11. Jatkuva-aikainen optiohinnoittelu

Koko: px
Aloita esitys sivulta:

Download "11. Jatkuva-aikainen optiohinnoittelu"

Transkriptio

1 . Jauva-aiainen opiohinnoielu Sijoiusoheien hinojen ehiymisä voiaan arasella myös jauva-aiaisina prosesseina Iô-prosessi erisuuruise perioiohaise hinnanmuuose mahollisia voiaan oisinaan raaisa analyyisesi. Wiener-prosessi Tarasellaan soasisa prosessia z( z( ε (, 0, K, N jossa ermi ε( i, ε( j, i j, ova oisisaan riippumaomia s.e. E(ε( i 0 ja var(ε( i. Tällöin z ( z( ε ( j i i j Ahi Salo / Pea Mil.4.007

2 joen [ ε ] E z ( z( j E ( i 0 i j var ( z( ( z j E ε ( i i j E ε ( i ( j j i j Kun 0, äsä saaaan Wienerin prosessi eli Brownin liie, jona ominaisuusia ova. z(-z(s on normaalijaauunu saunnaismuuuja s.e. E(z(-z(s0 ja var(z(-z(s-s.. saunnaismuuuja z( -z( ja z( 3 -z( 4 eivä orreloi, jos 0 < 3 < z(00 n:llä. - -

3 Brownin liie ei ole ifferenioiuva, sillä E Termiä z/ usuaan valoisesi ohinasi. z( s z( s - s - ( s - s Yleisey Wienerin prosessi on x( a bz missä x( on saunnaismuuuja, a ja b ova vaioia, ja z on Wienerin prosessi. Inegroimalla saaaan x( x( 0 a bz ( Iô-prosessi on muooa x( a ( x, b( x, z missä x( on saunnaismuuuja, z on Wienerin prosessi ja a(x, ja b(x, ova inegroiuvia funioia. Iôn lemma: Jos x( on yo. Iô-prosessi ja y(f(x, on soasinen prosessi (missä F riiäväsi ifferenioiuva, niin F F F F y( a b bz. x x x - 3-

4 Mulipliaiivinen malli jossa w( N(υ,σ voiaan ny yleisää muooon jolloin ln( S ( ln S ( ln ln S ( S ( ν ln joen lns(:n oousarvo asvaa lineaarisesi.. Blac-Scholesin yhälö σz S (0 σz( Viime luennolla hinnoielimme opioia binomihilassa. Vasaava ulose voiaan johaa äyämällä viieehysenä soasisia iffereniaaliyhälöiä. v w( [ ln S ( ] E [ ln S (0] v E Oleeaan, eä ohe-euuen hina nouaaa geomerisa Brownin liieä S µ S σsz missä z on Wienerin prosessi ja µ υ 0.5σ. Tämä on log-normaalin hinaprosessin iffereniaalimuoo, ermi µ saaaan Iôn lemman avulla. risiömän sijoiusoheen B arvo oeuaa iffereniaaliyhälön B rb - 4-

5 f(s, on ohe-euuen peruseella määriellyn johannaisen arvo heellä ja euuen arvolla S. Lause (Blac-Scholes. Jos em. oleuse ova voimassa, niin f(s, oeuaa osiaisiffereniaaliyhälön rs σ S f f rf To. Sovelleaan Iôn lemma f(s,:hen f f µ S σ S σ Sz Muooseaan ohe-euuesa ja risiömäsä sijoiusoheesa porfolio, joa seuraa (replioi johannaisen arvon ehiysä. Ts. heellä sijoieaan x ohe-euueen ja y risiömään oheeseen. Tämän porfolion heiäinen muuos on G x S y B ( µ σ ( x S Sz y rb x µ S y rb x σ Sz - 5-

6 Joa porfolion arvo ehiyisi samoin uin johannaisen f(s,, niin -ja z-ermien eroimien ulee olla sama. Brownin liieä uvaavan ermin z osala ehosi saaaan x σ S σ S x Vaaiaan lisäsi,eä porfolion arvo on sama uin johannaisen G x S y B S y B f y f ( S, S B Käyeään saauja x ja y lauseeia ja vaaiaan, eä myös -ermin eroime ova sama µ S f ( S, S rb B f µ S σ f rs σ S rf. S - 6-

7 Yleisesi oaen Blac-Scholes-yhälöä ei voia raaisa suljeussa muoossa. ysiäise erioisapause oeuava o. yhälön. johannaisena ohe-euus sinänsä (f(s,s 0 rs 0 rs f 0. johannaisena risiön sijoiusohe (f(s,exp(r re r re 0 r 0 r re f Yhälön äyöapoja. Valiaan (arvaaan f(s,; jos se ei oeua Blac-Scholesyhälöä, niin jossain on arbiraasimahollisuusia hinnoielu on väärin. Aseeaan reunaeho (esim. opion arvo pääymispäivänä ja raaisaan yhälö esim. eurooppalaisen oso-opion arvo C (0, C ( S, T 0 max( S K,0-7-

8 amerialainen oso-opio voiaan oeuaa ennen pääymispäivää opion arvo oeuaa epäyhälön C ( S, max( S K,0 Esim. Tarasellaan amerialaisa oso-opioa, jolla on rajaon voimassaoloaia (perpeual call. Reunaehoina ova C ( S, C ( S, max( S Raaisu C(S,S oeuaa nämä reunaeho. Tämä voiaan ulia sien, eä osa ohe-euuen hina ulee piällä aiavälillä nousemaan niin paljon, eä oeuushina on siihen nähen meriyseön, niin opiolla ja ohe-euuella on olennaisesi sama arvo. S K,0-8-

9 3. Oso-opion hinnoielu Eurooppalaisen oso-opion apausessa Blac-Scholes voiaan raaisa analyyisesi. Lause. Oloon eurooppalaisen oso-opion oeuushina K ja pääymispäivä T. Jos ohe-euuesa ei masea osinoa ajalla [0,T] ja jos risiön oro on vaio r, niin oso-opion arvo on C r ( T ( S, SN ( Ke N (, missä N ( x ln( S / K σ T ln( S / K ( r σ / ( T x π e y / y ( r σ σ T σ T / ( T - 9-

10 Esim. Tarasellaan luennon 0 esimeriä, so. osaeen hina on 80 ja volailieei σ Oso-opion pääymispäivä on neljän uuauen uluua ja oeuushina on 85. Miä on opion hina, un risiön oro on 8% ja osaeelle ei masea osinoa? Ny S80, K85, r0.08, σ0.40, joen ln / / 0.65 ja N N ( ( joen opion hinnasi saaaan C SN 80 ( Ke r ( T 85 e N ( 0.08 ( 4 / Opion arvosi saaaan siis 6.8, joa hiuan vähemmän uin miä binomihilassa saaiin (

11 4. Dela Johannaisen ela ( uvaa sen arvon heryyä oheeuuen hinnan muuosille: ( S, f ( S, S Blac-Scholes yhälösä (eur. oso elasi saaaan N(. Esim. Jos sijoiaja arvioi, eä oso-opio on ylihinnoielu (so. hänen annaaa myyä siä, niin hän voi raenaa porfolion s.e. hän myy n pl o. oso-opioia osaa n pl opion ohe-euusia. Raenneu porfolio on ela-neuraali (so. immuuni oheeuuen arvon muuosille, sillä ( nc ( S, n S n( 0 Dela riippuu S:n ja :n arvoisa porfolio on asapainoeava uuelleen arviaan ynaaminen suojauumissraegia Johannaisen arvon aarevuua ohe-euuen hinnan suheen uvaa gamma (Γ Γ f ( S, - -

12 Thea (Θ on johannaisen arvon. aiaerivaaa Θ ( S, Ajan uluessa opion arvo lähesyy siä arvoa, joa opiolla on oeuusheellä aia-arvo vähenee Θ on negaiivinen. Näiä määrielmiä äyäen opion arvon Taylor-ehielmäsä saaaan δ f δs Γ ( δs Θ δ Esim. Oloon osaeen arvo S43 ja sen hinnan vuosiainen esihajona σ 0.0, risiön oro 0% ja 6 :n uluua pääyvän oso-opion oeuushina K 40. Opion hinnasi saaaan Blac-Scholesisa C 0.936,

13 Gamma ja hea saaaan aavoisa (s. lasuharjoiuse Sσ T SN ' ( σ T 0.85, Γ 0.43, Θ -6.7 jos osaeen hina nousee viiossa yhen euron, niin opion arvosi ulee C Γ Θ 5.56 N ' ( 5. Syneeise opio rke rt N ( Opioa vasaava uoo voiaan saaa porfoliosa, joa oosuu ohe-euuesa ja risiömäsä sijoiusoheesa. porfolion arvo äyäyyy samoin uin opion arvo, mua siä on uienin päivieävä jauvasi vr. opiohinnoieluaavojen johaminen binomihilassa Γ Θ 5 6. Syneeinen opio voiaan raenaa seuraavasi:. määrieään opion arvo C (binomihila ai Blac-Scholes. sijoieaan S ohe-euueen ja lopu C - S risiömään sijoiusoheeseen 3. päiveeään porfolioa lyhyin aiavälein, niin eä :n eellyämä painous säilyy. - 3-

14 6. Lasennallise meneelmä a Mone-Carlo simuloini Kohe -euuen hina nouaaa soasisa iffereniaaliyhälöä S rs σs ẑ, missä r on risiön oro ja z^ sanari Wienerin prosessi. Huomaa, eä hinnoielu apahuu risineuraalin oennäöisyysmian alla, joen ohe-euuen hinaprosessin rif-ermi on r (eiä µ. Kohe-euuen arvo voiaan simuloia aavalla S ( S ( rs ( σs ( ε ( missä ε( on normaalijaauunu oousarvolla 0 ja varianssilla. saaaan S(T ja f(s,t johannaisen arvo heellä T Lineaarisessa hinnoielussa johannaisen arvo saaaan isonaamalla f(s,t:n risineuraali oousarvo nyyheeen arvon esimaaisi saaaan Pˆ e rt average [ f ( S ( T, T ] - 4-

15 Mone Carlo-simuloinnin ominaisuusia: helposi oeueavissa soveluu myös poluriippuvien johannaisen hinnoieluun (mm. aasialaise opio vaaii paljon lasenaa aruuen paranaminen yhellä esimaalilla vaaii noin 00 eraa suuremman lasenamäärän ei sovellu amerialaisen opioien ai muien sellaisen johannaisen hinnoieluun, joa voiaan oeuaa ennen pääymispäiväänsä. b Disreoini Blac-Scholes voiaan raaisa isreoimalla f(s, oheeuuen hinnan ja ajan suheen raaisavasi saaaan jouo algebrallisia yhälöiä muuujien f i,j suheen: f i f ( f, j S f i, j i, j f f i, j i, j f i, j ( ( S f i, j f i, j - 5-

16 Periaaee. aseeaan reunaeho. raaisaan em. algebrallise yhälö voiaan äyää ieraiivisia meneelmiä Disreoinnin piireiä soveluu myös amerialaisen ms. opioien arvoamiseen, joa voiaan oeuaa ennen pääymispäiväänsä isreoini voi aiheuaa lasennallisa epäaruua usein annaaa formuloia ehävä isreeissä muoossa ja raaisa se. c Binomi- ja rinomihila Binomihilaa araseliin luennolla 0. Trinomihilalla pääsään hieman parempaan aruueen, mua osa paramereja on olme, niin vapausaseia on vähän. oloon ohe-euuen suheellisen arvon muuosen oousarvo perioin uluessa µ ja varianssi σ. siirymäoennäöisyysisi saaaan p up p p p 3 p 3 µ - 6-

17 - 7- Kosa niin varianssia oseva eho anaa Siirymäoennäöisyye voiaan ny lasea em. olmesa yhälösä. Trinomihilan sovelaminen opioien hinnoieluun eellyää risineuraalien oennäöisyysien äyöä, joa saaaan aseamalla µ risiömän oron r suuruisesi. [ ] [ ] var( ( x x x x x E x E 3 3 ( ( var p p p u p p p u S S µ σ µ σ

18 Esooise opio Toisaisesi olemme arasellee verraen ysineraisia opioia. Eri äyöaroiusia varen on uienin ehiey muiain, ns. esooisia opioia:. Bermualaisen opion oeuushei on rajoieu ieyihin päiviin ai ajanjasoihin sen voimassaoloaiana.. Compoun-opio on opioia, joa ohisuu opioon. 3. Valinnaisopion (chooser opion halija voi pääää ieyn ajan uluua, ono ysymysessä myyni- vai oso-opio. 4. CAP-opio oeueaan, jos siiä saaava uoo saavuaa ennala määrieyn ason. esim. jos CAP-oso-opion oeuushina on 60 ja sen uooraja on 0, niin se oeueaan, un osaeen hina nousee 80 :hen 5. Tyrmäysopio (nocou opion raueaa, jos ohe-euuen hina saavuaa ieyn ason oso-opio raueaa, miäli ohe-euuen hina ippuu alle sopimusessa soviun ason ( own an ou myyniopio raueaa, miäli ohe-euuen hina nousee yli sopimusessa soviun ason ( up an ou 6. Epäjauvasa opiosa saaava uoo riippuu epäjauvasi ohe-euuen hinnasa - 8-

19 esim. oso-opion uoo voi olla joo 00, jos oheeuuen hina on pääymisheellä oeuushinaa suurempi (so. plusopio, in he money, muuen nolla. 7. Digiaalisen opion arvo on plusopiolle $ (in he money ja miinusopiolle $0 (ou of money. 8. Loobac-opion oeuushina määriyy ohe-euuen arvon ääriarvoisa opion voimassaoloaiana myyniopion oeuushina orein opion voimassaoloaiana saavueu ohe-euuen hina oso-opion oeuushina alhaisin opion voimassaoloaiana saavueu ohe-euuen hinaoeuus loobac-opioilla on pääymisheellään aina posiiivinen arvo ne ova alliia 9. Aasialaisen opion uoo riippuu ohe-euuen esimääräisesä hinnasa S avg voimassaoloajan aiana. esim. oso-opion uoo voiaan määriellä sien, eä se on joo max(s T -S avg,0 ai max(s avg -K,0 Aasialaisen ja loobac-opioien arvo riippuu siiä, mien ohe-euuen hina on ehiyny oeuamisheeen mennessä binomihilaaraselu ei sovellu niien hinnoieluun lasennallinen omplesisuus esim. Mone Carlo-simuloini soveluu eräin osin - 9-

Rahoitusriskit ja johdannaiset Matti Estola. luento 13 Black-Scholes malli optioiden hinnoille

Rahoitusriskit ja johdannaiset Matti Estola. luento 13 Black-Scholes malli optioiden hinnoille Rahoiusriski ja johannaise Mai Esola lueno 3 Black-choles malli opioien hinnoille . Ion lemma Japanilainen maemaaikko Kiyoshi Iō oisi seuraavana esieävän lemman vuonna 95 arikkelissaan: On sochasic ifferenial

Lisätiedot

VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia

VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia 8/ VÄRÄHTELYMEKANIIKKA SESSIO 8: Yhen vapausaseen paovärähely, ransieniuormiusia JOHDANTO c m x () Kuva. Syseemi. Transieniuormiusella aroieaan uormiusheräeä, joa aiheuaa syseemiin lyhyaiaisen liieilan.

Lisätiedot

( ) 5 t. ( ) 20 dt ( ) ( ) ( ) ( + ) ( ) ( ) ( + ) / ( ) du ( t ) dt

( ) 5 t. ( ) 20 dt ( ) ( ) ( ) ( + ) ( ) ( ) ( + ) / ( ) du ( t ) dt SMG-500 Verolasennan numeerise meneelmä Ehdouse harjoiusen 4 raaisuisi Haeaan ensin ehävän analyyinen raaisu: dx 0 0 0 0 dx 00e = 0 = 00e 00 x = e + = 5e + alueho: x(0 = 0 0 x 0 = 5e + = 0 = 5 0 0 0 5

Lisätiedot

6.4 Variaatiolaskennan oletusten rajoitukset. 6.5 Eulerin yhtälön ratkaisuiden erikoistapauksia

6.4 Variaatiolaskennan oletusten rajoitukset. 6.5 Eulerin yhtälön ratkaisuiden erikoistapauksia 6.4 Variaaiolaskennan oleusen rajoiukse Sivu ss. 27 31 läheien Kirk, ss. 13 143] ja KS, Ch. 5] pohjala Lähökoha oli: jos J:llä on eksremaali (), niin J:n variaaio δj( (), δ()) ():ä pikin on nolla. 1. Välämäön

Lisätiedot

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi. / Raaisu Aihee: Avaisaa: Momeiemäfuio Sauaismuuujie muuose ja iide jaauma Kovergessiäsiee ja raja-arvolausee Biomijaauma, Espoeijaauma, Geomerie jaauma, Jaaumaovergessi, Jauva asaie jaauma, Kolmiojaauma,

Lisätiedot

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia { z(t k+1 ) = z(t k ) + ɛ(t k ) t t k+1 = t k + t, k = 0,..., N, missä ɛ(t i ), ɛ(t j ), i j ovat toisistaan riippumattomia siten, että

Lisätiedot

Luento 11. Stationaariset prosessit

Luento 11. Stationaariset prosessit Lueno Soasisen prosessin ehosperi Signaalin suodaus Kaisarajoieu anava 5..6 Saionaarise prosessi Auoorrelaaio φ * * (, ) ( ), { } { } jos prosessi on saionaarinen auoorrelaaio ei riipu ajasa vaan ainoasaan

Lisätiedot

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä Dynaaminen opimoini ja ehdollisen vaaeiden meneelmä Meneelmien keskinäinen yheys S yseemianalyysin Laboraorio Esielmä 10 - Peni Säynäjoki Opimoiniopin seminaari - Syksy 2000 / 1 Meneelmien yhäläisyyksiä

Lisätiedot

b) Ei ole. Todistus samaan tyyliin kuin edellinen. Olkoon C > 0 ja valitaan x = 2C sekä y = 0. Tällöin pätee f(x) f(y)

b) Ei ole. Todistus samaan tyyliin kuin edellinen. Olkoon C > 0 ja valitaan x = 2C sekä y = 0. Tällöin pätee f(x) f(y) Maemaiikan ja ilasoieeen osaso/hy Differeniaaliyhälö II Laskuharjoius 1 malli Kevä 19 Tehävä 1. Ovako seuraava funkio Lipschiz-jakuvia reaaliakselilla: a) f(x) = x 1/3, b) f(x) = x, c) f(x) = x? a) Ei

Lisätiedot

VÄRÄHTELYMEKANIIKKA SESSIO 17: Yhden vapausasteen pakkovärähtely, impulssikuormitus ja Duhamelin integraali

VÄRÄHTELYMEKANIIKKA SESSIO 17: Yhden vapausasteen pakkovärähtely, impulssikuormitus ja Duhamelin integraali 7/ VÄRÄHTELYMEKANIIKKA SESSIO 7: Yhn vapausasn paovärähly, impulssiuormius ja Duhamlin ingraali IMPULSSIKUORMITUS Maanisn sysmiin ohisuva jasoon hrä on usin ajasa riippuva lyhyaiainn uormius. Ysinraisin

Lisätiedot

W dt dt t J.

W dt dt t J. DEE-11 Piirianalyysi Harjoius 1 / viikko 3.1 RC-auon akku (8.4 V, 17 mah) on ladau äyeen. Kuinka suuri osa akun energiasa kuluu ensimmäisen 5 min aikana, kun oleeaan mooorin kuluavan vakiovirran 5 A? Oleeaan

Lisätiedot

JLP:n käyttämättömät mahdollisuudet. Juha Lappi

JLP:n käyttämättömät mahdollisuudet. Juha Lappi JLP:n äyämäömä mahdollisuude Juha Lappi LP ehävä p z = a x + b z 0 Max or Min (.) 0 0 = = subjec o he following consrains: c a x + b z C, =,, q p q K r (.2) = = m n i ij K (.3) i= j= ij x xw= 0, =,, p

Lisätiedot

Rahoitusriskit ja johdannaiset Matti Estola. luento 12 Stokastisista prosesseista

Rahoitusriskit ja johdannaiset Matti Estola. luento 12 Stokastisista prosesseista Rahoiusriski ja johdannaise Mai Esola lueno Sokasisisa prosesseisa . Markov ominaisuus Markov -prosessi on sokasinen prosessi, missä ainoasaan muuujan viimeinen havaino on relevani muuujan seuraavaa arvoa

Lisätiedot

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A.

