3. Esercitazioni di Teoria delle code

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "3. Esercitazioni di Teoria delle code"

Transcript

1 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33

2 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come s procede? S analzzano temp e modaltà d attesa degl utent n dverse code. S cerca la correlazone tra l numero d arrv e l numero d servz. Se problem sono semplfcabl s rsolvono per va analtca, altrment s procede alla smulazone. Poltecnco d Torno Pagna 2 d 33

3 Ottmzzazone del sstema d servzo Ottmzzare un sstema d servzo sgnfca: mnmzzare la somma de cost dovut all attesa dell utenza e de cost dovut all attvazone del servzo. Poltecnco d Torno Pagna 3 d 33

4 Andament qualtatv de cost d un sstema d servzo Costo medo d attesa Effcenza del servzo Somma de cost Costo medo Ottmzzare è poszonars sul mnmo Costo medo del servzo Costo fsso Effcenza del servzo Effcenza del servzo Il costo fsso è dovuto all esstenza del servzo Poltecnco d Torno Pagna 4 d 33

5 tempo d servzo Notazone d Kendall cardnaltà della popolazone da cu provengono gl arrv u/v/w/x/y/z tempo d nterarrvo numero d server dscplna della coda capactà del sstema d servzo Poltecnco d Torno Pagna 5 d 33

6 Notazon π n (t) : probabltà che c sano n utent nel sstema d servzo all stante t ( ) n Π t, z πn ( t) z : funzone generatrce d probabn ltà d π n (t) dπ ( ) ( t, z) N t dz : valore medo del numero d z utent present nel sstema d servzo Poltecnco d Torno Pagna 6 d 33

7 Notazon (cont.) λ(t) : frequenza d nter-arrvo µ(t) : frequenza d servzo L(t) N(t) - (t) : lunghezza meda della coda ove ( t ) λ µ ( t ) ( t ) è l fattore d utlzzo Poltecnco d Torno Pagna 7 d 33

8 Rsultato d Lttle In un sstema d servzo stazonaro valgono le seguent relazon: N(t) T t (t)λ(t) L(t) T c (t)λ(t) ove T t (t) : valore atteso del tempo speso da un utente nel sstema d servzo T c (t) : valore atteso del tempo speso da un utente n coda Poltecnco d Torno Pagna 8 d 33

9 M/M/ Legge degl arrv e de servz d tpo possonano Supponamo λ x λ e µ x µ, costant. Condzone d ergodctà: λ\µ < Probabltà d avere x utent nel sstema: π x x ( ) Probabltà d non avere attesa: π Poltecnco d Torno Pagna 9 d 33

10 M/M/ (contnua) Probabltà d avere almeno h utent nel sstema: π h ( ) ( ) h All equlbro : h 2 N L T t T c µ µ Poltecnco d Torno Pagna d 33

11 Eserczo proposto Ad un autolavaggo arrvano 8 clent all ora, con dstrbuzone d Posson. L autolavaggo può servre 2 clent all ora e la coda è d tpo M/M/. I dat precedent corrspondono a: λ8 ; µ2 ; λ\µ < S possono determnare tutt parametr presentat n precedenza, semplcemente applcando le defnzon. Poltecnco d Torno Pagna d 33

12 M/M/ con scoraggamento degl arrv Ad un casello autostradale non s può sfuggre alla coda, ma ad un autolavaggo sì. Per rappresentare questa possbltà d scelta: µ x µ ( servz non sono nfluenzat dalla coda) λ x x a +, a λ a e µ : fattore d utlzzo Poltecnco d Torno Pagna 2 d 33

13 M/M/ con scoraggamento degl arrv (contnua) La funzone d ergodctà camba. Se anche λ>µ,lo scoraggamento degl arrv lmta la lunghezza della coda. a Condzone d ergodctà: Parametr del sstema d servzo: π N x x! a µ a µ σ 2 N x e a µ, T t, x e N, T λ a µ c T t µ,l T µ c λ Poltecnco d Torno Pagna 3 d 33

14 M/M//k :sstema d servzo con capactà k a ( costante) se x < k λ µ x x µ ( costante) x se x k Sa noltre : a µ Poltecnco d Torno Pagna 4 d 33

