(K) T λ µ (K) N µ µ N popolazone K Fgura 7.: Rete d code chusa. lunghezza meda della coda, ntesa come element n attesa p u element n servzo, par alla

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "(K) T λ µ (K) N µ µ N popolazone K Fgura 7.: Rete d code chusa. lunghezza meda della coda, ntesa come element n attesa p u element n servzo, par alla"

Transcript

1 Captolo 7 Le ret d code chuse e l'anals al valor medo La tecnca d soluzone per ret d code chuse che soddsfano la propret a della forma prodotta consste fondamentalmente nel calcolo d tutte le probablt a d stato, ed e questa una notevole quantt a d nformazone utlzzata soltanto n mnma msura per determnare alcune prestazon della rete, qual ad esempo l tasso medo d crcolazone. Quando soltanto prestazon mede sono d`nteresse, esste un metodo molto effcente per calcolarle, che non passa attraverso le probablt a d stato, noto come anals del valor medo (Mean Value Analyss MVA). Questo metodo, su cu s basano tutt gl algortm numerc modern, s applca sempre a ret d code con la propret a della forma prodotto. 7. Anals al valor medo Analzzamo l metodo dell`anals al valor medo ne due cas: quando nella rete presente una sola classe d utent e quando nvece v sono dverse class d utent. Il prmo caso consderato e quando nella rete c` e un`unca classe d utent, n altre parole tutt gl utent seguono lo stesso percorso. Il prncpo alla base d questa tecnca e concettualmente molto semplce e rsponde ad una vsone soggettva d una coda. S mmagn d essere uno degl utent, e c s domand qual e l numero medo d altr utent che nel muovers lungo la rete s ncontra nnanz a s e adognnodo(che non e lnumero medo degl utent nella rsorsa fornto dalla teora delle code). Se s sa rspondere a questa domanda, e possble mmedatamente conoscere l tempo medo d attesa presso ogn nodo, qund la somma de temp med d attesa pesata per fattor d vsta fornsce l tempo cclo medo, ed l suo recproco moltplcato per l numero d utent l tasso d crcolazone. Consderamo una rete d code chusa come ndcato n Fgura 7. con rsorse d tpo M=M= ed una popolazone d k utent. Un utente n arrvo ad una coda ncontra una

2 (K) T λ µ (K) N µ µ N popolazone K Fgura 7.: Rete d code chusa. lunghezza meda della coda, ntesa come element n attesa p u element n servzo, par alla lunghezza meda della coda che essterebbe con una popolazone k (rsultato d Reser). Indcato con N (k ) l numero medo d utent present presso l nodo esmo d una rete con k utent, l tempo medo d attesa ad un nodo per un utente d popolazone k e par al tempo necessaro a smaltre la coda che lo precede p u l tempo necessaro per l propro servzo. In questa trattazone per semplct a d notazone vene usato l tempo medo f = μ anzch e l tasso medo d servzo. Qund: T (k) =f h+n (k ) e la frequenza d crcolazone meda rsulta allora: (k) = P k T (k) Applcando la legge d Lttle e possble nfne conoscere l numero medo d utent present n una rsorsa d una rete d popolazone k: N (k) = (k) T (k): Dal rsultato d Reser derva un procedmento teratvo che partendo da k =, raggunge la popolazone desderata k = K. Dal caso elementare d un anello d macchne s pu o mmedatamente passare al caso p u generale d una rete arbtrara determnando da coeffcent d`nstradamento e dalle specfche del problema fattor d vsta. Dett v fattor d vsta, le formule sopra rportate s modfcano nel modo seguente: (k) = P k v T (k N (k) =v (k) T (k)

3 Esempo 7... Consderamo una rete d code chusa come ndcato n Fgura 7. con rsorse d tpo M=M= n cascata ed una popolazone d utent. Inzamo a consderare una popolazone k =: essendo e v =. Pertanto () = f + f + f T () = f h+n (0) N () = N () = N () = = f ; =; ; f f + f + f f f + f + f f f + f + f Consderamo ora una popolazone k = ed ottenamo: T () = f h+n () qual temp med d attraversamento e = f ψ+ T () = f h+n () = f ψ+ T () = f h+n () = f ψ+! f f + f + f! f f + f + f! f f + f + f quale tasso d crcolazone. () = T () + T () + T () (f + f + f ) = f (f + f + f )+f (f +f + f )+f (f + f +f ) Ξ 7.. Stazon multservent Per le ret d code chuse la tecnca rsolutva dell`anals del valor medo, poch e non utlzza l`ntera nformazone sullo stato del sstema, non consente l`estensone alle ret con stazon multservent. Poch e, per o, questa tecnca e numercamente molto p u effcente delle altre, e utle dsporre anche per questo caso un algortmo d una soluzone approssmata. Rcordamo la logca con cu opera l`anals del valor medo, che s basa sulla valutazone soggettva da parte d uno specfco utente della coda che deve subre nell`attraversare la rete. Allora, un`dea ntutva, n presenza d rsorse multservente, e che l`utente che sopraggunge

4 ncontra soltanto una frazone degl utent effettvamente n attesa, par al rapporto del loro numero totale per l numero de servent. Questa dea e ragonevole ma non completamente corretta. Indchamo, per una popolazone k della rete, con ß la probablt a che l`utente n arrvo trov =0; ; ;:::;k altr utent g a nella rsorsa, ed analzzamo l caso d una rsorsa bservente, l`estensone al caso generale sar a po mmedata. Il numero medo d utent present nella rsorsa, all`arrvo dunnuovo utente, quale c fornsce l`anals del valor medo e per defnzone: N = k X mentre l numero medo d utent effettvamente subt dal nuovo arrvato e nvece: =0 ß ~N = ß + ß +(ß 4 + ß 5 )+ Se come suggersce l`ntuzone s fosse assunto come numero d utent subt l rapporto del numero medo de present per l numerodservent ( nel caso del bservente) s sarebbe avuto: N = N =0:5ß + ß +:5ß + che confrontato con l valore effettvo porta a: ~N = N 0:5 X k ß + =0 Le due grandezze ~ N e N s dscostano d una quantt a che e scuramente nferore a 0.5, per questo s pu o concludere che, defnendo N = N 0:5, s ha: N» ~ N» N In conclusone, non e possble determnare l numero medo d utent che sar a causa d attesa per un utente n arrvo, ma sar a possble calcolare un suo lmte nferore e superore. La formula che fornsce l tempo medo d`attraversamento del rsultato d Reser s modfca n questo caso n: (k) = h+ N ~ (k ) μ dove n mancanza del valore esatto, N ~ pu o essere sosttuto da uno de suo due lmt, nferore o superore, calcolabl nel corso dello svluppo dall`algortmo. Esempo 7... S consder la rete d code rappresentata n Fgura 7., dove p = 0:, μ =, μ =. Nella rete crcolano pezz che vengono lavorat dalla macchna M e dalla macchna M. La lavorazone su M pu o fallre con probablt a p; n questo caso vene

5 λ µ µ Μ Μ p Fgura 7.: Rete d code chusa. rpetuta ndefntamente fno a quando non vene eseguta correttamente. Calcolare l tasso d produzone. Soluzone. Rsolvendo la rete medante l calcolo probablt a d stato a regme ed applcazone del teorema d Jackson per le red d code chuse ottenamo un tasso d produzone = :85. Rsolvamo la rete calcolando l tasso d produzone medante applcazone del metodo MVA. Introducamo tass d vsta: v =e v = p k = ottenamo: =:486. Con popolazone T () = μ =0:5; T () = μ = () = v T () + v T () =0:585 N () = ()v T () = 0:59; N () = ()v T () = 0:7407 Con popolazone k = ottenamo: T () = μ =0:5; T () = μ = (sono servz bservent) () = v T () + v T () =:07 N () = ()v T () = 0:585; N () = ()v T () = :485 Con popolazone k = defnamo con N (k) = N (k) e N (k) =N (k) 0:5 lmt superore ed nferore del numero medo d utent N (k) present nel servzo, rspettvamente, con una popolazone d k utent. Il valore medo N (k), fornto dal metodo MVA, e tale per cu N (k)» ~ N (k)» N (k), dove ~ N (k) e l`effettvo numero medo d utent present nella

6 rsorsa. Qund: N () = N () =0:59; N () = N () =0:7407 N () = N () 0:5 = 0:407 = 0; N () = N () 0:5 =0:407 T () = μ [ + N ()] = 0:696; T () = μ [ + N ()] = :7407 T () = μ [ + N ()] = 0:5; T () = μ [ + N ()] = :407 () = v T () + v T () =0:966; () = v T () + v T () =:0 ed ndcando con fp =:85 l valore del tasso d produzone ottenuto medante l teorema d Jackson (forma prodotto) oppure medante blancamento de fluss, segue che ()» fp» (): D seguto rportamo una breve funzone Matlab che mplementa l`algortmo d Mean Value Analyss. I parametr d nput sono: ffl v: vettore rga de coeffcent d vsta. ffl mu: vettore rga de tass d servzo. ffl k: numero d utent nel sstema. ffl mult: vettore rga: numero d servent per ogn stazone d servzo. monoservente M=M=. Default: stazon I parametr d output sono: ffl lambda: tasso d crcolazone nella rete. ffl N: vettore rga contenente l numero medo d utent n coda ne servz. ffl T: vettore rga contenente l tempo medo d attesa ne servz per k utent. ffl Tnext: vettore rga contenente l tempo medo d attesa per popolazone d k + utent. Nota: nel caso multservente parametr lam,t,tnext hanno due rghe che rappresentano lmte superore ed nferore delle rspettve grandezze. functon [lambda,n,t,tnext]=mva(v,mu,k,mult); n=length(v); tau=./mu;

7 f exst(`mult`), mult=ones(,n); end; f sum(mult)==n % caso stazon monoservent: Tnext=tau; for =:k T=Tnext; lambda=/sum(v.*t); N=lambda*(v.*T); Tnext=tau.*(+N); end; else Tnext=[tau; tau]; for =:k T=Tnext; lamupper=/sum(v.*t(,:)); lamlower=/sum(v.*t(,:)); lammean=(lamupper+lamlower)/; Tmean=(T(,:)+T(,:))/; N=lamMean*(v.*Tmean); Nupper=N./mult; ndexmult=fnd(mult>); Nlower=Nupper; Nlower(ndexMult)=Nlower(ndexMult)-... (mult(ndexmult)-)/mult(ndexmult); % nserre le due rghe seguent per lmt nferor null ndexneg=fnd(nlower<0); Nlower(ndexNeg)=zeros(,length(ndexNeg)); for j=:n f >mult(j)- Tnext(,j)=tau(j)*(+Nupper(j)); Tnext(,j)=tau(j)*(+Nlower(j)); else Tnext(,j)=tau(j); Tnext(,j)=tau(j); end; end; end;

8 end; lambda=[lamupper; lamlower]; 7. Class multple d utent Nel caso d class multple d utent la popolazone della rete e defnta attraverso un vettore, e nella notazone adottata l`ndce della classe appare come apce K = [k ;:::;k R ] con P R r= kr = K. Indchamo con k l vettore del numero de component d cascuna classe e con e r l versore con un solo n poszone r esma. Consderamo due tp d code M=M=eM=M=, con le potes solte che garantscono la forma prodotto: ne monoservent tutte le class d utent hanno sullo stessa rsorsa gl stess temp d servzo. Il rsultato d Reser vene cos aggornato. Il tempo d`attraversamento della stazone da parte d un elemento d classe r n una popolazone k rsulta dalla lunghezza meda della coda della rete che s avrebbe elmnando un elemento d classe r dalla popolazone: T r (k) = 8 >< >: f r ; f r se puro rtardo h + X j N j (k e r) ed ndcato con Q(r) l`nseme delle stazon vstate dalla classe r, la frequenza d crcolazone d quella classe rsulta: ed l numero d utent n coda r (k) = k r PQ(r) vr T r (k) N r (k) =v r r (k) T r (k): Esempo 7... S consder la rete d code rappresentata n Fgura 7., dove μ =,μ =4 e μ =. Nella rete crcolano due pezz d tpo dverso. I pezz del prmo tpo hanno cclo d lavorazone [M ;M ;M ], mentre quell del secondo tpo [M ;M ]. Determnare medante tecnche basate sulle ret d code che godono della forma prodotto tass d produzone per cascun tpo d pezz. Soluzone. S tratta d una d una rete d code chusa non Markovana, n quanto pezz che crcolano nella rete non hanno un nstradamento casuale. In partcolare l cclo d lavorazone [M ;M ;M ] prevede che pezz subscono ad ogn cclo lavorazon consecutve sulla macchna M. Le specfche del problema con nstradament determnstc sono tal per

9 µ µ M M µ M Fgura 7.: Rete d code chuse multclasse. cu la rete perde la propret a della forma prodotto ed l modello classco d una rete d code Markovane non rappresenta correttamente l problema. Per rsolvere n modo approssmato la rete adottamo l metodo della Mean Value Analyss applcato nel caso d class multple d utent. Analzzamo l cclo d lavorazone per le due class d pezz e determnamo tass d vsta: 6 4 I I I 7 5 = I ; II II II 7 5 = II dove I e II sono tass d crcolazone per le due class d pezz. Popolazone k =[; 0]: T I (k) = =0:5; T I μ (k) = =0:5; T I (k) =0 μ I (k) = T I(k)+ T =0:8 I (k) N I (k) = T I (k) I (k) =0:8; N I (k) = T I (k) I (k) =0:; N I (k) =0 Popolazone k =[0; ]: (k) = μ =0:5; (k) =0; (k) = μ = II (k) = (k)+ (k) =0:6667 N II II (k) = T (k) II (k) =0:4; N II II II (k) =0; N (k) = T (k) II (k) =0:6667

10 Popolazone k =[; ]: T I (k) = μ»+n II I (k) = [0; ] =0:6667; T I (k) =»+N II [0; μ ] =0:5; T I (k) =0 T I (k)+ T I (k) =0:66 (k) = μ»+n I II (k) = [; 0] =0:9; II (k) =0; T (k) =»+N I μ [; 0] = (k)+ (k) =0:56 Medante questa procedura teratva abbamo ndvduato tass d produzone I = 0:66 e II =0:56 rfert a cascuna classe. Osservamo che poch e la rete non gode della forma prodotto, la soluzone ottenuta per tass d produzone rsulta d conseguenza approssmata. Tuttava e possble dervare una catena d Markov che rappresenta correttamente l modello del sstema. Ξ 7.. Controllo d una rete d code chuse Nella pratca s adottano poltche d controllo n tempo reale, ovvero l`azone d decsone vene presa all`occorrenza degl event, ottenute n catena chusa come una funzone de valor attual msurat dello stato del sstema ed atte ad ottmzzare le prestazon. In generale, un sstema controllato perde la propret a della forma prodotto, e qund quelle caratterstche che ne permettono d valutare le prestazon n modo elementare. Consderamo l problema del controllo de tass d crcolazone. Nel caso d una rete d code chuse con class multple d utent, soltamente l rapporto fra le frequenze d crcolazone delle dverse class e un dato d progetto. Indchamo con rf un tasso d rfermento e con =[m ;:::;m R ] T l vettore de rapport ("mx") fra tass d crcolazone d cascuna classe ed un tasso rfermento, nel senso che cascuna classe r ha tasso d crcolazone: r = m r rf P Soltamente s scegle come tasso d rfermento rf = r r che rappresenta l tasso totale d crcolazone della rete. Il controllo del rapporto de tass d crcolazone pu o essere ottenuto, anzch e con la modfca della dscplna d coda delle rsorse (che farebbe perdere la propret a della forma prodotto alla rete), cambando la struttura logca della rete d code controllata aggungendo per cascuna classe d utent un nodo fttzo con un puro rtardo d valore medo assegnato (n altre parole ntroducendo una coda M=M= per ogn classe) e lascando nalterate le poltche FIFO delle rsorse della rete. Queste stazon hanno esclusvamente la funzone

11 d ntrodurre un termne d controllo sul tempo d ngresso degl utent n coda alla prma stazone della rete. I parametr d progetto del controllo sono rappresentat dal vettore de temp med d servzo per queste stazon fttze d controllo f =[f r ], con l`avvertenza d assegnare sempre l valore 0 al mnore de temp d rtardo. Attraverso temp d rtardo delle stazon d controllo e possble assegnare rapport de tass d crcolazone della rete, n altre parole ntervenre su valor relatv, non potendo, nvece, mporre l tasso totale, co e valor assolut. Questo tasso totale e un ndce della produttvt a della rete e dpende da temp d servzo delle stazon e dalle dmenson della popolazone d utent. Se una confgurazone d rete non e n grado d garantre l lvello d produttvt a desderato, e possble ntervenre sulla dmensone della popolazone. Esempo 7... S consder nuovamente la rete d code rappresentata n Fgura 7.. S defnsca, n base a rsultat precedent, una stratega d controllo che consenta d ottenere un mxng d produzone untaro. Soluzone. Poch e l tasso d produzone rferto alla prma classe e maggore ne consegue uno squlbro nel mxng produttvo che no ora cercheremo d rendere untaro. Denotamo con m =[; ] T l vettore de rapport fra tass d crcolazone d cascuna classe (mx) ed un tasso d rfermento che sceglamo par a = I + II. Qund mponamo che I = m = e II = m =, ovvero I = II. A tal fne ntroducamo una stazone d puro rtardo, l cu tempo d servzo e ndcato con f c, che dovr a rallentare" pezz della classe avente tasso d produzone maggore (n questo pezz d tpo I). Rpetamo la procedura d MVA descrtta sopra per l sstema controllato ndcato n Fgura 7.4. τ c µ µ M M µ M Fgura 7.4: Rete con stazone d controllo.

