Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 22: 1 Giugno Meccanismi Randomizzati
|
|
- Mariana Caruso
- 8 anni fa
- Visualizzazioni
Transcript
1 Strumenti della Teoria dei Giochi per l Informatica AA 2009/10 Lecture 22: 1 Giugno 2010 Meccanismi Randomizzati Docente Vincenzo Auletta Note redatte da: Davide Armidoro Abstract In questa lezione descriveremo i Meccanismi Randomizzati e mostreremo alcune loro applicazioni per problemi con dominio Single-Dimensional Il problema che prenderemo in considerazione sarà quello del Job Scheduling su Macchine Relate: presenteremo un monotono per la versione frazionaria del problema e faremo vedere come può essere utilizzato per creare un meccanismo polinomiale, compatibile agli incentivi, randomizzato e 2-approssimato Queste note sono basate sul capitolo 13 [1] 1 Introduzione Nelle precedenti lezioni abbiamo concentrato la nostra attenzione sempre su meccanismi deterministici,nei quali i giocatori forniscono le loro valutazioni al sistema ed il meccanismo calcola deterministicamente l outcome e decide i pagamenti da assegnare ai giocatori In questa lezione introduciamo la classe dei Meccanismi Randomizzati, che restituisce una distribuzione di probabilità con cui viene deciso l outcome del gioco ed i pagamenti dei giocatori Per comprendere meglio il concetto potete immaginare un meccanismo randomizzato come ad una distribuzione di probabilità su un insieme di meccanismi deterministici (il suo supporto): dopo che i giocatori hanno espresso le loro valutazioni il meccanismo seleziona uno dei meccanismi del supporto secondo la distribuzione di probabilità fissata e decide l outcome ed i pagamenti Rispetto ai Meccanismi Randomizzati, esistono due concetti di Compatibilità agli Incentivi (CI): CI in senso universale: ogni meccanismo deterministico nel supporto Ë CI CI in expectation: i v i, v i, v i E[v i (a) p i ] E[v i (a ) p i ] dove (a, p i ) e (a, p i ) sono variabili randomizzate che denotano l outcome e il pagamento quando l agente i gioca, rispettivamente, v i e v i, ed E[ ] denota l aspettativa (expectation), o meglio la media, calcolata sulla distribuzione del meccanismo Notiamo che la definizione di Compatibilità agli Incentivi in Expectation è molto più ampia perchè non richiede che i meccanismi del supporto siano compatibili agli incentivi (addirittura, potrebbe succedere che nessun meccanismo del supporto sia compatibile agli incentivi) E facile osservare che CI in senso universale CI in expectation mentre CI in senso universale CI in expectation 1
2 2 Lecture 22: Meccanismi Randomizzati Come vedremo i Meccanismi Randomizzati sono più potenti dei Meccanismi Deterministici ed esistono problemi per cui il mioglore fattore di approssimazione ottenibile per meccanismi randomizzati compatibili agli incentivi è strettamente inferiore al miglior fattore di approssimazione ottenibile per meccanismi deterministici 2 Meccanismi Efficienti per Domini Single-Dimensional In questa sezione considereremo il problema dello Job Scheduling su Macchine Relate In questo problema abbiamo n job da assegnare ad m macchine Ogni job j ha peso w j e ogni macchina i ha velocità per cui l esecuzione del job j sulla macchina i richiede tempo w j Sia l i il carico di lavoro assegnato alla macchina i, definito come l i = w j, j assegnati ad i e sia il makespan di una certa allocazione (l 1, l 2,, l n ) definito come max i l i Vogliamo trovare un allocazione dei job alle macchine che minimizza il makespan Ora, assumiamo che le macchine siano controllate da giocatori egoisti e che la velocità di ciascuna macchina sia un informazione privata del giocatore che controlla la macchina Il sistema per poter calcolare l allocazione dei job deve prima richiedere ai giocatori le velocità delle loro macchine e poi calcolare l allocazione sulla base dei valori dichiarati dai giocatori Ovviamente, poiché l allocazione di job ad una macchina implica un lavoro da svolgere, il giocatore aspira a ricevere meno lavoro possibile e per questo motivo potrebbe dichiarare una falsa velocità Formalizziamo questa idea dicendo che l utilità del giocatore i per una allocazione che assegna carico l i è uguale a l i / Per incentivare i giocatori a non mentire gli attribuiamo un pagamento P i e quindi l utilità che il giocatore cercherà di massimizzare sarà uguale a l i + P i Naturalmente il Meccanismo che andremo a creare dovrà essere CI in expctation Teorema 1 Un Meccanismo Randomizzato normalizzato in un dominio Single-Dimensional è CI in expectation se e solo se i, v i : la funzione w i (v i, v i ) è monotona non decrescente in v i ; P i (vi, v i ) = v i w i (v i, v i ) v i v 0 i w i (t, v i )dt Per la prova di questo riferimento fate riferimento alle note della lezione 16 Abbiamo visto nelle scorse lezioni che la possibilità di costruire meccanismi con le proprietà computazionali desiderate è fortemente correlata alle dimensioni del dominio del problema In particolare, per un problema con dominio Single-Dimensional il requisito principale è la monotonicità dell algoritmo di allocazione Ricordiamo che un dominio è Single-Dimensional se l intera funzione di valutazione può essere espressa da un unico parametro In questa lezione considereremo una classe particolare di problemi Single-Dimensional che vengono definiti come problemi One-Parameter I problemi One-Parameter sono definiti nel seguente modo:
3 Lecture 22: Meccanismi Randomizzati 3 Definizione 1 Un dominio V i del giocatore i si dice One-Parameter se esistono costanti reali non negative {q i,a } a A tale che, v i V i, esiste c R tale che v i (a) = q i,a c In questo caso q i,a è il carico assegnato alla macchina i nell allocazione (outcome) a, mentre c = 1 è il costo per eseguire un job di peso unitario sulla macchina i Possiamo notare come il parametro c rappresenti il tipo del giocatore (il nostro one-parameter) perché è sufficiente a costruire l intero vettore delle valutazioni che il giocatore ha per ogni job che gli potrebbe essere assegnato Notiamo che il problema di Scheduling che stiamo considerando ha una funzione di scelta sociale di tipo min-max; ciò vuol dire che non possiamo utilizzare la tecnica generale VCG per questo tipo di problemi D altra parte, poichè il dominio è convesso, è sufficiente trovare un algoritmo che sia weakly-monotone (per la definizione di WMON e relativa dimostrazione dei pagamenti si rimanda alle note della lezione 20) 21 Un Algoritmo Monotono per il Problema del Job Scheduling su Macchine Relate Dopo aver definito il problema e analizzato il tipo di algoritmo di allocazione che dobbiamo progettare per costruire un meccanismo compatibile agli incentivi, siamo pronti a descrivere il nostro algoritmo Notiamo che un algoritmo ottimo e monotono esiste ma ha complessità esponenziale e non speriamo di poterne trovare uno più efficiente perchè il problema è notoriamente NP-Hard Quindi, il nostro obiettivo sarà quello di progettare un algoritmo di approssimazione polinomiale, e monotono Nel seguito assumiamo che i job e le macchine siano ordinati in questo modo s 1 s 2 s m e w 1 w 2 w n Il nostro primo passo sarà tentare di stimare il valore del makespan ottimo Makespan Ottimo Fissiamo un indice j m e un valore T > 0 Osserviamo che see uno schedule ha un makespan T, allora deve assegnare ogni job tra 1,, j ad una macchina i tale che T w j Indichiamo con i(j, T ) = max{i T w j } la macchina i più lenta che può eseguire il job j entro il tempo T Quindi ogni schedule con makespan T deve necessariamente assegnare i job 1,, j alle macchine 1,, i(j, T ) e quindi k=1 T w k i(j,t ) (1) l=1 s l Unendo i due lower bound ottenuti per il makespan possiamo definire la quantità T j come { w j k=1 T j = min max, w } k i i Il prossimo lemma mostra che T j è un lower bound al makespan ottimo Lemma 1 Per ogni j = 1, 2,, m, il makespan ottimo è almeno T j Dimostrazione Fissiamo T < T j e poniamo i j uguale all indice della macchina per il quale si ottiene T j Notiamo che nell equazione 2 stiamo calcolando il massimo tra un termine crescente con i ed un termine decrescente con i Quindi, abbiamo che i j è o il { k=1 max i : w } k i l=1 s w j l (2)
4 4 Lecture 22: Meccanismi Randomizzati oppure è il ( Pj Pi j min { i : i < w j Per provare il lemma faremo vedere che in entrambi i casi la nostra T viola la (1) e questo implicherà che per ogni j deve essere T j T ) Caso 1 w j j In questo caso T j w j s Poiché T < T ij j allora i(j, T ) i +1 j, e } il che viola la (1) T < T j = ij i(j,t ) l=1 s l Caso 2 ( Pj Pi j < w P j j k=1 j ) In questo caso T j w k Pi j 1 e i(j, T ) < i j e quindi come volevasi dimostrare T < T j ij 1 i(j,t ) l=1 s l Il Lemma precedente ci fornisce un lower bound al valore del makespan ottimo che ci è dato dal massimo dei T j T LB = max T j (3) j Algoritmo ottimo per il caso frazionario Vediamo ora un algoritmo ottimo per la versione del problema frazionario, in cui si assume che i job possano essere spezzati in frammenti e ogni frammento possa essere assegnato ad una macchina differente Ovviamente, se la macchina i ottiene una frazione α del job j allora il suo lavoro per questo framento sarà (α w j) Il nostro algoritmo funzionerà nel modo seguente Sia j il primo job tale che > T LB s 1 ; l algoritmo ssegna alla macchina 1 i job 1,, j 1, più una frazione di j tale che l 1 = T LB s 1 A questo punto, l algorimo ricorsivamente ad assegnare la frazione rimanente del job j più tutti i job rimanenti alle restanti macchine da 2 a n Lemma 2 C è abbastanza spazio per attuare l assegnamento frazionario di tutti i job, e se il job j è assegnato in modo frazionato alla macchina i allora w j T LB Dimostrazione Sia i j l indice che determina T j Poichè T LB T j k=1 w j l=1 s, l possiamo assegnare in modo frazionato i job 1,, j fino alla macchina i j Inoltre dato che T j w j j abbiamo la seconda parte del lemma, mentre settando j = n otteniamo la prima parte
5 Lecture 22: Meccanismi Randomizzati 5 Lemma 3 La funzione di carico frazionario è monotona Dimostrazione Per provare il lemma faremo vedere che se viene incrementata fino a farla diventare s i = α (per α > 1) allora l i l i Denotiamo con T LB la nuova stima del makespan ottimo Come prima cosa affermiamo che T LB α T LB Per un istanza (s 1,, s m) tale che s l = α s l per ogni macchina l abbiamo che T LB = α T LB poichè entrambi i termini della funzione max di T j sono stati moltiplicati per α Siccome s l s l per ogni l abbiamo che T LB T LB Ora, se l i = T LB, allora l i T LB s i T LB = l i D altra parte, l i < T LB e quindi i è l ultima macchina non vuota Siccome T LB T LB, tutte le macchine precedenti ora hanno almeno lo stesso carico, quindi la macchina i non può avere più carico Algoritmo randomizzato per il caso intero Facciao vedere adesso come la soluzione frazionaria descritta nel paragrafo precedeten possa essere utilizzata come base per costruire una soluzione intera Un idea sarebbe di assegnare ogni job frazionato ad una delle macchine che ne ha avuto un pezzo Questo tipo di approssimazione ci fornisce un algoritmo con un fattore di approssimazione pari a 2 ma che viola la proprietà di monotonicità Dobbiamo perciò gestire l assegnazione dei job frazionati in maniera più accorta In letteratura è stato mostrato come fare questo passaggio sia in maniera randomizzata che in maniera deterministica preservando la monotonia dell allocazione In questa lezione descriveremo soltanto l algoritmo randomizzato che è più semplice e fornisce una migliore approssimazione Ovviamente, questo algoritmo ci permetterà di costruire un meccanismo che è compatibile agli incentivi solo in expectation Scegliamo a caso α [0, 1] Per ogni job j che è stato frazionato e assegnato alle macchine i e i + 1, se la frazione di job j della macchina i è almeno α, assegna l intero job j ad i, altrimenti assegna j alla macchina i + 1 Teorema 2 L algoritmo di scheduling randomizzato è CI in expectation, e ha un fattore di approssimazione pari a 2 Dimostrazione Consideriamo prima l approssimazione La macchina i può ricevere, oltre ai sui job interi assegnati in precedenza, altri due job: uno, j, condiviso con la macchina i 1, e l altro, k, condiviso con la macchina i + 1 Se nell effettuare l arrotondamento il job j viene assegnato interamente alla macchina i allora inizialmente i aveva almeno una frazione di j pari a 1 α, quindi il carico aggiuntivo causato da j è al massimo α w j Allo stesso modo, se k viene assegnato per intero alla macchina i allora inizialmente i aveva almeno una frazione di k pari ad α, quindi il carico aggiuntivo causato da k è al massimo (1 α) w k Quindi il massimo carico totale aggiuntivo che i può ricevere è pari a α w j + (1 α) w k 2T LB dove la diseguaglianza deriva dal fatto che max{w j, w k } T LB OP T
6 6 Lecture 22: Meccanismi Randomizzati Per la CI, abbiamo solo bisognodi mostrare che il carico atteso è monotono Notiamo che la macchina i 1 ottiene il job j con probabilità α, mentre i lo ottiene con probabilità 1 α, e i ottiene k con probabilità α In questo modo il carico atteso dalla macchina i è esattamente il carico frazionario del quale abbiamo già dimostrato la monotonia nel lemma precedente References [1] Noam Nisan, Tim Roughgarden, Eva Tardos, and Vijay V Vazirani Algorithmic Game Theory Cambridge University Press, 2007
Computational Game Theory
Computational Game Theory Vincenzo Bonifaci 24 maggio 2012 5 Regret Minimization Consideriamo uno scenario in cui un agente deve selezionare, più volte nel tempo, una decisione tra un insieme di N disponibili:
DettagliCRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI
Il criterio più semplice è il seguente. CRITERI DI CONVERGENZA PER LE SERIE Teorema(condizione necessaria per la convergenza). Sia a 0, a 1, a 2,... una successione di numeri reali. Se la serie a k è convergente,
Dettagli2 Formulazione dello shortest path come problema di flusso
Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione
DettagliEquilibrio bayesiano perfetto. Giochi di segnalazione
Equilibrio bayesiano perfetto. Giochi di segnalazione Appunti a cura di Stefano Moretti, Silvia VILLA e Fioravante PATRONE versione del 26 maggio 2006 Indice 1 Equilibrio bayesiano perfetto 2 2 Giochi
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
DettagliSVM. Veronica Piccialli. Roma 11 gennaio 2010. Università degli Studi di Roma Tor Vergata 1 / 14
SVM Veronica Piccialli Roma 11 gennaio 2010 Università degli Studi di Roma Tor Vergata 1 / 14 SVM Le Support Vector Machines (SVM) sono una classe di macchine di che derivano da concetti riguardanti la
DettagliOttimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni
Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
Dettagli1 Inefficienza degli equilibri
Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 8: 9 Aprile 2010 Inefficienza degli equilibri Docente Prof. Vincenzo Auletta Note redatte da: Carmine Giordano Abstract In questa
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliAlgoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005. Lezione 11
Algoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005 Docente: Ugo Vaccaro Lezione 11 In questa lezione vedremo alcune applicazioni della tecnica greedy al progetto di algoritmi on-line. Vediamo
DettagliScelte in condizione di incertezza
Scelte in condizione di incertezza Tutti i problemi di decisione che abbiamo considerato finora erano caratterizzati dal fatto che ogni possibile scelta dei decisori portava a un esito certo. In questo
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliVC-dimension: Esempio
VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliPROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO
PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO 1. Load Balancing Un istanza del problema del load balancing consiste di una sequenza p 1,..., p n di interi positivi (pesi dei job) e un
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliEsercitazione 23 maggio 2016
Esercitazione 5 maggio 016 Esercitazione 3 maggio 016 In questa esercitazione, nei primi tre esercizi, analizzeremo il problema del moral hazard nel mercato. In questo caso prenderemo in considerazione
DettagliLe scelte del consumatore in condizione di incertezza (cap.5)
Le scelte del consumatore in condizione di incertezza (cap.5) Che cos è il rischio? Come possiamo indicare le preferenze del consumatore riguardo al rischio? C è chi acquista assicurazione (non ama il
DettagliFondamenti dei linguaggi di programmazione
