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

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 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 un`officina meccanica dove un pezzo deve eseguire nell`ordine una sequenza di operazioni utilizzando una serie di macchine. Entrato in officina, il pezzo si pone in attesa di fronte alla prima macchina, quando ha terminato prosegue immediatamente verso la seconda, e cos i fino al completamento quando esce dal sistema. In alcuni casi la stessa operazione pu o essere effettuata su pi u di una macchina in alternativa, in questo caso, al termine dell`operazione precedente, e necessario decidere verso quale delle possibili macchine la prossima operazione dovr a essere effettuata, si parla in questo caso di instradamento o routing. Una volta effettuata una operazione, dopo un controllo di qualit a, pu o essere necessario ritornare su una delle macchine precedentemente visitate per ripetere una delle operazioni gi a fatte, si hanno in questo caso anelli di ricircolo nel percorso dei pezzi. Gli utenti di un sistema possono essere della stessa classe oppure di classi diverse, e ciascuna classe pu a avere un suo programma di visite alle risorse diverso dalle altre. In un sistema con pi u classi di utenti in attesa della stessa risorsa alcune classi possono essere servite in modo privilegiato rispetto ad altre, si parla in questo caso di sequenziamento o schedulazione. Il sistema si pu o rappresentare come una rete di cui le singole risorse sono i nodi e dove i rami indicano i flussi di utenti da una risorsa all`altra, si parla di una rete di code. Fra le classificazioni che distinguono una rete di code la principale e sicuramente quella di rete di code aperta e rete di code chiusa. Nel primo caso il numero di utenti della rete non e prefissato, vi saranno arrivi e partenze da e verso l`esterno. Nell`altro caso il numero degli utenti nella rete e fisso, non vi sono ingressi ed uscite dall`esterno, e gli utenti presenti continuano a circolare fra le risorse. Un`officina dove i pezzi da lavorare devono preventivamente essere montati su attrezzaggi offre un esempio di quest`ultimo tipo di rete. Il numero degli attrezzaggi presenti in officina

2 e fissato, e soltanto quando un pezzo ha finito il suo ciclo di operazioni, e stato scaricato ed ha liberato un attrezzaggio un nuovo pezzo pu o entrare per prenderne il suo posto. Poich e i pezzi possono circolare nella rete soltanto sui loro attrezzaggi, il numero di utenti rimane costante. 5.1 La propriet a della forma prodotto Studiare una rete di code significa definire e studiare il comportamento del suo stato. Lo stato di una rete di code e dato dall`unione degli stati di ciascun nodo, rappresentato, per code Markoviane, dal vettore di variabili casuali discrete del numero di utenti presenti presso ciascuna risorsa: x =[x1;:::;x M ] con probabilit a di stato: ß(n1;:::;n M )=P[x1 = n1;:::;x M = n M ]: Per le reti di code, come nel caso di code isolate, e interessante stabilire quelle condizioni che permettono di offrire soluzioni analitiche al problema. L`idea di base per una soluzione semplice della rete e che ciascuna risorsa continui a comportarsi come una coda Markoviana, isolata ed indipendente dalle altre, e che la probabilit a congiunta degli stati della rete sia il prodotto delle probabilit a marginali di ciascuna delle risorse che compongono la rete: condizione che prende il nome di propriet a della forma prodotto. Questa propriet a e verificata per alcune classi di reti di code. La classe pi u importante e certamente costituita dalle reti di code Markoviane, dove gli arrivi alla rete sono processi di Poisson, i servizi forniti hanno tempi con distribuzione esponenziale e gli instradamenti sono casuali. In presenza di ricircoli, i processi all`interno della rete non sono pi u processi di Poisson e tuttavia la rete continua a comportarsi come una rete di code Markoviane. Un punto chiave per garantire la forma prodotto nelle reti di code e che gli instradamenti siano casuali. Questo significa che appena un utente ha terminato un servizio su una risorsa e immediatamente avviato alla prossima risorsa mediante l`estrazione di una variabile casuale indipendente. Consideriamo il processo di Poisson in uscita ad una coda Markoviana di parametro 1, ed assumiamo che con probabilit a r i, Pi r i = 1, ogni utente in uscita viene instradato in modo casuale verso uno di I possibili percorsi alternativi. Consideriamo l`i esimo percorso. Se ad un certo evento l`ultimo utente e stato instradato lungo quel percorso, la probabilit a che lo sia anche il prossimo e r i,che lo sia quello dopo e r i (1 r i ), e cos i via con una probabilit a che ha l`andamento di una serie geometrica. Quindi il tempo di interarrivo 1 Si dimostra che il processo in uscita da una coda Markoviana possiede la propriet a dell`assenza di memoria

