ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
|
|
- Ἀναίτις Κωνσταντίνου
- 5 χρόνια πριν
- Προβολές:
Transcript
1 ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Μοντέλα Στατιστικής Μηχανικής, Κινητικότητα & Ισορροπία Αλυσίδες Markov: Καταστάσεις, Εξισώσεις Μεταβάσεων καθ. Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr Πέμπτη 28/3/2019
2 Στατιστική Μηχανική: Κατανομή Gibbs, Partition Function, Εντροπία Θερμική Ισορροπία Φυσικού Συστήματος με πολλούς Βαθμούς Ελευθερίας Φυσικό σύστημα με πολλούς βαθμούς ελευθερίας ισορροπεί σε T βαθμούς elvin σε καταστάσεις i, ενέργειας E i Οι πιθανότητες ισορροπίας p i είναι αντιστρόφως ανάλογες των E i : p i exp E i T, p i p j = exp E i E j T Οι p i 0, p i = 1 i ακολουθούν κατανομή Gibbs (1902) ή Boltzmann (1868) με Z τη Σταθερά Κανονικοποίησης (Zustadsumme) που αποκαλείται Συνάρτηση Κερματισμού (Partition Function) p i = 1 Z exp E i T, Z = exp E i T i Καταστάσεις i χαμηλής ενέργειας E i έχουν μεγαλύτερη πιθανότητα να συμβαίνουν από καταστάσεις υψηλής ενέργειας. Η ενέργεια της κατάστασης i είναι E i = T log(zp i ), η μέση ενέργεια < E > = i p i E i και η συνολική Ελεύθερη Ενέργεια F (Helmholtz Free Energy): Η εντροπία του συστήματος είναι H F= T log Z < E > F = T i p i log p i i p i log p i < E > F = TH ή F =< E > TH Αρχή της Ελάχιστης Ελεύθερης Ενέργειας Σε θερμική ισορροπία η εντροπία τείνει στη μέγιστη τιμή, η F παίρνει την ελάχιστη τιμή της και οι καταστάσεις ακολουθούν την κατανομή Gibbs
3 Στοχαστικές Διαδικασίες - Ανελίξεις, Ιδιότητα Markov S 1 S m S 2 X (1) t x (1) τ X (2) t x (2) τ Τυχαίες Μεταβλητές X (m) t x (m) τ Στοχαστική Ανέλιξη Κατάστασης X(t) με μεταβάσεις από χρόνο τ σε χρόνο t του ιδίου δείγματος με πιθανότητες μετάβασης P X t = a [X τ = b] Στοχαστική Ανέλιξη Διακριτού Χρόνου Κατάστασης X n X n t με μεταβάσεις από χρόνο τ = (k t) σε χρόνο t = (n t) του ιδίου δείγματος με πιθανότητες μετάβασης P(X n = a X k = b} Ορισμός Ιδιότητας Markov σε Στοχαστική Ανέλιξη Διακριτού Χρόνου Στοχαστική διαδικασία διακριτού χρόνου έχει την ιδιότητα Markov αν οι πιθανότητες μετάβασης X n X n+1 είναι ανεξάρτητες από το παρελθόν {X 1, X 2,, X n 1 } P X n+1 = x n+1 X n = x n,, X 1 = x 1 = P X n+1 = x n+1 X n = x n t = τ Στοχαστικές Ανελίξεις m m
4 Αλυσίδες Markov Διακριτής Κατάστασης (Markov Chains) Ορισμοί Αλυσίδων Markov, Μεταβάσεις Καταστάσεων Θεωρούμε Στοχαστικές Ανελίξεις Διακριτού Χρόνου και Διακριτής Κατάστασης X n = i με μεταβάσεις (X n = i) (X n+1 = j) ανεξάρτητες του παρελθόντος σε διακριτά βήματα Πιθανότητες μετάβασης σε ένα βήμα είναι σταθερές και ανεξάρτητες της χρονικής στιγμής n : p ij = P X n+1 = j X n = i 0, p ij = 1 Αν i οι πιθανότητες μετάβασης δίνονται από την μήτρα P ( )με άθροισμα στοιχείων γραμμών j p ij = 1 (στοχαστική μήτρα) p 11 p 1 P = p 1 p (m) Οι πιθανότητες μεταβάσεων σε m βήματα είναι p ij = P Xn+m = j X n = i, m = 1,2, j i (m+1) p ij = (m) (m+n) k pik pkj και p ij = k (Ταυτότητα Chapman-olmogorov) (m) (n) pik pkj, m, n = 1,2,
5 Ιδιότητες Καταστάσεων Αλυσίδων Markov (1/4) Επαναληπτικές Καταστάσεις (Recurrent States): Η διαδικασία επιστρέφει στις καταστάσεις αυτές άπειρες φορές στο διηνεκές (απείρως επισκέψιμες καταστάσεις) Μεταβατικές Καταστάσεις (Transient States): Μετά από πεπερασμένα βήματα μεταβάσεων η διαδικασία δεν επιστρέφει σε αυτές Περιοδικότητα (Periodicity): Οι επαναληπτικές καταστάσεις αν ομαδοποιούνται σε d ξένα υποσύνολα S 1, S 2,, S d με επιτρεπτές μεταβάσεις μόνο από συγκεκριμένο υποσύνολο σε επόμενό του: i S k, p ij > 0 j S k+1, k = 1,, d 1 j S 1, k = d d=3 Μη Υποβιβάσιμες Αλυσίδες Markov (Irreducible Markov Chains): Δύο καταστάσεις επικοινωνούν (communicate) i j αν η πιθανότητα μετάβασης μεταξύ τους σε πεπερασμένο αριθμό βημάτων είναι μη μηδενική. Αν i j και i k i k Αν όλες οι καταστάσεις μιας Αλυσίδας Markov επικοινωνούν μεταξύ τους η αλυσίδα είναι μη υποβιβάσιμη (Irreducible) Οι καταστάσεις μπορεί να χωρίζονται σε υποσύνολα (κλάσεις). Ανοικτές κλάσεις είναι αυτές που επιτρέπουν έξοδο προς άλλη κλάση. Κλειστές αυτές που δεν επιτρέπουν έξοδο και οι στατιστικές ιδιότητες της αλυσίδας μετά την παρέλευση μεταβατικού χρόνου περιορίζονται στο υποσύνολο αυτό.
6 Ιδιότητες Καταστάσεων Αλυσίδων Markov (2/4) Μέσος Χρόνος Επιστροφής (Mean Recurrence Time) E T i (k) ορίζεται o μέσος αριθμός βημάτων (χρόνος) για την επιστροφή (κύκλο) από μια Recurrent State i στον εαυτό της, αν έχουν προηγηθεί k 1 κύκλοι από την i στην i. Η σχετική συχνότητα εμφάνισης της κατάστασης i είναι ανάλογη της πιθανότητας σταθερής κατάστασης π i (Steady State Probabilities) π i = 1 E T i (k) Αν E T i (k) < τότε π i > 0 και η i είναι γνησίως επαναληπτική (Positive Recurrent) αλλιώς π i = 0 και η i είναι Null Recurrent Πιθανότητες Σταθερής Κατάστασης (Steady State Probabilities, Ergodicity) Μετά από l επιστροφές σε μια Positive Recurrent State i, η αναλογία του χρόνου (βημάτων) παραμονής (Sojourn Time) στην i είναι l ν i l = l k=1 T i (k) Οι χρόνοι επιστροφής T i (k) είναι ακολουθία ανεξαρτήτων τυχαίων μεταβλητών της ίδιας κατανομής (independent identically distributed iid) και για l ισχύει ο Νόμος των Μεγάλων Αριθμών βάσει του οποίου προσεγγίζονται οι πιθανότητες σταθερής κατάστασης (Steady State Probabilities) π i σαν όριο χρονικών αναλογιών παραμονής στην κατάσταση i ενός χρονικού δείγματος της X n σε άπειρο χρόνο εξέλιξης (ergodicity) lim ν i l l = π i, i = 1,2,,
7 Ιδιότητες Καταστάσεων Αλυσίδων Markov (3/4) Οι καταστάσεις i των οποίων οι πιθανότητες σταθερής κατάστασης π i μπορούν να υπολογισθούν σαν αναλογία χρόνου στην i σε άπειρο χρονικό ορίζοντα εξέλιξης ενός δείγματος της αλυσίδας Markov X i ορίζονται σαν εργοδικές καταστάσεις Οι πιθανότητες π i των εργοδικών καταστάσεων είναι εργοδικές πιθανότητες και η X i ορίζεται σαν εργοδική αλυσίδα Markov. Μια irreducible μη περιοδική Markov Chain είναι εργοδική Σύγκλιση πιθανοτήτων καταστάσεων σε αναλλοίωτη κατανομή εργοδικών πιθανοτήτων Οι πιθανότητες καταστάσεων εργοδικής αλυσίδας Markov X i, i = 1,2,, στο βήμα μετάβασης n = 0,1,2 ορίζουν διάνυσμα (1 ) π (n) με εξισώσεις μετάβασης από τη στοχαστική μήτρα P ( ) και αρχικές συνθήκες π (0) π (n) = π 1 (n) π2 (n) π (n), π (n) = π (n 1) P = π (n 2) P 2 = = π (0) P n Στο όριο της εξέλιξης έχουμε σύγκλιση στις εργοδικές πιθανότητες π = π 1 π 2 π π 1 π π lim n π(n) = π (0) lim P n = π (0) = π (0) (0) = π n j π = 1 π = π π 1 π π Άρα οι π = lim n π (n) είναι ανεξάρτητες της αρχικής συνθήκης π (0) και υπολογίζονται μέσω του γραμμικού συστήματος αναλλοίωτης κατανομής εργοδικών πιθανοτήτων: (για γραμμική ανεξαρτησία απαιτείται και η εξίσωση κανονικοποίησης των πιθανοτήτων) j=1 π j = i=1 π i p ij j = 1,2,, ή π = πp και j=1 π j = 1
8 Ιδιότητες Καταστάσεων Αλυσίδων Markov (4/4) Σύνοψη Ταξινόμησης Καταστάσεων Αλυσίδων Markov Χρονικά Αναστρέψιμες Διαδικασίες - Εξισώσεις Ακριβούς Ισορροπίας Time Reversible Processes Detailed Balance Equations Θερμοδυναμικό σύστημα σε θερμική ισορροπία: Ισχύουν οι εξισώσεις ακριβούς ισορροπίας (Detailed Balance Equations) π i p ij = π j p ji Αλυσίδα Markov με ισχύουσες τις εξισώσεις ακριβούς ισορροπίας έχει την ιδιότητα της χρονικής αντιστρεψιμότητας (Time Reversibility) με ίδιες εργοδικές πιθανότητες είτε σε μεταβάσεις p ij προς το μέλλον ή προς στο παρελθόν με p ji = π i p π ij. j Οι π i p ij = π j p ji (αν ισχύουν) είναι συμβατές με τις εξισώσεις αναλλοίωτων πιθανοτήτων: i=1 π i p ij = i=1 π i π j p ij π j = p ji π i i=1
9 Διαγράμματα Καταστάσεων & Παραδείγματα Εργοδικών Αλυσίδων Markov Διαγράμματα Μεταβάσεων Καταστάσεων (State Transition Diagrams) Οι καταστάσεις συμβολίζονται με κύκλους x 1, x 2, και οι μεταβάσεις με βέλη. Οι πιθανότητες μετάβασης p ij από x i x j αναφέρονται δίπλα στα βέλη Παραδείγματα Υπολογισμού Εργοδικών Πιθανοτήτων P = 1/4 3/4 1/2 1/2, π(0) = 1/6 5/6 π (1) = π (0) P = 11/24 13/24 P 2 = P = /3 1/6 1/2 3/4 1/4 0 (Εξισώσεις αναλλοίωτης εξέλιξης πιθανοτήτων) π 1 = 1 3 π π 3 P 3 = π 2 = 1 6 π π 3 P 4 = π 1 = 0.4, π 2 = 0.6 (Σύγκλιση σε 4 βήματα) π 3 = π π 2 π 1 + π 2 + π 3 = 1 π 1 = , π 2 = , π 3 =
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π.
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Προσομοίωση Monte Carlo Αλυσίδων Markov: Αλγόριθμοι Metropolis & Metropolis-Hastings Προσομοιωμένη Ανόπτηση Simulated Annealing
Διαβάστε περισσότεραΔιαδικασίες Markov Υπενθύμιση
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Επίδοση Υπολογιστικών Συστημάτων Α.-Γ. Σταφυλοπάτης Διαδικασίες Markov Υπενθύμιση Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Συστήματα Γεννήσεων Θανάτων: 1. Σφαιρικές & Λεπτομερείς Εξισώσεις Ισορροπίας 2. Ουρές Markov M/M/1, M/M/1/N Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 27/3/2019 ΔΙΑΔΙΚΑΣΙΑ
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Η Ουρά Μ/Μ/1/N Σφαιρικές & Τοπικές Εξισώσεις Ισορροπίας Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 22/3/2017 ΔΙΑΔΙΚΑΣΙΑ ΓΕΝΝΗΣΕΩΝ ΘΑΝΑΤΩΝ (1/4) Birth Death Processes
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Συστήματα Γεννήσεων Θανάτων (I) 1. Σφαιρικές & Τοπικές Εξισώσεις Ισορροπίας 2. Ουρές Markov M/M/1, M/M/1/N Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 21/3/2018 ΔΙΑΔΙΚΑΣΙΑ
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Κλειστά Δίκτυα Ουρών Markov Θεώρημα Gordon Newell Αλγόριθμος Buzen Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 9/5/2018 ΚΛΕΙΣΤΟ ΔΙΚΤΥΟ ΔΥΟ ΕΚΘΕΤΙΚΩΝ ΟΥΡΩΝ Μ = 2 Ουρές,
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Birth-Death, Ουρές Markov: 1. Διαγράμματα Μεταβάσεων Εργοδικών Καταστάσεων 2. Εξισώσεις Ισορροπίας 3. Προσομοιώσεις Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Γεννήσεων - Θανάτων Εξισώσεις Ισορροπίας - Ουρές Μ/Μ/1, M/M/1/N Προσομοίωση Ουράς Μ/Μ/1/Ν
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Γεννήσεων - Θανάτων Εξισώσεις Ισορροπίας - Ουρές Μ/Μ/1, M/M/1/N Προσομοίωση Ουράς Μ/Μ/1/Ν Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 23/3/2016 Άδεια Χρήσης
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Παράμετροι Ουρών Αναμονής Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 13/3/2019 ΠΑΡΑΜΕΤΡΟΙ (1/3) Ένταση φορτίου (traffic intensity) Σε περίπτωση 1 ουράς, 1 εξυπηρετητή:
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ανάλυση Ουράς Αναμονής M/G/1 Αρχές Ανάλυσης Ουράς M/G/1 Ενσωματωμένη Αλυσίδα Markov (Embedded Markov Chain) Τύποι Pollaczeck - Khinchin (P-K) για Ουρές M/G/1 Μέσες Τιμές
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Γνώσεων Πιθανοτήτων Κατανομή Poisson & Εκθετική Κατανομή Διαδικασία Markov Γεννήσεων Θανάτων (Birth Death Markov Processes) Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Birth-Death, Ουρές Markov:
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Birth-Death, Ουρές Markov: 1. Διαγράμματα Μεταβάσεων Εργοδικών Καταστάσεων, Εξισώσεις Ισορροπίας 2. Προσομοιώσεις, Άσκηση Προσομοίωσης Ουράς M/M/1/10 Βασίλης
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Γνώσεων Πιθανοτήτων (2/2) Διαδικασία Γεννήσεων Θανάτων Η Ουρά Μ/Μ/1
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Γνώσεων Πιθανοτήτων (2/2) Διαδικασία Γεννήσεων Θανάτων Η Ουρά Μ/Μ/1 Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 15/3/2017 Η ΔΙΑΔΙΚΑΣΙΑ ΚΑΤΑΜΕΤΡΗΣΗΣ ΓΕΓΟΝΟΤΩΝ
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Κλειστά Δίκτυα Ουρών Markov - Αλγόριθμος Buzen Μοντέλο Παράλληλης Επεξεργασίας Έλεγχος Ροής Άκρου σε Άκρο (e2e) στο Internet Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ουρές //1 εν σειρά, Θεώρημα Burke Ανοικτά Δίκτυα Ουρών arkov, Θεώρημα Jackson Εφαρμογή σε Δίκτυα Μεταγωγής Πακέτου Κλειστά Δίκτυα Ουρών arkov, Θεώρημα Gordon- Newell
Διαβάστε περισσότεραΣυστήματα Markov Ένα σύστημα Markov διαγράμματος μετάβασης καταστάσεων
Ένα σύστημα Markov (ή διαδικασία Markov ή αλυσίδα Markov) είναι: ένα σύστημα που μπορεί να αποτελείται από πολλές (αριθμημένες) καταστάσεις (states). Στο σύστημα αυτό υπάρχει δυνατότητα μετάβασης από την
Διαβάστε περισσότερακαθ. Βασίλης Μάγκλαρης
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Ενισχυτική Μάθηση - Δυναμικός Προγραμματισμός: 1. Markov Decision Processes 2. Bellman s Optimality Criterion 3. Αλγόριθμος