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A. 9. Epäoleellise inegraali; inegraalin derivoini paramerin suheen 9.. Epäoleellise aso- ja avaruusinegraali 27. Olkoon = {(x, y) x, y }. Osoia hajaanuminen ai laske arvo epäoleelliselle asoinegraalille

Lisätiedot

järjestelmät Luento 4

järjestelmät Luento 4 DEE- Lineaarise järjeselmä Lueno 4 Lineaarise järjeselmä Riso Mionen 3.7.4 Lueno 3 - Recap Lineaarisen differenssiyhälöiden raaiseminen Impulssivaseen äsie Impulssivase ja onvoluuiosumma Lineaarise järjeselmä

Lisätiedot

Luento 11. Stationaariset prosessit

Luento 11. Stationaariset prosessit Lueno Soasisen prosessin ehosperi Saunnaissignaalin suodaus 5..7 Saionaarise prosessi Auoorrelaaio φ * * (, ) ( ) ( ) ( ) ( ), { } { } jos prosessi on saionaarinen auoorrelaaio ei riipu ajasa vaan ainoasaan

Lisätiedot

Tilausohjatun tuotannon karkeasuunnittelu. Tilausohjatun tuotannon karkeasuunnittelu

Tilausohjatun tuotannon karkeasuunnittelu. Tilausohjatun tuotannon karkeasuunnittelu Tilausohjaun uoannon areasuunnielu Tilausohjaussa uoannossa sarjojen muodosaminen ei yleensä ole relevani ongelma, osa uoevaihelu on suura, mä juuri onin peruse MTO-uoannolle Tuoe- ja valmisusraenee ova

Lisätiedot

Systeemimallit: sisältö

Systeemimallit: sisältö Syseemimalli: sisälö Malliyypi ja muuuja Inpu-oupu -uvaus ja ilayhälömalli, ila Linearisoini Jauva-aiaisen lineaarisen järjeselmän siirofunio, sabiilisuus Laplace-muunnos Disreeiaiaisen lineaarisen järjeselmän

Lisätiedot

5. Vakiokertoiminen lineaarinen normaaliryhmä

5. Vakiokertoiminen lineaarinen normaaliryhmä 1 MAT-145 LAAJA MATEMATIIKKA 5 Tampereen eknillinen yliopiso Riso Silvennoinen Kevä 21 5. Vakiokeroiminen lineaarinen normaaliryhmä Todeaan ensin ilman odisuksia (ulos on syvällinen) rakaisujen olemassaoloa

Lisätiedot

Täydennetään teoriaa seuraavilla tuloksilla tapauksista, joissa moninkertaisen ominaisarvon geometrinen kertaluku on yksi:

Täydennetään teoriaa seuraavilla tuloksilla tapauksista, joissa moninkertaisen ominaisarvon geometrinen kertaluku on yksi: 77 Aemmn oleen, eä mars A on dagonalsouva. Tällanen on lanne äsmälleen sllon, un joasen omnasarvon geomernen eraluu on sama un algebrallnen. Täydenneään eoraa seuraavlla uloslla apaussa, jossa monnerasen

Lisätiedot

Mallivastaukset KA5-kurssin laskareihin, kevät 2009

Mallivastaukset KA5-kurssin laskareihin, kevät 2009 Mallivasaukse KA5-kurssin laskareihin, kevä 2009 Harjoiukse 2 (viikko 6) Tehävä 1 Sovelleaan luenokalvojen sivulla 46 anneua kaavaa: A A Y Y K α ( 1 α ) 0,025 0,5 0,03 0,5 0,01 0,005 K Siis kysyy Solowin

Lisätiedot

Mallivastaukset KA5-kurssin laskareihin, kevät 2009

Mallivastaukset KA5-kurssin laskareihin, kevät 2009 Mallivasaukse KA5-kurssin laskareihin, kevä 2009 Harjoiukse 8 (viikko 14) Tehävä 1 LAD-käyrä siiryy ylöspäin. Ulkomaisen hinojen nousessa oman maan reaalinen vaihokurssi heikkenee 1 vaihoase vahvisuu IS-käyrä

Lisätiedot

Ene-59.4130, Kuivatus- ja haihdutusprosessit teollisuudessa, Laskuharjoitus 5, syksy 2015

Ene-59.4130, Kuivatus- ja haihdutusprosessit teollisuudessa, Laskuharjoitus 5, syksy 2015 Ene-59.4130, Kuivaus- ja haihduusprosessi eollisuudessa, asuharjoius 5, sysy 2015 Tehävä 4 on ähiehävä Tehävä 1. eijuerrosilassa poleaan rinnain uora ja urvea. Kuoren oseus on 54% ja uiva-aineen ehollinen

Lisätiedot

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 4.9.4 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vasausen piireiden, sisälöjen ja piseiysen luonnehdina ei sido ylioppilasukinolauakunnan arvoselua. Lopullisessa arvoselussa

