Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni"

Transcript

1 Problemi di Schedulig Defiizioi I problemi di schedulig soo caratterizzati da tre isiemi: Attività (Task) T {T,T 2, T } macchie (Machies) P {P,P 2, P m } Risorse R {R,R 2, R s } Schedulig: assegare m Macchie all isieme P e s risorse all isieme R per ciascua delle attività dell isieme T i modo ordiato al fie di completare tutte le attività el rispetto dei vicoli imposti. Problemi di Schedulig Defiizioi Vicoli: ogi task deve essere eseguito al massimo da u macchia alla volta ogi macchia è capace di eseguire al massimo ua attività alla volta Caratteristiche dei macchie (*) : macchie i parallelo (esecuzioe delle stesse fuzioi) macchie dedicati (specializzati per l esecuzioe di determiate attività) (*) Classificazioe relativa alle caratteristiche fuzioali dei macchie e o alla loro disposizioe fisica Problemi di Schedulig Defiizioi macchie i parallelo Si possoo idetificare tre tipologie i fuzioe della velocità di esecuzioe del task idetical: le macchie hao uguale velocità uiform: le macchie hao velocità costati e idipedeti dai task urelated: le macchie hao velocità dipedeti dai task Problemi di Schedulig Defiizioi macchie dedicati Si possoo idetificare tre modelli Ope shop Flo shop Job shop Questi modelli prevedoo ua divisioe del progetto i sottoisiemi Progetto Job Job 2 J Task 2 Task 2 2 T 2 J J Ogi ob è diviso i task Problemi di Schedulig Defiizioi Problemi di Schedulig Defiizioi Caratteristiche dei task: Complessità Ope shop Il umero di task è uguale per ciascu ob e ogi task è eseguito, seza vicoli di precedeza, dalla macchia ad esso dedicata Flo shop Aggiuge all Ope shop vicoli di precedeza sui task Job shop Il umero di task è arbitrario Vector of processig time (*) p [p, p 2,, p m ] T dove p i tempo ecessario alla macchia P i per eseguire il task T es. h idetical machies p i p i, 2,, m h uiform machies p i p /b i i, 2,, m dove p stadard processig time b i processig speed factor di P i (*) parametro itero

2 Problemi di Schedulig Defiizioi Ready time (*) r : istate di tempo i cui il task T è proto per essere eseguito. Se il ready time è uguale per tutti i task r 0 Due date (*) d : idica il tempo limite etro il quale T dovrebbe essere completato (può essere superato). Deadlie (*) d : idica il tempo limite etro il quale T deve essere completato (o può essere superato). Weight (priority) (*) : coferisce le urgeze relative ai T. Reseurce request: evetuali risorse preseti el progetto. (*) parametro itero Problemi di Schedulig Defiizioi Grafo: rete di flusso delle attività Carta di Gatt: piaificazioe del progetto htask-o-ode graph T i /p i T /p Nodo task Arco vicolo di precedeza htask-o-arc graph T /p Nodo eveto Arco task Problemi di Schedulig Defiizioi Preemptio: i task possoo essere iterrotti Problemi di Schedulig Defiizioi Precedece: i task soo ordiati da vicoli strutturali T 4 T T 2 T 3 T 2 r r 2 r 3 r 2 r 4 Schedule preemptive: ogi task può essere iterrotto Schedule opreemptive: o è permessa l'iterruzioe dei task T T 2 T 3 fodameta muri tetto La relazioe di precedeza viee idicata co il simbolo < (es. T < T 2 ) Se esiste u legame del tipo T i < T i task soo detti dipedeti, altrimeti si defiiscoo idipedeti Preemptio e Precedece o si escludoo a viceda Problemi di Schedulig Defiizioi Codizioi da soddisfare: ogi macchia è associata al massimo ad u task ed ogi task è eseguito al massimo da ua macchia il Task T è eseguito ell itervallo di tempo [r, ) se i task T i e T soo legati dalla relazioe di precedeza T i < T, il task T o può iiziare fio a che il task T i o è stato completato sfruttare la codizioe di preemptio sui task solo se realmete possibile soddisfare i vicoli relativi alle risorse se preseti el problema verificare che tutti i task del progetto siao completati Problemi di Schedulig Defiizioi Parametri calcolabili per ogi task: completio time C : tempo di completameto del task T flo time F C -r : tempo totale di permaeza su ua macchia (somma dei tempi di attesa e di processo) lateess L C -d : differeza tra l'istate di tempo i cui il task è fiito e l'istate di tempo i cui doveva essere termiato L < 0 T è i aticipo L > 0 T è i ritardo L 0 ritardo ullo 2

3 Problemi di Schedulig Defiizioi earliess E max {d -C, 0}: idica di quato il task è i aticipo E > 0 quato T è i aticipo E 0 T o è i aticipo tardiess D max {C -d, 0}: idica di quato il task è i ritardo D > 0 quato T è i ritardo D 0 T o è i ritardo lateess Problemi di Schedulig Defiizioi Parametri di valutazioe relativi ai possibili criteri di ottimizzazioe: schedule leght: C max max{ C } flo time medio: flo time medio pesato: F F F F maximum lateess: tardiess medio: Problemi di Schedulig Defiizioi L tardiess medio pesato: D max D max { L D } D Problemi di Schedulig Defiizioi umero di task i ritardo: deve U se C > d U 0 altrimeti U umero di task pesati i ritardo: U J U U Problemi di Schedulig Defiizioi Esempio. completio time C [3,4,5,6,,8,8,8] r 0 FC due date d [5,4,5,3,7,6,9,2] task 8 Parametri: lateess L C -d L [-2,0,0,3,-6,2,-,-4] earliess E max {d -C, 0} E [2,0,0,0,6,0,,4] tardiess D max {C -d, 0} D [0,0,0,3,0,2,0,0] Problemi di Schedulig Defiizioi Criteri: schedule leght: C max max{ C } C max 8 flo time medio: F F ( ) F 43/8 maximum lateess: L max max{ L } L max 3 tardiess medio: D D ( ) D 5/8 umero di task i ritardo: U U ( ) U 2 3

4 Aalisi dei problemi di Schedulig e Algoritmi Schedulig Algorithm: cosiste el trovare u algoritmo di ottimizzazioe, i base alla complessità del problema esamiato, mirato a costruire uo schedule ottimo del problema dato. Problemi di schedulig Complessità Algoritmi determiistici Algoritmi approssimati Aalisi dei problemi di Schedulig e Algoritmi Problema facile Algoritmo poliomiale - Aalisi caso peggiore - Aalisi media Rilassameto - preemptio -p - precedece Problema di schedulig ( aalisi di complessità ) Algoritmi approssimati - Aalisi caso peggiore - Aalisi media ) Aalisi probabilistica 2) Simulazioe Problema Algoritmi di eumerazioe esatta Algoritmi di ottimizzazioe pseudopoliomiale Classificazioe dei problemi di Schedulig I problemi di schedulig soo classificati sfruttado ua semplice otazioe proposta da Graham e Blazeicz. Tale otazioe è composta da tre campi: α,α 2 α β γ β, β2, β3, β4, β5, β6, β7, β8 Criterio di ottimizzazioe Classificazioe dei problemi di Schedulig CAMPO α : descrive le caratteristiche del macchia Parametro α {, P, Q, R, O, F, J} caratterizza il macchia usato: α sigle machie α P idetical machie α Q uiform machie α R urelated machie α O dedicated machie: ope shop system α F dedicated machie: flo shop system α J dedicated machie: ob shop system Parametro α 2 {Ø, k} idica il umero di macchie del problema α Ø umero variabile di macchie α 2 k umero di macchie uguale a k (k itero positivo) Classificazioe dei problemi di Schedulig CAMPO β : descrive le caratteristiche del task e delle risorse Parametro β {Ø,pmt} idica la possibilità di iterrompere o meo u task β Ø preemptio o possibile β pmt preemptio possibile Parametro β 2 {Ø,res} idica le caratteristiche delle risorse addizioali β 2 Ø o esistoo risorse addizioali β 2 res esistoo vicoli sulle risorse addizioali Parametro β 3 {Ø, prec, tree, chais}idica i vicoli di precedeza β 3 Ø, prec, ua, tree, chais idicao rispettivamete: task idipedeti, precedeza geerale, orgaizzazioe ad albero dei task, orgaizzazioe a catea dei task. Classificazioe dei problemi di Schedulig Parametro β 4 {Ø,r } descrive i ready time β 4 Ø ready time uguali β 4 r ready time defiiti per ogi task Parametro β 5 {Ø,p p, p p p} descrive i tempi di processo dei task β 5 Ø tempi di processo dei task tutti arbitrari β 5 (p p) tempi di processo dei task tutti uguali a p β 5 (p p p) p compreso tra due valori Parametro β 6 {Ø,d} descrive la deadlie β 6 Ø sistema seza deadlie β 6 d sistema co deadlie 4