3 lungo il percorso i esimo corrisponde con probabilit a r i (1 r i ) k 1 alla somma di k tempi di interarrivo del processo di Poisson. Pertanto si ha ancora un processo di Poisson con tasso di arrivo r i che rappresenta la frazione r i del tasso di uscita dalla risorsa precedente. 5.2 Reti di code aperte In Figura 5.1 e rappresentata una rete di code Markoviane aperta. γ 3 γ 1 λ 1 µ 1 λ 3 µ 3 r 32 γ 2 λ 2 r 42 λ 4 µ 4 r 04 γ 4 r 24 Figura 5.1: Rete di code aperta. Inizialmente ipotizziamo che vi sia un`unica classe di utenti. I processi di ingresso sono processi di Poisson indipendenti,lecodesono M=M=m (in particolare m = 1), la disciplina di coda se non indicato diversamente e FIFO, gli instradamenti sono casuali, con probabilit a (coefficienti di routing) r ij assegnati, indipendenti dallo stato. Si dimostra che questa rete gode della propriet a della forma prodotto anche se, in presenza di ricircoli, i processi in ingresso alle code non sono propriamente di Poisson. Il suo comportamento a regime pu o essere studiato considerando i differenti nodi della rete isolatamente e la funzione di probabilit a e ottenuta come prodotto delle funzioni di probabilit a marginali del numero di utenti presso ciascun nodo. Considerata la rete a regime ed indicati con fl i i tassi medi dei flussi in ingresso alla rete dall`esterno verso il nodo i esimo, con i i tassi medi d`attraversamento del nodo i esimo e con r ij i coefficienti d`instradamento dal nodo j al nodo i, si dimostra con una tecnica di bilanciamento dei flussi che i processi in ingresso a ciascun nodo hanno tassi dati da: i = fl i +X j r ij j ; oppure, unendo le equazioni per tutti i nodi, in forma matriciale: = fl + R ; [I R] = fl

4 dove R e la matrice delle probabilit a di routing. La soluzione di questo sistema lineare di equazioni, che esiste poich e, essendovi flussi da e verso l`esterno, la matrice R non ha autovalori uguali a 1, fornisce i tassi di ingresso a ciascun servizio: =[I R] 1 fl: La rete si dice ergodica quando ciascuna coda della rete e ergodica; e necessario quindi che i m i μ i ; 8i: Il numero medio di utenti nella rete e pari alla somma dei numeri medi di utenti presenti in ciascun nodo ed, attraverso la legge di Little si ricava il tempo medio di permanenza nella rete: N =X i N i T = N Pi fl i In una rete di code Markoviane ergodiche con le condizioni poste all`inizio del paragrafo, indicati con n i il numero di utenti presenti presso la risorsa i esima, a regime la funzione densit a di probabilit a congiunta della distribuzione degli utenti presso i diversi nodi e il prodotto delle funzioni di densit a di probabilit a marginali del numero di utenti presso ciascun nodo (teorema di Jackson): ß(n1;:::;n M )=ß1(n1) ß M (n M ) dove le probabilit a marginali ß i (n i ) sono calcolate con la teoria classica delle code, assumendo come tassi di arrivo a ciascuna coda i valori forniti dalla soluzione del sistema: =[I R] 1 fl Va osservato, a conclusione, che due aspetti sono critici per l`esistenza della forma prodotto, questi sono gli instradamenti casuali ed indipendenti dallo stato e le code a capacit a infinita. In altri termini, la presenza di una politica d`instradamento deterministico, come ad esempio quando ogni utente in uscita ad un servizio e indirizzato fra i servizi in alternativa a quello con la coda minore, fa cadere la forma prodotto. Lo stesso avviene quando il riempimento di una coda di capacit a finita causa il bloccaggio dei nodi all`origine impedendo lo scarico degli utenti che hanno completato il servizio. Esempio Si consideri la rete di code Markoviane rappresentata in Figura 5.2, dove fl = 10, μ1 = 50, μ2 = 25, μ3 =25eμ4 =30.

