Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET
Insegnamento
STOCHASTIC PROCESSES
INP9086676, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET (Ord. 2019)
IN2371, ordinamento 2019/20, A.A. 2019/20
N0
porta questa
pagina con te
Curriculum INTERNATIONAL MOBILITY [005PD]
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese STOCHASTIC PROCESSES
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile MICHELE ZORZI ING-INF/03

Mutuante
Codice Insegnamento Responsabile Corso di studio
INP9086676 STOCHASTIC PROCESSES MICHELE ZORZI IN2371

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Ingegneria delle telecomunicazioni ING-INF/03 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 48 102.0

Calendario
Inizio attività didattiche 02/03/2020
Fine attività didattiche 12/06/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2019

Commissioni d'esame
Nessuna commissione d'esame definita

Syllabus
Prerequisiti: Il corso prevede conoscenze preliminari di: Analisi Matematica, Algebra Lineare, Probabilità, variabili aleatorie e processi aleatori. Per gli esempi trattati, e' utile (anche se non necessario) aver seguito un corso di base di reti e protocolli.
Conoscenze e abilita' da acquisire: L'obiettivo formativo del corso prevede l'acquisizione delle seguenti conoscenze e abilità:

1. Comprendere a fondo e saper usare la teoria della probabilita' e dei processi casuali per modellare sistemi reali e poterne valutare le prestazioni.
2. Acquisire strumenti analitici avanzati per la valutazione delle prestazioni di sistemi e reti
3. Saper tradurre la descrizione di un problema in un modello matematico che lo rappresenti
4. Sapere quali metriche di prestazioni si possono calcolare (e come) a partire da una rappresentazione matematica/probabilistica
5. Essere in grado di enunciare in maniera precisa e di dimostrare in maniera rigorosa i risultati teorici piu' importanti relativi agli argomenti principali del corso (catene di Markov, processi di Poisson, processi di rinnovamento)
Modalita' di esame: La valutazione delle conoscenze e delle abilità acquisite viene effettuata mediante una prova scritta articolata in due parti.

La parte A, della durata di 90 minuti e a libro aperto, consiste in undici domande numeriche raggruppate in quattro esercizi. Ogni domanda ha un valore di tre punti.

La parte B, della durata di 60 minuti e a libro chiuso, consiste in tre domande teoriche (tipicamente dimostrazioni viste a lezione). Ogni domanda ha un valore di undici punti.

Se studente totalizza almeno 15 punti nella parte A e la media dei punti fra parte A e parte B e' almeno pari a 18, quest'ultima puo' essere accettata come voto finale. Se il punteggio nella parte A e' inferiore a 15 o la media delle due prove e' insufficiente, l'esame non e' superato.

Anche se la prova finale puo' essere superata sostenendo con successo il solo esame scritto (in due parti), lo studente puo' sempre richiedere di sostenere in aggiunta una prova orale se vuole migliorare il voto. La prova orale non sostituisce in nessun caso la prova scritta.

Esempi di compiti sono disponibili sul sito del corso sulla piattaforma elearning, e vengono ampiamente trattati a lezione.
Criteri di valutazione: La valutazione con cui verrà effettuata la verifica delle conoscenze e delle abilità acquisite considera:

1. La completezza e il grado di approfondimento delle conoscenze degli argomenti trattati durante il corso.
2. La capacita' di modellare un problema usando uno degli strumenti analitici visti a lezione
3. La capacita' di ottenere risultati numerici corretti negli esercizi proposti
4. La capacita' di sviluppare un ragionamento analitico in maniera rigorosa e completa.
Contenuti: 1. richiami di probabilita' e processi casuali
2. catene di Markov: definizioni e risultati principali
3. catene di Markov: comportamento asintotico
4. studio di sistemi multi-accesso e proprieta' di stabilita'
5. processi di Poisson: definizioni e risultati principali
6. processi di rinnovamento: definizioni e risultati principali, comportamento asintotico
7. processi renewal reward, rigenerativi, e semi-Markov
8. esercizi e esempi di applicazioni

Una lista dettagliata degli argomenti trattati durante il corso, con riferimenti specifici a capitoli e pagine dei testi, e' disponibile sul sito del corso sulla piattaforma elearning.
Attivita' di apprendimento previste e metodologie di insegnamento: L'insegnamento avviene mediante lezioni frontali alla lavagna, in quanto si ritiene che questa modalità di erogazione consenta di mantenere il giusto ritmo di presentazione degli argomenti e mantenga alta l'attenzione da parte degli studenti, con possibilità di interazione e coinvolgimento.

Per verificare il livello di apprendimento durante il corso, vengono proposti allo studente esercizi o sviluppi da fare a casa, che verranno poi spesso svolti in aula durante una lezione successiva.
Eventuali indicazioni sui materiali di studio: Il corso segue un libro di testo principale, con integrazioni da altri testi, appunti e articoli scientifici.

Ad eccezione del libro di testo principale, tutto il resto del materiale didattico e' reso disponibile agli studenti sul sito del corso sulla piattaforma elearning, compresi esempi di compiti e esercizi proposti dal testo (con soluzioni).
Testi di riferimento:
  • H. Taylor, S. Karlin, An introduction to stochastic modeling. --: Academic Press (3rd or 4th edition), 1998. TESTO PRINCIPALE/PRIMARY TEXTBOOK Cerca nel catalogo
  • S. Karlin, H. Taylor, A first course in stochastic processes. --: Acedemic Press (2nd ed.), 1975. Cerca nel catalogo
  • D. Bertsekas, R. Gallager, Data Networks. --: Prentice-Hall (2nd ed.), 1992. Cerca nel catalogo
  • S. Ross, Stochastic processes. --: Wiley (2nd ed.), 1996. Cerca nel catalogo
  • S. Ross, Applied probability models with optimization applications. --: Dover (2nd ed.), 1996. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Problem based learning
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita'