Verifica parte IV. Rif. Ghezzi et al
|
|
- Domenico Pippi
- 5 anni fa
- Visualizzazioni
Transcript
1 Verifica parte IV Rif. Ghezzi et al
2 Debugging Individuazione e correzione degli errori Conseguente a un fallimento Attività non banale: Quale errore ha causato il fallimento? Come correggere l errore? La correzione dell errore ha effetti collaterali (cioè genera altri errori)? (test di regressione)
3 Individuazione dell errore Ridurre la distanza fra errore e fallimento. Strategia: rendere visibile lo stato del programma: esecuzione controllata (debugger) asserzioni istruzioni di output
4 Debugger Aiuta nell individuazione degli errori senza modifiche al codice sorgente Funzionalità di base: esecuzione step by step breakpoint valutatore di espressioni watch (break se il valore di una variabile cambia)
5 Affidabilità l Definita come la probabilità che un software funzioni correttamente in un determinato intervallo di tempo l Negli ultimi anni sono stati concepiti modelli che consentono di stimare e di prevedere l affidabilità di un sistema software. l Mutuati da altri ambiti (hardware o ingegneria industriale) Verifica 4 5
6 Peculiarità del software l Il software non è soggetto a corruzione o usura fisica l Il software non presenta errori transienti e non necessita di rodaggio l Gli esemplari di un software sono uguali fra loro l Mancanza di continuità Verifica 4 6
7 Quantità legate all affidabilità l (t), numero medio di fallimenti dopo un tempo t. l Misura media su diverse installazioni del sistema l Estensione derivabile della funzione l FI(t), intensità di fallimento l Fallimenti per unità di tempo l Derivata di rispetto a t l MTTF, mean time to failure l Tempo medio fra due fallimenti l Reciproco di FI Verifica 4 7
8 Tempo l Calendar time: tempo totale trascorso dall installazione l comprende il tempo in cui il sistema è fermo l Tempo di esecuzione: tempo di funzionamento del software l comprende il tempo in cui la piattaforma è allocata per altri processi l Tempo di clock: tempo effettivo di esecuzione del software sulla piattaforma. Verifica 4 8
9 Modelli di affidabilità l Ipotizzano una relazione fra l intensità di errore e il numero medio di fallimenti. l Con l ipotesi fatta, si utilizzano strumenti matematici per stimare l andamento del numero medio di fallimenti nel tempo. l Il punto critico è la scelta della relazione, basata su considerazioni sulla natura del processo e del prodotto software. Verifica 4 9
10 Modello base l Ipotizza che l intensità di fallimento decresca di una costante per ogni fallimento FI ( ) = k(1 - / ) l dove è il numero totale di fallimenti (ignoto) e k è una costante l Data questa ipotesi, si può determinare (t) Verifica 4 10
11 Calcolo di (t) FI ( t) = '( t) l Equazione differenziale d = k( 1- / ) dt d = kdt (1 - / ) - d = ( - ) kdt Verifica 4 11
12 Calcolo di (t) l Integrando entrambi i membri - l Supponendo l si ottiene log dy ò = k 0 ( y - ) - - log- = - ò t t 0 du - [log y - ] = k( t - 0) 0 t = 0 t = k t Verifica 4 12
13 Calcolo di (t) l Essendo log 0 ( - )- log = t - log - = - k t k l Esponenziale di entrambi i membri: k - - = e t = (1 e - - k t ) Verifica 4 13
14 Calcolo di k l FI è la derivata di rispetto a t: k k - FI = - (- ) e l Sostituendo 0 a t: t k =FI 0 Verifica 4 14
15 Modello logaritmico l Suppone che il decremento di FI per ogni fallimento decresca esponenzialmente: FI = ke -q l dove q è un parametro detto decadimento dell intensità di fallimento Verifica 4 15
16 Calcolo di (t) l Equazione differenziale: d dt = ke -q l Separazione delle variabili: d e -q = kdt l Integrazione di entrambi i membri: dy ò = 0 -qy e k ò t 0 du Verifica 4 16
17 Calcolo di (t) l Risultato dell integrazione: 1 q l Cioè l Calcolo di k FI [ ] qy = [ ku] t e 0 0 e q -1 = qkt = 1 1 q 1 + qkt qk 1 = log(1 + qkt) q k = FI (0) Verifica 4 17
18 Confronto fra modelli: FI FI FI 0 Basic model q Logarithmic model Verifica 4 18
19 Confronto fra modelli: Logarithmic model Basic model t Verifica 4 19
20 Calcolo dei parametri l e q non sono noti a priori l Possono essere stimati tramite osservazione di (t) l Il risultato permette di stimare l andamento dell affidabilità nel tempo l Modelli diversi per classi diverse di applicazioni. Verifica 4 20
21 Verifica di qualità soggettive l Qualità del software come l complessità l comprensibilità l riusabilità sono largamente soggettive l Cè comunque richiesta di metriche per la misurazione di queste qualità l Le proposte hanno generalmente applicabilità limitata ad alcune classi di applicazioni. Verifica 4 21
22 Metriche l Metriche source-code l Teoria di Halstead l Teoria di Mc Cabe l Linee di Codice (LOC, SLOC) l Metriche predittive l Function Point Verifica 4 22
23 Software science (Halstead) l Cerca di dare misure e stime quantitative di qualità soggettive, quali l difficoltà l livello di astrazione l sforzo l Le misure sono date in termini di quantità oggettive Verifica 4 23
24 Quantità l h 1 : numero di operatori unici e distinti l h 2 : numero di operandi unici e distinti l N 1 : numero totale di occorrenze di operatori l N 2 : numero totale di occorrenze di operandi l h 2* : numero di operandi concettuali di ingresso/uscita distinti Verifica 4 24
25 Esempio Verifica 4 25
26 Lunghezza del programma l Vocabolario del programma h = h 1 + h 2 l Lunghezza del programma N = N 1 + N 2 l Stima di N: N* = h 1 log 2 h 1 + h 2 log 2 h 2 l Calcoli su algoritmi pubblicati indicano un valore dell errore medio (N* - N) / N inferiore al 10% (nell esempio, N=30, N*=38). l Utile per stime se dall inizio si possono stimare h 1 ed h 2, ad esempio in base a statistiche su applicazioni simili Verifica 4 26
27 Stima di N l Volume di programma: numero di bit necessario a codificare ogni elemento di programma V = N * log 2 h l Volume potenziale: quello del programma più sintetico in cui si può codificare l algoritmo (disponibile come operazione predefinita): N = h = 2 + h 2 * V * = (2 + h 2* ) log 2 (2 + h 2* ) Verifica 4 27
28 Livello di programma e sforzo l L = V * / V l Tenta di misurare il livello di astrazione di un programma l E = V / L = V 2 / V * l Misura la difficoltà dell implementazione, manutenzione, comprensione del programma. l Risultati sperimentali soddisfacenti: mostrano la dipendenza della complessità dal linguaggio. Verifica 4 28
29 Teoria di McCabe l Stima la complessità di un programma (per quanto riguarda produzione, comprensione, modifica). l Basata sulla teoria dei grafi l Complessità concettuale di un programma (per codifica, correzione, manutenzione) legata alla complessità del suo flusso di controllo Verifica 4 29
30 Numero ciclomatico l Rappresentazione vettoriale dei cammini in un grafo a n archi. l Ogni cammino è un vettore di n componenti, ognuno uguale al numero di volte che l arco corrispondente è percorso. l Numero ciclomatico: numero di cammini linearmente indipendenti. Verifica 4 30
31 Esempio a b c d e f g h a b c d e f g h P Q R S l P, Q ed R si possono prendere come base l S = -P + Q + R l Numero ciclomatico C = 3 Verifica 4 31
32 Risultati teorici l C = e n + 2p, dove l e è il numero di archi l n è il numero di nodi l p è il numero di componenti connesse del grafo (normalmente una per ogni procedura) l C = d + 1, dove d è il numero di punti di decisione (a 2 uscite) del programma l Un punto di decisione a k uscite è contato come k-1 punti di decisione a 2 uscite (traduzione da costrutto case a costrutto if) Verifica 4 32
33 Numero ciclomatico e complessità l Il numero ciclomatico dà un idea immediata della complessità del flusso di controllo di un programma. l Non tiene però conto di altri aspetti, come la complessità delle strutture di dati. l Sperimentalmente risulta correlato al numero di errori riscontrati. l Un modulo di un sistema ben progettato dovrebbe avere C fra 3 e 7, e non superare 10 (conferme empiriche). Verifica 4 33
18/05/2014. Università di Ferrara Corso di Ingegneria del Software AA 2013/2014
Università di Ferrara Corso di Ingegneria del Software AA 2013/2014 La misura come strumento scientifico Misure, metriche e indicatori Metriche del software Metriche per software orientato agli oggetti
DettagliIS Corso di Ingegneria del Software 1
Contenuti Misurazione del software 2001-4 Corso di Ingegneria del Software V. Ambriola, G.A. Cignoni, C. Montangero, L. Semini Con aggiornamenti di: T. Vardanega La misura come strumento scientifico Misure,
DettagliMATRICE TUNING competenze versus unità didattiche, Corso di Laurea in Informatica (classe L-31), Università degli Studi di Cagliari
A: CONOSCENZA E CAPACITA DI COMPRENSIONE Conoscere e saper comprendere i fondamenti della matematica discreta (insiemi, interi, relazioni e funzioni, calcolo combinatorio) Conoscere e saper comprendere
DettagliMisurazione del software
Misurare Misurazione del software 2001-10 Corso di Ingegneria del Software V. Ambriola, G.A. Cignoni, C. Montangero, L. Semini Con aggiornamenti di: T. Vardanega Un attività quotidiana Grandezze fisiche:
DettagliEsperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI
Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Verifica e validazione dei modelli Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Passi del processo Simulativo Formulare
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
DettagliVerifica parte IIB. Grafo di controllo. Criteri di selezione per test strutturali (white box) Test. Rif. Ghezzi et al
Verifica parte IIB Rif. Ghezzi et al. 6.3.4.1 Test In piccolo White box Black box Condizioni di confine Problema dell' Oracolo In grande Test di modulo Test di integrazione Test di Sistema Test di Accettazione
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
DettagliPolitecnico di Milano Ingegneria Industriale Analisi e Geometria 1 Secondo compito in itinere 3 Febbraio 2014
Politecnico di Milano Ingegneria Industriale Analisi e Geometria Secondo compito in itinere Febbraio 04 Cognome: Nome: Matricola: Compito A Es: 8 punti Es: 8 punti Es: 8 punti Es4: 8 punti Totale a) Determinare
DettagliCorso di Ingegneria del Software. Metriche Parte II
Corso di Ingegneria del Software a.a. 2009/2010 Mario Vacca mario.vacca1@istruzione.it Metriche Sommario 1. Concetti di base 2. METRICHE DIMENSIONALI 3. METRICHE FUNZIONALI 4. 5. Bibliografia Il numero
DettagliMetriche basate sulla LOC
Metriche basate sulla LOC Errori per KLOC Difetti per KLOC Pagine di documentazione per KLOC Errori per mese/uomo Errori per ore di revisione LOC per mese/uomo $ per pagine di documentazione Metriche funzionali
DettagliUniversità degli Studi di Roma La Sapienza, Facoltà di Ingegneria. Corso di INGEGNERIA DEL SOFTWARE (Ing. Informatica, Nuovo Ordinamento)
Università degli Studi di Roma La Sapienza, Facoltà di Ingegneria Corso di INGEGNERIA DEL SOFTWARE (Ing. Informatica, Nuovo Ordinamento) Prof. Marco Cadoli, Canale M-Z A.A. 2005-06 ESERCITAZIONE SUL TEST
DettagliGrandezze fisiche e loro misura
Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e caratterizzati da entità o grandezze misurabili.
