sstema statcamente determnato,

Dettagli

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE In presenza d una almentazone alternata snusodale tutte le grandezze elettrche saranno alternate snusodal. Le equazon d funzonamento n regme comunque varale

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Corso di Logica I. Modulo sul Calcolo dei Sequenti. Dispensa Lezione II.

Corso di Logica I. Modulo sul Calcolo dei Sequenti. Dispensa Lezione II. Corso d Logca I. Modulo sul Calcolo de Sequent. Dspensa Lezone II. Govann Casn Teorema d corrspondenza fra l calcolo su sequent SND e l calcolo de sequent SC. Rproponamo per esteso la dmostrazone della

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

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

Luciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze

Luciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze Lucano attaa Versone del 22 febbrao 2007 In questa nota presento uno schema replogatvo relatvo a condensator e alle, con partcolare rguardo a collegament n sere e parallelo. Il target prncpale è costtuto

Dettagli

Componenti resistivi

Componenti resistivi omponent resst www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 3-9-03) Bpol resst Bpolo ressto: componente a due termnal aente equazone caratterstca del tpo f (t), (t), t0 (f funzone generca) L equazone

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

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

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

Bipoli resistivi. (versione del ) Bipoli resistivi

Bipoli resistivi.  (versione del ) Bipoli resistivi Bpol resst www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 6--0) Bpol resst Bpolo ressto: componente a due termnal aente equazone caratterstca del tpo f (t), (t), t0 (f funzone generca) L equazone

Dettagli

LA SCOMPOSIZIONE DEI POLINOMI

LA SCOMPOSIZIONE DEI POLINOMI LA SCOMPOSIZIONE DEI POLINOMI 8 Per rcordare H Scomporre un polnomo sgnfca scrverlo come prodotto d altr polnom. Nella scomposzone d un polnomo non devono qund comparre operazon d addzone o sottrazone

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per

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

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3: Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

Soluzione di Adriana Lanza

Soluzione di Adriana Lanza Soluzione Dimostriamo che f(x) è una funzione dispari Osserviamo che in quanto in quanto x è una funzione dispari è una funzione dispari in quanto prodotto di una funzione dispari per una pari Pertanto

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

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

Lezione 3. Gruppi risolubili.

Lezione 3. Gruppi risolubili. Lezoe 3 Prerequst: Lezo 1 2 Class d cougo e cetralzzat rupp rsolubl I questo captolo troducamo ua ozoe che come vedremo seguto fuge da raccordo tra la teora de grupp e la teora de camp Defzoe 31 Dato u

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

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

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

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

V n. =, e se esiste, il lim An

V n. =, e se esiste, il lim An Parttore resstvo con nfnte squadre n cascata. ITIS Archmede CT La Fg. rappresenta un parttore resstvo, formato da squadre d restor tutt ugual ad, conness n cascata, e l cu numero n s fa tendere ad nfnto.

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Analisi della Varianza

Analisi della Varianza Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO INTODUZION ALL SPINZA 4: STUDIO DLLA POLAIZZAZION DIANT LAIN DI ITADO Un utle rappresentazone su come agscono le lamne su fasc coerent è ottenuta utlzzando vettor e le matrc d Jones. Vettore d Jones e

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

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

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

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica Ing. Enrco Grsan Modell d popolazone n farmacocnetca Sommaro Modell a sngolo soggetto Modell d popolazone Naïve poolng Stme basate sul sngolo soggetto Modell a effett mst Lnearzzazone del modello 2 Ing.

Dettagli

Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( )

Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( ) Generaltà Problema: soluzone d una equazone derenzale alle dervate ordnare d ordne n: n n K soggetta alle n condzon nzal: K n Ovvero rcercare la soluzone d un sstema d n equazon derenzal ordnare del prmo

Dettagli