EPÄKOHERENTIT BINÄÄRISET MODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET

Koko: px
Aloita esitys sivulta:

Download "EPÄKOHERENTIT BINÄÄRISET MODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET"

Transkriptio

1 EPÄKOHERENTIT BINÄÄRISET MODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET Mite epäkoheettius vaikuttaa suoituskykyy ja jäjestelmä toteutettavuutee? 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

2 DIFFERENTIAALINEN VAIHEENSIIRTOAVAINNUS DPSK 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

3 DPSK-MODULAATIO 3 DPSK o eäälaie epäkoheetti BPSK-modulaatio vaikka täysi epäkoheettia vaihemodulaatiota ei voi edes olla olemassa koska ifomaatio siityy vaiheessa. Kyseessä o osittai koheetti BPSK kvasikoheetti BPSK). Peusidea: edellise symboli vaihetta käytetää vaiheefeessiä ilmaistaessa seuaavaa symbolia jolloi ei tavita eillistä vaihee estimoitia. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

4 DPSK-MODULAATION KÄYTÖN EDELLYTYKSET 4 DPSK voidaa toteuttaa jos siitojäjestelmä käytäössä siitokaava toteuttaa seuaavat ehdot:. Posessi joka aiheuttaa sigaali/pulssi vaihetila muutokse kaavassa o ii hidas että kaavaa voidaa pitää oleellisesti stabiilia symboliaikavälillä T kaava tila pysyy esim. symboli aikaa likimai vakioa).. Pulssi vaihe kullaki symboliaikavälillä iippuu jollaki tuetulla loogisella laialaisuudella edellise symboliaikaväli pulssi vaiheesta. Ehto. toteutuu jos siitokaava o esim. flat fadig tyyppie tasaisesti häipyvä kaava. Ehto. toteutuu suoittamalla peäkkäisille biteille loogie diffeetiaalie vaihekoodausopeaatio kombiaatiologiikka-potilla. Peäkkäiset bitit iippuvat tuolloi koodauslogiikalla toisistaa. Rippuvuus aiheuttaa symboli kestoise viipee ealisoimisvaatee lähettimee ja vastaaottimee. Jokaiselle siitoopeudelle oltava omat viipeesä. Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

5 DIFFERENTIAALINEN KOODAUS 5 Diffeetiaalie koodaus tehdää exclusive-o-egaatiolla: Opeaatiot: Asetetaa mielivaltaie efeessibitti esim. {} voisi yhtä hyvi olla myös {}) joho esimmäistä databittiä veataa. Refeessibiti ja. databitille suoitetaa loogie koodaus jolloi saadaa. koodattu bitti joka ohjaa BPSK-modulaattoi vaiheesee tuo biti ollessa loogie {} tai muute vaiheesee π myös vaihesäätö voidaa valita toisi). Veataa seuaavaa ifomaatiobittiä edellisessä koodausopeaatiossa muodostettuu koodattuu & lähetettyy bittii ja lasketaa uusi vaihe em. koodausopeaatiolla. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

6 DIFFERENTIAALINEN KOODAUS 6 Kaavaa meevät bitit eivät siis ole samoja vasiaiste lähteeltä tulevie ifomaatiobittie kassa vt. yksiketaie salauskoodaus). Peäkkäiset bitit iippuvat yt loogise koodaukse kautta toisistaa. Toisaalta ifomaatiota ei meetetä koska koodaukse pukava kytkeytymissäätö dekoodauslogiikka) tuetaa vt. salaukse puku). Diffeetiaalie vaihekoodaus voidaa yleistää myös moitilaisille sigaaleille esim. DQPSK DMPSK). 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

7 ALIOPTIMAALINEN DPSK-VASTAANOTIN 7 Vaihekoheeti aallo sijaa käytetää edellise symboli vaihetta. Jos koelaattoi tulo S A cosω c t ja edellie symboli R A cosω c t saadaa lähdöksi itegoii jälkee ½ A T. Jos S A cosω c t ja R S A cosω c t lähtö o ½ A T. v T A cos ωct) dt A T v A cos ct) dt ω T A T 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

8 OPTIMAALINEN DPSK-VASTAANOTIN S) 8 Edellie kuva 8.7 akee ei ole P E -optimaalie. Optimaalisessa o ω c -taajuiset kvadatuuiset cos- ja siefeessisigaalit joide ei kuitekaa tavitse olla vaihekoheetteja lähettime cos-oskillaattoii ähde. Kuvassa 4.7 c) efeessisigaalit o esitetty kompleksisessa muodossa e jωt sisältäe I- ja Q-haaat). Peiaattekuva 4.7 c) mukaie osii puettu käytäö I & Q - toteutus seuaavalla kalvolla. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

9 OPTIMAALINEN DPSK-VASTAANOTIN S) 9 Optimaalie vastaaoti I- ja Q-haaoiksi puettua. Kuva 4.7 c) T- viive o sisällytetty tässä päätöksetekologiikaa jolla lasketaa päätösmuuttuja l x k x k y k y k. Riippue l: avosta tehdää seuaavat päätökset kahdesta peäkkäisestä symbolista olet. θ ): l > Acos ωct θ ) T t < S t) l < S t) Acos ωct θ ) t < T Acos ωct θ ) T Acos ωct θ ) t < t < T Yhde symboli viive toteutettu päätösmuuttuja l logiikkaa Ei tavitse olla vaihekoheetti lähettime kassa! 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

10 OPTIMAALISEN DPSK-ILMAISUN SUORITUSKYKY S) BEP voidaa laskea suueesta P[x k x k y k y k < s lähetetty θ ] ku läheteyt symbolit oletetaa yhtä todeäköisiksi. Oletetaa että ω c T o π: moiketa jolloi itegaattoie lähdöt hetkellä t: Itegaattoie lähdöt aja hetkellä t T: 3 ja 4 koeloimattomia ja iippumattomia kute myös ovat w w w 3 ja w 4 ) ollakeskiavoisia Gaussi satuaismuuttujia vaiassilla N T/4 N T/8). Syksy 5 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie 3 3 ) )si ) )cos T c T c dt t t dt t t y AT x ω ω T c T c dt t t dt t t y AT x 4 4 ) )si ) )cos ω ω ] [ < < i N T w E w w w w AT P AT AT P P i i E L L

11 OPTIMAALISEN DPSK-ILMAISUN SUORITUSKYKY S) R o Rice-jakautuut pdf f R )) ja R o Rayleigh-jakautuut pdf f R )) ja N T/8 B AT/ C B/. Syksy 5 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie exp exp exp exp exp exp exp exp exp ) ) d C I C C B d B I B d B I B d B I B d P w w R w w AT R d f d f w w w w AT P P E R R E < K L K L L L

12 OPTIMAALISEN DPSK-ILMAISUN SUORITUSKYKY Veattaessa johdettua P E : kaavaa kuva 8.7 mukaisee alioptimaalisee itegoi & pua -tyyppise ilmaisime kaavaa RFkaistaleveyde ollessa /T saadaa suuille E b /N : avoille: Alioptimaalie o oi.5-. db optimaalista huoompi. Veataa BPSK-tapauksee m ) käyttäe appoksimaatiota: Suuilla z: avoilla BPSK: ja DPSK: välie eo o vai oi db BPSK: eduksi mikä tekee DPSK: käytö houkuttelevaksi. Syksy 5 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie ). exp exp exp 4 exp exp exp N E z z N E P T A E N T A B C B P b b optim E b E Muista tämä ) z Q N E Q P b alioptim E. / / / >> N E N E e P b b N E BPSK E b π

