PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa.
|
|
- Teodora Vaccaro
- 5 anni fa
- Visualizzazioni
Transcript
1 corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio a.a ELEMENTI DI TEORIA DELLE CODE PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it
2 INTRODUZIONE Simulazione i dei nodi di trasporto t In generale, un nodo di trasporto è costituito da un insieme di punti di servizio per gli utenti che possono essere disposti in: serie parallelo misti (serie-parallelo o parallelo-serie) U. Crisalli - Teoria e Tecnica della Circolazione 2
3 INTRODUZIONE Definizione del problema In ogni punto di servizio vengono svolte delle attività che: richiedono un certo tempo di servizio capacità impegnano delle risorse capacità: massimo numero di utenti che è possibile servire nel periodo di riferimento considerato Es. barriera autostradale (unico canale) tempo medio di servizio 3 veic./min capacità del punto di servizio 180 veic./h tasso medio degli arrivi: i numero medio di utenti ti in arrivo nel sistema tasso medio degli arrivi > tasso medio di servizio coda Es. barriera autostradale (unico canale) arrivano 400 veic/h capacità 180 veic./h 220 veic/h in coda U. Crisalli - Teoria e Tecnica della Circolazione 3
4 INTRODUZIONE Definizione del problema tasso medio degli arrivi > tasso medio di servizio (condizioni di sovrasaturazione) Se queste condizioni permangono nel tempo la coda cresce indefinitivamente ora arrivi capacità coda veic. veic. veic co oda (veic.) condizioni di sovrasaturazione tempo (h) U. Crisalli - Teoria e Tecnica della Circolazione 4
5 INTRODUZIONE Definizione del problema La coda può essere smaltita solo se tasso medio degli arrivi i< tasso medio di servizio i (condizioni di sottosaturazione) Se permangono queste condizioni, dopo un certo periodo di tempo, la coda può essere smaltita. ora arrivi capacità coda veic. veic. veic coda (veic.) tempo (h) U. Crisalli - Teoria e Tecnica della Circolazione 5
6 INTRODUZIONE Definizione del problema Si noti che, essendo il numero di arrivi ed il tempo di servizio delle variabili aleatorie, anche in condizioni i idi sottosaturazione t può generarsi una coda Esempio (1/2) 0<arrivi<60 sec. 0<Ts<30 sec. arrivi servizio cumulat ta arrivi 1 9 sistema ad un unico canale tempo (sec) U. Crisalli - Teoria e Tecnica della Circolazione 6
7 INTRODUZIONE Definizione del problema Si noti che, essendo il numero di arrivi ed il tempo di servizio delle variabili aleatorie, anche in condizioni di sottosaturazione può generarsi una coda Esempio (2/2) 0<arrivi<60 sec. 0<Ts<30 sec. 4 arrivi servizio cumula ata arrivi sistema ad un unico canale 25 CODA tempo (sec.) U. Crisalli - Teoria e Tecnica della Circolazione 7
8 INTRODUZIONE Obiettivo Dimensionare la capacità dei punti di servizio per: evitare fenomeni di sovrasaturazione contenere i tempi di attesa entro standard prefissati capacità di un punto di servizio capacità del sistema Sistema S con più punti di servizio p IN SERIE CAP S = capacità del sistema S cap p = capacità del punto di servizio p CAP S = min p [cap p ] p S La capacità di un sistema costituito da punti di servizio in serie è pari alla più bassa delle capacità dei singoli punti di servizio che compongono il sistema. U. Crisalli - Teoria e Tecnica della Circolazione 8
9 INTRODUZIONE Simulazione dei sistemi a barriera Lo studio dei nodi di trasporto, e dei singoli punti di servizio al suo interno, può essere effettuata utilizzando: modelli analitici (teoria delle code) modelli sperimentali (simulazione) U. Crisalli - Teoria e Tecnica della Circolazione 9
10 INTRODUZIONE I sistemi a barriera Caratteristiche del sistema modello degli arrivi meccanismo del servizio disciplina p della coda U. Crisalli - Teoria e Tecnica della Circolazione 10
11 Modello degli arrivi Occorre definire: il tempo intercorrente tra un istante qualsiasi e un arrivo successivo il numero di arrivi in un intervallo fissato di tempo t variabili aleatorie con una data distribuzione U. Crisalli - Teoria e Tecnica della Circolazione 11
12 Modello degli arrivi alla Poisson (1/3) Una successione nel tempo di arrivi prende il nome di processo di Poisson con parametro α quando: la probabilità che si verifichi un arrivo nell'intervallo (t, t+δt), al tendere di δt a 0 è proporzionale all'ampiezza δt dell'intervallo tramite α, a meno di un infinitesimo it i di ordine superiore, ovvero: ( + δ ) = = αδ + ( δ ) lim prob N t, t t 1 t O t δ t 0.. (continua) U. Crisalli - Teoria e Tecnica della Circolazione 12
13 Modello degli arrivi alla Poisson (2/3) Una successione nel tempo di arrivi prende il nome di processo di Poisson con parametro α quando: la probabilità che si verifichi più di un arrivo tende ad un infinitesimo di ordine superiore: ( ) ( ) lim prob N tt, + δt > 1 = O δt δ t 0 e quindi la probabilità che non si verifichi alcun arrivo è: δ t 0 ( δ ) lim prob N t, t + t = 0 = 1 αδt.. (continua) U. Crisalli - Teoria e Tecnica della Circolazione 13
14 Modello degli arrivi alla Poisson (3/3) Una successione nel tempo di arrivi prende il nome di processo di Poisson con parametro α quando: la probabilità di un arrivo nell'intervallo (t, t+δt) è indipendente da ciò che è accaduto negli intervalli precedenti (la probabilità condizionata è uguale alla probabilità bilità semplice): ( + δ ) = ( δ ) = = ( + δ ) = = αδ + ( δ ) lim prob N t, t t 1/ N t t, t i prob N t, t t 1 t O t δ t 0.. (continua) U. Crisalli - Teoria e Tecnica della Circolazione 14
15 Modello degli arrivi alla Poisson Se il processo degli arrivi degli utenti è un processo di Poisson con tasso medio α il numero di arrivi in un intervallo fissato di tempo t è una v.a. discreta di Poisson Il tempo intercorrente tra un istante qualsiasi e un arrivo successivo è una v.a. continua esponenziale negativa con media l/α arrivi completamente casuali U. Crisalli - Teoria e Tecnica della Circolazione 15
16 Meccanismo di servizio numero di canali serventi tempo di servizio t s Tempi p di servizio costanti (approccio (pp deterministico) il tempo di servizio vale t s per tutti gli utenti ed il tasso medio di servizio, ed il numero di utenti che può essere servito nell unità di tempo è pari a 1/t s Tempi di servizio variabili (approccio stocastico) il tempo di servizio è una variabile aleatoria, di cui occorre definire la distribuzione. ib i Spesso ci si può ricondurre alle leggi idi probabilità bilitàdie Erlang (e quindi all esponenziale negativa nel caso K=1); se t s è il tempo medio di servizio, il tasso medio di servizio è 1/ t s Se i tempi di servizio sono distribuiti secondo una esponenziale negativa, il processo delle partenze è un processo di Poisson di parametro σ = 1/ t s U. Crisalli - Teoria e Tecnica della Circolazione 16
17 Disciplina della coda sistemi ad un canale accesso al servizio in ordine di arrivo (FIFO); accesso in modo casuale; l ultimo arrivato è il primo servito (LIFO); esistono utenti che hanno priorità rispetto agli altri. sistemi a più canali unica coda con accesso al primo canale libero; una coda per ogni canale con scelta libera da parte degli utenti con scelta vincolata da regole predeterminate (ad esempio suddivisione per lettera alfabetica) U. Crisalli - Teoria e Tecnica della Circolazione 17
18 Denominazione dei sistemi (Codice Kendall) dove: A idi indica il modello dll degli arrivi ii (M=arrivi alla Poisson) A/B/m; n/c B indica il modello di servizio (M=tempi di servizio esponenziali negativi; EK=tempi di servizio alla Erlang con parametro K) m indica il numero di canali di servizio; n il numero massimo di utenti che possono essere accolti in coda; C idi indica la disciplina ili del dlservizio ii (FIFO, LIFO, RIFO, ecc.) Ad esempio: M/M/1; /FIFO U. Crisalli - Teoria e Tecnica della Circolazione 18
19 Variabili di sistema Definizioni: intensità di traffico ρ : ρ = α / σ dove: α = tasso medio di arrivo per canale; σ = 1/ t s tasso medio di servizio (capacità o potenzialità) U. Crisalli - Teoria e Tecnica della Circolazione 19
20 Esempio Per un casello autostradale con un solo posto di esazione si ha un tasso medio di arrivo 3 veicoli al minuto e un tasso medio di servizio di 6 veicoli al minuto..(continua) unico canale servente α = 3 σ = 6 ρ = α / σ = U. Crisalli - Teoria e Tecnica della Circolazione 20
21 Variabili di sistema Definizioni: tempo di attesa w A : tempo intercorrente tra l ingresso dell utente nel sistema e l inizio del servizio tempo di permanenza nel sistema w s : tempo intercorrente tra l arrivo dell utente e la fine del servizio w s = w A + t s U. Crisalli - Teoria e Tecnica della Circolazione 21
22 Variabili di sistema Definizioni: utenti in attesa n A : numero di elementi in attesa utenti nel sistema n s : numero di elementi nel sistema U. Crisalli - Teoria e Tecnica della Circolazione 22
23 Variabili di sistema Definizioni: n s n A w s w A = numero medio di utenti nel sistema = numero medio di utenti in attesa = tempo medio di permanenza nel sistema = tempo medio di attesa w w s A = ns / α = n / α w A = w n A n A s A = s t ρ s U. Crisalli - Teoria e Tecnica della Circolazione 23
24 Misura delle caratteristiche di funzionamento del sistema Dato un punto di funzionamento del sistema occorre determinare: media e distribuzione dei tempi di attesa w A ; media e distribuzione del numero n s di utenti presenti nel sistema ed n A presenti in coda ad ogni istante; media e distribuzione dei tempi in cui i canali sono occupati da utenti. U. Crisalli - Teoria e Tecnica della Circolazione 24
25 RISULTATI DELLA TEORIA DELLE CODE Equazioni di equilibrio del sistema [M/M/1;,FIFO] P n (t) = probabilità che il sistema si trovi alla stato A n al tempo t la probabilità che nell intervallo (t, t+δt) il sistema passi dallo stato: A n A n+1 è pari a αδt; A n A n-1 èpariaσδt a A n A n+2 è pari a 0 A n A n-2 è pari a 0 si può verificare solo uno dei seguenti eventi: 1 arrivo, con probabilità αδt 1 partenza, con probabilità σδt, 0 arrivi e 0 partenze, con probabilità 1 - (αδt + σδt) U. Crisalli - Teoria e Tecnica della Circolazione 25
26 RISULTATI DELLA TEORIA DELLE CODE Equazioni di equilibrio del sistema [M/M/1;,FIFO] Pn (t + δt) = Pn ( t) [ 1- ( α + σ ) δt] + Pn-1 ( t) αδt + Pn+ 1( t) σδt dpn () t = P n ( t )( α + σ ) + P n 1 ( t ) α + P n + 1 ( t )σ dt sistema in equilibrio =P n (t-1) = P n (t) = = P n Equazioni di equilibrio: αp0 + σp1 = 0 α + σ + αp + σp ( ) 0 P1 0 2 = ( α + σ) + αp + σp 0 Pn n 1 n+ 1 = =1 P i P = n P 0 ρ n U. Crisalli - Teoria e Tecnica della Circolazione 26
27 RISULTATI DELLA TEORIA DELLE CODE Sistemi ad unico canale [M/M/1;,FIFO] arrivi alla Poisson e tempi di servizio esponenziali α = tasso medio arrivi σ = tasso medio servizi poiché n Pn = P 0 ρ n Pn = P0 ρ = n= 0 n= 0 1 n 1 ρ = per ρ 1 n= 0 ( 1 ρ) P P 0 = 1 ρ n = (1 ρ) ρ n U. Crisalli - Teoria e Tecnica della Circolazione 27
28 RISULTATI DELLA TEORIA DELLE CODE Sistemi ad unico canale [M/M/1;,FIFO] arrivi alla Poisson e tempi di servizio esponenziali VARIABILI DI SISTEMA numero medio di elementi nel sistema ρ ns = np = n( 1 ρ) ρ n n = ρ n= 0 n= 0 1 n n ρ essendo ρ = n= 0 ( 1 ρ) 2 ( ) numero medio di elementi in attesa n a = n s 1 ( 1 P ) 0 = n s ρ = ρ 2 ( 1 ρ) U. Crisalli - Teoria e Tecnica della Circolazione 28
29 RISULTATI DELLA TEORIA DELLE CODE Sistemi ad unico canale [M/M/1;,FIFO] arrivi alla Poisson e tempi di servizio esponenziali VARIABILI DI SISTEMA funzione di distribuzione F N dei numero di elementi nel sistema F r r N n ρ 1 n= 0 n= 0 n r+ 1 () r = P[ n r] = P = ( 1 ρ) = ρ probabilità di avere più di N utenti in attesa P(nA > N) = P(ns > N +1) = ρ N+2 probabilità P A di attendere A P A = P (n s >1) = ρ 2 U. Crisalli - Teoria e Tecnica della Circolazione 29
30 RISULTATI DELLA TEORIA DELLE CODE Sistemi ad unico canale [M/M/1;,FIFO] arrivi alla Poisson e tempi di servizio esponenziali VARIABILI DI SISTEMA tempo medio di permanenza nel sistema w s ( 1 ρ ) α = n 1 α = ρ 1 s tempo medio di permanenza in attesa w A 2 ( 1 ρ ) 1 α = ρ 1 U. Crisalli - Teoria e Tecnica della Circolazione 30
31 RISULTATI DELLA TEORIA DELLE CODE Sistemi ad unico canale [M/M/1;,FIFO] arrivi alla Poisson e tempi di servizio esponenziali VARIABILI DI SISTEMA K-mo percentile del numero di elementi nel sistema N ( r ) = P [ n r ] k / 100 F N = 1- ρ r r+1 ρ r+1 = = K/100 = 1- K/100 [ ln(l - K/100)/ln ρ ]- 1 U. Crisalli - Teoria e Tecnica della Circolazione 31
32 Esempio Per un casello autostradale con un solo posto di esazione si ha un tasso medio di arrivo 3 veicoli al minuto e un tasso medio di servizio di 6 veicoli al minuto: nell ipotesi che gli arrivi costituiscano un processo di Poisson echeitempie i di servizio siano distribuiti in modo esponenziale negativo calcolare: il numero medio di elementi nel sistema ns ed in attesana il tempo medio di permanenza nel sistema w s ed in attesa w la probabilità che ci siano 1,3,5 veicoli nel sistema la probabilità di attendere la probabilità di avere in attesa più di 1,2,3 veicoli A U. Crisalli - Teoria e Tecnica della Circolazione 32
33 ESEMPIO Sistemi ad unico canale [M/M/1;,FIFO] arrivi alla Poisson e tempi di servizio esponenziali Esempio (1/4) E possibile calcolare: l numero medio di elementi nel sistema ρ 0.5 n s = 1veic. n s = = ( 1 ρ) ( 1 0.5) numero medio di elementi in attesa ρ = n A = = 1 ρ n A ( ) ( ) 0.5 veic. U. Crisalli - Teoria e Tecnica della Circolazione 33
34 ESEMPIO Sistemi ad unico canale [M/M/1;,FIFO] arrivi alla Poisson e tempi di servizio esponenziali Esempio (2/4) E possibile calcolare: l tempo medio di permanenza nel sistema w s = 1 ρ ρ 1 α w s w s = = min tempo medio di permanenza in attesa w A w w A 2 ρ 1 = 1 ρ α w A = = min U. Crisalli - Teoria e Tecnica della Circolazione 34
35 ESEMPIO Sistemi ad unico canale [M/M/1;,FIFO] arrivi alla Poisson e tempi di servizio esponenziali Esempio (3/4) E possibile calcolare: l Probabilità che ci siano n elementi nel sistema P n (1 ρ) n = ρ P1 = (1 0.5) 0.5 = P3 = (1 0.5) 0.5 = P 5 = (1 0.5) 0.5 = = funzione di distribuzione F Ns dei numero di elementi nel sistema r+ 1 FN s () r = P[ ns r] = 1 ρ U. Crisalli - Teoria e Tecnica della Circolazione 35
36 ESEMPIO Sistemi ad unico canale [M/M/1;,FIFO] arrivi alla Poisson e tempi di servizio esponenziali Esempio (4/4) E possibile calcolare: probabilità di avere più di N utenti in attesa N+2 P(nA > N) = P(ns > N +1) = ρ P(nA > 1) = 0.5 = P(n A > 2) = = P(n > 3) = probabilità p P A di attendere A A = 2 A = PA = P (ns >1) = ρ P = U. Crisalli - Teoria e Tecnica della Circolazione 36
37 APPLICAZIONI Modifiche ai sistemi di coda Modifiche al meccanismo degli arrivi i Mdifih Modifiche al meccanismo di servizio ii Modifica alla disciplina i della coda U. Crisalli - Teoria e Tecnica della Circolazione 37
38 APPLICAZIONI Modifiche ai sistemi di coda Meccanismi di arrivo riduzione del tasso medio degli arrivi (ad es. escludendo alcune categorie di utenti) controllo dei tempi di arrivo con un sistema ad appuntamento modifica al tasso di arrivo cercando di ottenere un flusso più regolare ( ad. es. cercando di appiattire i fenomeni di punta) incoraggiare o scoraggiare gli utenti a seconda della lunghezza della coda U. Crisalli - Teoria e Tecnica della Circolazione 38
39 APPLICAZIONI Modifiche ai sistemi di coda Meccanismi di servizio diminuire il tempo media di servizio ridurre il coefficiente di variazione del tempo di servizio ridurre i tempi di servizio i in maniera più sensibile nei periodi di punta aumentare la capacità del servizio quando si osserva una congestione elevata o quando ci si aspetta un numero di utenti maggiore del numero media U. Crisalli - Teoria e Tecnica della Circolazione 39
40 APPLICAZIONI Modifiche ai sistemi di coda Disciplina della coda dare o togliere la priorità agli utenti più importanti dare priorità agli utenti con tempi di servizio più corti distribuire gli utenti alle varie code a seconda dei presunti tempi idi servizio i cambiare la disposizione di serventi U. Crisalli - Teoria e Tecnica della Circolazione 40
41 APPLICAZIONI Modifiche ai sistemi di coda a = tempi di arrivo e di servizio costanti b = arrivi costanti e tempi di servizio esponenziali c= arrivi casuali e tempi di servizio costanti d = arrivi casuali e tempi di servizio esponenziali U. Crisalli - Teoria e Tecnica della Circolazione 41
42 RISULTATI DELLA TEORIA DELLE CODE Sistemi ad unico canale arrivi alla Poisson e tempi di servizio qualsiasi n s w s = αt = t s s σs s 2 s 2 α t ρ = ρ + [ ] 1+ C ( 1 α t ) 2 ( 1 ρ ) 2 α t + σ s αt 2 s ( s ) 2 2 v 2 σ s = varianza di t s C v = coeff. variazione U. Crisalli - Teoria e Tecnica della Circolazione 42
43 RISULTATI DELLA TEORIA DELLE CODE Sistemi ad unico canale arrivi alla Poisson e tempi di servizio costanti 2 σ s = 0 n s = αt s + α 2 2 t 2 = ρ + ρ ( αt ) 2( 1 ρ) 2 1 s s w s = t s + ρt 2 s = t s + ρ ( 1 ρ ) 2α ( 1 ρ ) 2 U. Crisalli - Teoria e Tecnica della Circolazione 43
44 Risultati della teoria delle code Limiti SISTEMI REALI impossibilità di ricavare formulazioni analitiche in forma chiusa, a meno di notevoli approssimazioni SIMULAZIONE U. Crisalli - Teoria e Tecnica della Circolazione 44
corso di Terminali per i Trasporti e la Logistica Umberto Crisalli
coro di Terminali per i Traporti e la Logitica ELEMENTI DI TEORIA DELLE CODE Umberto Crialli crialli@ing.uniroma.it INTRODUZIONE Simulazione dei terminali In generale, un terminale è cotituito da un inieme
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
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
DettagliLa 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
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
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
DettagliTeoria dei Sistemi di Trasporto (9 CFU) A. A Modelli di offerta di trasporto. Esempi applicativi. prof. ing.
A. A. 2016-2017 Modelli di offerta di trasporto richiami di teoria del deflusso Esempi applicativi prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata 1 indice Variabili
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
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
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
DettagliPROCESSI DI POISSON. Corso di Tecniche di Simulazione, a.a. 2005/2006. Francesca Mazzia. Dipartimento di Matematica Università di Bari.
PROCESSI DI POISSON Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 17 Aprile 2006 Francesca Mazzia (Univ. Bari) PROCESSI DI POISSON 17/04/2006
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Processi di Poisson Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Consideriamo eventi casuali come gli arrivi di lavori
DettagliReti di Telecomunicazioni. Sistemi a coda
Reti di Telecomunicazioni Sistemi a coda Ing. Francesca Lo Piccolo e-mail: francesca.lopiccolo@uniroma2.it Un ringraziamento particolare al Prof. Andrea Detti, autore delle presentazioni da cui è stata
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
DettagliRichiami di TEORIA DELLE PROBABILITÀ
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 015-016 Richiami di TEORIA DELLE PROBABILITÀ Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it
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:
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
DettagliUmberto Crisalli
corso di Teoria e Tecnica della Circolazione a.a.2010-2011 RICHIAMI DI SIMULAZIONE Umberto Crisalli crisalli@ing.uniroma2.it Premessa Questo materiale è stato redatto sulla base delle dispense del corso
Dettaglicorso di Terminali per i Trasporti e la Logistica Umberto Crisalli
corso di Terminali per i Trasporti e la Logistica RICHIAMI DI SIMULAZIONE Umberto Crisalli crisalli@ing.uniroma2.it Premessa Questo materiale è stato redatto sulla base delle dispense del corso di Modelli
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
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
DettagliReti di Telecomunicazioni 1
Reti di Telecomunicazioni 1 AA2011/12 Sistemi a coda Blocco E2 Ing. Francesco Zampognaro e-mail: zampognaro@ing.uniroma2.it Lucidi Prof. Stefano Salsano 1 Definizione di traffico e utilizzazione di un
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
DettagliModelli di offerta di trasporto
A. A. 2015-2016 Modelli di offerta di trasporto richiami di teoria del deflusso (diagramma fondamentale) prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome 1 Velocità
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
DettagliTest di verica per il corso di Reti di Telecomunicazioni
Nome e Cognome Laurea Diploma in Test di verica per il corso di Reti di Telecomunicazioni 1/11/003 1. In un centralino con una sola linea esterna, si sa che il carico è inferiore a 0.1 Erlang. Quale fra
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
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,...,
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
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 5: Funzioni di variabili aleatorie
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 5: Funzioni di variabili aleatorie Funzione di variabile aleatoria continua Sia data una V.A. continua
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE ESEMPI DI SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Esempi di simulazione Presentiamo alcuni esempi
DettagliProgettazione Funzionale dei Terminali Intermodali: primo dimensionamento
Progettazione Funzionale dei Terminali Intermodali: primo dimensionamento DOCENTI prof. ing. Agostino Nuzzolo prof. ing. Antonio Comi ing. Antonio Polimeni Variabile di progetto: numero di binari: operativi,
DettagliTEORIA E TECNICA DELLA CIRCOLAZIONE
PROBLEMI DI TEORIA E TECNICA DELLA CIRCOLAZIONE 3 A cura di : Prof. Astarita Vittorio ing. Giofrè Vincenzo Pasquale Argomenti: Distribuzione di Poisson 26 3.1 PROBLEMA Distribuzione di Poisson ed esponenziale
DettagliESEMPI DI SIMULAZIONE
ESEMPI DI SIMULAZIONE Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 7 Marzo 2006 Francesca Mazzia (Univ. Bari) ESEMPI DI SIMULAZIONE 7/03/2006
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,
DettagliFORMULARIO DI RETI DI TELECOMUNICAZIONI (versione 1.1, )
FORMULARIO DI RETI DI TELECOMUNICAZIONI (versione., 3.2.05) definizioni di carattere generale - valide salvo avviso contrario N numero di server e/o di posti nel sistema M numero di potenziali utenti del
DettagliUniversità di Bergamo. Dipartimento di Ingegneria dell Informazione e Metodi Matematici. Laboratorio di Reti. Prof.
Università di Bergamo Dipartimento di Ingegneria dell Informazione e Metodi Matematici Laboratorio di Reti Prof. Fabio Martignon 1 Università di Bergamo Dipartimento di Ingegneria dell Informazione e Metodi
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
Dettagli5. Distribuzioni. Corso di Simulazione. Anno accademico 2009/10
Anno accademico 2009/10 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
DettagliProgettazione Funzionale dei Terminali Intermodali: primo dimensionamento
Progettazione Funzionale dei Terminali Intermodali: primo dimensionamento DOCENTI prof. ing. Agostino Nuzzolo prof. ing. Antonio Comi ing. Antonio Polimeni Progettazione funzionale Da un punto di vista
Dettagli3. Distribuzioni. Corso di Simulazione. Anno accademico 2006/07
Anno accademico 2006/07 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
DettagliLa distribuzione normale o distribuzione di Gauss
La distribuzione normale o distribuzione di Gauss Gauss ha dimostrato che secondo questa legge si possono ritenere distribuiti gli errori accidentali di misura di una qualsivoglia grandezza. Densità di
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
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliINTRODUZIONE ALLA TEORIA DEL TRAFFICO
INTRODUZIONE ALLA TEORIA DEL TRAFFICO IC3N 2000 N. 1 Definizioni preliinari Sistea soggetto a traffico: astrazione definita convenzionalente di un sistea reale (o di una parte di esso in cui entrano ed
DettagliSchema di principio di una rete telefonica Rete di
La rete fissa 3 La commutazione La commutazione è l insieme delle attività che svolge una rete di telecomunicazione per connettere tra di loro due o più utenti, nel momento che la connessione è richiesta,
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,
DettagliEsercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte
Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p
DettagliProgetto di Reti di Telecomunicazioni M (9 CFU)
Progetto di Reti di Telecomunicazioni M (9 CFU) Modulo 1 3 CFU - Prof. Giorgio Corazza http://www.unibo.it/docenti/giorgio.corazza Modulo 2 6 CFU - Prof. Ing. Carla Raffaelli http://www.unibo.it/docenti/carla.raffaelli
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
DettagliL assegnazione è coerente? SÌ NO. A e B sono stocasticamente indipendenti? SÌ NO
CALCOLO DELLE PROBABILITÀ - gennaio 00 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati Nuovo Ordinamento esercizi -4. Vecchio Ordinamento esercizi -6..
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliLaboratori di FONDAMENTI DI RETI DI TELECOMUNICAZIONI
Politecnico di Milano Sede di Cremona A.A. 2007/08 Laboratori di FONDAMENTI DI RETI DI TELECOMUNICAZIONI Fabio Zeri (gundam@metarete.it) Slide 1 Multiplazione Permette la condivisione di un mezzo trasmissivo
Dettaglicon distribuzione gaussiana standard e si ponga
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 6/7 Prova di Esonero Maggio 7 Testi e soluzioni degli esercizi proposti Siano Z, Z, Z variabili aleatorie indipendenti e
DettagliProf. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa.
corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio a.a. 2012-2013 TEORIA DEL DEFLUSSO ININTERROTTO (PARTE 2) Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it
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
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliLa teoria delle code. La teoria delle code
Il problema: trovare la configurazione ottima di un sistema produttivo (quali e quante risorse acquisire) dato un problema produttivo (caratteristiche tecnologiche e volumi richiesti per ciascun tipo di
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
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
Dettagli1.3 MODELLI STOCASTICI DEI PROCESSI DI ARRIVO E DI SERVIZIO
20 TEORIA DELLE CODE 1.3 MODELLI STOCASTICI DEI PROCESSI DI ARRIVO E DI SERVIZIO Da quanto visto nei precedenti paragrafi, emerge chiaramente come un sistema di code sia caratterizzato fondamentalmente
DettagliAnalisi statistica in simulazione
Analisi statistica in simulazione Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione e parametrizzazione del modello
DettagliAnalisi statistica classica. Analisi statistica in simulazione. Stima della media. Stima della media
Analisi statistica in simulazione Analisi statistica classica Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 9 Abbiamo visto metodi per la determinazione di uno stimatore puntuale e casi per: Carattere con
Dettagli- 4 - La multiplazione statistica nelle reti a pacchetto
Politecnico di Milano Dipartimento di Elettronica e Informazione - 4 - La multiplazione statistica nelle reti a pacchetto Laboratorio di Reti di Telecomunicazione Premessa Useremo NS e nscript per studiare
Dettagli- 4 - La multiplazione statistica nelle reti a pacchetto
Politecnico di Milano Dipartimento di Elettronica e Informazione - 4 - La multiplazione statistica nelle reti a pacchetto Laboratorio di Reti di Telecomunicazione Premessa Useremo NS e nscript per studiare
Dettagli1.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE
SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE 5.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE In questo paragrafo verrano studiati sistemi di code che possono essere rappresentati da processi
DettagliReti di Telecomunicazioni 1
Reti di Telecomunicazioni 1 Corso on-line - AA2005/06 Sistemi a coda Blocco E1 v2 Ing. Stefano Salsano e-mail: stefano.salsano@uniroma2.it 1 Risorse e sistemi di servizio 2 Obiettivi Acquisire alcuni concetti
DettagliMATEMATICA III ESEMPI ESEMPI. Prof. Walter UKOVICH Università di TRIESTE TEORIA DELLE CODE O FILE D ATTESA
MATEMATICA III Prof. Walter UKOVICH Università di TRIESTE TEORIA DELLE CODE O FILE D ATTESA è una classe di modelli per lo studio di fenomeni d attesa quando la domanda di un servizio supera la capacità
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Analisi e scelta dei dati di input Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Dati di input Per l esecuzione di una
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliLimiti della Distribuzione Binomiale
Limiti della Distribuzione Binomiale Giuseppe Sanfilippo 11 maggio 2012 1 Teorema di Bernoulli Sia X 1, X 2,..., X n... una successione di variabili aleatorie bernoulliane stocasticamente indipendenti
DettagliMODELLI DI ASSEGNAZIONE
corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio MODELLI DI ASSEGNAZIONE PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Sistema di modelli
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
DettagliTEORIA DEL DEFLUSSO ININTERROTTO
Dipartimento Ingegneria dell Impresa corso di TEORIA E TECNICA DELLA CIRCOLAZIONE + TRASPORTI E TERRITORIO Appunti delle lezioni TEORIA DEL DEFLUSSO ININTERROTTO DOCENTE Prof. Ing. UMBERTO CRISALLI Anno
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,
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliIDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 01 - Variabili aleatorie. Calcolo di densità di probabilità. Operatore di media
IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 01 - Variabili aleatorie Motivazioni Densità di probabilità Operatore di media Densità di probabilità congiunta Densità di probabilità condizionata
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
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
DettagliProf. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa
Corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Struttura del sistema di modelli per la
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
Dettaglicorso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A MODELLI DI OFFERTA
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 6-7 MODELLI DI OFFERTA Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it Struttura del sistema
DettagliTEORIA E TECNICA DELLA CIRCOLAZIONE
UNIVERSITA' DI ROMA "TOR VERGATA" FACOLTA DI INGEGNERIA Dipartimento Ingegneria Civile TEORIA E TECNICA DELLA CIRCOLAZIONE DOCENTE Prof. Ing. UMBERTO CRISALLI Appunti delle lezioni TEORIA DEL DEFLUSSO
Dettagliγ 4 γ 2 λ 2 λ 4 r 42 γ 3 λ 3 r 24 r 04
Capitolo 5 Reti di code Tipicamente una risorsa non viene utilizzata in modo isolato, pi u facilmente diverse risorse sono interconnesse fra loro per costituire un unico sistema. Un esempio e offerto da
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
DettagliVIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul
1 Introduzione alla Teoria della Probabilità... 1 1.1 Introduzione........................................ 1 1.2 Spazio dei Campioni ed Eventi Aleatori................ 2 1.3 Misura di Probabilità... 5
Dettagli