Algoritmi e Strutture Dati
|
|
- Massimiliano Monti
- 5 anni fa
- Visualizzazioni
Transcript
1 Algoritmi e Strttre Dati Itrodzioe Adetes frta ivat - Virgilio Se o sapete qale strada predere, fate a scelta casale Capitolo 7 - Algoritmi probabilistici Alberto Motresor Uiversità di Treto This work is licesed der the Creative Commos Attribtio-NoCommercial-ShareAlike Licese. To view a copy of this licese, visit or sed a letter to Creative Commos, 543 Howard Street, 5th Floor, Sa Fracisco, Califoria, 9405, USA. Abbiamo già icotrato il cocetto di casalità Aalisi del caso medio - si calcola a media s ttti i possibili dati di igresso, dopo aver idividato a distribzioe di probabilità per essi Esempio: caso medio Qicksort, si assme che ttte le permtazioi siao eqiprobabili Negli algoritmi probabilistici Il calcolo delle probabilità è applicato o ai dati di ipt, ma ai dati di otpt De possibilità Algoritmi corretti, il ci tempo di fzioameto è probabilistico Algoritmo la ci correttezza è probabilistica Esempio - espressioe poliomiale lla Statistica Defiizioe: data espressioe algebrica poliomiale p(x,..., x) i variabili, determiare se p è ideticamete lla oppre o Algoritmi statistici s vettori: Estraggoo da vettore merico alce caratteristiche statisticamete rilevati Discssioe Esempi Assmiamo che o sia i forma di moomi - altrimeti è baale Gli algoritmi basati s semplificazioi soo molto complessi Algoritmo Si geera a -pla di valori v,..., v Media: µ = (A[] + A[] A[])/ Variaza (sample variace): Moda: il valore più freqete (o i valori) = (A[i] µ) Mediao: il valore che occperebbe la posizioe / se l'array fosse ordiato i= Si calcola x= p(v,..., v) Se x 0, p o è ideticamete llo Se x = 0, p potrebbe essere ideticamete llo Selezioe: Dato array A[..] di valori distiti e valore k, trovare l'elemeto che è maggiore di esattamete k- elemeti Se vi = radom(, d), dove d è il grado massimo del poliomio, allora la probabilità di errore o spera /. Si ripete k volte, ridcedo la probabilità di errore a (/) k 3 4
2 Selezioe: casi particolari Selezioe: casi particolari Ricerca del miimo, massimo T() = - = θ() cofroti Possiamo dimostrare che qesto algoritmo è ottimale? Idea: scelta del miimo come toreo Ttti gli elemeti (trae il vicitore) deve perdere almeo partita Qidi il problema è Ω() ITEM mi(item[]a, iteger ) ITEM mi A[] for iteger i to do if A[i] < mi the mi A[i] retr mi Ricerca del secodo miimo Trovare il secodo elemeto più piccolo dell'array Domada: Aalisi del caso peggiore e medio ITEM mi(item[]a, iteger ) ITEM mi A[] ITEM mi A[] if mi < mi the mi mi for iteger i 3 to do if A[i] < mi the mi A[i] if mi < mi the mi mi retr mi 5 6 Selezioe: casi particolari Selezioe per piccoli valori di k Ricerca del secodo miimo L'albero del toreo permette di trovare il secodo miimo i O( + log ) cofroti el caso pessimo Dimostrazioe passi ecessari per la ricerca del miimo Siao M e S il miimo e il secodo miimo Sicramete c'è stato icotro fra M e S, dove M ha vito Se così o fosse, esisterebbe valore X<S che ha battto S assrdo dalla defiizioe di S Qidi, basta cercare ei log valori battti direttamete da M per trovare il secodo miimo. Totale: O( + log ) Itizioe L'albero del toreo pò essere simlato da o heap L'algoritmo pò essere geeralizzato a valori geerici di k > Complessità comptazioale: O( + k log ) Se k = O(/log ), il costo è O() No va acora bee per k = / Codice heapselect(item[] A, iteger, iteger k) bildheap(a) for i := to k- do deletemi(a, ) retr mi(a) 7 8
3 Selezioe Complessità Idea Approccio divide-et-impera simile al Qicksort Ma essedo problema di ricerca, o è ecessario cercare i etrambe le partizioi, basta cercare i a sola di esse ITEM selezioe(item[]a, iteger primo, iteger ltimo, iteger k) if primo = ltimo the retr A[primo] iteger j pero(a, primo, ltimo) iteger q j primo + if k = q the retr A[j] if k<qthe retr selezioe(a, primo,j,k) retr selezioe(a, j +, ltimo, k q) primo j ltimo q Caso pessimo: O( ) Caso ottimo: O() Caso medio Assmiamo che pero() restitisca co la stessa probabilità a qalsiasi posizioe j del vettore A T () =0, per =0, T () = + T (max{q, q}) apple + q= q=b/c T (q), per caso sia pari, è facile vedere che i valori b c b c ve 9 0 Dimostrazioe Versioe probabilistica Per sostitzioe Siamo partiti dall asszioe apple T ( 0 ) apple c 0, 8 0 < apple T () apple = + c + c q=b/c ( ) q apple + c q q= b/c (b/c ) b/c X q= qa j assme eqiprobabilisticamete ttti i valori compresi fra e E se o è vero? Lo forziamo oi A[radom(primo, ltimo)] A[primo] Qesto accorgimeto vale ache per QickSort apple + c ( ) (/ + ) (/) = + c ( ) (c/) (/ + ) = + c c c/4 c/ = c c oiché l ltima qatità tra paretesi è miore di per sfficietemete grade e per
4 Selezioe i tempo pessimo lieare Selezioe i tempo pessimo lieare Algoritmo determiistico Se cooscessi tale algoritmo Determiistico: o ecessita di radomizzazioe il problema della selezioe sarebbe qidi risolto Algoritmo complesso, co fattori coivolti molto alti... ma dove lo trovo simile algoritmo? Iteressate dal pto di vista della tecica Rilassiamo le ostre pretese Svilppiamo l'idea Sppoiamo di avere algoritmo black box che mi ritori il mediao di valori i tempo O() Domada Potrei tilizzarlo per ottimizzare il problema della selezioe? Che complessità otterrei? Sppoiamo di avere algoritmo black box che mi ritori valore che dista al più /4 dal mediao (ell'ordiameto) Domada Potrei tilizzarlo per ottimizzare il problema della selezioe? Che complessità otterrei? U algoritmo del geere esiste! 3 4 Selezioe determiistica - cei Selezioe determiistica L'idea dell'algoritmo Sddividi i valori i grppi di 5. Chiameremo l'i-esimo grppo Si, co i [, /5 ] Trova il mediao mi di ogi grppo Si Tramite a chiamata ricorsiva, trova il mediao M dei mediai mi Usa M come pivot e richiama l'algoritmo ricorsivamete sll'array opporto, come ella selezioe() radomizzata Caso base Possiamo tilizzare algoritmo d'ordiameto per trovare il mediao qado la dimesioe scede sotto a certa soglia ITEM select(item[]a, iteger primo, iteger ltimo, iteger k) % Se la dimesioe è iferiore ad a soglia (0), ordia il vettore e % restitisci il k-esimo elemeto di A[primo...ltimo] if ltimo primo +apple 0 the IsertioSort(A, primo, ltimo) % Versioe co idici iizio/fie retr A[primo + k ] % Divide A i d/5e sottovettori di dim. 5 e calcola la mediaa di ogo di essi M ew iteger[...d/5e] for i to d/5e do M[i] media5(a, primo +(i ) 5, ltimo) % Idivida la mediaa delle mediae e sala come pero 5 6
5 Selezioe determiistica d e % Idivida la mediaa delle mediae e sala come pero ITEM m select(m,, d/5e, dd/5e/e) iteger j pero(a, primo, ltimo,m) % Versioe co m i ipt % Calcola l idice q di m i [primo...ltimo] % Cofroto q co l idice cercato e ritora il valore cosegete iteger q j primo + if q = k the retr m if q<kthe retr select(a, primo,q,k) retr select(a, q +, ltimo,k q) Selezioa determiistica - cei Lemma Lemma Il calcolo dei mediai M[] richiede al più 6 /5 cofroti. La prima chiamata ricorsiva dell'algoritmo select() viee effettata s circa /5 Lemma 3 (esattamete /5 ) elemeti La secoda chiamata ricorsiva dell'algoritmo select() viee effettata al massimo s 7/0 elemeti (esattamete - 3 /5 / ) Teorema L'algoritmo select() esege el caso