Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI. Martino De Marco
|
|
- Gilberto Vitali
- 6 anni fa
- Visualizzazioni
Transcript
1 Politecnico di Milano Sede di Cremona A.A. 2004/05 Corso di FONDAMENTI DI RETI DI TELECOMUNICAZIONI Martino De Marco cremona.polimi.it) ESERCITAZIONE VALUTAZIONE DELLE PRESTAZIONI Slide 1
2 Indice Sistemi di accodamento Processo degli arrivi Processo di servizio Disciplina di servizio Applicazioni alle telecomunicazioni Condizione di stabilità Occupazione media Tempo di transito Slide 2
3 Sistemi di accodamento Un sistema di accodamento è un sistema deputato all erogazione di un servizio, per accedere al quale gli utenti possono entrare in competizione tra loro Anche se magari non ce ne rendiamo conto, noi abbiamo a che fare quotidianamente con sistemi di accodamento : quando aspettiamo di pagare la spesa alla cassa di un supermercato quando attendiamo che il semaforo si disponga al verde quando andiamo dal barbiere o dal parrucchiere... Slide 3
4 Sistemi di accodamento nelle reti Sistemi di accodamento sono presenti anche negli apparati per reti di telecomunicazione e la loro efficienza determina le prestazioni complessive di una rete Nelle reti a commutazione di pacchetto, i buffer presenti nel nodo consentono di accodare le unità informative in attesa della trasmissione sulla linea di uscita (multiplazione asincrona) Nelle reti a commutazione di circuito (multiplazione sincrona), fenomeni di accodamento sono visibili nella fase di instaurazione dei circuiti, quando le richieste di una apertura della connessione competono per l assegnamento di risorse di rete Slide 4
5 Teoria delle Code Per valutare le prestazioni di sistemi di accodamento si applicano risultati derivanti dalla Teoria delle Code La teoria delle code consente di studiare le prestazioni dei sistemi di accodamento Ritardo: distribuzione dei ritardi sperimentati dagli utenti Perdita: esclusione di utenti dal servizio a causa di eccessiva domanda Throughput: frequenza massima di servizio Popolazione Fila d attesa Servente Slide 5
6 Modello del sistema di accodamento Possiamo modellare un sistema di accodamento con i seguenti elementi: la popolazione: gli utenti potenziali del servizio la fila d attesa (o coda): l insieme degli utenti in competizione per accedere al servizio il servente: l entità deputata all offerta del servizio (la cassiera del supermercato, il sistema semaforico, il barbiere, ecc.). Popolazione Fila d attesa Servente Slide 6
7 Parametri di un sistema di accodamento Parametri che caratterizzano un sistema di accodamento sono: la numerosità della popolazione (N): il numero totale di utenti potenziali la distribuzione degli arrivi: come sono distribuiti nel tempo gli arrivi di nuovi utenti Il tempo di servizio: il tempo che il servente impiega per servire un utente il numero di serventi (M), contemporaneamente attivi la disciplina di servizio: l ordine con cui sono serviti gli utenti la capacità della fila d attesa (L): la capacità della coda di ospitare utenti in attesa del servizio N L m Slide 7
8 Il processo degli arrivi alla coda Se la popolazione è infinita e gli arrivi generati dagli utenti sono indipendenti tra loro, il processo degli arrivi è riconducibile alla legge di Poisson In tal caso, la probabilità che si presentino al sistema n clienti durante un intervallo di durata t è data da: ( ) λt λ t Pn [] t = e n! Il processo degli arrivi è descritto unicamente dalla variabile λ, che indica la frequenza media di arrivo (utenti al secondo) n N L m Slide 8
9 Il processo degli arrivi alla coda (2) Se la popolazione di utenti che possono accedere al sistema viene ipotizzata infinita, l intervallo temporale tra un arrivo ed il successivo (tempo di interarrivo) sarà modellato matematicamente con una funzione di densità di probabilità esponenziale negativa λ e λt Questa funzione rappresenta la frequenza normalizzata con cui si verificano tempi di interarrivo pari a t λ =0,5 arrivi al secondo Slide 9
10 Il processo di servizio In generale i serventi possono essere più di uno Per semplicità si considereranno sempre sistemi a singolo servente Occorre conoscere anche il tempo che il servente impiega per servire un cliente (tempo di servizio) Se il processo di servizio obbedisce alla Legge di Poisson, il tempo di servizio è una variabile casuale descritta da una funzione di densità di probabilità esponenziale negativa, con valore medio Ts La variabile µ indica il numero medio di utenti che il servente riesce a soddisfare nell unità di tempo (frequenza media di servizio): µ= 1/ Ts N L m Slide 10
11 Disciplina di servizio Vi sono diversi modi con cui un servente può soddisfare i suoi utenti: FIFO (First In First Out): servire per primo chi è arrivato per primo LIFO (Last In First Out): servire per primo chi è arrivato per ultimo (stack) SJF (Shortest Job First): servire per primo quello che richiede meno tempo per essere serviti PQ (Priority Queueing): servire per primo che ha più priorità più elevata... In seguito adotteremo il criterio del primo arrivato primo servito (FIFO) N L m Slide 11
12 Capacità della fila d attesa Per quanto riguarda la fila d attesa essa, nella realtà, ha capacità tutt altro che infinita (anche se a volte può sembrarlo!) Se però la capacità della coda è molto grande (L>>λ Ts), si può approssimare la trattazione al caso della fila d attesa con capacità infinita (più semplice da descrivere analiticamente) Si considereranno nel seguito solamente file d attesa aventi capacità infinita N L m Slide 12
13 Notazione formale Notazione formale per esprimere le caratteristiche di un sistema a code: M/M/m/L/N Il primo campo indica come sono distribuiti gli interarrivi dei clienti: M rappresenta una distribuzione esponenziale negativa Il secondo campo serve a rappresentare la distribuzione del tempo di servizio del servente m è il numero di serventi presenti nel sistema considerato L rappresenta la capacità massima della fila d attesa N indica la numerosità della popolazione degli utenti In seguito si considereranno sistemi di tipo M/M/1/ / (M/M/1) Questi sistemi sono completamente descritti se si conosce il numero di utenti presenti in un dato istante in fila d attesa ed occupati col servente Il tempo che un cliente ha già trascorso nel servente non interessa, poiché la distribuzione esponenziale negativa non lo considera: si dice che non ha memoria Slide 13
14 Applicazione alle telecomunicazioni (1) Le considerazioni fatte nel caso generale si possono applicare alle reti di telecomunicazioni a commutazione di pacchetto I clienti sono i pacchetti generati da uno o più terminali il servente è rappresentato da un trasmettitore (multiplatore, in caso di più linee d ingresso) che inoltra i pacchetti su una linea di trasmissione In sede di calcolo si dovrà considerare il tempo di servizio dovuto alla capacità della linea il ritardo introdotto dal trasmettitore è, solitamente, trascurabile Slide 14
15 Applicazione alle telecomunicazioni (2) Se nella coda non sono segnati i posti per gli utenti, intenderemo che il sistema è del tipo a coda infinita La lunghezza dei pacchetti, essendo una variabile casuale con distribuzione ~ esponenziale negativa, ha un valore medio pari a l [bit] Nota la capacità C della linea [bit/s], si può calcolare il tempo medio di servizio del trasmettitore come: ~ l [] s C Il numero medio di pacchetti processati nell unità di tempo dal trasmettitore è: C ~ l [ 1 s ] Slide 15