5 Classificazioe dei problemi di Schedulig Parametro β 7 {Ø, k} descrive il massimo umero di task preseti i u ob i caso di sistemi ob shop β 7 Ø il umero di task è arbitrario o il problema di schedulig o è di tipo ob shop β 7 ( k) il umero di task per ogi ob o supera k Parametro β 8 {Ø, o-ait} idica la possibilità di attesa di u task tra due macchie, i caso di schedulig su macchie dedicate β 8 Ø Buffer di capacità illimitata tra le macchie β 8 o-ait Buffer di capacità ulla tra le macchie Classificazioe dei problemi di Schedulig Esempi. Problema: d C max macchia Rispettare deadlie Miimizzazioe lughezza schedule Problema: O3 pmt, r L max CAMPO γ : deota il criterio di ottimizzazioe idicado il parametro di valutazioe cosiderato γ C C, C, Lmax, D, D, U,, max { U } Ope shop system Ready time co 3 macchie Possibilità di iterrompere i task Miimizzazioe del ritardo max Sigle Machie Schedulig (SMS) Sigle Machie Schedulig L SMS è impiegato i ambieti multi-macchia per: Studiare meglio i colli di bottiglia Migliorare l orgaizzazioe dei task su macchie costose Semplificare lo studio di ua itera liea di produzioe Notazioe: β γ I task soo ordiati secodo i segueti criteri: Miimizzazioe della lughezza dello schedule Miimizzazioe del Flo Time medio (medio pesato) Ottimizzazioe dei ritardi/aticipi rispetto alle due date Miimizzazioe della lughezza dello schedule Ordiare i task, rispettado i vicoli imposti dal problema, miimizzado C max Miimizzazioe della lughezza dello schedule Ordiare i task, rispettado i vicoli imposti dal problema, miimizzado C max Notazioe: β C max Notazioe: β C max T T2 T3 r r 2 r 3 d d d 2 3 C max T T2 T3 r r 2 r 3 d d d 2 3 C max 5

6 Miimizzazioe della lughezza dello schedule ESEMPIO prec, r, d C max E u problema Hp semplificative Tempi di esecuzioe p Ready time e deadlie soo multipli iteri di ua data uità di misura prec, r, p, d C max Miimizzazioe del Flo Time medio (medio pesato) Si vuole miimizzare il tempo medio di permaeza dei task sulla macchia F F (C r ) Notazioe β C C r E u problema poliomiale C ESEMPI C T T3 T4 T T C T2 T4 ESEMPI C p T C SPT C C T T2 T4 T T C T2 T4 ESEMPI C T T2 C 20 T3 p p / T T4 C SPT C C WSPT Altre tipologie di problemi Problema Variate Complessità c Poliomiale c Poliomiale r c p, r c Poliomiale pmt, r c Poliomiale pmt, r c d c pmt, d c NP Hard pmt, d c Poliomiale pmt, r, d c prec c prec, d c prec, r c 6

