Catene di Markov a tempo continuo. Richiami teorici

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Catene di Markov a tempo continuo. Richiami teorici"

Transcript

1 Catene di Marov a tempo continuo Richiami teorici Pagina di 55 Data ultima revisione 2/5/

2 Definizione di catena di Marov a Una catena di Marov a è definita come: M(X, P(t)) t R + dove gli stati x,..., x n X sono variabili casuali tali che, dato un intervallo t sufficientemente piccolo, valga l assenza di memoria della catena, cioè sia verificata la seguente relazione: Pr{x(t+ t) x i x(τ) x τ, τ R +, τ t} Pr{x(t+ t) x i x(t) x t } Pagina 2 di 55 Data ultima revisione 2/5/

3 Equazione descrittiva di una catena di Marov a ove ( t) P( t, t con p T [ i ( t) ], con i ( t) Pr{ x( t ) x i } i,...,n ) [ pij ( t, t) ], i, j,..., N ( t, t) P x( t + t ) x / x( t) x ij { } è la matrice delle probabilità di transizione. i j Pagina di 55 Data ultima revisione 2/5/

4 Equazione descrittiva di una catena di Marov a (continua) Definita la matrice delle frequenze di transizione Q( t) lim, t t [ P( t t) I] si ottiene la seguente descrizione completa della catena nel continuo: &( t) Q( t) ( t). Pagina 4 di 55 Data ultima revisione 2/5/

5 Proprietà di Q(t) q ii (t) q ij (t), i j n i q ij t ( ) La matrice Q(t) ha sempre un autovalore nullo. Pagina 5 di 55 Data ultima revisione 2/5/

6 Catene di Marov omogenee a Se Q(t)Q (costante), la catena di Marov è detta omogenea ed è descritta da: ovvero da: &( t) Q Dato un generico istante iniziale, si ha quindi: ( t) Q t + ( t + t) e ( t ) t, t R Q( tt ) ( ) ( ) + t e t t, t R, t t Pagina 6 di 55 Data ultima revisione 2/5/

7 Catene di Marov omogenee ergodiche Una catena di Marov omogenea a è ergodica se e solo se tutti gli autovalori di Q (eccetto quello nullo) hanno parte reale strettamente negativa. In tal caso Q e i n i. Pagina 7 di 55 Data ultima revisione 2/5/

8 Grafo delle frequenze di transizione Data una catena di Marov a M(x,Q(t)), si definisce grafo delle frequenze di transizione un grafo orientato pesato in cui l insieme dei nodi N coincide con quello degli stati x e in cui ogni arco a ij, diretto da x j a x i, ha peso q ij. Pagina 8 di 55 Data ultima revisione 2/5/

9 Processo di nascita-morte a tempo continuo Un processo di nascita-morte a è una ca-tena di Marov omogenea in cui le transizioni avvengono solamente fra stati contigui. Le frequenze di servizio sono definite come: q i +, i i >, i,2,,... q i, i i >, i 2,,4,... Pagina 9 di 55 Data ultima revisione 2/5/

10 Processo di nascita-morte a (Esempio) -(l2+m2) m2 m x x2 x -l l l 2 -m N.B.: la somma dei pesi degli archi uscenti da un nodo deve essere nulla. Pagina di 55 Data ultima revisione 2/5/

11 Processo di nascita-morte a (continua) Condizione sufficiente di ergodicità per un processo di nascita-morte a è che esista Ν tale che: j j + <, j R, j In tal caso, le probabilità di equilibrio sono date da: i j j+, i i i i j j + + i 2 j j + i 2 + j j j + 2,,4,... Pagina di 55 Data ultima revisione 2/5/

12 Processo di nascita-morte a (continua) Se i e i, si definisce il fattore di utilizzo: ρ/. Il denominatore di e i di equilibrio converge al valore /(-ρ) sotto la condizione ρ <, cioè /<. Il valore atteso delle probabilità di equilibrio sarà quindi: ( ) i ρ i ρ ρ i 2,,4,... Pagina 2 di 55 Data ultima revisione 2/5/

13 Processo di sola nascita a (m i, i2,,4,...) Se i, i,2,,..., e per t il sistema si trova in x n ( n (), i (), i n), allora: n ( t) n+ h ( t) e t ( t) h! h t e t R + h Distribuzione di Poisson N.B.: il processo di sola nascita non è ergodico. Pagina di 55 Data ultima revisione 2/5/

14 ( t) nh ( t) Processo di sola morte a tempo continuo (l i, i,2,,...) Se i, i2,,4,..., e per t il sistema si trova in x n ( n (), i (), i n), allora: n ( t) e t ( t) h! n2 h h t e t R + h [,..., n 2] h ( t ) t + h! e t R Pagina 4 di 55 Data ultima revisione 2/5/

15 Esercizi risolti Pagina 5 di 55 Data ultima revisione 2/5/

16 Es Sia X t un processo di nascita-morte nel quale n per n,, 2,... n n per n, 2,,... Calcolare il vettore delle probabilità di equilibrio. Pagina 6 di 55 Data ultima revisione 2/5/

17 Es soluzione + j j j ! e Pagina 7 di 55 Data ultima revisione 2/5/

18 Es soluzione Dalla convergenza di tale serie si ottiene n e n j j j+ n! e e Pagina 8 di 55 Data ultima revisione 2/5/

19 Es Sia X r un processo di nascita-morte nel quale n (n+) n,,2,...; > n n n,2,...; > Calcolare il vettore delle probabilità di equilibrio. Ricordiamo il valore di. + i i+ i Pagina 9 di 55 Data ultima revisione 2/5/

20 Es soluzione Nel nostro caso la sommatoria si riduce a... [ (... ) ] [ (... ) ]... Tale serie è una di quelle note e si sa che essa converge se e solo se < Pagina 2 di 55 Data ultima revisione 2/5/

21 Pagina 2 di 55 Data ultima revisione 2/5/ Es soluzione (cont.) ossia il tasso di mortalità deve essere maggiore di quello di natalità. ( ) 2 + ( ) + + n n n n j j j n

22 Es Si consideri l arrivo di clienti ad un servizio con M sportelli regolato da un processo di Poisson con parametro 6 (cioè con 6 arrivi al minuto). La disciplina della coda è una FIFO. Si assuma che i tempi di servizio siano indipendenti e distribuiti esponenzialmente con valor medio di / al minuto. ) Qual è il numero minimo di sportelli necessari a garantire che non si crei una coda infinita? Pagina 22 di 55 Data ultima revisione 2/5/

23 Es (cont.) 2) Indicato con N t il numero di utenti presenti nel sistema, cioè la somma degli utenti in coda e degli utenti che stanno ricevendo il servizio, al tempo t, posto M4 e che il comportamento degli utenti è il seguente: N t 4 l utente si ferma; N t 5 l utente si ferma con probabilità.5; N t 6 l utente va via calcolare il vettore delle probabilità di equilibrio. Pagina 2 di 55 Data ultima revisione 2/5/

24 Es soluzione ) L esempio descrive un processo di nascita-morte con 6 ; M infatti Mper > Mil servizio ha sempre uno sportello libero ed un cliente verrà servito non appena arriva, mentre se > M il servizio è saturo ed il cliente in arrivo deve andare in coda. Imponiamo ora che la coda non diventi infinita, cioè che converga la sommatoria Pagina 24 di 55 Data ultima revisione 2/5/

25 Es soluzione (cont.) Ciò vuol dire che 6 < M + cioè M > 6 e, quindi, M Pagina 25 di 55 Data ultima revisione 2/5/

26 Es soluzione (cont.) M > 2 che è equivalente alla condizione M Dalla condizione appena trovata si deduce che il mini-mo numero di sportelli deve essere. Pagina 26 di 55 Data ultima revisione 2/5/

27 Es soluzione (cont.) 2) Il comportamento che la coda assume è il seguente: 6 i 4 i i 5 i 6 si ottiene dalla relazione 2 4 > Pagina 27 di 55 Data ultima revisione 2/5/

28 Es soluzione (cont.) Gli altri valori del vettore delle probabilità di equilibrio si deducono dall espressione n+ n n+ n Le soluzioni saranno dunque Pagina 28 di 55 Data ultima revisione 2/5/

29 Es Una compagnia di taxi ha un tecnico che ripara i serbatoi di benzina dei taxi. Si assuma che il tempo atteso (in giorni) tra due rotture di una pompa sia esponenzialmente distribuito con parametro /, cioè si supponga che passino giorni tra due rotture. Si assuma, inoltre, che il tempo di attesa per la riparazione di un guasto ad un taxi sia distribuito esponenzialmente e tale tempo di attesa sia /4 di giorno Si sa, infine, che la compagnia possiede taxi. Pagina 29 di 55 Data ultima revisione 2/5/

30 Es (cont.) Calcolare il vettore delle probabilità di equilibrio del processo X t, dove X t rappresenta il numero di macchi-ne col serbatoio rotto. Pagina di 55 Data ultima revisione 2/5/

31 Es soluzione Per il processo da noi considerato una nascita corrisponde ad una rottura di un serbatoio, mentre una morte alla sua avvenuta riparazione. Utilizzando come unità di misura per il tempo i giorni, avremo n n+ n n 4 n [,] [,] Il vettore delle probabilità di equilibrio esiste perché converge la serie Pagina di 55 Data ultima revisione 2/5/

32 Es soluzione (cont.) essendo n > per n [, ], per cui essa si riduce a n+ n n+ n Pagina 2 di 55 Data ultima revisione 2/5/

33 Es Calcolare il vettore delle probabilità di equilibrio dell esercizio 2.2. con M4 e con clienti che aspettano indipendentemente dalla lunghezza della coda. Pagina di 55 Data ultima revisione 2/5/

34 Pagina 4 di 55 Data ultima revisione 2/5/ Es soluzione [ ] 4 2,

35 Es soluzione (cont.) Ricordando che, per q <, vale q e q q q - avremo Pagina 5 di 55 Data ultima revisione 2/5/

36 Es Si consideri un negozio di barbiere con due barbieri. I tempi di servizio sono indipendenti ed identicamente distribuiti (in minuti) con parametro /2 (cioè l attesa è di 2 minuti), quando ci sono al massimo 2 clienti e /5 se ci sono tre clienti o più. Si assuma che i clienti arrivino secondo un processo di Poisson con parametro / quando ci sono al massimo due clienti e con parametro / se ce ne sono o più. Sia X t il numero di clienti nel negozio al tempo t. Calcolare il vettore delle probabilità di equilibrio. Pagina 6 di 55 Data ultima revisione 2/5/