16 Sistemi di nascita e morte Assumiamo come variabile di stato S(t) del sistema il numero di pacchetti presenti nel sistema (coda+trasmettitore) all istante t Se il sistema non contiene alcun pacchetto, si dice che è nello stato 0 (zero) Se ora arriva un pacchetto il sistema passa dallo stato 0 allo stato 1 Quando il pacchetto viene trasmesso, il sistema ritorna nello stato 0 Un sistema in cui le sole transizioni di stato possibili sono quelle che portano a stati adiacenti viene chiamato sistema di nascita-morte Slide 16
17 Diagramma degli stati Probabilità stazionaria p k è la probabilità stazionaria che il sistema si trovi nello stato k Diamo una definizione intuitiva del concetto di probabilità p k rappresenta la frazione di tempo che il sistema trascorre nello stato k nel corso di un periodo di osservazione motlo lungo p k indica analogamente la frequenza relativa (normalizzata) in cui il sistema viene osservato nello stato k in un gran numero di ispezioni casuali Frequenze di transizione La frequenza con cui il sistema passa dallo stato k allo stato k+1 è λ p k Analogamente, la frequenza con cui il sistema transita dallo stato k+1 allo stato k è µ p k+1, in cui p k+1 è la probabilità stazionaria che il sistema si trovi nello stato k+1 Slide 17
18 Principio di bilanciamento dettagliato Affinché il sistema sia stabile, cioè la sua coda non cresca indefinitamente, la frequenza di transizione dallo stato k allo stato k+1 dev essere uguale alla frequenza di transizione da k+1 a k (Principio di bilanciamento dettagliato) Quindi λ p k =µ p k+1, cioè ad esempio: λ p = µ p λ p = µ p si può ricavare p 2 in funzione di p 0 ottenendo: Generalizzando: λ p2 = p1 = p λ µ µ k k pk = p p λ = ρ µ Slide 18
19 Condizione di stabilità ρ = λ/ µ prende il nome di intensità di traffico o carico del sistema, perché indica la frazione di tempo per cui il servente è occupato es.: λ =1, µ =2 ρ =0,5, cioè per il 50% del tempo il servente sta lavorando e per il restante 50% è inattivo Se λ > µ il sistema si dice instabile, in quanto il servente soddisfa mediamente meno utenti di quanti ne arrivano Occorrerà quindi che, affinché un sistema possa funzionare, λ sia sempre minore di µ Affinché λ < µ (sistema stabile), ρ <1 Slide 19
20 Distribuzione di probabilità stazionaria Poiché la somma delle probabilità (frequenze normalizzate) deve essere 1: k = 0 k 1 pk = ρ p0 = p0 = 1 1 ρ k = 0 dato che la sommatoria di ρ k costituisce una serie geometrica di ragione ρ <1 In definitiva abbiamo che: p 0 =1-ρ e quindi: p k =ρ k (1-ρ) Slide 20
21 Occupazione media del sistema Il numero medio di pacchetti nel sistema (N) sarà: ρ N = = 1 ρ λ µ λ Slide 21
22 Occupazione media del sistema Il numero medio di pacchetti nel sistema (N) sarà quindi: d d N = kp = k = k = = dρ ρ ρ ρ dρ Poiché: d dρ risulta: N = k k k ( 1 k ) ( 1 1 ρ ρ ρ) ρ ρ ( 1 ρ) ρ ( 1 ) k = 0 k = 0 k ρ = ( 1 ) k = 0 d 1 1 = dρ 1 ρ ρ ( ρ ) ( 1 ) 1 ρ ρ ρ = ρ 2 k = 0 k = 0 k = 0 k ρ Slide 22
23 Occupazione media del servente e della coda Il numero medio di pacchetti che il trasmettitore sta processando (N T ) equivale alla frazione di tempo in cui il servente non sia vuoto, cioè: N T =ρ Il numero medio di pacchetti in attesa di essere processati (N A ) può essere calcolato come il numero totale di pacchetti nel sistema meno il numero di pacchetti nel trasmettitore, cioè: N A = 2 ρ ρ ρ 1 ρ = 1 ρ Slide 23
24 Principio di Little (1) Per conoscere il tempo medio di transito nel sistema (coda + trasmettitore), dobbiamo applicare un equazione dimostrata per la prima volta da D. C. Little nel 1961 Spiegazione intuitiva: si indichi con T il tempo medio trascorso da un utente nell intero sistema (cioè l intervallo di tempo che intercorre tra l arrivo e l uscita dal sistema di un pacchetto) Il numero medio di arrivi di nuovi pacchetti durante l intervallo T è λ T Poiché il numero medio di pacchetti nel sistema è N, si ha N= λ T (Principio di Little) Il Principio di Little, può essere utilizzato per calcolare T: ρ 1 N 1. T = = ρ µ 1 = = λ λ 1 ρ µ λ Slide 24
25 Principio di Little (2) Il principio di Little può essere applicato a qualsiasi superficie chiusa, permettendoci di ricavare altri parametri interessanti del sistema tempo medio di transito nella fila d attesa (T A ) in questo caso N A è il numero medio di pacchetti in coda, quindi: T A 2 ρ N A 1 = = ρ ρ = λ λ µ λ tempo medio di transito nel trasmettitore (T T ) T T NT ρ 1 = = = λ λ µ Slide 25
26 Dimensionamento del servente Il Principio di Little consente di dimensionare una sistema di trasmissione Sostituendo a µ la sua espressione in funzione della capacita ~ C della linea di trasmissione e della lunghezza media l dei pacchetti si ottiene: T ~ 1 l = = 1 = C ~ µ λ λ C λl ~ l Slide 26
Politecnico di Milano Sede di Cremona A.A. 2013/14. Corso di RETI DI COMUNICAZIONE E INTERNET (Modulo 1) Martino De Marco / Antonio Corghi
Politecnico di Milano Sede di Cremona A.A. 2013/14 Corso di RETI DI COMUNICAZIONE E INTERNET (Modulo 1) Martino De Marco / Antonio Corghi ESERCITAZIONE VALUTAZIONE DELLE PRESTAZIONI Indice Sistemi di accodamento
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
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
DettagliSistemi Discreti. Reti di Petri Stocastiche Automi stocastici Code e Reti di Code Algebra di processi
Sistemi Discreti Reti di Petri Stocastiche Automi stocastici Code e Reti di Code Algebra di processi 1 Code Introduzione Classificazione dei sistemi a coda Legge di Little Sistemi a coda singola Reti di
Dettagli1. i limiti di p che garantiscono un funzionamento stabile del sistema ;
Problema 1 Un router collega una rete locale ad Internet per mezzo di due linee dedicate, la prima di capacità C 1 = 2.048 Mbit/s e la seconda di capacità C 2 = 512 Kbit/s. Ciascuna linea è dotata di una
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
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
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE Analisi prestazioni protocolli Allocazione statica Confronto ritardo temporale multiplazione FDM e TDM Ipotesi Numero stazioni: N Capacità canale: C bps Lunghezza coda: infinita
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
DettagliReti di Telecomunicazioni 1
Reti di Telecomunicazioni Corso on-line - AA25/6 Sistemi a coda Blocco E3 v2 Ing. Stefano Salsano e-mail: stefano.salsano@uniroma2.it Risoluzione di un sistema a coda le catene di Marov 2 Le catene di
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliReti di Telecomunicazioni 1
Reti di Telecomunicazioni 1 AA2011/12 Sistemi a coda Blocco E4 Ing. Francesco Zampognaro e-mail: zampognaro@ing.uniroma2.it Lucidi Prof. Stefano Salsano 1 Modelli per sistemi telefonici - La coda M/M/S/S
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliMettiamo i puntini sulle i. 5 min. per pensare 5 min. per discutere la soluzione
Mettiamo i puntini sulle i 5 min. per pensare 5 min. per discutere la soluzione 1. Ritardi di propagazione e trasmissione Trasmissione audio da A a B con link a 1Mbps A converte al volo la voce in un flusso
DettagliINTRODUZIONE ALLA TEORIA DEL TRAFFICO
INTRODUZIONE ALLA TEORIA DEL TRAFFICO IC3N 2000 N. 1 Definizioni preliinari Sistea soggetto a traffico: astrazione definita convenzionalente di un sistea reale (o di una parte di esso in cui entrano ed
DettagliRETI A COMMUTAZIONE DI PACCHETTO. Caratteristiche e principi di funzionamento
RETI A COMMUTAZIOE DI PACCETTO Caratteristiche e principi di funzionamento VARIABILITA DEL BIT RATE DI U SEGALE R (Bit-Rate) VALORE DI PICCO DEL BIT-RATE S VALORE MEDIO DEL BIT-RATE E tempo CARATTERISTICE
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliDati numerici: f = 200 V, R 1 = R 3 = 100 Ω, R 2 = 500 Ω, C = 1 µf.
ESERCIZI 1) Due sfere conduttrici di raggio R 1 = 10 3 m e R 2 = 2 10 3 m sono distanti r >> R 1, R 2 e contengono rispettivamente cariche Q 1 = 10 8 C e Q 2 = 3 10 8 C. Le sfere vengono quindi poste in
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
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
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
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
DettagliCORSO DI TECNICA ED ECONOMIA DEI TRASPORTI A.A. 2006-07 DIAGRAMMI DEL MOTO SEMPLIFICATI
POLITECNICO DI BARI II FACOLTA DI INGEGNERIA CORSO DI TECNICA ED ECONOMIA DEI TRASPORTI A.A. 2006-07 DIAGRAMMI DEL MOTO SEMPLIFICATI Diagrammi del moto semplificati slide 1 di 21 DESCRIZIONE DEL MOTO DI
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliQuesito 1 Si desidera determinare il numero di operatori al servizio di un centralino privato per telefonia. Le specifiche di questa determinazione
Quesito 1 Si desidera determinare il numero di operatori al servizio di un centralino privato per telefonia. Le specifiche di questa determinazione sono: 1) nel 50 % dei casi nell ora di punta le chiamate
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
Dettagli1) Entropia di variabili aleatorie continue. 2) Esempi di variabili aleatorie continue. 3) Canali di comunicazione continui. 4) Canale Gaussiano
Argomenti della Lezione 1) Entropia di variabili aleatorie continue ) Esempi di variabili aleatorie continue 3) Canali di comunicazione continui 4) Canale Gaussiano 5) Limite di Shannon 1 Entropia di una
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliI Bistabili. Maurizio Palesi. Maurizio Palesi 1
I Bistabili Maurizio Palesi Maurizio Palesi 1 Sistemi digitali Si possono distinguere due classi di sistemi digitali Sistemi combinatori Il valore delle uscite al generico istante t* dipende solo dal valore
DettagliStudio di circuiti contenenti diodi Uso di modelli semplificati
STUDIO DI CIRCUITI CONTENENTI DIODI USO DI MODELLI SEMPLIFICATI 1 Primo modello 2 Secondo modello 4 Terzo modello 6 La caratteristica e la retta di carico 8 Studio di circuiti contenenti diodi Uso di modelli
DettagliProva di Esame - Rete Internet (ing. Giovanni Neglia) Lunedì 24 Gennaio 2005, ore 15.00
Prova di Esame - Rete Internet (ing. Giovanni Neglia) Lunedì 24 Gennaio 2005, ore 15.00 NB: alcune domande hanno risposta multipla: si richiede di identificare TUTTE le risposte corrette. Cognome: Nome:
DettagliLE MISURE. attendibilità = x i - X
LE MISURE COCETTI PRELIMIARI: MISURA, ATTEDIBILITÀ, PRECISIOE, ACCURATEZZA Il modo corretto di fornire il risultato di una qualunque misura è quello di dare la migliore stima della quantità in questione
DettagliPolitecnico di Milano Dipartimento di Elettronica e Informazione. - 1 - Introduzione. Laboratorio di Reti di Telecomunicazione
Politecnico di Milano Dipartimento di Elettronica e Informazione - 1 - Introduzione Laboratorio di Reti di Telecomunicazione Programma Introduzione al concetto di simulazione Simulazionediretiditelecomunicazioni
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
DettagliSoluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni
Corso di Laurea in Ingegneria Informatica corso di Telecomunicazioni (Prof. G. Giunta) (editing a cura dell ing. F. Benedetto) Soluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni Esame
DettagliTEORIA DELLE CODE TEORIA DELLE CODE
Corso di Laurea Triennale in INGEGNERIA GESTIONALE Anno Accademico 2012/13 Prof. Davide GIGLIO 1 INDICE IL SISTEMA CODA Definizioni e proprietà generali Indici di prestazione Leggi fondamentali Code deterministiche
DettagliIl blocco amplificatore realizza la funzione di elevare il livello (di tensione o corrente) del segnale (in tensione o corrente) in uscita da una
l blocco amplificatore realizza la funzione di elevare il livello (di tensione o corrente) del segnale (in tensione o corrente) in uscita da una sorgente. Nel caso, come riportato in figura, il segnale
Dettagli- 7 - Tecniche di filtraggio del traffico
Politecnico di Milano Dipartimento di Elettronica e Informazione - 7 - Tecniche di filtraggio del traffico Laboratorio di Reti di Telecomunicazione Caratterizzazione del traffico IP Per caratterizzare
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 4
X N(m ; s ) f X x 1 e π σ xμ σ σ 0 m F X x x 1 π σ e tμ σ dt 1 0.5 EX μ VarX σ m La distribuzione normale permette di modellizzare moltissimi fenomeni aleatori (ad esempio misure di ogni genere), serve
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliCapitolo 6. Variabili casuali continue. 6.1 La densità di probabilità
Capitolo 6 Variabili casuali continue Le definizioni di probabilità che abbiamo finora usato sono adatte solo per una variabile casuale che possa assumere solo valori discreti; vediamo innanzi tutto come
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliMULTIPLAZIONE PCM MULTIPLAZIONE PCM 2
MULTIPLAZIONE PCM Discrete Pulse Modulation La discretizzazione dell asse temporale è effettuata mediante una serie di impulsi equispaziati nel tempo L ampiezza, la posizione o la durata degli impulsi
DettagliDistribuzione di Poisson Una v. casuale di Poissonè una v. casuale discreta che può assumere qualsiasi valore intero non-negativo
Distribuzione di Poisson Una v. casuale di Poissonè una v. casuale discreta che può assumere qualsiasi valore intero non-negativo E' un modello probabilistico adoperato per rappresentare situazioni di
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
Dettagli3. Le coordinate geografiche: latitudine e longitudine
Introduzione 3. Le coordinate geografiche: latitudine e longitudine Ogni volta che vogliamo individuare un punto sulla superficie terrestre gli associamo due numeri, le coordinate geografiche: la latitudine
DettagliFondamenti di Reti di Telecomunicazioni Prof. Guido Maier III appello 4 settembre 2009
Prof. Guido Maier III appello 4 settembre 2009 Cognome e nome: Matricola: (stampatello) (firma leggibile) Domanda (svolgere su questo foglio e sul retro) (8 punti) Una sorgente, osservata nell intervallo
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo indice che riassume o descrive i dati e dipende dalla
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliLE MISURE DI TENDENZA CENTRALE. Dott. Giuseppe Di Martino Scuola di Specializzazione in Igiene e Medicina Preventiva
LE MISURE DI TENDENZA CENTRALE Dott. Giuseppe Di Martino Scuola di Specializzazione in Igiene e Medicina Preventiva Individuare un indice che rappresenti significativamente un insieme di dati statistici
DettagliEsercitazioni di statistica
Esercitazioni di statistica Boxplot e numeri indici Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 14 Ottobre 014 Stefania Spina Esercitazioni di statistica 1/37 Definizioni La
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliLocalizzazione di una esplosione
XXIII Ciclo di Dottorato in Geofisica Università di Bologna Corso di: Il problema inverso in sismologia Prof. Morelli Localizzazione di una esplosione Paola Baccheschi & Pamela Roselli 1 INTRODUZIONE Problema
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo è indice che riassume o descrive i dati e dipende
DettagliCorso di Calcolo Numerico
Prof. L. Brandolini Corso di Calcolo Numerico Dott.ssa N. Franchina Laboratorio 5 Equazioni differenziali ordinarie: metodi espliciti 25 Novembre 215 Esercizi di implementazione Un equazione differenziale
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliAMPLIFICATORE DIFFERENZIALE
AMPLIFICATORE DIFFERENZIALE Per amplificatore differenziale si intende un circuito in grado di amplificare la differenza tra due segnali applicati in ingresso. Gli ingressi sono due: un primo ingresso
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE SISTEMI M/G/1 e M/D/1 Sistemi M/G/1 Nei sistemi M/G/1: i clienti arrivano secondo un processo di Poisson con parametro λ i tempi di servizio hanno una distribuzione generale della
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
DettagliReti di Comunicazione e Internet
Dipartimento di Elettronica e Informazione Politecnico di Milano Reti di Comunicazione e Internet Transmission Control Protocol Esercitazione Ipotesi semplificative per gli esercizi RTT (Round Trip Time)
DettagliSoluzioni dei Problemi di modellistica
Soluzioni dei Problemi di modellistica (.).8.. 2 3 4..2...3.7 2 (2.) (3.) Due possibili grafi di trasferimento sono i seguenti (4.) (5.) Tre possibili grafi di trasferimento sono i seguenti.2.2.. 2 3.5.3.2..
DettagliUNITA DI MISURA LOGARITMICHE
UNITA DI MISURA LOGARITMICHE MOTIVAZIONI Attenuazione del segnale trasmesso esponenziale con la lunghezza mentre si propaga sulle linee di trasmissione (conduttori metallici) Utilizzando le unità logaritmiche
DettagliMisura del campo magnetico di un magnete permanente
1 Relazione sperimentale Abbiamo misurato il campo magnetico nel traferro di un magnete permanente a C mediante il metodo di misura di Felici. Per la misure elettriche di precisione si è ricorso all uso
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliCampo di Variazione Costituisce la misura di
Statistica2 22/09/2015 I Parametri di dispersione Campo di Variazione Costituisce la misura di PESO ALLA NASCITA DEI BOVINI matricola PESO SESSO 7 38,00 F 8 38,00 F 1 40,00 F 2 40,00 F 5 40,00 F 10 42,00
DettagliLaboratorio di Reti di Comunicazione e Internet (MOD1)
Politecnico di Milano Dipartimento di Elettronica e Informazione Laboratorio di Reti di Comunicazione e Internet (MOD1) Prof. Pattavina Prof. Tornatore Lezione n : 3 La multiplazione La capacità dei mezzi
DettagliMobilificio. Si vuole simulare il comportamento della gestione degli ordini da parte di una azienda che produce mobili di due qualità
Mobilificio Si vuole simulare il comportamento della gestione degli ordini da parte di una azienda che produce mobili di due qualità Gli ordini arrivano secondo una distribuzione di Poisson di valor medio
DettagliDr. S. Greco Polito, Instradamento
Instradamento Servizi: datagramma(dg) e circuito virtuale(cv) q DG -> connectionless -> non si ha garanzia che i pacchetti immessi in rete possano essere trasferiti con successo q CV -> connection-oriented
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
DettagliReti di code. Sostituendo ottengo:
Reti di code Reti di code aperte Metodo di risoluzione di un generico esercizio: 1) Solitamente come prima cosa da fare quando viene dato un esercizio bisogna calcolarsi i lambda effettivi (scrivendo il
DettagliInfrastrutture e Protocolli per Internet
Politecnico di Milano Facoltà di Ingegneria dell Informazione Infrastrutture e Protocolli per Internet Prof. Antonio Capone 1 Teoria del Traffico 2 Teoria del traffico: il traffico istantaneo Il traffico
Dettagli6. IL MOTO Come descrivere un moto.
6. IL MOTO Per definire il movimento di un corpo o il suo stato di quiete deve sempre essere individuato un sistema di riferimento e ogni movimento è relativo al sistema di riferimento in cui esso avviene.
Dettagli8 Traffico, Code e Reti a Pacchetto
In questo trovano posto argomenti legati alle trasmissioni dati, sia teorici che estremamente pratici. I primi possono essere visti come un approfondimento di alcuni concetti di probabilità affrontati
DettagliModulazione PAM Multilivello, BPSK e QPSK
Modulazione PAM Multilivello, BPSK e QPSK P. Lombardo DIET, Univ. di Roma La Sapienza Modulazioni PAM Multilivello, BPSK e QPSK - 1 Rappresentazione analitica del segnale Sia {b(n)} una qualsiasi sequenza
DettagliEsercitazione 1. Invece, essendo il mezzo omogeneo, il vettore sarà espresso come segue
1.1 Una sfera conduttrice di raggio R 1 = 10 cm ha una carica Q = 10-6 C ed è circondata da uno strato sferico di dielettrico di raggio (esterno) R 2 = 20 cm e costante dielettrica relativa. Determinare
DettagliDipartimento di Ingegneria dell Informazione, Elettronica e Telecomunicazioni. Esercitazioni del corso di. Telecomunicazioni
Dipartimento di Ingegneria dell Informazione, Elettronica e Telecomunicazioni Esercitazioni del corso di Telecomunicazioni Corso di laurea in Ingegneria Gestionale Anno Accademico 2013-2014 Ing. Alfonso
Dettagli1. Il moto della sbarretta (OLIMPIADI della FISICA 1991)