Fondamenti dei linguaggi di programmazione Aniello Murano Università degli Studi di Napoli Federico II 1 Riassunto delle lezioni precedenti Prima Lezione: Introduzione e motivazioni del corso; Sintassi
DettagliAlgoritmi e Strutture Dati
Elementi di Programmazione Dinamica Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino Il problema La CMC produce automobili in uno stabilimento
DettagliInformatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati
Informatica 3 Informatica 3 LEZIONE 10: Introduzione agli algoritmi e alle strutture dati Modulo 1: Perchè studiare algoritmi e strutture dati Modulo 2: Definizioni di base Lezione 10 - Modulo 1 Perchè
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliLa Programmazione Lineare
4 La Programmazione Lineare 4.1 INTERPRETAZIONE GEOMETRICA DI UN PROBLEMA DI PROGRAMMAZIONE LINEARE Esercizio 4.1.1 Fornire una rappresentazione geometrica e risolvere graficamente i seguenti problemi
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 26 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html COOPERAZIONE Esempio: strategie correlate e problema
DettagliIl mercato di monopolio
Il monopolio Il mercato di monopolio Il monopolio è una struttura di mercato caratterizzata da 1. Un unico venditore di un prodotto non sostituibile. Non ci sono altre imprese che possano competere con
DettagliINTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI
INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, abbiamo bisogno di conoscere un metodo risolutivo, cioè un metodo che a partire dai dati di ingresso fornisce i risultati attesi.
DettagliSistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, >
Algoritmo del banchiere Permette di gestire istanze multiple di una risorsa (a differenza dell algoritmo con grafo di allocazione risorse). Ciascun processo deve dichiarare a priori il massimo impiego
Dettagli1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.
. Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,
DettagliScelta intertemporale: Consumo vs. risparmio
Scelta intertemporale: Consumo vs. risparmio Fino a questo punto abbiamo considerato solo modelli statici, cioè modelli che non hanno una dimensione temporale. In realtà i consumatori devono scegliere
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliIniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:
Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione
Dettagli1) Descrivere dettagliatamente a quale problema di scheduling corrisponde il problema.
Un veicolo viene utilizzato da una società di trasporti per trasportare beni a partire da un unico deposito verso prefissate località di destinazione. Si supponga che occorre trasportare singolarmente
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliSchedulazione di attività in presenza di attività interrompibili
Schedulazione di attività in presenza di attività interrompibili Maria Silvia Pini Resp. accademico: Prof.ssa Francesca Rossi Università di Padova Attività FSE DGR 1102/2010 La gestione dell informazione
DettagliTeoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 2
Teoria dei Giochi Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 2 1 Concetti risolutivi per i giochi in forma normale I
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Una funzione reale di una variabile reale f di dominio A è una legge che ad ogni x A associa un numero reale che denotiamo con f(x). Se A = N, la f è detta successione di numeri reali.
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
DettagliStrumenti della Teoria dei Giochi per l Informatica A.A. 2008/09 6 credti (48 ore frontali) Docente: Vincenzo Auletta
Strumenti della Teoria dei Giochi per l Informatica A.A. 2008/09 6 credti (48 ore frontali) Docente: Vincenzo Auletta Presentazione del Corso Negli ultimi anni nell ambito della comunità informatica si
Dettaglilezione 18 AA 2015-2016 Paolo Brunori
AA 2015-2016 Paolo Brunori Previsioni - spesso come economisti siamo interessati a prevedere quale sarà il valore di una certa variabile nel futuro - quando osserviamo una variabile nel tempo possiamo
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliEdited by Foxit PDF Editor Copyright (c) by Foxit Software Company, 2004 For Evaluation Only.
In un mercato del lavoro competitivo esistono due tipi di lavoratori, quelli con alta produttività L A, che producono per 30 $ l'ora, e quelli con bassa produttività, L B, che producono per 5 $ l'ora.
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 14 marzo 2013 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2013.html IL PARI O DISPARI I II S T S (-1, 1) (1, -1)
DettagliIntroduzione Ordini parziali e Reticoli Punti fissi
Introduzione Ordini parziali e Reticoli Punti fissi By Giulia Costantini (819048) & Giuseppe Maggiore (819050) Table of Contents ORDINE PARZIALE... 3 Insieme parzialmente ordinato... 3 Diagramma di Hasse...
DettagliNote su quicksort per ASD 2010-11 (DRAFT)
Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea
DettagliEsercizi su. Funzioni
Esercizi su Funzioni ๒ Varie Tracce extra Sul sito del corso ๓ Esercizi funz_max.cc funz_fattoriale.cc ๔ Documentazione Il codice va documentato (commentato) Leggibilità Riduzione degli errori Manutenibilità
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo
Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito
DettagliPROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0)
PROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0) (Da effettuare non prima del 01/01/2011) Le istruzioni si basano su un azienda che ha circa 1000 articoli, che utilizza l ultimo
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
DettagliRaccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica
DIPARTIMENTO DI MATEMATICA Università degli Studi di Trento Via Sommarive - Povo (TRENTO) Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata,
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliPiù processori uguale più velocità?
Più processori uguale più velocità? e un processore impiega per eseguire un programma un tempo T, un sistema formato da P processori dello stesso tipo esegue lo stesso programma in un tempo TP T / P? In
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliIstituzioni di Economia Laurea Triennale in Ingegneria Gestionale Lezione 16 Offerta dell impresa
UNIVERSITÀ DEGLI STUDI DI BERGAMO Laurea Triennale in Ingegneria Gestionale Lezione 16 Offerta dell impresa Prof. Gianmaria Martini Offerta dell impresa La decisione di un impresa a riguardo della quantità
DettagliDaniela Lera A.A. 2008-2009
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Metodi Runge-Kutta In alcuni esempi precedenti sono stati presentati vari metodi monostep. Esiste
DettagliLezione 6 (16/10/2014)
Lezione 6 (16/10/2014) Esercizi svolti a lezione Esercizio 1. La funzione f : R R data da f(x) = 10x 5 x è crescente? Perché? Soluzione Se f fosse crescente avrebbe derivata prima (strettamente) positiva.
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliPolli e conigli. problemi Piano cartesiano. Numeri e algoritmi Sistemi e loro. geometrica. Relazioni e funzioni Linguaggio naturale e
Polli e conigli Livello scolare: primo biennio Abilità Interessate Calcolo di base - sistemi Risolvere per via grafica e algebrica problemi che si formalizzano con equazioni. Analizzare semplici testi
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliUna ricetta per il calcolo dell asintoto obliquo. Se f(x) è asintotica a mx+q allora abbiamo f(x) mx q = o(1), da cui (dividendo per x) + o(1), m =
Una ricetta per il calcolo dell asintoto obliquo Se f() è asintotica a m+q allora abbiamo f() m q = o(1), da cui (dividendo per ) m = f() q + 1 f() o(1) = + o(1), mentre q = f() m = o(1). Dunque si ha
Dettagli2 FUNZIONI REALI DI VARIABILE REALE
2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento
DettagliIncentivi alla cooperazione Introduzione
Incentivi alla cooperazione dellamico@disi.unige.it Sistemi Distribuiti P2P A.A. 2007-08 6-7 dicembre 2007 Outline 1 Cooperazione e free riding Free riding Reciprocità 2 Eliminazione iterata 3 Forma iterata
Dettagli1 Estensione in strategia mista di un gioco
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
DettagliInferenza statistica I Alcuni esercizi. Stefano Tonellato
Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,
DettagliLA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ
LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,
DettagliOsservazioni sulla continuità per le funzioni reali di variabile reale
Corso di Matematica, I modulo, Università di Udine, Osservazioni sulla continuità Osservazioni sulla continuità per le funzioni reali di variabile reale Come è noto una funzione è continua in un punto
DettagliUniversità di Siena Sede di Grosseto Secondo Semestre 2010-2011. Macroeconomia. Paolo Pin ( pin3@unisi.it ) Lezione 4 20 Aprile 2011
Università di Siena Sede di Grosseto Secondo Semestre 200-20 Macroeconomia Paolo Pin ( pin3@unisi.it ) Lezione 4 20 Aprile 20 Riassunto della puntata precedente Abbiamo costruito un modello per spiegare
DettagliModellazione del flusso di attività a partire da testo in linguaggio naturale: il caso di una compagnia di assicurazioni
Modellazione del flusso di attività a partire da testo in linguaggio naturale: il caso di una compagnia di assicurazioni Il dipartimento di una compagnia di assicurazioni si occupa di gestire le richieste
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliAppunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
DettagliNOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1.
NOME:... MATRICOLA:.... Scienza dei Media e della Comunicazione, A.A. 007/008 Analisi Matematica, Esame scritto del 08.0.008 Indicare per quali R vale la seguente diseguaglianza : + >. Se y - - è il grafico
DettagliEconomia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1
Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il
DettagliSistemi Informativi Territoriali. Map Algebra
Paolo Mogorovich Sistemi Informativi Territoriali Appunti dalle lezioni Map Algebra Cod.735 - Vers.E57 1 Definizione di Map Algebra 2 Operatori locali 3 Operatori zonali 4 Operatori focali 5 Operatori
Dettagli1. Che cos è la multiprogrammazione? Si può realizzare su un sistema monoprocessore? 2. Quali sono i servizi offerti dai sistemi operativi?
1. Che cos è la multiprogrammazione? Si può realizzare su un sistema monoprocessore? 2. Quali sono i servizi offerti dai sistemi operativi? 1. La nozione di multiprogrammazione prevede la possibilità di
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
Dettaglida 2 a 5 giocatori, dai 10 anni in su, durata 30 minuti
da 2 a 5 giocatori, dai 10 anni in su, durata 30 minuti OBIETTIVO Il vincitore è colui che, dopo due round di gioco, delle sue 11 ordinazioni, ne ha consegnate il maggior numero. CONTENUTO DELLA SCATOLA
Dettaglimese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000
1.7 Servizi informatici. Un negozio di servizi informatici stima la richiesta di ore di manutenzione/consulenza per i prossimi cinque mesi: mese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000 All inizio
DettagliOpenPsy: OpenSource nella Psicologia. Presentazione del progetto in occasione dell edizione 2004 del Webbit (Padova)
OpenPsy: OpenSource nella Psicologia Pag. 1 di 9 OpenPsy: OpenSource nella Psicologia Presentazione del progetto in occasione dell edizione 2004 del Webbit (Padova) PREMESSA Per prima cosa, appare ovvio
DettagliOCCUPATI SETTORE DI ATTIVITA' ECONOMICA
ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971
DettagliCorso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile
Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliEsercizi di Gestione della Produzione Industriale. Tabella 1: tempi di lavorazione di un set di job.
Esercizio 1: schedulazione con il modello di Johnson...2 Soluzione dell esercizio 1 (schedulazione con il modello di Johnson)...2 Esercizio 2: schedulazione con il modello di Hodgson...3 Soluzione dell
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 2011/2012 Lezione 10: Variabili e vincoli logici Variabili logiche Spesso nei problemi reali che dobbiamo affrontare ci sono dei
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
Dettagli11) convenzioni sulla rappresentazione grafica delle soluzioni
2 PARAGRAFI TRATTATI 1)La funzione esponenziale 2) grafici della funzione esponenziale 3) proprietá delle potenze 4) i logaritmi 5) grafici della funzione logaritmica 6) principali proprietá dei logaritmi
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
Dettagli