Metodi e Modelli di Programmazione Lineare

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Metodi e Modelli di Programmazione Lineare"

Transcript

1 Metod e Modell d Programmazoe Leare Massmo Paolu (paolu@dst.uge.t) DIS Uverstà d Geova La Programmazoe Leare (LP) Modello d programmazoe matemata ma f() s.t. X R vettore delle varabl desoal X seme delle soluzo ammssbl f() fuzoe obettvo salare Metodo desoale algortmo d ottmzzazoe

2 LP rham teor La defzoe d u modello d programmazoe matemata Defzoe delle varabl Formulazoe Matemata Defzoe dell obettvo Defzoe de vol LP rham teor Quado sa la fuzoe obettvo he le relazo he esprmoo vol soo lear s ha u problema d PL ma R A b () () Problema Forma Stadard è l vettore delle varabl desoal è l vettore de oeffet della fuzoe obettvo b è l vettore m de term ot de vol A è la matre m de oeffet de vol; A[a j ],,...,m, j,...,

3 LP rham teor Ipotes ella forma stadard b b,...,m m< mrago(a) Qualuque problema d PL può essere trasformato u problema equvalete forma stadard U vettore se soddsfa vol () è detto soluzoe, se soddsfa () e () è soluzoe ammssble Se R PL a varabl otue Se Z PL a varabl tere (IP) Se alue varabl soo real ed altre tere PL msta (MIP) LP rham teor 6 Cosderamo rsultat fodametal el aso d R L seme de vol ( geerale dsuguaglaze) rappreseta u Poledro R Dato u problema P d PL, se l Poledro è: huso e o vuoto (Poltopo) P è ammssble o soluzo ottme fte aperto e o vuoto P può essere ammssble o soluzo ottme fte oppure ammssble seza soluzoe ottme fte (llmtato, o o ottmo all fto) vuoto P è o ammssble (seza soluzo ammssbl) U poledro è u seme ovesso u vert soo dett Put Estrem

4 LP rham teor 7 X Poltopo { } R : A X b X X Aperto X X X Vuoto X X X X LP rham teor 8 La soluzoe ottma fta (se esste) orrspode ad uo o pù put estrem del poledro. al put estrem soo aratterzzat algebramete dalle soluzo d base ammssbl Ua soluzoe d base orrspode alla selta d m varabl su, ossa alla selta d ua sottomatre (detta ase) mm d A vertble, e s alola aullado le restat -m varabl fuor base. N Vettore Vettore delle delle var var.d base (m ). fuor base (( m))

5 LP rham teor Soluzoe d base b N 9 Soluzoe d base ammssble se b eorema Dato X{Ab, } seme ovesso, dove A è ua matre m d rago m o m<, e è u puto estremo d X se e solo se e èua soluzoe d base ammssble. LP rham teor Il umero d soluzo d base è lmtato dal massmo umero d matr estrabl da A m! m!( m)! eorema Fodametale della PL Se u problema d PL ammette soluzoe, allora esste ua soluzoe ammssble d base. Se u problema d PL ha soluzoe ottma fta, allora ha ahe ua soluzoe d base ottma.

6 LP L algortmo del smplesso (smple) Il smplesso era la soluzoe ottma esplorado le soluzo d base effettuado ua rera loale: data ua soluzoe d base verfa se l obettvo può essere mglorato e se ò è possble determa ua soluzoe d base mglore adaete a quella d parteza Geometramete esplora la frotera del poledro de vol (algortmo estero) D (ottma) C f.obj X A (zale) LP L algortmo del smplesso (smple) Problema forma stadard ma R A b ma s.t. a M a m R L a L a,..., L m b b m Geera equazoe (m equ. de vol equ. obettvo) j R j j,, K,m

7 LP L algortmo del smplesso (smple) Il Smplesso ( forma algebra). Izalzzazoe Determare ua soluzoe d base ammssble. Verfa dell ottmaltà Se j j R allora la soluzoe orrete è ottma e l algortmo terma, altrmet adare al passo. Selta della varable etrate base Seglere ua var. fuor base k tale he k < ed adare al passo. Selta della varable usete dalla base Seglere la varable r tale he r Se k,...m, allora la soluzoe del problema è llmtata (o esste ottmo fto), e l algortmo terma rk m,...,m k k > LP L algortmo del smplesso (smple) Il Smplesso ( forma algebra). Pvotg. Rsolvere le equazo j R j j,, K,m ravado k e r r, fuzoe d j,j R-{k} e d r La uova soluzoe s ottee poedo j, j R-{k} e r Adare al passo.

8 LP L algortmo del smplesso (smple) Il ableau Cotee oeff. delle m equazo de vol e f.ob. e permette d effettuare pass dell algortmo maera semple jj,, K, m j R L L L L L r m j k L L L L L j k L L L L L j k M M O M M M M M L L L L L r rj rk r M M M O M M M M L L L L L m mj mk m LP L algortmo del smplesso (smple) 6 Il Smplesso (sul tableau). Izalzzazoe Costrure l tableau zale o ua soluzoe d base ammssble. Verfa dell ottmaltà Se ella rga d o esstoo oeffet egatv la soluzoe orrete è ottma e l algortmo terma, altrmet adare al passo. Selta della varable etrate base Seglere ua var. fuor base k tale he k < ed adare al passo.. Selta della varable usete dalla base Se tutt oeffet ella oloa d k soo k,...,m, o esste ottmo fto e l algortmo terma, altrmet alolare rapport / k,...,m, solo per gl k >, e seglere la rga r-esma assoata al rapporto pù polo. Il oeff. rk èlpvot

9 LP L algortmo del smplesso (smple) 7 Il Smplesso (sul tableau). Pvotg. Portare base k al posto d r dvdedo la rga r-esma per l pvot, qud sottraedo la uova rga r alle altre rghe del tableau, obettvo luso, dopo averla moltplata per l orrspodete oeff. della oloa k. I questo modo la uova oloa k sarà formata da tutt oeff. ull trae l oeff. r-esmo uguale ad. Aggorare l ethetta della rga r-esma o k. Adare al passo. LP L algortmo del smplesso (smple) 8 rasformazoe de problem forma stadard Vol d s troduoo var. d slak (sarto) a j b a Vol d s troduoo var. d surplus (eedeza) a j j j j j b j a j j j Varabl lbere s effettua la sosttuzoe j u j v j o u j v j j j s s b b s s erm ot egatv (b ) s amba l sego al volo Problema d mmo s amba sego alla f.ob. e s massmzza (oppure s verte la odzoe d ottmaltà dell algortmo)

10 LP L algortmo del smplesso (smple) 9 Izalzzazoe ase zale formata da var. d slak A Is b Metodo delle due fase (wo-phase Method) Metodo del g-m Soluzo degeer Almeo ua ompoete d è ulla Possoo ausare loop ell algortmo (lg) Crter d selta della var. etrate Metodo del gradete Metodo del massmo remeto LP Il problema della produzoe (Produt M) Il problema Determare qual e quat prodott produrre ( geerale, qual attvtà esegure ed a quale lvello) modo da massmzzare l proftto oseguete teedo oto della dspobltà lmtata delle rsorse eessare alla produzoe Il problema s può affrotare geerale o l Aals Margale (...) Può essere modellato o la PL se le relazo teologhe he legao prodott e rsorse possoo essere approssmate modo leare r r Ioltre tutte le gradezze possoo essere osderate determsthe ( partolare, rav dalla vedta de prodott)

11 LP Il problema della produzoe (Produt M) Formulazoe ed terpretazoe del problema S dspoe d j,...,m rsorse produttve (ad esempo, matere prme) quattà lmtata La massma dspobltà delle rsorse è b,...,b m S possoo produrre,..., dvers prodott utlzzado o ua data teologa le rsorse dspobl Soo ote le quattà d rsorse eessare per produrre ua utà d asu possble prodotto: per produrre ua utà del prodotto -mo s utlzzao a j utà della rsorsa j-ma (ell potes d leartà questo oeff. resta ostate) Agl prodott soo assoat proftt utar,..., (proftto per utà d prodotto, potzzado tutta la produzoe vega veduta, ovvero he volado la produzoe ad ua domada supposta ostate e ota) LP Il problema della produzoe (Produt M) Formulazoe ed terpretazoe del problema aj ma b,..., R,..., j j,...,m Varabl quattà d prodotto -mo otue (?) e postve Vol la quattà totale d og rsorsa utlzzata ella produzoe o può superare la dspobltà massma Obettvo l ravo totale della produzoe

12 LP Il problema della produzoe (Produt M) Formulazoe ed terpretazoe del problema E u PL forma aoa d massmzzazoe ma A b R A è detta matre teologa All potes d odzo determsthe (parametr ostat) s rspode o l Aals d Post-ottmaltà Esemp ed terpretazoe: prodott rsorse (smplesso sul tableau aals grafa el pao de prodott) Uso d pahett sw (Eel, Ldo, Lgo) prodott e rsorse prodott e rsorse (smplesso o sw aals grafa el pao delle rsorse) LP Il problema della produzoe (Produt M) Esempo ma () C () D, 8 6 () () () A 6 E ()

13 LP Il problema della produzoe (Produt M) Esempo : Forma Stadard,..., 8 6 ma () () () 6 () () () A E D C 6 LP Il problema della produzoe (Produt M) Esempo : Il tableau ase zale formata dalle slak Il ableau zale a terazoe: X etra ed ese (dal verte A al verte???; esegure alol...)

14 LP Il problema della produzoe (Produt M) Esempo : Il tableau 7 Il ableau dopo la prma terazoe / / / / / / a terazoe: X etra ed ese (dal verte??? al verte???; esegure alol...) LP Il problema della produzoe (Produt M) Esempo : Il tableau 8 Il ableau dopo la seoda terazoe / / / / / / / / 8 / / / / Il tableau è ottmo La soluzoe ottma / / / N

15 LP Il problema della produzoe (Produt M) Esempo : Domade 9 Cosa suede alla soluzoe se l poledro fosse aperto? Provare o ma Come s roose l aso d pù soluzo ottme equvalet? Provare o ma,, 6 8 LP Il problema della produzoe (Produt M) Esempo : Uso d software per la soluzoe d PL Eel (Solver) Esemp graf (D) (aso d sol. llmtata e problema o amm.) Ldo Lgo (formulazoe smbola) Esempo : prodott e rsorse ma 9 6 7,...,

16 LP Il problema della produzoe (Produt M) Iterpretazoe eooma Fuzoe Obettvo Curva Isoguadago Vol Satur (bdg ostrats) Rsorse Sarse Slak ulle Coverrebbe aumetare la dspobltà e se sì osa aadrebbe? Vol o satur Rsorse abbodat Slak postve Coverrebbe aumetare la dspobltà e se sì osa aadrebbe? Domade d arattere eoomo/gestoale oseguet alla soluzoe: V soo rsorse o utlzzate? Posso dmure lo spreo? C soo rsorse he m overrebbe aqusre ulterormete? Qual e o he prortà? D quato ha seso aumetare la dspobltà delle rsorse? Che aade se varao rav per me prodott, ovvero quato è robusta la soluzoe? LP L aals d sestvtà (post-ottmaltà) L aals d sestvtà osete d valutare gl effett d pole varazo de parametr rspetto la soluzoe ottma del problema (varazo margal) I as he vedremo: Rage d varazoe della dspobltà delle rsorse Aumeto d rsorse sarse Dmuzoe d rsorse abbodat Rage d varazoe de oeff. d guadago Effett ausat dall aquszoe d uove rsorse Effett ausat da produzoe dversa dall ottmo (prodotto o oveete, uovo prodotto) eora eessara: defzoe d alue gradezze e la teora della dualtà

17 LP Defzoe d alue gradezze Coeffet d osto rdotto r (r j, j R) Soo oeff. delle varabl fuor base ella rga della f.ob. el tableau j j R Cosderamo u tableau forma matrale ed l aso u la base zale è formata da slak b A I s s b N I s s N N b N I b N s N N LP Defzoe d alue gradezze Coeffet d osto rdotto r (r j, j R) Corrspodoo a e la odzoe d ottmaltà è r j j R Domada: he sgfato ha la preseza d almeo u r j el tableau ottmo? I moltplator del smplesso π (π j, j R) Corrspodoo a Osservazo sul tableau ottmo I moltplator del smplesso soo parte degl r e s rduoo agl r orrspodet alle slak fuor base Se la base zale era osttuta da slak, le oloe delle slak all ottmo otegoo - j j j a r π

18 LP La eora della Dualtà Ad og problema d PL (Prmale) è assoato u problema Duale Problema Prmale (P) ma s.t. L a L a b M am L am bm Problema Duale (D) m s.t. b L bmm a L am m M a L amm ( varabl, m vol) (m varabl, vol) LP La eora della Dualtà 6 Il problema D ha tate varabl quat soo vol d P e tat vol quate soo le varabl d P. I forma matrale: (P) ma (D) m b A b R A R m

19 LP La eora della Dualtà 7 Forma smmetra della dualtà regole d trasformazoe (P) (D) ma m vol m ma vol LP La eora della Dualtà Duale d u Prmale o vol d uguaglaza: Ifatt: (P) ma A b R A b equvale a m A u (b u v u,v R A u b m v v) (D) A b A b A m b A var.lbere R m b troduedo m varabl dual, u e v e sosttuedo u -vs ottee (D) 8

20 LP La eora della Dualtà 9 Forma o smmetra della dualtà: regole d trasformazoe (P) (D) ma m vol m ma vol volo var. lbera var. lbera volo Le trasformazo soo reversbl: l duale del duale è l prmale. LP La eora della Dualtà La teora della Dualtà è mportate perhè: le soluzo d P e D soo legate tra loro le soluzo dual hao u terpretazoe eooma utle per l aals d sestvtà (post-ottmaltà); sulla teora della dualtà soo basat algortm, qual l Smplesso Duale e l Algortmo Prmale-Duale, alteratv al Smplesso (Prmale) utl per erte lass d problem; può ert as essere oveete rsolvere D al posto d P (ovee rsolvere l problema o l mor umero d vol)

21 LP La eora della Dualtà: rsultat fodametal Cosderamo la oppa d problem (P) e (D) (P) m (D) ma b A b A. eorema (debole) della dualtà Sao e soluzo ammssbl rspettvamete per (P) e (D), allora b LP La eora della Dualtà: rsultat fodametal Dmostrazoe: soluzoe A ( A ) soluzoe A b ( A) b ( A ) A ( A) b Corollaro Se (P) è llmtato (D) o è ammssble Se (D) è llmtato (P) o è ammssble Se (P) ha soluzoe ottma fta (D) ha soluzoe ottma fta Se (D) ha soluzoe ottma fta (P) ha soluzoe ottma fta

22 . eorema (forte) della dualtà Se (P) e (D) ammettoo soluzoe ottma fta, allora per og ottmo per (P) esste ua soluzoe ottma per (D) tale he b Dal eorema della dualtà forte s rava valore della soluzoe ottma d (D) orrspodete alla soluzoe ottma d (P) b N b b b LP La eora della Dualtà: rsultat fodametal LP La eora della Dualtà: rsultat fodametal Osservazo La base è ottma per (P) e per (D). Ua base ammssble per (P) orrspode ad ua base ammssble per (D) solo se è ottma. b X b N ma N N N N (P) (D).lbere var N b m N N )N ( b) ) ( a) Y

23 LP La eora della Dualtà: rsultat fodametal Osservazo La base è ottma per (P) e per (D). Ua base ammssble per (P) orrspode ad ua base ammssble per (D) soo se è ottma. Y a) b) ( ) ( )N N a) b) N N (vera sempre) a j j j R soo le odzo d ottmaltà su ost rdott d (P) LP La eora della Dualtà: rsultat fodametal Osservazo Solo orrspodeza dell ottmo dalla base ammssble per (P) s ottee ua soluzoe ammssble per (D) (he è ahe ottma). Ad ua geera terazoe del smplesso dalla base d (P) s può ostrure l vettore de moltplator del smplesso he o è soluzoe d (D). 6 Qual è l sgfato eoomo del problema duale? Cosa rappresetao le varabl dual?

24 LP La Dualtà: terpretazoe eooma Cosderamo: u problema (P) ma A b 7 la soluzoe (o degeere) b N > ed ua pola varazoe b> d b o amba la base ottma (b b) N LP La Dualtà: terpretazoe eooma 8 Come amba l valore dell obettvo? (b b) b b Vara della varazoe delle rsorse per l valore della soluzoe ottma duale! Allora può essere terpretato ome l prezzo (valore) margale delle rsorse (b) pohè da qual è la varazoe dell obettvo (guadago) oseguete ad ua maggor dspobltà delle rsorse. I valor dual ottm soo ahe dett prezz ombra

25 LP La eora della Dualtà: rsultat fodametal Lo sarto omplemetare (omplemetar slakess) Cosderamo ua oppa (P), (D) (P) ma A b A Is b s var. m var.d slak 9 (D) m b A A Iv v m var. var.d surplus Ad og varable d (D) è assoato u volo d (P) e qud la orrspodete varable d slak e veversa. LP La eora della Dualtà: rsultat fodametal Lo sarto omplemetare (omplemetar slakess. eorema della slakess omplemetare Data la oppa d soluzo e rspettvamete ammssbl per (P) e (D), e soo ottme per (P) e (D) se e solo se s j j (b j a j ) j j, K,m v (a ), K, dove a j è l vettore rga j-esma d A a è l vettore oloa -esma d A

26 LP La eora della Dualtà: rsultat fodametal Lo sarto omplemetare (omplemetar slakess Il teorema stablse he a. b.. d. a > a > a j j > bj a j < bj j (volo duale saturo: v ) (volo duale o saturo: v >) (volo prmale saturo: s j ) (volo prmale o saturo: s j >) LP La Dualtà: terpretazoe eooma Il problema del Produt M Stablre lvell ottm d produzoe per u seme d prodott modo da massmzzare l proftto ravato dalla loro vedta, rspettado la dspobltà lmtata delle rsorse eessare alla produzoe (P) ma A b b j a j lvello d produzoe del prodotto -mo proftto per utà d prodotto -mo dspobltà della rsorsa j-ma quattà d rsorsa j-ma eessara per produrre u utà d prodotto -mo j-mo volo d (P) a j bj l osumo totale d rsorsa j-ma o supera la sua dspobltà massma

27 LP La Dualtà: terpretazoe eooma Il duale del problema del Produt M Avedo selto d vedere le rsorse produttve, determare l loro prezzo mmo, mpoedo he la loro vedta sa almeo tato oveete he vedere be prodott o le rsorse (D) m b A j b j a j prezzo mmo a u vedere la j-ma rsorsa proftto per utà d prodotto -mo dspobltà della rsorsa j-ma quattà d rsorsa j-ma eessara per produrre u utà d prodotto -mo -mo volo d (D) a l valore d ua utà d prodotto -mo, alolato osderado le rsorse eessare per produrlo e l loro prezzo mmo, deve superare l prezzo utaro d vedta del prodotto stesso LP La Dualtà: terpretazoe eooma Iterpretazoe eooma della slakess omplemetare Prmale: Il valore delle rsorse (l valore ottmo delle varabl dual) è postvo solamete quado le rsorse soo utlzzate ompletamete (rsorse sarse), ovvero quado soo ulle le varabl d slak assoate a vol orrspodet Duale s b a j j j s j j Il lvello d produzoe de prodott (l valore ottmo delle varabl prmal) è postvo solamete quado l proftto utaro he s rava dalla loro vedtà è par a quato s raverebbe vededo le rsorse eessare alla produzoe al loro prezzo mmo (odzoe d blao eoomo), ovvero quado l surplus d guadago utaro della vedta delle rsorse rspetto la produzoe de prodott è ullo v a v

28 LP La Dualtà: terpretazoe eooma Il problema della Deta (bledg) Determare la deta blaata pù eooma avedo la possbltà d aqustare dvers b. Ua deta è blaata se soddsfa lvell mm goraler d alore e d altr elemet utrzoal (e.g., protee, alo, ferro, vtame). Qud determare la quattà he deve essere aqustata per asu bo, mmzzado la spesa omplessva e soddsfaedo lvell utrzoal mm (P) m A b j-mo volo d (P) a j bj b j a j quattà d bo -mo da aqustare osto per utà d bo -mo lvello mmo per l elemeto utrz. j-mo quattà d elemeto utrzoale j-mo presete ua utà d bo -mo la quattà omplessva dell elemeto utrz. j-ma forta da b aqustat deve essere almeo par al relatvo lvello mmo. LP La Dualtà: terpretazoe eooma Il duale del problema della Deta Voledo aqustare sgolarmete gl m elemet utrzoal (e.g., pllole) per otteere la deta blaata, determare l massmo prezzo per sgol elemet modo he l loro aqusto sa ompettvo rspetto quello de b oteet tal elemet 6 (D) ma b A j b j a j prezzo massmo a u aqustare l j-mo elemeto utrz. osto per utà d bo -mo lvello mmo per l elemeto utrz. j-mo quattà d elemeto utrz. j-mo presete ua utà d bo -mo -mo volo d (D) a l prezzo utaro del bo -mo steto (l prezzo della quattà d elemet utrz. fort da ua utà d bo -mo) deve o superare l prezzo reale del bo -mo

29 LP L aals d post-ottmaltà 7 Cosderamo u problema d PL o soluzoe ottma e base ottma assoata, determare o qual odzo possoo varare ert oeffet del problema lasado varata la base ottma. ma A b Cosdereremo tre as: a) varazoe d u oeffete della fuzoe obettvo assoato ad ua varable fuor base ( N ) b) varazoe d u oeffete della fuzoe obettvo assoato ad ua varable base ( ) ) varazoe del terme oto d u volo (b) LP L aals d post-ottmaltà 8 Cas (a) e (b): varazoe de prezz d vedta de prodott (a) grafo el pao de prodott all ottmo è fuor base l oeff.agolare dell obettvo è dmuse C aumeta D E dveta sol. ottma etra base A 6 E

30 LP L aals d post-ottmaltà Cas (a) e (b): varazoe de prezz d vedta de prodott (a) aalto Sa k, k R, l oeffete he vee varato. Il oeffete d osto rdotto assoato alla k-esma varable fuor base è 9 postvo pohè la base è ottma e varado k vara r k r k a k k k k δ rˆ k a k k a k ( k δ ) Perhè la soluzoe orrete rest ottma l uovo valore d r k deve rmaere postvo (altrmet la varable fuor base assoata sarebbe addata ad etrare base) rˆ k a k ( k δ) δ a k k δ r k LP L aals d post-ottmaltà 6 Cas (a) e (b): varazoe de prezz d vedta de prodott A (b) grafo el pao de prodott all ottmo è base C E dmuse aumeta D 6 l oeff.agolare dell obettvo è aumeta dmuse C dveta sol. ottma la base amba D dveta sol. ottma ese d base

31 LP L aals d post-ottmaltà Cas (a) e (b): varazoe de prezz d vedta de prodott (b) aalto Sa,,...,m, l oeffete he vee varato. La varazoe modfa tutt gl r k delle var. fuor base he devoo restare postv perhé la base o amb M r k ak k k R e ( mo) M δ δe rˆ k a k k δe a k e ( ) 6 rˆ k rk δ( ) a k k Come s effettuao as (a) e (b) utlzzado l tableau ottmo? LP L aals d post-ottmaltà Caso (): varazoe della dspobltà delle rsorse Due possbltà 6 () aumetare le rsorse sarse per mglorare l obettvo () rdurre le rsorse abbodat lasado varato l obettvo () grafo el pao de prodott () b (sarsa) aumeta C () A D D L E 6 ()

32 LP L aals d post-ottmaltà Caso (): varazoe della dspobltà delle rsorse Due possbltà 6 () aumetare le rsorse sarse per mglorare l obettvo () rdurre le rsorse abbodat lasado varato l obettvo () grafo el pao de prodott () C () b (abb.) dmuse D E A 6 () LP L aals d post-ottmaltà 6 Caso (): varazoe della dspobltà delle rsorse () aalto Sa b,,...,m, l terme oto del -mo volo he vee varato A ausa d tale varazoe s modfao valor delle varabl d base b b δ ˆ (b δe ) b δ( ) ˆ δ( ) e ( ) oloa -ma d - ˆ δ( ) Come s effettua questa aals usado l tableau ottmo (aso partolare)?

33 6 LP L aals d post-ottmaltà U esempo, 8 6 ma,..., 8 6 ma 8 6 / / / / / / / / / 8/ / / l tableau zale l tableau ottmo 66 LP L aals d post-ottmaltà U esempo questo aso oeff. k he moltplao le var. fuor base soo tutt ull, e le orrspodet oloe a k della matre N soo vettor e k, oeff. d osto rdotto el tableau ottmo forsoo drettamete l valore dell ottmo duale / / / / / / / / / 8/ / / - k k k k k k e e a r [ ] (... perhé?)

34 LP L aals d post-ottmaltà 67 U esempo Caso (a) oeff. dell obettvo d ua var. fuor base varazoe d : (zalmete - slak) δ δ r δ varazoe d : (zalmete - slak) δ δ r δ Iterpretazoe eooma? / / / / / / / / 8/ / / / LP L aals d post-ottmaltà U esempo Caso (b) oeff. dell obettvo d ua var. base varazoe d : (zalmete ) δ 68 rˆ rˆ δ δ δ δ / / / / / / / / 8/ / / / Iterpretazoe eooma?

35 LP L aals d post-ottmaltà U esempo Caso (b) oeff. dell obettvo d ua var. base varazoe d : (zalmete ) δ 69 rˆ rˆ δ δ δ δ 6 / / / / / / / / 8/ / / / Iterpretazoe eooma? LP L aals d post-ottmaltà U esempo Caso (b) oeff. dell obettvo d ua var. base varazoe d : (zalmete - slak) δ 7 rˆ rˆ δ δ δ δ / / / / / / / / 8/ / / / Iterpretazoe eooma?

36 LP L aals d post-ottmaltà U esempo Caso () varazoe della dspobltà delle rsorse Due possbltà:.) aumetare la dspobltà delle rsorse sarse (b e b ).) dmure l eesso d rsorse abbodat (b ) 7 Caso (.) varazoe d b : (zalmete b 6) b b δ ˆ δ δ ˆ δ δ ˆ δ δ b 7 Iterpretazoe eooma? / / / / / / / / 8/ / / / (N: possble perhé l tableau otee - ) LP L aals d post-ottmaltà U esempo Caso () varazoe della dspobltà delle rsorse Due possbltà:.) aumetare la dspobltà delle rsorse sarse (b e b ).) dmure l eesso d rsorse abbodat (b ) 7 Caso (.) varazoe d b : (zalmete b 8) b b δ ˆ δ δ ˆ δ δ ˆ δ δ 6 b Iterpretazoe eooma? / / / / 8/ / / / / / / / (N: possble perhé l tableau otee - )

37 LP L aals d post-ottmaltà U esempo Caso () varazoe della dspobltà delle rsorse Due possbltà:.) aumetare la dspobltà delle rsorse sarse (b e b ).) dmure l eesso d rsorse abbodat (b ) 7 Caso (.) varazoe d b : (zalmete b ) b b δ ˆ δ δ b Iterpretazoe eooma? / / / / 8/ / / / / / / / (N: possble perhé l tableau otee - ) LP L aals d post-ottmaltà U esempo Il valore delle rsorse Per vol sul osumo delle rsorse s ha 7 Volo saturo (slak ulla) Rsorsa sarsa (var.duale ottma postva) Volo o saturo (slak postva) Rsorsa abbodate (var.duale ottma ulla) Covee aumetare le rsorse sarse Margalmete la f.ob. rese del valore delle rsorse (l valore delle var. dual ottme j ) Il valore delle rsorse abbodat è ullo ( j ) Covee aumetare per prma la rsorsa sarsa a u è assoato l valore maggore

38 LP L aals d post-ottmaltà U esempo Il valore delle rsorse Nell esempo valor dual s possoo leggere drettamete sul tableau ottmo questo è aso partolare,... perhé? 7 / / / / / / / / 8/ / / / LP L aals d post-ottmaltà Esemp o software Eel Ldo 76

39 LP L aals d post-ottmaltà 77 Osservazo fal Se s dmuse (etro lmt alolat) ua rsorsa abbodate la soluzoe o amba Cosa suede se vee s soprsse d avere ua dspobltà ferore d ua rsorsa sarsa? Qual valutazo possamo fare el aso d: troduzoe d u uovo prodotto varazoe della teologa...? L aals d post-ottmaltà è u proesso loale (la sua valdtà è lmtata ad u toro della soluzoe ottma) LP I problem a umer ter e mst 78 Molt problem desoal rhedoo l uso d varabl tere per rappresetare alteratve dsrete Questo tpo d problem s hamao ombator I qualhe aso può essere ragoevole rlassare l problema osderado le varabl ome real Attraverso l uso d varabl bare (-) è possble modellare odzo loghe X A s verfa l eveto A (e.g., ompro l prodotto, afftto ua maha, passo per la strada A,...) X A o s verfa l eveto A Esemp: shedulg, loato problems, routg...

40 LP I problem a umer ter e mst 79 Esemp d formulazo o varabl bare Kapsak Problem possbl progett possbl da realzzare b budget massmo dspoble a j vestmeto eessaro al progetto j j guadago ravato dal progetto j progett o possoo essere realzzat parzalmete (o tutto o ulla) problema: osa fazare per massmzzare l guadago? ma j j j a j j j j b Kapsak baro {,} j,..., ( j fazo l progetto j) LP I problem a umer ter e mst 8 Esemp d formulazo o varabl bare Mathg Problem (assegazoe) m attvtà da assegare ad proessor (mahe, persoe,...) og proessore può esegure ua sola attvtà l attvtà o è terrompble j osto dell assegazoe d a j problema: assegare tutte le attvtà a osto mmo m m jj j j,...,m j m j j,..., j Mathg baro {, },...,m j,..., ( j assego a j)

41 LP I problem a umer ter e mst 8 Esemp d formulazo o varabl bare rattameto d vol dsgutv (l aso del Sequeg Problem) sequezare u seme d task su u sgolo proessore l proessore esegue u task alla volta seza terruzoe p proessg tme del task problema: ome srvere vol he garatsoo ua sequeza ammssble? t R, l state zo eseuzoe d. Dat due task e j, s possoo verfare due as:. preede j t j t p. j preede t t j p j Soo vol mutuamete eslusv (dsgutv)... LP I problem a umer ter e mst 8 Esemp d formulazo o varabl bare rattameto d vol dsgutv (l aso del Sequeg Problem) s trodue ua varable bara e s utlzza l bg-m j j preede preede j t j t t t j p M( p j M j j ) questo modo s è odzoato reproamete l omportameto d ua varable bara o delle varabl otue

42 LP I problem a umer ter e mst 8 La soluzoe de problem a umer ter (Iteger Programmg, IP) I problem IP e MIP soo geeralmete dffl (NP-hard) I alu (poh) as la soluzoe rlassata è tera I geerale s possoo usare tre tp d metod d soluzoe:. Metod basat su ua eumerazoe mplta delle soluzo (rah ad oud Methods). Metod basat sull uso d pa d taglo (Cuttg Plaes Methods). Metod spef per partolar lass d problem

Design of experiments (DOE) e Analisi statistica

Design of experiments (DOE) e Analisi statistica Desg of epermets (DOE) e Aals statstca L utlzzo fodametale della metodologa Desg of Epermets è approfodre la coosceza del sstema esame Determare le varabl pù sgfcatve; Determare l campo d varazoe delle

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

Apparecchi di sollavamento. Classificazione apparecchi di sollevamento a

Apparecchi di sollavamento. Classificazione apparecchi di sollevamento a Appareh d sollavameto A moto otuo: Nastr trasportator Sollevator a tazze Forze d erza lmtate; trastor d avvameto e arresto poo rlevat A moto dsotuo: Gru a torre Forze d erza rlevat Classfazoe appareh d

Dettagli

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014 Modell d Flusso e Applcazo: Adrea Scozzar a.a. 203-204 2 Il modello d Flusso d Costo Mmo: Problem d Flusso A u l V b c P S A ), ( m ) ( ) ( ), ( Problem rcoducbl a problem d Flusso Il problema del trasporto

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

ALCUNI ELEMENTI DI TEORIA DELLA STIMA ALCUNI ELEMENTI DI TEORIA DELLA STIMA Quado s vuole valutare u parametro θ ad esempo: meda, varaza, proporzoe, oeffete d regressoe leare, oeffete d orrelazoe leare, e) d ua popolazoe medate u ampoe asuale,

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

Lezione n 19-20. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott. Carrabs

Lezione n 19-20. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott. Carrabs Lezioi di Riera Operativa Corso di Laurea i Iformatia Uiversità di Salero Lezioe 9- - Problema del trasporto Prof. Cerulli Dott. Carrabs Problema del Flusso a osto Miimo FORMULAZIONE mi ( i, ) A o violi

Dettagli

CAPITOLO 4. Struttura e potere di mercato

CAPITOLO 4. Struttura e potere di mercato CAPITOLO 4 Struttura e potere d merato 4.. Moopolo e potere d merato Quado ua mpresa può fluezare l prezzo he reve per l propro prodotto s de he ha u potere d moopolo, o potere d merato. U mpresa he ha

Dettagli

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100) ESERCIZIO Il Moblty Maager d u azeda ha rlevato l umero d chlometr percors settmaalmete da 60 mpegat. I dat soo rportat ello schema successvo. 67 4 93 58 66 87 5 53 86 8 7 47 56 70 54 86 48 43 60 58 5

Dettagli

frazione 1 n dell ammontare complessivo del carattere A x

frazione 1 n dell ammontare complessivo del carattere A x La Cocetrazoe Il cocetto d cocetrazoe rguarda l modo cu l ammotare totale d u carattere quattatvo trasferble s rpartsce tra utà statstche. Tato pù tale ammotare è addesato u sottoseme d utà, tato pù s

Dettagli

Descrizione quantomeccanica di un insieme di spin: LA MATRICE DENSITÀ

Descrizione quantomeccanica di un insieme di spin: LA MATRICE DENSITÀ Desrzoe quatomeaa d u seme d sp: LA MATRICE DENITÀ Il valore d aspettazoe d ua gradezza fsa rappresetata dall operatore O su u sstema ello stato Ψ è: O Ψ OΨdτ Ψ O Ψ e s a u umero elevato d sstem (u seme

Dettagli

Attualizzazione. Attualizzazione

Attualizzazione. Attualizzazione Attualzzazoe Il problema erso alla captalzzazoe prede l ome d attualzzazoe Abbamo ua operazoe fazara elemetare e dato l motate M dobbamo determare l corrspodete captale zale C L'attualzzazoe è la operazoe

Dettagli

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura Damca Modello damco ello spazo de gut: relazoe tra le coppe d attuazoe a gut ed l moto della struttura smulazoe del moto aals e progettazoe delle traettore progettazoe del sstema d cotrollo progetto de

Dettagli

Organizzazione del corso. Elementi di Informatica. Orario lezioni ed esami. Crediti. Dispense e lucidi. Ricevimento studenti

Organizzazione del corso. Elementi di Informatica. Orario lezioni ed esami. Crediti. Dispense e lucidi. Ricevimento studenti Orgazzazoe del corso Elemet d Iformatca Prof. Alberto Brogg Dp. d Igegera dell Iformazoe Uverstà d Parma Teora: archtettura del calcolatore, elemet d formatca, algortm, lguagg, sstem operatv Laboratoro:

Dettagli

Elementi di Statistica descrittiva Parte III

Elementi di Statistica descrittiva Parte III Elemet d Statstca descrttva Parte III Paaa Idce d asmmetra (/) Idce d forma che esprme l grado d asmmetra (skewess) d ua dstrbuzoe. Sao u, u,,u osservazo umerche. Chamamo dce d asmmetra l espressoe: c

Dettagli

Parte I (introduzione)

Parte I (introduzione) arte I (trodzoe) Espressoe dell ertezza d msra (UNI CEI 9) L ertezza rappreseta geerale dbbo. Il dbbo ra la valdtà del rsltato d a msrazoe vee espresso medate l ertezza d msra. Iertezza d msra arametro,

Dettagli

Programmazione Non Lineare: Algoritmi Evolutivi Ing. Valerio Lacagnina. METODI di PNL

Programmazione Non Lineare: Algoritmi Evolutivi Ing. Valerio Lacagnina. METODI di PNL Programmazoe No Leare: Algortm Evolutv Ig. Valero Lacaga Programmazoe o leare: metodche rsolutve METODI d PNL INDIRETTI DIRETTI Codzo ecessare Sstema d vcol Algortm I metod drett forscoo soltato codzo

Dettagli

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso ESERCIZIO Co rfermeto a dvers modell d auto del medesmo segmeto d mercato e cldrata s soo rlevat dat sul prezzo d lsto mglaa d euro (X), la veloctà massma dcharata km/h (Y) ed l peso kg (Z). I dat soo

Dettagli

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0) Massm e Mm Fuzo d pù varabl Massm e Mm Dezoe: Sa z = (, ) ua uzoe deta u seme E U puto (, E s dce puto d massmo (rsp mmo) relatvo per (, ) se esste δ > tale che ((, ) B((, ), δ ) E (, ) (, ) (rsp (, )

Dettagli

Distribuzioni doppie. Esempi. Reddito annuo (x ) tramite una tabella a doppia entrata in cui per ogni coppia di

Distribuzioni doppie. Esempi. Reddito annuo (x ) tramite una tabella a doppia entrata in cui per ogni coppia di Dstrbuz dppe Quad veg sderate gutamete due le d ua matre d dat s ha ua dstrbuze dppa dsaggregata ( utara. S tratta dell eleaze delle mdaltà d due aratter (X e Y sservate per g utà statsta del llettv sderat:

Dettagli

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,

Dettagli

Esercitazione 4 del corso di Statistica (parte 1)

Esercitazione 4 del corso di Statistica (parte 1) Eserctazoe 4 del corso d Statstca (parte ) Dott.ssa Paola Costat Febbrao 0 Eserczo Data la dstrbuzoe del carattere Reddto d cu all eserczo precedete se e msur l grado d cocetrazoe. La cocetrazoe d u carattere

Dettagli

Esercitazione 5 del corso di Statistica (parte 1)

Esercitazione 5 del corso di Statistica (parte 1) Eserctazoe 5 del corso d Statstca (parte 1) Dott.ssa Paola Costat 8 Novembre 011 I alcue crcostaze s poe u maggor teresse sullo studo della varabltà tra le sgole utà statstche, puttosto che lo studo della

Dettagli

Statistica degli estremi

Statistica degli estremi Statstca degl estrem Rcham d probabltà e statstca Il calcolo della probabltà d u eveto è drettamete coesso co: - la COOSCEZA ICOMPLETA dell eveto stesso; - l assuzoe d u RISCHIO, calcolato come la probabltà

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1 SIMULAZIONE DI ESAME ESERCIZI Cattedra d Statstca MedcaUverstà degl Stud d BarProf.ssa G. Sero ESERCIZIO. Alcu autor hao studato se la depressoe possa essere assocata a dc serologc d process autommutar

Dettagli

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che: Eserctazoe VI: Il teorema d Chebyshev Eserczo La statura meda d u gruppo d dvdu è par a 73,78cm e la devazoe stadard a 3,6. Qual è la frequeza relatva delle persoe che hao ua statura superore o ferore

Dettagli

Alcuni metodi per la risoluzione di sistemi lineari con matrici strutturate.

Alcuni metodi per la risoluzione di sistemi lineari con matrici strutturate. Alcu meto per la rsoluzoe sstem lear co matrc strutturate. A. url - Calcolo Scetco Problema Rsolvere l sstema leare: A A. url - Calcolo Scetco Problema q A Co A matrce el tpo: p O A è ua matrce tragoale!

Dettagli

Lezione 1. I numeri complessi

Lezione 1. I numeri complessi Lezoe Prerequst: Numer real: assom ed operazo. Pao cartesao. Fuzo trgoometrche. I umer compless Nell'attuale teora de umer compless cofluscoo due fodametal dee, ua artmetca, l'altra geometrca. La prma,

Dettagli

Modelli di Schedulazione

Modelli di Schedulazione EW Modell d Schedulazoe Idce Maccha Sgola Tepo d Copletaeto Totale Tepo d Copletaeto Totale Pesato Tepo d Rtardo Totale Maespa co set-up dpedete dalla sequeza Tepo d Copletaeto Totale co vcolo d precedeza

Dettagli

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1 Elemet d Matematca Fazara Redte e ammortamet Uverstà Partheope 1 S chama redta ua successoe d captal da rscuotere (o da pagare) a scadeze determate S chamao rate della redta sgol captal da rscuotere (o

Dettagli

Propagazione di errori

Propagazione di errori Propagazoe d error Gl error e dat possoo essere amplfcat durate calcol. Rspetto alla propagazoe degl error s può dstguere: comportameto del problema - codzoameto del problema: vedere come le perturbazo

Dettagli

Caso studio 12. Regressione. Esempio

Caso studio 12. Regressione. Esempio 6/4/7 Caso studo Per studare la curva d domada d u bee che sta per essere trodotto sul mercato, s rlevao dat rguardat l prezzo mposto e l umero d pezz vedut 7 put vedta plota, ell arco d ua settmaa. I

Dettagli

PROBABILITA NUMERABILE RICHIAMI DI TEORIA. Def.: misura Una misura è una funzione a valori reali definita su una famiglia di sottoinsiemi di Ω

PROBABILITA NUMERABILE RICHIAMI DI TEORIA. Def.: misura Una misura è una funzione a valori reali definita su una famiglia di sottoinsiemi di Ω PROBBLT NUMERBLE RCHM D TEOR Def.: msura Ua msura è ua fuzoe a valor real defta su ua famgla d sottosem d Ω Def.: msura d probabltà Ua msura P su u algebra F è detta msura d probabltà se: ) 0 P F 2) P(

Dettagli

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Qualche cosderazoe Tedeza cetrale La scelta dell dce d tedeza cetrale/poszoe dpede dal tpo e dalle caratterstche della dstrbuzoe; Pù che dvduare l dce mglore assoluto (che o esste), è mportate ache valutare

Dettagli

ammontare del carattere posseduto dalle i unità più povere.

ammontare del carattere posseduto dalle i unità più povere. Eserctazoe VII: La cocetrazoe Eserczo Determare l rapporto d cocetrazoe d G del fatturato medo (espresso. d euro) d 8 mprese e rappresetare la curva d Lorez: 97 35 39 52 24 72 66 87 Eserczo apporto d cocetrazoe

Dettagli

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione? Prma dstrb. Secoda dstrb. Totale Meda 0 5 8 35 85 63 63/5 =3,6 5 5 38 40 45 63 63/5 =3,6 Due dstrbuzo, stessa meda ma quale delle due la meda rappreseta, stetzza meglo la stuazoe? Le mede stetzzao la dstrbuzoe,

Dettagli

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione? Prma dstrb. Secoda dstrb. Totale Meda 0 5 8 35 85 63 63/5 3,6 5 5 38 40 45 63 63/5 3,6 Due dstrbuzo, stessa meda ma quale delle due la meda rappreseta, stetzza meglo la stuazoe? Le mede stetzzao la dstrbuzoe,

Dettagli

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi.

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi. 7. Redte I questo captolo edremo solamete u caso d redta, che useremo po per geeralzzare le redte e dedurre tutt gl altr cas. S defsce redta ua successoe d captal (rate) tutte da pagare, o tutte da rscuotere,

Dettagli

Ellissi di densità costante. Distribuzione normale multivariata. Ellissoidi di isodensità. Esempio isodensità: X~N 2 (μ,σ) Consideriamo

Ellissi di densità costante. Distribuzione normale multivariata. Ellissoidi di isodensità. Esempio isodensità: X~N 2 (μ,σ) Consideriamo Dstrbuzoe ormale multvarata / f ( ) π = Σ exp ( )' ( ) μ Σ μ Ellss d destà costate Cosderamo c = % ' Σ % = ( μ)' Σ ( μ) S dca co N p (μ,σ) Relazoe tra ormale multvarata e ormale multvarata stadard N p

Dettagli

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

Matematica elementare art.1 di Raimondo Valeri

Matematica elementare art.1 di Raimondo Valeri Matematca elemetare art. d Ramodo Valer I questo artcolo voglamo provare che esste ua formula per calcolare l umero de dvsor d u dato umero aturale seza cooscere la scomposzoe fattor prm del umero stesso.

Dettagli

LA FUNZIONE DI VEROSIMIGLIANZA

LA FUNZIONE DI VEROSIMIGLIANZA A FUNZIONE DI VEROSIMIGIANZA HA UN RUOO IMPORTANTE NEA PROCEDURE DI INFERENZA STATISTICA COME: ) METODO DI COSTRUZIONE DI STIMATORI (IN SITUAZIONI COMPESSE) ) METODO DI INDIVIDUAZIONE DI TEST UNIFORMEMENTE

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

Analisi economica e valutazione delle alternative

Analisi economica e valutazione delle alternative Aals ecoomca e valutazoe delle alteratve Ig. Lug Cucca (Ph.D.) Producto Egeerg Research WorkGROUP Dpartmeto d Tecologa Meccaca, Produzoe e Igegera Gestoale Uverstà d Palermo Ageda Elemet d calcolo ecoomco

Dettagli

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco 01-013013 Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe dpede dal

Dettagli

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Dpartmeto d Sceze Poltche, della Comucazoe e delle Relaz. Iterazoal Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe

Dettagli

Disposizioni semplici. Disposizioni semplici esercizi

Disposizioni semplici. Disposizioni semplici esercizi Disposizioi semplici Ua disposizioe (semplice) di oggetti i k posti (duque 1 < k < ) è ogi raggruppameto di k oggetti, seza ripetizioi, scelti fra gli oggetti dati, cioè ciascuo dei raggruppameti ordiati

Dettagli

Esercitazione 6 del corso di Statistica (parte 1)

Esercitazione 6 del corso di Statistica (parte 1) Eserctazoe del corso d Statstca parte Dott.ssa aola Costat 8 Marzo 0 Eserczo S ha motvo d rteere che u uovo farmaco A abba la propretà d abbassare l lvello d glcema el sague. I cascuo de pazet dabetc osservat,

Dettagli

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza Uverstà degl Stud d Ferrara 2014-2015 Corso TFA - A048 Matematca applcata Ddattca della matematca applcata all ecooma e alla faza 11 marzo 2015 Apput d ddattca della Matematca fazara Redte, ammortamet

Dettagli

Approfondimenti Lezione 3. Mara Bruzzi

Approfondimenti Lezione 3. Mara Bruzzi Approfodmet Lezoe 3 Mara Bruzz APPROFONDIMENTO 1 : I BOSONI Partcelle come le a, foto, meso hao vece fuzo d oda smmetrche y S. Esse o obbedscoo al prcpo d esclusoe d Paul. Tal partcelle soo dette BOSONI.

Dettagli

Algoritmi e Strutture Dati. Alberi Binari di Ricerca

Algoritmi e Strutture Dati. Alberi Binari di Ricerca Algortm e Strutture Dat Alber Bar d Rcerca Alber bar d rcerca Motvazo gestoe e rcerche grosse quattà d dat lste, array e alber o soo adeguat perché effcet tempo O) o spazo Esemp: Matemeto d archv DataBase)

Dettagli

DI IDROLOGIA TECNICA PARTE II

DI IDROLOGIA TECNICA PARTE II FACOLTA DI INGEGNERIA Laurea Specalstca Igegera Cvle NO Guseppe T Aroca CORSO DI IDROLOGIA TECNICA PARTE II Aals e prevsoe statstca delle varabl drologche Lezoe X: Scelta d u modello probablstco Aals e

Dettagli

Analisi di dati vettoriali. Direzioni e orientazioni

Analisi di dati vettoriali. Direzioni e orientazioni Aals d dat vettoral Drezo e oretazo I tal caso, dat soo msurat term d agol e spesso soo rfert al ord geografco (statstca crcolare) Soo rappresetat su ua crcofereza Dat d drezoe: flusso ua specfca drezoe,

Dettagli

Si definisce prodotto di A e B la matrice data da:

Si definisce prodotto di A e B la matrice data da: MRICI Ua matrce Mat(m,) è ua tabella ordata d umer dspost m rghe ed coloe. Idchamo co aj l'elemeto d posto j che può essere reale o complesso. Operazo d matrc: ) (α)j α aj α C 2) (+ B)j aj + bj Propretà

Dettagli

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d;

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d; ESERCIZIO 5. Sa (X, X,, X ) u campoe casuale geerato da ua v.c. X f(x; θ) per la quale è oto che E(X) θ e Var(X). S cosdero 3 stmator d θ: X ; X ; ( ) X 3 a) s determ se soo corrett; b) per quell o corrett,

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario Dpartmeto d Meccaca, Strutture, Ambete e Terrtoro UNIVERSITÀ DEGLI STUDI DI CASSINO Laurea Specalstca Igegera Meccaca: Modulo d Fsca Tecca Lezoe d: Dffereze fte per problem d coduzoe regme stazoaro /20

Dettagli

Lezione 4. La Variabilità. Lezione 4 1

Lezione 4. La Variabilità. Lezione 4 1 Lezoe 4 La Varabltà Lezoe 4 1 Defzoe U valore medo, comuque calcolato, o è suffcete a rappresetare l seme delle osservazo effettuate (o l seme de valor assut dalla varable statstca); è ecessaro qud affacare

Dettagli

Successioni. Grafico di una successione

Successioni. Grafico di una successione Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Matrice: tabella di m righe ed n colonne. A T matrice trasposta di A=(a ij ) di elementi a ijt =a ji. Serena Morigi Università di Bologna 1

Matrice: tabella di m righe ed n colonne. A T matrice trasposta di A=(a ij ) di elementi a ijt =a ji. Serena Morigi Università di Bologna 1 Matrc Matrce: tabella d m rghe ed coloe T matrce trasposta d (a j ) d elemet a jt a j Serea Morg Uverstà d Bologa Matrc Matrce quadrata m sottomatrc Matrce rettagolare m Serea Morg Uverstà d Bologa Matrc

Dettagli

Analisi dei Dati. La statistica è facile!!! Correlazione

Analisi dei Dati. La statistica è facile!!! Correlazione Aals de Dat La statstca è facle!!! Correlazoe A che serve la correlazoe? Mettere evdeza la relazoe esstete tra due varabl stablre l tpo d relazoe stablre l grado d tale relazoe stablre la drezoe d tale

Dettagli

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo Studo della dpedeza replogo Abbamo vsto due msure d assocazoe tra caratter: ) msure d assocazoe basate sull dpedeza dstrbuzoe ( χ, V d Cramer) possoo essere applcate a coppe d caratter qualuque (ache etrambe

Dettagli

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2 Cogome Numero d matrcola SECONDA PROVA INERMEDIA DI SAISICA CLEA 07 7-77-08 geao 00 Nome COMPIO C A f della valutazoe s terrà coto solo ed esclusvamete d quato rportato egl appost spaz. Al terme della

Dettagli

Leasing: aspetti finanziari e valutazione dei costi

Leasing: aspetti finanziari e valutazione dei costi Leasg: aspett fazar e valutazoe de cost Descrzoe Il leasg è u cotratto medate l quale ua parte (locatore), cede ad u altro soggetto (locataro), per u perodo d tempo prefssato, uo o pù be, sao ess mobl

Dettagli

Lezione 24. Campi finiti.

Lezione 24. Campi finiti. Lezoe 4 Prerequst: Lezo 0,,, 3 Rfermet a test: [FdG] Sezoe 86; [H] Sezoe 79; [PC] Sezoe 63; Cam ft Nelle lezo recedet abbamo vsto dvers esem d cam ft: ess erao tutt del to oure [ x ]/( f ( x )), dove f

Dettagli

GAS IDEALI. Dell ossigeno, supposto gas ideale con k = 1.4 cost, evolve secondo un ciclo costituito dalle seguenti trasformazioni reversibili:

GAS IDEALI. Dell ossigeno, supposto gas ideale con k = 1.4 cost, evolve secondo un ciclo costituito dalle seguenti trasformazioni reversibili: Eserzo GAS IDEALI Dell osseo, sosto as deale o.4 ost, eole seodo lo osttto dalle seet trasorazo reersl: Coressoe sotera dallo stato ( 0.9 ar; 0.88 /) allo stato 2; trasorazoe soora da 2 a ( 2.5 ar); esasoe

Dettagli

CALCOLO ECONOMICO E FINANZIARIO

CALCOLO ECONOMICO E FINANZIARIO CALCOLO ECONOMICO E FINANZIARIO 1. Iteresse e scoto La postcpazoe d ua dspobltà fazara rchede ua certa rcompesa (teresse), vceversa la sua atcpazoe comporta ua dmuzoe dell'mporto orgaro (scoto). Il rsparmatore,

Dettagli

Esercizi 12/10/2007. oppure B 0. In modo del tutto analogo AB 0 se e solo se. oppure B 0 B 0. Studio del segno di una disequazione polinomiale.

Esercizi 12/10/2007. oppure B 0. In modo del tutto analogo AB 0 se e solo se. oppure B 0 B 0. Studio del segno di una disequazione polinomiale. Esercz 2/0/2007 Dsequazo Sego d u prodotto. Voglamo studare l sego d u prodotto d due umer real. I altr term vedere qual soo le codzo affché due umer real A e B soddsfo AB 0. Ragoamo come segue: rcoducamo

Dettagli

Variabilità = Informazione

Variabilità = Informazione Varabltà e formazoe Lo studo d u feomeo ha seso solo se esso s preseta co modaltà/testà varabl da u soggetto all altro. Ad esempo, se dobbamo studare l reddto ua certa regoe è ecessaro osservare utà statstche

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 26 Febbrao 200 Dott. Mrko Bevlacqua ESERCIZIO Cosderado le class d altezza 60 6; 6 70; 70 78; 78 86 per u collettvo d 20 persoe, s può affermare che l ALTEZZA dpede

Dettagli

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola.

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola. Coteut Corso d Statstca Facoltà d Ecooma a.a. - fracesco mola Lezoe 9 Correlazoe leare Scatterplot e aals grafca L uso delle varabl stadardzzate La covaraza Il coeffcete d correlazoe leare d Bravas-Pearso

Dettagli

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso La varabltà L utlzzo d ua meda permette d stetzzare effcacemete l formazoe coteuta ua dstrbuzoe statstca dal puto d vsta dell testà del carattere. Tuttava la stes può essere eccessva, el seso s possoo

Dettagli

Costi di Entrata e Struttura del Mercato. Economia Industriale Università Bicocca A.A. 2012-2013 Christian Garavaglia

Costi di Entrata e Struttura del Mercato. Economia Industriale Università Bicocca A.A. 2012-2013 Christian Garavaglia Cost d Etrt e truttur del Merto Eoom Idustrle Uverstà Bo A.A. 2012-2013 Chrst Grvgl Cotesto e oett For bbmo lzzto l fuzometo d u merto olgopolsto osderdo ome dto l umero d mprese opert el merto. D os dpede

Dettagli

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI Uverstà degl Stud d Mlao Bcocca CdS ECOAMM Corso d Metod Statstc per l Ammstrazoe delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI 1. Carta d cotrollo per frazoe d o coform (carta U resposable d produzoe,

Dettagli

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE ANALISI DELLA REGRESSIONE L Aals della Regressoe rguarda lo studo delle relazo esstet fra o pù caratter quattatv o varal. La rcerca de lega esstet fra pù varal s poe coe rcerca delle relazo fuzoal che

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

V Tutorato 6 Novembre 2014

V Tutorato 6 Novembre 2014 1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe

Dettagli

Istogrammi e confronto con la distribuzione normale

Istogrammi e confronto con la distribuzione normale Istogramm e cofroto co la dstrbuzoe ormale Suppoamo d effettuare per volte la msurazoe della stessa gradezza elle stesse codzo (es. la massa d u oggetto, la tesoe d ua pla, la lughezza d u oggetto, ecc.):

Dettagli

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza Soluzoe degl esercz sulla statstca descrttva e gl tervall d cofdeza. Il campoe casuale d tagla 35 ha meda 0.866 e medaa 0.6490. Il coeffcete d asmmetra rsulta essere.57, pertato samo preseza d ua asmmetra

Dettagli

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi. Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.

Dettagli

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Corso d Ifereza Statstca Eserctazo A.A. 009/0 ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Eserczo I cosumator d marmellata ua data popolazoe soo l 40%. Determare la probabltà che, per u campoe beroullao d =

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

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

ERRATA CORRIGE. L intero contenuto del paragrafo 9.2.3 a pagina 47-48 del Capitolato tecnico Determinazione del Canone è sostituito come segue:

ERRATA CORRIGE. L intero contenuto del paragrafo 9.2.3 a pagina 47-48 del Capitolato tecnico Determinazione del Canone è sostituito come segue: Procedura aperta per l affdameto de servz tegrat, gestoal, operatv e d mautezoe multservzo tecologco da esegurs presso gl mmobl d propretà o uso alle Asl ed alle azede ospedalere della regoe Campaa ERRATA

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

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI E SERIE NUMERICHE SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua

Dettagli

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115 Quale retta? Quale retta? Questa? Oppure questa? Questa certamete o! 0 1 0 1 La retta mglore è quella che pù s avvca all seme de 115 put corrspodet alle coppe d valor (x, y ). Per la stma de parametr s

Dettagli

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto CORO DI LAUREA IN ECONOMIA AZIENDALE Metod tatstc per le decso d mpresa (Note ddattche) Bruo Chadotto 7. Teora del test delle potes I questo captolo s affrota l problema della verfca d potes statstche

Dettagli

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione Artmetca 06/07 Esercz svolt classe Quarta lezoe Rcorreze o lear Sa a c a cq ua rcorreza dove {c }, c C e c 0. Sa P C[λ] l polomo caratterstco della rcorreza. Allora ua soluzoe partcolare della rcorreza

Dettagli

Le modalità con cui si esprime la grandezza Ysaranno:

Le modalità con cui si esprime la grandezza Ysaranno: Statsta Bvarata Cosderamo ora l aso d ua o pù arattersthe qualtatve e quattatve rferte ad ua determata utà statsta. Ad esempo, predamo u dvduo estratto da ua erta popolazoe e osderamoe l altezza, l olore

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA COSIDERAZIOI PRELIMIARI SULLA STATISTICA La Statstca trae suo rsultat dall osservazoe de feome che c crcodao. Gl stess feome per essere oggetto d statstca devoo essere adeguatamete umeros modo tale che

Dettagli

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo. È molto raro che u compoete meccaco sa sollectato a fatca da u carco cclco ad ampezza costate. Geeralmete sa l ampezza che l valore medo della sollectazoe soo varabl el tempo. max a a max m m m m Tempo

Dettagli

Manuale di Estimo Vittorio Gallerani, Giacomo Zanni, Davide Viaggi Copyright 2004 The McGraw-Hill Companies srl

Manuale di Estimo Vittorio Gallerani, Giacomo Zanni, Davide Viaggi Copyright 2004 The McGraw-Hill Companies srl Mauale d Estmo ttoro Gallera, Gacomo Za, Davde agg Copyrght 24 The McGraw-Hll Compaes srl Caso 5 Stma d u agrumeto d 3 ha ubcato ella paa d Cataa. 1. Cofermeto dell carco e uesto d stma... 2 2. Descrzoe

Dettagli

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 5 Febbrao 00. Dott. Mrko Bevlacqua ESERCIZIO N A partre dalla dstrbuzoe semplce del carattere peso rlevata su 0 studet del corso d Mcroecooma peso: { 4, 59, 65,

Dettagli

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1 Facoltà d Ecooma - STATISTICA - Corso d Recupero a.a. 2012-13 Prof.ssa G. Balsamo CONCETTI d BASE Carattere X [o A ] caratterstca quattatva [o qualtatva] rappresetatva d u feomeo sottoposto ad dage Popolazoe

Dettagli

Variabili casuali ( ) 1 2 n

Variabili casuali ( ) 1 2 n Varabl casual &. Valore edo. Data ua varable casuale = ( x,x 2, K,x ) (.) cu valor assuoo le rspettve probabltà P = p,p, K,p (.2) s defsce valore edo la quattà ( ) 2 = [ ] T M = M = P = xp (.3) Sgfcato:

Dettagli