DettagliAnalisi Numerica. Debora Botturi ALTAIR. Debora Botturi. Laboratorio di Sistemi e Segnali
Analisi Numerica ALTAIR http://metropolis.sci.univr.it Argomenti Argomenti Argomenti Rappresentazione di sistemi con variabili di stato; Tecniche di integrazione numerica Obiettivo: risolvere sistemi di
DettagliTeoria e tecniche dei test LA STRUTTURA DI UNA TEORIA 20/03/2012 LIVELLO DI ASTRAZIONE TEORICO LIVELLO DI ASTRAZIONE DERIVATO
Teoria e tecniche dei test Lezione 4 TEORIE E MODELLI DI COSTRUZIONE DEI TEST PSICOLOGICI LA STRUTTURA DI UNA TEORIA Nella costruzione di un test psicologico devono essere presi in considerazione 3 livelli
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2018.html
DettagliINTERPOLAZIONI CON SPLINE
INTERPOLAZIONI CON SPLINE Assegnati gli n +1valori che la funzione f assume nei nodi x i, si costruisce un interpolazione polinomiale a tratti. In ognuno degli intervalli [x i 1,x i ] il polinomio interpolatore
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
DettagliMetodologia di implementazione del sistema per la spazializzazione dei dati meteo
Metodologia di implementazione del sistema per la spazializzazione dei dati meteo Metodologia di implementazione del sistema per la spazializzazione dei dati meteo . Metodologia Le reti di monitoraggio
DettagliDebugging. Debugging 1
Debugging Debugging 1 "Debugging is twice as hard as writing the code in the first place. Therefore, if you write the code as cleverly as possible, you are, by definition, not smart enough to debug it."
DettagliModellazione di sistemi ingegneristici (parte 1 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 1 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
DettagliCONFERENZA NAZIONALE IL DECENNALE DELLE PROVE INVALSI IL MODELLO DI RASCH: POTENZIALITA E LIMITI PER LE PROVE INVALSI GIUSEPPE GIAMPAGLIA DIPARTIMENTO DI SCIENZE ECONOMICHE E STATISTICHE UNIVERSITA DEGLI
DettagliLinguaggi di Programmazione
Linguaggi di Programmazione E una notazione con cui e possibile descrivere gli algoritmi. Programma: e la rappresentazione di un algoritmo in un particolare linguaggio di programmazione. In generale, ogni
DettagliCorso di Informatica
CdLS in Odontoiatria e Protesi Dentarie Corso di Informatica Prof. Crescenzio Gallo crescenzio.gallo@unifg.it Immagini in movimento 2 Immagini in movimento Memorizzazione mediante sequenze di fotogrammi.
DettagliDISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA
DISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA 8 ottobre 06 INDICE i Indice Richiami di statistica applicata all Idrologia. Distribuzioni di probabilità............................... Stimatori.........................................3
DettagliCORSO DI MATEMATICA E LABORATORIO ESERCIZI ASSEGNATI NELL A.A. 2016/17
CORSO DI MATEMATICA E LABORATORIO ESERCIZI ASSEGNATI NELL A.A. 26/7 GABRIELE BIANCHI Gli esercizi che seguono sono quelli che assegnerò durante il corso 26/7. Tutti gli esercizi presenti in un compito
Dettagli9.3 Il metodo dei minimi quadrati in formalismo matriciale
8 CAPIOLO 9. IMA DEI PARAMERI MEODO DEI MINIMI QADRAI 9.3 Il metodo dei minimi quadrati in formalismo matriciale Nel caso si debba applicare il metodo minimi quadrati con molti parametri risulta vantaggioso
DettagliFranco Ferraris Marco Parvis Generalità sulle Misure di Grandezze Fisiche. Prof. Franco Ferraris - Politecnico di Torino
Generalità sulle Misure di Grandezze Fisiche Prof. - Politecnico di Torino - La stima delle incertezze nel procedimento di misurazione -modello deterministico -modello probabilistico - La compatibilità
DettagliProgramma del corso di: Laboratorio di Programmazione e Calcolo Corso di laurea in Matematica a.a Proff. B. Paternoster, D.
Programma del corso di: Laboratorio di Programmazione e Calcolo Corso di laurea in Matematica a.a.009-0 Proff. B. Paternoster, D. Conte Risoluzione di un problema con il calcolatore: dal problema reale
DettagliVerifica parte IIA. Rif. Ghezzi et al
Verifica parte IIA Rif. Ghezzi et al. 6.3-6.3.3 Test (o analisi dinamica) l Consiste nell osservare il comportamento del sistema in un certo numero di condizioni significative l Non può (in generale) essere
DettagliVerifica parte IIB. Rif. Ghezzi et al
Verifica parte IIB Rif. Ghezzi et al. 6.3.4.1 Sommario Test In piccolo White box Black box Condizioni di confine Problema dell' Oracolo In grande Test di modulo Test di integrazione Test di Sistema Test
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliStima dei Parametri. Capitolo 8
Capitolo 8 Stima dei Parametri Lo scopo dello studio dei fenomeni fisici è quello di scoprire le leggi che legano le grandezze oggetto di indagine e di misurare il valore delle costanti che compaiono della
DettagliIntroduzione ai Problemi di Flusso su Reti
UNIVERSI DI PIS IROCINIO ORMIVO IVO - I CICLO CLSSE DI BILIZIONE MEMIC PPLIC Introduzione ai Problemi di lusso su Reti Relatore: Prof. V. Georgiev.U: Prof. M. Berni Elisabetta lderighi R.O e Riforma della
DettagliAnalisi dei Processi Chimici e. Biotecnologici Anno Accademico
Biotecnologici Anno Accademico 2017 2018 Massimiliano Grosso E-mail: massimiliano.grosso@dimcm.unica.it Telefono: 070 675 5075 Indirizzo web: http://people.unica.it/massimilianogrosso Obiettivi del Gli
Dettagli0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
DettagliCURVE DI DURATA: Introduzione e Rappresentazione analitica
CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d
DettagliMisurazione del software. Misurazione. Misurazione del software. UniPD /13 - Ingegneria del Software mod. B 1. Misurare. IS Misura e metrica
Misurare Misurazione del software Ingegneria del Software V. Ambriola, G.A. Cignoni, C. Montangero, L. Semini Aggiornamenti di: T. Vardanega (UNIPD) Un attività quotidiana Grandezze fisiche: massa, lunghezza,
DettagliMachine Learning: apprendimento, generalizzazione e stima dell errore di generalizzazione
Corso di Bioinformatica Machine Learning: apprendimento, generalizzazione e stima dell errore di generalizzazione Giorgio Valentini DI Università degli Studi di Milano 1 Metodi di machine learning I metodi
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello
Metodi Quantitativi per Economia, Finanza e Management Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello 1. Introduzione ai modelli di regressione 2. Obiettivi 3. Le
DettagliAffidabilità. Introduzione e definizioni
Affidabilità Introduzione e definizioni Introduzione I circuiti e sistemi elettronici sono inevitabilemnte affetti dalla presenza di guasti non solo in produzione ma anche durante la loro vita utile L
DettagliLaboratorio di Fisica I- Modulo I Anno Accademico 2018/2019 Esperienza di laboratorio n 3
Laboratorio di Fisica I- Modulo I Anno Accademico 018/019 Esperienza di laboratorio n 3 Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice GRUPPO
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
DettagliTEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica http://www.dii.unimore.it/~lbiagiotti/teoriasistemicontrollo.html Stima dello stato in presenza di disturbi: il
DettagliProgrammazione disciplinare per competenze (Rif.to ALLEGATI del DPR 15 marzo 2010 n. 89)
Programmazione disciplinare per competenze (Rif.to ALLEGATI del DPR 15 marzo 2010 n. 89) Secondo biennio Indirizzo: IPSSAR Disciplina: MATEMATICA 1. 1 Asse culturale: matematico 1. utilizzare il linguaggio
DettagliAnalisi degli Errori
Analisi degli Errori Luca Gemignani lucagemignani@unipiit 1 marzo 2018 Indice Lezione 1: Errori nel Calcolo di una Funzione Razionale 1 Lezione 2: Tecniche per l Analisi degli Errori 3 Lezione 3: Cenni
DettagliAnalisi dei Dati Tabelle e Grafici
Analisi dei Dati Tabelle e Grafici Spesso una misurazione consiste nello studio di una grandezza,y i in funzione di un altra, x i. Esempi: o lo spazio percorso da un oggetto in funzione di un intervallo
DettagliCORSO DI MATEMATICA E LABORATORIO ESERCIZI ASSEGNATI NELL A.A. 2017/18
CORSO DI MATEMATICA E LABORATORIO ESERCIZI ASSEGNATI NELL A.A. 27/8 GABRIELE BIANCHI Gli esercizi che seguono sono quelli che assegnerò durante il corso 27/8. Tutti gli esercizi presenti in un compito
DettagliRelazioni tra variabili (fenomeni) aziendali
Relazioni tra variabili (fenomeni) aziendali - giornate di assenza dal lavoro è collegato a qualifica professionale, anzianità, sesso, dei dipendenti? - incidenti sul lavoro sono collegati a orario di
Dettaglila struttura di una teoria
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it la struttura di una teoria la struttura di una teoria modello di Bagozzi (1994) I livello./.. un esempio Linguaggio: della matematica
Dettagli5.4 Larghezza naturale di una riga
5.4 Larghezza naturale di una riga Un modello classico più soddisfacente del processo di emissione è il seguente. Si considera una carica elettrica puntiforme in moto armonico di pulsazione ω 0 ; la carica,
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2017.html
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
DettagliTempo e spazio di calcolo
Tempo e spazio di calcolo Modelli di calcolo e metodologie di analisi In quale modo stimiamo il tempo di calcolo? Possiamo considerare due approcci: Approccio empirico (a posteriori) Approccio teorico
DettagliCorso di Calcolo Scientifico
I Modulo del corso integrato di Calcolo Dott.ssa Maria Carmela De Bonis a.a. 2012-13 Approssimazione di Funzioni In molti problemi matematici emerge l esigenza di dover approssimare una funzione f C k
DettagliSTATISTICA. Regressione-3 L inferenza per il modello lineare semplice
STATISTICA Regressione-3 L inferenza per il modello lineare semplice Regressione lineare: GRAFICO DI DISPERSIONE & & analisi residui A. Valutazione preliminare se una retta possa essere una buona approssimazione
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
DettagliMinistero dell Istruzione, dell Università e della Ricerca Ufficio Scolastico Regionale per la Campania ISTITUTO ISTRUZIONE SUPERIORE E.
Ministero dell Istruzione, dell Università e della Ricerca Ufficio Scolastico Regionale per la Campania ISTITUTO ISTRUZIONE SUPERIORE E.FERRARI Istituto Professionale per i servizi per l Enogastronomia
DettagliANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del TEMA log x. f(x) = e
Esercizio 1 [6 punti] Sia ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione Appello del 8.07.019 TEMA 1 f) = e +log. a) Determinare il dominio D di f; determinare i limiti di f agli estremi di
DettagliIndice Premessa Cenni storici delle misure
Indice Premessa................................... 5 1 Cenni storici delle misure...................... 11 1.1 Il numero come misura...................... 13 1.2 I primi campioni di lunghezza..................
DettagliAnalisi dei Processi Chimici e. Biotecnologici Anno Accademico
Biotecnologici Anno Accademico 2017 2018 Massimiliano Grosso E-mail: massimiliano.grosso@dimcm.unica.it Telefono: 070 675 5075 Indirizzo web: http://people.unica.it/massimilianogrosso Outline Obiettivi
DettagliStima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori
Stima dei parametri I parametri di una pdf sono costanti che caratterizzano la sua forma r.v. parameter Assumiamo di avere un campione di valori Vogliamo una funzione dei dati che permette di stimare i
DettagliL adozione di MATLAB e Simulink nei Corsi di Ingegneria al Politecnico di Milano. Maurizio Magarini MATLAB EXPO Milano, 4 novembre 2014
L adozione di MATLAB e Simulink nei Corsi di Ingegneria al Politecnico di Milano MATLAB EXPO Milano, 4 novembre 2014 Sommario Introduzione. Il ruolo dei laboratori informatici nella didattica, formazione
Dettagli12. Verifica e Validazione del Software
12. Verifica e Validazione del Software Andrea Polini Ingegneria del Software Corso di Laurea in Informatica (Ingegneria del Software) 12. Verifica e Validazione del Software 1 / 18 Verifica e Validazione
DettagliProcessi iterativi. Marina Zanella - Ingegneria del Software RUP 1
Processi iterativi L inizio delle iterazioni è quasi sempre preceduto da una fase esplorativa di definizione dei requisiti globali del sistema a un livello di astrazione molto elevato: questo passo è necessario
DettagliITI M. FARADAY. Programmazione a. s
ITI M. FARADAY Programmazione a. s. 2018-2019 Disciplina: INFORMATICA Indirizzo: INFORMATICA E TELECOMUNICAZIONI Classi: Terza A Terza B Ore settimanali previste: 6 (3 ora Teoria - 3 ore Laboratorio) Docenti:
DettagliEsperimentazioni di Fisica 1 Tracce delle lezioni di TERMOLOGIA
Esperimentazioni di Fisica 1 Tracce delle lezioni di TERMOLOGIA AA 2015-2016 Temperatura Temperatura misura oggettiva della sensazione di caldo e freddo Grandezza intensiva Misura la direzione del trasferimento
Dettagli1) Codici convoluzionali. 2) Circuito codificatore. 3) Diagramma a stati e a traliccio. 4) Distanza libera. 5) Algoritmo di Viterbi
Argomenti della Lezione 1) Codici convoluzionali 2) Circuito codificatore 3) Diagramma a stati e a traliccio 4) Distanza libera 5) Algoritmo di Viterbi 1 Codici convoluzionali I codici convoluzionali sono
DettagliLaurea Magistrale in Scienze Statistiche Finanziarie e Attuariali Econometria Finanziaria c.a. A.A. 2016/2017 Appello 15 Settembre 2017
Laurea Magistrale in Scienze Statistiche Finanziarie e Attuariali Econometria Finanziaria c.a. A.A. 206/207 Appello 5 Settembre 207. Sia r t il log-return di un asset e r m t il log-retun del mercato.
Dettaglii dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliEsercizi svolti a lezione
Esercizi svolti a lezione Problema 1 In un corso di laurea sono previsti un certo numero di esami obbligatori. Esistono inoltre dei vincoli di propedeuticità: se un esame A è propedeutico ad un esame B
DettagliDomini di funzioni di due variabili. Determinare i domini delle seguenti funzioni di due variabili (le soluzioni sono alla fine del fascicolo):
UNIVERSITA DEGLI STUDI DI SALERNO C.d.L. in INGEGNERIA GESTIONALE Esercizi di Ricerca Operativa Prof. Saverio Salerno Corso tenuto nell anno solare 2009 I seguenti esercizi sono da ritenersi di preparazione
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliIngegneria del Software 22a. Progettazione delle prove. Dipartimento di Informatica Università di Pisa A.A. 2014/15
Ingegneria del Software 22a. Progettazione delle prove Dipartimento di Informatica Università di Pisa A.A. 2014/15 prova (o collaudo o test) Verifiche (o validazioni) dinamiche attività che prevedono l
DettagliQuesti appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai
Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai necessari chiarimenti forniti a lezione. 1 MISURA DI UNA
Dettagli4. Matematica applicata all economia opzione
V. Matematica e scienze sperimentali 171 4. Matematica applicata all economia opzione 4.1. Considerazioni generali 4.1.1. Scopi L opzione ha lo scopo di evidenziare il ruolo della matematica come strumento
DettagliGrandezze fisiche e loro misura
Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e caratterizzati da grandezze misurabili.
DettagliMATEMATICA A Commissione Albertini, Mannucci, Motta, Zanella Ingegneria Gestionale, Meccanica, Meccatronica, Vicenza
TEMA ( ) f() = log (determinare il dominio D; calcolare i limiti per che tende agli estremi finiti o infiniti z 4 + (3 + 6i)z + 5 + i = 0. ( + 3 ) α α (log + log + ) d. y = e y, y() = α. TEMA ( ) f() =
DettagliUn indagine sull uso dei metodi di stima dei progetti software e delle metriche del software
Davide Taibi 1 Luigi Lavazza 2,3 Sandro Morasca 1 1 Università degli Studi dell Insubria Dipartimento di Scienze della Cultura, Politiche e dell Informazione Via Valleggio 11 22100 Como 2 Università degli
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
DettagliCollaudo del software
Collaudo del software Il software deve essere testato con il preciso scopo di trovare degli errori prima di essere consegnato al cliente Il collaudo è un insieme di attività pianificate per testare il
DettagliContenuti del programma di Matematica. Classe Terza
Contenuti del programma di Matematica Classe Terza A.S. 2014/2015 Tema Contenuti GEOMETRIA Misura della lunghezza della circonferenza e NEL PIANO area del cerchio. COMLEMENT Equazioni e disequazioni con
DettagliAnalisi e implementazione dell algoritmo di Dijkstra (Parte 1)
Analisi e implementazione dell algoritmo di Dijkstra (Parte 1) Algoritmicamente August 1, 2009 http://algoritmicamente.wordpress.com/ 1 Concetti fondamentali Definizione 1 Un grafo è un insieme di vertici
Dettagli1 Rappresentazione grafica delle relazioni fra grandezze fisiche
1 Rappresentazione grafica delle relazioni fra grandezze fisiche L indagine quantitativa di un fenomeno naturale si realizza attraverso la misura delle grandezze fisiche che lo caratterizzano; la comprensione
DettagliProgetto Esame di Simulazione
Progetto Esame di Simulazione Carlo Manasse Pietro Montanari Facoltà di Informatica Università degli Studi di Perugia Anno Accademico 2012/2013 Outline 1 2 3 4 Prova singola Prove ripetute Il gestore del
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
DettagliNaive bayes. Course of Machine Learning Master Degree in Computer Science University of Rome Tor Vergata. Giorgio Gambosi. a.a.
Naive bayes Course of Machine Learning Master Degree in Computer Science University of Rome Tor Vergata Giorgio Gambosi a.a. 2018-2019 1 Features numerose In presenza di numerose features, definire un
DettagliLINGUAGGI DI PROGRAMMAZIONE
LINGUAGGI DI PROGRAMMAZIONE Il potere espressivo di un linguaggio è caratterizzato da: quali tipi di dati consente di rappresentare (direttamente o tramite definizione dell utente) quali istruzioni di
DettagliTEORIA DEI GRAFI. Tecniche reticolari
TORIA I GRAFI I problemi di ottimizzazione che riguardano la teoria dei grafi sono: Percorso ottimo; Problemi di flusso a costo minimo; Problemi di costo a massimo flusso. Tecniche reticolari Permettono
DettagliSEERP. Quality Report
SEERP Quality Report Introduzione In questa sezione vengono forniti i dati relativi alle metriche raccolte ai fini di una valutazione qualitativa del progetto. Il modello di Qualità di ISO/IEC 9126 Software
DettagliPag. 1. La formalizzazione dell informazione: Dati e Diagrammi di Flusso. Codifica degli algoritmi
1 Università degli studi di Parma Dipartimento di Ingegneria dell Informazione Informatica a.a. 2012/13 Informatica Facoltà di Medicina Veterinaria a.a. 2012/13 prof. Stefano Cagnoni La formalizzazione
DettagliTempo e spazio di calcolo
Tempo e spazio di calcolo Modelli di calcolo e metodologie di analisi F. Damiani - Alg. & Lab. 04/05 (da M. Zacchi - Alg. & Lab. 03/04) In quale modo stimiamo il tempo di calcolo? Possiamo considerare
DettagliModellazione di sistemi ingegneristici (parte 2 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 2 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
DettagliSistemi ICT per il Business Networking
Corso di Laurea Specialistica Ingegneria Gestionale Sistemi ICT per il Business Networking Il Software Docente: Vito Morreale (vito.morreale@eng.it) 17 October 2006 1 Introduzione Codice sorgente Codice
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
Dettagli