15 M/M//k :sstema d servzo con capactà k Le probabltà d equlbro sono date da: π π π x x k + ( ) k+ x x k x > k π k rappresenta la probabltà d equlbro per un utente d trovare la coda pena ed è detta fattore d perdta nello stato d equlbro. Poltecnco d Torno Pagna 5 d 33

16 M/M/n s Il sstema è dotato d n s canal d dstrbuzone del servzo. La capactà del sstema è llmtata. λ µ x x λ xb se x ns nsb se x > ns λ < condzoned ergodctà n b s Tutt canal s consderano ugual Poltecnco d Torno Pagna 6 d 33

17 Eserczo Calcolare l tempo medo d attesa n coda per una scala moble dat: massma portata: 2 passegger/gradno veloctà scala: gradno/sec numero medo d arrv: /mn arrv possonan Il problema è modellzzable M/D/ (D: la veloctà della scala è costante) Poltecnco d Torno Pagna 7 d 33

18 Soluzone dell eserczo Il tempo medo d attesa è: T c λ 2µ µ S conosce: λ passegger/mnuto S calcola: µ2 passegger/mnuto Da cu: T c,25mn,5sec Poltecnco d Torno Pagna 8 d 33

19 Eserczo 2 S determn l numero d casell necessar ad un uscta autostradale per avere un numero medo d utent mnore d 5. Il sstema è caratterzzato da: traffco medo d utent n uscta dstrbuto unformemente e par a 85 vecol (supposto dstrbuto unformemente dalle 7 alle 2) la percentuale d utent vacard è del 5% l numero medo d servz/ora a casell normal è 2, a casell vacard è 6 S us un modello M/M/n s Poltecnco d Torno Pagna 9 d 33

20 Soluzone dell eserczo 2 S ndvduano 2 sstem separat: casell vacard casell normal Casell vacard I vecol n una gornata sono 425. Per cu λ425/3 vecol/ora 326,9 vecol/ora E noto µ6 vecol/ora λ/µ.545 potzzando n s S può verfcare che N<5: N/( ).2 vecol Poltecnco d Torno Pagna 2 d 33

21 Soluzone dell eserczo 2 (contnua) Casell normal S ha: λ326,9 vecol/ora e µ2 vecol/ora Ovvamente o 2 canal non sono suffcent. Servono almeno tre canal. Con 3 canal s ottene N9 che non soddsfa le specfche. S prova con quattro canal ottenendo un valore mnore d 5. Poltecnco d Torno Pagna 2 d 33

22 Eserczo 3 S ha un sstema caratterzzato da: λ2/8 vecol/ora,5 vecol/ora µ/3 vecol/mnuto2 vecol/ora Utlzzando un modello M/M/ s calcol la lunghezza meda della coda ed l tempo medo d attesa del servzo. Con un modello M/M/;k4 la probabltà d perdta del clente successvo. Poltecnco d Torno Pagna 22 d 33

23 M/M/ L ÄT t M/M/;k π k λ µ Soluzone dell eserczo 3 2 ì(, vecol ñ) 2 k ( ) π k + ore 4,4 Poltecnco d Torno Pagna 23 d 33

24 Eserczo 4 S consder un sstema d servzo caratterzzato da: tempo d nter-arrvo esponenzalmente dstrbuto e con valore atteso par a /λ n, con nnumero d utent nel sstema d servzo tempo d servzo esponenzalmente dstrbuto con valore atteso par a /µ n Sano po: 4.) λ µ (2 + b ) a 4.2) λ µ ( + 2 a) a + + a Poltecnco d Torno Pagna 24 d 33

25 Eserczo 4 (contnua) S calcolno: le probabltà d equlbro e la condzone d ergodctà sotto la quale queste probabltà esstono e sono unvoche la relatva funzone generatrce delle probabltà d equlbro l valore atteso per l numero d utent nel sstema d servzo nello stato d equlbro la probabltà d trovare non pù d h utent nello stato d equlbro Poltecnco d Torno Pagna 25 d 33

26 Poltecnco d Torno Pagna 26 d 33 Poltecnco d Torno Soluzone dell eserczo 4. Dato che λ e µ sono funzon crescent d s può ntrodurre: S possono qund calcolare le probabltà: b a µ λ con, 2 + +, h h j j j j h h j j π π

27 Soluzone dell eserczo 4. (contnua) Tenendo conto che: j j ( + ) s possono rcavare le probabltà d equlbro : π π ( ( ) + ) 2 ( ) 2 Poltecnco d Torno Pagna 27 d 33

28 Soluzone dell eserczo 4. (contnua) La funzone generatrce delle probabltà d equlbro rsulta: ( ) Π z 2 ( z) ( 2 ( ) ( + ) z 2 da cu l valore atteso N, per l numero d utent nello stato d equlbro: ) N( ) dπ( z) dz z 2 Poltecnco d Torno Pagna 28 d 33

29 Soluzone dell eserczo 4. (contnua) La probabltà d avere meno d h utent nel sstema vale: Pr( n h) ( h + h n 2) π h+ n + ( h h n n ( n + ) ( ) + ) h+ 2 2 Poltecnco d Torno Pagna 29 d 33

30 Poltecnco d Torno Pagna 3 d 33 Poltecnco d Torno Soluzone dell eserczo 4.2 S può ntrodurre la seguente notazone: S possono qund calcolare le probabltà: ( ) ( )( ) a µ λ con, , h h j j j j h h j j π π

31 Soluzone dell eserczo 4.2 (contnua) Tenendo conto che: ( + ) ( +! ) ( ) j j s possono rcavare le probabltà d equlbro : π π! + ( + )! Poltecnco d Torno Pagna 3 d 33

32 Soluzone dell eserczo 4.2 (contnua) La funzone generatrce delle probabltà d equlbro rsulta: Π( z)! + ( + ) z! z ( z) e + z da cu l valore atteso N, per l numero d utent nello stato d equlbro: dπ( z) N( ) dz z Poltecnco d Torno Pagna 32 d 33

33 Soluzone dell eserczo 4.2 (contnua) La probabltà d avere meno d h utent nel sstema vale: Pr( n h) h n h n n+ h π n n n! + + ( n +! ) ( h )! Poltecnco d Torno Pagna 33 d 33

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

POLITECNICO DI BARI - DICATECh Corso di Laurea in Ingegneria Ambientale e del Territorio IDRAULICA AMBIENTALE - A.A. 2015/2016 ESONERO 15/01/2016

POLITECNICO DI BARI - DICATECh Corso di Laurea in Ingegneria Ambientale e del Territorio IDRAULICA AMBIENTALE - A.A. 2015/2016 ESONERO 15/01/2016 POLITECNICO DI BARI - DICATECh Corso d Laurea n Ingegnera Ambentale e del Terrtoro IDRAULICA AMBIENTALE - A.A. 015/016 ESONERO 15/01/016 ESERCIZIO 1 S consder la rete aperta n fgura, nella quale le portate

Dettagli

Corso di Automazione Industriale 1. Capitolo 7

Corso di Automazione Industriale 1. Capitolo 7 1 Corso d Automazone Industrale 1 Captolo 7 Teora delle code e delle ret d code Introduzone alla Teora delle Code La Teora delle Code s propone d svluppare modell per lo studo de fenomen d attesa che s

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014 Dpartmento d Economa Azendale e Stud Gusprvatstc Unverstà degl Stud d Bar Aldo Moro Corso d Macroeconoma 2014 1.Consderate l seguente grafco: LM Partà de tass d nteresse LM B A IS IS Y E E E Immagnate

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

Carla Seatzu, 18 Marzo Una coda è costituita da 3 componenti fondamentali: i serventi i clienti

Carla Seatzu, 18 Marzo Una coda è costituita da 3 componenti fondamentali: i serventi i clienti 7. Teora delle Code Una coda è costtuta da 3 coponent fondaental: servent clent Carla Seatzu, 8 Marzo 8 uno spazo n cu clent attendono d essere servt (coda d attesa). clent n arrvo coda d attesa serv.