Lisätiedot

KULMAMODULOITUJEN SIGNAALIEN ILMAISU DISKRIMINAATTORILLA

KULMAMODULOITUJEN SIGNAALIEN ILMAISU DISKRIMINAATTORILLA 1 KULMMOULOITUJEN SIGNLIEN ILMISU ISKRIMINTTORILL Millaisia keinoja on PM & FM -ilmaisuun? 51357 Tieoliikenneekniikka I Osa 17 Kai Käkkäinen Kevä 015 ISKRIMINTTORIN TOIMINTKÄYRÄ J -YHTÄLÖ FM-signaalin

Lisätiedot

Tiedonhakumenetelmät Tiedonhakumenetelmät Helsingin yliopisto / TKTL. H.Laine 1. Todennäköisyyspohjainen rankkaus

Tiedonhakumenetelmät Tiedonhakumenetelmät Helsingin yliopisto / TKTL. H.Laine 1. Todennäköisyyspohjainen rankkaus Tieonhakumeneelmä Helsingin yliopiso / TKTL.4.04 Toennäköisyyeen perusuva rankkaus Tieonhakumeneelmä Toennäköisyyspohjainen rankkaus Dokumenien haussa ongelmana on löyää käyäjän kyselynä ilmaiseman ieoarpeen

Lisätiedot

8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY

8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY Värähelymeaa 8. 8 USEAN VAPAUSASEEN SYSEEMIN VAIMENEMAON PAKKOVÄRÄHELY 8. Normaalmuoomeeelmä Usea vapausasee syseem leyhälöde (7.) raaseme vaa aava (7.7) a (7.8) homogeese yhälö ylese raasu { } lsäs paovomaveora

Lisätiedot

Huomaa, että aika tulee ilmoittaa SI-yksikössä, eli sekunteina (1 h = 3600 s).

Huomaa, että aika tulee ilmoittaa SI-yksikössä, eli sekunteina (1 h = 3600 s). DEE- Piirianalyysi Ykkösharkan ehävien rakaisuehdoukse. askeaan ensin, kuinka paljon äyeen ladaussa akussa on energiaa. Tämä saadaan laskeua ehäväpaperissa anneujen akun ieojen 8.4 V ja 7 mah avulla. 8.4

Lisätiedot

5 YHDEN VAPAUSASTEEN YLEINEN PAKOTETTU LIIKE

5 YHDEN VAPAUSASTEEN YLEINEN PAKOTETTU LIIKE Värähelymeaiia 5. 5 YHDEN VAPAUSASTEEN YLEINEN PAKOTETTU LIIKE 5. Johao Luvussa 4 araselii yhe vapausasee syseemii harmoisesa heräeesä aiheuuvaa vasea ja havaiii se riippuva pääasiassa syseemi vaimeusesa

Lisätiedot

Juuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV.

Juuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV. Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 Keraus K. A: III, B: I, C: II ja IV Kuvaaja: I II III IV Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 K. a) lim ( ) Nimiäjä ( ) o aia

Lisätiedot

1 Excel-sovelluksen ohje

1 Excel-sovelluksen ohje 1 (11) 1 Excel-sovelluksen ohje Seuraavassa kuvaaan jakeluverkonhalijan kohuullisen konrolloiavien operaiivisen kusannusen (SKOPEX 1 ) arvioimiseen arkoieun Excel-sovelluksen oimina, mukaan lukien sovelluksen

Lisätiedot

( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri.

( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri. ELEC-A7 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS Sivu 1/11 1. Johda anneun pulssin Fourier-muunnos ja hahmoele ampliudispekri. Käyä esim. derivoinieoreemaa, ja älä unohda 1. derivaaan epäjakuvuuskohia!

Lisätiedot

2. Matemaattinen malli ja funktio 179. a) f (-2) = -2 (-2) = = -6 b) f (-2) = 2 (-2) 2 - (-2) = (-8) + 7 = = 23

2. Matemaattinen malli ja funktio 179. a) f (-2) = -2 (-2) = = -6 b) f (-2) = 2 (-2) 2 - (-2) = (-8) + 7 = = 23 LISÄTEHTÄVÄT. Maemaainen malli ja funkio 9. a) f (-) = - (-) + = - + = -6 b) f (-) = (-) - (-) + = - (-8) + = 8 + 8 + = 80. a) f ( ) = + f ( ) = 0 + = 0 ( ) = ± = ± = ai = Vasaus: = - ai = b) + = + = 0

Lisätiedot

6 JÄYKÄN KAPPALEEN TASOKINETIIKKA

6 JÄYKÄN KAPPALEEN TASOKINETIIKKA Dyamiia 6. 6 JÄYKÄN KAPPALEEN TASKINETIIKKA 6. Yleisä Jäyä appalee ieiiassa arasellaa appaleesee aiuaie uloise oimie ja seurausea olea liiee (raslaaio ja roaaio) älisiä yheysiä. Voimie äsielyssä ariaa

Lisätiedot

a. Varsinainen prosessi on tuttua tilaesitysmuotoa:

a. Varsinainen prosessi on tuttua tilaesitysmuotoa: ELEC-C Sääöeniia 7. lauharjoiu Vaaue. r - K u K C y a. Varinainen proei on uua ilaeiymuooa: A Bu y C Kuvaa nähdään, eä ilamallin iäänmenona on u r K. Salaaria ei voi vähenää mariiia, joen un on n -veori,

Lisätiedot

VAASAN YLIOPISTO KAUPPATIETEELLINEN TIEDEKUNTA LASKENTATOIMEN JA RAHOITUKSEN LAITOS. Jukka Lähteenmäki

VAASAN YLIOPISTO KAUPPATIETEELLINEN TIEDEKUNTA LASKENTATOIMEN JA RAHOITUKSEN LAITOS. Jukka Lähteenmäki VAASAN YLIOPISTO KAUPPATIETEELLINEN TIEDEKUNTA LASKENTATOIMEN JA RAHOITUKSEN LAITOS Jukka Läheenmäki POLIITTISTEN VAALIEN VAIKUTUS INDEKSIOPTIOIDEN IMPLISIITTISEEN VOLATILITEETTIN Laskenaoimen ja rahoiuksen

Lisätiedot

Sopimuksenteon dynamiikka: johdanto ja haitallinen valikoituminen

Sopimuksenteon dynamiikka: johdanto ja haitallinen valikoituminen Soimukseneon dynamiikka: johdano ja haiallinen valikoiuminen Ma-2.442 Oimoinioin seminaari Elise Kolola 8.4.2008 S yseemianalyysin Laboraorio Esielmä 4 Elise Kolola Oimoinioin seminaari - Kevä 2008 Esiyksen

Lisätiedot

Monisilmukkainen vaihtovirtapiiri

Monisilmukkainen vaihtovirtapiiri Monisilmukkainen vaihovirapiiri Oeaan arkaselun koheeksi RLC-vaihovirapiiri jossa on käämejä, vasuksia ja kondensaaoreia. Kykenä Tarkasellaan virapiiriä, jossa yksinkeraiseen RLC-piiriin on kodensaaorin

Lisätiedot

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11.

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11. Kemian laieekniikka 1 Koilasku 1 4.4.28 Jarmo Vesola Tuoee ja reakio: hiilimonoksidi, meanoli, meyyliformiaai C HC (1) vesi, meyyliformiaai, meanoli, muurahaishappo HC CH (2) hiilimonoksi, vesi, muurahaishappo

Lisätiedot

z z 0 (m 1)! g(m 1) (z0) k=0 Siksi kun funktioon f(z) sovelletaan Cauchyn integraalilausetta, on voimassa: sin(z 2 dz = (z i) n+1 k=0

z z 0 (m 1)! g(m 1) (z0) k=0 Siksi kun funktioon f(z) sovelletaan Cauchyn integraalilausetta, on voimassa: sin(z 2 dz = (z i) n+1 k=0 TKK, Matematiian laitos v.pfaler/pursiainen Mat-.33 Matematiian perusurssi KP3-i sysy 2007 Lasuharjoitus 4 viio 40 Tehtäväsarja A viittaa aluviion ja L loppuviion tehtäviin. Valmistauu esittämään nämä

Lisätiedot

Tasaantumisilmiöt eli transientit

Tasaantumisilmiöt eli transientit uku 12 Tasaanumisilmiö eli ransieni 12.1 Kelan kykeminen asajännieeseen Kappaleessa 11.2 kykeiin reaalinen kela asajännieeseen ja ukiiin energian varasoiumisa kelan magneeikenään. Tilanne on esiey uudelleen

Lisätiedot

Arvio Suomen ei-päästökauppasektorin pitkän ajan tavoitteesta ja päästöistä vuoteen 2030 TUTKIMUSRAPORTTI VTT-R-01286-13

Arvio Suomen ei-päästökauppasektorin pitkän ajan tavoitteesta ja päästöistä vuoteen 2030 TUTKIMUSRAPORTTI VTT-R-01286-13 Arvio Suomen ei-pääsöauppaseorin piän ajan avoieesa ja pääsöisä vuoeen 2030 Kirjoiaja: Luoamusellisuus: Tomi J. Lindroos, Tommi Eholm, Ila Savolainen julinen 2 (29) Alusana Tämä rapori on osa ympärisöminiseriön

Lisätiedot

Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi suorakulmaisen pulssin Fouriermuunnosta sekä viiveen vaikutusta: ( ) (

Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi suorakulmaisen pulssin Fouriermuunnosta sekä viiveen vaikutusta: ( ) ( TT/TV Inegraalimuunnokse Fourier-muunnos, ehäviä : Vasauksia Meropolia/. Koivumäki v(. Määriä oheisen signaalin Fourier-muunnos. Vinkki: Superposiio, viive. Voidaan sovelaa superposiioperiaaea, koska signaalin

Lisätiedot

12. ARKISIA SOVELLUKSIA

12. ARKISIA SOVELLUKSIA MAA. Arkiia ovellukia. ARKISIA SOVELLUKSIA Oleeaan, eä kappale liikkuu ykiuloeia raaa, eimerkiki -akelia pikin. Kappaleen nopeuden vekoriluonne riiää oaa vauhdin eumerkin avulla huomioon, ja on ehkä arkoiukenmukaiina