13 BINÄÄRISEN DPSK-ILMAISUN SUORITUSKYKY 3 DPSK: haittapuolea o sigaloitiopeude kiiittymie symboliviipee vuoksi. Moiopeusmodeemilla tavitaa useita viipeitä mutta sigaalikäsittelyssä se ei ole ogelma. Viheet sytyvät diff. kood. johtue kahde biti yhmissä mikä ituitiivisesti selittää db: eo BPSK: hyväksi suuilla SNR: avoilla. Alla ähdää optimaalise ja alioptimaalise ilmaisime eo. Käyie isteämie johtuu MC-simuloii epätakkuudesta lyhyillä simuloitiajoilla kts. osa kalvo 9) 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

14 BPSK VS. DPSK-SUORITUSKYKY 4 Havaitoja: Koheetit: P E johto vasi helppoa tulokset eivät yleesä suljetussa muodossa tavitaa Qx)-f.) Epäkoheetit: P E johto vaikeampaa tulokset usei suljetussa muodossa esim. DPSK NC-FSK alla) BPSK: ja DPSK: eo oi db. Muista ämä peuskaavat äillä päjää hyvi tetissä) 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

15 5 EPÄKOHERENTTI FSK-MODULAATIO 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

16 EPÄKOHERENTTI FSK-ILMAISIN 6 FSK-oskillaattoi vaihee säilyttämie symbolivaihdoksessa vaihejatkuvaa ja koheettia o hakalaa. Lisäksi vaihe säöytyy kaavassa. Em. syistä johtue koheetti FSKdemodulaatio o hakalahko toteuttaa vasiki suuilla opeuksilla. Useimmite suositaa epäkoheettia FSK-modulaatiota. Se ei ole oleellisesti koheettia huoompi suoituskyvyltää eo. db). Epäkoheeti jäjestelmä toteutuksessa o oleellisimpaa kompoettia vehokäyäilmaisi kute AM-modulaatiollaki. Kosii huippuavo ei yt tavitse osua täsmällee kolmio käkee koska takastellaa vai vehokäyä avoa! 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

17 EPÄKOHERENTTI FSK-ILMAISIN 7 Epäkoh. jäjestelmie P E -aalyysi o koheetteja vaikeampaa. Koheettie suoituskyky o kuiteki aia epäkoheetteja paempi koska vastaaoti käyttää hyväksi myös vastaaotetu sigaali/pulssi vaihetiedo. Epäkoheettiutta puoltaa vastaaottime helpompi toteutettavuus Läheti o tieteki molemmilla samalaie. Kuvassa o kaksi epäkoheettia ilmaisita ia. Samalla peiaatteella voidaa ilmaista myös biääie ASK-modulaatio ku kyys asetetaa sopivasti olla yläpuolelle. Silloi iittää yksi vehokäyäilmaisi. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

18 EPÄKOHERENTTI FSK-ILMAISIN S) 8 Epäkoheetti toteutus kahdella ei tavalla huom. Pythagoas). Ei tavitse olla vaihekoheetti lähettime kassa! Moimutkaie ei käytetä mutta voidaa hyödytää aalyysissa) Yksiketaie käytetää) 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

19 EHTO EPÄKOHERENTIN FSK:N TAAJUUKSILLE S) 9 FSK-modulaatio eitaajuiset symbolit ovat M-ulotteise avauude vektoeita tyyp. M k ) ja e ovat otogoaalisia vai tietyillä taajuuseoje avoilla. Kuvasta ähdää taajuusotogoaalisuus. Epäkoheetilla FSK:lla miimitaajuusväli otogoaalisuude takaamiseksi o alla /T Hz spekti huippu toise spekti ollakoht). 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

20 EPÄKOHERENTIN FSK:N SUORITUSKYKY S) Ku s t) lähetetty ylemmä ilmaisime R t T) o Ricejakautuut kohia ollessa N N B T. Alemma lähdössä R t T) o tuolloi vai kohiaa joka o Rayleigh-jakautuut Rayleigh o Rice: eikoistapaus ku A ). Vihe tapahtuu jos R > R. Sisemmästä itegaalista tulee exp /N). Voidaa lopulta päätellä että eo koheeti ja epäkoheeti FSK: välillä o piei. db). Syksy 5 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie [ ] [ ] [ ] [ ] ) / exp exp ) ) ) ) cos ) ) cos ) / ) ) / ) )/ ) >> > > z z z P z P N A z d e N A I N e P t P E s t P E s d d f f t P E s e N f N A I e N f T t t A t s t A t s coheet E ocoheet E N z E R R N R N A R c c π θ ω ω θ ω Muista

21 EPÄKOHERENTIN FSK:N SUORITUSKYKY VS. MUUT Muista ämä kaavat. Näillä päjää pitkälle. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

22 EPÄKOHERENTTI ASK-MODULAATIO 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

23 EPÄKOHERENTIN ASK:N SUORITUSKYKY 3 Ilmaisu vehokäyäilmaisimella kute epäkoheetilla FSK:lla. P E o sama kui epäkoheetilla FSK:lla. Suuilla z E b /N : avoilla epäkoheetti ASK o oi db asymptoottisesti) koheettia huoompi. Eo pahaasee bijääisee atipodaalisee BPSK-modulaatioo o 3 db db 4 db. Myös koheetit ASK ja FSK olivat suoituskyvyltää idettisiä samalla pulssi keskimäääisellä pulssi eegialla mitattua. Silloi ASK: tapauksessa ollasta poikkeava pulssi amplitudi o oltava A jos se FSK: molemmilla pulsseilla o A. Jos epäkoheettie FSK: ja ASK: pulssie amplitudit ovat samoja o epäkoheetti ASK 3 db epäkoheettia FSK:ta huoompi sekä 3 db db 3 db 7 db atipodaalista BPSK-modulaatiota huoompi. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

24 EPÄKOHERENTIN ASK:N SUORITUSKYKY 4 Asymptoottie eo oi db suuilla z E B /N -avoilla 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5 4

25 EPÄKOHERENTTI FSK VS. EPÄKOHERENTTI ASK Kuvassa o oletettu että pulssi amplitudi A o FSK:lla ja ASK:lla sama keskimäääiset eegiat eilaisia). Siksi ASK o oi 3 db huoompi kui FSK. 5 Saavutetaa olla alapuolella olevalla ρ & R : Miimiavolla joka ei kuitekaa ole - < ρ & R < ) Eo oi db suuilla z E B /N -avoilla 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

26 6 KOHERENTTIEN JA EPÄKOHERENTTIEN BINÄÄRISTEN MODULAATIOIDEN BEP- SUORITUSKYKYJEN VERTAILU 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

