Sei sulla pagina 1di 7

Compito di SISTEMI E MODELLI

4 Febbraio 2015

Non e ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno


rilevanti per la valutazione anche lordine e la chiarezza di esposizione. Consegnare SOLO
la bella copia, con le risposte riportate nel giusto ordine.

Ex 1 [5 pti] Le regole di evoluzione per una famiglia di cellule sono le seguenti, suppo-
nendo che siano osservate in istanti discreti kT , k intero

le cellule si dividono in 3 categorie: giovani (appena nate), adulte e vecchie

il numero di cellule che nasce ogni istante e proporzionale, secondo un certo coeffi-
ciente a > 0, al numero di cellule adulte nellistante precedente

le cellule giovani non muoiono mai, e diventano adulte nellistante successivo

met
a delle cellule adulte rimane adulta, nellistante successivo, mentre delle rima-
nenti met
a diventa vecchia e meta muore

delle cellule vecchie presenti, meta sopravvive e meta muore, nellistante successivo

Si scriva un modello di stato che descriva levoluzione delle 3 categorie di cellule. Quindi,
si dimostri che a seconda del valore di a e della condizione iniziale si puo avere estinzione,
crescita indefinita, oppure ci si pu
o stabilizzare su un equilibrio non nullo, asintoticamente.
Determinato il valore di a per cui esiste uno stato di equilibrio non nullo, si determini in
che rapporto stanno, in tale stato di equilibrio, le cellule delle 3 categorie.
dato il sistema compartimentale caratterizzato dalla matrice:
Ex 2 [4 pti]. E

2 1 0 0 0
0 1 0 0 0
K= 0 0 1 1 1

1 0 1 1 1
0 0 0 0 2

Tracciare il grafo corrispondente;

determinare tutti i sottosistemi chiusi, se presenti, e l(eventuale) molteplicita dellau-


tovalore = 0;

determinare x(+), sapendo che x(0) = [ 0 0 2 2 2 ]T .

Ex 3 [5 pti] Dato il sistema, dipendente da un parametro a R

x 1 = ax1 + [(a 1)x1 ax2 ]3


x 2 = (a 1)(x1 + x2 ) [(a 1)x1 ax2 ]3

Si studi la stabilit a dellequilibrio dellorigine, ricorrendo alla linearizzazione. Nei (due)


casi critici si ricorra

in un caso, alla funzione V (x1 , x2 ) = 2x21 + 2x1 x2 + x22

1
nellaltro caso, a considerazioni elementari basate sullanalisi del comportamento di
una singola variabile (x1 oppure x2 )

Ex 4 [4 pt.]. Dato il seguente modello:

Si scrivano le equazioni di stato e di uscita del sistema assumendo valori iniziali nulli.
Ricavare le condizioni sui parametri a, b, c affinche il modello sia compartimentale.
Assumendo [, a, b, c] come parametri incogniti, discutere lidentificabilita a priori
del modello.
dato il sistema continuo (con parametro b R)
Ex 5 [4 pti]. E

b 0 0
x = F x, F = 0 5 2
0 2 5
Trovare la forma di Jordan di F senza calcolare esplicitamente la matrice di cambio
di base T.
Elencare i modi del sistema e studiare la stabilita al variare del parametro reale b.
Valutare, al variare del parametro reale b, tutte le condizioni iniziali, x(0), che fanno
convergere asintoticamente a zero levoluzione libera del sistema.

Ex 6 [5 pti] Sono date n variabili aleatorie esponenziali indipendenti ognuna di densit a:


1  y 
f (y|) = exp , y0

e nulla altrove (e noto che E (yi ) = e V ar (yi ) = 2 ). Sono assegnati i 2 stimatori:
Pn n n
yi X X
1 = i=1 , 2 = ci yi dove ci = 1.
n
i=1 i=1

Si discuta lefficienza di 1 .
Si calcoli lerrore quadratico medio (MSE) di 2 .
Si determinino i valori di ci , ed n tali che V ar(2 ) < V ar(1 ).

Ex 7 [6 pti] Si considerino le n variabili aleatorie:


yi = 1 + ei , i = 1, . . . , n
dove le ei sono Gaussiane, indipendenti, a media nulla e varianza , ovvero ei N (0, ).

Si ricavi lo stimatore M L a massima verosimiglianza (ML) di in funzione delle yi .


Si ricavi la distribuzione approssimata di M L per grandi valori di n.
Si ricavi lo stimatore ML della varianza di ni=1 yi in funzione delle yi .
P

2
Soluzione EX 1. Se x1 , x2 , x3 sono rispettivamente le cellule giovani, adulte e vecchie, si
ha x1 (k +1) = ax2 (k), e x2 (k +1) = 0.5x2 (k)+x1 (k), mentre x3 (k) = 0.25x2 (k)+0.5x3 (k).
Da cui il modello lineare discreto con

0 a 0
F = 1 0.5 0 1 = 0.25 0.0625 + a, 2 = 0.5, 3 = 0.25 + 0.0625 + a
0 0.25 0.5
dove 1 < 0 < 2 < 3 . Chiaramente 3 > 0 e lautovalore di massimo modulo, e si ha
3 > 1 a > 0.5
Quindi a < 0.5 conduce senzaltro allestinzione (stabilita asintotica), a > 0.5 pu o con-
durre ad una crescita indefinita (solo se viene eccitato il modo corrispondente allautovalore
massimo, quindi per questo motivo si ha anche dipendenza dalla condizione iniziale), es-
sendo il sistema instabile, mentre a = 0.5 rende il sistema semplicemente stabile, con
autovalori 3 = 1 e |1 |, 2 < 1, ed in tal caso si ha convergenza ad un punto di equilibrio
(che per o potrebbe anche essere nullo, quindi ancora estinzione, per opportune condizioni
iniziali). Il punto di equilibrio non nullo (che esiste solo se ce lautovalore = 1, quindi
se e solo se a = 0.5) e parallelo a [ 1 2 1 ]T , per cui allequilibrio le cellule adulte sono
il doppio sia di quelle giovani che di quelle vecchie.
Soluzione EX 2. Il grafo e in figura e da esso si vede che i nodi 1 e 2 sono gli unici che
hanno flussi, diretti od indiretti, verso lesterno, quindi (3, 4, 5) rappresenta il chiuso mas-
simale, ed e immediato rendersi conto che al suo interno appare un altro chiuso (minimale),
pari a (3, 4). Quindi = 0 e presente e = 1. Infine, siccome x(0) non ha componenti
non nulle al di fuori del chiuso massimale, si ha che la somma x3 (t) + x4 (t) + x5 (t) rimane
costante, ed assume quindi lo stesso valore allinizio (t = 0) ed alla fine (t +), dove
lo stato diventa un punto di equilibrio, pari a c [ 0 0 1 1 0 ]T , c > 0. Quindi c = 3 e
x(+) = [ 0 0 3 3 0 ]T .

Soluzione EX 3. Linearizzando si ottiene la matrice


 
a 0
F = = a, a 1
a1 a1
dove gli autovalori sono immediati dalla struttura triangolare. Se a < 0 oppure a > 1, la
presenza di un autovalore positivo implica linstabilita, mentre se 0 < a < 1 la presenza

3
di soli autovalori negativi garantisce la stabilita asintotica. I casi critici sono a = 0, 1, in
quanto gli autovalori sono = 0, 1. Per a = 0 si ha
x 1 = x31
x 2 = (x1 + x2 ) + x31
e si trova
 
2 1
T
, V (x1 , x2 ) = 2 x41 + (x1 + x2 )2
 
V (x1 , x2 ) = x P x, P =
1 1
dove P > 0 e dove V e chiaramente definita negativa. Quindi per Lyapunov si ha stabilit
a
asintotica. Per a = 1 si ha
x 1 = x1 x32
x 2 = x32
e la seconda equazione dimostra chiaramente la divergenza di x2 (t) (basta notare che se
x2 (0) > 0 allora x2 (t) cresce indefinitamente, mentre decresce in caso contrario), non
appena x2 (0) 6= 0, e quindi linstabilita, a maggior ragione, considerando la coppia di
variabili (x1 , x2 ).
Soluzione EX 4. Applicando il principio di bilancio di massa le equazioni del modello
risultano:
x 1 (t) = a x1 (t) + u(t)
x 2 (t) = b x2 (t) + x1 (t)
x 3 (t) = c x3 (t) + b x2 (t)
y(t) = x2 (t)
Per quanto riguarda il secondo punto la matrice compartimentale risulta:

a 0 0
K = 1 b 0
0 b c
Affinche il modello sia compartimentale e necessario che la matrice K sia compartimentale.
Dalla teoria si sa che
gli elementi diagonali devono essere non positivi da cui si ricava che a, b, c 0;
gli elementi fuori diagonali devono essere non negativi: e immediato dal punto prece-
dente;
deve essere soddisfatta la proprieta di dominanza diagonale rispetto alle colonne,
ossia la somma degli elemeti appartenenti ad ogni singola colonna sia non positiva
da cui: a + 1 0 a 1 e c 0 c 0.
infine, per il terzo punto si osserva che il modello e lineare e quindi per valutare lidentificabilit
a
priori si usa il metodo della funzione di trasferimento. Laplace trasformiamo il sistema di
equazioni differenziali ottenuto al primo punto:
U (s)
X1 (s) = s+a

X1 (s)
X2 (s) = s+b

b X2 (s)
X3 (s) = s+c

Y (s) = X3 (s)

4
La funzione di trasferimento risulta essere:
Y (s)
H(s) = = = 2 = 2
U (s) (s + a)(s + b) s + (a + b)s + ab s + 1 s + 2
Il sommario esaustivo e:
=
1 = a + b
2 = ab
Risolvendo il sistema precedente si ottiene che e univocamente identificabile, a, b am-
mettono due soluzioni e c non e identificabile in quanto non compare nella funzione di
traferimento (e quindi nel sommario esausitivo). Di conseguenza il modello e non identi-
ficabile.
Soluzione EX 5. Riguardo al primo punto basta osservare che la matrice e diagonale a
blocchi  
F11 0
F =
0 F22
il primo blocco coincide con il parametro b che quindi risulta autovalore. Per il secondo
blocco basta calcolarne il polinomio caratteristico
F22 () = det(I F22 ) = 2 + 10 + 21 = ( + 7) ( + 3)
Ci sono dunque due autovalori distinti 1 = 7, 2 = 3. Essendo dim(F22 ) = 2, pari
alla somma delle molteplicit a algebriche di entrambi gli autovalori di F22 , questultima
risulta diagonalizzabile. Di conseguenza lintera matrice F e diagonalizzabile:
bt
b 0 0 e 0 0
FJ = 0 7 0 eFJ t = 0 e7t 0
0 0 3 0 0 e 3t

Per quanto concerne il secondo punto i modi del sistema sono: ebt , e7t , e3t ed essendo
gli autovalori di F22 reali e strettamente negativi la stabilita dipende solamente dai valori
assunti dal parametro b. In particolare, se b < 0 si ha asintotica stabilita, se b > 0 si
a (il modo ebt diverge), mentre se b = 0 si ha semplice stabilita (ebt = 1 con
ha instabilit
b = 0). Nel risolvere lultimo punto osserviamo che

 bt  x1 (0) ebtx1 (0) 
e 0
x(t) = eF t x(0) = x2 (0) = F t x2 (0)
0 eF22 t e 22
x3 (0) x3 (0)
Siccome F22 ha solo autovalori asintoticamente stabili (come argomentato in precedenza)
x (0)
limt eF22 t 2 = 0, (x2 (0), x3 (0)) R2 . Quindi per b < 0 anche F11 = b e
x3 (0)
asintoticamente stabile quindi: limt x(t) = 0, x(0). Per b 0 si hachelimt x(t) =
0
0 solo se x1 (0) = 0, quindi le condizioni iniziali soddisfano a: x(0) < 1 >.

1
Soluzione EX 6. Riguardo al primo punto, lo stimatore e chiaramente unbiased, con
varianza che, sfruttando lindipendenza delle yi , risulta
 Pn n
n2 2

i=1 yi 1 X
V ar (1 ) = V ar = 2 V ar (yi ) = 2 = .
n n n n
i=1

5
La meno log-verosimiglianza e
n n
X X yi
` = log() +

i=1 i=1

La matrice di Fisher quindi e:


n n
!
2 `
 
n X yi n X E (yi ) n
E = E 2 +2 = 2 +2 = 2.
2 3 3
i=1 i=1

Sfruttando lindipendenza delle yi , si ha anche


 Pn n
n2 2

= V ar i=1 yi 1 X
V ar () = V ar (y
i ) = =
n n2 n2 n
i=1

e questo dimostra lefficienza.


Riguardo al secondo punto, lo stimatore ha media poiche ni=1 ci = 1 e quindi e unbiased.
P
Il suo MSE coincide con la varianza. Si ha quindi
n n
!
X X

M SE = V ar(2 ) = V ar ci yi = c2 2 .
2 i
i=1 i=1

Riguardo al terzo punto, poiche 1 e efficiente e 2 e unbiased, non esistono valori di ci ,


ed n che soddisfino la disuguaglianza.
Soluzione EX 7. Riguardo al primo punto, la verosimiglianza e data da:
n
1 (yi 1)2
 
Y 1
L(y|) = exp .
2 2
i=1

Quindi, indicando con K un termine costante, la meno log-verosimiglianza e


n n
1X 1 X (yi 1)2
` = log() + +K
2 2
i=1 i=1

la cui derivata e
n
` n 1 X
= 2 (yi 1)2 .
2 2
i=1

Uguagliando a zero tale espressione, si ottiene lo stimatore a massima verosimiglianza


Pn
ML (yi 1)2
= i=1 .
n
come confermato dal comportamento di `P attorno a P
0 e +.
Per quanto riguarda lultimo punto, V ar( ni=1 yi ) = ni=1 V ar(yi ) = n. Per il principio
di invarianza, lo stimatore cercato e quindi
Pn n
i=1 (yi 1)2 X
n = (yi 1)2
n
i=1

6
Per il punto due, la matrice di Fisher (in questo caso data da uno scalare) risulta
n n
 2  !
` n 1 X 2 n X E ((yi 1)2 ) n
E = E + (y i 1) = + = 2.
2 22 3 22 3 2
i=1 i=1

Per lasintotica efficienza dello stimatore a massima verosimiglianza, per grandi valori di
n is ha quindi
22
 

ML
N ,
n