5 γ µ 1 M 2 µ 4 M 1 µ 3 M 4 M3 Figura 5.2: Rete di code aperta. 1. Descrivere il tipo di rete e determinarne le condizioni di ergodicit a. 2. Calcolare il numero medio di pezzi nel sistema. 3. Calcolare il tempo medio di attraversamento del sistema. Soluzione. Si tratta di una di una rete di code aperta, in quanto il numero di utenti nella rete non e prefissato, con partenze ed arrivi da e verso l`esterno. Consideriamo la rete a regime e denotiamo con i i tassi di ingresso alle macchine M i. Applicando una tecnica di bilanciamento dei flussi a ciascun nodo (servizio) della rete si ottiene: i =X fl ih +X h j r ij j ; i =1;:::;n (5.1) dove fl ih rappresenta il tasso medio del flusso h in ingresso dall`esterno della rete verso il nodo i, ed r ij e il coefficiente di instradamento dal nodo j al nodo i. In forma matriciale: = Hfl + R = I R Λ 1 Hfl (5.2) dove R e la matrice delle probabilit a di routing, ed H e la matrice dei pesi dei flussi in ingresso alla rete i cui elementi possono soltanto assumere valori 0 ed 1. dell`esercizio si ha fl = [10], H = :5 0: ; R = 0: : :5 0:5 0 Con i dati e =[20; 10; 10; 10] T. La rete si dice ergodica quando ciascun servizio e ergodico, ovvero: ρ i = i m i μ i» 1; 8i (5.3)

6 dove m i e il numero di serventi relativo alservizio i. In questo caso la rete risulta ergodica in quanto: ρ1 = =0:4; ρ 2 = =0:4; ρ 3 = =0:4; ρ 4 = =0:3333: Il numero medio di pezzi presenti nel sistema e pari alla somma dei numeri medi di pezzi presenti in ciascun servizio. Assumendo ciascun servizio del tipo M=M=1 si ottiene: N =X N i =X i i ρ i 1 ρ i =2:5: Il tempo medio di attraversamento del sistema (tempo medio di permanenza nella rete) viene calcolato applicando la legge di Little: T tot = P Pi N i i Ph fl ih = 2:5 10 = :25: Ξ Esempio Si consideri la rete di code rappresentata in Figura 5.3, dove =1,μ1 =4, μ2 =2,μ3 =0:2. λ Μ 1 µ Μ 2 1 r 21 M/M/1 r 31 Μ 3 µ 3 M/M/1/2 M/M/1 Figura 5.3: Rete di code aperta. 1. Stabilire una politica di routing che consenta di lavorare tutti i pezzi in arrivo al sistema e determinare di conseguenza i coefficienti di routing r21 e r Con riferimento alla politica di routing indicata al punto precedente, calcolare per quali valori di μ3 il tempo medio di attraversamento della rete e minore di 2 unit a ditempo. Soluzione. Si tratta di una di una rete di code aperta, per la quale la politica di instradamento ottimale per i pezzi in ingresso alla rete consiste nel proporre i pezzi in uscita dalla macchina M1 alla macchina M2, avente una capacit a finita, fino a saturare la sua massima capacit a. In tal caso i pezzi vengono proposti in ingresso alla macchina M3 che ha invece

