4. A priori menetelmät
|
|
- Marjatta Salo
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 4. A pror menetelmät 4. Arvofunkto-menetelmä 4.2 Lekskografnen järjestämnen 4.3 Tavoteohjelmont Tom Bäckström Optmontopn semnaar - Kevät 2000 / 4. Arvofunkto-menetelmä Päätöksentekjä antaa eksplsttsen matemaattsen lausekkeen arvofunktolle U: R k R max U ( f ( x)) x s. e. x S Saatua funktota vodaan suoraan optmoda Optmontopn semnaar - Kevät 2000 / 2
2 4. Arvofunkto-menetelmä (jatk.) Optmontopn semnaar - Kevät 2000 / 3 Arvofunktot: Päätelmä Optmaalnen mkäl päätöksentekjä osaa muodostaa arvofunktonsa. Käytännössä mahdollsta van jos käypen psteden joukko on dskreett Ongelma: Mten muodostetaan arvofunkto? Optmontopn semnaar - Kevät 2000 / 4 2
3 4.2 Lekskografnen järjestämnen Päätöksentekjä järjestää kohdefunktot tärkeysjärjestykseen Kohdefunktota optmodaan yks kerrallaan tärkeysjärjerjestyksessä kunnes löydetään ykskästtenen optm. lex mn f( x), f2( x),..., f s. e. x S. n ( x) Optmontopn semnaar - Kevät 2000 / Lekskografnen järjestämnen (jatkoa) Optmontopn semnaar - Kevät 2000 / 6 3
4 4.2 Lekskografnen järjestämnen (jatkoa) Tärken kohdefunkto on äärettömän paljon tärkeämp kun muut kohdefunktot. Suurkaan parannus vähemmän tärkeässä krteerssä e vakuta tärkeämpen krteeren optmontn. Vodaan osottaa että menetelmän toteuttama arvofunkto on epäjatkuva. Optmontopn semnaar - Kevät 2000 / Lekskografnen järjestämnen (jatkoa) Teoreema. Lekskografsen ongelman ratkasu on Pareto-optmaalnen. Tod. perustuu vastaväteeseen: On olemassa pste joka on vähntään yhtä hyvä kaklla ja paremp anakn yhdellä kohdefunktolla kun x *. * x S sten että f ( x ) f ( x ), =,..., k mn x p f ( x) = * f ( x ) p f ( x p ) = * f ( x ) Optmontopn semnaar - Kevät 2000 / 8 4
5 4.2 Lekskografnen järjestämnen Muunnelma Vodaan aproksmoda panotetulla summalla jossa panot ovat er suuruusluokkaa. mn x w f ( x) s.e. x S, w >> w2 >> w3 >>... Tehtävä palautuu lnearseks optmonttehtäväks Optmontopn semnaar - Kevät 2000 / Lekskografnen järjestämnen Muunnelma (jatkoa) Jo optmotuja funktota vodaan ptää yhtälörajotuksna: Kompromssen akaansaamseks vodaan e.o. yhtälölle määrtellä huononnuskrteerejä jolla rajotuksa kevennetään. Iteraato 2 f2 x : mn ( x) s.e. f * ( ) f ( ) x = x, x S Optmontopn semnaar - Kevät 2000 / 0 5
6 4.3 Tavoteohjelmont Päätöksentekjä antaa (optmstsen) tavotetason z jokaselle kohdefunktolle f. Idea: Mnmodaan jokasen funkton pokkeamaa tavotetasostaan. k mn w f ( x) z s.e. = x S Optmontopn semnaar - Kevät 2000 / 4.3 Tavoteohjelmont (jatkoa) Optmontopn semnaar - Kevät 2000 / 2 6
7 4.3 Tavoteohjelmont (jatkoa) Tavoteet ovat muotoa f (x) z mnmonttehtävälle, vastaavast f (x) z maksmonttehtävälle. Mnmodaan pokkeamaa δ tavotetasosta. + δ ( ) = z f x, δ = δ δ, + f ( x) + δ δ = z Ylestetty tavoteohjelmont Optmontopn semnaar - Kevät 2000 / Tavoteohjelmont (jatkoa) Ylenen panotettu tavoteohjelmont-muoto: mn + + ( w + w ) δ δ + s.e. f ( x) + δ δ = z, + δ, δ 0, x S Optmontopn semnaar - Kevät 2000 / 4 7
8 4.3 Tavoteohjelmont (jatkoa) Jos kakk tavotteet ovat muotoa f (x) z, nn saadaan: mn s. e. k = + x S + + f ( x) δ ω δ + z, =,..., k δ 0, =,..., k Optmontopn semnaar - Kevät 2000 / Tavoteohjelmont (jatkoa) Edellä käytettn L -metrkkaa, mutta mkään e estä käyttämästä jotan muuta L p - metrkkaa. Ongelma: Mten valta metrkka? Optmontopn semnaar - Kevät 2000 / 6 8
9 4.3 Tavoteohjelmont (jatkoa) Teoreema 2. Tavoteohjelmontongelman ratkasu on Pareto-optmaalnen jos joko tavotepste on Pareto-optmaalnen, ta kakk pokkeamat tavotearvosta ovat enegatvsa. Optmontopn semnaar - Kevät 2000 / Tavoteohjelmont (jatkoa) Optmontopn semnaar - Kevät 2000 / 8 9
10 Mn-max tavoteohjelmont Muodostetaan tehtävä muotoa mn s.e. + max δ =,..., k ( ) + f x δ z =,.., k x S Optmontopn semnaar - Kevät 2000 / 9 Lekskografnen tavoteohjelmont Päätöksentekjä antaa sekä tavotetason että kohdefunktoden tärkeysjärjestyksen. Mnmodaan erotusta tavotetasoon kohdefunktoden tärkeysjärjestyksessä. lex mn w f, w f, w f,... s.e. x S Optmontopn semnaar - Kevät 2000 / 20 0
11 4.3 Tavoteohjelmont (jatkoa) Tonen suosttu tavoteohjelmonnn ja lekskograafsen järjestämsen yhdstelmä: Muodostetaan tärkeysjärjestysluokka joden ssällä ratkastaan tavoteohjelmonttehtävä. Optmontopn semnaar - Kevät 2000 / 2 Yhteenveto Arvofunktomenetelmä on matemaattsest yksnkertanen, mutta arvofunkton valnta vo olla hankalaa. Lekskografnen järjestämnen on myös yksnkertanen, mutta e anna mahdollsuuksa kompromssehn. Tavoteohjelmont on päätöksentekjälle helpomp, mutta panojen ja metrkan valnta on ongelma. Optmontopn semnaar - Kevät 2000 / 22
12 Kottehtävä - Asunnon valnta Tehtävänä on valta asunto taulukon tetojen perusteella. Lauttasaar Munkknem Soukka Leppävaara Huoneta Nelötä Nelöhnta 5 000,00 mk 5 000,00 mk 7 800,00 mk 250,00 mk Kokonashnta ,00 mk ,00 mk ,00 mk ,00 mk Etäsyys Otanemeen (km) Etäsyys Kamppn (km) Oma sauna (=on,0=e) 0 0 Optmontopn semnaar - Kevät 2000 / 23 Kottehtävä (jatkoa) a) Ratkase tehtävä arvofunktomenetelmällä. Käytä omaa arvofunktota. b) Ratkase tehtävä lekskografsella järjestämsellä. Käytä omaa tärkeysjärjestystä. c) Ratkase tehtävä tavoteohjelmonnlla. Valtse omat tavotteet ja panot. Optmontopn semnaar - Kevät 2000 / 24 2
Tchebycheff-menetelmä ja STEM
Tchebycheff-menetelmä ja STEM Optmontopn semnaar - Kevät 2000 / 1 1. Johdanto Tchebycheff- ja STEM-menetelmät ovat vuorovakuttesa menetelmä evät perustu arvofunkton käyttämseen pyrkvät shen, että vahtoehdot
LisätiedotPainokerroin-, epsilon-rajoitusehtoja hybridimenetelmät
Panokerron-, epslon-rajotusehtoja hybrdmenetelmät Optmontopn semnaar - Kevät 000 / Estelmän ssältö Ylestä jälkkätespreferenssmenetelmstä Panokerronmenetelmä Epslon-rajotusehtomenetelmä Hybrdmenetelmä Esmerkkejä
LisätiedotPainotetun metriikan ja NBI menetelmä
Panotetun metrkan ja NBI menetelmä Optmontopn semnaar - Kevät / 1 Estelmän ssältö Paretopsteden generont panotetussa metrkossa Panotettu L p -metrkka Panotettu L -metrkka el panotettu Tchebycheff -metrkka
LisätiedotTavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä
Tavotteet skaalaavan funkton lähestymstapa el referensspste menetelmä Optmontopn semnaar - Kevät 2000 / 1 Estelmän ssältö Panotetun metrkan ongelmen havatsemnen Referensspste menetelmän dean esttely Referensspste
Lisätiedot1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä
Johdatus dskreettn matematkkaan Harjotus 3, 30.9.2015 1. Luvut 1, 10 on latettu ympyrän kehälle. Osota, että löytyy kolme verekkästä lukua, joden summa on vähntään 17. Ratkasu. Tällasa kolmkkoja on 10
Lisätiedot3 Tilayhtälöiden numeerinen integrointi
3 Tlayhtälöden numeernen ntegront Alkuarvotehtävässä halutaan ratkasta lopputla xt f ) sten, että tlayhtälöt ẋ = fx,u, t) toteutuvat, kun alkutla x 0 on annettu Tlayhtälöden numeernen ntegront vodaan suorttaa
LisätiedotTIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Montavoteoptmont ja teollsten prosessen hallnta Ylassstentt Juss Hakanen juss.hakanen@jyu.f syksy 2010 Interaktvset menetelmät Idea: päätöksentekjää hyödynnetään aktvsest ratkasuprosessn akana
LisätiedotMat Lineaarinen ohjelmointi
Mat-2.340 Lneaarnen ohjelmont 22..2007 Luento 0 Ssäpstemenetelmät ja kokonaslukuoptmont (krja 0.-0.4) Ssäpstemenetelmät luvut 8 ja 9, e tarvtse lukea Lneaarnen ohjelmont - Syksy 2007 / Luentorunko Sananen
LisätiedotMat Lineaarinen ohjelmointi
Mat-2.340 Lneaarnen ohjelmont 3.9.2007 Luento Johdanto (krja.-.4) S ysteemanalyysn Laboratoro eknllnen korkeakoulu Eeva Vlkkumaa Lneaarnen ohjelmont - Syksy 2007 / Luentorunko Hstoraa Lneaarnen optmonttehtävä
LisätiedotMonte Carlo -menetelmä
Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla
LisätiedotTchebycheff-menetelmä ja STEM
Mat-2.142 Optmontopn semnaar K-2000 Montavoteopmont Semnaarestelmän tvstelmä Pentt Säynätjo 22.3.2000 Tchebycheff-menetelmä ja STEM 1. Johdanto Tchebycheff-menetelmä ja STEM ovat vuorovauttesa montavoteoptmontmenetelmä.
LisätiedotEräs Vaikutuskaavioiden ratkaisumenetelmä
Mat-2.142 Optmontopn semnaar, s-99 28.9. 1999 Semnaarestelmän referaatt Joun Ikonen Lähde: Ross D. Schachter: Evaluatng nfluence dagrams, Operatons Research, Vol 34, No 6, 1986 Eräs Vakutuskaavoden ratkasumenetelmä
LisätiedotVERKKOJEN MITOITUKSESTA
J. Vrtamo 38.3141 Telelkenneteora / Verkon mtotus 1 VERKKOJEN MITOITUKSESTA 1. Prkytkentäset verkot Lnkken kapasteetten (johtoja/lnkk) määräämnen sten, että verkon kokonaskustannukset mnmotuvat, kun päästä-päähän
Lisätiedot3.5 Generoivat funktiot ja momentit
3.5. Generovat funktot ja momentt 83 3.5 Generovat funktot ja momentt 3.5.1 Momentt Eräs tapa luonnehta satunnasmuuttujan jakaumaa, on laskea jakauman momentt. Ne määrtellään odotusarvon avulla. Määrtelmä
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematkkaan Informaatoteknologan tedekunta Jyväskylän ylopsto 4. luento 24.11.2017 Neuroverkon opettamnen - gradenttmenetelmä Neuroverkkoa opetetaan syöte-tavote-parella
LisätiedotMat Lineaarinen ohjelmointi
Mat-.4 Lneaarnen ohelmont 8..7 Luento 6 Duaaltehtävä (kra 4.-4.4) S ysteemanalyysn Lneaarnen ohelmont - Syksy 7 / Luentorunko Motvont Duaaltehtävä Duaalteoreemat Hekko duaalsuus Vahva duaalsuus Täydentyvyysehdot
LisätiedotEpätäydelliset sopimukset
Eätäydellset somukset Matt Rantanen 15.4.008 ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 16 Matt Rantanen Otmonton semnaar - Kevät 008 Estelmän ssältö Eätäydellset somukset ja omstusokeus alanén
LisätiedotKokonaislukuoptimointi
Kokonaslukuotmont Robust dskreett otmont ysteemanalyysn Laboratoro Teknllnen korkeakoulu Ar-Pekka Perkkö ovelletun matematkan tutkasemnaar Kevät 28 sältö Robustn lneaarsen kokonasluku- sekä sekalukuotmontongelman
LisätiedotJaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen
Tosakajärjestelmät Luento : Resurssen hallnta ja prorteett Tna Nklander Jaetut resursst Useat tapahtumat jakavat ohjelma-/lattesto-olota, jossa kesknänen possulkemnen on välttämätöntä. Ratkasuja: Ajonakanen
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.
MS-A0205/MS-A0206 Dfferentaal- ja ntegraallaskenta 2 Luento 7: Lagrangen kertojat. Penmmän nelösumman menetelmä. Jarmo Malnen Matematkan ja systeemanalyysn latos 1 Aalto-ylopsto Kevät 2016 1 Perustuu Antt
LisätiedotUuden eläkelaitoslain vaikutus allokaatiovalintaan
TEKNILLINEN KORKEAKOULU Systeemanalyysn laboratoro Mat-2.108 Sovelletun matematkan erkostyö Uuden eläkelatoslan vakutus allokaatovalntaan Tmo Salmnen 58100V Espoo, 14. Toukokuuta 2007 Ssällysluettelo Johdanto...
LisätiedotTaustaa. Sekventiaalinen vaikutuskaavio. Päätöspuista ja vaikutuskaavioista. Esimerkki: Reaktoriongelma. Johdantoa sekventiaalikaavioon
Taustaa Sekventaalnen vakutuskaavo Sekventaalnen päätöskaavo on 1995 ovalun ja Olven esttämä menetelmä päätösongelmen mallntamseen, fomulontn ja atkasemseen. Päätöspuun omnasuukssta Hyvää: Esttää eksplsttsest
LisätiedotMoraalinen uhkapeli: N:n agentin tapaus eli moraalinen uhkapeli tiimeissä
Moraalnen uhkapel: N:n agentn tapaus el moraalnen uhkapel tmessä Mat-2.4142 Optmontopn semnaar Ismo Räsänen 4.3.2008 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 11 - Ismo Räsänen Optmontopn
LisätiedotT p = 0. λ n i T i B = Käytetään kohdan (i) identiteetin todistamiseen induktiotodistusta. : Oletetaan, että väite on totta, kun n = k.
Olkoot A R n n ja T R n n sten, että on olemassa ndeks p N jolle T p = Tällästä matrsa kutsutaa nlpotentks Näytä, että () () () Olkoot Määrtä matrs B n (λi + A) n = (λi + T ) n = B = n mn n,p ( ) n λ n
Lisätiedot1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.
BM20A5800 - Funktot, lneaaralgebra, vektort Tentt, 26.0.206. (a) Krjota yhtälöryhmä x + 2x 3 = a 2x + x 2 + 5x 3 = b x x 2 + x 3 = c matrsmuodossa Ax = b ja ratkase x snä erkostapauksessa kun b = 0. Mllä
LisätiedotMat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut
Harjotus, esmerkkratkasut K 1. Olkoon f : C C, f(z) z z. Tutk, mssä pstessä f on dervotuva. Ratkasu 1. Jotta funkto on dervotuva, on sen erotusosamäärän f(z + ) f(z) raja-arvon 0 oltava olemassa ja ss
LisätiedotHASSEN-WEILIN LAUSE. Kertausta
HASSEN-WEILIN LAUSE Kertausta Käytetään seuraava merkntjä F = F/F q on sukua g oleva funktokunta Z F (t = L F (t (1 t(1 qt on funktokunnan F/F q Z-funkto. α 1, α 2,..., α 2g ovat polynomn L F (t nollakohten
Lisätiedot4. MARKKINOIDEN TASAPAINOTTUMINEN 4.1. Tasapainoperiaate Yritysten ja kuluttajien välinen tasapaino
4. MARKKINOIDEN TASAPAINOTTUMINEN 4.. Tasapanoperaate 4... Yrtysten ja kuluttajen välnen tasapano Näkymätön käs muodostuu kahdesta vakutuksesta: ) Yrtysten voton maksmont johtaa ne tuottamaan ntä hyödykketä,
LisätiedotPuupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:
Puupntasen sandwchkattoelementn lujuuslaskelmat. Ssältö: Sandwch kattoelementn rakenne ja omnasuudet Laatan laskennan kulku Tulosten vertalua FEM-malln ja analyyttsen malln välllä. Elementn rakenne Puupntasa
LisätiedotJaksolliset ja toistuvat suoritukset
Jaksollset ja tostuvat suortukset Korkojakson välen tostuva suortuksa kutsutaan jaksollsks suortuksks. Tarkastelemme tässä myös ylesempä tlanteta jossa samansuurunen talletus tehdään tasavälen mutta e
LisätiedotModerni portfolioteoria
Modern portfoloteora Helsngn Ylopsto Kansantalousteteen Kanddaatntutkelma 4.12.2006 Juho Kostanen (013297143) juho.kostanen@helsnk.f 2 1. Johdanto... 3 2. Sjotusmarkknat... 4 2.1. Osakemarkknat... 4 2.2.
LisätiedotJäykän kappaleen liike
aananta 9.9.014 1/17 Jäykän kappaleen lke Tähän ast tarkasteltu massapstemekankkaa : m, r, v Okeast fyskaalset systeemt ovat äärellsen kokosa, esm. jäykät kappaleet r r j = c j =vako, j elastset kappaleet
LisätiedotHY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.
HY, MTO / Matemaattste tetede kadohjelma Tlastolle päättely II, kevät 208 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I Olkoo Y, Y rppumato otos Pareto jakaumasta, fy; θ θc θ y θ+ { y > c } tuetulla vakolla
LisätiedotYrityksen teoria. Lari Hämäläinen S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu
Yrtyksen teora Lar Hämälänen.1.003 Yrtys Organsaato, joka muuttaa tuotantopanokset tuotteks ja tom tehokkaammn kun sen osat erllään Yrtys tenaa rahaa myynthnnan sekä ostohnnan ja aheutuneden kustannuksen
LisätiedotGalerkin in menetelmä
hum.9.3 Galerkn n menetelmä Galerknn menetelmän soveltamnen e ole rajottunut van ongelmn, jotka vodaan pukea sellaseen varaatomuotoon, joka on seurauksena funktonaaln mnmomsesta, kuten potentaalenergan
LisätiedotEpälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely)
Epälneaarsten penmmän nelösumman tehtäven ratkasemnen numeerslla optmontmenetelmllä valmn työn esttely Lar Pelkola 9.9.014 Ohjaaja/valvoja: Prof. Harr Ehtamo yön saa tallentaa ja julkstaa Aalto-ylopston
LisätiedotRaja-arvot. Osittaisderivaatat.
1 MAT-13440 LAAJA MATEMATIIKKA 4 Tamperee teklle ylopsto Rsto Slveoe Kevät 2010 Luku 3 Raja-arvot Osttasdervaatat 1 Fuktode raja-arvot Tarkastelemme fuktota f : A, jode määrttelyjoukko A T Muuttujat ovat
LisätiedotKokonaislukutehtävien formulointeja ( ) 1.4) Mirko Ruokokoski S ysteemianalyysin. Laboratorio. Mirko Ruokokoski
Kokonaslukuthtävn formulonta (.-.4).4) 23..2008 Sovlltun matmatkan lsnsaattsmnaar Kvät 2008 / Ssälls Kokonaslukuthtävn formulonta Ertsst ärsttt oukot (spcal ordrd sts) Vahva formulont (strong formulaton)
LisätiedotMekaniikan jatkokurssi Fys102
Mekankan jatkokurss Fys102 Syksy 2009 Jukka Maalamp LUENTO 2 Alkuverryttelyä Vääntömomentt Oletus: Vomat tasossa, joka on kohtsuorassa pyörmsaksela vastaan. Oven kääntämseen tarvtaan er suurunen voma
LisätiedotMarkov-prosessit (Jatkuva-aikaiset Markov-ketjut)
J. Vrtamo Lkenneteora a lkenteenhallnta / Markov-prosesst 1 Markov-prosesst (Jatkuva-akaset Markov-ketut) Tarkastellaan (statonaarsa) Markov-prosessea, oden parametravaruus on atkuva (yleensä aka). Srtymät
LisätiedotLIITE 2 SUORAN SOVITTAMINEN HAVAINTOPISTEISIIN
Oulun ylopsto Fyskan opetuslaboratoro Fyskan laboratorotyöt LIITE SUORA SOVITTAMIE HAVAITOPISTEISII Tarkastelemme fyskan tössä usen eteen tulevaa tlannetta, jossa olemme mtanneet kpl pstepareja ( X, Y
LisätiedotLohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4
TKK (c) lkka Melln (005) Koesuunnttelu TKK (c) lkka Melln (005) : Mtä opmme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Mten varanssanalyysssa tutktaan yhden tekän vakutusta vastemuuttujaan, kun
Lisätiedot7. Modulit Modulit ja lineaarikuvaukset.
7. Modult Vektoravaruudet ovat vahdannasa ryhmä, jossa on määrtelty jonkn kunnan skalaartomnta. Hyväksymällä kerronrakenteeks kunnan sjaan rengas saadaan rakenne nmeltä modul. Moduln käste on ss vektoravaruuden
LisätiedotYrityksen teoria ja sopimukset
Yrtyksen teora a sopmukset Mat-2.4142 Optmontopn semnaar Ilkka Leppänen 22.4.2008 Teemoa Yrtyksen teora: tee va osta? -kysymys Yrtys kannustnsysteemnä: ylenen mall Työsuhde vs. urakkasopmus -analyysä Perustuu
Lisätiedot1 2 3 4 5 6 7 8 9 10 2 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 25 26
LisätiedotAutomaattinen 3D - mallinnus kalibroimattomilta kuvasekvensseiltä
Maa-57.270 Fotogrammetran, kuvatulknnan ja kaukokartotuksen semnaar Automaattnen 3D - mallnnus kalbromattomlta kuvasekvensseltä Terh Ahola 2005 Ssällysluettelo 1 Johdanto...2 2 Perusteoraa...2 2.1 Kohteen
LisätiedotNeuroHaku monikerroksisen perceptron-neuroverkon epälineaarinen optimointi
Arja Lavonen NeuroHaku monkerrokssen perceptron-neuroverkon epälneaarnen optmont Tetoteknkan pro gradu -tutkelma Teteellnen laskenta 4. syyskuuta 2005 Jyväskylän ylopsto Tetoteknkan latos Jyväskylä Tekjä:
LisätiedotEsitä koherentin QAM-ilmaisimen lohkokaavio, ja osoita matemaattisesti, että ilmaisimen lähdöstä saadaan kantataajuiset I- ja Q-signaalit ulos.
Sgnaalt ja järjestelmät Laskuharjotukset Svu /9. Ampltudmodulaato (AM) Spektranalysaattorlla mtattn 50 ohmn järjestelmässä ampltudmodulaattorn (AM) lähtöä, jollon havattn 3 mpulssa spektrssä taajuukslla
Lisätiedotd L q i = V = mc 2 q i 1 γ = = p i. = V = γm q i + QA i. ṗ i + Q A i + Q da i t + j + V + Q φ
TTKK/Fyskan latos FYS-1640 Klassnen mekankka syksy 2009 Laskuharjotus 5, 16102009 1 Ertysessä suhteellsuusteorassa Lagrangen funkto vodaan krjottaa muodossa v L = m 2 u t 1! ṙ 2 V (r) Osota, että tämä
LisätiedotKanoniset muunnokset
Kanonset muunnokset Koordnaatstomuunnokset Lagrangen formalsmssa pstemuunnoksa: Q = Q (q, t) nopeudet saadaan nästä dervomalla Kanonnen formalsm: p:t ja q:t samanarvosa 2n-ulottesen faasavaruuden muuttuja
LisätiedotPyörimisliike. Haarto & Karhunen.
Pyörmslke Haarto & Karhunen www.turkuamk.f Pyörmslke Lttyy jäykän kappaleen pyörmseen akselnsa ympär Pyörmsenerga on pyörmsakseln A ympär pyörvän kappaleen osasten lke-energoden summa E r Ek mv mr mr www.turkuamk.f
Lisätiedot1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on
HY MTO / Matemaattste tetede kadohjelma Tlastolle päättely II kevät 019 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I 1 Mostee teht 516 Eräde kuulalaakerede kestoa mljooaa kerrosta o totuttu kuvaamaa Webull-jakaumalla
LisätiedotKansainvälisen konsernin verosuunnittelu ja tuloksenjärjestely
Kansanvälsen konsernn verosuunnttelu ja tuloksenjärjestely Kansantaloustede Pro gradu -tutkelma Talousteteden latos Tampereen ylopsto Toukokuu 2007 Pekka Kleemola TIIVISTELMÄ Tampereen ylopsto Talousteteden
Lisätiedot= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2
HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske
LisätiedotTuotteiden erilaistuminen: hintakilpailu
Tuotteden erlastumnen: hntaklalu Lass Smlä 19.03.003 Otmonton semnaar - Kevät 003 / 1 Johdanto Yrtykset evät yleensä halua tuottaa saman tuoteavaruuden tlan täyttävä tuotteta (syynä Bertrandn aradoks)
LisätiedotCOULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT
COUOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT SISÄTÖ: Coulombn voma Sähkökenttä Coulombn voman a sähkökentän laskemnen pstevaaukslle Jatkuvan vaauksen palottelemnen pstevaauksks
LisätiedotS , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon
S-11435, FYSIIKKA III (ES), Syksy 00, LH 4, Loppuvkko 39 LH4-1* Käyttän Maxwll-Boltzmann-jakauman parttofunktota määrtä a) nrgan nlön kskarvo (E ) skä b) nrgan nlöllnn kskpokkama kskarvosta l nrgan varanss,
LisätiedotMittausvirhe. Mittaustekniikan perusteet / luento 6. Mittausvirhe. Mittausepävarmuus ja siihen liittyvää terminologiaa
Mttausteknkan perusteet / luento 6 Mttausepävarmuus ja shen lttyvää termnologaa Mttausepävarmuus = mttaustulokseen lttyvä parametr, joka kuvaa mttaussuureen arvojen odotettua vahtelua Mttauksn lttyvä kästtetä
LisätiedotTyössä tutustutaan harmonisen mekaanisen värähdysliikkeen ominaisuuksiin seuraavissa
URUN AMMAIKORKEAKOULU YÖOHJE (7) FYSIIKAN LABORAORIO V.2 2.2 38E. MEKAANISEN VÄRÄHELYN UKIMINEN. yön tavote 2. eoraa yössä tutustutaan harmonsen mekaansen värähdyslkkeen omnasuuksn seuraavssa tapauksssa:
Lisätiedotporsche design mobile navigation ß9611
porsche desgn moble navgaton ß9611 [ FIN ] Ssällysluettelo 1 Johdanto ------------------------------------------------------------------------------------------------ 07 1.1 Tästä käskrjasta ---------------------------------------------------------------------------------------------
LisätiedotPalkanlaskennan vuodenvaihdemuistio 2014
Palkanlaskennan vuodenvahdemusto 2014 Pkaohje: Tarkstettavat asat ennen vuoden ensmmästä palkanmaksua Kopo uudet verokortt. Samat arvot kun joulukuussa käytetyssä, lman kumulatvsa tetoja. Mahdollsest muuttuneet
LisätiedotPRS-xPxxx- ja LBB 4428/00 - tehovahvistimet
Vestntäjärjestelmät PRS-xPxxx- ja -tehovahvstmet PRS-xPxxx- ja - tehovahvstmet www.boschsecrty.f 1, 2, 4, ta 8 äänlähtöä (valnta 100 / 70 / 50 V:n lähdöstä) Äänenkästtely ja jokasen vahvstnkanavan vve
LisätiedotBL20A0600 Sähkönsiirtotekniikka
BLA6 Sähkönsrtoteknkka Tehonaon laskenta Jarmo Partanen LT Energy Electrcty Energy Envronment Srtoverkkoen laskenta Verkon tehonaon laskemnen srron hävöt ännteolosuhteet ohtoen kuormttumnen verkon käyttäytymnen
LisätiedotTyön tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt
FYSP103 / 1 KAASUTUTKIMUS Työn tavotteta havannollstaa deaalkaasun tlanyhtälöä oppa, mten lman kosteus vakuttaa havattavn lmöhn ja mttaustuloksn kerrata mttauspöytäkrjan ja työselostuksen laatmsta Luento-
LisätiedotKuorielementti hum
Kuorelementt hum.. ämä estys e kuulu kurssvaatmuksn, vaan se on tarkottu asasta knnostunelle. arkastellaan tässä yhteydessä eaarsta -solmusta AIZ (Ahmad, Irons ja Zenkewcz, 970) kuorelementtä, jonka knematkka
LisätiedotAquaPro 3-10 11-18 19-26 27-34. Bedienungsanleitung Operating instructions Gebruiksaanwijzing Käyttöohje FIN. 046.01.00 Rev.0607
046.01.00 Rev.0607 D GB NL FIN Bedenungsanletung Operatng nstructons Gebruksaanwjzng Käyttöohje 3-10 11-18 19-26 27-34 120 Automaattnen pyörvä laser kallstustomnnolla: Itsetasaus vaakasuorassa tasossa
LisätiedotFYSA220/2 (FYS222/2) VALON POLARISAATIO
FYSA220/2 (FYS222/2) VALON POLARSAATO Työssä tutktaan valoaallon tulotason suuntasen ja stä vastaan kohtsuoran komponentn hejastumsta lasn pnnasta. Havannosta lasketaan Brewstern lan perusteella lasn tatekerron
Lisätiedot4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman
4. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 7..008 Thomas Hackman 4. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus Akasarja-anals 4. Tähtteteellsten
Lisätiedot3. Datan käsittely lyhyt katsaus
3. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento..0 Thomas Hackman HTTPK I, kevät 0, luento 3 3. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus
LisätiedotMatematiikan ja tilastotieteen laitos Johdatus diskreettiin matematiikkaan (Syksy 2008) 4. harjoitus Ratkaisuja (Jussi Martin)
Matematan ja tlastoteteen latos Johdatus dsreettn matemataan (Sysy 28 4. harjotus Ratasuja (Juss Martn 1. Kertomus Hotell Kosmosesta jatuu: Hotellyhtymän johdolta tul määräys laata luettelo asta mahdollssta
Lisätiedot5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman
5. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 7.4.006 Thomas Hackman 5. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus Akasarja-anals 5. Tähtteteellsten
LisätiedotSähkön- ja lämmöntuotannon kustannussimulointi ja herkkyysanalyysi
Sähkön- ja lämmöntuotannon kustannussmulont ja herkkyysanalyys Pekka Nettaanmäk Osmo Schroderus Jyväskylän ylopsto Tetoteknkan latos 2010 1 2 Tvstelmä Raportn tarkotuksena on esttää pelkstetyn matemaattsen
LisätiedotMat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat:
Mat-.36 Tlastollnen päättely 7. harjotukset Mat-.36 Tlastollnen päättely 7. harjotukset / Tehtävät Aheet: Avansanat: ypoteesen testaus. lajn vrhe,. lajn vrhe, arhaton test, ylkäysalue, ylkäysvrhe, ypotees,
LisätiedotSU/Vakuutusmatemaattinen yksikkö (5)
SU/Vakuutusmatemaattnen ykskkö 0..06 (5) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,
LisätiedotSimplex-menetelm. S ysteemianalyysin. 11. luento: Duaali-simplex. 1. vaiheen duaali-simplex. Hinnoittelu. Pivot-rivin laskeminen. Degeneroituneisuus
Smlex-menetelm menetelmän laskennallset teknkat. luento: Duaal-smlex Matemaattsten algortmen ohelmont Kevät 2008 /. vaheen duaal-smlex Duaal-smlex Hnnottelu Pvot-rvn laskemnen Degenerotunesuus Matemaattsten
LisätiedotJYVÄSKYLÄN YLIOPISTO Taloustieteiden tiedekunta
JYVÄSKYLÄN YLIOPISTO Talousteteden tedekunta AIKA- IKÄ- JA KOHORTTIVAIKUTUKSET KOTITALOUKSIEN RAHOITUSVARALLISUUDEN RAKENTEISIIN SUOMESSA VUOSINA 1994 2004 Kansantaloustede Pro gradu -tutkelma Maalskuu
LisätiedotMittaustulosten käsittely
Mttaustulosten kästtely Vrhettä ja epävarmuutta lmasevat kästteet Tostokoe ja satunnasten vrheden tlastollnen kästtely. Mttaustulosten jakaumaa kuvaavat tunnusluvut. Normaaljakauma 7. Tostokoe ja suurmman
LisätiedotAB TEKNILLINEN KORKEAKOULU
B TEKNILLINEN KORKEKOULU Tetoverkkolaboratoro luento05.ppt S-38.45 - Lkenneteoran perusteet - Kevät 00 Ssältö eruskästteet Dskreett satunnasmuuttujat Dskreett jakaumat lkm-jakaumat Jatkuvat satunnasmuuttujat
LisätiedotTKK @ Ilkka Mellin (2008) 1/24
Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,
LisätiedotR 2. E tot. Lasketaan energialähde kerrallaan 10 Ω:n vastuksen läpi oleva virta.
D-000 Pranalyys Harjotus 3 / vkko 5 4.4 Laske kuvan vrta käyttäen energalähteden muunnoksa. Tarkotuksena on saada energalähteden muutokslla ja yhdstämsllä akaan yksnkertanen pr, josta vo Ohmn lan avulla
LisätiedotYksikköoperaatiot ja teolliset prosessit
Ykskköoperaatot ja teollset prosesst 1 Ylestä... 2 2 Faasen välnen tasapano... 3 2.1 Neste/höyry-tasapano... 4 2.1.1 Puhtaan komponentn höyrynpane... 4 2.1.2 Ideaalnen seos... 5 2.1.3 Epädeaalnen nestefaas...
LisätiedotLIITE 2 SUORAN SOVITTAMINEN HAVAINTOPISTEISIIN
Oulun ylopsto Fyskan opetuslaboratoro Fyskan laboratorotyöt 1 1 LIITE SUORA SOVITTAMIE HAVAITOPISTEISII Tarkastelee fyskan tössä usen eteen tulevaa tlannetta, jossa olee tanneet kpl pstepareja X, Y. Arvot
LisätiedotER-kaaviot. Ohjelmien analysointi. Tilakaaviot. UML-kaaviot (luokkakaavio) Tietohakemisto. UML-kaaviot (sekvenssikaavio) Kirjasto
Ohelmen analsont Ohelmen kuvaamnen kaavolla ohelmen mmärtämnen kaavoden avulla kaavoden tuottamnen ohelmasta Erlasa kaavotppeä: ER-kaavot, tlakaavot, UML-kaavot tetohakemsto vuokaavot (tarkemmn) Vuoanals
LisätiedotRahastoonsiirtovelvoitteeseen ja perustekorkoon liittyvät laskentakaavat. Soveltaminen
SU/Vakuutusmatemaattnen ykskkö 0.4.05 Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä perusteta sovelletaan täydennyskertomen,
LisätiedotMittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio?
Mttausteknkan perusteet / luento 7 Mttausepävarmuus Mttausepävarmuus Mttaustulos e ole koskaan täysn oken Mttaustulos on arvo mtattavasta arvosta Mttaustuloksen ja mtattavan arvon ero on mttausvrhe Mkäl
LisätiedotSeniorien palvelutalo Untuva
Huoneistokortit 1h + avok + alk 39,5 m 2 Asunto 1 1h + avok + alk 40,5 m 2 Asunnot 2 ja 5 2 5 1h + avok + alk 40,5 m 2 Asunnot 3 ja 4 3 4 2h + avok + s 55,5 m 2 Asunto 6 2h + avok + s 60,5 m 2 Asunto 7
LisätiedotKuluttajahintojen muutokset
Kuluttajahntojen muutokset Samu Kurr, ekonomst, rahapoltkka- ja tutkmusosasto Tutkmuksen tausta ja tavotteet Tavaroden ja palveluden hnnat evät muutu jatkuvast, vaan ovat ana jossan määrn jäykkä lyhyellä
LisätiedotHyrynsalmen kunta, jäljempänä kunta. Laskutie 1, 89400 HYRYNSALMI. Kohde sijaitsee Hallan Sauna- nimisessä kiinteistössä.
VUOKRASOPIMUS 1.1 Sopjapuolet Hyrynsalmen kunta, jäljempänä kunta. Laskute 1, 89400 HYRYNSALMI Hallan Sauna Oy (y-tunnus: 18765087) CIO Tl- Tekno Oulu Oy Kauppurnkatu 12, 90100 OULU 1.2 Sopmuksen kohde
Lisätiedot3.3 Hajontaluvuista. MAB5: Tunnusluvut
MAB5: Tunnusluvut 3.3 Hajontaluvusta Esmerkk 7 Seuraavat kolme kuvaa osottavat, että jakaumlla vo olla sama keskarvo ja stä huolmatta ne vovat olla avan erlaset. Kakken kolmen keskarvo on 78,0! Frekvenss
LisätiedotKokonaistodennäköisyys 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
LisätiedotFlow shop, työnvaiheketju, joustava linja, läpivirtauspaja. Kahden koneen flow shop Johnsonin algoritmi
Flow shop önvaheeju jousava lnja läpvrauspaja Flow shopssa önvaheden järjess on sama alla uoella Kosa vahea vo edelää jono vova ö olla vaheleva ja ö vova ohaa osensa äl ö evä oha osaan puhuaan permuaaoaaaulusa
LisätiedotPro gradu -tutkielma. Whitneyn upotuslause. Teemu Saksala
Pro gradu -tutkelma Whtneyn upotuslause Teemu Saksala Helsngn ylopsto Matematkan ja tlastoteteen latos 5. maalskuuta 2013 0.1 Johdanto Topologset monstot ovat melenkntosa, koska ne ovat määrtelmänsä nojalla
LisätiedotFYSIIKAN LABORATORIOTYÖT 1 761121P
FYSIIKAN LABORATORIOTYÖT 76P Espuhe Fyskassa pyrtään löytämään luonnosta lanalasuuksa, jota vodaan mtata kokeellsest ja kuvata matemaattsest. Tässä kurssssa tutustutaan yksnkertasten mttausvälneden käyttöön
LisätiedotTyöllistääkö aktivointi?
Jyväskylän ylopsto Matemaatts-luonnonteteellnen tedekunta Työllstääkö aktvont? Vakuttavuusanalyys havannovassa tutkmuksessa Elna Kokkonen tlastoteteen pro gradu tutkelma 31. elokuuta 2007 Tlastoteteen
Lisätiedot3D-mallintaminen konvergenttikuvilta
Maa-57.270, Fotogammetan, kuvatulknnan ja kaukokatotuksen semnaa 3D-mallntamnen konvegenttkuvlta nna Evng, 58394J 2005 1 Ssällysluettelo Ssällysluettelo...2 1. Johdanto...3 2. Elasa tapoja kuvata kohdetta...3
LisätiedotPUTKIKELLON SUUNNITTELU 1 JOHDANTO 2 VÄRÄHTELEVÄN PALKIN TEORIAA. dm Q dx = (1) Matti A Ranta
Matt A Aaltoylopsto Perusteteden korkeakoulu Matematkan ja systeemanalyysn latos PL 1100, 02015 Espoo matt.ranta@tkk.f 1 JOHDANTO Putkkellot kuuluvat lyömäsotnten ryhmään. Putkkellot koostuvat erptussta
LisätiedotW Hz. kohinageneraattori. H(f) W Hz. W Hz. ELEC-A7200 Signaalit ja järjestelmät Laskuharjoitukset. LASKUHARJOITUS 5 Sivu 1/7
ELEC-A700 LASKUHARJOIUS 5 Svu /7. Satunnassgnaaln x ( t ) keskarvo on V ja keskhajonta 4 V. Mttaukslla on todettu, että x ( t ) ja x ( t + τ ) ovat rppumattoma, kun τ 5µ s. Lsäks tedetään, että x ( t )
Lisätiedot5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia
ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT 2018 5 Funktion jatkuvuus 5.1 Määritelmä ja perustuloksia 1. Tarkastellaan väitettä a > 0: b > 0: c > 0: d U c (a): f(d) / U b (f(a)), missä a, b, c, d R. Mitä funktion
LisätiedotKynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto
Kynä-paper -harjotukset Tana Lehtnen 8.8.07 Tana I Lehtnen Helsngn ylopsto Etelä-Suomen ja Lapn lään, 400 opettajaa a. Perusjoukon (populaaton) muodostvat kakk Etelä-Suomen ja Lapn läänn peruskoulun opettajat
LisätiedotTasapainojen määrittäminen tasapainovakiomenetelmällä
Luento 6: sutspnot eskvkko 3.1. klo 8-1 771 - Termodynmset tspnot (Syksy 18) http://www.oulu.f/pyomet/771/ Tspnojen määrttämnen tspnovkomenetelmällä Trkstel homogeenst ksufsrektot. Esm.: (g) + (g) = (g)
Lisätiedot