37 Es soluzione Se indico con il numero di clienti, ho > 2 2 > 2 Pagina 7 di 55 Data ultima revisione 2/5/

38 Es soluzione (cont.) Pagina 8 di 55 Data ultima revisione 2/5/

39 Es soluzione (cont.) n+ n n+ n Pagina 9 di 55 Data ultima revisione 2/5/

40 Es Sia X t un processo di nascita-morte nel quale ; n n (-/2) per n, 2,... n 2n (/2) per n, 2,,... Calcolare il vettore delle probabilità di equilibrio. Pagina 4 di 55 Data ultima revisione 2/5/

41 Pagina 4 di 55 Data ultima revisione 2/5/ Es soluzione + + j j j 2! e + +

42 Es soluzione Dalla convergenza di tale serie si ottiene e 2 n j n j j + 2 n n! e 2 2e 2 Pagina 42 di 55 Data ultima revisione 2/5/

43 Es Sia X r un processo di nascita-morte nel quale n (n+) (-/2) n,,2,...; > n n (/2) n,2,...; > Calcolare il vettore delle probabilità di equilibrio. Ricordiamo il valore di. + i i + i Pagina 4 di 55 Data ultima revisione 2/5/

44 Es soluzione Nel nostro caso la sommatoria si riduce a......! e n j n j j + n! n e Pagina 44 di 55 Data ultima revisione 2/5/

45 Es Si consideri l arrivo di clienti in una banca con M sportelli regolato da un processo di Poisson con parametro 22 (cioè con 22 arrivi all ora). Si assuma che i tempi di servizio siano indipendenti e distribuiti esponenzialmente con valor medio di /2 all ora. ) Qual è il numero minimo di sportelli necessari a garantire che non si crei una coda infinita? Pagina 45 di 55 Data ultima revisione 2/5/

46 Es (cont.) 2) Indicato con N t il numero di utenti presenti nel sistema, cioè la somma degli utenti in coda e degli utenti che stanno ricevendo il servizio, al tempo t, posto M5 e che il comportamento degli utenti è il seguente: N t 5 l utente si ferma; N t 6 l utente si ferma con probabilità /n; calcolare il vettore delle probabilità di equilibrio. Pagina 46 di 55 Data ultima revisione 2/5/

47 Es soluzione ) L esempio descrive un processo di nascita-morte con n 22 ; 2 2M > M M infatti per M la banca ha sempre uno sportello libero ed un cliente verrà servito non appena arriva, mentre se > M il servizio è saturo ed il cliente in arrivo deve andare in coda. Imponiamo ora che la coda non diventi infinita, cioè che converga la sommatoria Pagina 47 di 55 Data ultima revisione 2/5/

48 Es soluzione (cont.) Ciò vuol dire che M < M cioè 2M > 22 e, quindi, Pagina 48 di 55 Data ultima revisione 2/5/

49 Es soluzione (cont.) M >. che è equivalente alla condizione M 2 Dalla condizione appena trovata si deduce che il mini-mo numero di sportelli deve essere 2. Pagina 49 di 55 Data ultima revisione 2/5/

50 Es soluzione (cont.) 2) Il comportamento che la coda assume è il seguente: i i si ottiene dalla relazione + i i > > 5 5 Pagina 5 di 55 Data ultima revisione 2/5/

51 Pagina 5 di 55 Data ultima revisione 2/5/ Es soluzione (cont.) ( ) ! 5! ! ( ) e 22! 22 5!! 5!

52 Es soluzione (cont.) Gli altri valori del vettore delle probabilità di equilibrio si deducono dall espressione n n+ n n+ Pagina 52 di 55 Data ultima revisione 2/5/

53 Esercizi proposti Pagina 5 di 55 Data ultima revisione 2/5/

54 Es Per ognuna delle catene di Marov omogenee a caratterizzate dalle matrici delle frequenze di transizione riportate di seguito, disegnare il grafo delle frequenze di transizione e verificare l ergodicità della catena. Q 2 Q Pagina 54 di 55 Data ultima revisione 2/5/

55 Pagina 55 di 55 Data ultima revisione 2/5/ Es (cont.) Q Q Q

RETI DI TELECOMUNICAZIONE

RETI 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

Dettagli

Note sulle Catene di Markov

Note sulle Catene di Markov Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo

Dettagli

5. Catene di Markov a tempo discreto (CMTD)

5. Catene di Markov a tempo discreto (CMTD) 5. Catene di Markov a tempo discreto (CMTD) Carla Seatzu, 8 Marzo 2008 Definizione: CATENA Le catene sono p.s. in cui lo stato è discreto : X{x,x 2, }. L insieme X può essere sia finito sia infinito numerabile.

Dettagli

Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori, AA 2012/13. Catene di Markov

Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori, AA 2012/13. Catene di Markov Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Frequenza dei guasti: N GUASTI 0 T N T 0 T! Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Campionando

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2016/17 Processi stocastici e analisi di serie temporali

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2016/17 Processi stocastici e analisi di serie temporali Corso di Laurea Magistrale in Ingegneria Informatica A.A. 206/7 Processi stocastici e analisi di serie temporali PROVA DI ESONERO SUI PROCESSI DI MARKOV DEL 6 DICEMBRE 206 Punteggi: : + + 4 2; 2: 2 5;

Dettagli

Teoria delle File di Attesa

Teoria delle File di Attesa Teoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi. Esempi: Studenti agli sportelli della segreteria Utenti di un centro

Dettagli

Processi di Markov. Processi di Markov

Processi di Markov. Processi di Markov Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Un

Dettagli

SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X

SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X CATENE DI MARKOV SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X X X 0 T 0 T! Δ 0, 1,, 0 Δ 1 Δ Δ 1Δ Δ Δ ESEMPIO: I GUASTI (Ipotesi

Dettagli

Teoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi.

Teoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi. Teoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi. Esempi: Studenti agli sportelli della segreteria Utenti di un centro

Dettagli

di transizione p n,m ( t) = P N(t + t) = m N(t) = n.

di transizione p n,m ( t) = P N(t + t) = m N(t) = n. PROCESSI DI NASCITA E MORTE 33 14 PROCESSI DI NASCITA E MORTE Molti sistemi a coda possono essere ben rappresentati mediante i cosiddetti processi di nascita e morte che sono importanti processi in teoria

Dettagli

Corsi di Probabilità ecc., per Ing. dell Automazione, Informatica e Inf.Gest.Azienda, 17/9/2011. B 0 0 a=3 b=3 0 0 b=3 a=3 0 A : 0 b=3 0 0 a=3

Corsi di Probabilità ecc., per Ing. dell Automazione, Informatica e Inf.Gest.Azienda, 17/9/2011. B 0 0 a=3 b=3 0 0 b=3 a=3 0 A : 0 b=3 0 0 a=3 Corsi di Probabilità ecc., per Ing. dell Automazione, Informatica e Inf.Gest.Azienda, 7/9/ mjx j Esercizio. Si consideri la funzione f (x) = C jx j e i) Stabilire per quali valori di m e di C è una densità

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2006-07 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

arrivi in un tempo t è pari a λ*t, come si può ricavare dalla media su k della distribuzione di Poisson :

arrivi in un tempo t è pari a λ*t, come si può ricavare dalla media su k della distribuzione di Poisson : Sistema di coda ad un canale con arrivi poissoniani e tempi di servizio esponenziali. Si può dimostrare che assumere il tasso degli arrivi costante e pari a equivale ad assumere per gli intervalli fra

Dettagli

La teoria delle code

La teoria delle code La teoria delle code 3 marzo 205 Ing. foglietta.chiara@gmail.com Università degli Studi di Cassino e del Lazio Meridionale Agenda Reti di Aperte Reti di Aperte Sistema M/M/ I 2 Reti di Aperte Una coda

Dettagli

RETI DI TELECOMUNICAZIONE

RETI DI TELECOMUNICAZIONE RETI DI TELECOMUNICAZIONE PROCESSI DI POISSON Definizione Un processo stocastico che assume valori interi non negativi si dice essere un processo di Poisson con frequenza λ se 1. A(t) è un prosesso di

Dettagli

Reti di Telecomunicazioni. Sistemi a coda M/M/1

Reti di Telecomunicazioni. Sistemi a coda M/M/1 Reti di Telecomunicazioni Sistemi a coda M/M/1 Ing. Francesca Lo Piccolo e-mail: francesca.lopiccolo@uniroma2.it Un ringraziamento particolare al Prof. Andrea Detti, autore delle presentazioni da cui è

Dettagli

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/6/2010

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/6/2010 Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta /6/00 Nota. E obbligatorio sia scegliere le risposte negli appositi spazi (numeriche, o le formule nali a seconda del caso), sia

Dettagli

Esercitazione N. 1 (11 ottobre 2016)

Esercitazione N. 1 (11 ottobre 2016) Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema

Dettagli

RETI DI TELECOMUNICAZIONE

RETI 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

Dettagli

1.4.2 Proprietà di Markov. Catene di Markov a tempo continuo

1.4.2 Proprietà di Markov. Catene di Markov a tempo continuo PROCESSI DI NASCITA E MORTE 35 14 PROCESSI DI NASCITA E MORTE Molti sistemi a coda possono essere ben rappresentati mediante i cosiddetti processi di nascita e morte che sono importanti processi in teoria

Dettagli

Modelli a code d attesa dei sistemi operativi

Modelli a code d attesa dei sistemi operativi Definizioni Preliminari Topologie Tandem (1 dispositivo I/O Tandem (2 dispositivi I/O) Coda chiusa Coda aperta Definizioni Preliminari variabili aleatorie: il risultato di un esperimento dall esito incerto

Dettagli

1.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE

1.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE 46 TEORIA DELLE CODE.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE In questo paragrafo verrano studiati sistemi di code che possono essere rappresentati da processi di nascita e morte. In particolare,