7 una capacit a infinita. Pertanto, secondo questa politica di instradamento, la macchina M2 accetta pezzi in uscita dalla macchina M1 solo se e vuota" oppure ha un solo pezzo in coda di attesa. Si noti che la propriet a della forma prodotto nelle reti di code e garantita quando gli instradamenti sono casuali. In questo caso per o i pezzi in uscita dalla macchina M1 non sono instradati casualmente verso uno dei vari percorsi alternativi. Tuttavia possiamo in prima approssimazione considerare ciascun servizio isolatamente e definire dei coefficienti di routing che ci consentono di studiare la rete come se gli instradamenti fossero casuali. Consideriamo dapprima la macchina M2 di tipo M=M=1=2. Il suo stato (numero di pezzi presenti nel servizio) e rappresentato dall`automa in Figura λ 1 λ 2 Figura 5.4: Automa della coda M=M=1=2. 8>< >: Indicando con ß2(i) la probabilit a per la macchina M2 di trovarsi nello stato i ed applicando una tecnica del bilanciamento dei flussi ricaviamo: ß2(0) = μ2ß2(1) 2X ß2(1) = μ2ß2(2) ß2(i) =1 i=0 ) 8>< >: ß2(0) = 0:5714 ß2(1) = 0:2857 ß2(2) = 0:1429 Alternativamente, potevamo calcolare le probabilit a di stato per la macchina M2 applicando la seguente formula: ß2(i) = 1 ρ 2 1 ρ 3 ρ i 2 ; i =0; 1; 2 (5.4) 2 dove ρ2 = μ 2 e il fattore di utilizzo della macchina M2. In condizione stazionarie, il tasso medio di attraversamento della macchina M2 risulta: 2 = μ2 ß 2(1) + ß2(2) Λ = ß2(0) + ß2(1) Λ =0:8571 e quindi 8 <: r21 = 2 =0:8571 r31 =1 r21 =0:1429

8 da cui 3 = r31 = 0:1429 e il tasso di attraversamento della macchina M3. Per calcolare il tempo medio di attraversamento della rete applichiamo la legge di Little, calcolando dapprima il numero medio N i di pezzi presenti in ciascun servizio. Ovvero: N1 = ρ 1 1 ρ1 =0:3333; ρ 1 = μ1 =0:25 N2 = ß2(1)+2ß2(2) = 1 ρ 2 1 ρ2 3 ρ Λ 2 +2ρ 2 =0:5714; ρ 2 = 2 μ2 =0:4286 N3 = ρ 2 1 ρ2 = 3 μ3 3 = 0:1429 μ3 0:1429 dove il tasso di servizio μ3 e il parametro incognito ottenuto risolvendo: da cui μ3 0:2733. T tot = 1 3X i=1 N i» 2 ) 0: :1429 μ3 0:1429» 2 Ξ 5.3 Problemi proposti Problema Si consideri la rete di code aperta di Figura 5.5, dove le stazioni sono M=M=1, con μ1 =5, μ2 =4, μ3 =1, fl1 =4. Si determinino i coefficienti d`instradamento in una politica probabilistica che minimizzano il tempo d`attraversamento della rete e si calcolino in queste condizioni tassi di utilizzo delle stazioni numero medio di utenti nella rete e tempi d`attraversamento. γ 1 r 21 λ 2 λ 1 µ 1 r 31 λ 3 µ 3 Figura 5.5: Rete di code aperta. Problema Si consideri la rete di code aperta di Figura 5.5. Si determini una politica d`instradamento intelligente che minimizzi il numero medio di utenti nella rete (multiservente asimmetrico). Nelle condizioni precedenti si determinino i tassi di utilizzo delle stazioni ed il tempo medio d`attraversamento Problema Si consideri la rete di code aperta di Figura 5.5, dove, per o la stazione 2 e M=M=1=2. Strettamente parlando la rete non e risolubile con tecniche classiche, a motivo

9 del bloccaggio della stazione 1. Dire se esiste e determinare una politica d`instradamento (non probabilistica) che eviti il bloccaggio della prima stazione; nelle condizioni precedenti calcolare tutti i dati statistici d`interesse della rete.

