Probabilità e tempi medi di assorbimento
|
|
- Gianmaria Lanza
- 6 anni fa
- Visualizzazioni
Transcript
1 Probabilità e temi medi di assorbimento 6.1 Probabilità di assorbimento Consideriamo una catena con un numero finito di stati che indichiamo con S = {1, 2,... r}. Sia C una classe chiusa di S. Se la catena entra in C, cioè se er ualche k X k C, allora la catena vi rimane er semre, cioè X n C er ogni n k. Per le alicazioni risulta imortante andare a calcolare la robabilità che una catena artita da uno stato i ualunue, entri rima o oi nella classe C. Indichiamo tale robabilità con λ i = P(X n C, er ualche n X 0 = i). Se i C allora chiaramente λ i = 1. Se invece i D, dove D è un altra classe chiusa disgiunta dalla recedente, allora λ i = 0. Le robabilità λ i sono dunue di un ualche interesse uando i è uno stato transitorio che non si trova in C. Abbiamo uindi il seguente risultato. Teorema Sia {X n } una catena di Markov avente sazio degli stati finito. Suoniamo che C sia una classe chiusa e indichiamo con T la classe degli stati transitori non in C. Allora la robabilità di assorbimento della catena nella classe C, artita dallo stato i T, è soluzione del sistema lineare λ i = h C P ih + j T P ij λ j. (6.1) Tale soluzione è anche l unica. Dimostrazione. Per la dimostrazione si veda ad esemio il testo di Baldi o il classico testo di Feller. Qui cerchiamo di giustificarla da un unto di vista intuitivo. L idea 91
2 92 CAPITOLO 6. PROBABILITÀ E TEMPI MEDI DI ASSORBIMENTO è che se la catena si trova nello stato i, essa uò finire nella classe assorbente o in un asso solo andando direttamente dallo stato i allo stato h C. Oure uò andare in un asso in un altro stato transitorio j e oi da uesto andare nella classe chiusa C. Prima di assare al calcolo delle robabilità di assorbimento osserviamo che se lo sazio degli stati uò essere suddiviso in un sottoinsieme T di tutti gli stati transitori e in un unica classe C contenente tutti gli stati ricorrenti allora ossiamo scrivere T C = S e T C =. In uesto caso il sistema λ i = h C P ih + j T P ij λ j ammette la soluzione λ i = 1 er ogni i T. Infatti abbiamo verificata l uguaglianza 1 = P ih + P ij = P ik = 1. h C j T k S Questo dimostra che una catena di Markov con sazio degli stati finito lascia gli stati transitori er non tornarvi mai iù con robabilità uno. Nelle alicazioni risulta interessante calcolare la robabilità di assorbimento in una classe C uando uesta non esaurisce l insieme degli stati ricorrenti della catena di Markov. Esemio Consideriamo un imianto er il confezionamento di uova rodotte da galline da allevamento. L imianto uò essere schematizzato con cinue fasi in seuenza: ingresso, sazzolatura, lavaggio, trattamento, confezionamento. Il 99% delle uova che entrano nell imianto assano alla fase di sazzolatura, mentre le rimanenti vengono scartate. Il 97% delle uova che hanno suerato la fase di sazzolatura assano alla successiva (lavaggio), mentre le rimanenti sono scartate. Il 96% delle uova che hanno subito il rocesso di lavaggio vengono assate alla fase di trattamento, mentre le restanti sono scartate. Infine, il 99% delle uova che sono state trattate vengono confezionate, mentre il restante 1% viene scartato. Possiamo modellare la dinamica di un uovo con una catena di Markov omogenea con sei stati, dati risettivamente da: stato 1: ingresso stato 2: sazzolatura stato 3: lavaggio stato 4: trattamento
3 6.1. PROBABILITÀ DI ASSORBIMENTO 93 stato 5: confezionamento stato 6: scarto e matrice di transizione ad un asso data da M = Per convenzione dove non comare nulla si intende che la robabilità di transizione è zero. Dalla forma della matrice M si deduce che gli stati 5 e 6 sono assorbenti, mentre gli altri stati sono transitori. La robabilità di assorbimento nella classe 5 raresenta la robabilità che un uovo finisca confezionato e uindi assi alla distribuzione, la robabilità di assorbimento in 6 raresenta la robabilità che un uovo venga scartato. Calcoliamo tali robabilità nel caso in cui lo stato iniziale dell uovo sia uello in ingresso, cioè lo stato 1. Consideriamo la classe chiusa costituita dallo stato 5. Il sistema 6.1 in uesto caso diviene, osto T = {1, 2, 3, 4}, λ i = h=5 P ih + j T P ij λ j, i T. Si tratta uindi di 4 euazioni, che, considerata la forma della metrice M assumono la forma λ 1 = P 12 λ 2 λ 2 = P 23 λ 3 λ 3 = P 34 λ 4 λ 4 = P 45. Se siamo interessati alla robabilità che, dato che lo stato iniziale è lo stato 1, la catena sia assorbita nello stato 5, basta risolvere il sistema e trovare il valore λ 1. Risulta λ 1 = P 12 P 23 P 34 P 45, e raresenta la robabilità che un uovo entrato nell imiant esca confezionato. Chiaramente λ 1 = λ 1, raresenta la robabilità che un uovo entrato nell imianto venga scartato. Il valore λ 2 = tp 23 P 34 P 45 raresenta la robabilità che un uovo che si trova nello 2 (cioè ha suerato la rima selezione ed è stato sazzolato), sia assorbito nello stato 5, venga cioè confezionato.
4 94 CAPITOLO 6. PROBABILITÀ E TEMPI MEDI DI ASSORBIMENTO Esemio Rirendiamo il caso della catena che descrive una asseggiata aleatoria con barriere assorbenti in 0 e in N. Possiamo dire che la robabilità che la catena che arte da uno stato k transitorio, sia assorbita nella classe costituita dai due stati assorbenti 0 e N è 1. Abbiamo già calcolato la robabilità di assorbimento in 0 ricorrendo alla soluzione di un sistema di euazioni ricorrenti. Ora calcoliamo la robabilità di assorbimento nello stato N risolvendo il sistema (6.1). L insieme degli stati transitori è T = {1, 2,... N 1}. La classe chiusa C è costituita dal solo stato N. Il sistema risulta λ i = λ i+1 + λ i 1, i = 1, 2,..., N 1. Osserviamo che er i = 1 l euazione risulta λ 1 = λ 2, mentre er i = N 1 λ N 1 = + λ N 2. Possiamo inoltre orre λ 0 = 0 e λ N = 1, in uanto se la catena si trova nello stato 0 è nulla la robabilità che sia assorbita in N, mentre se si trova nello stato N vi rimane. Poiché + = 1 ossiamo scrivere ( + )λ i = λ i+1 + λ i 1, i = 1, 2,..., N 1, che diviene e uindi (λ i λ i+1 ) = (λ i λ i ) i = 1, 2,..., N 1, λ i+ λ i = (λ i λ i 1 ) i = 1, 2,..., N 1. Riscrivendo er esteso il sistema e sostituendo da un euazione all altra otteniamo, tenendo resente che λ 0 = 0, λ 2 λ 1 = λ 1 λ 3 λ 2 = (λ 2 λ 1 ) =. λ i λ i 1 = λ N λ N 1 =. ( ) i 1 λ 1 ( ) N 1 λ 1. ( ) 2 λ 1 Sommando le rime i 1 euazioni, er ogni i = 2, 3,..., N, otteniamo i 1 ( ) j (λ 2 λ 1 ) + (λ 3 λ 2 ) (λ i λ i 1 ) = λ 1. j=1
5 6.1. PROBABILITÀ DI ASSORBIMENTO 95 Otteniamo uindi da cui i 1 ( ) j λ i λ 1 = λ 1, j=0 j=1 i 1 ( ) j λ i = λ 1. Ricordando che, se b 1, ( b n ) = ( b)(1 + b + b b n 1 ), otteniamo er e er ogni i = 2,..., N λ i = Ricordando erò che λ N = 1 ricaviamo ( ) i λ 1. λ 1 = ( ) N, da cui λ i = ( ) i ( ) N, i = 1,..., N 1. Se invece = = 1, otteniamo λ 2 i = iλ 1 e osservando che anche in uesto caso λ N = 1, otteniamo λ 1 = 1 e λ N i = i, er ogni i = 2,... N 1. Si osservi che N la robabilità che la catena sia assorbita in 0 la ricaviamo come comlemento a 1 della robabilità che la catena sia assorbita in N, in virtù del fatto che la catena è sicuramente assorbita in uno dei due stati ricorrenti. In articolare ritroviamo il risultato già ottenuto in recedenza, cioè indicata con i la robabilità che la catena artita da i sia assorbita in 0 abbiamo ( ) i ( ) i ( ) N i = λ i = ( ) N = ( ) N. (6.2) Osserviamo inoltre che se allora lim N + λ i = 0, mentre se < allora lim N + λ i = 1. Vale a dire, ritornando all esemio del giocatore che la rovina contro un giocatore con caitale infinito è certa er chi gioca alla ari o svantaggiato.
6 96 CAPITOLO 6. PROBABILITÀ E TEMPI MEDI DI ASSORBIMENTO Consideriamo la asseggiata aleatoria data dall euazione (3.2), ma suoniamo che la camminata arta dal unto k > 0 e vi siano due barriere assorbenti, in 0 e in N, N > k. Denotiamo con E l evento e con A = {X n = 0 er ualche n} k = P(A X 0 = k). Sia inoltre F l evento corrisondente a Z 1 = +1. Possiamo scrivere Infatti P(A X 0 = k) = P(A F, X 0 = k)p(f ) + P(A F c, X 0 = k)p(f c ). (6.3) P(A X 0 = k) = P(A F X 0 = k) + P(A F c X 0 = k). Possiamo uindi riscrivere il rimo termine a secondo membro come P(A F X 0 = k) = P(A F, X 0 = k) P(X 0 = k) = P(A F, X 0 = k)p(f ). = P(A F, X 0 = k) P(F, X 0 = k) P(X 0 = k) Agendo in modo analogo er il secondo termine otteniamo la (6.3). Osserviamo che se si verifica l evento F osso considerare la mia articella nel unto k + 1 e cominciare la camminata da lì. Abbiamo uindi che In modo analogo P(A F, X 0 = k) = P(A X 0 = k + 1) = k+1. P(A F c, X 0 = k) = P(A X 0 = k 1) = k 1. Possiamo uindi riscrivere la (6.3) come k = k+1 + k 1, 0 < k < N, con le condizioni 0 = 1 e N = 0. Se, la soluzione è data da k = (/)k (/) N (/) N. Se invece =, la soluzione è k = k N.
7 6.1. PROBABILITÀ DI ASSORBIMENTO 97 Esemio Rirendiamo l esemio Il rocesso {Y n } è una catena di Markov. Se la catena viene assorbita in 0 il giocatore A è rovinato. In uesto caso k = a, N = a + b e = = 1. La robabilità che A sia rovinato è 2 a = a a + b = b a + b. Esemio Un giocatore entra in una bisca con 1000 dollari e unta ogni volta un dollaro in un gioco dove egli vince con robabilità = 18/37 e erde con robabilità = 19/37. Ha deciso di andarsene non aena abbia vinto 1001 dollari o abbia erso tutto. Calcolare la robabilità che il giocatore se ne vada avendo vinto e la robabilità che se ne vada avendo erso. Calcolare il valore atteso di tale vincita. Possiamo rivedere il roblema in uesti termini. Il caitale del giocatore che entra nella bisca è una catena di Markov che arte nello stato 1000 ed evolve nel temo come una asseggiata aleatoria con barriere assorbenti in 0 e in La robabilità che lo stato aumenti di una unità è ari a 18/37, mentre la robabilità che diminuisca di una unità è ari a 19/37. La robabilità di assorbimento in 0 è dunue 1000 = (19/18)1000 (19/18) 1001 = (19/18) 1001 La robabilità di assorbimento in 1001 la ossiamo calcolare come robabilità di assorbimento in 0 della catena che descrive il caitale del banco della bisca all istante n. Tale catena arte dallo stato 1 ed ha barriere assorbenti in 0 (che corrisonde all evento che il giocatore abbia raggiunto 1001 come caitale) e in 1001 (che corrisonde al fatto che il giocatore abbia erso tutto). La robabilità che la catena incrementi di un unità il rorio stato è 19/37. Quindi 1 = (18/19) (18/19) 1001 (18/19) 1001 = Si osservi che la somma delle due robabilità è ari a 1. Per il calcolo del valore atteso della vincita del giocatore, osserviamo che tale giocatore alla fine della artita uò trovarsi o con una vincita di 1001 o avere erso tutto. Se indichiamo con V tale variabile casuale, essa assume i valori 0 e 1001 con robabilità risettivamente e Il valore atteso è dunue E(V ) = =
TEORIA DELLA PROBABILITÁ
TEORIA DELLA PROBABILITÁ Cenni storici i rimi arocci alla teoria della robabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli) gli ambiti di alicazione sono i giochi d azzardo e roblemi
DettagliComportamento asintotico delle Catene di Markov
Comortamento asintotico delle Catene di Markov In queste note analizzeremo il comortamento asintotico della catene di Markov a temo discreto omogenee, con sazio degli stati di dimensione finita. I risultati
DettagliESERCITAZIONE 4: MONOPOLIO E CONCORRENZA PERFETTA
ESERCITAZIONE 4: MONOPOLIO E CONCORRENZA PERFETTA Esercizio : Scelta ottimale di un monoolista e imoste Si consideri un monoolista con la seguente funzione di costo totale: C ( ) = 400 + + 0 0 La domanda
DettagliI fasci di circonferenze
A I fasci di circonferenze Se combiniamo linearmente le equazioni di due circonferenze otteniamo un fascio di circonferenze. Per esemio, date le circonferenze di equazioni la loro combinazione lineare
DettagliLa probabilità. f n. evidentemente è 0 ( E)
La robabilità Definizione - Eserimento aleatorio Ogni fenomeno del mondo reale al quale associare una situazione di incertezza. Es: Lancio di un dado, estrazioni numeri della tombola, ecc. Definizione
DettagliPrincipi di Economia Microeconomia. Esercitazione 1 Domanda, Offerta ed Equilibrio. Soluzioni
Princii di Economia Microeconomia Esercitazione 1 Domanda, Offerta ed Equilibrio Soluzioni Maria Tsouri Novembre 1 1. Raresentate graficamente le seguenti funzioni di domanda e di offerta: (a) d =1-P Calcoliamo
DettagliCALCOLO DELLE PROBABILITÀ. 1. La probabilità che una candela accesa si spenga è p = 1, perché è assolutamente certo che si esaurirà.
CALCOLO DELLE PROBABILITÀ -Definizione di robabilità -Legge additiva (eventi disgiunti) -Probabilità totale -Eventi comosti -Eventi indiendenti -Legge moltilicativa -Probabilità comoste - -Definizione
DettagliESERCIZIO 1: Vincolo di bilancio lineare
Microeconomia rof. Barigozzi ESERCIZIO 1: Vincolo di bilancio lineare Si immagini un individuo che ha a disosizione un budget di 500 euro e deve decidere come allocare tale budget tra un bene, che ha un
DettagliMATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI. Anna TORRE
MATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI Anna TORRE Dipartimento di Matematica, Università di Pavia, Via Ferrata 1, 27100, Pavia, Italy. E-mail: anna.torre@unipv.it 1 SOLUZIONI:
DettagliUNIVERSITA` di ROMA TOR VERGATA
UNIVERSITA` di ROMA TOR VERGATA Corso di PS2-Probabilità 2 P.Baldi appello, 7 giugno 200 Corso di Laurea in Matematica Esercizio Siano X, Y v.a. indipendenti di legge Ŵ(2, λ). Calcolare densità e la media
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di PS-Probabilità P.Baldi Tutorato 9, 19 maggio 11 Corso di Laurea in Matematica Esercizio 1 a) Volendo modellizzare l evoluzione della disoccupazione in un certo ambito
DettagliTrigonometria. sen α = ordinata del punto B secondo estremo dell arco α (il primo estremo è in A) = BH.
Trigonometria Teoria in sintesi Radiante: angolo al centro di una circonferenza che sottende un arco di lunghezza rettificata uguale al raggio Si assa dai gradi ai radianti con la seguente roorzione: :
Dettagli4 Interi somma di più di due quadrati
4 Interi somma di iù di due quadrati Abbiamo già osservato, risolvendo l equazione diofantea X 2 + Y 2 = n, che non ogni intero ositivo si uò scrivere come somma di due quadrati di interi (ad esemio: 3
DettagliEsercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
DettagliCapitolo 2. Funzioni
Caitolo 2 Funzioni 2.1. De nizioni Un concetto di fondamentale imortanza è quello di funzione. roosito la seguente de nizione: Vale a questo De nizione 10 Dati due insiemi (non vuoti) X e Y, si chiama
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliDomanda (D) = Offerta (S, da supply )
UNIVERSITÀ DEGLI STUDI DI BERGAMO Laurea Triennale in Ingegneria Gestionale Lezione 10 Euilibrio di mercato Prof. Gianmaria Martini Euilibrio di mercato Un mercato è in euilibrio uando la uantità domandata
DettagliVerifica di ipotesi: approfondimenti
1. Il -value Verifica di iotesi: arofondimenti Il test si uò effettuare: Determinando reventivamente le regioni di accettazione di H 0 e H 1 er lo stimatore considerato (sulla base del livello α e osservando
DettagliTRASFORMAZIONI LINEARI SUL PIANO
TRASFORMAZIONI LINEARI SUL PIANO Sono trasformazioni lineari tutte le trasformazioni del tio: a b c d in forma matriciale: X A X B, cioè a c b d Dove a A c b d è la matrice della trasformazione. Se il
DettagliUGELLO CONVERGENTE. Dai valori noti si ricava: = = e quindi il rapporto: p a
UGELLO CONVERGENE. Si consideri un ugello convergente che scarica in ambiente ( a atm). Sono noti la temeratura di ristagno K, il diametro di uscita dell ugello D.m e la differenza di ressione tra monte
DettagliNozioni fondamentali sulle catene di Markov
Nozioni fondamentali sulle catene di Markov La nozione di catena di Markov fu implicitamente introdotta dal matematico russo AA Markov (1856-1922) in una serie di articoli, il primo dei quali apparso nel
Dettagli1. PROPOSIZIONI E CONNETTIVI LOGICI
74 CENNI DI LOGICA (PARTE 1) 1. PROPOSIZIONI E CONNETTII LOGICI Proosizione = affermazione, frase er la uale abbia senso chiedersi se sia vera o falsa. Esemi: 1. L uomo è disceso la rima volta sulla Luna
DettagliLeggi congiunte di variabili aleatorie
eggi congiunte di variabili aleatorie CAPIT 6 6. FUNZINI DI DISTRIBUZINE CNGIUNTE Fino a ora abbiamo considerato unicamente le leggi di singole variabili aleatorie. Tuttavia, siamo spesso interessati a
DettagliPROCESSI STOCASTICI 1: ESERCIZI
PROCESSI STOCASTICI 1: ESERCIZI (1) ESERCIZIO: Date P e Q matrici stocastiche, dimostrare che la matrice prodotto P Q è una matrice stocastica. Dedurre che la potenza P n e il prodotto P 1 P 2 P n sono
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 17 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html SOMMA ZERO Un gioco non cooperativo a due giocatori
DettagliUniversità di Milano Bicocca - Facoltà di Economia Esame di Matematica Generale I 7 luglio 2010
Università di Milano Bicocca - Facoltà di Economia Esame di Matematica Generale I 7 luglio 1 Esercizio 1 Doo avere raresentato gra camente la seguente funzione, trovare gli intervalli del dominio in cui
DettagliESERCIZI SULLE CATENE DI MARKOV. Docente titolare: Irene Crimaldi 18/11/2009 P =
ESERCIZI SULLE CATENE DI MARKOV Docente titolare: Irene Crimaldi 8//9 ESERCIZIO Una catena di Markov (X n ) n con insieme degli stati S = {,,} ha matrice di transizione µ() =, µ() =, µ() =. a) Calcolare
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
DettagliLinea elastica, scalata per la rappresentazione grafica
Esercizio N.1 a trave a mensola ha sezione trasversale costante e porta un carico F nella sua estremità libera. Determinare l euazione della linea elastica, lo spostamento e la rotazione in. Ricordiamo
DettagliESERCITAZIONE 4: Monopolio e concorrenza perfetta
MIROEONOMIA LEA A.A. 003-00 ESERITAZIONE : Monopolio e concorrenza perfetta Esercizio : Monopolio (da una prova del 7//0) Un monopolista massimizza il suo profitto producendo la uantità Q*=. La curva di
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliCapitolo 3 - Parte IV Complementi sui circuiti combinatori
Aunti di Elettronica Digitale Caitolo 3 - arte IV Comlementi sui circuiti combinatori Introduzione... Sommatori...2 Introduzione...2 Half-adder...3 Full-adder...4 Sommatore binario arallelo...7 roagazione
DettagliMICROECONOMIA. Studiamo adesso la relazione tra variazioni dei ricavi e variazione della quantità venduta:
Studiamo adesso la relazione tra variazioni dei ricavi e variazione della uantità venduta: In termini formali già saiamo che la variazione dei ricavi uò essere esressa come: R = + Seguendo una rassi ormai
DettagliTre tipi di Sistema Un richiamo
Corso di Studi di Fisica Corso di Chimica Luigi Cerruti www.minerva.unito.it Programma: a che unto siamo? Lezioni 25-26 2010 re tii di Sistema Un richiamo Un aio di riferimenti matematici Sistema isolato:
DettagliESERCITAZIONE 3: Produzione e costi
MICROECONOMIA CEA A.A. 00-00 ESERCITAZIONE : Produzione e costi Esercizio (non svolto in aula ma utile): Rendimenti di scala Determinare i rendimenti di scala delle seguenti funzioni di produzione: a)
DettagliFunzioni implicite - Esercizi svolti
Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita
DettagliDomanda e Offerta di mercato
Domanda e Offerta di mercato 1. Definizione di Mercati Cometitivi 2. La Funzione di Domanda di Mercato 3. La Funzione di Offerta di Mercato 4. Equilibrio e sue caratteristiche 5. L Elasticità 6. Esercizi
DettagliLA DOMANDA DI MERCATO
LA DOMANDA DI MERCATO Finora ci siamo occuati della scelta dell individuo, ora vogliamo esaminare come si determina la domanda di mercato di un bene. Domande individuali: x i 1 ( 1, 2, y i ) i= 1,...n
Dettagliœ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ Τ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ œ Τ œ Τ œ 2. Auf, auf! die rechte Zeit ist hier Auf,
Rocco De Cia [9..01] Aunti di armonia () l basso cifrato J.S. Bach, Lieder und Arien (BW 9-18) Proseguiamo i nostri esercizi di armonia con i Lieder und Arien di J.S. Bach, una raccolta di canti con basso
DettagliUNIVERSITÀ DEGLI STUDI DI SALERNO Svolgimento della prova scritta di Matematica II 08 Giugno 2011
Esercizio UNIVERSITÀ EGLI STUI I SALERNO della rova scritta di Matematica II Giugno In R con la struttura di sazio euclideo canonica si considerino le due rette: r : x y + ; s : x y ;. (a) dire se le rette
DettagliLa Probabilità Classica e la Probabilità Quantistica
La Probabilità Classica e la Probabilità Quantistica .a La robabilità classica e la robabilità quantistica Johann Carl Friederick Gauss Germania 777 855 Andrey Nikolaevich Kolmogorov Russia 903 987 J.
DettagliEsempio Le preferenze di un consumatore sono descritte dalla funzione di utilità U = x 1 x 2. Il suo reddito è pari a 400 con p 1 = 4 e p 2 = 10.
4. Effetto reddito ed effetto sostituzione Esemio Le referenze di un consumatore sono descritte dalla funzione di utilità U. Il suo reddito è ari a 400 con 4 e 0. a) Determinare la scelta ottima e come
DettagliL Offerta dell impresa e dell industria
L Offerta dell imresa e dell industria Studiamo l offerta dell imresa nel mercato di concorrenza erfetta Un mercato caratterizzato da concorrenza erfetta se: 1-I I rezzi sono fissi: l imresa non è in grado
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE Modelli delle Sorgenti di Traffico Generalità Per la realizzazione di un modello analitico di un sistema di telecomunicazione dobbiamo tenere in considerazione 3 distinte sezioni
DettagliPrincipi di Economia - Microeconomia Esercitazione 2 Domanda, offerta ed equilibrio di mercato Soluzioni
Princii di Economia - Microeconomia Esercitazione 2 Domanda, offerta ed equilibrio di mercato Soluzioni Daria Vigani Febbraio 2014 1. Assumiamo la seguente funzione di domanda di mercato er il gelato:
DettagliELEMENTI DI MICROECONOMIA PER L'APPLICAZIONE DELL'ANALISI ALL'ECONOMIA
ELEMENTI DI MICROECONOMI PER L'PPLICZIONE DELL'NLISI LL'ECONOMI 1. LE FUNZIONI DI DOMND E DI OFFERT Si assume di dover osservare le vicende del mercato di un certo bene in un determinato eriodo di temo.
DettagliMetodi quantitativi per i mercati finanziari
Metodi quantitativi per i mercati finanziari Esercizi di probabilità Spazi di probabilità Ex. 1 Sia Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Siano A e B sottoinsiemi di Ω tali che A = {numeri pari},
DettagliCinematica grafica C.R P 2
inematica grafica ome già evidenziato in recedenza, in alternativa alla formulazione analitica e limitatamente ai roblemi iani, è ossibile dare del roblema cinematico una formulazione grafica, che in qualche
DettagliDISUGUAGLIANZE. Umberto Marconi Dipartimento di Matematica Pura e Applicata Padova
1. PREMESSA 1 DISUGUAGLIANZE Umberto Marconi Diartimento di Matematica Pura e Alicata Padova 1 Premessa Riassumiamo alcune disuguaglianze standard riguardanti somme e integrali (le dimostrazioni seguiranno
DettagliLICEO SCIENTIFICO QUESTIONARIO QUESITO 1
www.matefilia.it LICEO SCIENTIFICO 7 - QUESTIONARIO QUESITO Definito il numero E come: E = e d, dimostrare che risulta: e d = e E esprimere e d in termini di e ed E. Cerchiamo una primitiva di e integrando
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità 1 A. A. 4/5 a prova in itinere 8/6/5docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento degli Esercizi
DettagliSoluzioni degli esercizi proposti
Soluzioni degli esercizi proposti.9 a La cardinalità dell insieme dei numeri,..., 0 n che sono multipli di 5 è 0n 5. Dunque, poiché siamo in una condizione di equiprobabilità, la probabilità richiesta
DettagliCONGRUENZE. proprietà delle congruenze: la congruenza è una relazione di equivalenza inoltre: Criteri di divisibilità
CONGRUENZE I) Definizione: due numeri naturali a e b si dicono congrui modulo un numero naturale p se hanno lo stesso resto nella divisione intera per p. Si scrive a b mod p oppure a b (p) proprietà delle
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica 69AA) A.A. 06/7 - Prima prova in itinere 07-0-03 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.
DettagliLE FUNZIONI ECONOMICHE
M A R I O G A R G I U L O LE FUNZIONI EONOMIHE APPLIAZIONE DELL ANALISI MATEMATIA FUNZIONI EONOMIHE L economia è lo studio di come imiegare, con maggior convenienza, il denaro di cui si disone er raggiungere
DettagliSistemi di particelle identiche
Sistemi di articelle identiche 1. Princiio di indistinguibilità Due articelle si dicono identiche se hanno le stesse caratteristiche fisiche, quali massa, sin, carica elettrica, momento magnetico. Col
DettagliScattering elettrone-protone
Scattering elettrone-rotone Nel 1950 Hofstadter utilizzò elettroni da 180 MeV er sondare la distribuzione di carica dei nuclei. Consideriamo darima la diffusione Coulombiana di un elettrone da arte di
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliCatene di Markov - Foglio 1
Catene di Markov - Foglio 1 1. Una pedina si muove su un circuito circolare a 4 vertici, numerati da 1 a 4. La pedina si trova inizialmente nel vertice 1. Ad ogni passo un giocatore lancia un dado equilibrato:
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
DettagliP (0 semafori rossi) = 0,05 P (1 semaforo rosso) = 0,20 P (2 semafori rossi) = 0,25 P (3 semafori rossi) = 0,35 P (4 semafori rossi) = 0,15
ESERCITAZIONE : ROBABILITA, VARIABILI CASUALI, BINOMIALE ESERCIZIO N. Una donna che si reca al lavoro in macchina ha osservato che il seguente modello è un approssimato modello probabilistico per il numero
DettagliTFA A048. Matematica applicata. Incontro del 28 aprile 2014, ore 15-17
TFA A048. Matematica alicata Incontro del 8 arile 04, ore 5-7 Aunti di didattica della matematica alicata all economia e alla finanza. Alicazioni dell analisi (funzioni in iù variabili) a roblemi di Economia
DettagliUna prima distinzione nell ambito della teoria dei giochi è quella tra: Giochi cooperativi (si possono fare accordi vincolanti)
Una prima distinzione nell ambito della teoria dei giochi è quella tra: Giochi cooperativi (si possono fare accordi vincolanti) Giochi non cooperativi (non si possono fare accordi vincolanti) Ci occuperemo
DettagliIIASS International Institute for Advanced Scientific Studies
IIASS International Institute for Advanced Scientific Studies Eduardo R. Caianiello Circolo di Matematica e Fisica Diartimento di Fisica E.R. Caianiello Università di Salerno Premio Eduardo R. Caianiello
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO CONTINUE Definizioni Sia dato un processo stocastico x(t) che può assumere valori discreti appartenenti ad un insieme se accade che il processo è una catena
DettagliEsercitazione: la scelta del consumatore.
. Esercizio., La funzione di utilità di un consumatore è ( ) u. Il rezzo del bene è, il rezzo del bene è ed il reddito del consumatore è m 8. Determinare il aniere ottimo ( *, *) er il consumatore. Soluzione.
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliPer quanto detto prima il fenomeno di svuotamento termina quando la pressione di ristagno è pari a:
Esercizi Si consideri il serbatoio schematicamente raresentato in Fig., in cui è contenuto un gas avente inizialmente (cioè al temo t=0) temeratura T o =0F e ressione oi =0si. Il serbatoio è collegato
DettagliEsercizi proposti - Gruppo 7
Argomenti di Matematica er l Ingegneria - Volume I - Esercizi roosti Esercizi roosti - Gruo 7 1) Verificare che ognuina delle seguenti coie di numeri razionali ( ) r + 1, r + 1, r Q {0} r ha la rorietà
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
Dettagliẋ 1 = 2x 1 + (sen 2 (x 1 ) + 1)x 2 + 2u (1) y = x 1
Alcuni esercizi risolti su: - calcolo dell equilibrio di un sistema lineare e valutazione delle proprietà di stabilità dell equilibrio attraverso linearizzazione - calcolo del movimento dello stato e dell
DettagliESERCIZI sui VETTORI
ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di
DettagliLiceo Scientifico Statale G. Stampacchia. Tricase
Temo di lavoro Liceo Scientifico Statale G. Stamacchia 60 minuti Tricase Oggetto: Comito di Fisica Classe D Soluzione Pr1 Pr Pr3 Pr4 Tema: Dinamica: Alicazioni del secondo e del terzo rinciio Conservazione
DettagliCOMUNICAZIONE OPZIONE SPORTIVA QUESTIONARIO QUESITO 1
www.matefilia.it COMUNICAZIONE OPZIONE SPORTIVA 7 - QUESTIONARIO QUESITO Definito il numero E come: E = xe x dx, dimostrare che risulta: x e x dx = e E esprimere x e x dx in termini di e ed E. Cerchiamo
DettagliOfferta e Rendimenti di Scala in Concorrenza Perfetta
Offerta e Rendimenti di Scala in Concorrenza Perfetta Maria-Augusta Miceli Diartimento di Economia e Diritto Università di Roma "La Saienza" Lezioni di Economia Industriale March 17, 216 Abstract L obiettivodiuestocaitoloèilraortotralafunzione
DettagliFunzioni di due variabili e rappresentazioni grafiche nello spazio
Funzioni di due variabili e raresentazioni grafiche nello sazio Obiettivi l l l l comrendere il significato di derivata arziale calcolare derivate arziali comrendere il concetto di differenziale totale
DettagliProgetto di travi in c.a.p isostatiche Il fuso del cavo risultante e il fuso di Guyon
Università degli Studi di Roma Tre - Facoltà di Ingegneria Laurea magistrale in Ingegneria Civile in Protezione Corso di Cemento rmato Precomresso / 2015-16 Progetto di travi in c.a. isostatiche Il fuso
DettagliUNIVERSITÀ DEGLI STUDI DELLA CALABRIA. - Prova scritta di ANALISI MATEMATICA 2 - Appello del 16 settembre 2013
UNIVERSITÀ DEGLI STUDI DELLA CALABRIA - Prova scritta di ANALISI MATEMATICA - Aello del 6 settembre COGNOME:... NOME:... MATRICOLA:... CORSO DI LAUREA IN INGEGNERIA:... IMPORTANTE Al termine della rova
DettagliLEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
Dettagli1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
DettagliLUISS Laurea specialistica in Economia e Finanza Anno Accademico 2010/2011
LUISS Laurea specialistica in Economia e Finanza Anno Accademico 1/11 Corso di Metodi Matematici per la Finanza Prof. Fausto Gozzi, Dr. Davide Vergni Soluzioni esercizi 4,5,6 esame scritto del 13/9/11
DettagliTeoria dei Giochi e delle Decisioni Prova del 24 Settembre Giocatore 2 a b Giocatore 1 a 8-12 b minz. ε ε 2 1 = 1.
Teoria dei Giochi e delle Decisioni Prova del 24 Settembre 2009 Cognome, Nome, Numero di Matricola: Esercizio Si consideri il gioco antagonista descritto dalla seguente matrice di payoff: Giocatore 2 a
Dettagli1 Equazioni parametriche e cartesiane di sottospazi affini di R n
2 Trapani Dispensa di Geometria, Equazioni parametriche e cartesiane di sottospazi affini di R n Un sottospazio affine Σ di R n e il traslato di un sottospazio vettoriale. Cioe esiste un sottospazio vettoriale
Dettagli2.6 Calcolo degli equilibri di Nash
92 2 Giochi non Cooperativi Per queste estensioni di giochi non finiti si possono provare risultati analoghi a quelli visti per i giochi finiti. Rimandiamo alla bibliografia per uno studio più approfondito
DettagliDipendenza e indipendenza lineare (senza il concetto di rango)
CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori
DettagliLa dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
DettagliScheda n.3: densità gaussiana e Beta
Scheda n.3: densità gaussiana e Beta October 10, 2008 1 Definizioni generali Chiamiamo densità di probabilità (pdf ) ogni funzione integrabile f (x) definita per x R tale che i) f (x) 0 per ogni x R ii)
DettagliALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 2015/2016 docente: Elena Polastri,
ALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 05/06 docente: Elena Polastri, plslne@unife.it Esercizi 3: SPAZI VETTORIALI e MATRICI Combinazioni lineari di vettori.. Scrivere il vettore
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da
DettagliA.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5.
A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5. Esercizio 5.1. Determinare le ultime tre cifre di n = 13 1625. (Suggerimento. Sfruttare il Teorema di Eulero-Fermat)
Dettagliin forma matriciale: X = A X + B, cioè Se il det A = ad - bc è diverso da zero, la trasformazione è invertibile e quindi biunivoca; in tal caso la
TRASFORMAZIONI LINEARI SUL PIANO Sono trasformazioni lineari tutte le trasformazioni del tio: a b c d q in forma matriciale: X A X B, cioè a c b d q Dove a A c b d è la matrice della trasformazione. Se
Dettagli1 Ottima combinazione dei fattori produttivi. 2 Ottima combinazione dei fattori produttivi e curve di costo
Esercizi svolti in classe Produzione e Concorrenza Perfetta 1 Ottima combinazione dei fattori produttivi Si consideri un impresa con la seguente funzione di produzione = L K e i prezzi dei fattori lavoro
DettagliEsercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliUniversità degli studi di Catania. Corso di laurea in fisica
Università degli studi di Catania Corso di laurea in fisica Esame di meccanica uantistica I Analisi numerica del potenziale anarmonico Agata Trovato Enrica Trovato Oscillatore armonico Trattazione uantistica
DettagliEndomorfismi e matrici simmetriche
CAPITOLO Endomorfismi e matrici simmetriche Esercizio.. [Esercizio 5) cap. 9 del testo Geometria e algebra lineare di Manara, Perotti, Scapellato] Calcolare una base ortonormale di R 3 formata da autovettori
DettagliINDICE. 1.1 Gli assi cartesiani e la retta. Il concetto di derivata Pag. 5
INDICE CPITOLO. ELEMENTI DI MTEMTIC. Gli assi cartesiani e la retta. Il concetto di derivata Pag. 5. Esemio: Un alicazione economica - il vincolo di Pag. 8 bilancio. Sistemi lineari Pag. 9.4 Esemio: Un
DettagliESERCITAZIONE 5: ESERCIZI DI RIPASSO
Microeconomia CLEA A.A. 00-00 ESERCITAZIONE 5: ESERCIZI DI RIPASSO Esercizio 1: Scelte di consumo (beni comlementari) Un consumatore ha referenze raresentate dalla seguente funzione di utilità: U (, )
Dettagli