γ 4 γ 2 λ 2 λ 4 r 42 γ 3 λ 3 r 24 r 04
|
|
- Gabriele Chiesa
- 5 anni fa
- Visualizzazioni
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 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
Dettaglir 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
DettagliUNIVERSITÀ 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
DettagliModelli 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
DettagliModelli 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
DettagliTeoria 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
Dettagliservente 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
DettagliTeoria 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
DettagliCorso 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;
DettagliAncora 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
DettagliRETI 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
Dettagliλ 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
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE Modelli delle Sorgenti di Traffico Generalità Per la realizzazione di un modello analitico di un sistema di telecomunicazione dobbiamo tenere in considerazione 3 distinte sezioni
DettagliReti 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
DettagliCatene 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
DettagliSTATISTICA: 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
Dettagliarrivi 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
DettagliCatene 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,...,
DettagliVariabili 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
DettagliCorso. 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:
DettagliProcesso 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.
DettagliCorso 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,
DettagliAUTOMAZIONE 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
DettagliMetodi 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
DettagliComplementi 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
DettagliNote 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
DettagliEsercitazione 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
DettagliCalcolo 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
Dettagli5. 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.
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO CONTINUE Definizioni Sia dato un processo stocastico x(t) che può assumere valori discreti appartenenti ad un insieme se accade che il processo è una catena
DettagliCalcolo 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
DettagliCapitolo 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
DettagliTre 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
DettagliVariabili 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
DettagliEsperimentazioni 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
DettagliSistemi 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
DettagliPROF. 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
DettagliMETODI 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
DettagliMetodi 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
DettagliEsercizi 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
DettagliVETTORI 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
DettagliSequenze (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
Dettagli1.5 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,
DettagliSISTEMI 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
Dettagli1 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
DettagliEsercizi 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.
DettagliPROVE 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
DettagliVariabili 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
Dettagli1. 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
DettagliPROBABILITÀ 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
DettagliAnalisi 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
DettagliDipartimento 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
DettagliEsercizio 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
Dettagli25 - 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
DettagliCorso 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
DettagliArgomento 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
Dettagli1 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
DettagliLa 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,
Dettagli3x 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
Dettagli1.7 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
DettagliFacoltà 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
DettagliCostruzione 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
DettagliComputazione 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
DettagliSIMULAZIONE 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
DettagliPROBABILITÀ 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
DettagliProcessi 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
DettagliE (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
DettagliPolitecnico 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
DettagliGeometria 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
DettagliMetodi 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
DettagliElaborazione 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:
Dettagli4.1 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
DettagliRETI 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
DettagliEsercitazione 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
Dettagli0.1 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
DettagliBasi 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
DettagliMetodi 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
DettagliReti 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
DettagliIndice. 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
Dettagli9.3 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
DettagliLezione 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
DettagliEsercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
Dettagli' $ 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
DettagliAnalisi 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
DettagliArgomenti 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;
DettagliMetodi 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
DettagliGeometria 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
DettagliSistema 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
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
Dettaglidi 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
Dettagli2.6 Calcolo degli equilibri di Nash
92 2 Giochi non Cooperativi Per queste estensioni di giochi non finiti si possono provare risultati analoghi a quelli visti per i giochi finiti. Rimandiamo alla bibliografia per uno studio più approfondito
DettagliRango 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
DettagliMatematica 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,
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)
DettagliSequenze (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