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

r 33 r 13 λ 1 λ 3 r 32

r 33 r 13 λ 1 λ 3 r 32 Capitolo 6 Le reti di code ciuse e la forma prodotto In una rete di code ciuse non esiste alcun flusso di utenti da e verso l`esterno della rete. Queste reti, quindi, sono caratterizzate da una popolazione

Dettagli

UNIVERSITÀ DEGLI STUDI DI PADOVA

UNIVERSITÀ DEGLI STUDI DI PADOVA UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Ingegneria Corso di laurea in Ingegneria Gestionale TESI DI LAUREA RETI DI CODE Relatore: Giorgio Romanin Jacur Laureando: Matteo Chiarello ANNO ACCADEMICO 2010

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

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

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

servente 1 servente 2 servente K

servente 1 servente 2 servente K Capitolo 4 Teoria delle code La teoria delle code e, di fatto, un`applicazione dei processi Markoviani di nascita e morte. Il problema affrontato e quello dell`analisi del comportamento di una risorsa

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

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

Ancora sui processi di Poisson

Ancora sui processi di Poisson Ancora sui processi di Poisson La somma di N processi di Posson indipendenti do parametro λ i, i=1 N, è un processo di Poisson di parametro λ = λ TOT i i λ1 λ2 + λtot λn Ancora sui processi di Poisson

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

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

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

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

Catene di Markov. Richiami teorici

Catene di Markov. Richiami teorici Catene di Marov Richiami teorici Pagina di 4 Alcune definizioni L insieme di tutti i possibili risultati di un esperimento è detto spazio degli eventi dell esperimento. Lo spazio si indica con Ω ed un

Dettagli

STATISTICA: esercizi svolti sulle VARIABILI CASUALI

STATISTICA: esercizi svolti sulle VARIABILI CASUALI STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri

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

Catene di Markov a tempo continuo. Richiami teorici

Catene di Markov a tempo continuo. Richiami teorici Catene di Marov a tempo continuo Richiami teorici Pagina di 55 Data ultima revisione 2/5/ Definizione di catena di Marov a Una catena di Marov a è definita come: M(X, P(t)) t R + dove gli stati x,...,

Dettagli

Variabili aleatorie n-dim

Variabili aleatorie n-dim Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice

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. 2003/04 Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI Martino De Marco (demarco@cremona.polimi.it) ESERCITAZIONE VALUTAZIONE DELLE PRESTAZIONI ESERCITAZIONE:

Dettagli

Processo di Poisson di parametro λ. Distribuzione esponenziale degli intertempi G(t)=1-e -λt. Proprietà dell assenza di memoria

Processo di Poisson di parametro λ. Distribuzione esponenziale degli intertempi G(t)=1-e -λt. Proprietà dell assenza di memoria Capitolo Processi stocastici Una simulazione offre soltanto risultati numerici che si riferiscono ad uno specifico esperimento e non sempre permettono di afferrare in profondit a la natura del fenomeno.

Dettagli

Corso di probabilità e statistica

Corso di probabilità e statistica Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte III: variabili aleatorie dipendenti e indipendenti,

Dettagli

AUTOMAZIONE INDUSTRIALE. Agostino Marcello Mangini

AUTOMAZIONE INDUSTRIALE. Agostino Marcello Mangini AUTOMAZIONE INDUSTRIALE Agostino Marcello Mangini Dipartimento di Elettronica ed Elettrotecnica Politecnico di Bari E-mail: mangini@deemail.poliba.it Sito Web: http://dee.poliba.it/labcontrolli/mangini.htm

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

Complementi di Probabilità e Statistica Laurea Magistrale Ing. Info. Soluzione degli Esercizi su catene di Markov a tempo continuo

Complementi di Probabilità e Statistica Laurea Magistrale Ing. Info. Soluzione degli Esercizi su catene di Markov a tempo continuo Complementi di Probabilità e Statistica Laurea Magistrale Ing Info Soluzione degli Esercizi su catene di Markov a tempo continuo M Abundo Si può modellizzare il sistema mediante una coda del tipo M/M/n

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

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

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

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

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

Calcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)

Calcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina) Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di

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

Tre esempi di sistemi di congestione. Analisi delle loro simulazioni in linguaggio Simula

Tre esempi di sistemi di congestione. Analisi delle loro simulazioni in linguaggio Simula Tre esempi di sistemi di congestione Analisi delle loro simulazioni in linguaggio Simula Generalità introduttive Una larga classe di sistemi reali : Sistemi di produzione Sistemi di traffico e di comunicazione

Dettagli

Variabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia

Variabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile

Dettagli

Esperimentazioni di Fisica 1. Prova in itinere del 12 giugno 2018

Esperimentazioni di Fisica 1. Prova in itinere del 12 giugno 2018 Esperimentazioni di Fisica 1 Prova in itinere del 1 giugno 018 Esp-1 Prova in Itinere n. - - Page of 6 1/06/018 1. (1 Punti) Quesito L incertezza da associare alle misurazioni eseguite con un certo strumento

Dettagli

Sistemi Discreti. Reti di Petri Stocastiche Automi stocastici Code e Reti di Code Algebra di processi

Sistemi Discreti. Reti di Petri Stocastiche Automi stocastici Code e Reti di Code Algebra di processi Sistemi Discreti Reti di Petri Stocastiche Automi stocastici Code e Reti di Code Algebra di processi 1 Code Introduzione Classificazione dei sistemi a coda Legge di Little Sistemi a coda singola Reti di

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

METODI NUMERICI. Metodo delle differenze finite

METODI NUMERICI. Metodo delle differenze finite METOI NUMERICI Lo sviluppo dei moderni calcolatori ha consentito di mettere a disposizione della scienza e della tecnica formidabili strumenti che hanno permesso di risolvere numerosi problemi la cui soluzione

Dettagli

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta C 21/12/2009

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta C 21/12/2009 Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta C 1/1/009 Esercizio 1. In periodo di esodo per le vacanze, sull A1 una grande area di servizio lavora a pieno regime. In media ogni

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

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

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza

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

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

1 Il polinomio minimo.

1 Il polinomio minimo. Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 luglio 6 Vettori aleatori e funzioni di v.a. Esercizio Si lanciano due dadi equi. Qual è la probabilità che la somma sia? [ ] Siano X, X le v.a.

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

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

1. i limiti di p che garantiscono un funzionamento stabile del sistema ;

1. i limiti di p che garantiscono un funzionamento stabile del sistema ; Problema 1 Un router collega una rete locale ad Internet per mezzo di due linee dedicate, la prima di capacità C 1 = 2.048 Mbit/s e la seconda di capacità C 2 = 512 Kbit/s. Ciascuna linea è dotata di una

Dettagli

PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI

PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI Settimana 5-9 marzo. Elementi di analisi combinatoria (vedasi capitolo I del Ross). Integrazioni: triangolo di Tartaglia, dimostrazione diretta della

Dettagli

Analisi statistica dell output prodotto dalla simulazione

Analisi statistica dell output prodotto dalla simulazione Analisi statistica dell output prodotto dalla simulazione Teso di riferimento: Steven Lavenberg "Computer Performance Modeling Handbook" Academic Press, Il simulatore realizza un adeguato modello del

Dettagli

Dipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli

Dipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 6 1. Si consideri un campione di 69 persone

Dettagli

Esercizio di modellistica a tempo discreto

Esercizio di modellistica a tempo discreto Esercizio di modellistica a tempo discreto Si consideri un corso di laurea triennale, e si indichi con k =,, 2,... l anno accademico dall attivazione del corso. Si indichi con x i (k) il numero di studenti

Dettagli

25 - Funzioni di più Variabili Introduzione

25 - Funzioni di più Variabili Introduzione Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello

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

Argomento 13 Sistemi lineari

Argomento 13 Sistemi lineari Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto

Dettagli

1 Schemi alle differenze finite per funzioni di una variabile

1 Schemi alle differenze finite per funzioni di una variabile Introduzione In questa dispensa vengono forniti alcuni elementi di base per la soluzione di equazioni alle derivate parziali che governano problemi al contorno. A questo scopo si introducono, in forma

Dettagli

La teoria delle code

La teoria delle code La teoria delle code Ludovica Crosato INTRODUZIONE La Teoria delle code (o delle file d attesa) rappresenta l analisi dei fenomeni di attesa che si possono manifestare in presenza della domanda di un servizio,

Dettagli

3x 2 = 6. 3x 2 x 3 = 6

3x 2 = 6. 3x 2 x 3 = 6 Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice

Dettagli

1.7 SISTEMI A CODA CON DISTRIBUZIONI NON ESPONENZIALI

1.7 SISTEMI A CODA CON DISTRIBUZIONI NON ESPONENZIALI 86 TEORIA DELLE CODE.7 SISTEMI A CODA CON DISTRIBUZIONI NON ESPONENZIALI Fino ad ora abbiamo considerato modelli di code basati su processi di nascita e morte, con tempi di interarrivo e tempi di servizio

Dettagli

Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica

Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica Prima prova scritta A.A. 8-9 Durata della prova h Punteggi: ) + + ; ) + + + ; ) +. Totale. Esercizio Sia

Dettagli

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di

Dettagli

Computazione per l interazione naturale: fondamenti probabilistici (2)

Computazione per l interazione naturale: fondamenti probabilistici (2) Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@di.unimi.it

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

PROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati

PROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati PROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati 1. - Un urna contiene 2 palline bianche e 28 nere; da essa vengono

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

E (X 2 ) = E (G) + E (E 2 ) = 1, V ar (X 2 ) = V ar (G) + V ar (E 2 ) = 5, Cov(X 1, X 2 ) = Cov(G + E 1, G + E 2 ) = V ar (G) = 4,

E (X 2 ) = E (G) + E (E 2 ) = 1, V ar (X 2 ) = V ar (G) + V ar (E 2 ) = 5, Cov(X 1, X 2 ) = Cov(G + E 1, G + E 2 ) = V ar (G) = 4, Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 04/05 Prova di Esonero Maggio 05 degli esercizi proposti Siano G, E, E tre variabili aleatorie gaussiane indipendenti, rispettivamente

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

Geometria BAER PRIMO CANALE Foglio esercizi 1

Geometria BAER PRIMO CANALE Foglio esercizi 1 Geometria BAER PRIMO CANALE Foglio esercizi 1 Esercizio 1. Risolvere le seguenti equazioni lineari nelle variabili indicate trovando una parametrizzazione dell insieme delle soluzioni. a) x + 5y = nelle

Dettagli

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta A 18/12/2009

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta A 18/12/2009 Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta A 18/1/009 Esercizio 1. Un officina ha tre stazioni di lavoro uguali dove può essere effettuata la verniciatura, con un unica fila

Dettagli

Elaborazione statistica di dati

Elaborazione statistica di dati Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:

Dettagli

4.1 ESERCIZI DI RIEPILOGO

4.1 ESERCIZI DI RIEPILOGO 4 4.1 ESERCIZI DI RIEPILOGO Esercizio 4.1.1 Dato un sistema M/M/2 con frequenza media di arrivo pari a λ e velocità di servizio pari a µ, con λ < 2µ Scrivere le equazioni di Kolmogorov relative al processo

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

Esercitazione 04: Sistemi a tempo discreto

Esercitazione 04: Sistemi a tempo discreto 18 marzo 2019 (3h) Fondamenti di Automatica Prof. M. Farina Responsabile delle esercitazioni: Enrico Terzi Queste dispense sono state scritte e redatte dal Prof. Alessandro Papadopoulos, Mälardalen University

Dettagli

0.1 P(A n ) Quindi stiamo cercando n che soddisfa la seguente relazione: n + 180

0.1 P(A n ) Quindi stiamo cercando n che soddisfa la seguente relazione: n + 180 Esercizio 1 Alcuni ingegneri civili ritengono che il peso in tonnellate che un braccio di ponte può sopportare senza avere cedimenti strutturali possa descriversi mediante una variabile aleatoria Y con

