Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta: Esitiedot

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta: Esitiedot"

Transkriptio

1 T (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan T (c) Ilkka Mellin (2004) 2 : Mitä oimme? Verkkoteoria on hyödyllinen sovelletun matematiikan osa-alue, jolla on sovelluksia esimerkiksi logiikassa, oeraatiotutkimuksessa, eli- ja äätösteoriassa sekä todennäköisyyslaskennassa. Tässä luvussa tarkastelemme ensin miten uumaisia verkkoja voidaan käyttää auna todennäköisyyslaskennan tehtävien ratkaisemisessa. Samalla esitämme sovellusesimerkkejä ns. äätösuiden käytöstä äätösongelmien ratkaisemisessa. Toisena verkkoteorian sovelluksena tarkastelemme ns. toimintaverkkojen toimintatodennäköisyyksien määräämistä. : sitiedot sitiedot: ks. seuraavia lukuja: Todennäköisyyslaskennan eruskäsitteet Todennäköisyyslaskennan eruslaskusäännöt T (c) Ilkka Mellin (2004) 3 T (c) Ilkka Mellin (2004) 4 : Lisätiedot Verkkoteorian eruskäsitteet esitetään liitteessä Verkot Todennäköisyyslaskennan eruslaskusääntöjen havainnollistamista uumaisten verkkojen avulla käsitellään liitteessä >> T (c) Ilkka Mellin (2004) 5 T (c) Ilkka Mellin (2004) 6

2 T (c) Ilkka Mellin (2004) 7 Puudiagrammit todennäköisyyslaskennassa: Johdatteleva esimerkki Avainsanat Puudiagrammi Reitti Särmä Tulosääntö uutodennäköisyyksille Verkko Verkkodiagrammi Yhteenlaskusääntö uutodennäköisyyksille onnistumistodennäköisyys 1/6 Tehdään lasten syntymisestä seuraavat (yksinkertaistavat) oletukset: (i) Laset syntyvät aina yksi kerrallaan. (ii) Syntyvän lasen sukuuoli ei riiu aikaisemmin syntyneiden lasten sukuuolesta. (iii) Pr(Poika) = Pr(Tyttö) = 1/2. räs ariskunta haluaa saada tytön, mutta ei halua hankkia neljää lasta enemää. Pariskunta äättää käyttää lasten hankkimisessa seuraavaa strategiaa: (i) Lasia hankitaan kunnes saadaan tyttö. (ii) Lasia ei kuitenkaan hankita neljää enemää. Jos siis neljäskin lasi on oika, ariskunta on eäonnistunut strategiassaan. Mikä on todennäköisyys, että ariskunta onnistuu strategiassaan? T (c) Ilkka Mellin (2004) 8 onnistumistodennäköisyys 2/6 Pariskuntaa kohtaavia taahtumavaihtoehtoja vastaava uudiagrammi on esitetty oikealla. Puudiagrammissa: T = Tyttö ja P = Poika Puudiagrammin vasemmanuoleiset särmät vastaavat strategian onnistumista. Puudiagrammin oikeanuoleiset särmät vastaavat eäonnistumista. Jokaisen särmän todennäköisyys = 1/2. T P 1. lasi T P 2. lasi 3. lasi T P 4. lasi T P onnistumistodennäköisyys 3/6 Olkoon A = Pariskunta onnistuu strategiassaan = i:s lasi on tyttö = i:s lasi on oika T = Syntyy tyttö P = Syntyy oika T i P i Taahtumat T 1, T 2, T 3, T 4 muodostavat joukon A osituksen: A = T 1 T 2 T 3 T 4, T i T j =, i j T (c) Ilkka Mellin (2004) 9 T (c) Ilkka Mellin (2004) 10 onnistumistodennäköisyys 4/6 Taahtumien T i ja P i todennäköisyydet Pr(T i ) ja Pr(P i ), i = 1, 2, 3, 4 voidaan määrätä rekursiivisesti. Riiumattomien taahtumien tulosäännön nojalla: 1 Pr( T1) = Pr( T) = = Pr( P1) Pr( T2) = Pr( T P1) = Pr( T) Pr( P1) = = = Pr( P2) Pr( T3) = Pr( T P2) = Pr( T) Pr( P2) = = = Pr( P3) Pr( T4) = Pr( T P3) = Pr( T) Pr( P3) = = = Pr( P4) onnistumistodennäköisyys 5/6 Strategian onnistumisen todennäköisyydeksi saadaan toisensa oissulkevien taahtumien yhteenlaskusäännön nojalla: Pr( A) = Pr( T1 T2 T3 T4) = Pr( T1) + Pr( T2) + Pr( T3) + Pr( T4) = = 16 T (c) Ilkka Mellin (2004) 11 T (c) Ilkka Mellin (2004) 12

3 T (c) Ilkka Mellin (2004) 13 onnistumistodennäköisyys 6/6 Todennäköisyydet 1/2, 1/4, 1/8, 1/16 saadaan määräämällä louisteisiin T vievien reittien todennäköisyydet. Reittien todennäköisyydet saadaan reitin muodostavien särmien todennäköisyyksien tulona. Strategian onnistumisen todennäköisyys 15/16 saadaan laskemalla louisteisiin T vievien reittien todennäköisyydet yhteen. T P 1. lasi T P 2. lasi 3. lasi T P 4. lasi T P >> T (c) Ilkka Mellin (2004) 14 Puudiagrammien käyttö todennäköisyyslaskennassa Avainsanat Alkutila Juuri Louiste Loutila Piste Puu Puudiagrammi Puutodennäköisyys Reitti Särmä Taahtumajono Taahtumavaihtoehto Tulosääntö uutodennäköisyyksille Verkko Verkkodiagrammi Yhteenlaskusääntö uutodennäköisyyksille Periaatteessa jokainen alkeistodennäköisyyslaskennan tehtävä voidaan ratkaista käyttämällä auna ns. uudiagrammeja. Jos tehtävän satunnaisilmiötä osataan kuvata uudiagrammilla, tehtävän ratkaisemisessa tarvittavat uutodennäköisyydet saadaan määrätyksi käyttämällä kahta yksinkertaista laskusääntöä, tulosääntöä ja yhteenlaskusääntöä. T (c) Ilkka Mellin (2004) 15 T (c) Ilkka Mellin (2004) 16 Puudiagrammin konstruointi 1/2 Puudiagrammin konstruointi 2/2 Satunnaisilmiö voidaan kuvata uudiagrammilla, jos ilmiö osataan esittää seuraavassa muodossa: (i) Ilmiöllä on yksi alkutila ja yksi tai useamia loutiloja. (ii) Ilmiö koostuu vaihtoehtoisista taahtumajonoista. (iii) Taahtumajonoissa edetään vaiheittain taahtumasta toiseen lähtien ilmiön alkutilasta ja äätyen johonkin ilmiön loutiloista. (iv) Jokaisessa vaiheessa kohdataan yksi tai useamia taahtumavaihtoehtoja, joista yksi realisoituu ja johtaa uusin taahtumavaihtoehtoihin. T (c) Ilkka Mellin (2004) 17 Satunnaisilmiötä vastaavan uudiagrammin konstruointi: (i) Asetetaan uun juuri vastaamaan ilmiön alkutilaa. (ii) Asetetaan uun louisteet ( oksien kärjet ) vastaamaan ilmiön loutiloja. (iii) Asetetaan uun isteet ( oksien haarautumiskohdat ) vastaamaan ilmiön taahtumia. (iv) Viedään uun jokaisesta isteestä särmä ( oksa ) kaikkiin sellaisiin isteisiin, joita vastaavat taahtumavaihtoehdot ovat ilmiön siinä vaiheessa mahdollisia. (v) Liitetään jokaiseen isteestä lähtevään särmään siinä vaiheessa mahdollisten taahtumavaihtoehtojen todennäköisyydet. T (c) Ilkka Mellin (2004) 18

4 T (c) Ilkka Mellin (2004) 19 Puudiagrammin konstruointi: simerkki 1/3 Puudiagrammin konstruointi: simerkki 2/3 Puudiagrammin konstruointia voidaan havainnollistaa viereisellä kaaviolla. Tarkastellaan satunnaisilmiötä vaiheessa, jossa taahtuma A on sattunut. Olkoot A:n sattumisen jälkeen mahdolliset taahtumavaihtoehdot B i, i = 1, 2,, m B 1 A B k B m Viedään isteestä Asärmä jokaiseen isteistä B i, i = 1, 2,, m Liitetään jokaiseen särmään A (A, B i ), i = 1, 2,, m ehdollinen todennäköisyys i = Pr( Bi A) jossa A 1 k on taahtumajono, B 1 B k joka on tuonut isteeseen A. m B m T (c) Ilkka Mellin (2004) 20 Puudiagrammin konstruointi: simerkki 3/3 Puudiagrammin konstruointi: ommentteja oska A:n sattumisen jälkeen ei ole muita mahdollisia taahtumavaihtoehtoja kuin B i, i = 1, 2,, m, itää todennäköisyyksien i, i = 1, 2,, m toteuttaa ehto m m = Pr( B A) = 1 i i= 1 i= 1 i B 1 1 A B k k m B m Puudiagrammi iirretään tavallisesti joko niin, että sen alkuiste on ylhäällä ja louisteet ovat alhaalla tai niin, että sen alkuiste on vasemmalla ja louisteet ovat oikealla. Useat uun isteet voivat vastata samaa taahtumaa. Mistä tahansa uun isteestä lähtevien särmien todennäköisyyksien summa on 1. T (c) Ilkka Mellin (2004) 21 T (c) Ilkka Mellin (2004) 22 Puutodennäköisyydet Puutodennäköisyydellä tarkoitetaan todennäköisyyttä äästä uun alkuisteestä yhden tai useamman muun uun isteen määräämään yhdistettyyn taahtumaan. Pisteen todennäköisyys saadaan määräämällä alkuisteestä ko. isteeseen vievän reitin todennäköisyys. Reitin todennäköisyys saadaan soveltamalla reittiin kuuluvien särmien todennäköisyyksiin tulosääntöä. Usean isteen määräämän yhdistetyn taahtuman todennäköisyys saadaan soveltamalla ko. isteisiin vievien reittien todennäköisyyksiin yhteenlaskusääntöä. Tulosääntö 1/4 Reitin todennäköisyys saadaan määräämällä reittiin kuuluvien särmien todennäköisyyksien tulo. Sääntöä kutsutaan uutodennäköisyyksien tulosäännöksi. Tulosäännön erustelu: (1) Reitti on taahtumajono, jonka muodostavat reitin isteet. (2) Reitin muodostava taahtumajono sattuu, jos jokainen jonon taahtumista sattuu. (3) Todennäköisyyslaskennan yleisen tulosäännön mukaan reitin todennäköisyys saadaan määräämällä reittiin kuuluvien särmien todennäköisyyksien tulo. T (c) Ilkka Mellin (2004) 23 T (c) Ilkka Mellin (2004) 24

5 T (c) Ilkka Mellin (2004) 25 Tulosääntö 2/4 Olkoon L, A 1, A 2, A 3,, A k yksi niistä vaihtoehtoisista taahtumajonoista, joista satunnaisilmiö muodostuu. Tällöin arit (L, A 1 ), (A 1, A 2 ), (A 2, A 3 ),, (A k 1, A k ) muodostavat satunnaisilmiön alkutilasta L satunnaisilmiön (lou-) tilaan A k vievän reitin särmät. Tulosääntö 3/4 Liitetään reitin (L, A 1 ), (A 1, A 2 ), (A 2, A 3 ),, (A k 1, A k ) särmiin todennäköisyydet seuraavalla tavalla: (L, A 1 ) Pr(A 1 ) = 1 (A 1, A 2 ) Pr(A 2 A 1 ) = 2 (A 2, A 3 ) Pr(A 3 A 1 A 2 ) = 3 (A k 1, A k ) Pr(A k A 1 A 2 A 3 A k 1 ) = k T (c) Ilkka Mellin (2004) 26 Tulosääntö 4/4 Tulosäännön havainnollistus Reitin (L, A 1 ), (A 1, A 2 ), (A 2, A 3 ),, (A k 1, A k ) todennäköisyys on yleisen tulosäännön nojalla: Pr(A 1 A 2 A 3 A k ) = Pr(A 1 ) Pr(A 2 A 1 ) Pr(A 3 A 1 A 2 ) Pr(A k A 1 A 2 A 3 A k 1 ) = k Puutodennäköisyyksien tulosääntöä voidaan havainnollistaa viereisellä uudiagrammilla. Reitin k todennäköisyys on uutodennäköisyyksien tulosäännön mukaan Pr(Reitti k) = k L A 2 3 A 3 A k 1 k A k Reitti k 1 A 1 2 T (c) Ilkka Mellin (2004) 27 T (c) Ilkka Mellin (2004) 28 Yhteenlaskusääntö 1/2 Jos useita (lou-) tiloja yhdistetään yhdeksi taahtumaksi, näin saadun yhdistetyn taahtuman todennäköisyys saadaan määräämällä ko. tiloihin vievien reittien todennäköisyyksien summa. Sääntöä kutsutaan uutodennäköisyyksien yhteenlaskusäännöksi. Yhteenlaskusäännön erustelu: (1) Puun eri isteisiin vievät reitit ovat toisensa oissulkevia. (2) Toisensa oissulkevien taahtumien yhteenlaskusäännön mukaan useista (lou-) isteistä yhdistämällä saatavan taahtuman todennäköisyys saadaan määräämällä ko. isteisiin vievien reittien todennäköisyyksien summa. Yhteenlaskusääntö 2/2 Yhdistetään satunnaisilmiön (lou-) tilat B 1, B 2,, B k yhdeksi taahtumaksi C = B 1 B 2 B k Olkoot tiloja B 1, B 2,, B k vastaavat reitit Reitti 1, Reitti 2,, Reitti k oska uun eri isteisiin vievät reitit ovat toisensa oissulkevia, taahtuman C todennäköisyys on toisensa oissulkevien taahtumien yhteenlaskusäännön nojalla: Pr(C) = Pr(Reitti 1 tai Reitti 2 tai tai Reitti k) = Pr(Reitti 1) + Pr(Reitti 2) + + Pr(Reitti k) T (c) Ilkka Mellin (2004) 29 T (c) Ilkka Mellin (2004) 30

6 T (c) Ilkka Mellin (2004) 31 Yhteenlaskusäännön havainnollistus Puuverkkojen käyttö äätöstilanteissa: simerkki 1/6 Puutodennäköisyyksien yhteenlaskusääntöä voidaan havainnollistaa viereisellä uudiagrammilla: Pr(C) = Pr(Reitti 1) + Pr(Reitti 2) + Pr(Reitti k)... B 1 B 2 B k Reitti: k C Tarkastellaan seuraavaa äätöstilannetta. Munuaistaudissa otilaan munuaiset loettavat vähitellen toimintansa, mikä johtaa otilaan kuolemaan. Oletetaan, että otilas voisi vaaasti valita hoidoksi joko dialyysin (munuaiskoneen) tai munuaisensiirron. umi hoidoista otilaan kannattaa valita, jos hoitojen tuloksista on käytettävissä seuraavalla kalvolla esitetyt tiedot? T (c) Ilkka Mellin (2004) 32 Puuverkkojen käyttö äätöstilanteissa: simerkki 2/6 Dialyysiotilaat: 68 % elää 5:n vuoden kuluttua 32 % on kuollut 5:n vuoden kuluttua Munuaisensiirtootilaat: 48 %:lla siirretty munuainen toimii normaalisti ja otilas elää 5:n vuoden kuluttua 43 %:lla siirretty munuainen ei toimi kunnolla ja he joutuvat dialyysiin 42 % näistä otilaista elää 5:n vuoden kuluttua 58 % näistä otilaista on kuollut 5:n vuoden kuluttua 9 % kuolee siirron aiheuttamiin komlikaatioihin Puuverkkojen käyttö äätöstilanteissa: simerkki 3/6 Merkitään: D = Potilasta hoidetaan dialyysilla S = Potilaalle tehdään munuaisensiirto SD = Siirtootilas joutuu dialyysiin = Potilas elää 5 vuoden kuluttua = Potilas on kuollut 5 vuoden kuluttua Hoitotulokset voidaan esittää seuraavina ehdollisina todennäköisyyksinä: Pr( D) = 0.68 Pr( D) = 0.32 Pr( S) = 0.48 Pr(SD S) = 0.43 Pr( S) = 0.09 Pr( SD) = 0.42 Pr( SD) = 0.58 T (c) Ilkka Mellin (2004) 33 T (c) Ilkka Mellin (2004) 34 Puuverkkojen käyttö äätöstilanteissa: simerkki 4/6 Potilasta kohtaavia vaihtoehtoja voidaan kuvata viereisellä diagrammilla, joka koostuu kahdesta uudiagrammista. Jos otilas haluaa maksimoida todennäköisyyden olla elossa 5:n vuoden kuluttua, hänen on verrattava reitin 1 määräämän taahtuman todennäköisyyttä reittien 3 ja 4 määräämän yhdistetyn taahtuman todennäköisyyteen. D Reitti 1 Reitti 2 S SD Reitti Reitti 4 Reitti 5 Reitti 6 Puuverkkojen käyttö äätöstilanteissa: simerkki 5/6 Reitin 1 määräämän taahtuman todennäköisyys: Pr(Reitti 1) = 0.68 Reitin 3 määräämän taahtuman todennäköisyys: Pr(Reitti 3) = 0.48 Reitin 4 määräämän taahtuman todennäköisyys on uutodennäköisyyksien tulosäännön mukaan: Pr(Reitti 4) = = D Reitti 1 Reitti 2 S SD Reitti Reitti 4 Reitti 5 Reitti 6 T (c) Ilkka Mellin (2004) 35 T (c) Ilkka Mellin (2004) 36

7 T (c) Ilkka Mellin (2004) 37 Puuverkkojen käyttö äätöstilanteissa: simerkki 6/6 Reittien 3 ja 4 määräämän yhdistetyn taahtuman todennäköisyys on uutodennäköisyyksien yhteenlaskusäännön mukaan: Pr(Reitti 3 tai Reitti 4) = = oska Pr(Reitti 3 tai Reitti 4) = < Pr(Reitti 1) = 0.68, otilaan kannattaa valita dialyysi. D Reitti 1 Reitti 2 S SD Reitti Reitti 4 Reitti 5 Reitti 6 >> T (c) Ilkka Mellin (2004) 38 Systeemi ja sen toimintatodennäköisyys Avainsanat omonentti Toimintatodennäköisyys Toimintaverkko Tulosääntö Riiumattomuus Rinnankytkentä Sarjaankytkentä Systeemi Verkko Yhteenlaskusääntö Tehtävänä on määrätä systeemin toimintatodennäköisyys, kun seuraavat oletukset ätevät: (i) Systeemi koostuu komonenteista, jotka on kytketty joko sarjaan tai rinnan. (ii) Jokaisen komonentin toimintatodennäköisyys tunnetaan. (iii) Jokaisen komonentin toiminta on riiumatonta muiden komonenttien toiminnasta. T (c) Ilkka Mellin (2004) 39 T (c) Ilkka Mellin (2004) 40 Systeemit ja toimintaverkot Sarjaankytkentä ja rinnankytkentä Sarjaan ja rinnan kytketyistä komonenteista koostuvaa systeemiä voidaan kuvata toimintaverkolla. Sarjaan- ja rinnankytkennöistä koostuvan toimintaverkon toimintatodennäköisyys voidaan alauttaa sarjaan- ja rinnankytkentöjen toimintatodennäköisyyksiin. koostuvat sarjaan- ja rinnankytkennöistä. Alla olevat kytkentäkaaviot esittävät kahden komonentin ja muodostamia sarjaan- ja rinnankytkentöjä. Sarjaankytkentä: Rinnankytkentä: T (c) Ilkka Mellin (2004) 41 T (c) Ilkka Mellin (2004) 42

8 T (c) Ilkka Mellin (2004) 43 Sarjaankytkennän toiminta Rinnankytkennän toiminta Merkitään T = omonentti toimii F = omonentti ei toimi omonenttien ja sarjaankytkentä toimii, jos toimii ja toimii: ja T T T T F F F T F F F F Merkitään T = omonentti toimii F = omonentti ei toimi omonenttien ja rinnankytkentä toimii, jos toimii tai toimii tai molemmat toimivat: tai T T T T F T F T T F F F T (c) Ilkka Mellin (2004) 44 Sarjaan- ja rinnankytkentöjen toimintatodennäköisyydet 1/2 Määritellään taahtumat A 1 ja A 2 : A1 = "omonentti 1 toimii" A2 = "omonentti 2 toimii" Olkoot taahtumien A 1 ja A 2 todennäköisyydet: Pr( A1) = 1 Pr( A2) = 2 Sarjaankytkennän toimintatodennäköisyys on Pr( A1 A2) Rinnankytkennän toimintatodennäköisyys on Pr( A A ) 1 2 Sarjaan- ja rinnankytkentöjen toimintatodennäköisyydet 2/2 Määrätään komonenttien ja muodostamien sarjaan-ja rinnankytkentöjen toimintatodennäköisyydet komonenttien ja toimintatodennäköisyyksien avulla. Sarjaankytkentä: 1 2 Rinnankytkentä: 1 2 T (c) Ilkka Mellin (2004) 45 T (c) Ilkka Mellin (2004) 46 Sarjaankytkennän toimintatodennäköisyys 1/2 Sarjaankytkennän toimintatodennäköisyys 2/2 Oletetaan, että toimintaverkko koostuu komonenteista ja, jotka on kytketty sarjaan. Olkoot Pr( toimii) = 1 Pr( toimii) = 2 Oletetaan, että taahtumat toimii toimii ovat riiumattomia. Sarjaankytkentä: 1 2 Riiumattomien taahtumien tulosäännön erusteella sarjaankytkennän toimintatodennäköisyys on Pr( toimii ja toimii) = 1 2 Sarjaankytkentä: 1 2 T (c) Ilkka Mellin (2004) 47 T (c) Ilkka Mellin (2004) 48

9 T (c) Ilkka Mellin (2004) 49 Rinnankytkennän toimintatodennäköisyys 1/2 Rinnankytkennän toimintatodennäköisyys 2/2 Oletetaan, että toimintaverkko koostuu komonenteista ja, jotka on kytketty rinnan. Olkoot Pr( toimii) = 1 Pr( toimii) = 2 Oletetaan, että taahtumat toimii toimii ovat riiumattomia. Rinnankytkentä: 1 2 Yleisen yhteenlaskusäännön ja riiumattomien taahtumien tulosäännön erusteella rinnankytkennän toimintatodennäköisyys on Pr( toimii tai toimii) = Pr( toimii) + Pr( toimii) Pr( toimii ja toimii) = Rinnankytkentä: 1 2 T (c) Ilkka Mellin (2004) 50 simerkki 1/3 simerkki 2/3 Oletetaan, että toimintaverkko koostuu 4:stä komonentista,, 3, 4 viereisen kaavion mukaisesti. omonentit ja on kytketty sarjaan. omonentit 3 ja 4 on kytketty sarjaan. omonenttiari ja on kytketty rinnan komonenttiarin 3 ja 4 kanssa. 3 4 Olkoon Pr( i toimii) =, i = 1, 2, 3, 4 Oletetaan lisäksi, että yhdenkään komonentin toiminta ei riiu muiden komonenttien toiminnasta. dellä esitetyn nojalla: Pr( toimii ja toimii) = = 2 Pr( 3 toimii ja 4 toimii) = = 2 Pr(Systeemi toimii) = = T (c) Ilkka Mellin (2004) 51 T (c) Ilkka Mellin (2004) 52 simerkki 3/3 uvio esittää esimerkin systeemin toimintatodennäköisyyttä f() = yksittäisen komonentin toimintatodennäköisyyden funktiona. uviossa on myös suora f() =. uviosta nähdään: (i) f() on :n kasvava funktio. (ii) simerkin systeemin toimintatodennäköisyys voi olla suuremi, ienemi tai yhtä suuri kuin yksittäisen komonentin toimintatodennäköisyys. f ( ) Systeemin toimintatodennäköisyys f ( ) :n funktiona T (c) Ilkka Mellin (2004) 53

Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta

Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta TKK (c) Ilkka Mellin (2005) 1 Verkot ja todennäköisyyslaskenta >> Puudiagrammit todennäköisyyslaskennassa:

Lisätiedot

Johdatus todennäköisyyslaskentaan Verkot ja todennäköisyyslaskenta. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Verkot ja todennäköisyyslaskenta. TKK (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan Verkot ja todennäköisyyslaskenta TKK (c) Ilkka Mellin (2004) 1 Verkot ja todennäköisyyslaskenta Puudiagrammit todennäköisyyslaskennassa: Johdatteleva esimerkki Todennäköisyyslaskenta

Lisätiedot

Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit TKK (c) Ilkka Mellin (2005) 1 Todennäköisyyslaskenta ja puudiagrammit Puutodennäköisyydet Todennäköisyyslaskennan laskusääntöjen

Lisätiedot

Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot

Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot TKK (c) Ilkka Mellin (2004) 1 Todennäköisyyslaskenta ja puudiagrammit iite: Todennäköisyyslaskenta ja puudiagrammit TKK (c) Ilkka Mellin (2004) 2 Todennäköisyyslaskenta ja puudiagrammit: Mitä opimme? Verkkoteoria

Lisätiedot

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit Ilkka Mellin Todennäköisyyslaskenta Liite 2: Verkot ja todennäköisyyslaskenta Todennäköisyyslaskenta ja puudiagrammit TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyslaskenta ja puudiagrammit >> Puutodennäköisyydet

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 14. syyskuuta 2007 Antti Rasila () TodB 14. syyskuuta 2007 1 / 21 1 Kokonaistodennäköisyys ja Bayesin kaava Otosavaruuden ositus Kokonaistodennäköisyyden

Lisätiedot

Liite: Verkot. TKK (c) Ilkka Mellin (2004) 1

Liite: Verkot. TKK (c) Ilkka Mellin (2004) 1 Liite: Verkot TKK (c) Ilkka Mellin (2004) 1 : Mitä opimme? Verkkoteoria on hyödyllinen sovelletun matematiikan osa-alue, jolla on sovelluksia esimerkiksi logiikassa, operaatiotutkimuksessa, peli-ja päätösteoriassa

Lisätiedot

Liite 2: Verkot ja todennäköisyyslaskenta

Liite 2: Verkot ja todennäköisyyslaskenta Ilkka Mellin Todennäköisyyslaskenta Liite 2: Verkot ja todennäköisyyslaskenta Verkot TKK (c) Ilkka Mellin (2007) 1 Verkko eli graafi: Määritelmä 1/2 Verkko eli graafi muodostuu pisteiden joukosta V, särmien

Lisätiedot

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3 Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Verkot todennäköisyyslaskennassa Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Kertymäfunktio, Momentit, Odotusarvo,

Lisätiedot

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava TKK (c) Ilkka Mellin (2005) 1 Kokonaistodennäköisyys ja Bayesin kaava Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Kokonaistodennäköisyyden

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat

Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Kokonaistodennäköisyyden ja Bayesin kaavat TKK (c) Ilkka Mellin (2007) 1 Kokonaistodennäköisyys ja Bayesin kaava >> Kokonaistodennäköisyys

Lisätiedot

B. Siten A B, jos ja vain jos x A x

B. Siten A B, jos ja vain jos x A x Mat-1.2600 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Johdanto Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma,

Lisätiedot

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa Mat-.6 Sovellettu todennäköisyyslaskenta B Mat-.6 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Verkot ja todennäköisyyslaskenta Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio Jakaumien

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

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

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Mat-2.091 Sovellettu todennäköisyyslasku Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma, Ehdollinen todennäköisyys, Erotustapahtuma,

Lisätiedot

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Unioni, Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Alkeistapahtuma, Ehdollinen todennäköisyys,

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

Todennäköisyyslaskenta: Liitteet. Liite 1. Joukko oppi Liite 2. Todennäköisyyslaskenta ja puudiagrammit. Ilkka Mellin (2006) 449

Todennäköisyyslaskenta: Liitteet. Liite 1. Joukko oppi Liite 2. Todennäköisyyslaskenta ja puudiagrammit. Ilkka Mellin (2006) 449 Liitteet Todennäköisyyslaskenta: Liitteet Liite 1. Joukko oppi Liite 2. Todennäköisyyslaskenta ja puudiagrammit TKK @ Ilkka Mellin (2006) 449 Liitteet TKK @ Ilkka Mellin (2006) 450 Liitteet Sisällys 1.

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka

Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Klassinen todennäköisyys ja kombinatoriikka TKK (c) Ilkka Mellin (2007) 1 Klassinen todennäköisyys ja kombinatoriikka >> Klassinen

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Klassinen todennäköisyys ja kombinatoriikka Todennäköisyyden aksioomat Kokonaistodennäköisyys ja Bayesin kaava Bayesin kaava,

Lisätiedot

Testejä suhdeasteikollisille muuttujille

Testejä suhdeasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila Kalvoissa käytetään materiaalia P. Palon vuoden 2005 kurssista. 07.09.2007 Antti Rasila () SovTodB 07.09.2007 07.09.2007 1 / 24 1 Todennäköisyyslaskennan

Lisätiedot

Kurssikoe on maanantaina 29.6. Muista ilmoittautua kokeeseen viimeistään 10 päivää ennen koetta! Ilmoittautumisohjeet löytyvät kurssin kotisivuilla.

Kurssikoe on maanantaina 29.6. Muista ilmoittautua kokeeseen viimeistään 10 päivää ennen koetta! Ilmoittautumisohjeet löytyvät kurssin kotisivuilla. HY / Avoin ylioisto Johdatus yliopistomatematiikkaan, kesä 201 Harjoitus 7 Ratkaisut palautettava viimeistään perjantaina 26.6.201 klo 16.00. Huom! Luennot ovat salissa CK112 maanantaista 1.6. lähtien.

Lisätiedot

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin

Lisätiedot

Funktiojonot ja funktiotermiset sarjat Funktiojono ja funktioterminen sarja Pisteittäinen ja tasainen suppeneminen

Funktiojonot ja funktiotermiset sarjat Funktiojono ja funktioterminen sarja Pisteittäinen ja tasainen suppeneminen 4. Funktiojonot ja funktiotermiset sarjat 4.1. Funktiojono ja funktioterminen sarja 60. Tutki, millä muuttujan R arvoilla funktiojono f k suppenee, kun Mikä on rajafunktio? a) f k () = 2k 2k + 1, b) f

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat: Mat-.9 Sovellettu todennäköisyyslasku A Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Moniulotteiset jakaumat Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva

Lisätiedot

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus TKK (c) Ilkka Mellin (2007) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset

Lisätiedot

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko, Tehtävä 1 : 1 a) Olkoon G heikosti yhtenäinen suunnattu verkko, jossa on yhteensä n solmua. Määritelmän nojalla verkko G S on yhtenäinen, jolloin verkoksi T voidaan valita jokin verkon G S virittävä alipuu.

Lisätiedot

Moniulotteisia todennäköisyysjakaumia

Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

Testit järjestysasteikollisille muuttujille

Testit järjestysasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit järjestysasteikollisille muuttujille >> Järjestysasteikollisten

Lisätiedot

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme? TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia: Mitä

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Todennäköisyyden aksioomat TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyden aksioomat >> Todennäköisyyden määritteleminen Todennäköisyyden

Lisätiedot

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B. HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan muun muassa kahden joukon osoittamista samaksi sekä joukon

Lisätiedot

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (005) 1 Moniulotteisia todennäköisyysjakaumia Multinomijakauma Kaksiulotteinen normaalijakauma TKK (c) Ilkka

Lisätiedot

Calkinin-Wiln jono 1/2 2/2 3/2 4/2 5/2 6/2... 1/3 2/3 3/3 4/3 5/3 6/3... 1/4 2/4 3/4 4/4 5/4 6/4... 1/5 2/5 3/5 4/5 5/5 6/5...

Calkinin-Wiln jono 1/2 2/2 3/2 4/2 5/2 6/2... 1/3 2/3 3/3 4/3 5/3 6/3... 1/4 2/4 3/4 4/4 5/4 6/4... 1/5 2/5 3/5 4/5 5/5 6/5... Calkinin-Wiln jono Funktio f : X Y on bijektio, jos sillä on käänteisfunktio f : Y X. Joukko X on äärellinen, jos se on thjä tai jos on olemassa bijektio f : X {,,,..., n}. Joukko X on numeroituva, jos

Lisätiedot

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita

Lisätiedot

3. Kirjoita seuraavat joukot luettelemalla niiden alkiot, jos mahdollista. Onko jokin joukoista tyhjä joukko?

3. Kirjoita seuraavat joukot luettelemalla niiden alkiot, jos mahdollista. Onko jokin joukoista tyhjä joukko? HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I Seuraavat tehtävät liittyvät luentokalvoihin 1 14. Erityisesti esimerkistä 4 ja esimerkin

Lisätiedot

Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat TKK (c) Ilkka Mellin (2005) 1 Todennäköisyyden aksioomat Todennäköisyyden määritteleminen Todennäköisyyden aksioomat äärellisissä otosavaruuksissa

Lisätiedot

1. laskuharjoituskierros, vko 4, ratkaisut

1. laskuharjoituskierros, vko 4, ratkaisut 1. laskuharjoituskierros, vko 4, ratkaisut D1. Heitetään kahta virheetöntä noppaa, joiden kuudella tahkolla on silmäluvut 1, 2, 3, 4, 5 ja 6. Tällöin heittotuloksiin liittyvä otosavaruus on S = {(x, y)

Lisätiedot

(x, y) 2. heiton tulos y

(x, y) 2. heiton tulos y Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 2, 4, 6, 8, 11 Pistetehtävät: 3, 5, 9, 12 Ylimääräiset tehtävät: 7, 10, 13 Aiheet: Joukko-oppi Todennäköisyys ja sen määritteleminen

Lisätiedot

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen

Lisätiedot

Preliminäärikoe Tehtävät Pitkä matematiikka 4.2.2014 1 / 3

Preliminäärikoe Tehtävät Pitkä matematiikka 4.2.2014 1 / 3 Preliminäärikoe Tehtävät Pitkä matematiikka / Kokeessa saa vastata enintään kymmeneen tehtävään Tähdellä (* merkittyjen tehtävien maksimipistemäärä on 9, muiden tehtävien maksimipistemäärä on 6 Jos tehtävässä

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Todennäköisyyden peruslaskusäännöt TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyden peruslaskusäännöt >> Uusien tapahtumien muodostaminen

Lisätiedot

Tehtävä 1 2 3 4 5 6 7 Vastaus

Tehtävä 1 2 3 4 5 6 7 Vastaus Kenguru Cadet, vastauslomake Nimi Luokka/Ryhmä Pisteet Kenguruloikka Irrota tämä vastauslomake tehtävämonisteesta. Merkitse tehtävän numeron alle valitsemasi vastausvaihtoehto. Jätä ruutu tyhjäksi, jos

Lisätiedot

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2 Johdatus diskreettiin matematiikkaan Harjoitus 4, 7.10.2015 1. Olkoot c 0, c 1 R siten, että polynomilla r 2 c 1 r c 0 on kaksinkertainen juuri. Määritä rekursioyhtälön x n+2 = c 1 x n+1 + c 0 x n, n N,

Lisätiedot

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit laatueroasteikollisille muuttujille Laatueroasteikollisten muuttujien testit Testi suhteelliselle

Lisätiedot

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa.

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa. KERTAUS Lukujono KERTAUSTEHTÄVIÄ K1. Ratkaisussa annetaan esimerkit mahdollisista säännöistä. a) Jatketaan lukujonoa: 2, 4, 6, 8, 10, 12, 14, 16, Rekursiivinen sääntö on, että lukujonon ensimmäinen jäsen

Lisätiedot

A = B. jos ja vain jos. x A x B

A = B. jos ja vain jos. x A x B Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Klassinen todennäköisyys ja kombinatoriikka Kokonaistodennäköisyys ja Bayesin kaava Avainsanat: Bayesin kaava, Binomikaava, Binomikerroin,

Lisätiedot

Normaalijakaumasta johdettuja jakaumia

Normaalijakaumasta johdettuja jakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2007) 1 Normaalijakaumasta johdettuja jakaumia >> Johdanto χ 2 -jakauma F-jakauma

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden

Lisätiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot TKK (c) Ilkka Mell (2004) Kokoastodeäkösyys ja Kokoastodeäkösyys ja : Johdato Kokoastodeäkösyyde ja Bayes kaavoje systeemteoreette tulkta Johdatus todeäkösyyslasketaa Kokoastodeäkösyys ja TKK (c) Ilkka

Lisätiedot

Testaa taitosi 1. 2. Piirrä yksikköympyrään kaksi erisuurta kulmaa, joiden a) sini on 0,75 b) kosini on

Testaa taitosi 1. 2. Piirrä yksikköympyrään kaksi erisuurta kulmaa, joiden a) sini on 0,75 b) kosini on Testaa taitosi. Laske lausekkeen 60 cos80 sin arvo. Päättele sinin ja kosinin arvot yksikköympyrästä. y x. Piirrä yksikköympyrään kaksi erisuurta kulmaa, joiden a) sini on 0,75 b) kosini on y y. x x. Määritä

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 13. syyskuuta 2007 Antti Rasila () TodB 13. syyskuuta 2007 1 / 21 1 Klassinen todennäköisyys 2 Kombinatoriikkaa Kombinatoriikan perusongelmat Permutaatiot

Lisätiedot

Johdatus todennäköisyyslaskentaan Todennäköisyyden peruslaskusäännöt. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Todennäköisyyden peruslaskusäännöt. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Todennäköisyyden peruslaskusäännöt TKK (c) Ilkka Mellin (2005) 1 Todennäköisyyden peruslaskusäännöt Tapahtumat Peruslaskusäännöt todennäköisyydelle Ehdollinen todennäköisyys

Lisätiedot

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python Ohjelmoinnin perusteet Y Python T-106.1208 26.1.2009 T-106.1208 Ohjelmoinnin perusteet Y 26.1.2009 1 / 33 Valintakäsky if syote = raw_input("kerro tenttipisteesi.\n") pisteet = int(syote) if pisteet >=

Lisätiedot

1. Esitä rekursiivinen määritelmä lukujonolle

1. Esitä rekursiivinen määritelmä lukujonolle Matematiikan laitos Johdatus Diskrettiin Matematiikkaan Harjoitus 4 24.11.2011 Ratkaisuehdotuksia Aleksandr Pasharin 1. Esitä rekursiivinen määritelmä lukujonolle (a) f(n) = (2 0, 2 1, 2 2, 2 3, 2 4,...)

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio

Lisätiedot

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme? TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman

Lisätiedot

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0.

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0. Ääriarvon laatu Jatkuvasti derivoituvan funktion f lokaali ääriarvokohta (x 0, y 0 ) on aina kriittinen piste (ts. f x (x, y) = f y (x, y) = 0, kun x = x 0 ja y = y 0 ), mutta kriittinen piste ei ole aina

Lisätiedot

3. Kongruenssit. 3.1 Jakojäännös ja kongruenssi

3. Kongruenssit. 3.1 Jakojäännös ja kongruenssi 3. Kongruenssit 3.1 Jakojäännös ja kongruenssi Tässä kappaleessa esitellään kokonaislukujen modulaarinen aritmetiikka (ns. kellotauluaritmetiikka), jossa luvut tyypillisesti korvataan niillä jakojäännöksillä,

Lisätiedot

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

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 19.9.2016 Pekka Alestalo, Jarmo

Lisätiedot

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:

Lisätiedot

Ylioppilastutkintolautakunta S t u d e n t e x a m e n s n ä m n d e n

Ylioppilastutkintolautakunta S t u d e n t e x a m e n s n ä m n d e n Ylioilastutkintolautakunta S t u d e n t e a m e n s n ä m n d e n MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ 904 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten iiteiden sisältöjen isteitysten luonnehdinta ei

Lisätiedot

(iv) Ratkaisu 1. Sovelletaan Eukleideen algoritmia osoittajaan ja nimittäjään. (i) 7 = , 7 6 = = =

(iv) Ratkaisu 1. Sovelletaan Eukleideen algoritmia osoittajaan ja nimittäjään. (i) 7 = , 7 6 = = = JOHDATUS LUKUTEORIAAN (syksy 07) HARJOITUS 7, MALLIRATKAISUT Tehtävä Etsi seuraavien rationaalilukujen ketjumurtokehitelmät: (i) 7 6 (ii) 4 7 (iii) 65 74 (iv) 63 74 Ratkaisu Sovelletaan Eukleideen algoritmia

Lisätiedot

Luku 4 Yhtälönratkaisun harjoittelua

Luku 4 Yhtälönratkaisun harjoittelua Luku 4 Yhtälönratkaisun harjoittelua 4.1. Yhtälönratkaisu tehtäviä Tehtävä 4.1.1 Ratkaise yhtälöistä tuntematon muuttuja käyttäen oppimiasi muunnoksia. Valitse sarja. Sarja 1) 6 5 37 = 0 Kun eräs luku

Lisätiedot

Peliteoria luento 1. May 25, 2015. Peliteoria luento 1

Peliteoria luento 1. May 25, 2015. Peliteoria luento 1 May 25, 2015 Tavoitteet Valmius muotoilla strategisesti ja yhteiskunnallisesti kiinnostavia tilanteita peleinä. Kyky ratkaista yksinkertaisia pelejä. Luentojen rakenne 1 Joitain pelejä ajanvietematematiikasta.

Lisätiedot

MATEMATIIKAN PERUSKURSSI II kevät 2018 Ratkaisut 1. välikokeen preppaustehtäviin. 1. a) Muodostetaan osasummien jono. S n =

MATEMATIIKAN PERUSKURSSI II kevät 2018 Ratkaisut 1. välikokeen preppaustehtäviin. 1. a) Muodostetaan osasummien jono. S n = MATEMATIIKAN PERUSKURSSI II kevät 208 Ratkaisut. välikokeen preppaustehtäviin. a) Muodostetaan osasummien jono S n = n ( k k) k= josta saadaan = ( 0 ) + ( 2) + ( 2 3) + ( n 2 n ) + ( n n) = n, n =, 2,...,

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

T Luonnollisen kielen tilastollinen käsittely Vastaukset 8, ti , 8:30-10:00 Tilastolliset yhteydettömät kieliopit, Versio 1.

T Luonnollisen kielen tilastollinen käsittely Vastaukset 8, ti , 8:30-10:00 Tilastolliset yhteydettömät kieliopit, Versio 1. T-61.281 Luonnollisen kielen tilastollinen käsittely astaukset 8, ti 16.3.2004, 8:30-10:00 Tilastolliset yhteydettömät kielioit, ersio 1.0 1. Jäsennysuun todennäköisyys lasketaan aloittelemalla se säännöstön

Lisätiedot

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme? TKK (c) Ilkka Melli (4) Johdato Johdatus todeäköisyyslasketaa TKK (c) Ilkka Melli (4) : Mitä opimme? / Tutustumme tässä luvussa seuraavii ormaalijakaumasta (ks. lukua Jatkuvia jakaumia) johdettuihi jakaumii:

Lisätiedot

Testit laatueroasteikollisille muuttujille

Testit laatueroasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten

Lisätiedot

Johdatus diskreettiin matematiikkaan Harjoitus 2, Osoita että A on hyvin määritelty. Tee tämä osoittamalla

Johdatus diskreettiin matematiikkaan Harjoitus 2, Osoita että A on hyvin määritelty. Tee tämä osoittamalla Johdatus diskreettiin matematiikkaan Harjoitus 2, 23.9.2015 1. Osoita että A on hyvin määritelty. Tee tämä osoittamalla a) että ei ole olemassa surjektiota f : {1,, n} {1,, m}, kun n < m. b) että a) kohdasta

Lisätiedot

Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt: Esitiedot

Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt. Todennäköisyyslaskennan peruslaskusäännöt: Esitiedot TKK (c) Ilkka Mellin (2004) 1 Todennäköisyyslaskennan peruslaskusäännöt Johdatus todennäköisyyslaskentaan Todennäköisyyslaskennan peruslaskusäännöt TKK (c) Ilkka Mellin (2004) 2 Todennäköisyyslaskennan

Lisätiedot

Luku 6. Dynaaminen ohjelmointi. 6.1 Funktion muisti

Luku 6. Dynaaminen ohjelmointi. 6.1 Funktion muisti Luku 6 Dynaaminen ohjelmointi Dynaamisessa ohjelmoinnissa on ideana jakaa ongelman ratkaisu pienempiin osaongelmiin, jotka voidaan ratkaista toisistaan riippumattomasti. Jokaisen osaongelman ratkaisu tallennetaan

Lisätiedot

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin

Lisätiedot

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat

Lisätiedot

D ( ) E( ) E( ) 2.917

D ( ) E( ) E( ) 2.917 Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,

Lisätiedot

5.1 Semanttisten puiden muodostaminen

5.1 Semanttisten puiden muodostaminen Luku 5 SEMNTTISET PUUT 51 Semanttisten puiden muodostaminen Esimerkki 80 Tarkastellaan kysymystä, onko kaava = (( p 0 p 1 ) (p 1 p 2 )) toteutuva Tätä voidaan tutkia päättelemällä semanttisesti seuraavaan

Lisätiedot

(a) Kyllä. Jokainen lähtöjoukon alkio kuvautuu täsmälleen yhteen maalijoukon alkioon.

(a) Kyllä. Jokainen lähtöjoukon alkio kuvautuu täsmälleen yhteen maalijoukon alkioon. HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 015 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I Seuraavat tehtävät liittyvät kuvauksiin. 1. Merkitään X = {1,,, 4}. Ovatko seuraavat säännöt

Lisätiedot

Täydentäviä muistiinpanoja jäsennysalgoritmeista

Täydentäviä muistiinpanoja jäsennysalgoritmeista äydentäviä muistiinpanoja jäsennysalgoritmeista Antti-Juhani Kaijanaho 7. helmikuuta 2012 1 simerkki arleyn algoritmin soveltamisesta arkastellaan kielioppia G : + () c ja sovelletaan arleyn algoritmia

Lisätiedot

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö Johdatus diskreettiin matematiikkaan Harjoitus 5, 14.10.2015 1. Ratkaise rekursioyhtälö x n+4 2x n+2 + x n 16( 1) n, n N, alkuarvoilla x 1 2, x 2 14, x 3 18 ja x 4 42. Ratkaisu. Vastaavan homogeenisen

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 1 1 Matemaattisesta päättelystä Matemaattisen analyysin kurssin (kuten minkä tahansa matematiikan kurssin) seuraamista helpottaa huomattavasti, jos opiskelija ymmärtää

Lisätiedot

Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, sekä voi olla apua.

Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, sekä voi olla apua. HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 2 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, 15-17

Lisätiedot

JATKUVUUS. Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista.

JATKUVUUS. Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista. JATKUVAT FUNKTIOT JATKUVUUS Jatkuva funktio Epäjatkuva funktio Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista., suomennos Matti Pauna JATKUVUUS Jatkuva funktio Epäjatkuva

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 28. syyskuuta 2007 Antti Rasila () TodB 28. syyskuuta 2007 1 / 20 1 Jatkoa diskreeteille jakaumille Negatiivinen binomijakauma Poisson-jakauma Diskreettien

Lisätiedot

Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen TKK (c) Ilkka Mellin (2005) 1 ja mittaaminen Tilastollisten aineistojen kerääminen Mittaaminen ja mitta-asteikot TKK (c)

Lisätiedot

nyky-ymmärryksemme mukaan hajaantuvaan sarjaan luvun 1 2 kun n > N Huom! Määritelmä on aivan sama C:ssä ja R:ssä. (Kuva vain on erilainen.

nyky-ymmärryksemme mukaan hajaantuvaan sarjaan luvun 1 2 kun n > N Huom! Määritelmä on aivan sama C:ssä ja R:ssä. (Kuva vain on erilainen. Sarjaoppia Käsitellään kompleksi- ja reaalisarjat yhdessä. Reaalilukujen ominaisuuksista (kuten järjestys) riippuvat asiat tulevat lisämausteena mukaan. Kirjallisuutta: 1. [KRE] Kreyszig: Advanced Engineering

Lisätiedot

Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit

Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit s t ja t kahden Sisältö t ja t t ja t kahden kahden t ja t kahden t ja t Tällä luennolla käsitellään epäparametrisia eli

Lisätiedot

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t),

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t), Aalto-yliopiston Perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Mat-2.4129 Systeemien Identifiointi 1. harjoituksen ratkaisut 1. Tarkastellaan maita X ja Y. Olkoon näiden varustelutaso

Lisätiedot

Itsestabilointi: perusmääritelmiä ja klassisia tuloksia

Itsestabilointi: perusmääritelmiä ja klassisia tuloksia Itsestabilointi: perusmääritelmiä ja klassisia tuloksia Jukka Suomela Hajautettujen algoritmien seminaari 12.10.2007 Hajautetut järjestelmät Ei enää voida lähteä oletuksesta, että kaikki toimii ja mikään

Lisätiedot

Miten käydä läpi puun alkiot (traversal)?

Miten käydä läpi puun alkiot (traversal)? inääripuut ieman lisää aidon binääripuun ominaisuuksia lehtisolmuja on yksi enemmän kuin sisäsolmuja inääripuut tasolla d on korkeintaan 2 d solmua pätee myös epäaidolle binääripuulle taso 0: 2 0 = 1 solmu

Lisätiedot

Stokesin lause LUKU 5

Stokesin lause LUKU 5 LUU 5 Stokesin lause 5.1. Integrointi monistolla Olkoot W R k alue, W kompakti Jordan-joukko ja ω jatkuva k-muoto alueessa W, ω f dx 1 dx k. Asetetaan ω : f, t.s. f dx 1 dx k : f(x dx f(x 1,, x k dx 1

Lisätiedot

keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 1 b 3 a 5

keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 1 b 3 a 5 Johdatus diskreettiin matematiikkaan Harjoitus 6, 21.10.2015 1. Ovatko verkot keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 2 b 4 a

Lisätiedot

Mohrin-Mascheronin lause kolmiulotteisessa harppi-viivaingeometriassa

Mohrin-Mascheronin lause kolmiulotteisessa harppi-viivaingeometriassa Mohrin-Mascheronin lause kolmiulotteisessa harppi-viivaingeometriassa Matematiikka Sakke Suomalainen Helsingin matematiikkalukio Ohjaaja: Ville Tilvis 29. marraskuuta 2010 Tiivistelmä Harppi ja viivain

Lisätiedot

Ratkaisuehdotus 2. kurssikoe

Ratkaisuehdotus 2. kurssikoe Ratkaisuehdotus 2. kurssikoe 4.2.202 Huomioitavaa: - Tässä ratkaisuehdotuksessa olen pyrkinyt mainitsemaan lauseen, johon kulloinenkin päätelmä vetoaa. Näin opiskelijan on helpompi jäljittää teoreettinen

Lisätiedot

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina 10.8.2015 klo 16.15. Tehtäväsarja I Tutustu lukuun 15, jossa vektoriavaruuden

Lisätiedot

Ratkaisu. Tulkitaan de Bruijnin jonon etsimiseksi aakkostossa S := {0, 1} sanapituudelle n = 4. Neljän pituisia sanoja on N = 2 n = 16 kpl.

Ratkaisu. Tulkitaan de Bruijnin jonon etsimiseksi aakkostossa S := {0, 1} sanapituudelle n = 4. Neljän pituisia sanoja on N = 2 n = 16 kpl. iskreetti matematiikka, syksy 00 arjoitus, ratkaisuista. seta 8 nollaa ja 8 ykköstä renkaaksi niin, että jokainen yhdistelmä 0000, 000,..., esiintyy täsmälleen kerran. Vihje: Tulkitse de ruijnin jonon

Lisätiedot

Automaatit. Muodolliset kielet

Automaatit. Muodolliset kielet Automaatit Automaatit ovat teoreettisia koneita, jotka käsittelevät muodollisia sanoja. Automaatti lukee muodollisen sanan kirjain kerrallaan, vasemmalta oikealle, ja joko hyväksyy tai hylkää sanan. Täten

Lisätiedot

Matemaattisen analyysin tukikurssi

Matemaattisen analyysin tukikurssi Matemaattisen analyysin tukikurssi 5. Kurssikerta Petrus Mikkola 10.10.2016 Tämän kerran asiat Raja-arvo ja toispuolinen raja-arvo Funktion suurin ja pienin arvo Lukujono Lukujonon suppeneminen Kasvava

Lisätiedot