27 BEP-KÄYRIEN VERTAILU 7 BPSK DPSK: db BPSK CASK: 3 db BPSK CFSK: 3 db BPSK NCASK: 4 db BPSK NCFSK: 4 db CASK NCASK: db CFSK NCFSK: db CASK CFSK: db NCASK NCFSK: db DPSK CASK: db DPSK CFSK: db DPSK NCFSK: 3 db DPSK NCASK: 3 db Muista ämä käyät. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

28 ESIMERKKI S) 8 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

29 P E -KAAVAT ERFCX) -FUNKTIOLLA LAUSUTTUNA S) Joissaki oppikijoissa esiityy Q-fuktio sijasta efc fuktio. Syksy 5 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie 9 ) ) ) x y x Q dy e x efc x ef x efc x Q π

30 3 JÄRJESTELMÄSUUNNITTELUSTA 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

31 JÄRJESTELMÄSUUNNITTELUSTA 3 Biääisillä modulaatioilla huooimma ja pahaimma välie eo oli 4 db ku veattii käyttäe samaa pulssie keskimäääistä eegiaa. Epäkoheeti jäjestelmä valita saattaa olla jäkevää toteutuksellisista syistä koska db: lisätehovaatimus tutuu kohtuulliselta. Usei epäkoheeti jäjestelmä valitaa pakottaa käytäössä siitokaava laatu koska käytäössä saattaa olla hakala saavuttaa vaihekoheessi vastaaottimessa. Esim. Matkapuhelisovelluksissa usei esiityvä Rayleigh-häipyvä moitiekaava fadig multipath chael) o esimekki hakalasta eteemisympäistöstä. Avauustietoliikeesovelluksissa piei lähetysteho ja kaava hyvyys lähes AWGN-kaavamalli ja / tyyppie sigaali vaimeus) puoltavat koheettie meetelmie valitaa. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

32 3 LINKKIBUDJETOINTI S) 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

33 LINKKIBUDJETOINTI S) 33 Aluksi jäjestelmä toimiallie vaatimusmääittely asiakkaa vaatimuste/toiveide peusteella mm. toimitaympäistö yhteysväli koko mekaiikka häiiöt tehokulutus je.). Asiakas/tilaaja ei välttämättä ole edes tekiika ala edustaja. Seuaavaksi tehdää toimiallise vaatimusmääittely pohjalta esimäie jäjestelmäpaametie tekie toteutusmääittely. Jäjestelmäsuuittelu esimmäisiä tehtäviä o likkibudjeti laatimie. Selvitetää sigaalihäviöide määä kaavamalli yhteysväli ateie suutakuvio/vahvistus tahallise häiiä määä kohiatasot/-lämpötilat siitoketju ei pisteissä je. jotta tavittava lähetysteho siis lopulta ilmaisime tulossa äkyvä z E b /N saadaa alustavasti sopivaa haaukkaa. Budjetissa huomioitava lisäksi vamuusmagiaali teho suhtee. Sitte mietitää mitkä modulaatio koodaus divesiteetti ekvalisoiti yms. -meetelmät yhdessä toteuttaisivat halutu suoituskykyvaatimukse BERFER quality of sevice QoS)...). Lopuksi suuitellaa lähettime ja vastaaottime algoitmit ja akkitehtuuit implemetoii pohjaksi. Akkitehtuui voi olla kovo tai softa joho algoitmi o implemetoitu. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

34 LINKKIBUDJETOINTI S) 34 Suuitteluposessi sisältää käytäössä aia useita iteaatiokieoksia haluttuu lopputuloksee pääsemiseksi. Tällöi jäjestelmäpaametit taketuvat asteittaisesti. Simuloitimeetelmiä käytetää suuittelu apua. Aluksi yksiketaiset mallit sitte takeetut. Takemmat simuloitimallit ja kova P E -vaatimus edellyttävät eemmä Mote Calo -lasketaa simuloitiajat veyvät. Poto aketamie ja mittaukset viimeiseksi. Joskus suuittelu voidaa joutua palauttamaa alkuu jäjestelmäpaametie säätämiseksi. Seuaavaksi esimekki satelliittiliki tehobudjeti laadiasta. 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

35 SATELLIITTILINKIN LINKKIBUDJETTI S) A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

36 SATELLIITTILINKIN LINKKIBUDJETTI S) A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

37 SIMULOINTIJÄRJESTELMÄSUUNNITTELUSSA S) A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

38 SIMULOINTIJÄRJESTELMÄSUUNNITTELUSSA S) Hieakie jäjestelmä mallitamie simuloiissa. Mallie taketumie johtaa pitempää simuloitiaikaa A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5

BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 11 Kari Kärkkäinen Syksy 2015

BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 11 Kari Kärkkäinen Syksy 2015 BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS 536A Tietoliienneteniia II Osa Kari Käräinen Sysy 5 Kantataajuusjärjestelmä lähettää ±A -tasoisia symboleita T:n välein. Optimaalinen vastaanotin

Lisätiedot

VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET

VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET 1 VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET Millaiset aaltomuodot s 1 (t) ja s (t) valitaan erilaisten kantoaatomodulaatioiden toteuttamiseksi? SYMBOLIAALTOMUODOT

Lisätiedot

Helsinki University of Technology

Helsinki University of Technology Helsiki Uiversity of Techology Laboratory of Telecommuicatios Techology S-38. Sigaalikäsittely tietoliiketeessä I Sigal Processig i Commuicatios ( ov) Syksy 997 9. Lueto: Kaava kapasiteetti ja ODM prof.

Lisätiedot

Tehtäviä neliöiden ei-negatiivisuudesta

Tehtäviä neliöiden ei-negatiivisuudesta Tehtäviä epäyhtälöistä Tehtäviä eliöide ei-egatiivisuudesta. Olkoo a R. Osoita, että 4a 4a. Ratkaisu. 4a 4a a) a 0 a ) 0.. Olkoot a,, R. Osoita, että a a a. Ratkaisu. Kerrotaa molemmat puolet kahdella:

Lisätiedot

TIIVISTELMÄRAPORTTI (SUMMARY REPORT)

TIIVISTELMÄRAPORTTI (SUMMARY REPORT) 2012/MAT814 ISSN 1797-3457 (vekkojulkaisu) ISBN (PDF) 978-951-25-2408-2 TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Vaiheistettu heijastipita valemaalia Joha Ste, Päivi Koivisto, Ato Hujae, Tommi Dufva, VTT,

Lisätiedot

S Laskennallinen systeemibiologia

S Laskennallinen systeemibiologia S-4250 Laskeallie systeemibiologia Harjoitus Mittaustuloksea o saatu havaitoparia (x, y ),, (x, y ) Muuttuja y käyttäytymistä voidaa selittää muuttuja x avulla esimerkiksi yksikertaise lieaarise riippuvuude

Lisätiedot

= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1

= 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,

Lisätiedot

LUKU 6 TÄRKEIMPIEN ASIOIDEN KERTAUS

LUKU 6 TÄRKEIMPIEN ASIOIDEN KERTAUS LUKU 6 TÄRKEIMPIEN ASIOIDEN KERTAUS 1 (8) Kantatajuisen järjestelmän lähdön (SNR) D = P T /N 0 W käytetään referenssinä verrattaessa eri kantoaaltomodulaatioita keskenään. Analyysissä oletettiin AWGN-kanava,

Lisätiedot

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3 LIITTEET... 2 Liite A Stirligi kaava tarkkuudesta...2 Liite B Lagrage kertoimet... 2 Liitteet Liitteet Liite A Stirligi kaava tarkkuudesta Luoollista logaritmia suureesta! approksimoidaa usei Stirligi

Lisätiedot

Kirjoitetaan FIR-suotimen differenssiyhtälö (= suodatuksen määrittelevä kaava):

Kirjoitetaan FIR-suotimen differenssiyhtälö (= suodatuksen määrittelevä kaava): TL536, DSK-algoritmit (S4) Harjoitus. Olkoo x(t) = cos(πt)+cos(8πt). a) Poimi sigaalista x äytepisteitä taajuudella f s = 8 Hz. Suodata äi saamasi äytejoo x[] FIR-suotimella, joka suodikertoimet ovat a

Lisätiedot

MONITILAISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 18 Kari Kärkkäinen Syksy 2015

MONITILAISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 18 Kari Kärkkäinen Syksy 2015 1 MONITILAISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS 2 M-tilaisilla yhdellä symbolilla siirtyy k = log 2 M bittiä. Symbolivirhetn. sasketaan ensin ja sitten kuvaussäännöstä riippuvalla muunnoskaavalla

Lisätiedot

FLAT FADING -KANAVAT. Mitä peruskäsitteitä on hyvä tietää kanavamalleista? 521361A Tietoliikennetekniikka II Osa 9 Kari Kärkkäinen Syksy 2015

FLAT FADING -KANAVAT. Mitä peruskäsitteitä on hyvä tietää kanavamalleista? 521361A Tietoliikennetekniikka II Osa 9 Kari Kärkkäinen Syksy 2015 FLAT FADING -KANAVAT itä peuskäsitteitä on hyvä tietää kanavamalleista? 536A Tietoliikennetekniikka II Osa 9 Kai Käkkäinen Syksy 5 ONITIE-ETENEINEN & HÄIPYINEN Vastaanotettu signaalivektoi on kompleksinen

Lisätiedot

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

1. (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

Lisätiedot

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b Tilastollie päättömyys, kevät 07 Harjoitus b Heikki Korpela 3. helmikuuta 07 Tehtävä. a Olkoot Y,..., Y Bθ. Johda uskottavuusosamäärä testisuuree ry, Waldi testisuuree wy ja Rao pistemäärätestisuuree uy

Lisätiedot

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä Otatajakauma kuvaa tarkasteltava parametri jakauma eri otoksista laskettua parametria o joki yleesä tuusluku, esim. keskiarvo, suhteellie osuus, riskisuhde, korrelaatiokerroi, regressiokerroi, je. parametria

Lisätiedot

LUKU 7 TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka I Osa 30 Kari Kärkkäinen Kevät 2015

LUKU 7 TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka I Osa 30 Kari Kärkkäinen Kevät 2015 1 LUKU 7 TÄRKEIMPIEN ASIOIDEN KERTAUS 51357A Tietoliikennetekniikka I Osa 30 Kari Kärkkäinen Kevät 015 Kantatajuisen järjestelmän lähdön (SNR) D = P T /(N 0 W) käytetään referenssinä verrattaessa eri kantoaaltomodulaatioita

Lisätiedot

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018 Aalyysi A Harjoitustehtäviä lukuu / kevät 208 Ellei toisi maiita, tehtävissä esiityvät muuttujat ja vakiot ovat mielivaltaisia reaalilukuja.. Aa joki ylä- ja alaraja joukoille { x R x 2 + x 6 ja B = {

Lisätiedot

SIGNAALITEORIAN KERTAUSTA 1

SIGNAALITEORIAN KERTAUSTA 1 SIGNAALITEORIAN KERTAUSTA 1 1 (26) Fourier-muunnos ja jatkuva spektri Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka esittäminen graafisesti edellyttää 3D-kuvaajan piirtämisen. Yleensä

Lisätiedot

Tietoa sähkökentästä tarvitaan useissa fysikaalisissa tilanteissa, esimerkiksi jos halutaan

Tietoa sähkökentästä tarvitaan useissa fysikaalisissa tilanteissa, esimerkiksi jos halutaan 3 Sähköstatiikan laskentamenetelmiä Tietoa sähkökentästä tavitaan useissa fysikaalisissa tilanteissa, esimekiksi jos halutaan tietää missäläpilyönti on todennäköisin suujännitelaitteessa tai mikä on kahden

Lisätiedot

4.3 Signaalin autokorrelaatio

4.3 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.

Lisätiedot

BM20A Integraalimuunnokset Harjoitus 8

BM20A Integraalimuunnokset Harjoitus 8 (b)...(d) eve + eve = eve eve eve = eve BM2A57 - Itegraalimuuokset Harjoitus 8. Vastaa jokaisessa kohdassa seuraavii kysymyksii: Oko fuktio parillie? Oko fuktio parito? Huomaatko polyomie kohdalla hyvi

Lisätiedot

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan RATKAISUT 8 17 8 a) Paraabelie y x ja y x + x + 1 leikkauspisteet saadaa määritettyä, ku esi ratkaistaa yhtälö x x + x + 1, eli x x, joka o yhtäpitävä yhtälö x x. Toise astee yhtälö ratkaisukaavalla saadaa

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat: Mat-2.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Diskeetit jakaumat Jatkuvat jakaumat Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Ketymäfuktio, Mediaai, Negatiivie biomijakauma,

Lisätiedot

MATA172 Sami Yrjänheikki Harjoitus Totta vai Tarua? Lyhyt perustelu tai vastaesimerkki!

MATA172 Sami Yrjänheikki Harjoitus Totta vai Tarua? Lyhyt perustelu tai vastaesimerkki! MATA17 Sami Yrjäheikki Harjoitus 7 1.1.018 Tehtävä 1 Totta vai Tarua? Lyhyt perustelu tai vastaesimerkki! (a) Jokaie jatkuva fuktio f : R R o tasaisesti jatkuva. (b) Jokaie jatkuva fuktio f : [0, 1[ R

Lisätiedot

- menetelmän pitää perustua johonkin standardissa ISO 140-5 esitetyistä menetelmistä

- menetelmän pitää perustua johonkin standardissa ISO 140-5 esitetyistä menetelmistä RAKENNUKSEN ULKOVAIPAN ÄÄNENERISTYSTÄ KOSKEVAN ASEMAKAAVAMÄÄRÄYKSEN TOTEUTUMISEN VALVONTA MITTAUKSIN Mikko Kylliäie, Valtteri Hogisto 2 Isiööritoimisto Heikki Helimäki Oy Piikatu 58 A, 3300 Tampere mikko.kylliaie@helimaki.fi

Lisätiedot

2 avulla. Derivaatta on nolla, kun. g( 3) = ( 3) 2 ( 3) 5 ( 3) + 6 ( 3) = 72 > 0. x =

2 avulla. Derivaatta on nolla, kun. g( 3) = ( 3) 2 ( 3) 5 ( 3) + 6 ( 3) = 72 > 0. x = TAMMI PYRAMIDI NUMEERISIA JA ALGEBRALLISIA MENETELMIÄ PARITTOMAT RATKAISUT 7 Tiedosto vai hekilökohtaisee käyttöö. Kaikelaie sisällö kopioiti kielletty. a) g( ) = 5 + 6 Koska g o eljäe astee polyomi, ii

Lisätiedot

Diskreetin Matematiikan Paja Ratkaisuja viikolle 4. ( ) Jeremias Berg. n(n + 1) 2. k =

Diskreetin Matematiikan Paja Ratkaisuja viikolle 4. ( ) Jeremias Berg. n(n + 1) 2. k = Diskreeti Matematiika Paja Ratkaisuja viikolle 4. (7.4-8.4) Jeremias Berg. Osoita iduktiolla että k = ( + ) Ratkaisu: Kute kaikissa iduktiotodistuksissa meidä täytyy siis osoittaa asiaa. Ns. perustapaus,

Lisätiedot

SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi

SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi SMG-400 Sähkömageettiste järjestelmie lämmösiirto Ehdotukset harjoitukse 6 ratkaisuiksi Tarkastellaa suljetu järjestelmä tehotasaaioa joka o P + P P = P i g out st Oletetaa että verkotetussa alueessa jossa

Lisätiedot

SYMBOLIVIRHETODENNÄKÖISYYDESTÄ BITTIVIRHETODENNÄKÖISYYTEEN

SYMBOLIVIRHETODENNÄKÖISYYDESTÄ BITTIVIRHETODENNÄKÖISYYTEEN SYMBOLIVIRHETODENNÄKÖISYYDESTÄ BITTIVIRHETODENNÄKÖISYYTEEN Miten modulaation P S P B? 536A Tietoliienneteniia II Osa 4 Kari Käräinen Sysy 05 SEP VS. BEP D-SIGNAALIAVARUUDESSA Kullein modulaatiolle johdetaan

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.

HY, 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

Lisätiedot

811312A Tietorakenteet ja algoritmit, , Harjoitus 4, Ratkaisu

811312A Tietorakenteet ja algoritmit, , Harjoitus 4, Ratkaisu 81112A Tietoraketeet ja algoritmit, 217-218, Harjoitus 4, Ratkaisu Harjoitukse aiheita ovat algoritmie aikakompleksisuus ja lajittelualgoritmit Tehtävä 4.1 Selvitä seuraavie rekursioyhtälöide ratkaisuje

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todeäköisyyslaskea ja tilastotietee peruskurssi 4A Satuaisotata ja parametrie estimoiti Lasse Leskelä Matematiika ja systeemiaalyysi laitos Perustieteide korkeakoulu Aalto-yliopisto Syksy 2016,

Lisätiedot

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x)

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x) BM20A580 Differetiaalilasketa ja sovellukset Harjoitus 3, Syksy 206. Laske seuraavat itegraalit si(4t + )dt (b) x(x 2 + 00) 000 dx (c) x exp(ix )dx 2. Mitä o y, ku (x ) 2 + y 2 = 2 2, etäpä y? Vastaukset

Lisätiedot

5. Lineaarisen optimoinnin perusprobleemat

5. Lineaarisen optimoinnin perusprobleemat 2 5. Lieaarise optimoii perusprobleemat Optimoitiprobleema o lieaarise optimoii tehtävä, jos kohdefuktio o lieaarie fuktio ja rajoitusehdot ovat lieaarisia yhtälöitä tai lieaarisia epäyhtälöitä. Yleisessä

Lisätiedot

Insinöörimatematiikka IA

Insinöörimatematiikka IA Isiöörimatematiikka IA Harjoitustehtäviä. Selvitä oko propositio ( p q r ( p q r kotradiktio. Ratkaisu: Kirjoitetaa totuustaulukko: p q r ( p q r p q r ( p q r ( p q r 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Lisätiedot

Sormenjälkimenetelmät

Sormenjälkimenetelmät Sormejälkimeetelmät Matti Risteli mristeli@iksula.hut.fi Semiaariesitelmä 23.4.2008 T-106.5800 Satuaisalgoritmit Tietotekiika laitos Tekillie korkeakoulu Tiivistelmä Sormejälkimeetelmät ovat satuaisuutta

Lisätiedot

HEIJASTUMINEN JA TAITTUMINEN

HEIJASTUMINEN JA TAITTUMINEN S-08-0 OPTIIKKA /6 HEIJASTUMINEN JA TAITTUMINEN Laboratoriotyö S-08-0 OPTIIKKA /6 Sisällysluettelo Teoria... 3 Työ suoritus... 4. Kokoaisheijastus... 4. Brewsteri kulma... 5 3 Mittauspöytäkirja... 6 S-08-0

Lisätiedot

ja läpäisyaika lasketaan (esim) integraalilla (5.3.1), missä nyt reitti s on z-akselilla:

ja läpäisyaika lasketaan (esim) integraalilla (5.3.1), missä nyt reitti s on z-akselilla: 10 a) Valo opeus levyssä o vakio v 0 = c / 0, jote ajaksi matkalla L laskemme L t0 = = 0 L. v0 c b) Valo opeus levyssä riippuu z:sta: c c v ( z) = = ( z ) 0 (1 + 3az 3 ) ja läpäisyaika lasketaa (esim)

Lisätiedot

1 Eksponenttifunktion määritelmä

1 Eksponenttifunktion määritelmä Ekspoettifuktio määritelmä Selvitimme aikaisemmi tällä kurssilla, millaie potessisarja säilyy derivoiissa muuttumattomaa. Se perusteella määritellää: Määritelmä. Ekspoettifuktio exp : R R määritellää lausekkeella

Lisätiedot

Otantajakauman käyttö päättelyssä

Otantajakauman käyttö päättelyssä Keskiarvo otatajakauma Toisistaa tietämättä kaksi tutkijaa tutkii samaa ilmiötä, jossa perusjoukko koostuu kuudesta tutkittavasta ja tarkoituksea o laskea keskiarvo A: Kokoaistutkimus B: Otatatutkimus

Lisätiedot

dx = d dψ dx ) + eikx (ik du u + 2ike e ikx u i ike ikx u + e udx

dx = d dψ dx ) + eikx (ik du u + 2ike e ikx u i ike ikx u + e udx 763333A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 5 Kevät 2014 1. Tehtävä: Johda luetomateriaali kaavat d 2 u i k du 2 m + Uxu = E k 2 u p = k + u x i d ux. Ratkaisu: Oletetaa, että ψx = e ikx ux, missä ux +

Lisätiedot

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja. MATEMATIIKAN JA TILASTOTIETEEN LAITOS Aalyysi I Harjoitus 5. 0. 2009 alkavalle viikolle Ratkaisuehdotuksia ( sivua) (Rami Luisto) Laskuharjoituksista saa pistettä, jos laskettu vähitää 50 tehtävää; 3 pistettä,

Lisätiedot

811312A Tietorakenteet ja algoritmit II Algoritmien analyysi

811312A Tietorakenteet ja algoritmit II Algoritmien analyysi 811312A Tietoraketeet ja algoritmit 2016-2017 II Algoritmie aalyysi Sisältö 1. Algoritmie oikeellisuus 2. Algoritmie suorituskyvy aalyysi 3. Master Theorem 811312A TRA, Algoritmie aalyysi 2 II.1. Algoritmie

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Melli Tilastolliset meetelmät Osa : Otokset, otosjakaumat ja estimoiti Otokset ja otosjakaumat TKK (c) Ilkka Melli (007) 1 Otokset ja otosjakaumat >> Satuaisotata ja satuaisotokset Otostuusluvut

Lisätiedot

Suodatus ja näytteistys, kertaus

Suodatus ja näytteistys, kertaus ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 6: Kantataajuusvastaanotin AWGN-kanavassa II: Signaaliavaruuden vastaanotin a Olav Tirkkonen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos a [10.6.3-10.6.6;

Lisätiedot

Äärettämän sarjan (tai vain sarjan) sanotaan suppenevan eli konvergoivan, jos raja-arvo lims

Äärettämän sarjan (tai vain sarjan) sanotaan suppenevan eli konvergoivan, jos raja-arvo lims 75 4 POTENSSISARJOJA 4.1 ÄÄRETTÖMÄT SARJAT Lukujoo { a k } summaa S a a a a a k 0 1 k k0 saotaa äärettömäksi sarjaksi. Summa o s. osasumma. S a a a a a k 0 1 k0 Äärettämä sarja (tai vai sarja) saotaa suppeeva

Lisätiedot

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (004) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo otosjakauma Otosvariassi otosjakauma

Lisätiedot

Määritä seuraavien suodattimien impulssivasteet ja tutki, ovatko ne kausaaleja:

Määritä seuraavien suodattimien impulssivasteet ja tutki, ovatko ne kausaaleja: TL56, Näytejoosysteemit (K5). Kausaali suodati käyttää laskeassaa vai ykyisiä ja aiempia ajaetkiä (= pieemmillä ideksiarvoilla) mitattuja tai laskettuja sigaaliarvoja, jotka suodati lukee muistista. Kausaalisuus

Lisätiedot

TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET. Kokooma 23.1.2008. Viimeisin perustemuutos on vahvistettu 3.2.1998.

TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET. Kokooma 23.1.2008. Viimeisin perustemuutos on vahvistettu 3.2.1998. TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET Kokooma 23.1.2008. Viimeisi perustemuutos o vahvistettu 3.2.1998. TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET Sisällysluettelo

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiika tukikurssi Kertauslueto. välikokeesee Algebraa Tämäkertaie kurssimoiste sisältää rusaasti harjoitustehtäviä. Syyä tähä o se, että matematiikkaa oppii parhaite itse tekemällä ja laskemalla.

Lisätiedot

3.2 Polynomifunktion kulku. Lokaaliset ääriarvot

3.2 Polynomifunktion kulku. Lokaaliset ääriarvot 3. Polyomifuktio kulku. Lokaaliset ääriarvot Tähäastiste opitoje perusteella osataa piirtää esiasteise polyomifuktio kuvaaja, suora, ku se yhtälö o aettu. Osataa myös pääpiirtei hahmotella toise astee

Lisätiedot

JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI

JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI 1 JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI Miten tiedonsiirrossa tarvittavat perusresurssit (teho & kaista) riippuvat toisistaan? SHANNONIN 2. TEOREEMA = KANAVAKOODAUS 2 Shannonin 2. teoreema

Lisätiedot

Tarkastellaan ympyräsylinterin käyttäytymistä eri muotoisilla tukipinnoilla. Oletetaan sylinterin vierintävastus merkityksettömäksi.

Tarkastellaan ympyräsylinterin käyttäytymistä eri muotoisilla tukipinnoilla. Oletetaan sylinterin vierintävastus merkityksettömäksi. NURJAHDUS ERUSKÄSITTEITÄ Katava raketee mitoitusperusteet ovat ujuus jäitykset eivät ylitä iille sallittuja arvoja Jäykkyys siirtymät ja muodomuutokset pysyvät ealta määrätyissä rajoissa Stabiilius raketee

Lisätiedot

4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on

4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on 4 4 KORKEAAN KERTAUVUN INEAARISET DIFFERENTIAAIYHTÄÖT Kertalukua olevassa differetiaalihtälössä F(x,,,, () ) = 0 esiit :e kertaluvu derivaatta () = d /dx ja mahdollisesti alempia derivaattoja, :tä ja x:ää.

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

MS-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

Lisätiedot

K = Q C W = T C T H T C. c = 1 dq. f) Isokoorinen prosessi: prosessi joka suoritetaan vakiotilavuudessa

K = Q C W = T C T H T C. c = 1 dq. f) Isokoorinen prosessi: prosessi joka suoritetaan vakiotilavuudessa Sallitut apuvälineet: kijoitusvälineet ja gaafinen laskin. Muun oman mateiaalin tuominen ei sallittu. Tämä on fysiikan kussi, joten desimaalilleen oikeaa numeeista vastausta täkeämpää on että osoitat ymmätäneesi

Lisätiedot

j = I A = 108 A m 2. (1) u kg m m 3, (2) v =

j = I A = 108 A m 2. (1) u kg m m 3, (2) v = 764A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 6 Kevät 28. Tehtävä: Aiemmi olemme laskeeet kupari johtavuuselektroie tiheydeksi 8.5 28 m. Kuparijohdossa, joka poikkipita-ala o mm 2, kulkee A: virta. Arvioi Drude

Lisätiedot

Kun vuoden alussa varastossa oli 100 karaattia ja Antwerpenin ostot oheisen kuvan

Kun vuoden alussa varastossa oli 100 karaattia ja Antwerpenin ostot oheisen kuvan Optimoitimeetelmät Kirjallisuutta: Rardi Roald R.: Optimizatio i Operatios Research, 998 Wisto Waye L.: Operatios Research. Applicatios ad Algorithms, 3rd editio, 994. Matemaattie mallius ja ogelmie ratkaisu

Lisätiedot

Helsinki University of Technology Laboratory of Telecommunications Technology

Helsinki University of Technology Laboratory of Telecommunications Technology Helsii Uiversity of Techology Laboratory of Telecommuicatios Techology S-38. Sigaaliäsittely tietoliieteessä I Sigal Processig i Commuicatios ( ov) Sysy 998 9. Lueto: Kaava apasiteetti ja ODM prof. Timo

Lisätiedot

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla. Kombiatoriikka, kesä 2010 Harjoitus 2 Ratkaisuehdotuksia (RT) (5 sivua) Käytä tehtävissä 1-3 kombiatorista päättelyä. 1. Osoita, että kaikilla 0 b a pätee ( ) a a ( ) k 1 b b 1 kb Biomikertoime määritelmä

Lisätiedot

Teoria. Tilastotietojen keruu

Teoria. Tilastotietojen keruu S-38.348 Tietoverkkoje simuloiti / Tuloste keruu ja aalyysi Teoria Johdato simuloitii Simuloii kulku -- prosessi realisaatioide tuottamie Satuaismuuttuja arvota aetusta jakaumasta Tuloste keruu ja aalyysi

