Analisi dei flussi 182
|
|
- Salvatore Verde
- 8 anni fa
- Visualizzazioni
Transcript
1 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82
2 Programmazone e Controllo Teora delle Code Erlang, 97 s propone d svluppare modell per lo studo de fenomen d attesa che s possono manfestare n presenza d una domanda d un servzo Quando la domanda stessa e/o la capactà d erogazone del servzo sono soggett ad aleatoretà, s possono nfatt verfcare stuazon temporanee n cu ch fornsce l servzo non ha la possbltà d soddsfare mmedatamente le rcheste. Trova applcazone nel settore ndustrale e de servz Dal punto d vsta fsco un sstema coda è un sstema composto da un nseme non vuoto d servtor, capac d fornre un servzo mprecsato, e da un nseme non vuoto d aree d attesa (buffer) capac d accoglere clent che non possono essere servt mmedatamente. I clent che non trovano un servtore lbero al loro arrvo s dspongono n modo ordnato, coè n coda, e vengono servt n accordo a determnate dscplne d servzo. Dal punto d vsta dnamco una coda è costtuta essenzalmente da due process stocastc: l processo d'arrvo de clent e l processo d servzo. Anals de fluss 83
3 Programmazone e Controllo Anals de fluss 84
4 Programmazone e Controllo Gl element che permettono d defnre completamente l fenomeno d attesa sono: la popolazone de clent l processo d'arrvo la coda (n senso stretto) servtor l processo d servzo la dscplna d servzo. Anals de fluss 85
5 Programmazone e Controllo la popolazone de clent l processo d'arrvo la coda (n senso stretto) servtor l processo d servzo la dscplna d servzo. La popolazone è l nseme da cu arrvano clent e a cu tornano dopo essere stat servt. Essa può essere fnta o nfnta. In ambente manfatturero spesso le part per essere lavorate devono essere poste su opportun pallet. Il processo d arrvo, che descrve l modo secondo cu clent s presentano, è n generale un processo stocastco. Esso è defnto n termn della dstrbuzone dell'ntertempo d'arrvo, coè dell'ntervallo d tempo che ntercorre tra l'arrvo d due clent successv. Per ottenere modell analtcamente trattabl d solto s assume che sa l processo d arrvo che quello d servzo sano stazonar, ovvero che le loro propretà statstche non varno nel tempo. Tale assunzone n cert ambt può essere molto lmtatva Anals de fluss 86
6 Programmazone e Controllo la popolazone de clent l processo d'arrvo la coda (n senso stretto) servtor l processo d servzo la dscplna d servzo. La coda (n senso stretto) è formata da clent present nel buffer n attesa d essere servt. La capactà del buffer può essere nfnta o fnta. Nel caso n cu è fnta essa lmta d conseguenza la capactà del sstema, coè l numero de clent n attesa nel buffer pù quell che correntemente sono servt. I clent che arrvano dopo che sa saturata quest'ultma capactà sono respnt. I servtor sono n numero noto e costante fssato a lvello d progetto. Usualmente ess hanno caratterstche dentche, possono sempre lavorare n parallelo, vceversa non possono ma rmanere nattv n presenza d clent n coda. Anche se v sono pù servtor n una coda, n generale, s assume l'esstenza d un unco buffer comune, quando nfatt ogn servtore ha l suo buffer separato s prefersce pensare ad un nseme d code. Può però essere comodo ntrodurre, almeno logcamente, pù buffer n presenza d clent provenent da popolazon dverse. Anals de fluss 87
7 Programmazone e Controllo la popolazone de clent l processo d'arrvo la coda (n senso stretto) servtor l processo d servzo la dscplna d servzo. Il processo de servz descrve l modo secondo cu cascun servtore eroga l servzo. Esso è defnto n termn delle dstrbuzon de temp d servzo de dvers servtor. Il processo de servz è almentato dal processo d'arrvo. Il processo d'arrvo è ndpendente e condzona l processo de servz. Un clente, nfatt, può essere servto solo se è gà arrvato. Quando non c è nessuno, l servtore è nattvo e qund non può avvantaggars n vsta d'mpegn futur. Non può esstere una coda negatva. La dscplna d servzo specfca quale sarà l prossmo clente servto fra quell n attesa al momento n cu s lbera un servtore. Le dscplne d servzo usualmente consderate, poché sa molto comun nella realtà che matematcamente trattabl, sono: servzo n ordne d arrvo FCFS (frst-come frst-served) o FIFO (frst-n frst-out), servzo n ordne nverso d arrvo LCFS (lastcome frst-served) o LIFO (last-n frst-out), servzo n ordne casuale SIRO (servce n random order), servzo basato su class d prortà Anals de fluss 88
8 Programmazone e Controllo La notazone d Kendall numero d servtor dmensone della popolazone sorgente dstrbuzone degl ntertemp d'arrvo A / B/ c /K/m /Z la dscplna d servzo (default: FCFS) dstrbuzone de temp d servzo capactà massma del sstema In partcolare ad A e B possono essere sosttute le seguent lettere: M : dstrbuzone esponenzale (Markovana) D : dstrbuzone costante (Degenere) Ek : dstrbuzone d Erlang d ordne k G : dstrbuzone generca GI : dstrbuzone generca d event ndpendent (per gl arrv) Esempo: M/M/ sta per M/M// / /FCFS coda con processo degl arrv e de servz markovan, un servtore, capactà del sstema nfnta e arrv provenent da una popolazone nfnta che vengono servt su base FCFS. Anals de fluss 89
9 Programmazone e Controllo la Teora delle Code ndvdua alcun ndc d prestazone drettamente legat a cost che, quando valgono alcune potes, sono faclmente calcolabl: L s : numero medo d clent nel sstema (sa n attesa d servzo e che rcevent servzo); L q : numero medo d clent n attesa d servzo; W s : tempo d attesa medo de clent nel sstema (sa n attesa d servzo e che rcevent servzo); W q : tempo d'attesa medo de clent prma d essere servt; p n : probabltà che v sano a regme n clent nel sstema; ρ: fattore d utlzzazone de servtor (rapporto tra tempo mpegato n servzo e tempo dsponble complessvo). Anals de fluss 90
10 Programmazone e Controllo CODA D / D / Gl stant d arrvo de clent ed temp d espletamento de servz rchest sono not a pror. Se la dscplna d servzo è FCFS, per ogn clente, l stante d uscta dal sstema è dato dalla somma del suo tempo d servzo e del massmo tra l suo stante d arrvo e l stante d uscta del clente precedente. a(): stante d arrvo del clente s(): durata del servzo del clente x(): stante d uscta dal sstema del clente w(): tempo d attesa del clente Posto x(0) = 0, s ottene n(t): numero d persone nel sstema all stante t x() = s() + max{x(-), a()} =,2,3,... w() = x() - s() - a() =,2,3,... Qund, per calcolare l numero d clent nel sstema all stante t, basta contare l numero d valor d clent per cu a() t < x(), dal momento che un clente è nel sstema nell stante n cu entra, non v è pù nell stante n cu esce. Il caso totalmente determnstco è però dffcle che occorra nella realtà. Anals de fluss 9
11 Programmazone e Controllo Ne cas pratc s possono trovare code con ntertemp d'arrvo de clent e temp d servzo soggett a dstrbuzon probablstche d quas qualunque tpo. Tra le tante, la dstrbuzone esponenzale è forse quella che trova maggore applcazone e che noltre presenta mglore trattabltà dal punto d vsta matematco. X ha dstrbuzone esponenzale con parametro > 0 quando la sua denstà p(x) è: E[x]=/ Var[x]=/ 2 - la probabltà un evento occorra n un ntervallo d tempo nfntesmo dx è proporzonale a dx, con come costante d proporzonaltà - la probabltà d avere pù d un evento n un ntervallo d tempo nfntesmo dx è nulla; - la probabltà che l prossmo evento rtard oltre un dato lmte non dpende da quanto tempo s è verfcato l evento precedente. Il processo non deve avere qund memora (propretà markovana). La mancanza d memora della dstrbuzone esponenzale rende la stessa ragonevole per modellare gl nter-temp d'arrvo che non sano correlat, coè tal per cu l'arrvo d un clente non favorsca o sfavorsca altr arrv Anals de fluss 92
12 Programmazone e Controllo Processo d Posson Quando gl ntertemp sono esponenzal l numero d event N(t) che s verfca n un dato tempo t è un processo d Posson: E[x]= t Ove esprme l n medo d event nell untà d tempo la frequenza meda. Anals de fluss 93
13 Programmazone e Controllo Processo d nascte - mort N(t) numero d element d una popolazone che può aumentare, per effetto d una nascta, o dmnure, per effetto d una morte, d un untà alla volta 0 2 n- 0 2 n μ μ 2 μ 3 μ n p n (t) valore della probabltà che al tempo t l processo nascte-mort s trov nello stato n probabltà che al tempo t sano n vta n persone sstema d equazon dfferenzal Anals de fluss 94
14 Programmazone e Controllo t l tasso delle mort supera l tasso delle nascte processo stazonaro le sue propretà statstche non varano pù nel tempo l sstema d equazon dfferenzal dventa un sstema d equazon lnear omogeneo Soluzone: Osservazone: Da quest rsultat è possble rcavare le dstrbuzon d probabltà d tutte le code possonane (M/M/ ) Anals de fluss 95
15 Programmazone e Controllo CODA M / M / La coda M/M/ può essere consderata un processo nascte - mort con: Una coda M/M/ è fscamente composta da un buffer e da un solo servtore; n essa l ntertempo tra due arrv successv e l tempo d servzo sono due varabl aleatore markovane, coè con dstrbuzone esponenzale. Il tasso medo d nterarrvo e l tasso medo d servzo sono usualmente ndcat con e µ fattore d utlzzazone esprme l rapporto tra l tempo medo d servzo e l tempo medo tra due arrv. p 0 esste se e solo se ρ < condzone d stabltà Anals de fluss 96
16 Programmazone e Controllo tasso d occupazone del servtore ρ = -p 0 frazone d tempo n cu l servtore lavora La probabltà che c sa almeno un clente nel sstema numero medo d ngress durante un servzo. Una volta note le probabltà p n possono essere calcolat valor delle altre grandezze d'nteresse. numero medo d clent nel sstema varanza numero medo d clent n attesa Lq = Ls [n. medo d clent correntemente servt] = Ls ρ = ρ 2 / (-ρ) Anals de fluss 97
17 Programmazone e Controllo formula d Lttle: Se una coda è stable, qualunque essa sa, n meda devono uscre dal sstema tant clent quant entrano. tempo meda d attesa de clent nel sstema tempo medo d attesa n coda Anals de fluss 98
18 Programmazone e Controllo Fattore d utlzzazone ρ aumenta Cresce l occupazone del servtore Aumenta la permanenza meda Cresce numero medo de clent nel sstema Cresce l numero medo e l tempo medo de clent n attesa ρ aumenta maggore arrvo d clent utlzzo d servtor meno veloc maggore utlzzazone delle rsorse dsponbl mnore costo d acqusto delle rsorse mpegate Anals de fluss 99
19 Programmazone e Controllo CODE M / M / s s servtor n parallelo cascuno con tasso d servzo µ per le propretà dell esponenzale: Il fattore d utlzzazone vale ρ = / (sμ): Coda M / M / n cu v sono nfnt servtor ne self-servce: ogn clente serve se stesso. Anals de fluss 200
20 Programmazone e Controllo CODE M / M / / K La coda M/M//K ha capactà fnta Κ nel sstema non possono essere present pù d K clent La coda M/M//K è sempre stable per defnzone s s tasso d ngresso effettvo: Anals de fluss 20
21 Programmazone e Controllo Programmazone e Controllo Anals de fluss 202 CODE M / M / / K / N ha capactà fnta Ν ma anche popolazone fnta Ν è sempre stable s s s tasso d ngresso effettvo: ) ( ) ( ' s N n n N n n N n n n L N np p N p n N = = = = = = N N
22 Programmazone e Controllo CODE M / G / ha arrv possonan, ma temp d servzo qualunque, purché ndpendent e omogene (con la stessa dstrbuzone), con meda / µ e varanza σ 2 note condzone d stazonaretà formula d Pollaczek-Khntchne) varanza del tempo d servzo L q cresce con σ e qund un servtore regolare ha prestazon mglor Anals de fluss 203
23 Programmazone e Controllo CODE M / D / arrv possonan e tempo d servzo costante è un caso partcolare d M/G/ con σ=0 la formula d Pollaczek - Khntchne s rduce a: La varanza del tempo d servzo è 0 per M/D/ mentre è /µ 2 per M/M/. Il numero medo de clent n attesa d servzo è per una coda M/D/ la metà che per M/M/. Anals de fluss 204
24 Programmazone e Controllo CODE M / E k / è utlzzata per modellare cas ntermed n cu, oltre che la meda e la varanza, è nota anche la forma della dstrbuzone degl ntertemp d servzo. dstrbuzone d Erlang d ordne k dove k è un ntero postvo ed è detto fattore d forma La dstrbuzone d Erlang d ordne k ha meda / µ e varanza / kµ 2. E k è qund una varable aleatora non negatva che dpende da due parametr: µ e k dove µ determna la meda k determna la varanza. La somma d k varabl aleatore ndpendent esponenzal cascuna con meda / kµ: T = T + T T k è una v.a. con dstrbuzone d Erlang d ordne k e parametr µ e k. per k che tende all'nfnto la dstrbuzone d Erlang tende alla a dventare la dstrbuzone normale Anals de fluss 205
25 Programmazone e Controllo la dstrbuzone d Erlang può essere nterpretata come la dstrbuzone del tempo d servzo d un sstema n cu v sano k servtor esponenzal n sere, n cu però l prmo servtore non può nzare un nuovo servzo se l'ultmo non ha concluso l propro Anals de fluss 206
26 Programmazone e Controllo CODE M / H R / è utlzzata quando le varanze de temp d servzo sono maggor d /µ2 dstrbuzone peresponenzale d ordne R può essere nterpretata come la dstrbuzone del tempo d servzo d un sstema n cu v sano R servtor esponenzal con prestazon dfferent Il clente scegle con probabltà α servtore l -mo un clente non può nzare ad essere servto prma che l clente che lo precedeva non sa uscto dal sstema servtor sono n parallelo ma non possono lavorare contemporaneamente Anals de fluss 207
27 Programmazone e Controllo varanza del tempo d servzo Pollaczek - Khntchne Anals de fluss 208
28 Programmazone e Controllo Anals de fluss produttv Qual è la capactà produttva del mo sstema? (Macchna, lnea, mpanto, processo) Sstema a cadenza costante n ngresso: μ C pot = 300s / pz T max = = 2 pz / h C 750 = 750 = 350 = 5 5 = 350s / / pz pezzo μ eff eff 750 = = 350s / pz = = 0.3pz / h 350 Sstema a cadenza stocastca n ngresso: μ C pot = 300s / pz T max = = 2 pz / h μ C 750 = = = 350s / pezzo eff eff 750 = = 437.5s / pz 4 = = 8.3pz / h -9.4% Anals de fluss 209
29 Programmazone e Controllo Anals d un centro d lavorazone n cu pezz arrvano a lott e partono a lott Spessssmo nell ndustra manfatturera, l problema del trasporto de pezz fa sì che non sa convenente spostare un pezzo alla volta Trasporto a lott b dmensone del lotto ρ = μ b b = μ ρ L s = b ρ W s = b μ ρ Numero d pezz nel sstema Tempo d attraversamento Anals de fluss 20
30 Programmazone e Controllo Anals d un centro d lavorazone n cu pezz arrvano a lott e partono sngolarmente Grafo degl stat: 0 μ μ 2 b μ b+ μ b+2 n μ p ( 2) = ( + μ) p( ) Eq. D blanco per l nodo ρ + b L s = ρ 2 + b W s = μ ρ 2 È evdente che è sempre pù favorevole rspetto a prma per b > Anals de fluss 2
31 Programmazone e Controllo Ret d Code Nelle ret d Jackson ad ogn coda è assocato un nseme d probabltà tempo nvarant, una per ogn altra coda del sstema e una per l'unverso esterno. In base a tal probabltà ogn clente, una volta termnato l servzo n una coda, è ndrzzato o fuor dal sstema o verso un'altra coda. la generca coda -ma osserva un processo d'arrvo d clent possonano d parametro tasso d arrv alla coda de clent che provengono dall'esterno del sstema probabltà che un clente n uscta dalla coda j-ma sa ndrzzato verso la coda -ma tasso complessvo d arrvo de clent alla coda j-ma Anals de fluss 22
32 Programmazone e Controllo Conservazone de fluss In una rete d code dal comportamento stable, fluss s conservano sa consderando l ntero sstema che ogn sotto sstema uscta ngresso X = I M uscta Probabltà d nstradamento X j M 2 M 3 M X M e = + j= I p X = j j X M j Flusso entrante dall esterno EQUAZIONI DI FLUSSO Verfcando che ogn pezzo deve andare da qualche parte: M j= p j + p uscta, j = Anals de fluss 23
33 Programmazone e Controllo Caso nteressante e frequente: un solo ngresso dall esterno ES: Tutta la merce che entra dall esterno deve passare per l montaggo su support M X j M X j M 2 M 2 M 3 M X M 3 M X M j M j Sstema d equazon lnear: M X = + p j= j X j X M = p j= j X j Dato e le probabltà d nstradamento ho una soluzone unca se esprmo: N d volte che un pezzo passa sotto la macchna X = V Anals de fluss 24
34 Programmazone e Controllo M V = + p M j= j= V = pjv j jv j Sstema d equazon d blancamento de fluss personalzzate per un solo ngresso nel sstema ESEMPIO: p probabltà che l pezzo debba essere rlavorato μ V = + pv V = p Anals de fluss 25
35 Programmazone e Controllo CAPACITÀ DEL SISTEMA Posso defnre l utlzzo della rsorsa -esma X = M V ρ = X μ S X X V = S μ S μ Numero d servtor Nessuna macchna può superare la capactà massma teorca ρ < V < S μ È un sstema d dsequazon Il massmo possble per l mo centro d lavoro è: È la CAPACITÀ MASSIMA = mn S μ V L elemento connesso con questo numero è l collo d bottgla Anals de fluss 26
36 Programmazone e Controllo DIMENSIONAMENTO DEL SISTEMA PRODUTTIVO Supponamo ora d voler produrre con una capactà d: X * < Allora: X * S μ < mn V S μ X * V Condzon affnché o possa produrre con quella capactà ESEMPIO: SISTEMA DI TRASPORTO μ 2 MACCHINA 2 Dmensonare l numero d carrell not: MACCHINA μ μ T X* = 0.6 pz/mn μ = μ 2 = pz/mn μ T = /5 pz/mn V = V 2 = V T = V p + V 2 p 2 = + = 2 M: 0.6 M2: 0.6 T: S / S = 6 carrell Anals de fluss 27
37 Programmazone e Controllo Programmazone e Controllo Anals de fluss 28 = S V V S μ μ max mn Il mo scopo è quello d far dventare mnmo l denomnatore = S V Z μ mn max Questo valore è quello che m massmzza la produttvtà n base alle scelte mpantstche e d lnea qual passagg de pezz sulle macchne, l numero d servtor, e la capactà produttva massma de centr La CAPACITÀ MASSIMA sarà allora: = = S V Z μ mn max max MASSIMIZZAZIONE DELLA CAPACITÀ PRODUTTIVA
38 ESEMPIO: Programmazone e Controllo è una funzone della veloctà produttva μ: p μ Caso pù reale n cu la veloctà mpostata sulla macchna ncde sulla quanttà d pezz da rlavorare p = μ + μ 2 3 p Se la veloctà mpostata è molto bassa la dfettostà è quas nulla. Se aumentamo la veloctà la dfettostà aumenta fno all untà m Anals de fluss 29
39 Programmazone e Controllo Z V V mn max = mn S μ μ = = Z m Veloctà produttva della macchna cu corrsponde la massma produttvtà Capactà produttva massma Anals de fluss 220
40 Programmazone e Controllo Caso d macchne n parallelo p p 2 p 3 p 4 p n μ μ 2 μ 3 μ 4 μ n S dmostra che la probabltà d nstradamento ottma per ogn macchna è: Il numero d pezz n ngresso ad ogn macchna sarà proporzonale alla corrspondente probabltà d nstradamento: ottma p ( n pezz) = n μ = μ ottma p μ eq In questo caso allora l sstema è equvalente ad una sola macchna con: μ eq = n = μ Anals de fluss 22
Programmazione e Controllo della Produzione. Analisi dei flussi
Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe
DettagliCorso di Automazione Industriale 1. Capitolo 7
1 Corso d Automazone Industrale 1 Captolo 7 Teora delle code e delle ret d code Introduzone alla Teora delle Code La Teora delle Code s propone d svluppare modell per lo studo de fenomen d attesa che s
Dettagli3. Esercitazioni di Teoria delle code
3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come
DettagliStatistica 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:
DettagliDipartimento 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
DettagliRETI TELEMATICHE Lucidi delle Lezioni Capitolo VII
Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliTest delle ipotesi Parte 2
Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca
DettagliSoluzione esercizio Mountbatten
Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno
DettagliMinistero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA
Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model
Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un
DettagliControllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE
DettagliCapitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS
Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4
DettagliMacchine. 5 Esercitazione 5
ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt
DettagliModelli descrittivi, statistica e simulazione
Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone
DettagliCircuiti di ingresso differenziali
rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliAritmetica e architetture
Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone
DettagliEconomie di scala, concorrenza imperfetta e commercio internazionale
Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
DettagliLA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
DettagliTITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)
Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA
DettagliCondensatori e resistenze
Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere
DettagliLa retroazione negli amplificatori
La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9
DettagliStudio grafico-analitico di una funzioni reale in una variabile reale
Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della
DettagliA. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO
4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.
DettagliScelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri
Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme
DettagliCorso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita
Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)
DettagliLa regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente
Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliCAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI
Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )
DettagliCalcolo della caduta di tensione con il metodo vettoriale
Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta
DettagliOttimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO
Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per
DettagliAnalisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:
Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto
DettagliSTRATIGRAFIE PARTIZIONI VERTICALI
STRATIGRAFI PARTIZIONI VRTICALI 6. L solamento acustco: tecnche, calcol 2 Trasmssone rumor In edlza s possono dstnguere dfferent tp d rumor: rumor aere (vocare de vcn da altre untà abtatve, rumor provenent
DettagliVA TIR - TA - TAEG Introduzione
VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliLezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse
Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliEsercitazioni del corso: STATISTICA
A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA
DettagliTrigger di Schmitt. e +V t
CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della
DettagliStrutture deformabili torsionalmente: analisi in FaTA-E
Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo
DettagliAlgebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.
Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta del 1/6/06 Esercizio 1 Un sarto impiega un tempo aleatorio esponenziale a completare i suoi lavori. Mediamente gli servono 10 ore
DettagliIl diagramma PSICROMETRICO
Il dagramma PSICROMETRICO I dagramm pscrometrc vengono molto utlzzat nel dmensonamento degl mpant d condzonamento dell ara, n quanto consentono d determnare n modo facle e rapdo le grandezze d stato dell
DettagliPROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -
PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata
DettagliLa verifica delle ipotesi
La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:
Dettagli* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1
APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliRisoluzione quesiti I esonero 2011
Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca
DettagliModelli di variabili casuali
Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.
DettagliEsame di Statistica Corso di Laurea in Economia
Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste
DettagliNewsletter "Lean Production" Autore: Dott. Silvio Marzo
Il concetto d "Produzone Snella" (Lean Producton) s sta rapdamente mponendo come uno degl strument pù modern ed effcac per garantre alle azende la flessbltà e la compettvtà che l moderno mercato rchede.
DettagliLA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE
Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà
DettagliDipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014
Dpartmento d Economa Azendale e Stud Gusprvatstc Unverstà degl Stud d Bar Aldo Moro Corso d Macroeconoma 2014 1.Consderate l seguente grafco: LM Partà de tass d nteresse LM B A IS IS Y E E E Immagnate
DettagliProva di verifica n.0 Elettronica I (26/2/2015)
Proa d erfca n.0 lettronca I (26/2/2015) OUT he hfe + L OUT - Fgura 1 Con rfermento alla rete elettrca d Fg.1, determnare: OUT / OUT / la resstenza sta dal generatore ( V ) la resstenza sta dall uscta
DettagliCarla Seatzu, 18 Marzo 2008
8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliVerifica termoigrometrica delle pareti
Unverstà Medterranea d Reggo Calabra Facoltà d Archtettura Corso d Tecnca del Controllo Ambentale A.A. 2009-200 Verfca termogrometrca delle paret Prof. Marna Mstretta ANALISI IGROTERMICA DEGLI ELEMENTI
DettagliEsercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca
Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE
DettagliPOLITECNICO DI BARI - DICATECh Corso di Laurea in Ingegneria Ambientale e del Territorio IDRAULICA AMBIENTALE - A.A. 2015/2016 ESONERO 15/01/2016
POLITECNICO DI BARI - DICATECh Corso d Laurea n Ingegnera Ambentale e del Terrtoro IDRAULICA AMBIENTALE - A.A. 015/016 ESONERO 15/01/016 ESERCIZIO 1 S consder la rete aperta n fgura, nella quale le portate
DettagliCorrente elettrica e circuiti
Corrente elettrca e crcut Generator d forza elettromotrce Intenstà d corrente Legg d Ohm esstenza e resstvtà esstenze n sere e n parallelo Effetto termco della corrente Legg d Krchhoff Corrente elettrca
Dettagli{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo
Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d
DettagliPotenzialità degli impianti
Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliCapitolo 5. Analisi dei dati di output. 5.1 Analisi del transitorio
Captolo 5 Anals de dat d output Una fase essenzale d ogn studo d smulazone è l anals de rsultat della smulazone stessa. Supponamo d avere costruto l modello d un sstema e sano Y 1,Y 2,...,Ym dat d output
DettagliEconomia del Lavoro. Argomenti del corso
Economa del Lavoro Argoment del corso Studo del funzonamento del mercato del lavoro. In partcolare, l anals economca nerente l comportamento d: a) lavorator, b) mprese, c) sttuzon nel processo d determnazone
DettagliI MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE
Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un
DettagliCalibrazione. Lo strumento idealizzato
Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta
DettagliCalcolo delle Probabilità
alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.
DettagliStabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi
Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto
DettagliMODELLISTICA DI SISTEMI DINAMICI
CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t
DettagliSU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE
SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE GIOVANNI CRUPI, ANDREA DONATO SUMMARY. We characterze a set of
DettagliStatistica di Bose-Einstein
Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate
DettagliCAPITOLO 3 Incertezza di misura Pagina 26
CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone
DettagliCarla Seatzu, 18 Marzo Una coda è costituita da 3 componenti fondamentali: i serventi i clienti
7. Teora delle Code Una coda è costtuta da 3 coponent fondaental: servent clent Carla Seatzu, 8 Marzo 8 uno spazo n cu clent attendono d essere servt (coda d attesa). clent n arrvo coda d attesa serv.
DettagliPrincipi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive
Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal
DettagliMODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30).
ODELLO ONOINDICE Il rendmento d un ttolo uò essere scrtto come: R = a + β R (1) dove: R = rendmento dell -mo ttolo; a = comonente aleatora del rendmento, ndendente dall andamento del mercato; R = è varable
DettagliMatematica 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,
DettagliCARATTERISTICHE DEI SEGNALI RANDOM
CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:
DettagliRealizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli
Realzzazone d FSM sncrone M. Favall Engneerng Department n Ferrara Realzzazone d FSM Anals e sntes de sstem dgtal / Introduzone Realzzazone d FSM Anals e sntes de sstem dgtal 2 / Una volta ottenuto l automa
DettagliLa taratura degli strumenti di misura
La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure
DettagliMACROECONOMIA A.A. 2014/2015
MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost
DettagliAnalisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti
UNIVERSIA DEGLI SUDI DI CAGLIARI Facoltà d Ingegnera Elettronca Corso d Calcolo Numerco 1 A.A. 00/003 Anals e confronto tra metod d regolarzzazone drett per la rsoluzone d prolem dscret mal-post Docente:
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliGestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca
DettagliUniversità degli Studi di Urbino Facoltà di Economia
Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva
DettagliIntroduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12
Introduzone alla Programmazone e Applcazon per la Fnanza M2 (Prodott Dervat) Lezone 12 Anno accademco 2006-07 Ttolare corso: Prof. Costanza Torrcell Docente: Dott.ssa Maranna Brunett In partcolare mplementeremo:
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
DettagliTeoria delle code. Sistemi stazionari: M/M/1 M/M/1/K M/M/S
Teoria delle code Sistemi stazionari: M/M/1 M/M/1/K M/M/S Fabio Giammarinaro 04/03/2008 Sommario INTRODUZIONE... 3 Formule generali di e... 3 Leggi di Little... 3 Cosa cerchiamo... 3 Legame tra N e le
DettagliMcGraw-Hill. Tutti i diritti riservati. Caso 11
Caso Copyrght 2005 The Companes srl Stma d un area fabbrcable n zona ndustrale nella cttà d Ferrara. La stma è effettuata con crter della comparazone e quello del valore d trasformazone. Indce Confermento
DettagliCorso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.
Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano
DettagliFondamenti di Fisica Acustica
Fondament d Fsca Acustca Pro. Paolo Zazzn - DSSARR Archtettura Pescara Anals n requenza de segnal sonor, bande d ottava e terz d ottava. Rumore banco e rumore rosa. Lvello equvalente. Fsologa dell apparato
DettagliPrima prova di gruppo
Prma prova d gruppo Es. Una metodologa d anals produce fals postv nel 3% de cas e fals negatv nell % de cas. Calcolate quale è l esto pù probable (postvo o negatvo se due anals consecutve esegute sullo
DettagliEsercizi sulle reti elettriche in corrente continua (parte 2)
Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola
DettagliLeggere i dati da file
Esempo %soluzon d una equazone d secondo grado dsp('soluzon d a^+b+c') anput('damm l coeffcente a '); bnput('damm l coeffcente b '); cnput('damm l coeffcente c '); deltab^-4*a*c; f delta0 dsp('soluzon
Dettagli