Διαβάστε περισσότεραMarkov. Γ. Κορίλη, Αλυσίδες. Αλυσίδες Markov
Γ. Κορίλη, Αλυσίδες Markov 3- http://www.seas.upe.edu/~tcom5/lectures/lecture3.pdf Αλυσίδες Markov Αλυσίδες Markov ιακριτού Χρόνου Υπολογισµός Στάσιµης Κατανοµής Εξισώσεις Ολικού Ισοζυγίου Εξισώσεις Λεπτοµερούς
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Μέθοδοι Μηχανικής Μάθησης & Βελτιστοποίησης μέσω Εννοιών Στατιστικής Φυσικής 1. Αλγόριθμοι Simulated Annealing 2. Gibbs Sampling
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2014-2015 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας
Διαβάστε περισσότεραΜαρκοβιανές Αλυσίδες
Μαρκοβιανές Αλυσίδες { θ * } Στοχαστική Ανέλιξη είναι μια συλλογή τ.μ. Ο χώρος Τ (συνήθως είναι χρόνος) μπορεί να είναι είτε διακριτός είτε συνεχής και καλείται παραμετρικός χώρος. Το σύνολο των δυνατών
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εισαγωγή (2/2) Επισκόπηση Γνώσεων Πιθανοτήτων (1/2)
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εισαγωγή (2/2) Επισκόπηση Γνώσεων Πιθανοτήτων (1/2) Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 8/3/2017 ΠΑΡΑΜΕΤΡΟΙ (1/4) (Επανάληψη) Ένταση φορτίου (traffic intensity)
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 4
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 4 5.9 Η Στοχαστική Ανέλιξη Gauss (οι διαφάνειες ακολουθούν διαφορετική
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Κλειστά Δίκτυα Ουρών Markov Θεώρημα Gordon Newell Αλγόριθμος Buzen Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 10/5/2017 ΚΛΕΙΣΤΟ ΔΙΚΤΥΟ ΔΥΟ ΕΚΘΕΤΙΚΩΝ ΟΥΡΩΝ Μ = 2 Ουρές,
Διαβάστε περισσότεραΣτοχαστικές Ανελίξεις (3) Αγγελική Αλεξίου
Στοχαστικές Ανελίξεις (3) Αγγελική Αλεξίου alexiou@unipi.gr 1 Αλυσίδες Markov 2 Παράδειγμα 1: παιχνίδι τύχης Στοχαστικές Ανελίξεις Α. Αλεξίου 3 Παράδειγμα 2: μηχανή Έστω μηχανή που παράγει ένα προϊόν με
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5 5.10: Θόρυβος (Πηγές Θορύβου, Κατανομή Poisson, Λευκός Θόρυβος, Ισοδύναμο
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εκθετική Κατανομή, Στοχαστικές Ανελίξεις Διαδικασίες Απαρίθμησης, Κατανομή Poisson
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εκθετική Κατανομή, Στοχαστικές Ανελίξεις Διαδικασίες Απαρίθμησης, Κατανομή Poisson Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 9/3/2016 Άδεια Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 2
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5.4: Στατιστικοί Μέσοι Όροι 5.5 Στοχαστικές Ανελίξεις (Stochastic Processes)
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 1
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 1 5.1: Εισαγωγή 5.2: Πιθανότητες 5.3: Τυχαίες Μεταβλητές καθ. Βασίλης Μάγκλαρης
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 3
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 3 5.6: Μέση Τιμή, Συναρτήσεις Συσχέτισης & Συνδιασποράς 5.7: Μετάδοση Στοχαστικής
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ ΑΛΥΣΙΔΕΣ ΜΑΡΚΟΦ & ΕΦΑΡΜΟΓΕΣ Ν. ΔΕΡΒΑΚΟΥ Σημειώσεις Παραδόσεων Αθήνα 23 ΑΛΥΣΙΔΕΣ ΜΑΡΚΟΦ & ΕΦΑΡΜΟΓΕΣ Ι. ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ Ορισμός : Στοχαστική διαδικασία ή ανέλιξη είναι η διατεταγμένη
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εφαρμογές Κλειστών Δικτύων Ουρών Markov: 1. Ανάλυση Window Flow Control σε Δίκτυα Υπολογιστών 2. Αξιολόγηση Συστημάτων Πολύ-προγραμματισμού (Multitasking) 3. Ανάλυση
Διαβάστε περισσότεραΝικος Χαλιδιας Μαθηματικό Τμήμα κατεύθυνση Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών Πανεπιστημιο Αιγαιου
Νικος Χαλιδιας Μαθηματικό Τμήμα κατεύθυνση Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών Πανεπιστημιο Αιγαιου Θεωρημα 1 Εστω s S μια οποιαδήποτε κατάσταση μιας αδιαχώριστης Μαρκοβιανής αλυσίδας.
Διαβάστε περισσότεραΠιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης
Πιθανότητες & Τυχαία Σήματα Διγαλάκης Βασίλης Τυχαία Σήματα Γενίκευση τυχαίων διανυσμάτων Άπειρο σύνολο πιθανά αριθμήσιμο από τυχαίες μεταβλητές Παραδείγματα τυχαίων σημάτων: Τηλεπικοινωνίες: Σήμα πληροφορίας
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π.
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Δυναμικός Προγραμματισμός με Μεθόδους Monte Carlo: 1. Μάθηση Χρονικών Διαφορών (Temporal-Difference Learning) 2. Στοχαστικός
Διαβάστε περισσότεραΤεχνικές Εκτίμησης Υπολογιστικών Συστημάτων 1ο Σετ Ασκήσεων - Λύσεις
Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων ο Σετ Ασκήσεων - Λύσεις Νοέμβριος - Δεκέμβριος 205 Ερώτημα (α). Η νοσοκόμα ακολουθεί μια Ομογενή Μαρκοβιανή Αλυσίδα Διακριτού Χρόνου με χώρο καταστάσεων το σύνολο
Διαβάστε περισσότεραΤεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 3: Μοντέλα Θεωρίας Αναμονής
Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 3: Μοντέλα Θεωρίας Αναμονής Γαροφαλάκης Ιωάννης Πολυτεχνική Σχολή Τμήμα Μηχ/κών Η/Υ & Πληροφορικής Σκοποί ενότητας Κατά τη διάρκεια των καθημερινών μας
Διαβάστε περισσότεραDEPARTMENT OF STATISTICS
SCHOOL OF INFORMATION SCIENCES & TECHNOLOGY DEPARTMENT OF STATISTICS POSTGRADUATE PROGRAM Elements of Markovian Processes and Queueing Processes with Numerical Applications By Erold Ajdini A THESIS Submitted
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ
ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΙΙ ΠΑΝΕΠΙΣΤΗΜΙΑΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΟΦΙΑ ΠΑΝΑΓΙΩΤΙΔΟΥ ΣΕΠΤΕΜΒΡΙΟΣ 05 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ.... Στοχαστικές
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 3
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 3 5.6: Μέση Τιμή, Συναρτήσεις Συσχέτισης (Correlation) & Συνδιασποράς (Covariance)
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Αναλυτικών Τεχνικών Θεωρίας Πιθανοτήτων για Εφαρμογή σε Ουρές Αναμονής M/G/1
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Επισκόπηση Αναλυτικών Τεχνικών Θεωρίας Πιθανοτήτων για Εφαρμογή σε Ουρές Αναμονής M/G/1 Απόδειξη Τύπου Little Ιδιότητα PASTA (Poisson Arrivals See Time Averages) Βασικοί
Διαβάστε περισσότεραΤυχαία Διανύσματα και Ανεξαρτησία
Τυχαία Διανύσματα και Ανεξαρτησία Θα γενικεύσουμε την έννοια της τυχαίας μεταβλητής από συνάρτηση στο R σε συνάρτηση στο R n. Ακολούθως, θα επεκτείνουμε τις έννοιες με τις οποίες ασχοληθήκαμε μέχρι τώρα
Διαβάστε περισσότεραΣτοχαστικές Ανελίξεις- Φεβρουάριος 2015
Στοχαστικές Ανελίξεις- Φεβρουάριος 2015 ΟΔΗΓΙΕΣ (1) Απαντήστε σε όλα τα θέματα. Τα θέματα είναι ισοδύναμα. (2) Οι απαντήσεις να είναι αιτιολογημένες. Απαντήσεις χωρίς να φαίνεται η απαιτούμενη εργασία
Διαβάστε περισσότεραΜελέτη του Προτύπου 2D- Potts σε Υπολογιστικό Περιβάλλον MATLAB. Παρουσίαση της Διπλωματικής Εργασίας του Γιάννη Ασσιώτη
Μελέτη του Προτύπου 2D- Potts σε Υπολογιστικό Περιβάλλον MATLAB 1 Παρουσίαση της Διπλωματικής Εργασίας του Γιάννη Ασσιώτη 2 Στατιστική Μηχανική Μέγεθος συστημάτων Στοχαστική αντιμετώπιση Σύστημα Χαμιλτονιανή
Διαβάστε περισσότερα2
ΑΝΑΛΥΣΗ ΕΠΙΔΟΣΗΣ ΥΠΟΛΟΓΙΣΤΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Αναλυτικά μοντέλα, προσομοίωση, μετρήσεις ΚΕΦΑΛΑΙΟ 2 Τυχαίες Μεταβλητές και Στοχαστικές Διαδικασίες Α.-Γ. ΣΤΑΦΥΛΟΠΑΤΗΣ Καθηγητής Ε.Μ.Π. Γ. ΣΙΟΛΑΣ Ε.ΔΙ.Π. Ε.Μ.Π.
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις Άσκηση σε Στοχαστική Ανέλιξη Poisso Ασκήσεις 5.9, 5.1, 5.19 Άσκηση σε Στοχαστική
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Μοντέλα Ουρών Markov και Εφαρμογές:
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Μοντέλα Ουρών Markov και Εφαρμογές: Ουρά Μ/Μ/2 Σύστημα Μ/Μ/Ν/Κ, Erlang-C Σύστημα Μ/Μ/c/c, Erlang-B Ανάλυση & Σχεδιασμός Τηλεφωνικών Κέντρων Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr
Διαβάστε περισσότερα1 + ρ ρ ρ3. iπ i = Q = λ λ i=0. n=0 tn. n! Qn, t 0
Στοχαστικές Διαδικασίες ΙΙ Ιανουάριος 07 Διαδικασίες Markov σε Συνεχή Χρόνο - Παραδείγματα Μ. Ζαζάνης Πρόβλημα. Εστω ένα σύστημα M/M//3 στο οποίο οι αφίξεις είναι Poisson με ρυθμό λ και οι δύο υπηρέτες
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Ανάλυση Κυρίων Συνιστωσών (Principal-Component Analysis, PCA)
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Ανάλυση Κυρίων Συνιστωσών (Principal-Coponent Analysis, PCA) καθ. Βασίλης Μάγκλαρης aglaris@netode.ntua.gr www.netode.ntua.gr
Διαβάστε περισσότεραΚεφάλαιο 3: Μαρκοβιανές Αλυσίδες
Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών Εθνικό Μετσόβιο Πολυτεχνείο Στοχαστικές Ανελίξεις Κεφάλαιο 3: Μαρκοβιανές Αλυσίδες Κοκολάκης Γεώργιος Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΑσκήσεις 3 ου Κεφαλαίου
Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών Εθνικό Μετσόβιο Πολυτεχνείο Στοχαστικές Ανελίξεις Ασκήσεις 3 ου Κεφαλαίου Κοκολάκης Γεώργιος Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΜοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2017-2018 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Άσκηση Προσομοίωσης Στατιστικές Εξόδου Ουράς Μ/Μ/1 - Θεώρημα Burke Ανοικτά Δίκτυα Ουρών Μ/Μ/1 - Θεώρημα Jackson
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Άσκηση Προσομοίωσης Στατιστικές Εξόδου Ουράς Μ/Μ/1 - Θεώρημα Burke Ανοικτά Δίκτυα Ουρών Μ/Μ/1 - Θεώρημα Jackson Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 26/4/2017 ΠΡΟΣΟΜΟΙΩΣΗ
Διαβάστε περισσότεραΔυναμική Μηχανών I. Διάλεξη 8. Χειμερινό Εξάμηνο 2013 Τμήμα Μηχανολόγων Μηχ., ΕΜΠ
Δυναμική Μηχανών I Διάλεξη 8 Χειμερινό Εξάμηνο 23 Τμήμα Μηχανολόγων Μηχ., ΕΜΠ Ανακοινώσεις To μάθημα MATLAB/simulink για όσους δήλωσαν συμμετοχή έως χθες θα γίνει στις 6//24: Office Hours: Δευτέρα -3 μμ,
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5 5.10 Θόρυβος (Noise) καθ. Βασίλης Μάγκλαρης maglaris@etmode.tua.gr www.etmode.tua.gr
Διαβάστε περισσότερα17/10/2016. Στατιστική Ι. 3 η Διάλεξη
Στατιστική Ι 3 η Διάλεξη 1 2 Τυχαία μεταβλητή X στο δειγματικό χώρο Ω Μια πραγματική συνάρτηση που αντιστοιχίζει τα στοιχεία του δειγματικού χώρου Ω στο σύνολο των πραγματικών αριθμών τέτοια ώστε για κάθε
Διαβάστε περισσότεραΠανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες -Εαρινό Εξάµηνο 2016 ιδάσκων : Π.
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες -Εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Λύσεις 3ης Σειράς Ασκήσεων Ασκηση 1. Χρησιµοποιούµε µια αλυσίδα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@e.aegea.gr Τηλ: 7035468 Μέθοδος Υπολογισμού
Διαβάστε περισσότεραΕπεξεργασία Στοχαστικών Σημάτων
Επεξεργασία Στοχαστικών Σημάτων Σεραφείμ Καραμπογιάς Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Η Έννοια της τυχαίας Διαδικασίας Η έννοια της τυχαίας διαδικασίας βασίζεται στην επέκταση
Διαβάστε περισσότεραΕισαγωγή στη θεωρία πληροφορίας
Θεωρία πληροφορίας Εισαγωγή στη θεωρία πληροφορίας Τηλεπικοινωνιακά συστήματα Όλα τα τηλεπικοινωνιακά συστήματα σχεδιάζονται για να μεταφέρουν πληροφορία Σε κάθε τηλεπικοινωνιακό σύστημα υπάρχει μια πηγή
Διαβάστε περισσότεραΝικος Χαλιδιας Μαθηματικό Τμήμα κατεύθυνση Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών Πανεπιστημιο Αιγαιου
Νικος Χαλιδιας Μαθηματικό Τμήμα κατεύθυνση Στατιστικής και Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών Πανεπιστημιο Αιγαιου Λημμα Εστω A ένα σύνολο άπειρου πλήθους θετικών ακέραιων αριθμών των οποίων
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο ιδάσκων : Π.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες - Εαρινό Εξάµηνο 2015-16 ιδάσκων : Π Τσακαλίδης Φροντιστήριο 8 Επιµέλεια : Σοφία Σαββάκη Ασκηση 1 Μία Μαρκοβιανή
Διαβάστε περισσότεραΜέθοδος μέγιστης πιθανοφάνειας
Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σ.κ. της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα
Διαβάστε περισσότεραΛύσεις Εξετάσεων Φεβρουαρίου Ακ. Έτους
ΜΑΘΗΜΑΤΙΚΑ, 6-7 ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΕΠΙΚ. ΚΑΘ. ΣΤΑΥΡΟΣ ΤΟΥΜΠΗΣ Λύσεις Εξετάσεων Φεβρουαρίου Ακ. Έτους 6-7. Περιοδικές Συναρτήσεις) Έστω συνεχής συνάρτηση f : R R περιοδική
Διαβάστε περισσότεραΜπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC
Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC Περιεχόμενα Μαθήματος Εισαγωγή στο Πρόβλημα. Monte Carlo Εκτιμητές. Προσομοίωση. Αλυσίδες Markov. Αλγόριθμοι MCMC (Metropolis Hastings & Gibbs Sampling).
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ
ΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ Ι. Δημόπουλος Τμήμα Διοίκησης Μονάδων Υγείας και Πρόνοιας -ΤΕΙ Καλαμάτας ΠΑΡΑΓΩΓΟΣ ΚΑΙ ΜΟΝΟΤΟΝΙΑ ΣΥΝΑΡΤΗΣΗΣ Τοπική μονοτονία Αν μια συνεχής συνάρτηση έχει γνήσια θετική αρνητική παράγωγο
Διαβάστε περισσότεραΣτοχαστικές Ανελίξεις- Ιούλιος 2015
Στοχαστικές Ανελίξεις- Ιούλιος 2015 ΟΔΗΓΙΕΣ (1) Απαντήστε σε όλα τα θέματα. Τα θέματα είναι ισοδύναμα. (2) Οι απαντήσεις να είναι αιτιολογημένες. Απαντήσεις χωρίς να φαίνεται η απαιτούμενη εργασία είναι
Διαβάστε περισσότεραHMY 220: Σήματα και Συστήματα Ι
Σύγκλιση Σειρών Fourier Ιδιότητες Σειρών Fourier Παραδείγματα HMY 220: Σήματα και Συστήματα Ι ΔΙΑΛΕΞΗ #10 Τρεις ισοδύναμες μορφές: () = = = = Σειρές Fourier j( 2π ) t Τ.. x () t FS a jω0t xt () = ae =
Διαβάστε περισσότεραΘέμα 1 (20%) (α) Πότε είναι εργοδικό το παραπάνω σύστημα; Για πεπερασμένο c, το σύστημα είναι πάντα εργοδικό.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης & Βέλτιστου Σχεδιασμού Δικτύων - NETMODE
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Μοντέλα Ουρών Markov και Εφαρμογές:
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Μοντέλα Ουρών Markov και Εφαρμογές: Ουρά Μ/Μ/2 Σύστημα Μ/Μ/Ν/Κ, Erlang-C Σύστημα Μ/Μ/c/c, Erlang-B Ανάλυση & Σχεδιασμός Τηλεφωνικών Κέντρων Βελτιστοποίηση Μέσου Μήκους
Διαβάστε περισσότεραΔυναμική Μηχανών I. Επίλυση Προβλημάτων Αρχικών Συνθηκών σε Συνήθεις. Διαφορικές Εξισώσεις με Σταθερούς Συντελεστές
Δυναμική Μηχανών I Επίλυση Προβλημάτων Αρχικών Συνθηκών σε Συνήθεις 5 3 Διαφορικές Εξισώσεις με Σταθερούς Συντελεστές 2015 Δημήτριος Τζεράνης, Ph.D Τμήμα Μηχανολόγων Μηχανικών Ε.Μ.Π. tzeranis@gmail.com
Διαβάστε περισσότεραΔειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:
Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον
Διαβάστε περισσότεραHMY 220: Σήματα και Συστήματα Ι
Σύγκλιση Σειρών Fourier Ιδιότητες Σειρών Fourier Παραδείγματα HMY 0: Σήματα και Συστήματα Ι ΔΙΑΛΕΞΗ #10 Σειρές Fourier: Προσέγγιση Οι Σειρές Fourier μπορούν να αναπαραστήσουν μια πολύ μεγάλη κλάση περιοδικών
Διαβάστε περισσότεραh(x, y) = card ({ 1 i n : x i y i
Κεφάλαιο 1 Μετρικοί χώροι 1.1 Ορισμός και παραδείγματα Ορισμός 1.1.1 μετρική). Εστω X ένα μη κενό σύνολο. Μετρική στο X λέγεται κάθε συνάρτηση ρ : X X R με τις παρακάτω ιδιότητες: i) ρx, y) για κάθε x,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ Τομέας Οργάνωσης Παραγωγής & Βιομηχανικής Διοίκησης Σημειώσεις του μαθήματος: ΣΤΟΧΑΣΤΙΚΑ ΠΡΟΤΥΠΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Γιώργος Λυμπερόπουλος
Διαβάστε περισσότεραΚατανομή συνάρτησης τυχαίας μεταβλητής Y=g(X) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ13 ( 1 )
Κατανομή συνάρτησης τυχαίας μεταβλητής =() Πιθανότητες & Στατιστική 07 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ3 ( ) Κατανομή συνάρτησης τυχαίας μεταβλητής Έστω τ.μ. Χ με γνωστή κατανομή. Δηλαδή
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Ροή Δ - 6 ο εξάμηνο, κωδικός
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης και Βέλτιστου Σχεδιασμού Δικτύων - NETMODE
Διαβάστε περισσότεραΣήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 1: Σήματα Συνεχούς Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Εισαγωγή στα Σήματα 1. Σκοποί της Θεωρίας Σημάτων 2. Κατηγορίες Σημάτων 3. Χαρακτηριστικές Παράμετροι
Διαβάστε περισσότεραΕπικοινωνίες στη Ναυτιλία
Επικοινωνίες στη Ναυτιλία Εισαγωγή Α. Παπαδάκης, Αναπλ. Καθ. ΑΣΠΑΙΤΕ Δρ. ΗΜΜΥ Μηχ. ΕΜΠ Βασικά Αντικείμενα Μαθήματος Σήματα Κατηγοριοποίηση, ψηφιοποίηση, δειγματοληψία, κβαντισμός Βασικά σήματα ήχος, εικόνα,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Τυχαίο Δείγμα
Διαβάστε περισσότεραΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος
ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Πιθανότητες Πληροφορία Μέτρο
Διαβάστε περισσότεραHMY 799 1: Αναγνώριση Συστημάτων
HMY 799 : Αναγνώριση Συστημάτων Διάλεξη Στοχαστικές Τυχαίες Μεταβλητές/ Στοχαστικά Σήματα Πειραματικά δεδομένα >Επιλογή τύπου μοντέλου >Επιλογή κριτηρίου >Υπολογισμός >Επικύρωση Προσαρμογή καμπύλης (Curve
Διαβάστε περισσότεραΠιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης
Πιθανότητες & Τυχαία Σήματα Διγαλάκης Βασίλης Στατικές (Στάσιμες) Διαδικασίες Στατική (Stationary) ορίζεται η διαδικασία της οποίας οι στατιστικές ιδιότητες δεν μεταβάλλονται με την πάροδο του χρόνου.
Διαβάστε περισσότερα, και για h 0, . Άρα. Α2. Μια συνάρτηση f λέγεται γνησίως αύξουσα σε ένα διάστημα Δ του πεδίου ορισμού της, όταν για οποιαδήποτε σημεία x.
ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β) ΠΑΡΑΣΚΕΥΗ 10 ΙΟΥΝΙΟΥ 01 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΘΕΜΑ Α είναι f 1, για κάθε. Μονάδες
Διαβάστε περισσότεραΑριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον
Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Οκτώβριος 2014 Δρ. Δημήτρης Βαρσάμης Οκτώβριος 2014 1 / 42 Αριθμητικές Μέθοδοι
Διαβάστε περισσότεραΧρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,
Διαβάστε περισσότεραΜέθοδος μέγιστης πιθανοφάνειας
Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σκ της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα Χ=(Χ, Χ,, Χ ) από πληθυσμό το
Διαβάστε περισσότερα0 1 0 0 0 1 p q 0 P =
Στοχαστικές Ανελίξεις - Σεπτέμβριος 2015 ΟΔΗΓΙΕΣ (1) Απαντήστε σε όλα τα θέματα. Τα θέματα είναι ισοδύναμα. (2) Οι απαντήσεις να είναι αιτιολογημένες. Απαντήσεις χωρίς να φαίνεται η απαιτούμενη εργασία
Διαβάστε περισσότεραΜπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC
Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Τομέας Μαθηματικών, Τηλέφωνο: (210) 772-1702, Φαξ: (210) 772-1775.
Διαβάστε περισσότεραP (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B)
Πιθανότητες και Αρχές Στατιστικής (4η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 39 Περιεχόμενα
Διαβάστε περισσότεραΣτοχαστικές Ανελίξεις (2) Αγγελική Αλεξίου
Στοχαστικές Ανελίξεις (2) Αγγελική Αλεξίου alexiou@unipi.gr 1 Στοχαστικές Διαδικασίες 2 Στοχαστική Διαδικασία Στοχαστικές Ανελίξεις Α. Αλεξίου 3 Στοχαστική Διαδικασία ως συλλογή από συναρτήσεις χρόνου
Διαβάστε περισσότεραπ 2n+1 (A) = P [ X 2n+1 = A X 0 = A ] = 0 1/4.
ΚΕΦΑΛΑΙΟ VI. ΑΣΥΜΠΤΩΤΙΚΑ ΘΕΩΡΗΜΑΤΑ 1 Εισαγωγή Στο κεφάλαιο αυτό θα μελετήσουμε την ασυμπτωτική συμπεριφορά μαρκοβιανών αλυσίδων, πώς δηλαδή συμπεριφέρονται σε βάθος χρόνου. Η κατανόηση της ασυμπτωτικής
Διαβάστε περισσότεραΣχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο. Ενδεικτικές Λύσεις Ασκήσεων. Κεφάλαιο 3. Κοκολάκης Γεώργιος
Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο Ενδεικτικές Λύσεις Ασκήσεων Κεφάλαιο 3 Κοκολάκης Γεώργιος Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης.
ΑΝΑΛΥΣΗ 2 Μ. Παπαδημητράκης. ΔΕΚΑΤΟ ΕΚΤΟ ΜΑΘΗΜΑ Τώρα θα μας απασχολήσουν τρία ερωτήματα σε σχέση με την κατά σημείο σύγκλιση ακολουθίας συναρτήσεων. Και για τα τρία ερωτήματα θα υποθέσουμε ότι f f στο
Διαβάστε περισσότεραΘεωρία Στοχαστικών Σηµάτων: Στοχαστικές διεργασίες, Περιγραφή εργοδικών στοχαστικών διεργασιών
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Θεωρία Στοχαστικών Σηµάτων: Στοχαστικές διεργασίες, Περιγραφή εργοδικών στοχαστικών διεργασιών Βιβλιογραφία Ενότητας Benvento []: Κεφάλαιo Widrow [985]:
Διαβάστε περισσότερα= P. X0 = x 0, X 1 = x 1,..., X k = x k. π n = π 0 (P n 1 P ) = (π 0 P n 1 )P = π n 1 P, π n 1 (y)p(y, x) x X π(x) = 1. (5.5)
Κεφάλαιο 5 Αναλλοίωτες κατανομές 5.1 Εισαγωγή Οι αναλλοίωτες κατανομές είναι κατά κάποιο τρόπο οι φυσικές καταστάσεις μιας μαρκοβιανής αλυσίδας. Αν μια αλυσίδα ξεκινήσει από μια αναλλοίωτη κατανομή της,
Διαβάστε περισσότεραΘΕΩΡΙΑ ΓΡΑΦΩΝ. 10 η Διάλεξη Κατευθυνόμενοι Γράφοι Βασικά χαρακτηριστικά Αλγόριθμοι διάσχισης κατευθυνόμενων γράφων Λίγα Λόγια για Αλυσίδες Markov
Πανεπιστήμιο Στερεάς Ελλάδας Τμήμα Πληροφορικής ΘΕΩΡΙΑ ΓΡΑΦΩΝ 10 η Διάλεξη Κατευθυνόμενοι Γράφοι Βασικά χαρακτηριστικά Αλγόριθμοι διάσχισης κατευθυνόμενων γράφων Λίγα Λόγια για Αλυσίδες Markov Βασικά Χαρακτηριστικά
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ
ΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ Ι. Δημόπουλος Τμήμα Διοίκησης Μονάδων Υγείας και Πρόνοιας -ΤΕΙ Καλαμάτας ΚΑΠΟΙΟΙ ΒΑΣΙΚΟΙ ΣΥΜΒΟΛΙΣΜΟΙ ΚΑΙ ΕΝΝΟΙΕΣ Ν = {1,2,3,...} το σύνολο των φυσικών αριθμών Ζ = {0, ±1, ±2, ±3,..
Διαβάστε περισσότερα3-Φεβ-2009 ΗΜΥ 429. 4. Σήματα
3-Φεβ-2009 ΗΜΥ 429 4. Σήματα 1 Σήματα Σήματα είναι: σχήματα αλλαγών που αντιπροσωπεύουν ή κωδικοποιούν πληροφορίες σύνολο πληροφορίας ή δεδομένων σχήματα αλλαγών στο χρόνο, π.χ. ήχος, ηλεκτρικό σήμα εγκεφάλου
Διαβάστε περισσότεραΣυνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών
Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Οι παρούσες σημειώσεις αποτελούν βοήθημα στο μάθημα Αριθμητικές Μέθοδοι του 5 ου εξαμήνου του ΤΜΜ ημήτρης Βαλουγεώργης Καθηγητής Εργαστήριο Φυσικών
Διαβάστε περισσότερα