Dettagli

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007 STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto Unverstà degl Stud d Roma Tor vergata partmento d Ingegnera Cvle Corso d Gestone ed eserczo de sstem d trasporto Docente: Ing. Perlug Coppola Lucd proettat a lezone La progettazone degl orar de servz d

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

TEST D INGRESSO MATEMATICA 24/05/2011

TEST D INGRESSO MATEMATICA 24/05/2011 TEST D INGRESSO MATEMATICA // COGNOME NOME ISTITUTO COMPRENSIVO/SCUOLA MEDIA CITTA Legg attentamente. ISTRUZIONI PER LA COMPILAZIONE DEL QUESTIONARIO Inza a lavorare solo quando te lo drà l nsegnante e

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

Risoluzione quesiti I esonero 2011

Risoluzione quesiti I esonero 2011 Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca

Dettagli

Teoria delle code. Sistemi stazionari: M/M/1 M/M/1/K M/M/S

Teoria delle code. Sistemi stazionari: M/M/1 M/M/1/K M/M/S Teoria delle code Sistemi stazionari: M/M/1 M/M/1/K M/M/S Fabio Giammarinaro 04/03/2008 Sommario INTRODUZIONE... 3 Formule generali di e... 3 Leggi di Little... 3 Cosa cerchiamo... 3 Legame tra N e le

Dettagli

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria 2 Modello IS-LM 2. Gl e ett della poltca monetara S consderun modello IS-LM senzastatocon seguent datc = 0:8, I = 00( ), L d = 0:5 500, M s = 00 e P =. ) S calcolno valor d equlbro del reddto e del tasso

Dettagli

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

Dettagli

Circuiti di ingresso differenziali

Circuiti di ingresso differenziali rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

McGraw-Hill. Tutti i diritti riservati. Caso 11

McGraw-Hill. Tutti i diritti riservati. Caso 11 Caso Copyrght 2005 The Companes srl Stma d un area fabbrcable n zona ndustrale nella cttà d Ferrara. La stma è effettuata con crter della comparazone e quello del valore d trasformazone. Indce Confermento

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

Carla Seatzu, 18 Marzo 2008

Carla Seatzu, 18 Marzo 2008 8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements Torna al programma Sstema per la garanza della qualtà ne sstem automatc d msura alle emsson: applcazone del progetto d norma pren 14181:2003. Rsultat dell esperenza n campo presso due mpant plota. Cprano

Dettagli

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

LE CARTE DI CONTROLLO

LE CARTE DI CONTROLLO ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

Statistica di Bose-Einstein

Statistica di Bose-Einstein Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

Dettagli

I fabbisogni standard nel settore sanitario Commento allo schema di decreto legislativo

I fabbisogni standard nel settore sanitario Commento allo schema di decreto legislativo Federalsmo I fabbsogn standard nel settore santaro Commento allo schema d decreto legslatvo Guseppe Psauro Premessa La defnzone del sstema d fnanzamento della santà è charamente un momento fondamentale

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli Realzzazone d FSM sncrone M. Favall Engneerng Department n Ferrara Realzzazone d FSM Anals e sntes de sstem dgtal / Introduzone Realzzazone d FSM Anals e sntes de sstem dgtal 2 / Una volta ottenuto l automa

Dettagli

Introduzione e modellistica dei sistemi

Introduzione e modellistica dei sistemi Introduzone e modellstca de sstem Element fondamental Rappresentazone n arabl d stato Esemp d rappresentazone n arabl d stato 007 Poltecnco d Torno Resstore deale Resstore deale d resstenza R R R equazone

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

commutazione induttiva (carico induttivo); commutazione capacitiva (carico capacitivo).

commutazione induttiva (carico induttivo); commutazione capacitiva (carico capacitivo). I crcut per la rduzone delle perdte devono essere dmensonat consderando le dverse condzon operatve che possono presentars durante l apertura e la chusura del Transstor. Per caratterzzare queste condzon,

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

Dettagli

La contabilità analitica nelle aziende agrarie

La contabilità analitica nelle aziende agrarie 2 La contabltà analtca nelle azende agrare Estmo rurale ed element d contabltà (analtca) S. Menghn Corso d Laurea n Scenze e tecnologe agrare Percorso Economa ed Estmo Contabltà generale e cont. ndustrale

Dettagli

Codice di Stoccaggio Capitolo 7 Bilanciamento e reintegrazione dello stoccaggio

Codice di Stoccaggio Capitolo 7 Bilanciamento e reintegrazione dello stoccaggio Codce d Stoccaggo Captolo 7 Blancamento e rentegrazone dello stoccaggo 7.4 Corrspettv per servz d stoccaggo L UTENTE è tenuto a corrspondere a STOGIT, per la prestazone de servz, gl mport dervant dall

Dettagli

Aritmetica e architetture

Aritmetica e architetture Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell er la anfcazone delle attvtà Paolo Dett Dartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell er la anfcazone delle

