4.6 Dualità in Programmazione Lineare

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "4.6 Dualità in Programmazione Lineare"

Transcript

1 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble è uguale alla capactà mnma d un taglo che separa la sorgente s dalla destnazone t. E. Amald Fondament d R.O. Poltecnco d Mlano 1

2 Sa Motvazone: stma del valore ottmo max z = 4x 1 + x 2 + 5x 3 + 3x 4 x 1 x 2 x 3 + 3x 4 1 5x 1 + x 2 + 3x 3 + 8x x 1 + 2x 2 + 3x 3 5x 4 3 x 0 =1,, 4 stmamo l valore ottmo z *. Per dfetto: (0,0,1,0) z * 5 (2,1,1,1/3) z * 15 (3,0,2,0) z * 22 anche se fortunat non samo cert che sa la soluzone ottma! E. Amald Fondament d R.O. Poltecnco d Mlano 2

3 Per eccesso? Moltplcando l 2 vncolo per 5/3 s ottene una dsequazone che domna la funzone obettvo: 4x 1 + x 2 + 5x 3 + 3x 4 25/3x 1 + 5/3x 2 + 5x /3x 4 275/3 soluzone ammssble z * 275/3 Sommando 2 e 3 vncolo s ottene: 4x 1 + 3x 2 + 6x 3 + 3x 4 58 z * 58 stma mglore E. Amald Fondament d R.O. Poltecnco d Mlano 3

4 Stratega generale: combnare lnearmente vncol con fattor moltplcatv non negatv ( -esmo vncolo moltplcato per y 0 ) prmo caso: y 1 =0, y 2 =5/3, y 3 =0 secondo caso: y 1 =0, y 2 =1, y 3 =1 In generale: y 1 (x 1 x 2 x 3 +3x 4 ) + y 2 (5x 1 + x 2 + 3x 3 + 8x 4 ) + y 3 (-x 1 + 2x 2 + 3x 3 5x 4 ) y y 2 + 3y 3 E. Amald Fondament d R.O. Poltecnco d Mlano 4

5 che equvale a: (y 1 + 5y 2 y 3 ) x 1 + (-y 1 + y 2 + 2y 3 ) x 2 + (-y 1 + 3y 2 + 3y 3 ) x 3 (*) + (3y 1 + 8y 2 5y 3 ) x 4 y y 2 + 3y 3 NB: y 0 altrment camba l verso delle dsequazon Per poter utlzzare l termne d snstra d (*) come lmte superore su z = 4x 1 + x 2 + 5x 3 + 3x 4 E. Amald Fondament d R.O. Poltecnco d Mlano 5

6 bsogna avere z = 4x 1 + x 2 + 5x 3 + 3x 4 y 1 + 5y 2 y 3 4 -y 1 + y 2 + 2y 3 1 -y 1 + 3y 2 + 3y 3 5 3y 1 + 8y 2 5y 3 3 y 0, =1, 2, 3 In tale caso, qualsas soluzone ammssble x soddsfa n partcolare: 4x 1 + x 2 + 5x 3 + 3x 4 y y 2 + 3y 3 z * y y 2 + 3y 3 E. Amald Fondament d R.O. Poltecnco d Mlano 6

7 Vsto che cerchamo una stma per eccesso d z * mglore possble: (D) mn y y 2 + 3y 3 y 1 + 5y 2 y 3 4 -y 1 + y 2 + 2y 3 1 -y 1 +3y 2 + 3y 3 5 3y 1 +8y 2 5y 3 3 y 0 =1, 2, 3 Il problema (D) s chama problema duale, quello orgnale s chama problema prmale E. Amald Fondament d R.O. Poltecnco d Mlano 7

8 In forma matrcale: Prmale (P) max z = c T x Ax b x 0 mn w=b T y Duale (D) A T y c o y T A c T y 0 E. Amald Fondament d R.O. Poltecnco d Mlano 8

9 Problema duale max z = c T x mn w=b T y (P) Ax b x 0 (D) A T y c y 0 Duale forma per standard? mn z = c T x Ax = b x 0 E. Amald Fondament d R.O. Poltecnco d Mlano 9

10 Forma standard: mn z = c T x max -c T x (P) Ax = b x 0 A x b -A -b x 0 A x b con A matrce m n duale A T mn (b T b T ) y 1 y 2 y 1 y 2 (A T A T ) -c y 1 0, y 2 0 y = y 1 y 2 E. Amald Fondament d R.O. Poltecnco d Mlano 10

11 mn (b T b T ) y 1 y 2 y 1 y 2 (A T A T ) -c y 1 0, y 2 0 (D) max w=b T y A T y c y m lbere y y 2 y 1 lbere! mn -b T (y 2 y 1 ) -A T (y 2 y 1 ) -c y 1 0, y 2 0 E. Amald Fondament d R.O. Poltecnco d Mlano 11

12 Regole general d trasformazone Prmale (mn) m vncol n varabl coeffcent f. obettvo termn not A vncol d = varabl lbere vncol d ( ) varabl 0 ( 0) Duale (max) m varabl n vncol termn not coeffcent f. obettvo A T varabl lbere vncol d = varabl 0 ( 0) vncol d ( ) E. Amald Fondament d R.O. Poltecnco d Mlano 12

13 Esempo: mn x 1 + x 2 x 1 x 2 2 (P) 3x 1 + 2x 2 12 x 1, x 2 0 duale max 2y y 2 y 1 + 3y 2 1 -y 1 + 2y 2 1 y 1 0, y 2 0 y~ 1 -y 1 max -2y~ y 2 -y~ 1 + 3y 2 1 y~ 1 + 2y 2 1 ~ y 1 0, y 2 0 E. Amald Fondament d R.O. Poltecnco d Mlano 13

14 oppure: mn x 1 + x 2 x 1 x 2 2 (P) 3x 1 + 2x 2 12 x 1, x 2 0 mn x 1 + x 2 -x 1 + x 2-2 3x 1 + 2x 2 12 x 1, x 2 0 duale max -2y y 2 -y 1 + 3y 2 1 y 1 + 2y 2 1 y 1, y 2 0 E. Amald Fondament d R.O. Poltecnco d Mlano 14

15 Eserczo: (P) mn 10x x x 3 2x 1 x 2 1 x 2 + x 2 3 x 1 x 3 = 3 x 1 0, x 2 0, x 3 lbera Duale? E. Amald Fondament d R.O. Poltecnco d Mlano 15

16 Propretà: l duale del problema duale concde con l problema prmale. NB: non mporta quale è d max o d mn mn z = c T x max w = b T y (P) Ax b x 0 (D) A T y c y 0 E. Amald Fondament d R.O. Poltecnco d Mlano 16

17 Teorema d dualtà debole Sano X {x : Ax b, x 0} ø e Y {y : A T y c, y 0} ø, per ogn soluzone ammssble x X d (P) e ogn soluzone ammssble y Y d (D) s ha che b T y c T x E. Amald Fondament d R.O. Poltecnco d Mlano 17

18 E. Amald Fondament d R.O. Poltecnco d Mlano 18 Dat x X e y Y, s ha Ax b, x 0 e A T y c, y 0 x T A T ossa c b T y x T A T y x T c = c T x = = = = = = = n m n n m m y c x y a y x a b y Dm.

19 Conseguenza: Se x * è ammssble per l problema prmale (P) ( x * X ), y * è ammssble per l problema duale (D) ( y * Y ), e valor delle rspettve funzon obettvo concdono c T x * = b T y *, allora x * è ottma per (P) e y * è ottma per (D). E. Amald Fondament d R.O. Poltecnco d Mlano 19

20 Teorema d dualtà forte Se X = {x : Ax b, x 0} ø e mn{c T x : x X} fnto esstono x * X e y * Y tal che c T x * = b T y *. mn{ c T x : x X } = max{ b T y : y Y } ottme z = c T x x X ammssble per (P) z * = w * w = b T y y Y ammssble per (D) E. Amald Fondament d R.O. Poltecnco d Mlano 20

21 Dm. Rcavare soluzone d (D) da soluzone d (P) Sano mn c T x max y T b (P) Ax = b x 0 (D) y T A c T y m e x* soluzone d base ammssble ottma d (P) x x* = * B x * con N x * B = B-1 b x * N = 0 fornta (dopo # fnto d terazon) da metodo del smplesso con regola d Bland. E. Amald Fondament d R.O. Poltecnco d Mlano 21

22 Consderamo y T c T B B-1 y è soluzone ammssble d (D): c T N = ct N (ct B B-1 )N = c T N yt N 0 T cost rdott delle varabl fuor base ottmaltà d x * y T N c T N E. Amald Fondament d R.O. Poltecnco d Mlano 22

23 c T B = ct B (ct B B-1 )B = c T B yt B = 0 T y T B c T B cost rdott delle varabl n base I y è ottma per (D): y T b = (c T B B-1 )b = c T B (B-1 b) = c T B x* B = ct x * qund y = y * E. Amald Fondament d R.O. Poltecnco d Mlano 23

24 Corollaro Data una coppa d problem dual (P) e (D), sono possbl solo 4 cas: P D ottmo PL llmtato PL namms. ottmo 1) PL llmtato PL namms. 2) 3) 4) E. Amald Fondament d R.O. Poltecnco d Mlano 24

25 Teorema dualtà forte 1) Teorema dualtà debole 2) e 3) 4) non è escluso: mn -4x 1 2x 2 -x 1 + x 2 2 (P) x 1 x 2 1 x 1, x 2 0 max 2y 1 + y 2 -y 1 + y 2-4 (D) y 1 y 2-2 y 1, y 2 0 regon ammssbl vuote E. Amald Fondament d R.O. Poltecnco d Mlano 25

26 Interpretazone economca Immagnare una stuazone d competzone fra due agent n un mercato Problema della deta: n alment =1,, n m sostanze nutrtve =1,, m (vtamne, ) a b c quanttà d -esma sostanza n untà d -esmo almento fabbsogno d -esma sostanza costo d una untà d -esmo almento E. Amald Fondament d R.O. Poltecnco d Mlano 26

27 E. Amald Fondament d R.O. Poltecnco d Mlano 27 n x m b x a x c n n 1,..., 0 1,..., 1 1 = = = = (P) (D) mn max m y n c y a y b m m 1,..., 0 1,..., 1 1 = = = =

28 Interpretazone duale: Una azenda che sntetzza drettamente le m sostanze nutrtve deve decdere l prezzo untaro y per cascuna n modo da massmzzare l proftto. Se l consumatore compra sostanze sntetche ne compra b untà per ogn, 1 m Il costo delle sostanze sntetche deve essere compettvo: m a y c = 1,..., n = 1 costo sostanze sntetche par a 1 untà d -esmo almento E. Amald Fondament d R.O. Poltecnco d Mlano 28

29 Se programm lnear (P) e (D) sono ammssbl, teorema d dualtà forte z * = w * stuazone d equlbro (due alternatve dello stesso costo) NB: Legame con Teora de goch (goch a somma zero) E. Amald Fondament d R.O. Poltecnco d Mlano 29

30 Condzon d ottmaltà Dat mn z = c T x max w=b T y (P) X Ax b x 0 (D) Y y T A c T y 0 soluzone ammssble x * X e y * Y sono ottme y *T b = c T x * una equazone n n+m ncognte E. Amald Fondament d R.O. Poltecnco d Mlano 30

31 Vsto che y *T b y *T Ax * c T x *, abbamo Ax * c T y *T b = y *T Ax * e y *T Ax * = c T x * coè y *T (Ax * -b) = 0 e (c T -y *T A) x * = 0 0 T 0 0 T m+n equazon n n+m ncognte 0 Condzon necessare e suffcent d ottmaltà! E. Amald Fondament d R.O. Poltecnco d Mlano 31

32 Teorema (degl scart complementar) x * X e y * Y sono ottme se e solo se -esma rga d A scarto s del -esmo vncolo d (P) y * (at x* -b ) = 0 = 1,, m (c T y*t A ) x * = 0 = 1,, n scarto -esmo vncolo d (D) -esma colonna d A All ottmo l prodotto d ogn varable e della varable d scarto corrspondente del problema duale è = 0. E. Amald Fondament d R.O. Poltecnco d Mlano 32

33 n a = 1 Interpretazone per l problema della deta x * > b y * = 0 Se deta ottma contene un eccesso d -esma sostanza, consumatore non accetterà d pagare y * > 0 * n =1 * y > 0 a x = b Se azenda fssa un prezzo y * > 0 è che l consumatore non ha un surplus d -esma sostanza E. Amald Fondament d R.O. Poltecnco d Mlano 33

34 m y = 1 * a < c prezzo sostanze contenute n un untà d -esmo almento x * = 0 al consumatore non convene comprare l almento * m =1 * x > 0 y a = c Se l consumatore nclude l -esmo almento nella deta ottma vuol dre che l azenda ha scelto de prezz y * t.c. l prezzo delle sostanze contenute n una untà d -esmo almento non è nferore a c E. Amald Fondament d R.O. Poltecnco d Mlano 34

35 Esempo: mn 13x x 2 + 6x 3 s.v. 5x 1 + x 2 + 3x 3 = 8 (P) 3x 1 + x 2 = 3 x 1, x 2, x 3 0 max 8y 1 + 3y 2 s.v. 5y 1 + 3y 2 13 (D) y 1 + y y 1 6 Verfcare che x * = (1, 0, 1) ammssble è una sol. ottma non degenere d (P). Supporre che sa vero e dervare, medante le condzon degl scart complementar, la sol. ottma corrspondente d (D). E. Amald Fondament d R.O. Poltecnco d Mlano 35

36 Poché (P) è n forma standard, le condzon y * (a T x* -b ) = 0 sono automatcamente soddsfatte, 1 2. Quella (c T y*t A ) x * = 0 loèper = 2 vsto che x* 2 = 0. Poché x * 1 > 0 e x* 3 > 0, ottenamo le condzon: 5y 1 + 3y 2 = 13 3y 1 = 6 e qund la soluzone ottma y * 1 = 2 e y * 2 = 1 d (D) con b T y * =19 = c T x *. E. Amald Fondament d R.O. Poltecnco d Mlano 36

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

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

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9) 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. 03-4, lez.9) Matematca Computazonale, Ottmzzazone,

Dettagli

PROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1.

PROGRAMMAZIONE LINEARE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino P. L. / 1. PROGRAMMAZIONE LINEARE Una pccola ntroduzone R. Tade R. Tade 2 LA PROGRAMMAZIONE LINEARE L obettvo del captolo consste nel fornre lo scheletro d un problema d programmazone lneare e gl strument concettual

Dettagli

Lezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott.

Lezione n 18. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott.ssa Gentili Dott. Lezon d Rcerca Operatva Corso d Laurea n Informatca Unverstà d Salerno Lezone n 18 - Teora de graf: defnzon d base - Problema del flusso a costo mnmo Prof. Cerull Dott.ssa Gentl Dott. Carrabs Teora de

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione 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 Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* 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

Dettagli

Corsi di Laurea in Farmacia e CTF Prova di Matematica

Corsi di Laurea in Farmacia e CTF Prova di Matematica Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall

Dettagli

RICERCA OPERATIVA GRUPPO B prova scritta del 22 gennaio 2009

RICERCA OPERATIVA GRUPPO B prova scritta del 22 gennaio 2009 RICERCA OPERATIVA GRUPPO B prova scrtta del gennao 009. Dte se l vettore (5/4,, ) è combnazone affne, conca o convessa de vettor (/, 0, ), (,, ) e (/, /, ). Il vettore (5/4,, ) è combnazone affne de vettor

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

Dettagli

Flusso a costo minimo

Flusso a costo minimo Flusso a costo mnmo Consderamo un grafo G=(N, A), con capactà u sugl arch. Il problema: mn c (, j) A x s.t. (, j) δ + x ( ) ( j, ) δ x j ( j) = b( ) N x u (, j) A s dce problema d flusso a costo mnmo.

Dettagli

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente

Dettagli

PROBLEMI DI ALLOCAZIONE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Trasporti / 1.

PROBLEMI DI ALLOCAZIONE. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Trasporti / 1. PROBLEMI DI ALLOCAZIONE Una pccola ntroduzone R. Tade R. Tade PROBLEMI DI ALLOCAZIONE I problem d allocazone rchedono d mnmzzare l costo (o massmzzare l guadagno) dell'attrbuzone d rsorse che non sono

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione 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

Dettagli

Flusso a costo minimo

Flusso a costo minimo Flusso a costo mnmo Consderamo un grafo G=(N, A), con capactà u sugl arch. Il problema: mn s.t. c (, j) A x (, j) δ x + x ( ) u ( j, ) δ x j ( ) = b( ) N (, j) A s dce problema d flusso a costo mnmo. Assumamo

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi 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

Dettagli

Support Vector Machines. Macchine a vettori di supporto

Support Vector Machines. Macchine a vettori di supporto Support Vector Machnes Macchne a vettor d supporto Separator Lnear Percettrone La classfcazone bnara può essere vsta come un problema d separazone d class nello spazo delle feature m b b b > 0 b 0 b

Dettagli

Calcolo Scientifico e Matematica Applicata Secondo Parziale, Ingegneria Ambientale

Calcolo Scientifico e Matematica Applicata Secondo Parziale, Ingegneria Ambientale Calcolo Scentfco e Matematca Applcata Secondo Parzale, 7.2.28 Ingegnera Ambentale Rsolvere gl esercz, 2, 4 oppure, n alternatva, gl esercz, 3, 4. Valutazone degl esercz: 4, 2 8, 3 8, 4 8.. Illustrare,

Dettagli

Ricerca 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

Ricerca 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

Dettagli

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

Dettagli

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III Ingegnera Elettrca Poltecnco d Torno Luca Carlone ControllAutomatcI LEZIONE III Sommaro LEZIONE III Trasformata d Laplace Propretà e trasformate notevol Funzon d trasfermento Scomposzone n fratt semplc

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi 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

Dettagli

RICERCA OPERATIVA GRUPPO A prova scritta del 12 febbraio 2009

RICERCA OPERATIVA GRUPPO A prova scritta del 12 febbraio 2009 RICERCA OPERATIVA GRUPPO A prova scrtta del febbrao 009. Dte se l vettore (, /4, /4) è combnazone affne, conca o convessa de vettor (, 0, ), (, ½, ½) e ( ½,, ). Il vettore (, /4, /4) è combnazone convessa

Dettagli

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO Stabltà e Teorema d Drclet Defnzone S dce ce la confgurazone C 0 d un sstema è n una poszone d equlbro stable se, portando l sstema n una confgurazone

Dettagli

RICERCA OPERATIVA GRUPPO B prova scritta del 12 febbraio x2

RICERCA OPERATIVA GRUPPO B prova scritta del 12 febbraio x2 RICERCA OPERATIVA GRUPPO B prova scrtta del febbrao 009. Dte se l vettore (,, ) è combnazone affne, conca o convessa de vettor ( ½,, ), (0, 5, 0) e (,, ). Il vettore (,, ) è combnazone affne de vettor

Dettagli

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4

Teoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4 Teora de Goch Dr. Guseppe Rose Unverstà degl Stud della Calabra Corso d Laurea Magstrale n Economa Applcata a.a 011/01 Handout 4 1 L equlbro d Bertrand Nel modello d Bertrand, abbamo un duopolo esattamente

Dettagli

Massimizzazione del profitto e offerta concorrenziale

Massimizzazione del profitto e offerta concorrenziale Massmzzazone del roftto e offerta concorrenzale Eserczo Un mresa roduce un bene megando un solo nut. La sua funzone d roduzone è f(x)=4 x dove x è l numero d untà del fattore roduttvo. Una untà del rodotto

Dettagli

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima Il problema del camba-monete. ALGORITMI GREEDY camba-monete schedulng a mnmo l rtardo Scopo. Dat tagl dsponbl: c, c, 5c, 0c, 0c, 50c,, progettare un algortmo che data una certa somma la camb usando l mnmo

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo

Dettagli

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico. Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo

Dettagli

Teoria dell informazione e Meccanica Statistica

Teoria dell informazione e Meccanica Statistica Teora dell nformazone e Meccanca Statstca L. P. Gugno 2007 Rporto qu una breve rassegna dell approcco alla Meccanca Statstca medante la teora dell nformazone. Partamo dalla consderazone che la probabltà

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 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

Dettagli

Propagazione degli errori

Propagazione degli errori Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per

Dettagli

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, SGI E SPS, A.A. 2006/07, GEMMA PARMEGGIANI

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, SGI E SPS, A.A. 2006/07, GEMMA PARMEGGIANI ALGEBRA LINEARE I (A PER SCIENZE STATISTICHE, SGI E SPS, A.A. 6/7, GEMMA PARMEGGIANI Unverstà degl Stud d Padova Dpartmento d Matematca Pura e Applcata va Belzon, 7 353 Padova Programma del corso. Nota

Dettagli

FISICA. S = Q rev 373K

FISICA. S = Q rev 373K FISICA Sere 9: Soluzon II lceo Eserczo 1 ranszone d fase Poché l entropa è una funzone d stato possamo calcolare la sua varazone lungo un processo reversble. Questo lo s può realzzare sottraendo delle

Dettagli

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, SGI E SPS, A.A. 2005/06, GEMMA PARMEGGIANI

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, SGI E SPS, A.A. 2005/06, GEMMA PARMEGGIANI ALGEBRA LINEARE I (A PER SCIENZE STATISTICHE, SGI E SPS, A.A. 5/6, GEMMA PARMEGGIANI Unverstà degl Stud d Padova Dpartmento d Matematca Pura e Applcata va Belzon, 7 353 Padova Programma del corso. Nota

Dettagli

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile. Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base

Dettagli

Esame di metodi matematici per le decisioni economiche e aziendali

Esame di metodi matematici per le decisioni economiche e aziendali UNIVERSITÀ DEGLI STUDI ROMA TRE Esame d metod matematc per le decson economche e aendal 9-02-209 Canddato (cognome e nome)......... Matrcola...... ) Data la matrce 200 00 80 200 200 250 400 300 50 50 00

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

1. La domanda di moneta

1. La domanda di moneta 1. La domanda d moneta Esercz svolt Eserczo 1.1 (a) S consder l modello della domanda d moneta a scopo speculatvo d Keynes. Un ndvduo può sceglere d allocare la propra rcchezza sottoscrvendo un ttolo rredmble

Dettagli

Tangenti a una conica: il metodo del Doppio sdoppiamento 1

Tangenti a una conica: il metodo del Doppio sdoppiamento 1 Tangent a una conca: l metodo del Doppo sdoppamento 1 Franco Goacchno Sunto Ecco un metodo alternatvo per determnare le tangent a una conca da un qualsas punto del pano. Esso consste nell applcare volte

Dettagli

Competizione di prezzo. Cles a.a

Competizione di prezzo. Cles a.a Competzone d prezzo Cles - 6090 a.a. 2009-200 Stefano Bresch Chara Fumagall - Settembre 2009 Esemp () Talvolta, guerre d prezz. ESEMPIO: Intel e AMD Maggo 2006: AMD rduce l prezzo dell Atlon 64 X2 5000

Dettagli

1. Fissato un conveniente sistema di riferimento cartesiano Oxy si studino le funzioni f e g e se ne disegnino i rispettivi grafici G, G.

1. Fissato un conveniente sistema di riferimento cartesiano Oxy si studino le funzioni f e g e se ne disegnino i rispettivi grafici G, G. Problema 1 S consderno le funzon f e g defnte, per tutt gl x real, da: f ( x) = x 3 4 x, g( x) = sn( π x) 1. Fssato un convenente sstema d rfermento cartesano Oxy s studno le funzon f e g e se ne dsegnno

Dettagli

Lezione n La concentrazione

Lezione n La concentrazione 1 La concentrazone Corso d Laurea: Economa Azendale Nello studo de fenomen economc e socal descrtt attraverso caratter quanttatv d tpo trasferble può essere nteressante analzzare la cosddetta concentrazone

Dettagli

Sistemi Intelligenti Stimatori e sistemi lineari - III

Sistemi Intelligenti Stimatori e sistemi lineari - III Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\

Dettagli

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, A.A. 2003/04, GEMMA PARMEGGIANI

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, A.A. 2003/04, GEMMA PARMEGGIANI ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, A.A. 3/4, GEMMA PARMEGGIANI Unverstà degl Stud d Padova Dpartmento d Matematca Pura e Applcata va Belzon, 7 353 Padova. Eserctazon a grupp svolte. Esercz tpo

Dettagli

03/03/2012. Campus di Arcavacata Università della Calabria

03/03/2012. Campus di Arcavacata Università della Calabria Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn

Dettagli

Metodi ad un passo espliciti con passo adattivo Metodi Runge - Kutta

Metodi ad un passo espliciti con passo adattivo Metodi Runge - Kutta Metod ad un passo esplct con passo adattvo Metod Runge - Kutta Scrvere un programma che approssm l problema d Cauchy: u (t) = f(t, u), t 0 t T, u R d, u(t 0 ) = v per un sstema d equazon dfferenzal ordnare

Dettagli

G. Parmeggiani 3/6/2019. Algebra e matematica discreta, a.a. 2018/2019, Scuola di Scienze - Corso di laurea:

G. Parmeggiani 3/6/2019. Algebra e matematica discreta, a.a. 2018/2019, Scuola di Scienze - Corso di laurea: G. Parmeggan 3/6/9 Algebra e matematca dscreta, a.a. 8/9, Scuola d Scenze - Corso d laurea: parte d Algebra Informatca ESERCIZIO TIPO Sa A(α) α, dove α è un numero reale non negatvo. (a) Per qual α real

Dettagli

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986 Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane

Dettagli

Elementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche

Elementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche Element d teora bayesana della decsone Teora bayesana della decsone: caratterstche La teora bayesana della decsone è un approcco statstco fondamentale al problema del pattern recognton. Il suo obettvo

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria. SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE

Dettagli

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, A.A. 2003/04, GEMMA PARMEGGIANI

ALGEBRA LINEARE I (A) PER SCIENZE STATISTICHE, A.A. 2003/04, GEMMA PARMEGGIANI ALGEBRA LINEARE I A PER SCIENZE STATISTICHE, A.A. 3/4, GEMMA PARMEGGIANI Unverstà degl Stud d Padova Dpartmento d Matematca Pura e Applcata va Belzon, 7 353 Padova. Programma. Esercz tpo svolt 3. Eserctazon

Dettagli

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω Metod d anals Eserczo Anals alle magle n presenza d sol generator ndpendent d tensone R s J R Determnare le tenson sulle resstenze sapendo che: s s 0 R R 5.Ω s J R J R R 5Ω R 0Ω R 6Ω R 5 Dsegnamo l grafo,

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

Dettagli

6 Prodotti scalari e prodotti Hermitiani

6 Prodotti scalari e prodotti Hermitiani 6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al

Dettagli

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi. ESERCIZI SU ANELLI E SOTTOANELLI N.B.: l smbolo contrassegna gl esercz relatvamente pù compless. 1 Sa X un nseme, e sa PX l suo nseme delle part. Indcando con l operazone d dfferenza smmetrca tra element

Dettagli

Risposta in frequenza

Risposta in frequenza Rsposta n frequenza www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 6--6 Dagramm d Bode Le funzon d trasfermento (f.d.t de crcut lnear tempo nvarant sono funzon razonal (coè rapport tra due polnom

Dettagli

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2 Corso d STATISTICA Prof. Roberta Sclano Ordnaro d Statstca, Unverstà d Napol Federco II Professore supplente, Unverstà della Baslcata a.a. 0/0 Contenut: o Specfcazone del modello o Ipotes del modello classco

Dettagli

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità 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

Dettagli

Teoremi dei circuiti

Teoremi dei circuiti Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 0-0-03) Teorema d Tellegen Ipotes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,

Dettagli

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali Chmca Fsca - Chmca e Tecnologa Farmaceutche Lezone n. 10 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Convenzon per le soluzon real Relazon tra coeffcent d attvtà 02/03/2008 Antonno

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Teoria economica della produzione e dei costi. (a cura del prof. Mario C. Sportelli)

Teoria economica della produzione e dei costi. (a cura del prof. Mario C. Sportelli) DIPARTIMENTO DI MATEMATICA Va E Orabona, 4 705 Bar Materale ddattco per gl student del Corso d Laurea Magstrale n Matematca Teora economca della produzone e de cost (a cura del prof Maro C Sportell) (ottobre

Dettagli

Algebra 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.

Algebra 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

Dettagli

La teoria microeconomica del consumo

La teoria microeconomica del consumo Isttuzon d Economa Matematca La teora mcroeconomca del consumo Il problema del consumatore 2 a parte. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy)

Dettagli

SVM learning. WM&R a.a. 2010/11. A. Moschitti, R. Basili

SVM learning. WM&R a.a. 2010/11. A. Moschitti, R. Basili SVM learnng WM&R a.a. 2010/11 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e Produzone Unverstà d Roma Tor Vergata Emal: basl@nfo.unroma2.t 1 Sommaro Perceptron Learnng Lmt de classfcator lnear Support

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

SVM learning WM&R a.a. 2015/16

SVM learning WM&R a.a. 2015/16 SVM learnng WM&R a.a. 2015/16 R. BASILI D I PA R T I M E N T O D I I N G E G N E R I A D E L L I M P R E S A U N I V E R S I TÀ D I R O M A T O R V E R G ATA E M A I L : B A S I L I @ I N F O. U N I R