pessimo O() cofroti Eqazioe di ricorreza: T() T(/5) + T(7/0) + /5 E' possibile dimostrare che T() = O() 7 8 Alce ote storiche Bcket sort Il problema della selezioe ella storia... Ipotesi sll'ipt Nel 883 Lewis Carroll (!) otò che il secodo premio ei torei di teis o veiva assegato i maiera eqa. I valori da ordiare soo meri reali iformemete distribiti ell'itervallo [0, ) Nel 93, Schreier dimostrò che + log - icotri soo sempre sfficieti per trovare il secodo posto Qalqe isieme di valori distribiti iformemete pò essere ormalizzato ell'itervallo [0, ) Nel 973, a opera di Blm, Floyd, Pratt, Rivest e Tarja, appare il primo algoritmo determiistico Idea Dividere l'itervallo i sottoitervalli di dimesioe /, detti bcket, e poi distribire gli meri ei bcket Per l'ipotesi di iformità, il mero atteso di valori ei bcket è I sigoli bcket possoo essere ordiati co Isertio Sort
Algoritmi e Strutture Dati
Algoritmi e Strutture Dati Capitolo 17 - Algoritmi probabilistici Alberto Montresor Università di Trento This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike License. To
DettagliAlgoritmi e strutture dati
Algoritmi e Strutture Dati Selezioe e statistiche di ordie Problemi di statistiche d ordie Estrarre da gradi quatità di dati u piccolo isieme di idicatori che e rappresetio caratteristiche statisticamete
Dettaglii-esima statistica d ordine di un insieme = i-esimo elemento più piccolo
Geeralità i-esima statistica d ordie di u isieme i-esimo elemeto più piccolo prima statistica d ordie di u isieme miimo -esima statistica d ordie di u isieme di elemeti massimo Mediao di u isieme di elemeti
DettagliCAPITOLO 3. Quicksort
CAPITOLO 3 Quicksort I questa lezioe presetiamo l algoritmo di ordiameto Quicksort(vedi []). L algoritmo Quicksort riceve i iput u array A e idici p r ed ordia l array A[p,, r] el modo seguete. L array
DettagliSpazio vettoriale Euclideo
Spazio vettoriale Eclideo Nell isieme R delle ple ordiate, o vettori ad compoeti, di meri reali abbiamo defiito la somma + v di de vettori e il prodotto αv di o scalare per vettore; la strttra cosi otteta
DettagliDivide et Impera. Minimo e Massimo. Minimo e Massimo. Risoluzione di problemi per partizione con lavoro bilanciato
Divide et Imera Risoluzioe di roblemi er artizioe co lavoro bilaciato Miimo e Massimo L algoritmo Mi-Max calcola il miimo ed il massimo tra i valori di u vettore A. Mi-Max A least A[] greatest A[] for
DettagliAlgoritmi e Strutture Dati (Mod. B) Programmazione Dinamica (Parte I)
Algoritmi e Strutture Dati (Mod. B) Programmazioe Diamica (Parte I) Numeri di Fiboacci Defiizioe ricorsiva (o iduttiva) F() = F() = F() = F() + F() Algoritmo ricorsivo Fib(: itero) if = or = the retur
DettagliRelazioni di ricorrenza
Relazioi di ricorreza Teciche di soluzioe e teorema del metodo pricipale Ugo de' Liguoro - Algoritmi e Sperimetazioi 03/04 - Lez. Relazioi di ricorreza Ci soo metodi geerali per trovare l ordie di gradezza
DettagliNote per la Lezione 11 Ugo Vaccaro
Progettazioe di Algoritmi Ao Accademico 2017 2018 Note per la Lezioe 11 Ugo Vaccaro Abbiamo visto ella lezioe scorsa u argometo ituitivo secodo il quale il tempo medio di esecuzioe di QuickSort è O( log
DettagliTempo di calcolo. , per cui x è un caso più sfavorevole quando T. peggiore(
Tempo di calcolo. Tempo di calcolo di u algoritmo La complessità computazioale è ua misura della difficoltà di risolvere problemi di calcolo co algoritmi. Per misurare la complessità di u algoritmo si
DettagliInformatica 3. Informatica 3. LEZIONE 18: Ordinamento. Lezione 18 - Modulo 1. Introduzione. Analisi algoritmi di ordinamento.
Iformatica 3 Iformatica 3 LEZIONE 18: Ordiameto Lezioe 18 - Modulo 1 Modulo 1: Algoritmi di base Modulo 2: Shellshort Modulo 3: Quicksort Algoritmi di base Politecico di Milao - Prof. Sara Comai 1 Politecico
DettagliAritmetica 2016/2017 Esercizi svolti in classe Seconda lezione
Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile
DettagliCorso di Linguaggi e Traduttori 1 AA TEORIA DELLA COMPUTAZIONE (cenni)
Corso di Liguaggi e Traduttori 1 AA 2004-05 TEORIA DELLA COMPUTAZIONE cei) 1 Sommario Iterazioe e ricorsioe Relazioi di ricorreza Complessità computazioale 2 Iterazioe e Ricorsioe Dato u problema, la sua
DettagliAlgoritmi e Programmazione Avanzata - teoria. Questa lezione si occupa di ordinamenti: gli algoritmi iterativi di ordinamento
lgoritmi e Programmazioe vazata - teoria 1/232 Che cosa c è ella lezioe Questa lezioe si occupa di ordiameti: gli algoritmi iterativi di ordiameto gli algoritmi ricorsivi di ordiameto. 2/232 lgoritmi e
DettagliRicerca di un elemento in una matrice
Ricerca di u elemeto i ua matrice Sia data ua matrice xm, i cui gli elemeti di ogi riga e di ogi coloa soo ordiati i ordie crescete. Si vuole u algoritmo che determii se u elemeto x è presete ella matrice
DettagliAlgoritmi e Strutture Dati Esercizi Prima parte
Algoritmi e Strutture Dati Esercizi Prima parte Esercizio 1 Si cosideri il seguete codice: 1 i 1 2 k 0 3 while i 4 do if A[i] s 5 the k k + 1 6 A[k] A[i] 7 i i + 1 e si dimostri la sua correttezza rispetto
DettagliProgrammazione dinamica vs. divide-et-impera
Programmazioe diamica vs. divide-et-impera Aalogia Soo etrambi paradigmi di sitesi di algoritmi che risolvoo problemi combiado le soluzioi di sottoproblemi Differeza Secodo divide-et-impera si suddivide
DettagliProgetto e analisi di algoritmi
Progetto e aalisi di algoritmi Roberto Cordoe DTI - Uiversità degli Studi di Milao Polo Didattico e di Ricerca di Crema Tel. 0373 / 898089 E-mail: cordoe@dti.uimi.it Ricevimeto: su apputameto Web page:
Dettagli3 Ricorrenze. 3.1 Metodo iterativo
3 Ricorreze Nel caso di algoritmi ricorsivi ad esempio, merge sort, ricerca biaria, ricerca del massimo e/o del miimo), il tempo di esecuzioe può essere descritto da ua fuzioe ricorsiva, ovvero da u equazioe
DettagliAlgoritmi e Strutture Dati (Elementi)
Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti
Dettagli0.1 Esercitazioni V, del 18/11/2008
1 0.1 Esercitazioi V, del 18/11/2008 Esercizio 0.1.1. Risolvere usado Cramer il seguete sistema lieare x + y + z = 1 kx + y z = 0 x kz = 1 Soluzioe: Il determiate della matrice dei coefficieti è (k 2)(k
DettagliCorso Propedeutico di Matematica
POLINOMI RICHIAMI DI TEORIA Defiizioe: u poliomio ( o fuzioe poliomiale) ella variabile x di grado a coefficieti reali ha la forma A = a0 + a1x + + a 1 x, dove a 0, a 1,..., a soo umeri reali assegati
Dettagli1 + 1 ) n ] n. < e nα 1 n
Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e
DettagliT n = f n log n = log n. 1 ] 1 ] 1 = sono verificate le disuguaglianze c 1
A.A. 00 05 Esame di Algoritmi e strutture dati luglio 005 Esercizio (6 puti) Risolvere co almeo due metodi diversi la seguete relazioe di ricorreza T = T =T Master Theorem a= b= per cui log b a = log /
DettagliRicorrenze. 3 1 Metodo iterativo
3 Ricorreze 31 Metodo iterativo Il metodo iterativo cosiste ello srotolare la ricorreza fio ad otteere ua fuzioe dipedete da (dimesioe dell iput). L idea è quella di reiterare ua data ricorreza T () u
DettagliInsiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:
Isiemi umerici Soo oti l isieme dei umeri aturali: N {1,, 3,, l isieme dei umeri iteri relativi: Z {0, ±1, ±, ±3, N {0 ( N e, l isieme dei umeri razioali: Q {p/q : p Z, q N. Si ottiee questo ultimo isieme,
DettagliEsercizi sull estremo superiore ed inferiore
AM0 - A.A. 03/4 ALFONSO SORRENTINO Esercizi sull estremo superiore ed iferiore Esercizio svolto. Dire se i segueti isiemi soo limitati iferiormete o superiormete ed, i caso affermativo, trovare l estremo
DettagliOrdinamento. Lorenzo Donatiello,Moreno Marzolla Dip. di Scienze dell'informazione Università di Bologna
Ordinamento Lorenzo Donatiello,Moreno Marzolla Dip. di Scienze dell'informazione Università di Bologna Original work Copyright Alberto Montresor, University of Trento (http://www.dit.unitn.it/~montreso/asd/index.shtml)
DettagliCenni di topologia di R
Cei di topologia di R. Sottoisiemi dei umeri reali Studieremo le proprietà dei sottoisiemi dei umeri reali, R, che hao ad esempio la forma: = (, ) (,) 6 8 = [,] { ;6;8} { } = (, ) (,) [, + ) Defiizioe:
DettagliAlgoritmi di Ordinamento
Algoritmi di Ordinamento Univ. degli Stdi di Cagliari Algoritmi di Ordinamento per Strttre Lineari Una semplice classe di algoritmi e qella degli algoritmi di ordinamento per strttre lineari. La classe
DettagliPrimo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018
Primo appello di Calcolo delle probabilità Laurea Trieale i Matematica 22/0/20 COGNOME e NOME... N. MATRICOLA... Esercizio. Siao X e Y due variabili aleatorie idipedeti, co le segueti distribuzioi: X Uif(0,
Dettagli3. Calcolo letterale
Parte Prima. Algera 1) Moomi Espressioe algerica letterale 42 Isieme di umeri relativi, talui rappresetati da lettere, legati fra loro da segi di operazioi. Moomio Espressioe algerica che o cotiee le operazioi
DettagliTesting, correttezza e invarianti
Testing, correttezza e invarianti Moreno Marzolla Dipartimento di Informatica Scienza e Ingegneria (DISI) Università di Bologna http://www.moreno.marzolla.name/ Copyright 2018 Moreno Marzolla, Università
DettagliCOMPLESSITA COMPUTAZIONALE ESERCITAZIONI (I PARTE) Tutor: Francesca Piersigilli
COMPLESSITA COMPUTAZIONALE ESERCITAZIONI (I PARTE) Tutor: Fracesca Piersigilli ANALISI DI ALGORITMI Aalizzare u algoritmo sigifica prevedere le risorse che esso richiede: MEMORIA TEMPO Per fare ciò assumeremo
DettagliDelimitazioni inferiori e superiori alla complessita di un problema
Delimitazioi iferiori e superiori alla complessita di u problema Alcue teciche Nozioi prelimiari Ua ozioe prelimiare: albero k-ario completo U U albero k-ario è completo se se tutti i i odi iteri hao k
DettagliIncertezza. Tipi di incertezza. Tipi di incertezza. Metodo di valutazione dell incertezza di tipo A. Espressione della misura
Espressioe della misra Ua MISURA è a iformazioe costitita da (UI 56): mero Icertezza (co il livello di cofideza, espressa secodo GUM) Uità di misra Misre Meccaiche e Termiche Espressioe della misra ed
DettagliPrincipio di induzione: esempi ed esercizi
Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se
DettagliTutorato di Probabilità 1, foglio I a.a. 2007/2008
Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =
DettagliStima di somme: esercizio
Stima di somme: esercizio Valutare l'ordie di gradezza della somma k l (1 + 3 k ) Quado x
Dettagli2T(n/2) + n se n > 1 T(n) = 1 se n = 1
3 Ricorreze Nel caso di algoritmi ricorsivi (ad esempio, merge sort, ricerca biaria, ricerca del massimo e/o del miimo), il tempo di esecuzioe può essere descritto da ua fuzioe ricorsiva, ovvero da u equazioe
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso
DettagliAppendice 2D: Operatori in spazi Hilbertiani
ppedice 2D: Operatori i spazi Hilbertiai Operatore  ello spazio Hilbertiao: corrispodeza da geerico elemeto v ad elemeto ivocamete determiato, detto trasformato di v secodo  v Notazioe formale: v dove
Dettagli06 LE SUCCESSIONI DI NUMERI REALI
06 LE SUCCESSIONI DI NUMERI REALI Ua successioe è ua fuzioe defiita i. I simboli ua f : A tale che f ( ) è ua successioe di elemeti di A. Se poiamo f ( i) ai co i,...,,..., ua successioe può essere rappresetata
DettagliIl problema dello zaino
Il problema dello zaino (knapsack problem) Damiano Macedonio mace@unive.it Copyright 2010 2012 Moreno Marzolla, Università di Bologna (http://www.moreno.marzolla.name/teaching/asd2011b/) This work is licensed
DettagliESERCITAZIONI DI INTRODUZIONE AGLI ALGORITMI (A.A. 08/09, CANALE E-O)
ESERCITAZIONI DI INTRODUZIONE AGLI ALGORITMI (A.A. 08/09, CANALE E-O) DISPENSA N. 1 1. Limiti superiori, iferiori ed esatti, O, Ω, Θ Defiizioe 1.1 (Limitazioe Superiore). Diciamo che g() è ua itazioe superiore
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliProgettazione di Algoritmi - lezione 23
Progettazioe di Algoritmi - lezioe 23 Discussioe dell'esercizio [palidroma] Dobbiamo trovare u algoritmo efficiete che data ua striga s di caratteri trova la più luga sottostriga di s che sia palidroma.
DettagliAM110 - ESERCITAZIONI V - VI. Esercizio svolto 1. Dimostrare che ogni insieme finito ha un massimo ed un minimo.
AM110 - ESERCITAZIONI V - VI 16-18 OTTOBRE 2012 Esercizio svolto 1. Dimostrare che ogi isieme fiito ha u massimo ed u miimo. Sia A = {a 1,..., a } R. Dimostriamo che A ha u massimo si procede i maiera
DettagliLe successioni: intro
Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!
DettagliAnalisi Matematica Soluzioni prova scritta parziale n. 1
Aalisi Matematica Soluzioi prova scritta parziale. 1 Corso di laurea i Fisica, 018-019 3 dicembre 018 1. Dire per quali valori dei parametri α R, β R, α > 0, β > 0 coverge la serie + (!) α β. ( )! =1 Soluzioe.
DettagliSECONDO ESONERO DI AM1 10/01/ Soluzioni
Esercizio. Calcolare i segueti iti: Razioalizzado si ottiee SECONDO ESONERO DI AM 0/0/2008 - Soluzioi 2 + 2, 2 + 2 = 2 + 2 + 2 + 2 = Per il secodo ite ci soo vari modi, e mostro tre. Ora ( ) ( + si = +
Dettaglialgoritmi e strutture di dati
algoritmi e strutture di dati complessità degli algoritmi m.patrigai ota di copyright queste slides soo protette dalle leggi sul copyright il titolo ed il copyright relativi alle slides (iclusi, ma o limitatamete,
Dettagli(a 0, a 1, a 2,..., a n,...) (0, a 0 ), (1, a 1 ), (2, a 2 ),... (1, 3, 5, 7,...) Lezione del 26 settembre. 1. Successioni.
Lezioe del 26 settembre. 1. Successioi. Defiizioe 1 Ua successioe di umeri reali e ua legge che associa a ogi umero aturale = 0, 1, 2,... u umero reale - i breve: e ua fuzioe N R; si scrive ella forma
DettagliPRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA. A. Induzione matematica: Introduzione
PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA CHU WENCHANG A Iduzioe matematica: Itroduzioe La gra parte delle proposizioi della teoria dei umeri dà euciati che coivolgoo i umeri aturali; per esempio
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
DettagliCORSO DI STATISTICA I (Prof.ssa S. Terzi)
CORSO DI STATISTICA I (Prof.ssa S. Terzi) STUDIO DELLE DISTRIBUZIONI SEMPLICI Esercitazioe. Data la segete distribzioe di freqeza: X 0- -2 2-3 3-5 5-0 0-5 5-25 N 44 35 22 58 60 06 02 a) calcolare le freqeze
DettagliEntropia ed informazione
Etropia ed iformazioe Primi elemeti sulla teoria della misura dell iformazioe Per trasmettere l iformazioe è ecessaria ua rete di comuicazioe, che, secodo l approccio teorico di Claude E. Shao e Warre
DettagliLe successioni: intro
Le successioi: itro Si cosideri la seguete sequeza di umeri:,,, 3, 5, 8, 3,, 34, 55, 89, 44, 33, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi mesi i u allevameto! Si
DettagliAlgoritmi e Strutture di Dati
Algoritmi e Strutture di Dati Capitolo 0 - Code con priorità e insiemi disgiunti This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike License. To view a copy of this license,
DettagliAppendice A. Elementi di Algebra Matriciale
ppedice. Elemeti di lgebra Matriciale... 2. Defiizioi... 2.. Matrice quadrata... 2..2 Matrice diagoale... 2..3 Matrice triagolare... 3..4 Matrice riga e matrice coloa... 3..5 Matrice simmetrica e emisimmetrica...
DettagliIl risultato di una prova è un n. aleatorio Funzioni degli esiti: Ω IR X, Y, Z,... funzioni, X(ω), Y (ω), Z(ω)
Variabili aleatorie (v.a.) Il risultato di ua prova è u. aleatorio Fuzioi degli esiti: Ω IR X, Y, Z,... fuzioi, X(ω), Y (ω), Z(ω) se B IR, P(X B) = = P({ω Ω : X(ω) B}) = P(X 1 (B)) I geerale iteressa B
DettagliPensiero Algoritmico. Lezione 4 30 Novembre Ripasso. Torri di Hanoi Soluzione. Torri di Hanoi Definizione. Ozalp Babaoglu Università di Bologna
Pesiero lgoritmico Lezioe 4 30 Novembre 06 Ozalp Babaoglu Uiversità di Bologa Passi primitivi Strategia divide-et-impera Ricorsioe Defiizioi ricorsivi Crescita espoeziale Ripasso Torri di Haoi Defiizioe
DettagliDistribuzione normale o gaussiana
Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliIL CAMPIONAMENTO. POPOLAZIONE un insieme finito o infinito di unità statistiche
IL CAMPIONAMENTO Defiizioi POPOLAZIONE u isieme fiito o ifiito di uità statistiche CAMPIONE piccola frazioe di ua popolazioe le cui caratteristiche si approssimao a quelle della popolazioe. Il campioe
DettagliAlgoritmi e Strutture di Dati
Algoritmi e Strutture di Dati Complessità degli algoritmi m.patrigai Nota di copyright queste slides soo protette dalle leggi sul copyright il titolo ed il copyright relativi alle slides (iclusi, ma o
DettagliESERCIZI - FASCICOLO 1
ESERCIZI - FASCICOLO 1 Esercizio 1 Sia (Ω, A) uo spazio misurabile. Se (A ) 1 è ua successioe di eveti (= elemeti di A), defiiamo lim sup A := A k lim if A = A k. Mostrare che =1 k= (lim sup A ) c = lim
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliFunzioni continue. Definizione di limite e di funzione continua. Esercizio 1. x 0, 1 x 2, 3
Fuzioi cotiue Defiizioe di limite e di fuzioe cotiua Esercizio. Dire quali delle segueti fuzioi soo cotiue. f : 0,, 3, f 0,, 3 Plot Piecewise,,,,, 0, 3.0 0.8 0.6 0.4 0. f è cotiua. Ifatti, fissiamo y [0,].
Dettagli1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge.
Le successioi A parole ua successioe é u isieme ifiito di umeri disposti i u particolare ordie. Piú rigorosamete, ua successioe é ua legge che associa ad ogi umero aturale u altro umero (ache o aturale):
DettagliDETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo
DettagliSoluzioni degli esercizi di Analisi Matematica I
Soluzioi degli esercizi di Aalisi Matematica I (Prof. Pierpaolo Natalii) Roberta Biachii 6 ovembre 2016 FOGLIO 1 1. Determiare il domiio e il sego della fuzioe ( ) f(x) = arccos x2 1 x + 1 π/3. 2. Dimostrare,
DettagliForme Bilineari 1 / 34
Forme Bilieari 1 / 34 Defiizioe applicazioe Dicesi forma bilieare su uo spazio vettoriale V, ua ϕ : V V R che è lieare i etrambi gli argometi, ossìa tale che u,v,w V e a,b R si abbia: ϕ(au + bv,w) =aϕ(u,w)
DettagliArgomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica
Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa
DettagliEs. di Ordine di crescita. Di quanto aumenta il running time se la taglia ~nlog(n) operazioni. dell input)
Ricomiciamo da quato fatto Riflettiamo su quato fatto Problemi icotrati Algoritmi Problemi icotrati Algoritmi Max Subarray Stable Matchig Max Subarray Stable Matchig 2 possibilità! possibilità Algoritmo
DettagliElementi di statistica
Elemeti di statistica La misura delle gradezze fisiche può essere effettuata direttamete o idirettamete. Se la misura viee effettuata direttamete si parla di misura diretta; se essa viee dedotta attraverso
DettagliAssociativo A (B C ) = (A B) C Distributivo su somma: A (B + C ) = (A B) + (A C) Non commutativo:
MARIIII PRODOO RIIGHE OLONNE Associatio A (B (A B Distribtio s somma: A (B + (A B + (A No commtatio: A B B A No legge allameto prodotto: ( (AB 0 (A0 B0 No legge di cacellazioe é a d é a si: ( (A B (AB
DettagliEsercizi di Analisi Matematica
Uiversità degli Studi di Udie Ao Accademico 00/0 Facoltà di Scieze Matematiche Fisiche e Naturali Corso di Laurea i Iformatica Esercizi di Aalisi Matematica Dott. Paolo Baiti Esercizi del 5 Ottobre 00.
DettagliTECNICA DIVIDE ET IMPERA
TECNICA DIVIDE ET IMPERA 1. Itroduzioe Data l istaza di u problema, la strategia del divide-et-impera suggerisce di partizioarla i k sotto-istaze i modo da otteere k uove istaze per lo stesso problema
DettagliEsercitazione 3 Sistemi lineari
Esercitazioe 3 Sistemi lieari a.a. 2018-19 Esercizio 1 (M) Scrivere ua M-fuctio che calcola l iversa di ua matrice triagolare iferiore L di ordie mediate ua tecica compatta, memorizzadola ella matrice
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliCAMBIAMENTO DI BASE IN UNO SPAZIO VETTORIALE
CAMBIAMENTO DI BASE IN UNO SPAZIO VETTORIALE Sia V uo spazio vettoriale sul campo K. Siao v, v,..., v vettori dati apparteeti a V e siao, ioltre, assegati scalari k, k,..., k apparteeti a K. Si defiisce
DettagliY = ln X è normalmente distribuita. (y) = dg(x) dx. f Y. (x) = dy dx f Y. f X. (g(x)) & exp$ dx x - $ % ( x) DISTRIBUZIONE LOG-NORMALE.