Dettagli

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand Collusone (Cabral cap.8 PRN capp. 13-14) Accord tact o esplct per aumentare l potere d mercato e pratcare prezz pù elevat rspetto all equlbro non cooperatvo corrspondente Esste un vantaggo dalla collusone

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Economia del Lavoro. Argomenti del corso

Economia del Lavoro. Argomenti del corso Economa del Lavoro Argoment del corso Studo del funzonamento del mercato del lavoro. In partcolare, l anals economca nerente l comportamento d: a) lavorator, b) mprese, c) sttuzon nel processo d determnazone

Dettagli

Modelli decisionali su grafi - Problemi di Localizzazione

Modelli decisionali su grafi - Problemi di Localizzazione Modell decsonal su graf - Problem d Localzzazone Massmo Paolucc (paolucc@dst.unge.t) DIST Unverstà d Genova Locaton Problems: modell ed applcazon Decson a medo e lungo termne (panfcazone) Caratterstche

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per

Dettagli

Reti di Telecomunicazione

Reti di Telecomunicazione Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc Ret d Telecomuncazone Prof. Fabo Martgnon F. Martgnon: Ret d Telecomuncazone Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone

Dettagli

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli

IMPIANTI E PROCESSI CHIMICI. Tema A 13 Giugno 2011 Colonna binaria

IMPIANTI E PROCESSI CHIMICI. Tema A 13 Giugno 2011 Colonna binaria IMPINTI E PROCESSI CHIMICI Tema 3 Gugno 0 Colonna bnara Soluzone Inzalmente s svolge un calcolo d lash al fne d caratterzzare lo stato della corrente almentata. V z ( K ) defnto e s ottene f ( ) + ( K

Dettagli

Modello idraulico - Rapporto tecnico. (Rev. 0b)

Modello idraulico - Rapporto tecnico. (Rev. 0b) ASAP LIFE06/ENV/IT/000255 ASAP_D4-3_ModelloIdraulcoRappTecnco_IT_0b 1/20 LIFE06/ENV/IT/255 A.S.A.P. Actons for Systemc Aqufer Protecton The ASAP proect s partally funded by the European Unon LIFE Programme

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

IMPIANTI E PROCESSI CHIMICI. Esercitazione n 8 Progetto di colonne di distillazione binarie: bilancio entalpico ed economico (riflusso ottimo)

IMPIANTI E PROCESSI CHIMICI. Esercitazione n 8 Progetto di colonne di distillazione binarie: bilancio entalpico ed economico (riflusso ottimo) IMPIANTI E PROCESSI CHIMICI Eserctazone n 8 Progetto d colonne d dstllazone bnare: blanco entalpco ed economco (rflusso ottmo) Graze ad un esempo c concentreremo sulla valutazone ottmale (n senso economco)

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli

FORMAZIONE ALPHAITALIA

FORMAZIONE ALPHAITALIA ALPHAITALIA PAG. 1 DI 13 FORMAZIONE ALPHAITALIA IL SISTEMA DI GESTIONE PER LA QUALITA Quadro ntroduttvo ALPHAITALIA PAG. 2 DI 13 1. DEFINIZIONI QUALITA Grado n cu un nseme d caratterstche ntrnseche soddsfa

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE CORRELAZIONE Legame - Assocazone - Accordo Relazone tra varabl valutare l grado d recproca nfluenza tra due varabl; valutare l grado d assocazone

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Esame di Statistica Corso di Laurea in Economia

Esame di Statistica Corso di Laurea in Economia Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste

Dettagli

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS Delberazone 20 ottobre 2004 Approvazone delle condzon general d accesso e d erogazone del servzo d rgassfcazone d gnl predsposte dalla socetà Gnl Itala Spa (delberazone n. 184/04) L AUTORITÀ PER L ENERGIA

Dettagli

Corsi di Laurea in Farmacia e CTF Prova di Matematica

Corsi di Laurea in Farmacia e CTF Prova di Matematica Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui:

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui: I IDACATI E LA COTRATTAZIOE COLLETTIVA Il ruolo economco del sndacato n concorrenza mperfetta, n cu: a) le mprese fssano prezz de ben n contest d concorrenza monopolstca (con extra-proftt); b) lavorator

Dettagli

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

4.6 Dualità in Programmazione Lineare

4.6 Dualità in Programmazione Lineare 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli