Catene di Markov. Richiami teorici
|
|
- Lia Costantini
- 4 anni fa
- Visualizzazioni
Transcript
1 Catene di Marov Richiami teorici Pagina di 4
2 Alcune definizioni L insieme di tutti i possibili risultati di un esperimento è detto spazio degli eventi dell esperimento. Lo spazio si indica con Ω ed un suo elemento con ω. Se lo spazio degli stati è finito o è un infinità numerabile, allora (Ω, P) è detto spazio delle probabilità, avendo definito con P una misura di probabilità su Ω. Una variabile casuale è una funzione che mappa nell ambito dei numeri reali lo spazio Ω. Pagina di 4
3 Catena di Marov Si definisce una catena di Marov come un tipo di processo stocastico, cioè come una collezioni di variabili casuali, per cui valga la relazione Sapendo di trovarci nello stato i n- all istante n-, possiamo calcolare la probabilità di trovarci nello stato i n all istante successivo, quindi lo stato futuro è completamente indipendente dal passato. Pagina 3 di 4
4 Catena di Marov stazionaria Una catena di Marov è detta stazionaria o omogenea se la probabilità di andare da uno stato all altro è indipendente dall istante in cui avviene la transizione, cioè se risulta verificata la relazione Consideriamo ora uno spazio di stati finito S[,,...,n]. Per la catena di Marov relativa sono possibili n transizioni diverse. Pagina 4 di 4
5 Catena di Marov stazionaria (cont.) Esse possono quindi essere rappresentate su una matrice n x n, detta matrice delle probabilità di transizione. Essa soddisfa le seguenti proprietà: p n ij i p ij Una matrice che soddisfi le succitate condizioni è detta matrice stocastica. La matrice di transizione contiene tutte le informazioni necessarie per descrivere le tran-sizioni fra stati della catena. Pagina 5 di 4
6 Vettore di equilibrio Supponiamo di voler sapere dove si trovi il processo ad un dato istante t. Per far ciò, oltre alla matrice di transizione P, dovremo conoscere anche le condizioni iniziali della catena. Esse costituiranno un vettore tale per cui si abbia n i α i α i Pagina 6 di 4
7 Vettore di equilibrio (cont.) A questo punto, per sapere lo stato del sistema all istante t, basterà calcolare il vettore α t α P n Può accadere, ed è questo il caso più interessante, che a n converga, per n tendente ad infinito, ad un vettore a, detto vettore di equilibrio. Pagina 7 di 4
8 Esempio di catena di Marov Consideriamo il caso di un topolino posto al centro di un labirinto dal quale esso cerchi di uscire e si supponga che, ad ogni istante, il topolino possa decidere di andare in una qualsiasi delle principali quattro direzioni con pari probabilità. Il processo stocastico a cui ci troviamo davanti è una catena di Marov, infatti la probabilità di trovare il topolino nella stanza i n all istante n dipende solo ed esclusivamente dalla posizione i n- all istante n-. Pagina 8 di 4
9 Closed set e stato assorbente Un closed set è un insieme C S, dove S è l insieme degli stati, tale per cui valga la relazione p i i C, C Uno stato assorbente, invece, è un closed set C tale per cui #C Pagina 9 di 4
10 Esempio di closed set e stato assorbente Sia data la catena di Marov M(S,P) S {,, 3, 4, 5} P / / / 3 / / 6 Pagina di 4
11 Pagina di 4 Esempio di closed set e stato assorbente (cont.) In questo caso avremo C {,4} C {3} C è uno stato assorbente. 6 / 3 / / / / / 3 / / / / 5 4 3
12 Catena di Marov a tempo discreto Una catena di Marov a tempo discreto è un automa non deterministico ai cui stati di partenza e di arrivo è associata una probabilità. X {x, x,..., x n }, n Z + x(t) : stato assunto dall automa al tempo t; Pr{x(t) x i } : probabilità che al tempo t l automa si trovi nello stato x i. Pagina di 4
13 Catena di Marov a tempo continuo Una catena di Marov a tempo continuo è definita come: M(X, P(t)) t R + dove gli stati x,..., x n X sono variabili casuali tali che, dato un intervallo t sufficientemente piccolo, valga l assenza di memoria della catena, cioè sia verificata la seguente relazione: Pr{x(t+ t) x i x(τ) x τ, τ R +, τ t} Pr{x(t+ t) x i x(t) x t } Pagina 3 di 4
14 Processi di nascita-morte Consideriamo delle catene di Marov a tempo continuo per cui le frequenze di transizioni siano tali che q ij se i-j Tali processi sono detti processi di nascitamorte. In tali processi sono possibili solamente due transizioni dallo stato n-esimo q n,n+ n q n,n- n da cui si deduce q n,n -( n + n ) Pagina 4 di 4
15 Processi di nascita-morte (cont.) ( ) lim p esiste ed è indipendente da i t ij t j Svolgendo i conti si arriva ad avere n+ n ossia n n perciò n n+ n n n Pagina 5 di 4
16 Processi di nascita-morte (cont.) Se converge, avremo che + j + Pagina 6 di 4
17 Processi di nascita-morte (cont.) Valendo tale ipotesi, potremo calcolare, dove tali termini sono i valori del vettore d equilibrio. Se la sommatoria non converge, avremo... In generale un processo è di nascita-morte se soddisfa le seguenti condizioni: è un processo continuo (S{,,...}; dallo stato n allo stato n+ il tempo di attesa è una distribuzione esponenziale con parametro n ; Pagina 7 di 4
18 Processi di nascita-morte (cont.) dallo stato n allo stato n- il tempo d attesa è una distribuzione esponenziale con parametro n ; le distribuzioni dei punti precedenti sono indipendenti. Pagina 8 di 4
19 Processi di sola nascita Sia X t un processo nascita-morte in cui n > per n n per n Esso viene denominato processo di sola nascita. Per tale processo non esiste vettore delle probabilità di equilibrio (vedi teoria). Se n avremo un processo di Poisson di parametro. Pagina 9 di 4
20 Esercizi risolti Pagina di 4
21 Es.. Sia X t un processo di nascita-morte nel quale n per n,,,... n n per n,, 3,... Calcolare il vettore delle probabilità di equilibrio. N. B. Si ricordi che è sempre valida l assunzione - Pagina di 4
22 Pagina di 4 Es.. - soluzione Dalla convergenza di tale serie si ottiene ( ) ! e e n e e e n!...
23 Es.. Sia X r un processo di nascita-morte nel quale n (n+) n n n n Calcolare il vettore delle probabilità di equilibrio. Pagina 3 di 4
24 Es.. - soluzione Ricordiamo il valore di. i + i i+ Nel nostro caso la sommatoria si riduce a [( ) ] [( ) ] Tale serie è una di quelle note e si sa che essa converge se e solo se Pagina 4 di 4
25 Pagina 5 di 4 Es.. - soluzione (cont.) ossia il tasso di mortalità deve essere maggiore di quello di natalità. < i i i
26 Pagina 6 di 4 Es.. - soluzione (cont.)... n n
27 Es..3 Si consideri l arrivo di clienti ad un servizio con M sportelli regolato da un processo di Poisson con parametro 6 (cioè con 6 arrivi al minuto). La disciplina della coda è una FIFO. Si assuma che i tempi di servizio siano indipendenti e distribuiti esponenzialmente con valor medio di /3 al minuto. ) Qual è il numero minimo di sportelli necessari a garantire che non si crei una coda infinita? ) Indicato con N t il numero di utenti presenti nel sistema, Pagina 7 di 4
28 Es..3 (cont.) cioè la somma degli utenti in coda e degli utenti che stanno ricevendo il servizio, al tempo t, posto M4 e che il comportamento degli utenti è il seguente: N t 4 l utente si ferma; N t 5 l utente si ferma con probabilità.5; N t 6 l utente va via calcolare il vettore delle probabilità di equilibrio. Pagina 8 di 4
29 Es..3 - soluzione ) L esempio descrive un processo di nascita-morte con n 6 ; 3 M 3M > M infatti per M il servizio ha sempre uno sportello libero ed un cliente verrà servito non appena arriva, mentre se > M il servizio è saturo ed il cliente in arrivo deve andare in coda. Imponiamo ora che la coda non diventi infinita, cioè che converga la sommatoria Pagina 9 di 4
30 Es..3 - soluzione (cont.) Ciò vuol dire che + 6 3M < M cioè 3M > 6 e, quindi, Pagina 3 di 4
31 Es..3 - soluzione (cont.) M > che è equivalente alla condizione M 3 Dalla condizione appena trovata che il minimo numero di sportelli deve essere 3. ) Il comportamento che la coda assume è il seguente: i 6 3 i i i Pagina 3 di 4
32 Es..3 - soluzione (cont.) 3 4 > 4 si ottiene dalla relazione mentre gli altri valori del vettore delle probabilità di equilibrio si deducono dall espressione + + Pagina 3 di 4
33 Es..3 - soluzione (cont.) n+ n n+ n Le soluzioni saranno dunque Pagina 33 di
34 Es..4 Una compagnia di taxi ha un tecnico che ripara i serbatoi di benzina dei taxi. Si assuma che il tempo di attesa (in giorni) tra due rotture di una pompa sia esponenzialmente distribuito con parametro /3, cioè si supponga che passino 3 giorni tra due rotture. Si assuma, inoltre, che il tempo di attesa per un guasto ad un taxi sia distribuito esponenzialmente e tale tempo di attesa sia /4 di giorno Si sa, infine, che la compagnia possiede taxi. Calcolare il vettore delle probabilità di equilibrio del Pagina 34 di 4
35 Es..4 (cont.) processo X t, dove X t rappresenta il numero di macchine col serbatoio rotto. Pagina 35 di 4
36 Es..4 - soluzione Per il processo da noi considerato una nascita corrisponde ad una rottura di un serbatoio, mentre una morte alla sua avvenuta riparazione. Utilizzando come unità di misura per il tempo i giorni, avremo n n+ n 3 n 4 n [,] [,] Il vettore delle probabilità di equilibrio esiste perchè converge la serie Pagina 36 di 4
37 Es..4 - soluzione (cont.) essendo n, n [, ], per cui essa si riduce a n+ n n+ n Pagina 37 di 4
38 Es..5 Si consideri un negozio di barbiere con due barbieri. I tempi di servizio sono indipendenti ed identicamente distribuiti (in minuti) con parametro / (cioè devo aspettare minuti), quando ci sono al massimo clienti e /5 se ci sono tre clienti o più. Si assuma che i clienti arrivino secondo un processo di Poisson con parametro / quando ci sono al massimo due clienti e con parametro /3 se ce ne sono 3 o più. Sia X t il numero di clienti nel negozio al tempo t. Calcolare il vettore delle probabilità di equilibrio. Pagina 38 di 4
39 Es..5 - soluzione Se indico con il numero di clienti, ho 3 5 > > Pagina 39 di 4
40 Es..5 - soluzione (cont.) Pagina 4 di 4
41 Es..5 - soluzione (cont.) Pagina 4 di 4
Catene di Markov a tempo continuo. Richiami teorici
Catene di Marov a tempo continuo Richiami teorici Pagina di 55 Data ultima revisione 2/5/ Definizione di catena di Marov a Una catena di Marov a è definita come: M(X, P(t)) t R + dove gli stati x,...,
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO CONTINUE Definizioni Sia dato un processo stocastico x(t) che può assumere valori discreti appartenenti ad un insieme se accade che il processo è una catena
DettagliUniversità di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori, AA 2012/13. Catene di Markov
Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Frequenza dei guasti: N GUASTI 0 T N T 0 T! Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Campionando
DettagliNote sulle Catene di Markov
Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo
DettagliSISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X
CATENE DI MARKOV SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X X X 0 T 0 T! Δ 0, 1,, 0 Δ 1 Δ Δ 1Δ Δ Δ ESEMPIO: I GUASTI (Ipotesi
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2016/17 Processi stocastici e analisi di serie temporali
Corso di Laurea Magistrale in Ingegneria Informatica A.A. 206/7 Processi stocastici e analisi di serie temporali PROVA DI ESONERO SUI PROCESSI DI MARKOV DEL 6 DICEMBRE 206 Punteggi: : + + 4 2; 2: 2 5;
Dettagliλ è detto intensità e rappresenta il numero di eventi che si
ESERCITAZIONE N 1 STUDIO DI UN SISTEMA DI CODA M/M/1 1. Introduzione Per poter studiare un sistema di coda occorre necessariamente simulare gli arrivi, le partenze e i tempi di ingresso nel sistema e di
Dettaglidi transizione p n,m ( t) = P N(t + t) = m N(t) = n.
PROCESSI DI NASCITA E MORTE 33 14 PROCESSI DI NASCITA E MORTE Molti sistemi a coda possono essere ben rappresentati mediante i cosiddetti processi di nascita e morte che sono importanti processi in teoria
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica 69AA) A.A. 06/7 - Prima prova in itinere 07-0-03 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.
DettagliModelli a code d attesa dei sistemi operativi
Definizioni Preliminari Topologie Tandem (1 dispositivo I/O Tandem (2 dispositivi I/O) Coda chiusa Coda aperta Definizioni Preliminari variabili aleatorie: il risultato di un esperimento dall esito incerto
Dettagliarrivi in un tempo t è pari a λ*t, come si può ricavare dalla media su k della distribuzione di Poisson :
Sistema di coda ad un canale con arrivi poissoniani e tempi di servizio esponenziali. Si può dimostrare che assumere il tasso degli arrivi costante e pari a equivale ad assumere per gli intervalli fra
DettagliTeoria delle File di Attesa
Teoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi. Esempi: Studenti agli sportelli della segreteria Utenti di un centro
DettagliLa teoria delle code
La teoria delle code 3 marzo 205 Ing. foglietta.chiara@gmail.com Università degli Studi di Cassino e del Lazio Meridionale Agenda Reti di Aperte Reti di Aperte Sistema M/M/ I 2 Reti di Aperte Una coda
DettagliUna variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).
VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una
DettagliVETTORI DI VARIABILI ALEATORIE
VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla
DettagliCorsi di Probabilità ecc., per Ing. dell Automazione, Informatica e Inf.Gest.Azienda, 17/9/2011. B 0 0 a=3 b=3 0 0 b=3 a=3 0 A : 0 b=3 0 0 a=3
Corsi di Probabilità ecc., per Ing. dell Automazione, Informatica e Inf.Gest.Azienda, 7/9/ mjx j Esercizio. Si consideri la funzione f (x) = C jx j e i) Stabilire per quali valori di m e di C è una densità
DettagliCorso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (455AA) A.A. 2018/19 - Esercitazione
Corso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (55AA) A.A. 28/9 - Esercitazione 28--9 La durata della prova è di due ore e mezzo. Le risposte devono essere
Dettagli1.4.2 Proprietà di Markov. Catene di Markov a tempo continuo
PROCESSI DI NASCITA E MORTE 35 14 PROCESSI DI NASCITA E MORTE Molti sistemi a coda possono essere ben rappresentati mediante i cosiddetti processi di nascita e morte che sono importanti processi in teoria
DettagliBrevi richiami su variabili aleatorie e processi stocastici
Appendice Parte 9, 1 Brevi richiami su variabili aleatorie e processi stocastici Richiami di teoria della probabilita` Appendice Parte 9, 2 Esperimento casuale: analisi degli elementi caratteristici dei
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Processi di Poisson Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Consideriamo eventi casuali come gli arrivi di lavori
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
Dettagli5. Catene di Markov a tempo discreto (CMTD)
5. Catene di Markov a tempo discreto (CMTD) Carla Seatzu, 8 Marzo 2008 Definizione: CATENA Le catene sono p.s. in cui lo stato è discreto : X{x,x 2, }. L insieme X può essere sia finito sia infinito numerabile.
DettagliPROBABILITA E STATISTICA Docente: Bruno Gobbi
UNIVERSITA DEGLI STUDI DI VERONA PROBABILITA E STATISTICA Docente: Bruno Gobbi LE VARIABILI CASUALI DISCRETE VARIABILE CASUALE - DEFINIZIONE Si definisce Variabile Casuale una grandezza che, associata
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE PROCESSI DI POISSON Definizione Un processo stocastico che assume valori interi non negativi si dice essere un processo di Poisson con frequenza λ se 1. A(t) è un prosesso di
DettagliPROCESSI DI POISSON. Corso di Tecniche di Simulazione, a.a. 2005/2006. Francesca Mazzia. Dipartimento di Matematica Università di Bari.
PROCESSI DI POISSON Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 17 Aprile 2006 Francesca Mazzia (Univ. Bari) PROCESSI DI POISSON 17/04/2006
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/01/2009
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/01/2009 Esercizio 1 (20 punti). Esaminiamo il controllo passaporti in un aeroporto in entrata per gli Stati Uniti, controllo
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione Prova scritta 12/6/2010
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta /6/00 Nota. E obbligatorio sia scegliere le risposte negli appositi spazi (numeriche, o le formule nali a seconda del caso), sia
DettagliProcessi di Markov. Processi di Markov
Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Un
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliVARIABILI CASUALI. Fino ad ora abbiamo definito:
VARIABILI CASUALI Fino ad ora abbiamo definito: Lo SPAZIO CAMPIONARIO Ω : Come totalità dei possibili risultati di un esperimento Gli EVENTI : Come sottoinsiemi dello spazio campionario La FUNZIONE DI
DettagliReti di Telecomunicazioni 1
Reti di Telecomunicazioni 1 AA2011/12 Sistemi a coda Blocco E2 Ing. Francesco Zampognaro e-mail: zampognaro@ing.uniroma2.it Lucidi Prof. Stefano Salsano 1 Definizione di traffico e utilizzazione di un
DettagliESERCIZI SULLE CATENE DI MARKOV. Docente titolare: Irene Crimaldi 18/11/2009 P =
ESERCIZI SULLE CATENE DI MARKOV Docente titolare: Irene Crimaldi 8//9 ESERCIZIO Una catena di Markov (X n ) n con insieme degli stati S = {,,} ha matrice di transizione µ() =, µ() =, µ() =. a) Calcolare
DettagliElementi di Teoria della Probabilità
Elementi di Teoria della Probabilità Alcune definizioni iniziali: Fenomeno casuale: fenomeno ripetibile (almeno in teoria) infinite volte che può manifestarsi in diverse modalità, imprevedibili singolarmente,
DettagliVariabili aleatorie n-dim
Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice
DettagliReti di Telecomunicazioni. Sistemi a coda M/M/1
Reti di Telecomunicazioni Sistemi a coda M/M/1 Ing. Francesca Lo Piccolo e-mail: francesca.lopiccolo@uniroma2.it Un ringraziamento particolare al Prof. Andrea Detti, autore delle presentazioni da cui è
DettagliDistribuzioni di probabilità discrete. Prof.ssa Fabbri Francesca Classe 5C
Distribuzioni di probabilità discrete Prof.ssa Fabbri Francesca Classe 5C Esempio Consideriamo un urna con 6 palline Verdi e 4 palline Gialle; estraiamo senza reimmissione 3 palline e valutiamo l evento:
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE Modelli delle Sorgenti di Traffico Generalità Per la realizzazione di un modello analitico di un sistema di telecomunicazione dobbiamo tenere in considerazione 3 distinte sezioni
DettagliCorso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (455AA) A.A. 2018/19 - Prova in itinere
Corso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (455AA) A.A. 208/9 - Prova in itinere 208--2 La durata della prova è di due ore e mezzo. Le risposte devono essere
Dettagli5. Distribuzioni. Corso di Simulazione. Anno accademico 2009/10
Anno accademico 2009/10 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
Dettagli3. Distribuzioni. Corso di Simulazione. Anno accademico 2006/07
Anno accademico 2006/07 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 206/7 - Prova del 207-09-08 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.
DettagliTeoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi.
Teoria delle File di Attesa Una coda, o fila di attesa, si forma quando degli utenti attendono di essere serviti da uno o più serventi. Esempi: Studenti agli sportelli della segreteria Utenti di un centro
DettagliV.C. UNIFORME. 1 n. con funzione di probabilità associata: MODA(X): la distribuzione Uniforme è zeromodale.
V.C. UNIFORME La v.c. discreta UNIFORME descrive il modello probabilistico dell equiprobabilità. I valori della v.c.u. sono dati dai primi n numeri naturali: x = 1, 2,, (n-1), n con funzione di probabilità
DettagliTEORIA E TECNICA DELLA CIRCOLAZIONE
PROBLEMI DI TEORIA E TECNICA DELLA CIRCOLAZIONE 3 A cura di : Prof. Astarita Vittorio ing. Giofrè Vincenzo Pasquale Argomenti: Distribuzione di Poisson 26 3.1 PROBLEMA Distribuzione di Poisson ed esponenziale
DettagliTeoria delle Probabilità e Applicazioni programma 2004/05
Teoria delle Probabilità e Applicazioni programma 2004/05 Capitolo 1: esempio guida Lezioni: 8/3, 9/3 (5h) 1. Come modellizzare l esperimento infiniti lanci di una moneta equilibrata oppure l esperimento
DettagliSIMULAZIONE DI SISTEMI CASUALI 2 parte. Processi stocastici e teoria delle code. Processi stocastici
SIMULAZIONE DI SISTEMI CASUALI 2 parte Processi stocastici e teoria delle code Processi stocastici Generalità La distribuzione di Poisson (degli eventi rari) è caratterizzata dall avere una funzione di
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliTeoria dell informazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria dell informazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
Dettagli1.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE
46 TEORIA DELLE CODE.5 SISTEMI A CODA BASATI SU PROCESSI DI NASCITA E MORTE In questo paragrafo verrano studiati sistemi di code che possono essere rappresentati da processi di nascita e morte. In particolare,
Dettagli' $ Teoria del traffico & % 1
Teoria del traffico Andamento della distribuzione di Poisson P(k) = (λt)k k! e λt 1 k=0 k=1 k=2 k=3 0.8 0.6 P(k) 0.4 0.2 0 0 1 2 3 4 5 λt Proprietá La sovrapposizione di h processi di Poisson aventi frequenze
DettagliPROCESSI STOCASTICI 1: ESERCIZI
PROCESSI STOCASTICI 1: ESERCIZI (1) ESERCIZIO: Date P e Q matrici stocastiche, dimostrare che la matrice prodotto P Q è una matrice stocastica. Dedurre che la potenza P n e il prodotto P 1 P 2 P n sono
Dettagli(a) Si proponga una formulazione di programmazione nonlineare a variabili misto-intere per problema.
6. Clustering In molti campi applicativi si presenta il problema del data mining, che consiste nel suddividere un insieme di dati in gruppi e di assegnare un centro a ciascun gruppo. Ad esempio, in ambito
DettagliEsercitazione N. 1 (11 ottobre 2016)
Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2006-07 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliMMMPG prova scritta del 20/9/07
MMMPG prova scritta del 0/9/07 Esercizio. Si consideri una catena di Markov a tempo discreto con stati 0,,, ecc. (tutti gli interi non negativi). Indichiamo con p i,j la probabilità di transizione da i
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta del 23/6/06 Esercizio 1 Un allenatore ha 11 giocatori in campo (per semplicità immaginiamo che non esistano le sostituzioni). Esaminiamo
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2013/2014 www.mat.uniroma2.it/~caramell/did 1314/ps.htm 04/03/2014 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici
DettagliModelli e Metodi per l Automazione
Prof. Davide Giglio Modelli e Metodi per l Automazione Facoltà di Ingegneria Anno Accademico 20/202 ESEMPI ED ESERCIZI RETI DI CODE 7. Un sistema di produzione è costituito da 4 macchine M, M 2, M 3 e
DettagliCalcolo delle Probabilità 2017/18 Foglio di esercizi 8
Calcolo delle Probabilità 07/8 Foglio di esercizi 8 Catene di Markov e convergenze Si consiglia di svolgere gli esercizi n 9,,,, 5 Catene di Markov Esercizio (Baldi, Esempio 5) Si consideri il grafo costituito
DettagliEsercitazione del 21/10/2011 Calcolo delle probabilità
Esercitazione del /0/0 Calcolo delle probabilità Funzione di ripartizione Sia F X una funzione da R in R. consideriamo le seguenti condizioni: F X è non decrescente ( ) x F X (x) x F X (x) 0 F X è continua
DettagliPolitecnico di Milano Sede di Cremona A.A. 2012/13. Corso di RETI DI COMUNICAZIONE E INTERNET (Modulo 1)
Politecnico di Milano Sede di Cremona A.A. 2012/13 Corso di RETI DI COMUNICAZIONE E INTERNET (Modulo 1) Martino De Marco email: martino.demarco@mail.polimi.it skype: martino.demarco ESERCITAZIONE VALUTAZIONE
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliLa teoria delle code
La teoria delle code Ludovica Crosato INTRODUZIONE La Teoria delle code (o delle file d attesa) rappresenta l analisi dei fenomeni di attesa che si possono manifestare in presenza della domanda di un servizio,
DettagliSTATISTICA ESERCITAZIONE. 1) Specificare la distribuzione di probabilità della variabile e rappresentarla graficamente;
0.00 0.05 0.10 0.15 0.20 STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 4 Maggio 2015 Esercizio 1 (Uniforme discreta) Si consideri l esperimento lancio di un dado non truccato. Sia X la variabile casuale
Dettagli0 se y c 1 (y)) se c < y < d. 1 se y d
Capitolo. Parte IX Exercise.. Sia X una variabile aleatoria reale assolutamente continua e sia (a,b) un intervallo aperto (limitato o illimitato) di R, tale che P(X (a,b)) =. Sia ϕ : (a,b) R una funzione
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 16 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 013/14 Nome: 16 luglio 014 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliReti di Telecomunicazioni. Sistemi a coda
Reti di Telecomunicazioni Sistemi a coda Ing. Francesca Lo Piccolo e-mail: francesca.lopiccolo@uniroma2.it Un ringraziamento particolare al Prof. Andrea Detti, autore delle presentazioni da cui è stata
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
Dettagli5. Analisi dei dati di output
Anno accademico 2008/09 Analisi dei dati di Output Y 1, Y 2,..., Y m : output della simulazione. Le variabili casuali Y 1, Y 2,..., Y m non sono in generale indipendenti Se supponiamo però di avere effettuato
Dettagliw=k,k+1,k+2, p. Pertanto la probabilità dell evento composto [k-1 successi in w-1 k k W
Complementi di Idrologia Appello del 2 settembre 2 Problema n (6 punti). erivare l equazione della distribuzione Binomiale Negativa mostrando il suo legame con la distribuzione Binomiale. 2. Si consideri
DettagliIstituzioni di Probabilità - A.A
Istituzioni di Probabilità - A.A. 25-26 Prima prova di verifica intermedia - 29 aprile 25 Esercizio. Sia (X n ) n una successione di v.a. i.i.d. centrate con < X P-q.c., sia λ R ed F una v.a. integrabile
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2012/2013 www.mat.uniroma2.it/~caramell/did 1213/ps.htm 05/03/2013 - Lezioni 1, 2, 3 Breve introduzione al corso. Fenomeni deterministici
Dettaglic) Ancora in corrispondenza allo stesso valore di p e ponendo Y = minorazione, fornita dalla diseguaglianza di Chebichev, per la probabilita
Laurea Triennale in Matematica Corso di Calcolo delle Probabilita I A.A. 00/00 (Docenti: M. Piccioni, F. Spizzichino) a prova di esonero 6 giugno 00 Risolvere almeno tre dei seguenti esercizi.. Indichiamo
DettagliTutorato XI Probabilità e Statistica a.a. 2014/2015
Tutorato XI Probabilità e Statistica a.a. 4/5 Argomenti: catene di Markov: probabilità e tempi medi di passaggio. Esercizio. Un topolino si sposta sui vertici di un grafo come nella Figura. 4 5 7 6 Ad
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE TEORIA DELLE CODE Teoria delle code Obiettivo Avere uno strumento analitico per determinare le condizioni di funzionamento di una rete in termini prestazionali La teoria delle
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
Dettagli1.4.2 Proprietà di Markov. Catene di Markov a tempo continuo
PROCESSI DI NASCITA E MORTE 35 1.4 PROCESSI DI NASCITA E MORTE Molti sistemi a coda possono essere ben rappresentati mediante i cosiddetti processi di nascita e morte che sono importanti processi in teoria
DettagliUNIVERSITA DEGLI STUDI DI BERGAMO Facoltà di Ingegneria
UNIVERSITA DEGLI STUDI DI BERGAMO Facoltà di Ingegneria Corso di Elettrotecnica A.A. 2001/2002 Prova scritta del 4 settembre 1999 Esercizio n 1 Data la rete in figura, determinare tutte le correnti (4
Dettagli1 Serie temporali. 1.1 Processi MA
1 Serie temporali Un processo stocastico 1 {X t, t T }, dove T = N o T = Z, si dice stazionario se (X 1,..., X n ) e (X k+1,...,x k+n ) hanno la stessa distribuzione per ogni n 1 e per ogni k T. Un processo
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 luglio 6 Vettori aleatori e funzioni di v.a. Esercizio Si lanciano due dadi equi. Qual è la probabilità che la somma sia? [ ] Siano X, X le v.a.
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
Dettagli1.3 MODELLI STOCASTICI DEI PROCESSI DI ARRIVO E DI SERVIZIO
20 TEORIA DELLE CODE 1.3 MODELLI STOCASTICI DEI PROCESSI DI ARRIVO E DI SERVIZIO Da quanto visto nei precedenti paragrafi, emerge chiaramente come un sistema di code sia caratterizzato fondamentalmente
DettagliX n = αx n 1 + Y n. Si dimostri che. Usando la precedente relazione si dimostri che. e che. e si determini il limite di media e varianza quando n +.
Problema 1. Siano X, Y 1, Y,... variabili aleatorie indipendenti. Si supponga che X abbia media m e varianza σ e che le Y i abbiano distribuzione gaussiana con media µ e varianza σ. Dato α in (, 1, si
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di PS-Probabilità P.Baldi Tutorato 9, 19 maggio 11 Corso di Laurea in Matematica Esercizio 1 a) Volendo modellizzare l evoluzione della disoccupazione in un certo ambito
DettagliCorso. di FONDAMENTI DI RETI DI TELECOMUNICAZIONI. Martino De Marco
Politecnico di Milano Sede di Cremona A.A. 2003/04 Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI Martino De Marco (demarco@cremona.polimi.it) ESERCITAZIONE VALUTAZIONE DELLE PRESTAZIONI ESERCITAZIONE:
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica 69AA) AA 06/7 - Prova del 07-04-07 La durata della prova è di tre ore Le risposte devono essere adeguatamente giustificate Problema
Dettagli