12 Popolazone k =[; 0]: T I (k) = μ =0:5; T I (k) = μ =0:5; T I (k) =0; T I c (k) =f c I (k) = T I (k)+ T I (k)+ Tc I (k) = :5 + f c N I (k) = T I (k) I (k) = ; N I (k) = T I (k) I (k) = 0:5 :5 + f c :5 + f c N I (k) =0; N I (k) = T I c c (k) I (k) = :5 + f c Popolazone k = [0; ]: rsultat sono gl stess d quell ottenut senza la stazone d puro rtardo n quanto l rtardo nteressa solo pezz della classe del prmo tpo (tpo I). Popolazone k =[; ]: (k) =0:5; (k) =0; (k) =; c (k) =0 II (k) = (k)+ (k) =0:6667 N II (k) = (k) II (k) =0:4; N II (k) =0 N II II (k) = T (k) II (k) =0:6667; N II (k) =0 f c c T I (k) = μ»+n II T I (k) =0; T I c (k) =f c [0; ] =0:6667; T I (k) =»+N II [0; μ ] =0:5 h [0; ] +N II c = f c I (k) = T I(k)+ TI(k)+ T c I(k) = :58 + f c (k) = μ»+n I (k) = μ»+n I [; 0] = :5 + 0:5f c ; (k) =0 :5 + f c [; 0] =; c (k) =0 II (k) = II (k)+ T (k) = :5 + f c :75 + :5f c Imponendo I (k) = II (k) ottenamo un`espressone l cu parametro ncognto e l tempo d servzo f c della stazone d rtardo: :58 + f c = :5 + f c :75 + :5f c ) f c +:f c 0:96 = 0 f c = :58; f c =0:50 e qund l`unca soluzone ammssble rsulta f c ο = 0:5. Ξ

13 7. Problem propost Problema 7... Consderare la seguente rete d code chusa n Fgura 7.5, dove tutte le rsorse sono d tpo M=M= e μ =, μ =4e μ =. Nella rete crcolano pezz d tpo dverso. I pezz del prmo tpo hanno cclo d lavorazone [M jm jm ], e quell del secondo [M jm ]. µ µ M M µ M Fgura 7.5: Rete d code chusa. Determnare medante tecnche basate sulla forma prodotto (MVA) tass d produzone per cascun tpo d pezz. In base a rsultat ottenut, defnre un stratega d controllo che consenta d ottenere un mx d produzone untaro. Problema 7... Consderare larete d code chusa n Fgura 7.6, dove tutte le rsorse sono d tpo M=M= avent μ = 0 e μ = 0, e μ = 5, e p ;I = 0:4, p ;II = 0:. Nella rete crcolano pezz d tpo dverso (I e II). I pezz d tpo I hanno cclo d lavorazone [M ;M ] con coeffcente d routng p ;I sulla macchna M, mentre pezz d tpo II hanno cclo d lavorazone [M ;M ] con coeffcente d routng p ;II sulla macchna M. µ µ p,i M M p,ii µ M Fgura 7.6: Rete d code chusa. Determnare medante tecnche rsolutve basate sulla forma prodotto (MVA) tass d crcolazone I e II per due tp d pezz ed lrelatvo mx d produzone. In base a rsultat ottenut, ntrodurre un`azone d controllo che consenta d ottenere un mx d produzone untaro. In assenza d controllo, provare a blancare l mx assegnando un ulterore utente

14 alla classe con tasso d crcolazone p u basso. S determn anche n questo caso l mx d produzone. Problema 7... Consderare larete d code chusa Fgura 7.7 dove tutte le rsorse sono d tpo M=M= avent μ = μ =0, μ = 0 e μ 4 = 5. Nella rete crcolano pezz con cclo d lavorazone [M jm ;M ], co e la prma lavorazone pu o avvenre ndfferentemente sulle macchn M o M, mentre laseconda lavorazone sulla macchna M pu o fallre un numero ndefnto d volte ed essere rpetuto con la stessa probablt a p =0:75; nquestocaso l pezzo vene rparato sulla macchna M 4 e rlavorato sulla macchna M. µ 4 M 4 µ p M µ µ M M λ Fgura 7.7: Rete d code chusa. Calcolare l tasso d produzone della rete medante applcazone del metodo della MVA e confrontare l rsultato ottenuto con quello dervante dalla soluzone medante teorema d Jackson.

Carla Seatzu, 18 Marzo 2008

Carla Seatzu, 18 Marzo 2008 8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte

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

* 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

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

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

Il dimensionamento dei sistemi di fabbricazione

Il dimensionamento dei sistemi di fabbricazione Il dmensonamento de sstem d fabbrcazone 1 Processo d progettazone d un sstema produttvo Anals della domanda Industralzzazone d prodotto e processo (dstnte e ccl d lavorazone) Scelta delle soluzon produttve

Dettagli

Propagazione delle incertezze

Propagazione delle incertezze Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze

Dettagli

PROBLEMA DI SCELTA FRA DUE REGIMI DI

PROBLEMA DI SCELTA FRA DUE REGIMI DI PROBLEMA DI SCELTA FRA DUE REGIMI DI CAPITALIZZAZIONE Prerequst: legge d captalzzazone semplce legge d captalzzazone composta logartm e loro propretà dervate d una funzone pendenza d una curva n un punto

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

Statistica descrittiva

Statistica descrittiva Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.

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

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

Potenzialità degli impianti

Potenzialità degli impianti Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà

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

Reti di Telecomunicazione

Reti di Telecomunicazione Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc Ret d Telecomuncazone Prof. Fabo Martgnon F. Martgnon: Ret d Telecomuncazone Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone

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

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

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

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/2019 1. Esercz: lezone 17/10/2018 Rendmento d un B.O.T. Eserczo 1. Un captale C vene chesto n prestto alla banca

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

Circuiti elettrici in regime stazionario

Circuiti elettrici in regime stazionario rcut elettrc n regme stazonaro Metod d anals www.de.ng.unbo.t/pers/mastr/ddattca.htm ersone del -0-00 Premessa Nel caso pù generale è possble ottenere la soluzone d un crcuto rsolendo un sstema formato

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

= = = = = 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

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

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

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

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

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

COMPORTAMENTO DINAMICO DI ASSI E ALBERI

COMPORTAMENTO DINAMICO DI ASSI E ALBERI COMPORTAMENTO DNAMCO D ASS E ALBER VBRAZON TORSONAL Costruzone d Macchne Generaltà l problema del progetto d un asse o d un albero non è solo statco Gl ass e gl alber, come sstem elastc, sotto l azone

Dettagli

Dinamica del corpo rigido

Dinamica del corpo rigido Anna Nobl 1 Defnzone e grad d lbertà S consder un corpo d massa totale M formato da N partcelle cascuna d massa m, = 1,..., N. Il corpo s dce rgdo se le dstanze mutue tra tutte le partcelle che lo compongono

Dettagli

IMPIANTI E PROCESSI CHIMICI. Tema A 13 Settembre 2011 Flash con Colonne binarie

IMPIANTI E PROCESSI CHIMICI. Tema A 13 Settembre 2011 Flash con Colonne binarie IMPINTI E PROCESSI CHIMICI Tema 3 Settembre 0 lash con Colonne bnare Soluzone Inzalmente s svolge un calcolo d lash al fne d caratterzzare la composzone delle corrent almentate alle due colonne. La corrente

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

VERIFICA DI MATEMATICA 1^F Liceo Sportivo 23 aprile 2018 Rispondere su un foglio protocollo e riconsegnare entro le ore 12:45 NOME E COGNOME

VERIFICA DI MATEMATICA 1^F Liceo Sportivo 23 aprile 2018 Rispondere su un foglio protocollo e riconsegnare entro le ore 12:45 NOME E COGNOME VERIFICA DI MATEMATICA ^F Lceo Sportvo 3 aprle 08 Rspondere su un foglo protocollo e rconsegnare entro le ore :45 NOME E COGNOME Consderamo la funzone f (a3 a+(a ). Determnare seguent valor: f (6) ; f

Dettagli

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

Dettagli

Economia del turismo

Economia del turismo U N I V E R S I T À D E G L I S T U D I D I C A G L I A R I F A C O L T À D I S C I E N Z E E C O N O M I C H E, G I U R I D I C H E E P O L I T I C H E C O R S O D I L A U R E A I N E C O N O M I A E

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

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

1. La domanda di moneta

1. La domanda di moneta 1. La domanda d moneta Esercz svolt Eserczo 1.1 (a) S consder l modello della domanda d moneta a scopo speculatvo d Keynes. Un ndvduo può sceglere d allocare la propra rcchezza sottoscrvendo un ttolo rredmble

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

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

Economia del turismo

Economia del turismo Unverstà degl Stud d Caglar Facoltà d Economa Corso d Laurea n Economa e Gest. de Serv. Turstc A.A. 2013-2014 Economa del tursmo Prof.ssa Carla Massdda Sezone 5 ANALISI MICROECONOMICA DEL TURISMO Argoment

Dettagli

(1) (2) 1 N. Bohr, Phil. Mag., 9,1 (1922). 2 D. R. Hartree, PTOC. Cambridge Phil. Soc., 24, 89 (1928).

(1) (2) 1 N. Bohr, Phil. Mag., 9,1 (1922). 2 D. R. Hartree, PTOC. Cambridge Phil. Soc., 24, 89 (1928). Il metodo SCF d Hartree ( Self-Consstent-Feld) Dscuteremo un approcco che utlzza alcun de vantagg del metodo a partcelle ndpendent, ma che tene conto sstematcamente delle repulson elettronche. el 922,

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

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

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann FISICA DEI FLUIDI Lezone 5-5 Maggo 202 Le equazon per le varabl macroscopche: moment dell equazone d Boltzmann Teorema H a parte, non è facle estrarre altre consderazon general sulla funzone denstà d probabltà

Dettagli

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω Metod d anals Eserczo Anals alle magle n presenza d sol generator ndpendent d tensone R s J R Determnare le tenson sulle resstenze sapendo che: s s 0 R R 5.Ω s J R J R R 5Ω R 0Ω R 6Ω R 5 Dsegnamo l grafo,

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

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

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

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

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

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

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986 Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane

Dettagli

ISTRUZIONE OPERATIVA:

ISTRUZIONE OPERATIVA: Pagna 1 d 7 SETTORE LI CA calcestruzz AG aggregat LM LS AC AP da c. a. p. AL Acca da lamnat e INDICE: 1) Scopo 2) Campo d applcazone 3) Norma d rfermento 4) Defnzon e smbol 5) Responsabltà 6) Apparecchature

Dettagli

Geotecnica Esercitazione 1/2013

Geotecnica Esercitazione 1/2013 Geotecnca Eserctazone 1/2013 # 1 - Note le quanttà q n gramm present su ogn setacco d dametro assegnato, rportate n Tab. 1, rappresentare le curve granulometrche e classfcare terren a, b, c. # 2 La Tab.

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

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

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

Incertezza dei risultati analitici - Determinazione dello zolfo totale nel carbone. Metodo gravimetrico Eschka

Incertezza dei risultati analitici - Determinazione dello zolfo totale nel carbone. Metodo gravimetrico Eschka ESEMPIO N. 1 Incertezza de rsultat analtc - Determnazone dello zolfo totale nel carbone. Metodo gravmetrco Escka Introduzone Questo esempo s rfersce ad un metodo d anals assoluto, n cu l unca grandezza

Dettagli

Teoremi dei circuiti

Teoremi dei circuiti Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del --04) Teorema d Tellegen potes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

Lezione n La concentrazione

Lezione n La concentrazione 1 La concentrazone Corso d Laurea: Economa Azendale Nello studo de fenomen economc e socal descrtt attraverso caratter quanttatv d tpo trasferble può essere nteressante analzzare la cosddetta concentrazone

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

- Riproduzione riservata - 1

- Riproduzione riservata - 1 Razze: Setter Inglese Bracco Francese tpo Prene D Franco Barsottn Va Bugallo 1b 56040 Crespna (PI) www.allevamentodelbugallo.t nfo@allevamentodelbugallo.t Parentela e consangunetà; Parentela; genetcamente

Dettagli

Incertezza di sensibilità < fluttuazione intrinseca delle misure.

Incertezza di sensibilità < fluttuazione intrinseca delle misure. Error casual no ad ora abbamo correlato la bontà d una msura alla sensbltà degl strument utlzzat. Samo partt da una stuazone n cu effettuata una sere d msure rpetute, le msure hanno tutte dato lo stesso

Dettagli

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04 UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso d Allocazone de centr d servzo SCG-E04 Le fas del processo d msurazone de cost Fase 1 Rlevazone de cost Fase 2 Assegnazone de cost Cost drett (Drect cost) Attrbuzone

Dettagli

Tangenti a una conica: il metodo del Doppio sdoppiamento 1

Tangenti a una conica: il metodo del Doppio sdoppiamento 1 Tangent a una conca: l metodo del Doppo sdoppamento 1 Franco Goacchno Sunto Ecco un metodo alternatvo per determnare le tangent a una conca da un qualsas punto del pano. Esso consste nell applcare volte

Dettagli

Metodi di analisi per circuiti resistivi

Metodi di analisi per circuiti resistivi Metod d anals per crcut resst www.de.ng.unbo.t/pers/mastr/ddattca.htm ersone del 7-0-07 Premessa Nel caso pù generale è possble ottenere la soluzone d un crcuto rsolendo un sstema formato dalle equazon

Dettagli

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu) lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA UNIVERSITA DEGI STUDI DI CASSINO FACOTA DI INGEGNERIA ANTONIO RUSSO, ANGEO EOPARDI ANAISI DE ERRORE CONNESSO A APPROSSIMAZIONE DEE UNGHEZZE E DEE CEERITA NE METODO DI INTEGRAZIONE DEE CARATTERISTICHE (MOC)

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

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

Distribuzione di Boltzmann. Nota

Distribuzione di Boltzmann. Nota Dstrbuzone d Boltzmann ota Tutto l soggetto trattato deve n realta essere nserto nel quadro concettuale della meccanca statstca, che non e trattato n questo corso. Quest cenn sono solo un breve rchamo

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

Dettagli

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente

Dettagli

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO Stabltà e Teorema d Drclet Defnzone S dce ce la confgurazone C 0 d un sstema è n una poszone d equlbro stable se, portando l sstema n una confgurazone

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

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali Chmca Fsca - Chmca e Tecnologa Farmaceutche Lezone n. 10 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Convenzon per le soluzon real Relazon tra coeffcent d attvtà 02/03/2008 Antonno

Dettagli

Teoria dell informazione e Meccanica Statistica

Teoria dell informazione e Meccanica Statistica Teora dell nformazone e Meccanca Statstca L. P. Gugno 2007 Rporto qu una breve rassegna dell approcco alla Meccanca Statstca medante la teora dell nformazone. Partamo dalla consderazone che la probabltà

Dettagli

Valutazione dei Benefici interni

Valutazione dei Benefici interni Corso d Trasport Terrtoro prof. ng. Agostno Nuzzolo Valutazone de Benefc ntern Valutazone degl ntervent Indvduazone degl effett rlevant La defnzone degl effett rlevant per un ntervento sul sstema d trasporto

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

Un modello per la valutazione delle prestazioni di intersezioni complesse semaforizzate

Un modello per la valutazione delle prestazioni di intersezioni complesse semaforizzate Unverstà degl Stud d Treste Modello per la valutazo delle prestazon d ntersezon complesse Unverstà degl Stud d Treste ntroduzo concluson Un modello per la valutazo delle prestazon d ntersezon complesse

Dettagli

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le

Dettagli

Elasticità nei mezzi continui

Elasticità nei mezzi continui Elastctà ne mezz contnu l tensore degl sforz o tensore d stress, σ j Consderamo un cubo d dmenson untare n un mezzo elastco deformato. l cubo è deformato dalle forze eserctate sulle sue facce dal resto

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE AA 2016/2017 1 Esercz 2 Regme d sconto commercale Eserczo 1 Per quale durata una somma a scadenza S garantsce lo stesso valore

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

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

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

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

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

Corso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005

Corso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005 Corso d Tecnche elettromagnetche per la localzzazone e l controllo ambentale Test scrtto del 8 / 9 / 5 S rsponda alle seguent domande marcando con un segno le rsposte che s reputano corrette. S rsolva

Dettagli