Dettagli

Basi matematiche per il Machine Learning

Basi matematiche per il Machine Learning Basi matematiche per il Machine Learning Corso di AA, anno 2017/18, Padova Fabio Aiolli 04 Ottobre 2017 Fabio Aiolli Basi matematiche per il Machine Learning 04 Ottobre 2017 1 / 14 Probabilità Un esperimento

Dettagli

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 2/07/2009

Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 2/07/2009 Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 2/07/2009 Esercizio 20 punti). Studiamo l efficienza del servizio al banco alimentari formaggi ecc.) di un supermercato. Chi arriva

Dettagli

Reti di code. Sostituendo ottengo:

Reti di code. Sostituendo ottengo: Reti di code Reti di code aperte Metodo di risoluzione di un generico esercizio: 1) Solitamente come prima cosa da fare quando viene dato un esercizio bisogna calcolarsi i lambda effettivi (scrivendo il

Dettagli

Indice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza

Indice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6

Dettagli

9.3 Il metodo dei minimi quadrati in formalismo matriciale

9.3 Il metodo dei minimi quadrati in formalismo matriciale 9.3. IL METODO DEI MINIMI QUADRATI IN FORMALISMO MATRICIALE 121 9.3 Il metodo dei minimi quadrati in formalismo matriciale Per applicare il MMQ a funzioni polinomiali, ovvero a dipendenze di una grandezza

Dettagli

Lezione Risoluzione di sistemi

Lezione Risoluzione di sistemi Lezione Risoluzione di sistemi Sia AX = B un sistema di equazioni lineari, con la sua matrice completa associate (A B) Per la Proposizione sappiamo di poter trasformare con operazioni elementari di riga

Dettagli

Esercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3

Esercizi 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

Dettagli

' $ Teoria del traffico & % 1

' $ Teoria del traffico & % 1 Teoria del traffico Andamento della distribuzione di Poisson P(k) = (λt)k k! e λt 1 k=0 k=1 k=2 k=3 0.8 0.6 P(k) 0.4 0.2 0 0 1 2 3 4 5 λt Proprietá La sovrapposizione di h processi di Poisson aventi frequenze

Dettagli

Analisi e scelta dei dati di input

Analisi e scelta dei dati di input Analisi e scelta dei dati di input Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 24 Aprile 2006 Francesca Mazzia (Univ. Bari) Analisi e

Dettagli

Argomenti trattati nella settimana novembre Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare

Argomenti trattati nella settimana novembre Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare Argomenti trattati nella settimana 23-27 novembre 2009 Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare 1 Sistemi lineari; 2 applicazioni lineari; Sistemi lineari;

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

Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa

Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 27/28 Canali A C, e L Pa Durata: 2 ore e 3 minuti Simone Diverio Alessandro D Andrea Paolo Piccinni 7 settembre

Dettagli

Sistema a singolo servente

Sistema a singolo servente Sistema a sgolo servente Servente Cliente arrivo Clienti coda Cliente servizio Cliente uscita empi di terarrivo A, A 2, v.a. IID (i.e., hanno la stessa funzione di distribuzione e sono dipendenti) empi

Dettagli

Statistica ARGOMENTI. Calcolo combinatorio

Statistica ARGOMENTI. Calcolo combinatorio Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità

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

2.6 Calcolo degli equilibri di Nash

2.6 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

Dettagli

Rango di una matrice e teorema di Rouché-Capelli

Rango di una matrice e teorema di Rouché-Capelli Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è

Dettagli

Matematica II, II parte. 1. Equazioni lineari in n incognite. Nel seguito, considereremo n ple ordinate

Matematica II, II parte. 1. Equazioni lineari in n incognite. Nel seguito, considereremo n ple ordinate Matematica II, 161111 - II parte 1 Equazioni lineari in n incognite Nel seguito, considereremo n ple ordinate (r 1, r 2,, r n ) di numeri reali Per n = 1, 2, 3 una n pla si puo identificare rispettivamente

Dettagli

) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,

) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2, Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)

Dettagli

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza

Dettagli