Dettagli

ω 0 =, abbiamo L = 1 H. LC 8.1 Per t il condensatore si comporta come un circuito aperto pertanto la corrente tende a zero: la R

ω 0 =, abbiamo L = 1 H. LC 8.1 Per t il condensatore si comporta come un circuito aperto pertanto la corrente tende a zero: la R 8. Per t l condensatore s comporta come un crcuto aperto pertanto la corrente tende a zero: la funzone non può essere la (c). caando α e ω 0 s ottengono seguent alor: α 5 0 e ω 0 0. Essendo α > ω 0 l crcuto

Dettagli

VII esercitazione. Corso di Laurea in Informatica Calcolo Scientifico II a.a. 07/08

VII esercitazione. Corso di Laurea in Informatica Calcolo Scientifico II a.a. 07/08 VII eserctazone Una fattorzzazone che rvela propretà della matrce: La Sngular value decomposton (SVD) fattorzza una matrce rettangolare reale o complessa è utlzzata nelle applcazon: nella trasmssone d

Dettagli

Approfondimento Capitolo 4. Definizioni esistono due tipi di grandezze in economia

Approfondimento Capitolo 4. Definizioni esistono due tipi di grandezze in economia Poltca Economca E. Marchett 1 Approfondmento Captolo 4 efnzon esstono due tp d grandezze n economa Grandezze Flusso: una quanttà che s forma n un ntervallo d tempo (es.: reddto, rsparmo, nvestmento ) Grandezze

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k (1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)

Dettagli

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA 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

Dettagli

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 20: 16 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Errata slde 14: 8 maggo 2012 Rendta perpetua

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione 18

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione 18 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2007-2008 lezone 18 professor Danele Rtell danele.rtell@unbo.t 1/11? Questo esempo nteressa la gestone delle scorte.

Dettagli

si utilizzano per confrontare le distribuzioni

si utilizzano per confrontare le distribuzioni Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

PROBLEMA DI SCELTA FRA DUE REGIMI DI

PROBLEMA DI SCELTA FRA DUE REGIMI DI PROBLEMA DI SCELTA FRA DUE REGIMI DI CAPITALIZZAZIONE Prerequst: legge d captalzzazone semplce legge d captalzzazone composta logartm e loro propretà dervate d una funzone pendenza d una curva n un punto

Dettagli

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni IL MODELLO DI MACK Materale ddattco a cura d Domenco Gorgo Attuaro Dann d Gruppo Socetà Cattolca d Asscurazon CHAIN-LADDE CLASSICO Metodo pù utlzzato per la stma della rserva snstr. Semplctà. Dstrbuton-ree

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE AA 2016/2017 1 Esercz 2 Regme d sconto commercale Eserczo 1 Per quale durata una somma a scadenza S garantsce lo stesso valore

Dettagli

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

Dettagli

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Luca Lietti

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Luca Lietti arametr RKS Dpartmento d Energa oltecnco d Mlano a a Masa 4-0156 MINO Eserctazon del corso FONDMENI DI ROESSI HIMII rof. uca ett ESERIZIONE 8 alcolo della temperatura d bolla e d rugada d una mscela n-butano/n-esano

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

Oltre la regressione lineare

Oltre la regressione lineare Oltre la regressone lneare Modello d regressone lneare (semplce o multpla: - varabl esplcatve X quanttatve e qualtatve (nserte tramte uso d varabl dummy - varable dpendente Y è quanttatva Y = b + b X +

Dettagli

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 10: 6-7 Maggio Meccanismi con Pagamenti: Applicazioni e Limiti

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 10: 6-7 Maggio Meccanismi con Pagamenti: Applicazioni e Limiti trument della Teora de Goch per l Informatca A.A. 2009/0 Lecture 0: 6-7 Maggo 200 Meccansm con Pagament: Applcazon e Lmt ocente Paolo Penna Note redatte da: Paolo Penna Lezone precedente Funzon d scelta

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 18 febbraio 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 18 febbraio 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 2: 18 febbrao 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? Defnzone. f : R R s dce moltplcatva se per

Dettagli

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono Captolo 1 INTRODUZIONE 21 Anals Modale S facca rfermento al sstema tempo-dscreto e al sstema tempo-contnuo x(k +1)=Ax(k) ẋ(t) =Ax(t) Le evoluzon lbere de due sstem a partre dalla condzone nzale x() = x

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli