4.7 Todennäköisyysjakaumia
|
|
- Antero Jaakkola
- 9 vuotta sitten
- Katselukertoja:
Transkriptio
1 MAB5: Todeäöisyyde lähtöohdat.7 Todeäöisyysjaaumia Luvussa 3 Tuusluvut perehdyimme jo jaauma äsitteesee yleesä ja ormaalijaaumaa vähä taremmi. Lähdetää yt tutustumaa biomijaaumaa ja otetaa se jälee ormaalijaauma esille uudellee. Aloitetaa biomitodeäöisyydellä. Biomitodeäöisyydestä Olemme laseeet esimerejä, joissa o heitetty oppaa, milloi erra, milloi olme ertaa tai olioa, milloi ahdesa ertaa, milloi jotai muuta. Koetta, joa oostuu useaa ertaa samalaisea toistettavasta, toisistaa riippumattomasta osasta ute olio heittämie, saotaa toistooeesi. Esimeri 37 Palataa vielä Esimeri 9 oripalloilijoihi. Heitä oli olme, A, B ja C ja he heittävät vapaaheito ohi todeäöisyysillä vastaavasti 5%, 0% ja 5%. Tarastellaa yt oripalloilija C:tä. Millä todeäöisyydellä hä oistuu a) ahdella eljästä heitosta b) olmella eljästä heitosta c) aiilla eljällä heitolla? Rataisu Kosa yhde heito epäoistumise todeäöisyys o 0,5, ii se oistumise todeäöisyys o 0,85. Ku pelaaja C heittää eljä heittoa, ysittäise heito oistumie tai epäoistumie ei vaiuta muitte heittoje mahdollisuusii. Joaie heitto o siis erillie tapahtuma verrattua muihi heittoihi. Täte TN(oistuu, oistuu, epäoistuu, epäoistuu) = 0,85 0,85 0,5 0,5 = 0, a) Kasi heittoa voidaa valita eljästä = 6 eri tavalla. Nämä tapauset erottaa toisistaa tai - oetiivi. Kosa heitot ovat erilliset, ii ahdella tapahtumalla imeltä heitto (!) ei ole yhtää yhteistä aliota. Täte TN(oistuu jollai uudesta tavasta) = 0,85 0,85 0,5 0,5 = 0, Vastaus: Kasi heittoa eljästä oistuu todeäöisyydellä 0,097. b) Kolme heittoa voidaa valita eljästä = eri tavalla. Päättelemällä ute a) ohdassa 3 saadaa TN(oistuu jollai eljästä tavasta) = 0,85 0,85 0,85 0,5 = 0, Vastaus: Kolme heittoa eljästä oistuu todeäöisyydellä 0,368. c) =. Päättelemällä vielä erra ute a) ohdassa saadaa TN(oistuu aiilla eljällä heitolla) = 0,85 0,85 0,85 0,85 = 0,85 = 0, Vastaus: Kaii eljä heittoa oistuvat todeäöisyydellä 0,5.
2 Esimeri 37 päättely voidaa yleistää toistooeisii, joissa ullai toistettavalla osaoeella o sama oistumise todeäöisyys. Meritää oistumise todeäöisyyttä irjaimella p ja epäoistumise todeäöisyyttä irjaimella q, jolloi p + q =. Kosa tapausta voidaa valita :stä vaihtoehdosta eri tavalla ja osa ui tapaus o muista riippumato, ii todeäöisyys sille, että oee sarjasta toistooeesta tapahtuu, o p ( p) = p q. Tätä saotaa biomitodeäöisyydesi. Biomitodeäöisyys: Jos ui osaoee oistumise todeäöisyys o p, ii : toistooee sarjasta oistuu oetta todeäöisyydellä p ( p) = p q, u vielä meritää: p + q = Esimeri 38 Heitetää olioa 0 ertaa. Millä todeäöisyydellä saadaa 6 laavaa? Rataisu Sovelletaa biomitodeäöisyyde aavaa. Nyt aava p =, = 0 ja = 6. Sijoitetaa aavaa: p q 0 = 6 6 = 05 5 = 0,05. Esimeri 39 Heitetää oppaa ahdesa ertaa. Millä todeäöisyydellä saadaa uutoe olme ertaa? Rataisu Käytetää biomitodeäöisyyde aavaa taas. Nyt aava p = 6, p = 6 5, = 8 ja = Kaavaa sijoittamalla saadaa yt: = = 0, Vastaus: Ku oppaa heitetää ahdesa ertaa, olme uutosta saadaa todeäöisyydellä 0,. Huomaa, että Esimerissä 39 opaheitosta tehtii edellä oleva määritelmä muaie toistooe tarastelemalla asiaa äöulmasta tuleeo uutoe vai ei.
3 Biomitodeäöisyys, u =/ 0,500 0, ,33 8 0,73 0 0,6 0,6 0,09 6 0,96 8 0,85 0 0,76 Biomijaaumasta Luvussa 3 - Tuusluvut tutimme frevessijaaumia. Ne ovat tauluoita, joissa luetellaa oetuloset ja iitte toetutueet tai eustetut luumäärät. Todeäöisyysjaaumat puolestaa luetteloivat todeäöisyysiä. Biomijaaumalla taroitetaa biomitodeäöisyyde jaaumaa. Biomijaauma o esimeri disreeteistä eli epäjatuvista jaaumista. Kosa biomitodeäöisyys o toistooee todeäöisyys, biomijaauma tauluoi toistooeitte todeäöisyysiä. Tarastellaa biomijaaumaa esimeri valossa. Esimeri 0 Valitaa toistooeesi olio heittämie. Lasetaa todeäöisyyttä, että heittotulosista puolet o ruuia ja puolet laavoja, u olioa heitetää erilaisia määriä. Laaditaa tulosista tauluo. Mitä isomma tauluo siä laadit itse, sitä eemmä hyödyt tietooee äyttämisestä tässä esimerissä. Varsii diagrammi laatimie aattaa tehdä tietooeella. Millaisia luuarvoja odotat eaoo? Tarvitsemme biomitodeäöisyyde aavaa yt muodossa =, missä =,, 6,, osa ythä =. Ohessa o tauluo ja diagrammi : arvoo 0 saaa eli 0 tapausta.
4 Todeäöisyys r=l 0,600 0,500 0,00 TN 0,300 0,00 0,00 0, Parametri Varmemmasi vauudesi liitä muaa vielä diagrammi, joho o lasettu biomitodeäöisyysiä aia : arvoo 350 saaa. Se ei ole paljo. Haluat ehä itse lasea pitemmälle.
5 Kr = Kl u asvaa 350 0,600 0,500 0,00 0,300 0,00 0,00 0, Normaalijaauma ja todeäöisyys Palataa ormaalijaaumaa yt todeäöisyyde äöulmasta. Luvussa 3 äytimme esiarvo symbolia x :aa ja esihajoa symbolia s :ää. Toie paljo äytetty mahdollisuus meritä äitä jaauma tuusluuja ovat µ esiarvo symbolia ja σ esihajoa meriä. Kosa varsii jatuvie jaaumie tapausessa, jollaie ormaalijaaumai o, äytetää esiarvo sijasta termiä odotusarvo ja siitä meritää µ, otetaa se yt äyttöö tässä luvussa. Voit hyvi utsua µ :tä odotusarvosi, mutta ajatella sitä edellee esiarvoa. Luvussa 3 äsiteltii myös jaauma ormittamisee liittyviä asioita. Märitellää yt se meritä ja erätää muitai eseisiä meritöjä tähä appaleesee. Oloo x satuaismuuttuja. Jos satuaismuuttuja x uvaaja o ormaalijaauma eli Gaussi äyrä muotoie, se o
6 ormaalisti jaautuut, ute totesimme jo luvussa 3. Jos x: odotusarvo o µ ja esihajota o σ, ii meritää x ~ N ( 7 ; 3, ) Tämä meritä luetaa (satuaismuuttuja) x o ormaalisti jaautuut esiarvoa µ ja esihajotaa σ tai x o ormaalisti jaautuut parametreia µ ja σ. Esimeri Jos hippihyppiäiste pituudet ovat ormaalisti jaautueet parametreia sitä meritää µ = 7cm, σ =,3 cm, ii ( 7 ; 3, ) x ~ N. Satuaismuuttuja x voidaa ormittaa (atso luua 3), jolloi tätä uutta, ormitettua satuaismuuttujaa meritää usei irjaimella z. Normittamie tapahtuu muuosella z = x x s jolloi z: yhtälö o ( x) x µ σ z = e. σ π
7 Tällöi satuaismuuttuja z o ormaalisti jaautuut parametreia 0 ja, miä taroittaa ysiertaisesti vai sitä, että z: assa voidaa äyttää ormaalijaauma parametreia 0 ja tauluoita. Esimerit valaissevat asiaa. Esimeri Millä todeäöisyydellä hippihyppiäise pituus o yli 9 cm? Katso Esimeriä. Rataisu x 7,3 Jos siis x ~ N( 7;,3 ), ii z = ~ N( 0; ). Huomaa, että tämä aava voidaa tulita esimerisi ii, että esi väheetää x:stä pois esiarvo epästadardi osuus ja sitte lasetaa, uia mota esihajotaa erotus o. Luetaa tauluoirjaa ute luvu 3 Esimerissä 6 euvottii eli haetaa sieltä ormitettua 9cm 7cm esiarvoa =, Se o 0,938. Tämä luu o todeäöisyys sille, että,3cm hippihyppiäise pituus o pieempi tai yhtä suuri ui oi 9 cm. Se o siis väheettävä yösestä: 0,938 = 0,68. Lasimella ja lasetaohjelmalla saat taremma arvo, mutta sillä ei ole mitää meritystä. Kyseessähä o vai tilastollie arvio. Vastaus: Hippihyppiäise pituus o yli 9 cm todeäöisyydellä 0,6. Esimeri 3 Luvu 3 Esimeri 6: päättely ataa myös vastause ysymysee Millä todeäöisyydellä satuaisesti valittu hippihyppiäie o pitempi ui 8,0 cm. Maiitussa esimerissä huomattii välitulosessa, että hippihyppiäisistä,06% o pitempiä ui uioitettavat 8 cm. Tämä o tismallee sama asia ui todeäöisyys sille, että hippihyppiäise pituus ylittää 8 cm! Kertaa myös luvu 3 Esimerit 7 ja 8. Esimeri Jogurttipuri sisällö määrä o ormaalisti jaautuut parametreia 00 ml ja 5 ml. Millä todeäöisyydellä ostamasi purillie sisältää jogurttia 00 ml 08 ml? Rataisu Odotusarvo määritelmä muaa puolet pureista sisältää jogurttia eemmä ui 00 ml. 08ml 00ml Haetaa tauluosta luua =, 6 vastaava luuarvo. Se o 0,95. Tämä o siis 5ml todeäöisyys sille, että purissa o oreitaa 08 ml jogurttia. sisällä määrä o siis 00 millilitra ja 08 millilitra välissä todeäöisyydellä 0,95 0,5000 = 0,5. Esimeri 5 Lase satuaismuuttuja odotusarvo, jos todeäöisyys sille, että satuaie mittaus ylittää arvo 6 cm, o 7,% ja jos esihajota o cm. Rataisu
8 6 cm µ Määritelmä muaa pituutta 6 cm vastaa ormitettu mitta. Kosa 7,% mittausista cm ylittää 6 cm, o 6 cm alittavia mittausia 00%-ys 7,%-ys = 7,6%. Haetaa tauluosta, mitä luua tämä todeäöisyys vastaa. Se o oi 0,600. Kosa tämä o ormitettu arvo, ii 6cm µ saadaa yhtälö = + 0, 600, josta µ = 5,cm. cm Vastaus: Odotusarvo o ymmee tuumaa.
9 Kirjallisuusviitteet Tieteide Kuigatar. Matematiia historia osa I - II. Carl Boyer, Art House 99, suometaut Kimmo Pietiläie.
3.7 Todennäköisyysjakaumia
MAB5: Todennäköisyyden lähtökohdat 4 Luvussa 3 Tunnusluvut perehdyimme jo jakauman käsitteeseen yleensä ja normaalijakaumaan vähän tarkemmin. Lähdetään nyt tutustumaan binomijakaumaan ja otetaan sen jälkeen
LisätiedotC (4) 1 x + C (4) 2 x 2 + C (4)
http://matematiialehtisolmu.fi/ Kombiaatio-oppia Kuia mota erilaista lottoriviä ja poeriättä o olemassa? Lotossa arvotaa 7 palloa 39 pallo jouosta. Poeriäsi o viide orti osajouo 52 orttia äsittävästä paasta.
Lisätiedot1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).
HY, MTO / Matemaattiste tieteide adiohjelma Tilastollie päättely II, evät 019 Harjoitus 5B Rataisuehdotusia Tehtäväsarja I 1. (Jatoa Harjoitus 5A tehtävää 4). Moistee esimeri 3.3.3. muaa momettimeetelmä
LisätiedotMiehitysluvuille voidaan kirjoittaa Maxwell Boltzmann jakauman mukaan. saamme miehityslukujen summan muodossa
S-4.7 Fysiia III (EST) Tetti..6. Tarastellaa systeemiä, jossa ullai hiuasella o olme mahdollista eergiatasoa, ε ja ε, missä ε o eräs vaio. Oletetaa, että systeemi oudattaa Maxwell-Boltzma jaaumaa ja, että
LisätiedotHY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.
HY, MTO / Matemaattiste tieteide adiohjelma Tilastollie päättely II, evät 2018 Harjoitus 6A Rataisuehdotusia Tehtäväsarja I 1. (Moistee tehtävä 5.4) Kauppias myy mäysiemeiä, joide itävyyde väitetää oleva
Lisätiedot9 Lukumäärien laskemisesta
9 Luumäärie lasemisesta 9 Biomiertoimet ja osajouoje luumäärä Määritelmä 9 Oletetaa, että, N Biomierroi ilmaisee, uia mota -alioista osajouoa o sellaisella jouolla, jossa o aliota Meritä luetaa yli Lasimesta
LisätiedotKolmivaihejärjestelmän oikosulkuvirran laskemista ja vaikutuksia käsitellään standardeissa IEC-60909, 60909-1, 60909-2, 60781, 60865-1 ja 60865-2.
Luu 7: Oiosulusuojaus 7. OIKOLKOJA 7.. Yleistä Vero laitteide mitoittamisessa, oiosulusuojause suuittelussa ja turvallise äytö suuittelussa o tuettava oiosuluvirrat eri tilateissa ja eri osissa veroa.
LisätiedotSattuman matematiikkaa III
Sattuman matematiiaa III Kolmogorovin asioomat ja frevenssitulinta Tommi Sottinen Tutija Matematiian ja tilastotieteen laitos, Helsingin yliopisto Laboratoire de Probabilités et Modèles Aléatoires, Université
LisätiedotMAB7 Talousmatematiikka. Otavan Opisto / Kati Jordan
3.3 Laiat MAB7 Talousmatematiia Otava Opisto / Kati Jorda Laia ottamie Suuri osa ihmisistä ottaa laiaa jossai elämävaiheessa. Pailaiaa tarvitaa yleesä vauusia ja/tai taausia. Laiatulle pääomalle masetaa
LisätiedotYlioppilastutkintolautakunta S tudentexamensnämnden
Ylioppilastutintolautaunta S tudenteamensnämnden MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 0..0 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden ja sisältöjen luonnehdinta ei sido ylioppilastutintolautaunnan
LisätiedotTilastolliset menetelmät: Varianssianalyysi
Variassiaalsi Tilastolliset meetelmät: Variassiaalsi 0. Ysisuutaie variassiaalsi. asisuutaie variassiaalsi. olmi a useampisuutaie variassiaalsi T @ Ila Melli (006) 433 Variassiaalsi T @ Ila Melli (006)
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /
MS-A8 Differentiaali- ja integraalilasenta, V/27 Differentiaali- ja integraalilasenta Rataisut. viiolle /. 3.4. Luujonot Tehtävä : Mitä ovat luujonon viisi ensimmäistä termiä, un luujono on a) (a n ) n=,
LisätiedotTodennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 1. laskuharjoitus, ratkaisuehdotukset
Todennäöisyyslasenta IIa, syys loauu 019 / Hytönen 1. lasuharjoitus, rataisuehdotuset 1. ( Klassio ) Oloot A ja B tapahtumia. Todista lasuaavat (a) P(A B) P(A) + P(B \ A), (b) P(B) P(A B) + P(B \ A), (c)
LisätiedotTodennäköisyysjakaumat 1/5 Sisältö ESITIEDOT: todennäköisyyslaskenta, määrätty integraali
Todennäöissjaaumat /5 Sisältö ESITIEDOT: lasenta, määrätt Haemisto KATSO MYÖS: tilastomatematiia P (X = )=p. Nämä ovat 0 ja niiden summa on p =. Pistetodennäöisdet voidaan graafisesti esittää pstsuorien
LisätiedotOlkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat
Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset / Rataisut Aiheet: Avainsanat: Satunnaismuuttujat ja todennäöisyysjaaumat Kertymäfuntio
LisätiedotTehtävä 11 : 1. Tehtävä 11 : 2
Tehtävä : Käytetää irjaita M luvu ( ) meritsemisee. Satuaisverossa G, p() o yhteesä solmua, jote satuaismuuttuja X mahdollisia arvoja ovat täsmällee jouo0,..., M} aii aliot. Joaie satuaisvero mahdollisista
LisätiedotDiskreetin Matematiikan Paja Ratkaisuja viikolle 5. ( ) Jeremias Berg
Disreeti Matematiia Paja Rataisuja viiolle 5. (28.4-29.4 Jeremias Berg Yleisiä ommeteja: Näissä tehtävissä aia usei rataisua oli ysittäie lasu. Kuitei vastausee olisi hyvä lisätä ommeteja siitä misi jou
Lisätiedot2 Taylor-polynomit ja -sarjat
2 Taylor-polynomit ja -sarjat 2. Taylor-polynomi Taylor-polynomi P n (x; x 0 ) funtion paras n-asteinen polynomiapprosimaatio (derivoinnin annalta) pisteen x 0 lähellä. Maclaurin-polynomi: tapaus x 0 0.
LisätiedotTämä merkitsee geometrisesti, että funktioiden f
28 2. Futiosarjat Edellä sarjat olivat luusarjoja, joide termit ovat (tässä urssissa) reaaliluuja. Jos termit ovat samasta muuttujasta riippuvia futioita, päädytää futiotermisii sarjoihi. Näide äyttö matematiiassa
Lisätiedot2.8 Mallintaminen ensimmäisen asteen polynomifunktion avulla
MAB Matemaattisia malleja I.8. Mallintaminen ensimmäisen asteen.8 Mallintaminen ensimmäisen asteen polynomifuntion avulla Tutustutaan mallintamiseen esimerien autta. Esimeri.8. Määritä suoran yhtälö, un
LisätiedotMS-A0402 Diskreetin matematiikan perusteet
MS-A0402 Disreetin matematiian perusteet Osa 3: Kombinatoriia Riia Kangaslampi 2017 Matematiian ja systeemianalyysin laitos Aalto-yliopisto Kombinatoriia Summaperiaate Esimeri 1 Opetusohjelmaomiteaan valitaan
LisätiedotOrtogonaalisuus ja projektiot
MA-3450 LAAJA MAEMAIIKKA 5 amperee teillie yliopisto Risto Silveoie Kevät 2007 äydeämme Lama 2: lieaarialgebraa oheisella Ortogoaalisuus ja projetiot Olemme aiaisemmi jo määritelleet, että asi vetoria
LisätiedotMatematiikan tukikurssi
Matematiian tuiurssi Kurssierta 5 Sarjojen suppeneminen Kiinnostusen ohteena on edelleen sarja a n = a + a 2 + a 3 + a 4 + n= Tämä summa on mahdollisesti äärellisenä olemassa, jolloin sanotaan että sarja
LisätiedotJakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2
TKK (c) Ila Mell (4) Jaaume tuusluvut Johdatus todeäösyyslasetaa Jaaume tuusluvut Marov ja Tshebyshev epäyhtälöt Momett Vous ja hupuuus Suurte luuje la TKK (c) Ila Mell (4) Jaaume tuusluvut: Mtä opmme?
LisätiedotJOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT
JOHDATUS LUKUTEORIAAN (sysy 2017) HARJOITUS 1, MALLIRATKAISUT Tehtävä 1. (i) Etsi luvun 111312 aii teijät. (ii) Oloot a ja b positiivisia oonaisluuja joilla a b ja b a. Osoita, että silloin a = b. Rataisu
Lisätiedot10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen.
10 Kertolaskusäätö Kahta tapahtumaa tai satuaisilmiötä saotaa riippumattomiksi, jos toise tulos ei millää tavalla vaikuta toisee. Esim. 1 A = (Heitetää oppaa kerra) ja B = (vedetää yksi kortti pakasta).
LisätiedotKiinteätuottoiset arvopaperit
Mat-.34 Ivestoititeoria Kiiteätuottoiset arvopaperit 6..05 Lähtöohtia Lueolla tarasteltii tilateita, joissa yyarvo laseassa äytettävä oro oli aettua ja riippuato aiaperiodista Käytäössä orot äärittyvät
LisätiedotVakuutusmatematiikan sovellukset 20.11.2008 klo 9-15
SHV-tutinto Vauutusmatematiian sovelluset 20.11.2008 lo 9-15 1(7) Y1. Seuraava tauluo ertoo vauutusyhtiön masamat orvauset vahinovuoden ja orvausen masuvuoden muaan ryhmiteltynä (tuhansina euroina): Vahinovuosi
LisätiedotJ1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6
MATRIISILASKENTA(TFM) MALLIT AV 6 J (II.6.9) Päättele, että avaruusvetorit a, b ja c ovat lineaarisesti riippuvat täsmälleen un vetoreiden virittämän suuntaissärmiön tilavuus =. Tuti tällä riteerillä ovato
LisätiedotEksponentti- ja logaritmiyhtälö
Esponentti- ja logaritmiyhtälö Esponenttifuntio Oloon a 1 positiivinen reaaliluu. Reaalifuntiota f() = a nimitetään esponenttifuntiosi ja luua a sen antaluvusi. Jos a > 1, niin esponenttifuntio f : R R,
Lisätiedot= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1
35 Naiivi Bayes Luokkamuuttua C o Bayes-verko uuri a attribuutit X i ovat se lehtiä Naiivi oletus o, että attribuutit ovat ehdollisesti riippumattomia toisistaa aettua luokka Ku käytössä o Boole muuttuat,
LisätiedotLaskennallisen kombinatoriikan perusongelmia
Laseallise obiatoriia perusogelia Varsi oissa tehtävissä, joissa etsitää tietylaiste järjestelyje, jouoje ts luuääriä, o taustalla joi uutaista peruslasetatavoista tai lasetaogelista Tässä esitelläälyhyesti
Lisätiedotn = 100 x = 0.6 99%:n luottamusväli µ:lle Vastaus:
1. Tietyllä koeella valmistettavie tiivisterekaide halkaisija keskihajoa tiedetää oleva 0.04 tuumaa. Kyseisellä koeella valmistettuje 100 rekaa halkaisijoide keskiarvo oli 0.60 tuumaa. Määrää 95%: ja 99%:
Lisätiedot3.6 Todennäköisyyden laskusääntöjä Onneksi ennalta arvaamaton todennäköisyys noudattaa täsmällisiä sääntöjä. Tutustutaan niistä keskeisimpiin.
3.6 Todeäöisyyde lasusäätöjä 3.6 Todeäöisyyde lasusäätöjä Oesi ealta arvaamato todeäöisyys oudattaa täsmällisiä säätöjä. Tutustutaa iistä eseisimpii. Kertolasusäätö Tarastellaa esi tilaetta, jossa o asi
LisätiedotJoulukuun vaativammat valmennustehtävät ratkaisut
Jouluuun vaativammat valmennustehtävät rataisut. Tapa. Pätee z = x + y, joten z = (x + y = x + y, josta sieventämällä seuraa xy 4x 4y + 4 = 0. Siispä (x (y =. Tästä yhtälöstä saadaan suoraan x =, y = 4
LisätiedotYlioppilastutkintolautakunta S tudentexamensnämnden
Ylioppilastutitolautauta S tudetexamesämde MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 5.9. HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastauste piirteide ja sisältöje luoehdita ei sido ylioppilastutitolautaua arvostelua.
Lisätiedotfunktiojono. Funktiosarja f k a k (x x 0 ) k
SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 3 4. Funtiosarjat Tässä luvussa esitettävissä funtiosarjojen tulosissa yhdistämme luujen 3 teoriaa. Esimeri 4.. Geometrinen sarja x suppenee aiilla x ], [ ja hajaantuu
LisätiedotMS-A0401 Diskreetin matematiikan perusteet Yhteenveto, osa I
MS-0401 Disreeti matematiia perusteet Yhteeveto, osa I G. Gripeberg alto-yliopisto 30. syysuuta 2015 1 Jouo-oppi ja logiia Prediaattilogiia Idutioperiaate 2 Relaatiot ja futiot Futiot Iso-O 3 Kombiatoriia
LisätiedotMS-A0402 Diskreetin matematiikan perusteet Yhteenveto, osa I
MS-0402 Disreeti matematiia perusteet Yhteeveto, osa I G. Gripeberg 1 Jouo-oppi ja logiia Idutioperiaate 2 Relaatiot ja futiot Futiot Iso-O alto-yliopisto 12. maalisuuta 2015 3 Kombiatoriia ym. Summa-,
LisätiedotKertausosa. Kertausosa. 4. Sijoitetaan x = 2 ja y = 3 suoran yhtälöön. 1. a) Tosi Piste (2,3) on suoralla. Epätosi Piste (2, 3) ei ole suoralla. 5.
Kertausosa. Sijoitetaan ja y suoran yhtälöön.. a) d, ( ) ( ),0... d, ( 0 ( ) ) ( ) 0,9.... Kodin oordinaatit ovat (-,0;,0). Kodin ja oulun etäisyys d, (,0 0) (,0 0),0,...,0 (m) a) Tosi Piste (,) on suoralla.
LisätiedotMS-A0401 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I
MS-A040 Disreeti matematiia perusteet Yhteeveto ja esimerejä ym., osa I G. Gripeberg Aalto-yliopisto 0. syysuuta 05 Jouo-oppi ja logiia Todistuset logiiassa Prediaattilogiia Idutioperiaate Relaatiot ja
Lisätiedot8. Ortogonaaliprojektiot
44 8 Ortogoaaliprojetiot Avaruus R o eemmäi ui pelä vetoriavaruus, osa siiä o mahdollisuus määritellä vetoreide pituus, välie ulma ja erityisesti ohtisuoruus ähä päästää ottamalla äyttöö vetoreide välie
LisätiedotMS-A0402 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I
MS-A040 Disreeti matematiia perusteet Yhteeveto ja esimerejä ym., osa I G. Gripeberg Aalto-yliopisto. maalisuuta 05 Jouo-oppi ja logiia Todistuset logiiassa Idutioperiaate Relaatiot ja futiot Futiot Iso-O
LisätiedotTehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1
Luuteoria Harjoitus 1 evät 2011 Alesis Kosi 1 Tehtävä 1 Näytä: jos a ja b ovat positiivisia oonaisluuja joille (a, b) = 1 ja a c, seä lisäsi b c, niin silloin ab c. Vastaus Kosa a c, niin jaollisuuden
LisätiedotKUNTIEN ELÄKEVAKUUTUS 30.10.2008 VARHAISELÄKEMENOPERUSTEISESSA MAKSUSSA 1.1.2009 LÄHTIEN NOUDATETTAVAT LASKUPERUSTEET
KUNTIN LÄKVKUUTU 328 VRHILÄKMNORUTI MKU 29 LÄHTIN NOUDTTTVT LKURUTT Valtuusuta ahstaa arhaseläemeoperustese masu eaode yhtesmäärä uodelle euromääräsest Tämä ahstettu masu o samalla lopullste masue yhtesmäärä
LisätiedotTehtävä 3. Määrää seuraavien jonojen raja-arvot 1.
Jonotehtävät, 0/9/005, sivu / 5 Perustehtävät Tehtävä. Muotoile matemaattiset vastineet seuraavien väitteiden negaatioille (ts. vastaohdat).. Jono (a n ) suppenee ohti luua a.. Jono (a n ) on asvava. 3.
Lisätiedot8. laskuharjoituskierros, vko 11, ratkaisut
Mat-2.091 Sovellettu todeäköisyyslasku, kevät -05 Heliövaara, Palo, Melli 8. laskuharjoituskierros, vko 11, ratkaisut D1. Oletetaa, että havaiot X i, i = 1, 2,..., 100 muodostavat yksikertaise satuaisotokse
Lisätiedot1. Harjoituskoe. Harjoituskokeet. 1. a) Valitaan suorilta kaksi pistettä ja määritetään yhtälöt. Suora s: (x 1, y 1 ) = (0, 2) (x 2, y 2 ) = (1, 2)
. Harjoitusoe. a) Valitaan suorilta asi pistettä ja määritetään yhtälöt. Suora s: (, y ) = (0, ) (, y ) = (, ) 0 0 0 Suoran yhtälö on y. Suora t: (, y ) = (0, ) (, y ) = (, ) ( ) 0 Suoran yhtälö on y.
LisätiedotVALIKOITUJA KOHTIA LUKUTEORIASTA
VALIKOITUJA KOHTIA LUKUTEORIASTA ARI LEHTONEN 1. Laajennettu Euleideen algoritmi 1.1. Jaoyhtälö. Oloot r 0, r 1 Z, r 0 r 1 > 0. Tällöin on olemassa ysiäsitteiset luvut q 1 ja r 2 Z siten, että r 0 = q
LisätiedotSolmu 3/2010 1. toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)
Solmu 3/200 Epäyhtälöistä, osa 2 Markku Halmetoja Mätä lukio Välillä I määriteltyä fuktiota saotaa koveksiksi, jos se kuvaaja o alaspäi kupera, eli jos kuvaaja mitkä tahasa kaksi pistettä yhdistävä jaa
Lisätiedot(1 + i) + JA. t=1. t=1. (1 + i) n (1 + i) n. = H + k (1 + i)n 1 i(1 + i) n + JA
Investoinnin annattavuuden mittareita Opetusmonisteessa on asi sivua, joilla on hyvin lyhyesti uvattu jouo mittareita. Seuraavassa on muutama lisäommentti ja aavan-johto. Tarastelemme projetia, jona perusinvestointi
LisätiedotHarjoitustehtävien ratkaisuja
3. Mallitamie lukujooje avulla Lukujoo määritelmä harjoituksia Harjoitustehtävie ratkaisuja 3. Laske lukujoo viisi esimmäistä jäsetä, ku a) a 6 ja b) a 6 ja 3 8 c) a ja 3 a) 6,, 8, 4, 30. b) 8,, 6, 0,
LisätiedotStokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio) 2.11.2015
Stokastiika perusteet Harjoitukset (Todeäköisyysavaruus, -mitta ja -fuktio) 2..205. Määritä potessijoukko 2,ku (a) {0, } (b) {(0, ]} ja ku (c) (0, ]. Ratkaisu: (a) 2 {;, {0}, {}, {0, }} (b) 2 {;, {(0,
LisätiedotOletteko tyytyväinen: 1. Saamanne tiedon määrään kerhopaikkaa hakiessanne?
ILTAPÄIVÄTOIMINNAN KYSELY KEVÄÄLLÄ, VANHEMPIEN OSUUS, KAIKKI KERHOT 1/5 Oletteo : 1. Saamae tiedo määrää erhoaiaa haiessae? Erittäi osaa tyytymätö tyytymätö saoa 13 % 53 % 7 % 23 % 3 % 17 % 48 % 28 % 7
Lisätiedot1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).
HY / Matematiika ja tilastotietee laitos Tilastollie päättely II, kevät 018 Harjoitus 5B Ratkaisuehdotuksia Tehtäväsarja I 1. (Jatkoa Harjoitus 5A tehtävää ). Moistee esimerki 3.3.3. mukaa momettimeetelmä
Lisätiedotz z 0 (m 1)! g(m 1) (z0) k=0 Siksi kun funktioon f(z) sovelletaan Cauchyn integraalilausetta, on voimassa: sin(z 2 dz = (z i) n+1 k=0
TKK, Matematiian laitos v.pfaler/pursiainen Mat-.33 Matematiian perusurssi KP3-i sysy 2007 Lasuharjoitus 4 viio 40 Tehtäväsarja A viittaa aluviion ja L loppuviion tehtäviin. Valmistauu esittämään nämä
LisätiedotEpäyhtälöoppia matematiikkaolympialaisten tehtäviin
Epäyhtälöoppia matematiikkaolympialaiste tehtävii Jari Lappalaie ja Ae-Maria Ervall-Hytöe 0 Johdato Epäyhtälöitä reaaliluvuille Cauchy epäyhtälö Kaikille reaaliluvuille a, a,, a ja b, b,, b pätee Cauchy
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II
Otokset MS-A050 Todeäköisyyslaskea ja tilastotietee peruskurssi Lueot, osa II Kaksi hyödyllista jakaumaa 3 Estimoiti G. Gripeberg 4 Luottamusvälit Aalto-yliopisto. helmikuuta 05 5 Hypoteesie testaus 6
Lisätiedottasapainotila saavutetaan kun vuo aukon läpi on sama molempiin suuntiin
S-445 FYSIIKKA III (Sf) Sysy 4, LH, Rataisut LHSf-* Kaasusäiliö o jaettu ahtee osaa, joide välisee eristävää seiämää o tehty iei ymyrämuotoie auo, joa halaisija o D Säiliö molemmissa osissa o helium aasua
LisätiedotDEE Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset
DEE- Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille taroitetut rataisuehdotuset Tämän harjoitusen ideana on opetella -muunnosen äyttöä differenssiyhtälöiden rataisemisessa Lisäsi äytetään
LisätiedotPyramidi 3 Analyyttinen geometria tehtävien ratkaisut sivu 139 Päivitetty a) 402 Suplementtikulmille on voimassa
Pyramidi Analyyttinen geometria tehtävien rataisut sivu 9 Päivitetty 9..6 4 a) 4 Suplementtiulmille on voimassa b) a) α + β 8 α + β 8 β 6 c) b) c) α 6 6 + β 8 β 8 6 β 45 β 6 9 α 9 9 + β 8 β 8 + 9 β 7 Pyramidi
LisätiedotLuku kahden alkuluvun summana
Luu ahden aluluvun summana Juho Salmensuu Lahden Lyseon luio Matematiia 008 Tiivistelmä Tutielmassa tarastellaan ysymystä; uina monella eri tavalla annettu parillinen oonaisluu voidaan esittää ahden aluluvun
LisätiedotVÄRÄHTELYMEKANIIKKA SESSIO 24: Usean vapausasteen vaimenematon ominaisvärähtely osa 2
/ ÄRÄHELYMEKANIIKKA SESSIO : Usea vapausastee vaeeato oasvärähtely osa MONINKERAISE OMINAISAAJUUDE Sesso MS oreeratu oasuodo { lasetaeetelässä oletett, että o ysertae oasulataauus. arastellaa velä tapausta,
LisätiedotTKK, TTY, LTY, OY, ÅA, VY, TY / Insinööriosastot Valintakuulustelujen matematiikan koe 30.5.2006. sarja A
TKK, TTY, LTY, OY, ÅA, VY, TY / Insinööriosastot Valintauulustelujen matematiian oe 30.5.006 sarja A Ohjeita. Sijoita joainen tehtävä omalle sivulleen. Laadi rataisut seleästi v älivaiheineen, tarvittaessa
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Usea selittää lieaarie regressiomalli Mat-.04 Tilastollise aalyysi perusteet, evät 007 8. lueto: Usea selittää lieaarie regressiomalli Selitettävä muuttua havaittue arvoe vaihtelu halutaa selittää selittävie
LisätiedotTalousmatematiikan verkkokurssi. Koronkorkolaskut
Sivu 1/7 oronorolasuja sovelletaan tapausiin, joissa aia on pidempi uin ysi oonainen orojaso, eli aia, jolle oroanta ilmoittaa oron määrän. orolasu: enintään yhden orojason pituisille oroajoille; oronorolasu:
LisätiedotVakuutusteknisistä riskeistä johtuvien suureiden laskemista varten käytettävä vakuutuslajiryhmittely.
1144/2011 7 Liite 1 Vauutustenisistä riseistä johtuvien suureiden lasemista varten äytettävä vauutuslajiryhmittely. Vauutuslajiryhmä Vauutusluoat Ensivauutus 1 Laisääteinen tapaturma 1 (laisääteinen) 2
Lisätiedot9. Ominaisarvot. Diagonalisointi
55 9 Omiaisarvot Diagoalisoiti Joaisee matriisii liittyy jouo sille omiaisia luuja, s omiaisarvoja, joista oostuu matriisi "spetri" ämä vaatii uitei luualuee laajetamista omplesiluuihi Jatossa matriisit
LisätiedotLuku 2. Jatkuvuus ja kompaktisuus
1 MAT-13440 LAAJA MATEMATIIKKA 4 Taperee teillie yliopisto Risto Silveoie Kevät 2010 Luu 2. Jatuvuus ja opatisuus 1. Jatuvat futiot ja uvauset Tässä luvussa tarastellaa yleisiillää vetoriuuttuja vetoriarvoisia
LisätiedotTilastolliset menetelmät: Tilastolliset testit
Tilastolliset meetelmät Tilastolliset testit Tilastolliset meetelmät: Tilastolliset testit 8. Tilastollie testaus 9. Testejä suhdeasteikollisille muuttujille. Testejä järjestysasteikollisille muuttujille.
LisätiedotS-114.240 Hahmontunnistus ihmisläheisissä käyttöliittymissä Kasvojen tunnistus ja identiteetin tarkistus: ZN-Face
S-114.240 Hahmontunnistus ihmisläheisissä äyttöliittymissä Kasvojen tunnistus ja identiteetin taristus: ZN-Face Kalle Korhonen sorhon@cc.hut.fi 13.4.2000 Tiivistelmä: Raportissa tutustutaan aupalliseen
LisätiedotHanoin tornit. Merkitään a n :llä pienintä tarvittavaa määrää siirtoja n:lle kiekolle. Tietysti a 1 = 1. Helposti nähdään myös, että a 2 = 3:
Hanoin tornit Oloot n ieoa asetettu olmeen tanoon uvan osoittamalla tavalla (uvassa n = 7). Siirtämällä yhtä ieoa errallaan, ieot on asetettava toiseen tanoon samaan järjestyseen. Isompaa ieoa ei missään
LisätiedotTilastollinen todennäköisyys
Tilastollie todeäköisyys TOD.NÄK JA TILASTOT, MAA10 Klassisessa todeäköisyydessä oli ehdot: äärellisyys ja symmetrisyys. Tämä tilae o usei mahdoto ts. alkeistapauksia o usei ääretö määrä tai e eivät ole
Lisätiedoti ni 9 = 84. Todennäköisin partitio on partitio k = 6, k k
1. Neljä tuistettavissa oleva hiuase iroaoise jouo ahdolliset eergiatasot ovat 0, ε, ε, ε, 4ε,, jota aii ovat degeeroituattoia. Systeei ooaiseergia o 6ε. sitä aii ahdolliset partitiot ja osoita, että irotiloje
LisätiedotKIIKUNJOEN KALATALOUDELLINEN TARKKAILU VUONNA 2009
KIIKUNJOEN KALATALOUDELLINEN TARKKAILU VUONNA 2009 Kymijoe vesi ja ympäristö ry: julaisu o 199/2010 Jussi Mätye ISSN 1458-8064 TIIVISTELMÄ Tässä raportissa äsitellää Kiiu-, Savero- ja Silmujoe sähöoealastus-
LisätiedotK-KS vakuutussumma on kiinteä euromäärä
Kesinäinen Henivauutusyhtiö IIIELLA TEKNIIKALLA LAKUPERUTE H-TUTKINTOA ARTEN HENKIAKUUTU REKURIIIELLA TEKNIIKALLA OIMAAOLO 2 AIKALAKU JA AKUUTUIKÄ Tätä lasuperustetta sovelletaan..25 alaen myönnettäviin
Lisätiedot4.3 Signaalin autokorrelaatio
5 4.3 Sigaali autokorrelaatio Sigaali autokorrelaatio kertoo kuika paljo sigaali eri illä korreloi itsesä kassa (josta imiki). Se o Fourier-muuokse ohella yksi käyttökelpoisimmista sigaalie aalysoitimeetelmistä.
Lisätiedot3 KEHÄRAKENTEET. 3.1 Yleistä kehärakenteista
Elementtimenetelmän peusteet. KEHÄRAKENTEET. leistä ehäaenteista Kehäaenteen osina oleat palit oiat ottaa astaan aiia annattimen asitusia, jota oat nomaali- ja leiausoima seä taiutus- ja ääntömomentti.
LisätiedotLAPPEENRANNAN TEKNILLINEN YLIOPISTO
LAPPEENRANNAN TEKNILLINEN YLIOPITO TYÖOHJE 2009 Keianteniian osasto Tenillisen eian laboratorio BJ90A0900 Tenillisen eian ja tenillisen polyeerieian laboratoriotyöt Ohje: Irina Turu, Katriina Liiatainen,
LisätiedotMS-A0402 Diskreetin matematiikan perusteet Esimerkkejä ym., osa I
MS-A00 Disreetin matematiian perusteet Esimerejä ym., osa I G. Gripenberg Jouo-oppi ja logiia Todistuset logiiassa Indutioperiaate Relaatiot ja funtiot Funtiot Aalto-yliopisto. maalisuuta 0 Kombinatoriia
LisätiedotEnnen kuin mennään varsinaisesti tämän harjoituksen asioihin, otetaan aluksi yksi merkintätekninen juttu. Tarkastellaan differenssiyhtälöä
DEE-00 Lineaariset järjestelmät Harjoitus, rataisuehdotuset Ennen uin mennään varsinaisesti tämän harjoitusen asioihin, otetaan alusi ysi merintäteninen juttu Tarastellaan differenssiyhtälöä y y y 0 Vaihtoehtoinen
LisätiedotHARMONINEN VÄRÄHTELIJÄ
Oulun yliopisto Fysiian opetuslaboratorio Fysiian laboratoriotyöt 1 1 HARMONINEN VÄRÄHELIJÄ 1. yön tavoitteet 1.1 Mittausten taroitus ässä työssä tutustut jasolliseen, määrätyin aiavälein toistuvaan liieeseen,
LisätiedotVastaus: Kertymäfunktio on F( x) = x, kun 0 x 20. Todennäköisyydet ovat molemmat 1. Frekvenssi f
0, ku x < 0 Vastaus: Kertymäfuktio o F( x) = x, ku 0 x 0 0, ku x > 0 Todeäköisyydet ovat molemmat 0. Laudatur MAA ratkaisut kertausharjoituksii Tilastoje esittämie 3. a) Tietty kasvi b) Kukkie lukumäärä
LisätiedotMATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai
MATP53 Approbatur B Harjoitus, ratkaisut Maaatai..05. (Lämmittelytehtävä.) Oletetaa, että op = 7 tutia työtä. Kuika mota tutia Oili Opiskelija työsketelee itseäisesti kurssilla, joka laajuus o 4 op, ku
Lisätiedot3. Markovin prosessit ja vahva Markovin ominaisuus
30 STOKASTISET DIFFERENTIAALIYHTÄLÖT 3. Marovin prosessit ja vahva Marovin ominaisuus Aloitamme nyt edellisen appaleen päättäneen esimerin yleistämisen Brownin liieelle. Käymme ysitellen läpi esimerin
Lisätiedot7.1 Taustamelun estimoinnista
7 Puheen ehostus Puheen ehostamisea taroitetaan seaisia menetemiä, joia puheen aatua pyritään parantamaan. Kuuostaa ysinertaiseta, mutta mitä sitten taroitetaan aadua? Siä voidaan taroittaa ainain seeyttä
LisätiedotHY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy 08 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var
Lisätiedot5. Potenssisarjat 5.1. Määritelmä ja suppeneminen 84. 85. 86. 87. 88. 89.
5. Potenssisarjat 5.1. Määritelmä ja suppeneminen 84. Määritä seuraavien potenssisarjojen suppenemisympyrät: a) ( ) z + 3, b) 2 [ z 2 + ( 1) ], c) a) Koo omplesitaso; b) z =, R = 1; c) z = i, R = 4. 85.
LisätiedotPUUT T E H TÄV. käyttää hyödyksi.
PUU / j j l Y / E H ÄÄ l l l l r r Ä E H Ä l l j l j H rl r j K PUU j r r j r IE OA P P r j r l J rj r P r l j r l l j l r r j r j r P P l r j r l j P j Ml r j rg j r r l M A R JA r l l O E H ÄÄ l / l
LisätiedotMat-2.090 Sovellettu todennäköisyyslasku A
Mat-.090 Sovellettu todeäköiyylaku A Mat-.090 Sovellettu todeäköiyylaku A / Ratkaiut Aiheet: Avaiaat: Tilatollite aieito keräämie ja mittaamie Tilatollite aieitoje kuvaamie Oto ja otojakaumat Aritmeettie
Lisätiedotq =, r = a b a = bq + r, b/2 <r b/2.
Luuteoria I Harjoitusia 2009 1 Osoita, että (a x = x x R, (b x x< x +1 x R, (c x + = x + x R, Z, (d x + y x + y x, y R, (e x y xy x, y R 0 2 Oloot a, b, q, r Z ja a = qb + r, 0 r< b Näytä, että a a q =,
LisätiedotDEE Lineaariset järjestelmät Harjoitus 2, ratkaisuehdotukset. Johdanto differenssiyhtälöiden ratkaisemiseen
D-00 Lineaariset järjestelmät Harjoitus, rataisuehdotuset Johdanto differenssiyhtälöiden rataisemiseen Differenssiyhtälöillä uvataan disreettiaiaisten järjestelmien toimintaa. Disreettiaiainen taroittaa
Lisätiedot2. Laskuharjoitus 2. siis. Tasasähköllä Z k vaipan resistanssi. Muilla taajuuksilla esim. umpinaiselle koaksiaalivaipalle saadaan = =
2 Lasuarjoitus 2 21 Kytentäimpedanssin asenta Mitä taroittaa ytentäimpedanssi? 5 ma:n suuruinen äiriövirta oasiaaiaapein vaipassa (uojoto) aieuttaa 1 mv:n suuruisen äiriöjännitteen 1 m:n mataa Miä on ytentäimpedanssin
LisätiedotPerustehtäviä. Sarjateorian tehtävät 10. syyskuuta 2005 sivu 1 / 24
Sarjateorian tehtävät 0. syysuuta 2005 sivu / 24 Perustehtäviä. Muunna sarja telesooppimuotoon ja osoita, että se suppenee. Lase myös sarjan summa. ( + ) = 2 + 6 + 2 +... 2. Osoita suoraan määritelmään
LisätiedotValon diffraktio yhdessä ja kahdessa raossa
Jväslän Ammattioreaoulu, IT-instituutti IXPF24 Fsiia, Kevät 2005, 6 ECTS Opettaja Pasi Repo Valon diffratio hdessä ja ahdessa raossa Laatija - Pasi Vähämartti Vuosiurssi - IST4S1 Teopäivä 2005-2-17 Palautuspäivä
LisätiedotEX1 EX 2 EX =
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var X,
LisätiedotVÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia
8/ VÄRÄHTELYMEKANIIKKA SESSIO 8: Yhen vapausaseen paovärähely, ransieniuormiusia JOHDANTO c m x () Kuva. Syseemi. Transieniuormiusella aroieaan uormiusheräeä, joa aiheuaa syseemiin lyhyaiaisen liieilan.
LisätiedotTodennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.
Testimuuttuja kriittie arvo 5 %: merkitsevyystasolla katsotaa taulukosta. Kriittie arvo o 9,488. Koska laskettu arvo 4,35 o pieempi kui taulukosta saatu kriittie arvo 9,488, ii ollahypoteesi jää voimaa.
LisätiedotDISKREETIN MATEMATIIKAN SOVELLUKSIA: KANAVA-EKVALISOINTI TIEDONSIIRROSSA. Taustaa
Disreetin matematiian excursio: anava-evalisointi tiedonsiirrossa / DISKREETIN MATEMATIIKAN SOVELLUKSIA: KANAVA-EKVALISOINTI TIEDONSIIRROSSA Taustaa Disreetin matematiian excursio: anava-evalisointi tiedonsiirrossa
LisätiedotTodennäköisyyslaskenta sivuaineopiskelijoille. Heikki Ruskeepää
Todeäköisyyslasketa sivuaieopiskelijoille Heikki Ruskeepää 2012 Sisällys 2 1 Todeäköisyys 3 1.1 Klassie todeäköisyys 3 1.2 Kombiatoriikkaa 5 1.3 Aksiomaattie todeäköisyys 7 1.4 Ehdollie todeäköisyys 12
Lisätiedot