Lisätiedot

15 MEKAANISET AALLOT (Mechanical Waves)

15 MEKAANISET AALLOT (Mechanical Waves) 3 15 MEKAANISET AALLOT (Mechaical Waves) Luoto o täyä aaltoja. Aaltoliikettä voi sytyä systeemeissä, jotka poikkeutettua tasapaiotilastaa pyrkivät palaamaa siihe takaisi. Aalto eteee, ku poikkeama (häiriö)

Lisätiedot

tilavuudessa dr dk hetkellä t olevien elektronien

tilavuudessa dr dk hetkellä t olevien elektronien Semiklassie johtavuusmalli Metalleissa vastus aiheutuu virrakuljettajie törmäyksistä, joita karakterisoi relaksaatioaika τ Oletetaa, että ifiitesimaalisella aikavälillä dt elektroi törmäystodeäköisyys

Lisätiedot

KULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN

KULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN KULMMODULOITUJEN SIGNLIEN SPEKTRIN LSKEMINEN 1 (3) (3) Spekri laskeie siisaoalle Kulaoduloidu sigaali spekri johaie o yöläsä epälieaarisuudesa johue (epälieaarise aalyysi ova yleesä hakalia). Se voidaa

Lisätiedot

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

MATP153 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

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Melli Tilastolliset meetelmät Osa 2: Otokset, otosjakaumat ja estimoiti Estimoitimeetelmät TKK (c) Ilkka Melli (2007) Estimoitimeetelmät >> Todeäköisyysjakaumie parametrie estimoiti Suurimma uskottavuude

Lisätiedot

10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen.

10 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).

Lisätiedot

N:o 294 2641. Liite 1. Staattisen magneettikentän (0 Hz) vuontiheyden suositusarvo.

N:o 294 2641. Liite 1. Staattisen magneettikentän (0 Hz) vuontiheyden suositusarvo. N:o 94 641 Liite 1. Staattise mageettiketä (0 Hz) vuotiheyde suositusarvo. Altistumie Koko keho (jatkuva) Mageettivuo tiheys 40 mt Tauluko selityksiä Suositusarvoa pieemmätki mageettivuo tiheydet saattavat

Lisätiedot

Tehtävä 1. Etsi Neperin luvulle e vaihtoehtoisia esitysmuotoja joko suppenevia lukujonoja tai päättymättömiä summia eli sarjamuotoja.

Tehtävä 1. Etsi Neperin luvulle e vaihtoehtoisia esitysmuotoja joko suppenevia lukujonoja tai päättymättömiä summia eli sarjamuotoja. POHDIN rojekti Jatkuva korko ja e Eksoettifuktioille voidaa johtaa omiaisuus f ( x) f (0) f( x). Riittää ku oletetaa, että f (0) o olemassa. Nyt eksoettifuktioide f( x) 2 x ja gx ( ) 3 x välistä yritää

Lisätiedot

3 x < < 3 x < < x < < x < 9 2.

3 x < < 3 x < < x < < x < 9 2. Matematiika johdatokurssi Kertaustehtävie ratkaisuja 1. Ratkaise epäyhtälöt: a) 3 x < 3, b) 5x + 1. Ratkaisu. a) Ratkaistaa epäyhtälö poistamalla esi itseisarvot: 3 x < 3 3 < 3 x < 3 9 < x < 3 3 < x

Lisätiedot

Inversio-ongelmien laskennallinen peruskurssi Luento 11 12

Inversio-ongelmien laskennallinen peruskurssi Luento 11 12 Iversio-ogelmie laskeallie eruskurssi Lueto 11 12 Kevät 2011 1 Lieaarie tilastollie iversio-ogelma Tarkastellaa lieaarista ogelmaa Y = AX + E, missä Y R m, X R ja E R m ovat satuaismuuttujia ja A R m o

Lisätiedot

Helsinki University of Technology

Helsinki University of Technology Helsiki Uiversity of Tecology Laboratory of Telecommuicatios Tecology S-38. Sigaalikäsittely tietoliiketeessä I Sigal Processig i Commuicatios ( ov) Syksy 997 4. Lueto: Kaavakorjaimet I prof. Timo Laakso

Lisätiedot

811312A Tietorakenteet ja algoritmit , Harjoitus 1 ratkaisu

811312A Tietorakenteet ja algoritmit , Harjoitus 1 ratkaisu 83A Tietoraketeet ja algoritmit 06-07, Harjoitus ratkaisu Harjoitukse aiheea o algoritmie oikeellisuus. Tehtävä. Kahvipurkkiogelma. Kahvipurkissa P o valkoisia ja mustia kahvipapuja, yhteesä vähitää kaksi

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Ssteemiaalsi laboratorio Mat-2.9 Sovellettu todeäköisslasku A Nordlud Harjoitus 6 (vko 43/23) (Aihe: sekamalli, hteisjakaumia, Laiie luvut 6. 6.3, 8. 8.9). Tässä o edellise viiko laskareissa luvattu

Lisätiedot

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua) Algebra I Matematiika ja tilastotietee laitos Ratkaisuehdotuksia harjoituksii 5 (6 sivua) 14.2. 17.2.2011 1. Määritellää kuvaus f : S 3 S 3, f(α) = (123) α. Osoita, että f o bijektio. Mikä o se kääteiskuvaukse

Lisätiedot

Matematiikan tukikurssi. Kertausta 1. välikokeeseen. Tehtävät

Matematiikan tukikurssi. Kertausta 1. välikokeeseen. Tehtävät Matematiika tukikurssi Kertausta. välikokeesee Tehtävät Algebraa Tämä kappale sisältää rusaasti harjoitustehtäviä. Suurimpaa osaa tehtävistä löytyy ratkaisut lopusta. Syyä rusaasee tehtävämäärää o, että

Lisätiedot

Kompleksilukujen alkeet

Kompleksilukujen alkeet Kompleksilukuje alkeet Samuli Reuae Soja Kouva Kuva 1: Abraham De Moivre (1667-175) Sisältö 1 Kompleksiluvut ja kompleksitaso 1.1 Yhtee- ja väheyslasku...................... 1. Kertolasku ja z = x + yi

Lisätiedot

Vinkkejä Gaussin lain käyttöön laskettaessa sähkökenttiä

Vinkkejä Gaussin lain käyttöön laskettaessa sähkökenttiä Vinkkejä Gaussin lain käyttöön laskettaessa sähkökenttiä Kun yhdistetään kahdella tavalla esitetty sähkökentän vuo, saadaan Gaussin laki: S d S Q sis Gaussin laki peustuu siihen, että suljetun pinnan läpi

Lisätiedot

Lasketaan kullekin a euron maksuerälle erikseen, kuinka suureksi erä on n vuodessa kasvanut:

Lasketaan kullekin a euron maksuerälle erikseen, kuinka suureksi erä on n vuodessa kasvanut: Varsi arkiäiväisiä, geometrise joo teoriaa liittyviä käytäö sovellutuksia ovat jaksottaisii maksuihi ja kuoletuslaiaa (auiteettilaiaa) liittyvät robleemat. Tällaisii joutuu lähes jokaie yhteiskutakeloie

Lisätiedot

Klassisen fysiikan ja kvanttimekaniikan yhteys

Klassisen fysiikan ja kvanttimekaniikan yhteys Klassise fysiika ja kvattimekaiika yhteys Scrödigeri yhtälö ei statioäärisistä tiloista muodostuvie aaltopakettie aikakäyttäytymie oudattaa Newtoi lakeja. Newtoi mekaiikka voidaa johtaa Schrödigeri yhtälöstä.

Lisätiedot

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A Tilastollie päättömyys, kevät 07 Harjoitus 6A Heikki Korpela 8. helmikuuta 07 Tehtävä. Moistee teht. 5.. Olkoo Y,..., Y riippumato otos ekspoettiperhee jakaumasta, joka ptf/tf o muotoa fy i ; θ cθhye φθtyi

Lisätiedot

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

HY, 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

Lisätiedot

3 b) Määritä paljonko on cos. Ilmoita tarkka arvo ja perustele vastauksesi! c) Muunna asteiksi 2,5 radiaania. 6p

3 b) Määritä paljonko on cos. Ilmoita tarkka arvo ja perustele vastauksesi! c) Muunna asteiksi 2,5 radiaania. 6p MAA9 Koe.5.0 Jussi Tyi Tee koseptii pisteytysruudukko! Muista kirjata imesi ja ryhmäsi. Valitse kuusi tehtävää!. a) Ratkaise yhtälö si x. Ilmoita vastaus radiaaeia! b) Määritä paljoko o cos. Ilmoita tarkka

Lisätiedot

2.3.1. Aritmeettinen jono

2.3.1. Aritmeettinen jono .3.1. Aritmeettie joo -joo, jossa seuraava termi saadaa edellisestä lisäämällä sama luku a, a + d, a+d, a +3d, Aritmeettisessa joossa kahde peräkkäise termi erotus o aia vakio: Siis a +1 a d (vakio Joo

Lisätiedot

2 u = 0. j=1. x 2 j=1. Siis funktio v saavuttaa suurimman arvonsa jossakin alueen Ω pisteessä x. Pisteessä x = x on 2 v. (x ) 0.

2 u = 0. j=1. x 2 j=1. Siis funktio v saavuttaa suurimman arvonsa jossakin alueen Ω pisteessä x. Pisteessä x = x on 2 v. (x ) 0. 0. Maksimiperiaate Laplace-yhtälölle 0.. Maksimiperiaate. Alueessa Ω R määritelty kaksi kertaa erivoituva fuktio u o harmoie, jos u = j= = 0. 2 u x 2 j Lause 0.. Olkoot Ω R rajoitettu alue ja u C(Ω) C

Lisätiedot

1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1

1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1 Epäyhtälötehtävie ratkaisuja. osa, ks. Solmu 2/200. Kahde positiivise luvu harmoie, geometrie, aritmeettie ja kotraharmoie keskiarvo määritellää yhtälöillä H = 2 +, G = uv, A = u + v 2 u v ja C = u2 +

Lisätiedot

Esimerkki 2 (Kaupparatsuongelma eli TSP)

Esimerkki 2 (Kaupparatsuongelma eli TSP) 10 Esimerkki 2 (Kaupparatsuogelma eli TSP) Kauppamatkustaja o kierrettävä kaupukia site, että hä lähtee kaupugista 1 ja palaa sie sekä käy jokaisessa muussa kaupugissa täsmällee kerra. Matka kaupugista

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mitä tilastotiede o? Mat-.04 Tilastollise aalyysi perusteet, kevät 007. lueto: Johdato Tilastotiede kehittää ja soveltaa meetelmiä: reaalimaailma ilmiöistä johtopäätökset ilmiöitä kuvaavie tietoje perusteella

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Melli (4) Satuaismuuttujie muuokset ja iide jakaumat Satuaismuuttujie muuoste jakaumat Kaksiulotteiste satuaismuuttujie muuoste jakaumat Riippumattomie satuaismuuttujie summa jakauma Riippumattomie

Lisätiedot

TILASTOT: johdantoa ja käsitteitä

TILASTOT: johdantoa ja käsitteitä TILASTOT: johdatoa ja käsitteitä TOD.NÄK JA TILASTOT, MAA10 Tilastotietee tehtävää o esittää ja tulkita tutkimuskohteesee liittyvää havaitoaieistoa eli tilastoaieistoa. Tutkitaa valittua joukkoa ja se

Lisätiedot

Sisältö. Kvantitatiivinen metodologia verkossa. Monitasomallintaminen. Monitasomallit. Regressiomalli dummy-muuttujilla.

Sisältö. Kvantitatiivinen metodologia verkossa. Monitasomallintaminen. Monitasomallit. Regressiomalli dummy-muuttujilla. Kvatitatiivie metodologia verkossa Moitasomallius Pekka Ratae Helsigi yliopisto isältö Moitasomallit Matemaattisia peruskäsitteitä Esimerkki kovariassista Otatavirhe Esimerkki elittävie muuttujie lisäämie

Lisätiedot

A B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df)

A B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df) ELEC-A7 Signaalit ja järjestelmät Syksy 5 Tehtävä 3. a) Suoran tapauksessa ratkaistaan kaksi tuntematonta termiä, A ja B, joten tarvitaan kaksi pistettä, jotka ovat pisteet t = ja t =.. Saadaan yhtälöpari

Lisätiedot

Luento 6 Luotettavuus Koherentit järjestelmät

Luento 6 Luotettavuus Koherentit järjestelmät Lueto 6 Luotettavuus Koheretit järjestelmät Ja-Erik Holmberg Systeemiaalyysi laboratorio PL 00, 00076 Aalto ja-erik.holmberg@riskpilot.fi ja-erik.holmberg@aalto.fi Määritelmä Tarkasteltava yksikö luotettavuus

Lisätiedot

Ehdollinen todennäköisyys

Ehdollinen todennäköisyys Ehdollie todeäköisyys Kerrataa muutama todeäköisyyslaskea laskusäätö. Tapahtuma E komplemettitapahtuma E o "E ei tapahdu". Koska todeäköisyyksie summa o 1, P ( E = 1 P (E. Joskus o helpompi laskea komplemettitapahtuma

Lisätiedot

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

MATEMATIIKAN JA TILASTOTIETEEN LAITOS f ( ) JYVÄSKYLÄN YLIOPISTO Harjoituste 3 ratkaisut MATEMATIIKAN JA TILASTOTIETEEN LAITOS Topologiset vektoriavaruudet 3.1. Jokaie kompakti joukko K R määrää fuktioavaruudessa E = C(R ) = {f : R R f o jatkuva}

Lisätiedot

Ryhmän osajoukon generoima aliryhmä ja vapaat ryhmät

Ryhmän osajoukon generoima aliryhmä ja vapaat ryhmät Ryhmä osajouko geeroima aliryhmä ja vapaat ryhmät LuK-tutkielma Joose Heioe Matemaattiste tieteide tutkito-ohjelma Oulu yliopisto Kevät 2017 Sisältö Johdato 2 1 Ryhmät ja aliryhmät 2 1.1 Ryhmä.................................

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiika tukikurssi Kurssikerta 1 Iduktiotodistus Iduktiotodistukse logiikka Tutkitaa tapausta, jossa haluamme todistaa joki väittee P() site, että se pätee kaikilla luoollisissa luvuilla. Eli halutaa

Lisätiedot

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (005) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo ja otosvariassi otosjakaumat

Lisätiedot