Dettagli

Calcolo delle Probabilità 2017/18 Foglio di esercizi 8

Calcolo delle Probabilità 2017/18 Foglio di esercizi 8 Calcolo delle Probabilità 07/8 Foglio di esercizi 8 Catene di Markov e convergenze Si consiglia di svolgere gli esercizi n 9,,,, 5 Catene di Markov Esercizio (Baldi, Esempio 5) Si consideri il grafo costituito

Dettagli

Esercizi sui circuiti in fase transitoria

Esercizi sui circuiti in fase transitoria Esercizi sui circuiti in fase transitoria v 5 mh 6 Ω Ω µf Ω Esercizio. alcolare la tensione v un i- stante dopo la chiusura dell interruttore T (t =). Si supponga che il circuito sia in regime stazionario

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando

Dettagli

PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa.

PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa. corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio a.a. 2012-2013 ELEMENTI DI TEORIA DELLE CODE PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it

Dettagli

Esercizi sui circuiti in fase transitoria

Esercizi sui circuiti in fase transitoria Esercizi sui circuiti in fase transitoria Esercizio. Determinare la costante di tempo del circuito di figura per k =.5 Ω,.5 Ω, Ω. τ = ms,.5 ms, 6 ms. Ω Ω.5 Ω i [A] k i [V] mh V Il circuito contiene un

Dettagli

I appello di CP per Informatica 19/6/2006

I appello di CP per Informatica 19/6/2006 I appello di CP per Informatica 9/6/26 Istruzioni: per l esame completo occorre svolgere il primo esercizio e il terzo o (in alternativa al terzo) il quarto; a sostituzione del I esonero occorre svolgere

Dettagli

Teoria dei Grafi Elementi di base della Teoria dei Grafi

Teoria dei Grafi Elementi di base della Teoria dei Grafi L. Pallottino, Sistemi Robotici Distribuiti - Versione del 4 Marzo 2015 42 Teoria dei Grafi Elementi di base della Teoria dei Grafi Definizione 1. Un grafo G = (V, E) è composto da un insieme finito di

Dettagli

λ è detto intensità e rappresenta il numero di eventi che si

λ è detto intensità e rappresenta il numero di eventi che si ESERCITAZIONE N 1 STUDIO DI UN SISTEMA DI CODA M/M/1 1. Introduzione Per poter studiare un sistema di coda occorre necessariamente simulare gli arrivi, le partenze e i tempi di ingresso nel sistema e di

Dettagli

Metodi & Modelli per le Scelte Economiche

Metodi & Modelli per le Scelte Economiche Metodi & Modelli per le Scelte Economiche Si consiglia di provare a rispondere a tutte le domande senza controllare le risposte riportate in fondo ad ogni serie di cinque domande. In caso di risposte sbagliate

Dettagli

Modelli e Metodi per l Automazione

Modelli e Metodi per l Automazione Prof. Davide Giglio Modelli e Metodi per l Automazione Facoltà di Ingegneria Anno Accademico 20/202 ESEMPI ED ESERCIZI RETI DI CODE 7. Un sistema di produzione è costituito da 4 macchine M, M 2, M 3 e

Dettagli

COGNOME.NOME...MATR..

COGNOME.NOME...MATR.. STATISTICA 29.01.15 - PROVA GENERALE (STANDARD) Modalità B (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità

Dettagli

assuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=

assuma valori in un determinato intervallo è data dall integrale della sua densità ( = )= VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una

Dettagli

Esercizi di teoria dei sistemi

Esercizi di teoria dei sistemi Esercizi di teoria dei sistemi Controlli Automatici LS (Prof. C. Melchiorri) Esercizio Dato il sistema lineare tempo continuo: ẋ(t) 2 y(t) x(t) x(t) + u(t) a) Determinare l evoluzione libera dello stato

Dettagli

STATISTICA ESERCITAZIONE. 1) Specificare la distribuzione di probabilità della variabile e rappresentarla graficamente;

STATISTICA ESERCITAZIONE. 1) Specificare la distribuzione di probabilità della variabile e rappresentarla graficamente; 0.00 0.05 0.10 0.15 0.20 STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 4 Maggio 2015 Esercizio 1 (Uniforme discreta) Si consideri l esperimento lancio di un dado non truccato. Sia X la variabile casuale

Dettagli

Densità di probabilità del prodotto di due variabili casuali distribuite uniformemente

Densità di probabilità del prodotto di due variabili casuali distribuite uniformemente Firenze - Dip. di Fisica 2 agosto 2008 Densità di probabilità del prodotto di due variabili casuali distribuite uniformemente In questa dispensa, che presentiamo a semplice titolo di esercizio e applicazione

Dettagli

Catene di Markov. 8 ottobre 2009

Catene di Markov. 8 ottobre 2009 Catene di Markov 8 ottobre 2009 Definizione 1. Si dice catena di Markov (finita) un sistema dotato di un numero finito n di stati {1, 2,..., n} che soddisfi la seguente ipotesi: la probabilità che il sistema

Dettagli

II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17

II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17 II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile

Dettagli

Lezione Novembre 2010

Lezione Novembre 2010 PSC: Progettazione di sistemi di controllo a.a. 2010-2011 Lezione 18 25 ovembre 2010 Docente: Luca Schenato Stesori: Guido Albertin, Elena Toffoli, Giancarlo Baldan 18.1 Ancora sulla progettazione di P

Dettagli

Reti di Telecomunicazioni 1

Reti di Telecomunicazioni 1 Reti di Telecomunicazioni 1 AA2011/12 Sistemi a coda Blocco E2 Ing. Francesco Zampognaro e-mail: zampognaro@ing.uniroma2.it Lucidi Prof. Stefano Salsano 1 Definizione di traffico e utilizzazione di un

Dettagli

COGNOME.NOME...MATR..

COGNOME.NOME...MATR.. STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità

Dettagli

2. Introduzione alla probabilità

2. Introduzione alla probabilità . Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti

Dettagli

Studio di funzione. Studio di funzione: i passi iniziali

Studio di funzione. Studio di funzione: i passi iniziali Studio di funzioni Studio di funzione Si dice che una variabile dipendente y è funzione di una variabile indipendente x quando esiste un legame di natura qualsiasi che ad ogni valore di x faccia corrispondere

Dettagli

Elementi di analisi matematica e complementi di calcolo delle probabilita T

Elementi di analisi matematica e complementi di calcolo delle probabilita T Elementi di analisi matematica e complementi di calcolo delle probabilita T Presentiamo una raccolta di quesiti per la preparazione alla prova orale di Elementi di analisi matematica e complementi di calcolo

Dettagli

ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I

ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I Esercizio 1 Dati n oggetti ed un contenitore, ad ogni oggetto j (j = 1,, n) sono associati un peso p j ed un costo c j (con p j e c j interi positivi). Si

Dettagli

VETTORI DI VARIABILI ALEATORIE

VETTORI DI VARIABILI ALEATORIE VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla

Dettagli

Modulo di Matematica

Modulo di Matematica Università degli Studi di Udine Anno Accademico 05/06 Corso di Laurea in Biotecnologie Modulo di Matematica Esame del 0/0/06 N.B.: scrivere nome, cognome e numero di matricola su ogni foglio consegnato.

Dettagli

Flusso a Costo Minimo

Flusso a Costo Minimo Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal

Dettagli

Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI. Martino De Marco

Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI. Martino De Marco Politecnico di Milano Sede di Cremona A.A. 2004/05 Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI Martino De Marco (demarco@cremona cremona.polimi.it) ESERCITAZIONE VALUTAZIONE DELLE PRESTAZIONI Slide

Dettagli

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/01/2009

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/01/2009 Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/01/2009 Esercizio 1 (20 punti). Esaminiamo il controllo passaporti in un aeroporto in entrata per gli Stati Uniti, controllo

Dettagli

STATISTICA ESERCITAZIONE 10. Dott. Giuseppe Pandolfo. 26 gennaio 2015

STATISTICA ESERCITAZIONE 10. Dott. Giuseppe Pandolfo. 26 gennaio 2015 STATISTICA ESERCITAZIONE 10 Dott. Giuseppe Pandolfo 26 gennaio 2015 Esercizio 1 Presso uno sportello bancomat persone su 5 fanno operazione di versamento. Si supponga di estrarre (con riposizione) in maniera

Dettagli

Corso 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 (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.

Dettagli

TEORIA DEI SISTEMI SISTEMI LINEARI

TEORIA DEI SISTEMI SISTEMI LINEARI TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI SISTEMI LINEARI Ing. Cristian Secchi Tel.

Dettagli

ESERCIZI SULLE CATENE DI MARKOV. Docente titolare: Irene Crimaldi 18/11/2009 P =

ESERCIZI 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

Dettagli

Esercitazione 03: Sistemi a tempo discreto

Esercitazione 03: Sistemi a tempo discreto 0 aprile 06 (h) Alessandro Vittorio Papadopoulos alessandro.papadopoulos@polimi.it Fondamenti di Automatica Prof. M. Farina Analisi di investimenti Una banca propone un tasso d interesse i = 3% trimestrale

Dettagli

Esercitazione 05: Trasformata di Laplace e funzione di trasferimento

Esercitazione 05: Trasformata di Laplace e funzione di trasferimento Esercitazione 05: Trasformata di Laplace e funzione di trasferimento 28 marzo 208 (3h) Fondamenti di Automatica Prof. M. Farina Responsabile delle esercitazioni: Enrico Terzi Queste dispense sono state

Dettagli

PSC: Progettazione di sistemi di controllo III Trim Lezione 23 4 Giugno. Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio

PSC: Progettazione di sistemi di controllo III Trim Lezione 23 4 Giugno. Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 23 4 Giugno Docente: Luca Schenato Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio 23.1 Problema del consensus: analisi worst-case

Dettagli

Variabili casuali. - di Massimo Cristallo -

Variabili casuali. - di Massimo Cristallo - Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali

Dettagli

0 < x 3. A1 1 [7 punti] Determinare le eventuali soluzioni del seguente sistema di congruenze: x 2 mod 5 2x 1 mod 3. x 21 mod 7

0 < x 3. A1 1 [7 punti] Determinare le eventuali soluzioni del seguente sistema di congruenze: x 2 mod 5 2x 1 mod 3. x 21 mod 7 Dipartimento di Matematica e Informatica Anno Accademico 017-018 Corso di Laurea in Informatica L-31 Prova scritta di Matematica Discreta 1 CFU 5 Settembre 018 A1 1 [7 punti] Determinare le eventuali soluzioni

Dettagli

Prima prova in itenere di Istituzioni di Probabilità

Prima prova in itenere di Istituzioni di Probabilità Prima prova in itenere di Istituzioni di Probabilità 14 novembre 2012 Esercizio 1. Un processo di Ornstein-Uhlenbec modificato (OUM) è un processo reale, con R come insieme dei tempi, con traiettorie continue,

Dettagli

SIMULAZIONE DI SISTEMI CASUALI 2 parte. Processi stocastici e teoria delle code. Processi stocastici

SIMULAZIONE DI SISTEMI CASUALI 2 parte. Processi stocastici e teoria delle code. Processi stocastici SIMULAZIONE DI SISTEMI CASUALI 2 parte Processi stocastici e teoria delle code Processi stocastici Generalità La distribuzione di Poisson (degli eventi rari) è caratterizzata dall avere una funzione di

Dettagli

Politecnico di Milano Temi d esame di FSSB dell AA 2009/2010 per allievi ING BIO, docente I. Epifani

Politecnico di Milano Temi d esame di FSSB dell AA 2009/2010 per allievi ING BIO, docente I. Epifani Politecnico di Milano Temi d esame di FSSB dell AA 2009/2010 per allievi ING BIO, docente I. Epifani 1 2 1 FSSB-Modulo 1 e CPSMA per ING BIO I. Epifani Prova scritta 03.05.210 I diritti d autore sono riservati.

Dettagli

34 TEORIA DELLE CODE 1.4 PROCESSI DI NASCITA E MORTE

34 TEORIA DELLE CODE 1.4 PROCESSI DI NASCITA E MORTE 34 TEORIA DELLE CODE.4 PROCESSI DI NASCITA E MORTE Molti sistemi a coda possono essere ben rappresentati mediante i cosiddetti processi di nascita e morte che sono importanti processi in teoria della probabilità

Dettagli

Funzioni vettoriali di variabile scalare

Funzioni vettoriali di variabile scalare Capitolo 11 Funzioni vettoriali di variabile scalare 11.1 Curve in R n Abbiamo visto (capitolo 2) come la posizione di un punto in uno spazio R n sia individuata mediante le n coordinate di quel punto.

Dettagli

Sinusoide a fase aleatoria

Sinusoide a fase aleatoria Sinusoide a fase aleatoria x(t) = cos(ωt + ϑ) ϑ U(,π) Caratterizzazione di primo ordine. Fisso un istante di tempo arbitrario t. Siccome ω è costante, posso porre ωt = Φ Ottengo la V.. (Variabile leatoria)

Dettagli

Analisi dei Sistemi Esercitazione 1

Analisi dei Sistemi Esercitazione 1 Analisi dei Sistemi Esercitazione Soluzione 0 Ottobre 00 Esercizio. Sono dati i seguenti modelli matematici di sistemi dinamici. ÿ(t) + y(t) = 5 u(t)u(t). () t ÿ(t) + tẏ(t) + y(t) = 5sin(t)ü(t). () ẋ (t)

Dettagli

ẋ 1 = 2x 1 + (sen 2 (x 1 ) + 1)x 2 + 2u (1) y = x 1

ẋ 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

Dettagli

Elementi di analisi matematica e complementi di calcolo delle probabilita T

Elementi di analisi matematica e complementi di calcolo delle probabilita T Elementi di analisi matematica e complementi di calcolo delle probabilita T Presentiamo una raccolta di quesiti per la preparazione alla prova orale di Elementi di analisi matematica e complementi di calcolo

Dettagli

Calcolo delle Probabilità 2

Calcolo delle Probabilità 2 Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale

Dettagli

Analisi Matematica 2. Prove Parziali A.A. 2012/2017

Analisi Matematica 2. Prove Parziali A.A. 2012/2017 Analisi 2 Polo di Savona Analisi Matematica 2 Prove Parziali A.A. 2012/2017 1- PrPzAmT.TEX [] Analisi 2 Polo di Savona Prima Prova parziale 23/11/2011 Prima Prova parziale 23/11/2011 Si consideri la funzione

Dettagli

PROBABILITA E STATISTICA Docente: Bruno Gobbi

PROBABILITA E STATISTICA Docente: Bruno Gobbi UNIVERSITA DEGLI STUDI DI VERONA PROBABILITA E STATISTICA Docente: Bruno Gobbi LE VARIABILI CASUALI DISCRETE VARIABILE CASUALE - DEFINIZIONE Si definisce Variabile Casuale una grandezza che, associata

Dettagli

5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)

5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) 5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità

Dettagli

4 Autovettori e autovalori

4 Autovettori e autovalori 4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità

Dettagli

RETI DI TELECOMUNICAZIONE

RETI DI TELECOMUNICAZIONE RETI DI TELECOMUNICAZIONE TEORIA DELLE CODE Teoria delle code Obiettivo Avere uno strumento analitico per determinare le condizioni di funzionamento di una rete in termini prestazionali La teoria delle

Dettagli

Compito del 14 giugno 2004

Compito del 14 giugno 2004 Compito del 14 giugno 004 Un disco omogeneo di raggio R e massa m rotola senza strisciare lungo l asse delle ascisse di un piano verticale. Il centro C del disco è collegato da una molla di costante elastica

Dettagli

Simulazioni e Metodi Montecarlo Cercano gli stati fondamentali di sistemi complessi non risolubili analiticamente e le loro proprietà analoghi per

Simulazioni e Metodi Montecarlo Cercano gli stati fondamentali di sistemi complessi non risolubili analiticamente e le loro proprietà analoghi per Simulazioni e Metodi Montecarlo Cercano gli stati fondamentali di sistemi complessi non risolubili analiticamente e le loro proprietà analoghi per molti versi al problema del commesso viaggiatore lasciano

Dettagli

Esercizi di riepilogo

Esercizi di riepilogo Esercizi di riepilogo Es1: Scommesse al casinò Tizio e Caio si alternano al tavolo di un casinò. Tizio gioca negli istanti di tempo dispari, mentre Caio in quelli pari Ad ogni istante di tempo, il guadagno

Dettagli

Politecnico di Milano Sede di Cremona A.A. 2012/13. Corso di RETI DI COMUNICAZIONE E INTERNET (Modulo 1)

Politecnico di Milano Sede di Cremona A.A. 2012/13. Corso di RETI DI COMUNICAZIONE E INTERNET (Modulo 1) Politecnico di Milano Sede di Cremona A.A. 2012/13 Corso di RETI DI COMUNICAZIONE E INTERNET (Modulo 1) Martino De Marco email: martino.demarco@mail.polimi.it skype: martino.demarco ESERCITAZIONE VALUTAZIONE

Dettagli

Risoluzione di sistemi lineari sparsi e di grandi dimensioni

Risoluzione di sistemi lineari sparsi e di grandi dimensioni Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica

Dettagli

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si

Dettagli

Luigi Piroddi

Luigi Piroddi Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul

Dettagli

TEORIA E TECNICA DELLA CIRCOLAZIONE

TEORIA E TECNICA DELLA CIRCOLAZIONE PROBLEMI DI TEORIA E TECNICA DELLA CIRCOLAZIONE 3 A cura di : Prof. Astarita Vittorio ing. Giofrè Vincenzo Pasquale Argomenti: Distribuzione di Poisson 26 3.1 PROBLEMA Distribuzione di Poisson ed esponenziale

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 29 maggio 2007 Test di indipendenza su tabelle di contingenza. Catene di Markov Esercizio Per controllare l efficacia di un vaccino vengono scelti

Dettagli

Quesiti di Analisi Matematica II

Quesiti di Analisi Matematica II Quesiti di Analisi Matematica II Presentiamo una raccolta di quesiti per la preparazione alla prova orale del modulo di Analisi Matematica II. Per una buona preparazione è consigliabile allenarsi a rispondere

Dettagli

V.C. UNIFORME. 1 n. con funzione di probabilità associata: MODA(X): la distribuzione Uniforme è zeromodale.

V.C. UNIFORME. 1 n. con funzione di probabilità associata: MODA(X): la distribuzione Uniforme è zeromodale. V.C. UNIFORME La v.c. discreta UNIFORME descrive il modello probabilistico dell equiprobabilità. I valori della v.c.u. sono dati dai primi n numeri naturali: x = 1, 2,, (n-1), n con funzione di probabilità

Dettagli

Qualche nota sui metodi di link analysis

Qualche nota sui metodi di link analysis Qualche nota sui metodi di link analysis 17 aprile 2009 1 Nozioni utili di algebra lineare Definizione 1 Una matrice reale U di dimensioni n n è ortogonale quando Uv = v per ogni v R n L effetto della

Dettagli

Luigi Piroddi

Luigi Piroddi Automazione industriale dispense del corso (a.a. 2008/2009) 8. Reti di Petri: rappresentazione algebrica Luigi Piroddi piroddi@elet.polimi.it Rappresentazione matriciale o algebrica E possibile analizzare

Dettagli

Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"

Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in Scienze e Tecnologie Alimentari Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE Processi di Poisson Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Consideriamo eventi casuali come gli arrivi di lavori

Dettagli

γ 4 γ 2 λ 2 λ 4 r 42 γ 3 λ 3 r 24 r 04

γ 4 γ 2 λ 2 λ 4 r 42 γ 3 λ 3 r 24 r 04 Capitolo 5 Reti di code Tipicamente una risorsa non viene utilizzata in modo isolato, pi u facilmente diverse risorse sono interconnesse fra loro per costituire un unico sistema. Un esempio e offerto da

Dettagli

Segnali (processi) aleatori (casuali)

Segnali (processi) aleatori (casuali) Segnali (processi) aleatori (casuali) Definizione di processo aleatorio Descrizione statistica di un processo aleatorio Media, potenza, varianza Autocorrelazione e autocovarianza Filtraggio di un processo

Dettagli