7 Criteri di miimizzazioe i fuzioe delle Due Dates SCHEDULING Criteri di miimizzazioe i fuzioe delle Due Dates Si riferiscoo ai segueti parametri: ritardo massimo umero operazioi i ritardo ritardo medio poderale aticipo medio Miimizzazioe di LMAX Miimizzazioe del ritardo massimo Obiettivo: otteere uo schedule che miimizzi il ritardo massimo delle attività i progetto LMAX L MAX max{l} ove LC-d Tipologie di problemi Problema Complessità LMAX Poliomiale r LMAX * pmt, r LMAX Poliomiale prec, r LMAX pmt, prec, r LMAX EDD (Earliest Due Date) Algorithm Permette di risolvere problemi di schedulig del tipo LMAX i forma poliomiale. La soluzioe si ottiee ordiado i task secodo l ordie crescete delle due dates caratteristiche. Il metodo EDD permette di miimizzare il lateess massimo (LMAX) ed il tardess massimo (D). * se ho p uitari la complessità è poliomiale 7

8 EDD - Esempio Soluzioe di problema LMAX Sia dato T{T, T2, T3, T4, T5} e d{3, 5, 6, 2, 4} Soluzioe: S {T4, T, T5, T2, T3} MF (McMaho & Floria) Algorithm È u algoritmo di tipo Brach & Boud. È otteuto a partire dall algoritmo di Jackso (EDD). Applica ua tecica di forard schedulig. T4 T T5 T2 T d 4 d d 5 d 2 d 3 Tiee coto sia dei ready time che delle due dates. È applicabile al caso r L MAX e, co qualche modifica, ache al caso prec, r L MAX. MF - Soluzioe r,p L MAX * t 0 FINE NO T SI t : max{t, mi T T {r}} scelgo T t.c. r t, d miimo T : T-{T} pogo T i S al tempo t t : t + Miimizzazioe del umero di task i ritardo * Caso particolare di r L MAX risolvibile i forma poliomiale Miimizzazioe di Σ U Obiettivo: defiire uo schedule che miimizzi il umero pesato di attività i ritardo ove peso task T Σ U U idice di ritardo del task: -0 se C d - altrimeti Tipologie di problemi Problema Complessità U Poliomiale U * r U pmt, r U prec LMAX * se ho pesi accettabili la complessità è poliomiale 8

9 Hodgso s Algorithm Permette di risolvere problemi di schedulig del tipo U (task co pesi idetici) i forma poliomiale. Prevede due passi procedurali: da u ordiameto EDD, creare u isieme T dei task che si cocludoo etro il termie d caratteristico (putuali); 2 compiere lo schedule dei task i T, secodo EDD, e di T-T (tardivi), co ordie arbitrario. Hodgso s Algorithm - Esempio Sia dato T,..8, p[0,6,3,,4,8,7,6] e d[5,20,,8,6,25,28,9]. ) ordio i T secodo EDD; T {T5,T8,T4,T3,T2,T6,T7,T} 2) defiisco ρ, termie che tiee coto del processig time dei task i T ; 3) cosidero sigolarmete i task T i T, li aggiugo temporaeamete i T e cofroto ρ co d: se ρ>d T è i ritardo lo tolgo da T e lo pogo i T-T ; se ρ d T è putuale lo matego i T ; 4) ordio T secodo EDD e T-T arbitrariamete; T {T5,T4,T3,T2,T6}; T-T {T,T7,T8} 5) defiisco lo schedule complessivo dei task: S{T (T-T )} S(T5,T4,T3,T2,T6,T,T7,T8) Laler s Algorithm Risolve problemi U (se co pesi accettabili, es. pi<p i ) i forma poliomiale. È ua variate del metodo di Hodgso. T è ordiato i modo che Ti<T pi>p oppure pip, i< oppure pip, i, i< La somma dei pesi i T è massima. Miimizzazioe del ritardo medio e medio poderale Miimizzazioe di ΣD e di Σ D Obiettivo: defiire uo schedule che miimizzi il ritardo medio ed il ritardo medio poderale dei task del progetto ritardo medio ΣD ritardo medio poderale ove peso del task T D ritardo del task T Σ D Tipologie di problemi Problema Complessità D * D * prec, p D chais, p D chais, p D pmt D * se i p soo uitari o se i soo accettabili od uitari la complessità è poliomiale 9

10 Miimizzazioe di E Miimizzazioe dell aticipo medio Obiettivo: defiire uo schedule che miimizzi l aticipo medio del progetto E E ove E aticipo del task T Miimizzazioe di E Questo tipo di problemi è equivalete ai problemi di schedule ove sia richiesta la miimizzazioe del ritardo medio. Pertato i metodi di schedulig adottati per questi ultimi valgoo ache per questa categoria di problemi. 0

Parte 2. Problemi con macchine parallele

Parte 2. Problemi con macchine parallele Parte 2 Problemi co macchie arallele Esemio job 1 2 3 4 5 j 2 3 5 1 4 2macchie Assegado{2,3,5}aM1e{1,4}aM2 M2 M1 4 1 1 3 3 2 5 5 8 12 Assegado{1,4,5}aM1e{2,3}aM2 M2 3 2 M1 4 1 5 1 3 5 7 8 R m //C Algoritmo

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

Successioni. Grafico di una successione

Successioni. Grafico di una successione Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario

Dettagli

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si

Dettagli

5 ln n + ln. 4 ln n + ln. 6 ln n + ln

5 ln n + ln. 4 ln n + ln. 6 ln n + ln DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

Principi base di Ingegneria della Sicurezza

Principi base di Ingegneria della Sicurezza Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il

Dettagli

1. Considerazioni generali

1. Considerazioni generali . osiderazioi geerali Il processaeto di ob su acchie parallele è iportate sia dal puto di vista teorico che pratico. Dal puto di vista teorico questo caso è ua geeralizzazioe dello schedulig su acchia

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagia Giovaa Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secodaria di secodo grado UNITÀ CAMPIONE Edizioi del Quadrifoglio à t i U 2 Radicali I questa Uità affrotiamo

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI E SERIE NUMERICHE SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua

Dettagli

! CRITERI DI VALUTAZIONE E REGOLE DI PRIORITA! SCHEDULING A MACCHINA SINGOLA (m=1) ! SCHEDULING MACCHINE IN SERIE (m 3)

! CRITERI DI VALUTAZIONE E REGOLE DI PRIORITA! SCHEDULING A MACCHINA SINGOLA (m=1) ! SCHEDULING MACCHINE IN SERIE (m 3) CORSO DI GESTIONE DELLA PRODUZIONE INDUSTRIALE PROF. ING. GIOVANNI MUMMOLO PROGRAMMAZIONE OPERATIVA Schedulig PROBLEMI DI SCHEDULING! CRITERI DI VALUTAZIONE E REGOLE DI PRIORITA! SCHEDULING A MACCHINA

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

Limiti di successioni

Limiti di successioni Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe

Dettagli

Terzo appello del. primo modulo. di ANALISI 18.07.2006

Terzo appello del. primo modulo. di ANALISI 18.07.2006 Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri

Dettagli

Interesse e formule relative.

Interesse e formule relative. Elisa Battistoi, Adrea Frozetti Collado Iteresse e formule relative Esercizio Determiare quale somma sarà dispoibile fra 7 ai ivestedo oggi 0000 ad u tasso auale semplice del 5% Soluzioe Il diagramma del

Dettagli

Appunti sulla MATEMATICA FINANZIARIA

Appunti sulla MATEMATICA FINANZIARIA INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi

Dettagli

Foglio di esercizi N. 1 - Soluzioni

Foglio di esercizi N. 1 - Soluzioni Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >

Dettagli

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la

Dettagli

1 Limiti di successioni

1 Limiti di successioni Esercitazioi di matematica Corso di Istituzioi di Matematica B Facoltà di Architettura Ao Accademico 005/006 Aa Scaramuzza 4 Novembre 005 Limiti di successioi Esercizio.. Servedosi della defiizioe di ite

Dettagli

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1 SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

Il test parametrico si costruisce in tre passi:

Il test parametrico si costruisce in tre passi: R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica

Dettagli

Capitolo 27. Elementi di calcolo finanziario EEE 2015-2016

Capitolo 27. Elementi di calcolo finanziario EEE 2015-2016 Capitolo 27 Elemeti di calcolo fiaziario EEE 205-206 27. Le diverse forme dell iteresse Si defiisce capitale (C) uo stock di moeta dispoibile i u determiato mometo. Si defiisce iteresse (I) il prezzo d

Dettagli

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT La gestioe, il cotrollo ed il migliorameto della qualità di u prodotto/servizio soo temi di grade iteresse per l azieda. Il problema della qualità

Dettagli

Rendita perpetua con rate crescenti in progressione aritmetica

Rendita perpetua con rate crescenti in progressione aritmetica edita perpetua co rate cresceti i progressioe aritmetica iprediamo l'esempio visto ella scorsa lezioe di redita perpetua co rate cresceti i progressioe arimetica: Questa redita può ache essere vista come

Dettagli

La matematica finanziaria

La matematica finanziaria La matematica fiaziaria La matematica fiaziaria forisce gli strumeti ecessari per cofrotare fatti fiaziari che avvegoo i mometi diversi Esempio: Come posso cofrotare i ricavi e i costi legati all acquisto

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5 Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

Lezione n 19-20. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott. Carrabs

Lezione n 19-20. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott. Carrabs Lezioi di Riera Operativa Corso di Laurea i Iformatia Uiversità di Salero Lezioe 9- - Problema del trasporto Prof. Cerulli Dott. Carrabs Problema del Flusso a osto Miimo FORMULAZIONE mi ( i, ) A o violi

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA VERIFICA DELLE IPOTESI SUI PARAMETRI LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività

Dettagli

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale. Corso di laurea i Matematica Corso di Aalisi Matematica -2 Dott.ssa Sadra Lucete Fuzioi poteza ed espoeziale. Teorema. Teorema di esisteza della radice -esima. Sia N. Per ogi a R + esiste uo ed u solo

Dettagli

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative

Dettagli

Successioni. Capitolo 2. 2.1 Definizione

Successioni. Capitolo 2. 2.1 Definizione Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo

Dettagli

SISTEMA D'IMPRESA GESTIONE GESTIONE SISTEMA DELLE OPERAZIONI SIMULTANEE E SUCCESSIVE SI DISPIEGANO DINAMICAMENTE

SISTEMA D'IMPRESA GESTIONE GESTIONE SISTEMA DELLE OPERAZIONI SIMULTANEE E SUCCESSIVE SI DISPIEGANO DINAMICAMENTE SISTEMA D'IMPRESA ORGAIZZAZIOE GESTIOE 1 GESTIOE SISTEMA DELLE OPERAZIOI SIMULTAEE E SUCCESSIVE SI DISPIEGAO DIAMICAMETE PER IL RAGGIUGIMETO DEI FII DELL IMPRESA 2 ORGAIZZAZIOE I SESO AMPIO LA RIUIOE DI

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe

Dettagli

Campionamento stratificato. Esempio

Campionamento stratificato. Esempio ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

V Tutorato 6 Novembre 2014

V Tutorato 6 Novembre 2014 1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe

Dettagli

Probabilità e Statistica I

Probabilità e Statistica I Probabilità e Statistica I Elvira Di Nardo (Dipartimeto di Matematica) Uiversità degli Studi della Basilicata e-mail:diardo@uibas.it http://www.uibas.it/uteti/diardo/home.html Tel:097/05890 Prerequisiti:

Dettagli

Complessità Computazionale

Complessità Computazionale Uiversità degli studi di Messia Facoltà di Igegeria Corso di Laurea i Igegeria Iformatica e delle Telecomuicazioi Fodameti di Iformatica II Prof. D. Brueo Complessità Computazioale La Nozioe di Algoritmo

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1)

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) I umeri aturali hao u ordie; ogi umero aturale ha u successivo (otteuto aggiugedo 1), e ogi umero aturale diverso da zero ha u precedete (otteuto sottraedo 1).