DISTRIBUZIONE LOG-NORMALE. La variabile si dice log-ormalmete distribuita se: l è ormalmete distribuita g( l g ( e 0 +. uzioe di desità di probabilità: f ( d d f ( dg( d f (g( dg( d f (. & ep$ - / $ %,
DettagliINFERENZA o STATISTICA INFERENTE
INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe
Dettagli= = 32
Algabra lieare (Matematica CI) - 9 Algebra delle matrici - Moltiplicazioe Euple, righe e coloe Notazioe I algebra lieare giocao u ruolo importate le coppie, tere,, ple ordiate di umeri reali; cosi come
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
DettagliMatematica. Corso integrato di. per le scienze naturali ed applicate. Materiale integrativo. Paolo Baiti 1 Lorenzo Freddi 1
Corso itegrato di Matematica per le scieze aturali ed applicate Materiale itegrativo Paolo Baiti Lorezo Freddi Dipartimeto di Matematica e Iformatica, Uiversità di Udie, via delle Scieze 206, 3300 Udie,
DettagliProposizione 1. Due sfere di R m hanno intersezione non vuota se e solo se la somma dei loro raggi e maggiore della distanza fra i loro centri.
Laboratorio di Matematica, A.A. 009-010; I modulo; Lezioi II e III - schema. Limiti e isiemi aperti; SB, Cap. 1 Successioi di vettori; SB, Par. 1.1, pp. 3-6 Itori sferici aperti. Nell aalisi i ua variabile
DettagliCapitolo Parte V
Capitolo 1 1.1 Parte V Exercise 1.1. Sia X ua variabile aleatoria, defiita su (Ω,P a valori i E, quasi certamete costate, ossia esiste c E tale che P(X = c = 1. Si mostri che esiste u uico elemeto c E
DettagliEsercizi sul metodo degli elementi finiti. Esercizio 1 Si consideri il seguente problema differenziale: du dx. d a(x) dx. du dx.
Esercizi sl metodo degli elemeti fiiti Esercizio 1 d a d 1 d d b L 1 e 16 d d e 16 c f L co a 1 b c 4 f 4 L 8 ella forma KU=F+Q essedo Q il vettore derivate dai termii di bordo Discretizzare ora il domiio
DettagliCorso di laurea in Matematica Corso di Analisi Matematica 1-2 AA Dott.ssa Sandra Lucente Successioni numeriche
Corso di laurea i Matematica Corso di Aalisi Matematica -2 AA. 0809.. Cooscere. Dott.ssa Sadra Lucete. Successioi umeriche Defiizioe di successioe, isieme degli elemeti della successioe, successioe defiita
DettagliSUCCESSIONI SERIE NUMERICHE pag. 1
SUCCESSIONI SERIE NUMERICHE pag. Successioi RICHIAMI Ua successioe di elemeti di u isieme X è ua fuzioe f: N X. E covezioe scrivere f( ) = x, e idicare le successioi mediate la ifiitupla ordiata delle
DettagliP(X = k) = (k 1). 2 Infatti, le uniche sequenze di lunghezza k (di T e C) possibili sono
Prima Prova Itermedia testo co soluzioi 5 Aprile 09 Elemeti di Probabilità e Statistica, Laurea Trieale i Matematica, 08-9 M Romito, M Rossi Problema 0 Ua moeta equa viee laciata fio alla prima volta i
DettagliUnità Didattica N 33 L algebra dei vettori
Uità Didattica N 33 Uità Didattica N 33 0) La ozioe di vettore 02) Immagie geometrica di u vettore umerico 03) Somma algebrica di vettori 04) Prodotto di u umero reale per u vettore 05) Prodotto scalare
Dettagli16 - Serie Numeriche
Uiversità degli Studi di Palermo Facoltà di Ecoomia CdS Statistica per l Aalisi dei Dati Apputi del corso di Matematica 6 - Serie Numeriche Ao Accademico 03/04 M. Tummiello, V. Lacagia, A. Cosiglio, S.
DettagliConfronto di due misure Campioni indipendenti
Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere
Dettagli