1. Il moto della sbarretta (OLIMPIADI della FISICA 1991) Obiettivi Determinare la f.e.m. indotta agli estremi di un conduttore rettilineo in moto in un campo magnetico Applicare il secondo principio della
DettagliGIUSTIFICAZIONE TEORICA DELLA FORMULA DI PETRY MEDIANTE L ANALISI DIMENSIONALE
M. G. BUSATO GIUSTIFICAZIONE TEORICA DELLA FORMULA DI PETRY MEDIANTE L ANALISI DIMENSIONALE NOTA TECNICA MGBSTUDIO.NET SOMMARIO La formula di Petry è una formula semiempirica che consente di stimare,
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
DettagliIntroduzione I contatori sono dispositivi fondamentali nell elettronica digitale e sono utilizzati per:
INTRODUZIONE AI CONTATORI Introduzione I contatori sono dispositivi fondamentali nell elettronica digitale e sono utilizzati per: o Conteggio di eventi o Divisione di frequenza o Temporizzazioni Principi
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
Dettagli2. Simulazione discreta: entità ed operazioni
Anno accademico 2006/07 Il sistema da modellare I principali elementi che utilizzeremo per rappresentare un sistema sono: Entità: caratterizzano un sistema da un punto di vista statico Operazioni: producono
DettagliRelazione di laboratorio di telecomunicazioni. 23/01/2014. Calcolare la Vc per ogni istante t (da t = 0 ms a t = 1 ms).
Relazione di laboratorio di telecomunicazioni. 23/01/2014 Titolo: Carica di un condensatore. Obiettivi: Calcolare Tau con la formula R x C. Calcolare la Vc per ogni istante t (da t = 0 ms a t = 1 ms).
DettagliSTATISTICA APPLICATA Prof.ssa Julia Mortera. Concentrazione
STATISTICA APPLICATA Prof.ssa Julia Mortera Concentrazione Questo materiale non sufficiente per la conoscenza/preparazione dell argomento per il quale si rimanda al testo: Cicchitelli (2012) Statistica:
DettagliProf. Ing. Maria Pia Fanti Dipartimento di Elettrotecnica ed Elettronica Politecnico di Bari AUTOMAZIONE INDUSTRIALE
Prof. Ing. Maria Pia Fanti Dipartimento di Elettrotecnica ed Elettronica Politecnico di Bari AUTOMAZIONE INDUSTRIALE Contenuti - Le funzioni di controllo - Funzionamento di un FMS - Pianificazione e scheduling
DettagliEsercitazioni di Statistica Matematica A Lezione 2. Variabili con distribuzione gaussiana
Esercitazioni di Statistica Matematica A Lezione 2 Variabili con distribuzione gaussiana.) Una bilancia difettosa ha un errore sistematico di 0.g ed un errore casuale che si suppone avere la distribuzione
DettagliFondamenti di Reti di Telecomunicazioni Prof. Guido Maier IV appello 8 febbraio 2010
Prof. Guido Maier IV appello 8 febbraio 2010 Cognome e nome: Matricola: (stampatello) (firma leggibile) Domanda 1 1 (svolgere su questo foglio e sul retro) (7 punti) Si consideri la rete a commutazione
Dettaglihttp://www.biostatistica.unich.it 1 STATISTICA DESCRITTIVA Le misure di tendenza centrale 2 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 3 Esempio Nella
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,
DettagliINTRODUZIONE ALLA CINEMATICA DEL PUNTO MATERIALE PROF. FRANCESCO DE PALMA
INTRODUZIONE ALLA CINEMATICA DEL PUNTO MATERIALE PROF. FRANCESCO DE PALMA Sommario MOTO E TRAIETTORIA... 3 PUNTO MATERIALE... 3 TRAIETTORIA... 3 VELOCITÀ... 4 VELOCITÀ MEDIA... 4 VELOCITÀ ISTANTANEA...
Dettagliequazione della popolazione o bilancio demografico:
La dimensione della popolazione Consideriamo un conto corrente bancario: il saldo (fenomeno statico) è riferito ad un certo istante, ad es. inizio anno. Nel corso dell anno si verificano entrate ed uscite
DettagliStatistica. Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2010/2011 Statistica Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
Dettagli