Dettagli

Teorema 13. Se una sere converge assolutamente, allora converge:

Teorema 13. Se una sere converge assolutamente, allora converge: Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e

Dettagli

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale

Dettagli

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2 Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i

Dettagli

Sistemi e Tecnologie della Comunicazione

Sistemi e Tecnologie della Comunicazione Sistemi e ecologie della Comuicazioe Lezioe 4: strato fisico: caratterizzazioe del segale i frequeza Lo strato fisico Le pricipali fuzioi dello strato fisico soo defiizioe delle iterfacce meccaiche (specifiche

Dettagli

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA Corso di Laurea i Ig Edile Politecico di Bari AA 2008-2009 Prof ssa Letizia Bruetti DISPENSE DEL CORSO DI GEOMETRIA 2 Idice Spazi vettoriali Cei sulle strutture algebriche 4 2 Defiizioe di spazio vettoriale

Dettagli

Esercizi riguardanti limiti di successioni

Esercizi riguardanti limiti di successioni Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse

Dettagli

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x. ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità

Dettagli

Pianificazione e supervisione della produzione in isole robotizzate

Pianificazione e supervisione della produzione in isole robotizzate Piaificazioe e supervisioe della produzioe i isole robotizzate Cadidato Stefao Cappugi Relatori Prof.Ig. G.Bucci Prof.Ig. P.Nesi Dott.Ig. F.Fioravati Ig. A.Villoresi Ig. M.Perfetti Dipartimeto di Sistemi

Dettagli

Problemi di turnistica del personale nei trasporti. Pianificazione dei turni. Tecniche di ottimizzazione. Programma. Paolo Toth e Daniele Vigo

Problemi di turnistica del personale nei trasporti. Pianificazione dei turni. Tecniche di ottimizzazione. Programma. Paolo Toth e Daniele Vigo Problemi di turistica del persoale ei trasporti Paolo Toth e Daiele Vigo DEIS, Uiversità di Bologa http://promet4.deis.uibo.it/ Piaificazioe dei turi Dati: u isieme di servizi da effettuare i u determiato

Dettagli

Le carte di controllo

Le carte di controllo Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità

Dettagli

Modelli multiperiodali discreti. Strategie di investimento

Modelli multiperiodali discreti. Strategie di investimento Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

Approfondimenti di statistica e geostatistica

Approfondimenti di statistica e geostatistica Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La

Dettagli

Serie numeriche: esercizi svolti

Serie numeriche: esercizi svolti Serie umeriche: esercizi svolti Gli esercizi cotrassegati co il simbolo * presetao u grado di difficoltà maggiore. Esercizio. Dopo aver verificato la covergeza, calcolare la somma delle segueti serie:

Dettagli

Calcolo Combinatorio (vers. 1/10/2014)

Calcolo Combinatorio (vers. 1/10/2014) Calcolo Combiatorio (vers. 1/10/2014 Daiela De Caditiis modulo CdP di teoria dei segali Igegeria dell Iformazioe - sede di Latia, CALCOLO COMBINATORIO Pricipio Fodametale del Calcolo Combiatorio: Si realizzio

Dettagli

DISTRIBUZIONI DOPPIE

DISTRIBUZIONI DOPPIE DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad

Dettagli

Successioni ricorsive di numeri

Successioni ricorsive di numeri Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe

Dettagli

I appello - 29 Giugno 2007

I appello - 29 Giugno 2007 Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (

Dettagli

Formula per la determinazione della Successione generalizzata di Fibonacci.

Formula per la determinazione della Successione generalizzata di Fibonacci. Formula per la determiazioe della uccessioe geeralizzata di Fiboacci. A cura di Eugeio Amitrao Coteuto dell articolo:. Itroduzioe......... uccessioe di Fiboacci....... 3. Formula di Biet per la successioe

Dettagli

Programmazione Matematica a Numeri Interi (Integer Programming - IP)

Programmazione Matematica a Numeri Interi (Integer Programming - IP) Programmazioe Matematica a Numeri Iteri (Iteger Programmig - IP) Problema di ottimizzazioe di ua fuzioe obiettivo lieare soggetta al rispetto di u isieme di vicoli lieari i cui tutte o parte delle variabili

Dettagli

5. Le serie numeriche

5. Le serie numeriche 5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti

Dettagli

II-9 Successioni e serie

II-9 Successioni e serie SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La

Dettagli

Schedulazione di attività in presenza di attività interrompibili

Schedulazione di attività in presenza di attività interrompibili Schedulazione di attività in presenza di attività interrompibili Maria Silvia Pini Resp. accademico: Prof.ssa Francesca Rossi Università di Padova Attività FSE DGR 1102/2010 La gestione dell informazione

Dettagli

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015 Corso di Elemeti di Impiati e mahie elettriche Ao Aademico 014-015 Esercizio.1 U trasformatore moofase ha i segueti dati di targa: Poteza omiale A =10 kva Tesioe omiale V 1 :V =480:10 V Frequeza omiale

Dettagli

Capitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE

Capitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE Capitoo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE 3.1 LA TEORIA DI WEIBULL I comportameto meccaico dee fibre di giestra e di juta è stato caratterizzato mediate o studio dea resisteza a trazioe dee fibre

Dettagli

Disposizioni semplici. Disposizioni semplici esercizi

Disposizioni semplici. Disposizioni semplici esercizi Disposizioi semplici Ua disposizioe (semplice) di oggetti i k posti (duque 1 < k < ) è ogi raggruppameto di k oggetti, seza ripetizioi, scelti fra gli oggetti dati, cioè ciascuo dei raggruppameti ordiati

Dettagli

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni:

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni: N. Fusco ESERCIZI DI ANALISI I Prof. Nicola Fusco Determiare l isieme i cui soo defiite le segueti fuzioi: ) log/ arctg π ) 4 ) log π 6 arcse ) ) tg log π + ) 4) 4 se se se tg 5) se cos tg 6) [ 6 + 8 π

Dettagli

SERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n

SERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n SERIE NUMERICHE Esercizi risolti. Applicado la defiizioe di covergeza di ua serie stabilire il carattere delle segueti serie, e, i caso di covergeza, trovare la somma: = + b) = + +. Verificare utilizzado

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1 Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia

Dettagli

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6 SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie

Dettagli

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di

Dettagli

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione Le ode elettromagetiche Origie e atura, spettro delle ode e.m., la polarizzazioe Origie e atura delle ode elettromagetiche: Ua carica elettrica che oscilla geera u campo elettrico E che oscilla e a questo

Dettagli

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007 Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE

Dettagli

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi. Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

STIME E LORO AFFIDABILITA

STIME E LORO AFFIDABILITA TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da

Dettagli

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R.

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R. 70 Capitolo Terzo i cui α i rappreseta la rata di ammortameto del debito di u capitale uitario. Si tratta di risolvere u equazioe lieare ell icogita R. SIANO NOTI IL MONTANTE IL TASSO E IL NUMERO DELLE

Dettagli

CAPITOLO 5 TEORIA DELLA SIMILITUDINE

CAPITOLO 5 TEORIA DELLA SIMILITUDINE CAPITOLO 5 TEORIA DELLA SIMILITUDINE 5.. Itroduzioe La Teoria della Similitudie ha pricipalmete due utilizzi: Estedere i risultati otteuti testado ua sigola macchia ad altre codizioi operative o a ua famiglia

Dettagli

Analisi Fattoriale Discriminante

Analisi Fattoriale Discriminante Aalisi Fattoriale Discrimiate Bibliografia Lucidi (materiale reperibile via Iteret) Lauro C.N. Uiversità di Napoli Gherghi M. Uiversità di Napoli D Ambra L. Uiversità di Napoli Keeth M. Portier Uiversity

Dettagli

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

3.1 Il principio di inclusione-esclusione

3.1 Il principio di inclusione-esclusione Capitolo 3 Calcolo combiatorio 3.1 Il pricipio di iclusioe-esclusioe Il calcolo combiatorio prede i cosiderazioe degli isiemi fiiti particolari e e cota il umero di elemeti. Questo può dar luogo ad iteressati

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S S0 X k, co X k k co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti e ideticamete

Dettagli