VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu

Koko: px
Aloita esitys sivulta:

Download "VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.2014 Ratkaisut ja arvostelu"

Transkriptio

1 VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Rtkisut j rvostelu. Koululisen todistuksen keskirvo x on lskettu ) b) c) d) kymmenen ineen perusteell. Jos koululinen nostisi neljän ineen rvosn yhden numeron verrn, niin keskirvoksi tulisi 8.. Todistuksen keskirvo x on ) 7.4 b) 7.6 c) 7.7 d) 7.8 ( x + 4) = 8. x +.4 = 8. x = Keskihjonnn neliötä kutsutn ) vritiokertoimeksi b) vrinssiksi c) kovrinssiksi d) vinoudeksi.3 Lukujen, 4, 7,, 3 vrinssi on ).8 b). c) 3.7 d) 4. s = (x i x) = 4 = (3 ) 4 = 4 = 74 = 3.7. ( x i ) = 4 ( 3 44 ) x i 44 = Ltikoss on must j punist pllo. Siitä nostetn pllo pluttmtt. Mikä on todennäköisyys, että inkin yksi nostetuist plloist on puninen? ) 7/38 b) 6/39 c) 8/4 d) /4

2 P("Ainkin yksi puninen") = P("Ei yhtään punist") ( ) 4 = ( ) = = 9 = = = = Nopp heitetään kert. Odotusrvo kuutosten lukumäärälle on ) b) c) 4 d) 8 Kuutosten lukumäärä noudtt Bin(, /6)-jkum, joten kuutosten lukumäärän odotusrvo on (/6) =..6 Stunnismuuttuj X noudtt normlijkum ) b) c) d) N(, ). Tällöin P ( X 4 > ) on likimin ).84 b).79 c).74 d).69 P ( X 4 > ) = P ( X 4 ) = P ( X 4 ) = P ( + 4 X ) = P ( X 6) = P ( X 6 ) = P (/ (X )/ 6/) = P ( (X )/ 3) = (Φ(3) Φ()) ( ) =.74 =.846.

3 . Diskreetin stunnismuuttujn X jkum on x i 3 4 p i p 4p p 3p ) Määritä p. (p i on pistetodennäköisyys) b) Lske odotusrvo E(X) j vrinssi Vr(X). c) Määritä stunnismuuttujn X medini. ) Diskreetillä jkumll pistetodennäköisyyksien summ on yksi, joten sdn p + + 4p + p + 3p = 9p = 9p = 9 p =. b) Stunnismuuttujn X odotusrvo on E(X) = x i p i = ( ) = 3 Stunnismuuttujn X vrinssi voidn lske kvll joss E(X ) = V r(x) = E((X E(X)) ) = E(X ) (E(X)), x i p i = = 33. Vrinssiksi sdn nyt V r(x) = 33 ( 3 ) = = =. c) Stunnismuuttujn X medini Med( X ) on luku, jok täyttää ehdot P (X Med(X )) j P (X Med(X )). Stunnismuuttujn X jkumtulukon perusteell sdn (< /), kun x <, / (< /), kun x <, 3/ (< /), kun x < 3, P (X x) = 7/ ( /), kun 3 x < 4, 8/ ( /), kun 4 x <, ( /), kun x. 3

4 j ( /), kun x, / ( /), kun < x, 8/ ( /), kun < x 3, P (X x) = 4/ (< /), kun 3 < x 4, 3/ (< /), kun 4 < x, (< /), kun x >. Huomtn, että inostn x = 3 toteutt nnetut ehdot, joten stunnismuuttujn X medini on 3. PISTEYTYS: ) mx piste, b) mx pistettä (odotusrvost piste j vrinssist piste), c) mx pistettä. Oikest vstuksest (Med=3) ilmn mitään perusteluj s inostn yhden pisteen. Jos rtkisuun on päästy täysin virheellisten lskujen perusteell, niin osiost on tullut noll pistettä (esim. sekoittmll stunnismuuttujn medinin lskemisen otosmedinin lskemiseen luvuist,, 3, 4 j. 3. Kolme kvriohrrstj vertili smn klljin pituuksi kolmess eri kvrioss A, B j C. Mittut tulokset ovt ll. Akvrio A: Akvrio B: Akvrio C: Oletetn, että keskihjonnt ovt tiedoss j ne ovt likimin seurvt: Akvrio A: Akvrio B: 3/ Akvrio C: 4/3. ) Määritä 9 %:n luottmusväliä muodostettess käytettävä kriittinen rvo, kun oletmme, että voimme sovelt normlijkum. b) Lske 9 %:n luottmusvälit kvrioiden A, B j C klojen pituuksien odotusrvoille j vert smisi tuloksi. (Lskuiss kriittisen rvon voi pyöristää lähimpään kokonislukuun.) Piirrä myös kuv. ) Luottmusväli klljin pituuden odotusrvolle on s x ± z., n joss x on hvintojen keskirvo j s hvintojen keskihjont. Olkoon Z stunnismuuttuj, jok noudtt N(, )-jkum. Kriittinen rvo 4

5 z. (> ) on rvo, joll P ( z. Z z. ) =.9. Kosk stndrdoitu normlijkum on symmetrinen nolln suhteen, niin P (Z z. ) =.97. Normlijkumn tulukost sdn kriittiseksi rvoksi z. =.96. b) Käytetään lskuiss kriittisen rvon pyöristettyä rvo z.. = 6 9 Akvrion A klojen pituuksien keskirvo on x A, joten pituuden odotusrvon likimääräiseksi 9% luottmusväliksi sdn 6 9 ± 9 = 6 ±. 9 Luottmusvälin lrj on 3/9.9 j ylärj 77/ = 84 9 Akvrion B klojen pituuksien keskirvo on x B, joten pituuden odotusrvon likimääräiseksi 9% luottmusväliksi sdn 84 9 ± 3/ = 84 ± Luottmusvälin lrj on 7/9 8.3 j ylärj 93/9.3. = 8 9 Akvrion C klojen pituuksien keskirvo on x C, joten pituuden odotusrvon likimääräiseksi 9% luottmusväliksi sdn 8 9 ± 4/3 = 8 ± Luottmusvälin lrj on /9.6 j ylärj 66/ Vertilln luottmusvälejä kuvion vull. Akvrion B klojen pituuksien odotusrvo näyttäisi poikkevn khden muun kvrion odotusrvoist. Akvrioiden A j B luottmusvälit ovt selkeästi päällekkäin. A B C Kuv : Tehtävä 3b

6 PISTEYTYS: ) mx piste, b) mx 4 pistettä. 4. Olkoon > kiinteä reliluku. Stunnismuuttuj X on tsisesti jkutunut välillä (, ), jos sen tiheysfunktio on {, kun x (, ) f X (x) =, muulloin. ) Piirrä tiheysfunktion kuvj. b) Määritä X :n kertymäfunktio j P (X b), kun < b <. c) Määritä X :n medini. d) Miten määritellään jtkuvn stunnismuuttujn odotusrvo? Määritä X :n odotusrvo. ) f(x) / x b) Kun x (, ), niin F X (x) = P (X x) = Kertymäfunktioksi sdn siis Kuv : Tehtävä 4 x f X (t)dt = x x dt = F X (x) = P (X x) = f X (t)dt, kun x, x =, kun < x <,, kun x. Kun < b < j >, niin < b < j näin ollen P (X b) = F X (b) = b = b. x t = x. 6

7 c) Jtkuvll jkumll medini sdn lskettu ehdost F X (Med) =. Käyttämällä kohdss b) johdettu kertymäfunktiot, niin rtkistvksi yhtälöksi sdn F X (Med) = Med = Med =. Medini löytyy symmetrisillä jkumill symmetripisteestä. Tässä tpuksess jkumn tiheysfunktio on symmetrinen pisteen / suhteen. d) Jtkuvn stunnismuuttujn X odotusrvo on E(X) = + xf X (x)dx, joss f X (x) on stunnismuuttujn X jkumn tiheysfunktio. Odotusrvoksi sdn nyt E(X) = + xf X (x)dx = x dx = x = =. Odotusrvo löytyy symmetrisillä jkumill (jos jkumll on olemss odotusrvo) symmetripisteestä eli odotusrvo on siinä tpuksess sm kuin medini. PISTEYTYS: ) mx. pistettä, b) mx pistettä, c) mx piste, d) mx. pistettä. 7

Painopiste. josta edelleen. x i m i. (1) m L A TEX 1 ( ) x 1... x k µ x k+1... x n. m 1 g... m n g. Kuva 1. i=1. i=k+1. i=1

Painopiste. josta edelleen. x i m i. (1) m L A TEX 1 ( ) x 1... x k µ x k+1... x n. m 1 g... m n g. Kuva 1. i=1. i=k+1. i=1 Pinopiste Snomme ts-ineiseksi kpplett, jonk mteriliss ei ole sisäisiä tiheyden vihteluj. Tällisen kppleen pinopisteen sijinti voidn joskus päätellä kppleen muodon perusteell. Esimerkiksi ts-ineisen pllon

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Mtemtiikn tukikurssi Kurssikert 4 Tilvuuden j vipn ln lskeminen Kuten iemmin käsittelimme, määrätyn integrlin vull voi lske pintloj j tilvuuksi. Tyypillisenä sovelluksen tilvuuden lskemisest on tpus, joss

Lisätiedot

2.4 Pienimmän neliösumman menetelmä

2.4 Pienimmän neliösumman menetelmä 2.4 Pienimmän neliösummn menetelmä Optimointimenetelmiä trvitn usein kokeellisen dtn nlysoinniss. Mittuksiin liittyy virhettä, joten mittus on toistettv useit kertoj. Oletetn, että mittn suurett c j toistetn

Lisätiedot

Kertymäfunktio. Kertymäfunktio. Kertymäfunktio: Mitä opimme? 2/2. Kertymäfunktio: Mitä opimme? 1/2. Kertymäfunktio: Esitiedot

Kertymäfunktio. Kertymäfunktio. Kertymäfunktio: Mitä opimme? 2/2. Kertymäfunktio: Mitä opimme? 1/2. Kertymäfunktio: Esitiedot TKK (c) Ilkk Mellin (24) 1 Johdtus todennäköisyyslskentn TKK (c) Ilkk Mellin (24) 2 : Mitä opimme? 1/2 Jos stunnisilmiötä hlutn mllint mtemttisesti, on ilmiön tulosvihtoehdot kuvttv numeerisess muodoss.

Lisätiedot

Riemannin integraalista

Riemannin integraalista Lebesguen integrliin sl. 2007 Ari Lehtonen Riemnnin integrlist Johdnto Tämän luentomonisteen trkoituksen on tutustutt lukij Lebesgue n integrliin j sen perusominisuuksiin mhdollisimmn yksinkertisess tpuksess:

Lisätiedot

Integraalilaskentaa. 1. Mihin integraalilaskentaa tarvitaan? MÄNTÄN LUKIO

Integraalilaskentaa. 1. Mihin integraalilaskentaa tarvitaan? MÄNTÄN LUKIO Integrlilskent Tämä on lukion oppimterileist hiemn poikkev yksinkertistettu selvitys määrätyn integrlin lskemisest. Kerromme miksi integroidn, mitä integroiminen trkoitt, miten integrli lsketn j miten

Lisätiedot

Differentiaali- ja integraalilaskenta 1 (CHEM) Laskuharjoitus 4 / vko 47, mallivastaukset

Differentiaali- ja integraalilaskenta 1 (CHEM) Laskuharjoitus 4 / vko 47, mallivastaukset Differentili- j integrlilskent (CHEM) Lskuhrjoitus / vko 7, mllivstukset Johdntotehtävä x dx = ln.693, joten rvo ln voidn pproksimoid integroimll numeerisesti funktiot x välillä [,]. Jetn väli [,] khteen

Lisätiedot

R4 Harjoitustehtävien ratkaisut

R4 Harjoitustehtävien ratkaisut . Mitkä seurvist lusekkeist eivät ole polynomej? Miksi eivät? Polynomin termine eksponentti on luonnollinen luku, ne lusekkeet, joiss eksponentti ei ole luonnollinen luku ei ole myöskään polynomi.. x x

Lisätiedot

Integraalilaskenta. Määrätty integraali

Integraalilaskenta. Määrätty integraali 9..08 Integrlilskent Määräämätön Etsitään funktiot Derivoinnille käänteistoimenpide integroiminen Integrlifunktio F(x), jolle F x = f x, lisäksi integrlifunktioille G x = F x + C. Vkion C lisäys (merkitys),

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Mtemtiikn tukikurssi Kurssikert 3 Määrätyn integrlin lskeminen Aiemmin määrittelimme määrätyn integrlin f (x)dx funktion f (x) l- j yläsummien rj-rvon. Määrätyllä integrlill on kksi intuitiivist tulkint:.

Lisätiedot

lim + 3 = lim = lim (1p.) (3p.) b) Lausekkeen täytyy supistua (x-2):lla, joten osoittajan nollakohta on 2.

lim + 3 = lim = lim (1p.) (3p.) b) Lausekkeen täytyy supistua (x-2):lla, joten osoittajan nollakohta on 2. Mtemtiikk III 0600 Kurssi / Differetili- j itegrlilske jtkokurssi Tee 7 tehtävää ) Määritä lim ( ) ) + b) Määritä vkio site, että luseke ( ) + + ( )( ) ( + + ) + + + + + lim + lim lim (p) o jtkuv myös

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,

Lisätiedot

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-200 Todennäköisyyslaskenta Tentti 29.04.20 / Kimmo Vattulainen Funktiolaskin sallittu.. a) Pelaajat A ja B heittävät noppaa vuorotellen ja pelin voittaa se, joka saa ensimmäiseksi kuutosen. A aloittaa

Lisätiedot

10. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA

10. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA MAA0 0. Määrätyn integrlin käyttö eräiden pint-lojen lskemisess 0. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA Edellä on todettu, että f (x)dx nt x-kselin j suorien x =, x = sekä funktion

Lisätiedot

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi

Lisätiedot

6 Integraalilaskentaa

6 Integraalilaskentaa 6 Integrlilskent 6. Integrlifunktio Funktion f integrlifunktioksi snotn funktiot F, jonk derivtt on f. Siis F (x) = f (x) määrittelyjoukon jokisell muuttujn rvoll x. Merkitään F(x) = f (x) dx. Integrlifunktion

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Mtemtiikn tukikurssi Kurssikert 5 1 Jtkuvuus Trkstelln funktiot fx) josskin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jtkuv ti epäjtkuv. Jtkuvuuden ymmärtää prhiten trkstelemll epäjtkuv

Lisätiedot

II.1. Suppeneminen., kun x > 0. Tavallinen lasku

II.1. Suppeneminen., kun x > 0. Tavallinen lasku II. EPÄOLEELLISET INTEGRAALIT nt II.. Suppeneminen Esim. Olkoon f() =, kun >. Tvllinen lsku = / =. Kuitenkn tätä integrli ei ole ikisemmss mielessä määritelty, kosk f ei ole rjoitettu välillä [, ] (eikä

Lisätiedot

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 7: Integraali ja analyysin peruslause

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 7: Integraali ja analyysin peruslause MS-A010{3,4} (ELEC*) Differentili- j integrlilskent 1 Luento 7: Integrli j nlyysin perusluse Pekk Alestlo, Jrmo Mlinen Alto-yliopisto, Mtemtiikn j systeeminlyysin litos 3.10.2016 Pekk Alestlo, Jrmo Mlinen

Lisätiedot

x k 1 Riemannin summien käyttö integraalin approksimointiin ei ole erityisen tehokasta; jatkuvasti derivoituvalle funktiolle f virhe b

x k 1 Riemannin summien käyttö integraalin approksimointiin ei ole erityisen tehokasta; jatkuvasti derivoituvalle funktiolle f virhe b 5 Integrlien lskemisest 51 Riemnnin summt [A2], [4, 61] Rjoitetun funktion f : [, b] R Riemnn-integroituvuudelle ytäpitäväksi on kurssill Anlyysi 2 osoitettu, että Riemnnin summill S P := f(ξ k ) ( ),

Lisätiedot

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 8: Integraalifunktio ja epäoleellinen integraali

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 8: Integraalifunktio ja epäoleellinen integraali MS-A1{3,4} (ELEC*) Differentili- j integrlilskent 1 Luento 8: Integrlifunktio j epäoleellinen integrli Pekk Alestlo, Jrmo Mlinen Alto-yliopisto, Mtemtiikn j systeeminlyysin litos 5.1.216 Pekk Alestlo,

Lisätiedot

Analyysin perusteet kauppatieteilijöille 800118P

Analyysin perusteet kauppatieteilijöille 800118P Anlyysin perusteet kupptieteilijöille 800118P Luentomoniste Kri Myllylä Niin Korteslhti Topi Törmä Oulun yliopisto Mtemttisten tieteiden litos Kevät 2015 Sisältö 1 Derivtt 3 1.1 Määritelmä..............................

Lisätiedot

11. MÄÄRÄTTY INTEGRAALI JA TILAVUUS

11. MÄÄRÄTTY INTEGRAALI JA TILAVUUS 11. MÄÄRÄTTY INTEGRAALI JA TILAVUUS Tilvuus on sen verrn rkielämässä viljelty käsite, että useimmiten sen syvemmin edes miettimättä ymmärretään, mitä juomlsin ti pikkuvuvn kylpymmeen tilvuudell trkoitetn.

Lisätiedot

MS-A010{2,3,4,5} (SCI, ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 8: Integraalifunktio ja epäoleellinen integraali

MS-A010{2,3,4,5} (SCI, ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 8: Integraalifunktio ja epäoleellinen integraali MS-A1{2,3,4,5} (SC, ELEC*, ENG*) Differentili- j integrlilskent 1 Luento 8: ntegrlifunktio j epäoleellinen integrli Pekk Alestlo, Jrmo Mlinen Alto-yliopisto, Mtemtiikn j systeeminlyysin litos November

Lisätiedot

MS-A010{2,3,4,5} (SCI,ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 7: Integraali ja analyysin peruslause

MS-A010{2,3,4,5} (SCI,ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 7: Integraali ja analyysin peruslause MS-A010{2,3,4,5} (SCI,ELEC*, ENG*) Differentili- j integrlilskent 1 Luento 7: Integrli j nlyysin perusluse Pekk Alestlo, Jrmo Mlinen Alto-yliopisto, Mtemtiikn j systeeminlyysin litos November 20, 2017

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 9. Kirsi Valjus. Jyväskylän yliopisto. Luento 9 () Numeeriset menetelmät / 29

Numeeriset menetelmät TIEA381. Luento 9. Kirsi Valjus. Jyväskylän yliopisto. Luento 9 () Numeeriset menetelmät / 29 Numeeriset menetelmät TIEA381 Luento 9 Kirsi Vljus Jyväskylän yliopisto Luento 9 () Numeeriset menetelmät 17.4.2013 1 / 29 Luennon 9 sisältö Numeerisest integroinnist Newtonin j Cotesin kvt Luento 9 ()

Lisätiedot

Käydään läpi: ääriarvo tarkastelua, L Hospital, integraalia ja sarjoja.

Käydään läpi: ääriarvo tarkastelua, L Hospital, integraalia ja sarjoja. DI mtemtiikn opettjksi: Täydennyskurssi, kevät Luentorunko j hrjoituksi viikolle : ti 9.. klo :-5:, to.. klo 9:5-: j klo 4:5-6: Käydään läpi: äärirvo trkstelu, L Hospitl, integrli j srjoj.. Kerrtn äärirvojen

Lisätiedot

Matematiikan tukikurssi. Hannu Kivimäki

Matematiikan tukikurssi. Hannu Kivimäki Mtemtiikn tukikurssi Hnnu Kivimäki Sisältö I Ensimmäinen välikoe Integrointi 2 Osittisintegrointi 5 3 Osmurtohjotelm 4 Lisää osmurtoj 4 5 Sijoituskeino 9 6 Määrätty integrli 2 7 Ylä- j lsumm 22 8 Määrätyn

Lisätiedot

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-25 Todennäköisyyslaskenta Tentti 12.4.216 / Kimmo Vattulainen Funktiolaskin sallittu. Palauta kaavakokoelma 1. a) Pelaajat A ja B heittävät noppaa vuorotellen ja pelin voittaa se, joka saa ensimmäiseksi

Lisätiedot

4 Pinta-alasovelluksia

4 Pinta-alasovelluksia Pint-lsovelluksi. Kuvjn lle jäävä pint-l voidn määrittää, jos kuvj on -kselin yläpuolell. Välillä [, 5] funktion f kuvj on -kselin lpuolell. Peiltn funktion f kuvj -kselin suhteen, jolloin sdn funktion

Lisätiedot

LINSSI- JA PEILITYÖ TEORIAA. I Geometrisen optiikan perusaksioomat

LINSSI- JA PEILITYÖ TEORIAA. I Geometrisen optiikan perusaksioomat (0) LINSSI- JA PEILITYÖ MOTIVOINTI Tutustutn linsseihin j peileihin geometrisen optiikn mittuksiss Tutkitn vlon käyttäytymistä linsseissä j peileissä Määritetään linssien j peilien polttopisteet Optiset

Lisätiedot

TYÖ 30. JÄÄN TIHEYDEN MÄÄRITYS. Tehtävänä on määrittää jään tiheys.

TYÖ 30. JÄÄN TIHEYDEN MÄÄRITYS. Tehtävänä on määrittää jään tiheys. TYÖ 30 JÄÄN TIHEYDEN MÄÄRITYS Tehtävä älineet Tusttietoj Tehtävänä on äärittää jään tiheys Byretti (51010) ti esi 100 l ittlsi (50016) j siihen sopivi jääploj, lkoholi (sopii jäähdytinneste lsol), nlyysivk

Lisätiedot

1. Derivaatan Testi. Jos funktio f on jatkuva avoimella välillä ]a, b[ ja x 0 ]a, b[ on kriit. tai singul. piste niin. { f (x) > 0, x ]a, x 0 [

1. Derivaatan Testi. Jos funktio f on jatkuva avoimella välillä ]a, b[ ja x 0 ]a, b[ on kriit. tai singul. piste niin. { f (x) > 0, x ]a, x 0 [ 1. Derivtn Testi Jos funktio f on jtkuv voimell välillä ], b[ j x 0 ], b[ on kriit. ti singul. piste niin { f (x) < 0, x ], x 0 [ f x (x) > 0, x ]x 0, b[ 0 on lokli minimipiste (1) { f (x) > 0, x ], x

Lisätiedot

TEHTÄVÄ 1. Olkoon (f n ) jono jatkuvia funktioita f n : [a, b] R, joka suppenee välillä [a, b] tasaisesti kohti funktiota f : [a, b] R.

TEHTÄVÄ 1. Olkoon (f n ) jono jatkuvia funktioita f n : [a, b] R, joka suppenee välillä [a, b] tasaisesti kohti funktiota f : [a, b] R. Topologi I Hrjoitus 10, rtkisuj AP TEHTÄVÄ 1. Olkoon (f n ) jono jtkuvi funktioit f n : [, b] R, jok suppenee välillä [, b] tsisesti kohti funktiot f : [, b] R. Osoit, että tällöin f n (x) dx f(x) dx.

Lisätiedot

766328A Termofysiikka Harjoitus no. 12, ratkaisut (syyslukukausi 2014)

766328A Termofysiikka Harjoitus no. 12, ratkaisut (syyslukukausi 2014) 7668A Termofysiikk Hrjoitus no 1, rtkisut (syyslukukusi 14) 1 Lämpötilss T K elektronien energit eivät ylitä Fermin energi (ɛ i ɛ F ), lämpötilprmetri β j kemillinen potentili vst Fermin energi (µ() ɛ

Lisätiedot

OSA 1: POLYNOMILASKENNAN KERTAUSTA, BINOMIN LASKUSÄÄNTÖJÄ JA YHTÄLÖNRATKAISUA

OSA 1: POLYNOMILASKENNAN KERTAUSTA, BINOMIN LASKUSÄÄNTÖJÄ JA YHTÄLÖNRATKAISUA OSA 1: POLYNOMILASKENNAN KERTAUSTA, BINOMIN LASKUSÄÄNTÖJÄ JA YHTÄLÖNRATKAISUA Tekijät: Ari Heimonen, Hellevi Kupil, Ktj Leinonen, Tuomo Tll, Hnn Tuhknen, Pekk Vrniemi Alkupl Tiedekeskus Tietomn torninvrtij

Lisätiedot

Esimerkki 8.1 Määritellään operaattori A = x + d/dx. Laske Af, kun f = asin(bx). Tässä a ja b ovat vakioita.

Esimerkki 8.1 Määritellään operaattori A = x + d/dx. Laske Af, kun f = asin(bx). Tässä a ja b ovat vakioita. 8. Operttorit, mtriisit j ryhmäteori Mtemttinen operttori määrittelee opertion, jonk mukn sille nnettu funktiot muoktn. Operttorit ovt erityisen tärkeitä kvnttimekniikss, kosk siinä jokist suurett vst

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä

Lisätiedot

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: 8.1 Satunnaismuuttuja Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: Esim. Nopanheitossa (d6) satunnaismuuttuja X kertoo silmäluvun arvon. a) listaa kaikki satunnaismuuttujan arvot b)

Lisätiedot

a = x 0 < x 1 < x 2 < < x n = b f(x) dx = I. lim f(x k ) x k=1

a = x 0 < x 1 < x 2 < < x n = b f(x) dx = I. lim f(x k ) x k=1 5 Integrli 5.1 Määritelmä j ominisuudet Olkoon f : [, b] R jtkuv. Muodostetn välin [, b] jko = x 0 < x 1 < x 2 < < x n = b j siihen liittyvä yläsumm S = n M k (x k x k 1 ), M k = mx{f(x) x k 1 x x k },

Lisätiedot

5 Epäoleellinen integraali

5 Epäoleellinen integraali 5 Epäoleellinen integrli 5. Integrlin suppeneminen Olkoon f sellinen välillä [, b[ (ei siis välttämättä pisteessä b) määritelty funktio, että f on Riemnn-integroituv välillä [, ] kikill ], b[ eli on olemss

Lisätiedot

Sisältö. Integraali 10. syyskuuta 2005 sivu 1 / 20

Sisältö. Integraali 10. syyskuuta 2005 sivu 1 / 20 Integrli 10. syyskuut 2005 sivu 1 / 20 Sisältö 1 Määrätty integrli j integrlifunktio 2 1.1 Integroituvist funktioit 3 1.2 Määrätyn integrlin ominisuuksi 4 1.3 Integrlifunktio 5 1.4 Integrlilskennn tärkeimmät

Lisätiedot

5. laskuharjoituskierros, vko 8, ratkaisut

5. laskuharjoituskierros, vko 8, ratkaisut Mat-.09 Sovellettu todennäköisyyslasku, kevät -05 5. laskuharjoituskierros, vko 8, ratkaisut D. Eräässä maata kiertävällä radalla olevassa satelliitissa on ilmaisin, jonka elinikä X yksikkönä vuosi noudattaa

Lisätiedot

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

Lisätiedot

.) (b) Vertaa p :tä vastaavaa kineettistä energiaa perustilan kokonaisenergiaan. ( ) ( ) = = Ek

.) (b) Vertaa p :tä vastaavaa kineettistä energiaa perustilan kokonaisenergiaan. ( ) ( ) = = Ek S-446, FYSIIKKA IV (Sf) Kevät 5, HSf Rtkisut HSf- Kvnttimekninen hrmoninen värähtelijä on perustillln (mss m) Värähtelyn mplitudi on A () ske p (Värähtelijä sijitsee välillä A ) (b) Vert p :tä vstv kineettistä

Lisätiedot

Määritelmä Olkoon C R m yksinkertainen kaari ja γ : [a, b] R m sen yksinkertainen parametriesitys, joka on paloittain C 1 -polku.

Määritelmä Olkoon C R m yksinkertainen kaari ja γ : [a, b] R m sen yksinkertainen parametriesitys, joka on paloittain C 1 -polku. Muodostetn vektorikentän kri-integrli yksinkertisen kren tpuksess. Plutetn mieleen, että joukko C R m on yksinkertinen kri, jos löytyy sellinen jtkuv bijektio γ : [, b] C, jok on ploittin C 1 -funktio

Lisätiedot

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4. HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 206 Kurssikoe 28.0.206 Ratkaisuehdotuksia. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden

Lisätiedot

L 0 L. (a) Entropian ääriarvo löydetään derivaatan nollakohdasta, dl = al 0 L )

L 0 L. (a) Entropian ääriarvo löydetään derivaatan nollakohdasta, dl = al 0 L ) 76638A Termofysiikk Hrjoitus no. 6, rtkisut syyslukukusi 014) 1. Trkstelln L:n pituist nuh, jonk termodynmiikn perusreltio on de = d Q + d W = T ds + F dl, 1) missä F on voim, joll nuh venytetään reversiibelisti

Lisätiedot

VEKTOREILLA LASKEMINEN

VEKTOREILLA LASKEMINEN 3..07 VEKTOREILLA LASKEMINEN YHTEENLASKU VEKTORIT, MAA Vektoreiden j summ on vektori +. Tämän summvektorin + lkupiste on vektorin lkupiste j loppupiste vektorin loppupiste, kun vektorin lkupisteenä on

Lisätiedot

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ PISTEYTYSKOKOUS

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ PISTEYTYSKOKOUS 0 MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 30 PISTEYTYSKOKOUS 0 ) Sijoitetn x 0 Rtkistn = 0/04,0000 b) Jos neliön sivu on s, niin lävistäjä on s Ehto: s 6 s + s = 6, s 6 3 4s 6,70, joten piiri ) Suorn yhtälö

Lisätiedot

VEKTOREILLA LASKEMINEN

VEKTOREILLA LASKEMINEN ..07 VEKTOREILL LSKEMINEN YHTEENLSKU VEKTORIT, M4 Vektoreiden j summ on vektori +. Tämän summvektorin + lkupiste on vektorin lkupiste j loppupiste vektorin loppupiste, kun vektorin lkupisteenä on vektorin

Lisätiedot

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet Tilastotieteen jatkokurssi Sosiaalitieteiden laitos Harjoitus 5 (viikko 9) Ratkaisuehdotuksia (Laura Tuohilampi). Jatkoa HT 4.5:teen. Määrää E(X) ja D (X). E(X) = 5X p i x i =0.8 0+0.39 +0.4 +0.4 3+0.04

Lisätiedot

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7, HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä niistä

Lisätiedot

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia KE (2014) 1 Hypergeometrinen jakauma Hypergeometrinen jakauma

Lisätiedot

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-5 Todennäköisyyslaskenta Tentti.. / Kimmo Vattulainen Vastaa jokainen tehtävä eri paperille. Funktiolaskin sallittu.. a) P A). ja P A B).6. Mitä on P A B), kun A ja B ovat riippumattomia b) Satunnaismuuttujan

Lisätiedot

Riemannin integraali

Riemannin integraali LUKU 5 iemnnin integrli Tässä luvuss funktion f iemnnin integrli merkitään - b f = - b f() d. Vstvsti funktion f Lebesgue in integrli merkitään f = f() dm(). [,b] [,b] Luse 5.1. Olkoon f : [, b] rjoitettu

Lisätiedot

SARJAT JA DIFFERENTIAALIYHTÄLÖT Funktiojonot 1

SARJAT JA DIFFERENTIAALIYHTÄLÖT Funktiojonot 1 SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 JOUNI PARKKONEN Sisältö 0. Tästä tekstistä. Funktiojonot 0. Tästä tekstistä Tämä moniste on trkoitettu käytettäväksi kurssin Srjt j differentiliyhtälöt luentomterilin.

Lisätiedot

3. laskuharjoituskierros, vko 6, ratkaisut

3. laskuharjoituskierros, vko 6, ratkaisut Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa

Lisätiedot

Tehtävä 1. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi

Tehtävä 1. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi Tehtävä. Jtk loogisesti oheisi jonoj khdell seurvksi tulevll termillä. Perustele vstuksesi lyhyesti. ), c, e, g, b),,, 7,, Rtkisut: ) i j k - oike perustelu j oiket kirjimet, nnetn p - oike perustelu,

Lisätiedot

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..

Lisätiedot

7 Funktiosarjoista. 7.1 Funktiosarjojen suppeneminen

7 Funktiosarjoista. 7.1 Funktiosarjojen suppeneminen 7 Funktiosrjoist 7. Funktiosrjojen suppeneminen Seurvksi trkstelln srjoj, joiden termit ovt (lukujen sijst) jollkin välillä I määriteltyjä funktioit. Täsmällisemmin funktiosrjll (ti lyhyemmin srjll) trkoitetn

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/5

TKK @ Ilkka Mellin (2008) 1/5 Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 3, 6, 7 Pistetehtävät: 2, 4, 5, 9 Ylimääräiset tehtävät: 8, 10, 11 Aiheet: Moniulotteiset jakaumat Avainsanat: Diskreetti jakauma,

Lisätiedot

Reaalinen lukualue. Millainen on luku, jossa on päättymätön ja jaksoton desimaalikehitelmä?

Reaalinen lukualue. Millainen on luku, jossa on päättymätön ja jaksoton desimaalikehitelmä? Relinen lukulue POLYNOMIFUNKTIOT JA -YHTÄLÖT, MAA Millinen on luku, joss on päättymätön j jksoton desimlikehitelmä? Onko sellisi? Trkstelln Pythgorn luseest stv yksikköneliön lävistäjää, luku + = x x =.

Lisätiedot

Kirjallinen teoriakoe

Kirjallinen teoriakoe 11 Kirjllinen teorikoe Päivämäärä: Osllistujn nimi: Kirjllinen teorikoe Arviointi koostuu khdest osst: "yleiset kysymykset "j lskutehtävät" Kokeen hyväksytty rj on 51% molemmist osioist erikseen. St 1

Lisätiedot

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

Lisätiedot

( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 321 Päivitetty 19.2.2006. Saadaan yhtälö. 801 Paraabeli on niiden pisteiden ( x,

( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 321 Päivitetty 19.2.2006. Saadaan yhtälö. 801 Paraabeli on niiden pisteiden ( x, Pyrmidi Anlyyttinen geometri tehtävien rtkisut sivu Päivitetty 9..6 8 Prbeli on niiden pisteiden (, y) joukko, jotk ovt yhtä kukn johtosuorst j polttopisteestä. Pisteen (, y ) etäisyys suorst y = on d

Lisätiedot

031021P Tilastomatematiikka (5 op) viikko 3

031021P Tilastomatematiikka (5 op) viikko 3 031021P Tilastomatematiikka (5 op) viikko 3 Jukka Kemppainen Mathematics Division Jakauman tunnusluvut Jakauman tärkeimmät tunnusluvut ovat odotusarvo ja varianssi. Odotusarvo ilmoittaa jakauman keskikohdan

Lisätiedot

2 Epäoleellinen integraali

2 Epäoleellinen integraali ANALYYSI C, HARJOITUSTEHTÄVIÄ, SYKSY 8 Epäoleellinen integrli Integrointivihje: Hyödynnä yhdistetyn funktion integrointisääntöä.. Määritä 9 9 (c) ( ). Tutki, millä vkion p rvoill epäoleellinen integrli

Lisätiedot

Viikon aiheet. Pinta-ala

Viikon aiheet. Pinta-ala info Viikon iheet Mpu I:sen voit suoritt: Kurssin loppukokeess 23.10. Arvosn: koe + lskrit Mikäli yo. ik ei sovi, voit suoritt loppukokeen yleistenttitilisuudess 24.11. Arvosn: koe + lskrit. Ilmoittudu

Lisätiedot

5 ( 1 3 )k, c) AB 3AC ja AB AC sekä vektoreiden AB ja

5 ( 1 3 )k, c) AB 3AC ja AB AC sekä vektoreiden AB ja MATEMATIIKAN PERUSKURSSI I Hrjoitustehtäviä syksy 4. Millä reliluvun rvoill ) 9 =, b) + +, e) 5?. Kirjoit Σ-merkkiä käyttäen summt 4, ) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + + 4 + + 99, d)

Lisätiedot

Riemannin integraalista

Riemannin integraalista TAMPEREEN YLIOPISTO Pro grdu -tutkielm Aij Stenberg Riemnnin integrlist Mtemtiikn j tilstotieteen litos Mtemtiikk Syyskuu 2010 2 Tmpereen yliopisto Mtemtiikn j tilstotieteen litos STENBERG, AIJA: Riemnnin

Lisätiedot

Matemaattiset menetelmät I. Seppo Hassi

Matemaattiset menetelmät I. Seppo Hassi Mtemttiset menetelmät I Seppo Hssi Syksy 2011 iii Esipuhe Tämä on 1. versio Mtemttiset menetelmät I-kurssin opetusmonisteest, jok perustuu Vsn yliopistoss luennoimni vstvn nimiseen kurssiin. Sisältö noudtt

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1 Todennäköisyyslaskun kertaus Vilkkumaa / Kuusinen 1 Satunnaismuuttujat ja todennäköisyysjakaumat Vilkkumaa / Kuusinen 2 Motivointi Kokeellisessa tutkimuksessa tutkittaviin ilmiöihin liittyvien havaintojen

Lisätiedot

sin θ θ θ r 2 sin 2 θ φ 2 = 0.

sin θ θ θ r 2 sin 2 θ φ 2 = 0. Mtemtiikn j tilstotieteen litos Osittisdifferentiliyhtälöt Kevät 21 Hrjoitus 9 Rtkisuj Jussi Mrtin 1. Osoit, että Lplce-yhtälö pllokoordinteiss on 2 u 1 r 2 2 u r r 1 r 2 sin θ u 1 2 u sin θ θ θ r 2 sin

Lisätiedot

Johdatus reaalifunktioihin P, 5op

Johdatus reaalifunktioihin P, 5op Johdtus relifunktioihin 802161P, 5op Os 3 Pekk Slmi 19. lokkuut 2015 Pekk Slmi FUNK 19. lokkuut 2015 1 / 48 Integrlit 1 Määrätty integrli = oike integrli: esim. 1 0 x 2 dx = reliluku 2 Määräämätön integrli

Lisätiedot

Preliminäärikoe Pitkä Matematiikka 5.2.2013

Preliminäärikoe Pitkä Matematiikka 5.2.2013 Preliminäärikoe Pitkä Mtemtiikk 5..0 Kokeess s vstt enintään kymmeneen tehtävään. Tähdellä ( * ) merkittyjen tehtävien mksimipistemäärä on 9, muiden tehtävien mksimipistemäärä on 6.. ) Rtkise yhtälö b)

Lisätiedot

θ 1 θ 2 γ γ = β ( n 2 α + n 2 β = l R α l s γ l s 22 LINSSIT JA LINSSIJÄRJESTELMÄT 22.1 Linssien kuvausyhtälö

θ 1 θ 2 γ γ = β ( n 2 α + n 2 β = l R α l s γ l s 22 LINSSIT JA LINSSIJÄRJESTELMÄT 22.1 Linssien kuvausyhtälö 22 LINSSIT JA LINSSIJÄRJSTLMÄT 22. Linssien kuvusyhtälö Trkstelln luksi vlon tittumist pllopinnll (krevuussäde R j krevuuskeskipiste C) kuvn mukisess geometriss. Tässä vlo siis tulee ineest ineeseen 2

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 4. lokakuuta 2007 Antti Rasila () TodB 4. lokakuuta 2007 1 / 17 1 Moniulotteiset todennäköisyysjakaumat Johdanto Kaksiulotteiset satunnaismuuttujat Kaksiulotteisen

Lisätiedot

Numeerinen integrointi

Numeerinen integrointi Pitkärnt: Lj mtemtiikk IX9 Numeerinen integrointi IX9 Numeerinen integrointi Numeerisell integroinnill trkoitetn määrätyn integrlin, eli reliluvun I(f,,b) = f(x)dx lskemist numeerisin keinoin (likimäärin)

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien

Lisätiedot

9 A I N. Alkuperäinen piiri. Nortonin ekvivalentti R T = R N + - U T = I N R N. Théveninin ekvivalentti DEE-11110 SÄHKÖTEKNIIKAN PERUSTEET

9 A I N. Alkuperäinen piiri. Nortonin ekvivalentti R T = R N + - U T = I N R N. Théveninin ekvivalentti DEE-11110 SÄHKÖTEKNIIKAN PERUSTEET DEE11110 SÄHKÖTEKNIIKAN PERUSTEET http://www.tut.fi/smg/course.php?id=57 Rtkisut Hrjoitukset 3, 2014 Tehtävä 1. Pyydetään muodostmn nnetun piirin Nortonin ekvivlentti. Nortonin, smoin kuin Theveninin,

Lisätiedot

5 Riemann-integraali ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT Ala- ja yläintegraali

5 Riemann-integraali ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT Ala- ja yläintegraali ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT 9 5 Riemnn-integrli 5. Al- j yläintegrli Voit olett tunnetuksi ll esitetyt supremumin j infimumin ominisuudet (joukot A j B ovt rjoitettuj sekä epätyhjiä j λ R). Jos

Lisätiedot

Laskennan mallit (syksy 2010) 1. kurssikoe, ratkaisuja

Laskennan mallit (syksy 2010) 1. kurssikoe, ratkaisuja 582206 Lskennn mllit (syksy 2010) 1. kurssikoe, rtkisuj 1. [2+2+2 pistettä] Säännöllisissä lusekkeiss on käytetty tuttu lyhennysmerkintää Σ = ( ). () merkkijonot, joiden kksi ensimmäistä merkkiä ovt joko

Lisätiedot

Mat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

Mat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat Mat-2.09 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Jatkuvat jakaumat Avainsanat: Binomijakauma, Eksponenttijakauma, Jatkuva tasainen jakauma, Kertymäfunktio, Mediaani, Normaaliapproksimaatio, Normaalijakauma,

Lisätiedot

Viivaintegraali: "Pac- Man" - tulkinta. Viivaintegraali: "Pac- Man" - tulkinta. "Perinteisempi" tulkinta: 1D 3/19/13

Viivaintegraali: Pac- Man - tulkinta. Viivaintegraali: Pac- Man - tulkinta. Perinteisempi tulkinta: 1D 3/19/13 Viivintegrli: "Pc- Mn" - tulkint Otetn funk:o f(,), jok riippuu muudujist j. Jokiselle, tson pisteellä funk:oll on siis joku rvo. Tpillisiä fsiklis- kemillisi esimerkkejä voisivt oll esimerkiksi mss:hes

Lisätiedot

Ristitulo ja skalaarikolmitulo

Ristitulo ja skalaarikolmitulo Ristitulo j sklrikolmitulo Opetussuunnitelmn 00 mukinen kurssi Vektorit (MAA) sisältää vektoreiden lskutoimituksist keskeisenä ineksen yhteenlskun, vähennyslskun, vektorin kertomisen luvull j vektoreiden

Lisätiedot

Analyysi 2. Harjoituksia lukuihin 1 3 / Kevät Anna sellainen välillä ] 2, 2[ jatkuva ja rajoitettu funktio f, että

Analyysi 2. Harjoituksia lukuihin 1 3 / Kevät Anna sellainen välillä ] 2, 2[ jatkuva ja rajoitettu funktio f, että Anlyysi Hrjoituksi lukuihin 3 / Kevät 5. Ann sellinen välillä ], [ jtkuv j rjoitettu funktio f, että () sup A m A j inf A min A, (b) sup A m A j inf A = min A, (c) sup A = m A j inf A min A, (d) sup A

Lisätiedot

8.4 Gaussin lause Edellä laskettiin vektorikentän v = rf(r) vuo R-säteisen pallon pinnan läpi, tuloksella

8.4 Gaussin lause Edellä laskettiin vektorikentän v = rf(r) vuo R-säteisen pallon pinnan läpi, tuloksella H 8.3.2 uontegrlt: vektoreden pntntegrlt Tvllsn tpus pntntegrlest on lske vektorkentän vuo pnnn läp: Trkstelln pnt j sllä psteessä P (x, y, z olev pnt-lkot d. Määrtellään vektorlnen pnt-lko d sten, että

Lisätiedot

Syksyn 2015 Pitkän matematiikan YO-kokeen TI-Nspire CAS -ratkaisut

Syksyn 2015 Pitkän matematiikan YO-kokeen TI-Nspire CAS -ratkaisut Sksn 0 Pitkän mtemtiikn YO-kokeen TI-Nspire CAS -rtkisut Tekijät: Olli Krkkulinen Rtkisut on ldittu TI-Nspire CAS -tietokoneohjelmll kättäen Muistiinpnot -sovellust. Kvt j lskut on kirjoitettu Mth -ruutuihin.

Lisätiedot

> 1. = lim. ja lisäksi oletetaan, että integraali b

> 1. = lim. ja lisäksi oletetaan, että integraali b j lisäksi oletetn, että integrli b g(x)dx hjntuu. Tällöin minornttiperitteen nojll myös integrli b f (x)dx hjntuu5. Eli intuitiivisesti jteltun funktion f j x-kselin välinen pint-l on ääretön, kosk tämä

Lisätiedot

Paraabelikin on sellainen pistejoukko, joka määritellään urakäsitteen avulla. Paraabelin jokainen piste toteuttaa erään etäisyysehdon.

Paraabelikin on sellainen pistejoukko, joka määritellään urakäsitteen avulla. Paraabelin jokainen piste toteuttaa erään etäisyysehdon. 5. Prbeli Prbelikin on sellinen pistejoukko, jok määritellään urkäsitteen vull. Prbelin jokinen piste toteutt erään etäissehdon. ********************************************** MÄÄRITELMÄ : Prbeli on tson

Lisätiedot

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 9: Integroimismenetelmät

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 9: Integroimismenetelmät MS-A010{3,4} (ELEC*) Differentili- j integrlilskent 1 Luento 9: Integroimismenetelmät Pekk Alestlo, Jrmo Mlinen Alto-yliopisto, Mtemtiikn j systeeminlyysin litos 10.10.2016 Pekk Alestlo, Jrmo Mlinen (Alto-yliopisto,

Lisätiedot

7.lk matematiikka. Geometria 1

7.lk matematiikka. Geometria 1 7.lk mtemtiikk 1 Htnpään koulu 7B j 7C Kevät 2017 2 Sisällys 1. Koordintisto... 4 2. Kulmien nimeäminen j luokittelu... 8 3. Kulmien mittminen j piirtäminen... 10 4. Ristikulmt j vieruskulmt... 14 5. Suort,

Lisätiedot

Muita määrätyn integraalin sovelluksia

Muita määrätyn integraalin sovelluksia Muit määrätyn integrlin sovelluksi Ekstr Pohint Auto kiihyttää tsisesti viiessä sekunniss vuhist 4 km/h vuhtiin 76 km/h. ) Muoost funktio, jok ilmisee uton vuhin v(t), kun on kulunut t sekunti kiihytyksen

Lisätiedot

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170 VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 4.6.2013 Ratkaisut ja arvostelu 1.1 Satunnaismuuttuja X noudattaa normaalijakaumaa a) b) c) d) N(170, 10 2 ). Tällöin P (165 < X < 175) on likimain

Lisätiedot

4. Reaalifunktioiden määrätty integraali

4. Reaalifunktioiden määrätty integraali 6 4. Relifunktioiden määrätt integrli Vrsinisesti termi "integrli" tulee seurvss esitettävästä määrätstä integrlist, jok on läheistä suku summmiselle. Yhtes derivttn on sitten perustv ltu olev tulos, jot

Lisätiedot

ANALYYSI I, kevät 2009

ANALYYSI I, kevät 2009 ANALYYSI I, kevät 009 Sisältö Relilukujen peruskäsitteitä Lukujonoist 4. Lukujonon rj-rvo....................... 4. Monotoniset jonot..........................3 Osjonot.............................. 7.4

Lisätiedot