Lisätiedot

Kommenttiversio SUOJAAMATTOMAN LIIMAPUUPALKIN PALOMITOITUS LUOKKAAN R 60

Kommenttiversio SUOJAAMATTOMAN LIIMAPUUPALKIN PALOMITOITUS LUOKKAAN R 60 Esimeri 1 SUOJAAMATTOMAN LIIMAPUUPALKIN PALOMITOITUS LUOKKAAN R 6 1 Paloilaneen uormius ψ =,5 (ässä esimerissä muuuva uorma on lumiuorma) 1,1 p = p + ψ p = 6, +,5 11, = 11,5 N/m i g, 1,1 q, Palin maeriaaliominaisuue

Lisätiedot

Luento 9. Epälineaarisuus

Luento 9. Epälineaarisuus Lueno 9 Epälineaarisuus 9..7 Epälineaarisuus Tarkasellaan passiivisa epälineaarisa komponenia u() y() f( ) Taylor-sarjakehielmä 3 y f( x) + f '( x) ( x x) + f ''( x) ( x x) + f ''( x) ( x x) +...! 3! 4!

Lisätiedot

a) Ortogonaalinen, koska kantafunktioiden energia 1

a) Ortogonaalinen, koska kantafunktioiden energia 1 S-7.060 Signaali ja järjeselmä Teni 14.5.001 1. Vasaa lyhyesi seuraaviin saehäviin, käyä arviaessa kuvaa. a) Mikä minaisuuksisa rgnaalinen ja rnrmaalinen kuvaa paremmin Furier-sarjaa ja miksi? b) Esiä

Lisätiedot

VÄRÄHTELYMEKANIIKKA SESSIO 21: Usean vapausasteen systeemin liikeyhtälöiden johto Lagrangen

VÄRÄHTELYMEKANIIKKA SESSIO 21: Usean vapausasteen systeemin liikeyhtälöiden johto Lagrangen / ÄRÄHELYMEKANIIKKA SESSIO : Usean vapausasteen systeein liieyhtälöien johto Lagrangen yhtälöillä JOHDANO Kirjoitettaessa liieyhtälöitä suoraan Newtonin laeista äytetään systeeistä irrotettujen osien tai

Lisätiedot

Ratkaisu. Virittäviä puita on kahdeksan erilaista, kun solmut pidetään nimettyinä. Esitetään aluksi verkko kaaviona:

Ratkaisu. Virittäviä puita on kahdeksan erilaista, kun solmut pidetään nimettyinä. Esitetään aluksi verkko kaaviona: Diskreei maemaiikka, sks 00 Harjoius 0, rakaisuisa. Esi viriävä puu suunaamaomalle verkolle G = (X, E, Ψ), kun X := {,,, }, E := { {, }, {, }, {, }, {, }, {, }}, ja Ψ on ieninen kuvaus. Rakaisu. Viriäviä

Lisätiedot

(1 + i) + JA. t=1. t=1. (1 + i) n (1 + i) n. = H + k (1 + i)n 1 i(1 + i) n + JA

(1 + i) + JA. t=1. t=1. (1 + i) n (1 + i) n. = H + k (1 + i)n 1 i(1 + i) n + JA Investoinnin annattavuuden mittareita Opetusmonisteessa on asi sivua, joilla on hyvin lyhyesti uvattu jouo mittareita. Seuraavassa on muutama lisäommentti ja aavan-johto. Tarastelemme projetia, jona perusinvestointi

Lisätiedot

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän: ELEC-A700 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS 3 Sivu /8. arkasellaan oheisa järjeselmää bg x Yksikköviive + zbg z bg z d a) Määriä järjeselmän siirofunkio H Y = X b) Määriä järjeselmän

Lisätiedot

Tuottavuustutkimukset 2010 -menetelmäseloste

Tuottavuustutkimukset 2010 -menetelmäseloste Meneelmäselose 1(11) Tuoavuusuimuse 2010 -meneelmäselose ANSANTALOUDEN TILINPIDON TUOTTAVUUSMITTARIT 2 Toimialoen oonaisuooseen perusuva oonaisuoavuuden muuos 2 Toimialoen oonaisuooseen perusuva yön uoavuuden

Lisätiedot

OSINKOJEN JA PÄÄOMAVOITTOJEN VEROTUKSEN VAIKUTUKSET OSAKKEEN ARVOON

OSINKOJEN JA PÄÄOMAVOITTOJEN VEROTUKSEN VAIKUTUKSET OSAKKEEN ARVOON AMPN YLIOPISO Kauppaieeien laios OSINKOJN JA PÄÄOMAVOIOJN VOUKSN VAIKUUKS OSAKKN AVOON Laskenaoimi Seminaariukielma Helmikuu 2004 Ohjaaja: Ismo Vuorinen apani Höök 3 SISÄLLYS JOHDANO... 4. ukielman ausaa...4.2

Lisätiedot

A-osio. Ei laskinta! Valitse seuraavista kolmesta tehtävästä vain kaksi joihin vastaat!

A-osio. Ei laskinta! Valitse seuraavista kolmesta tehtävästä vain kaksi joihin vastaat! MAA Koe 7..03 A-osio. Ei laskina! Valise seuraavisa kolmesa ehäväsä vain kaksi joihin vasaa! A. a) Mikä on funkion f(x) määrieljoukko, jos f( x) x b) Muua ulomuooon: 4a 8a 4 A. a) Rakaise hälö: x 4x b)

Lisätiedot

S Piirianalyysi 2 1. Välikoe

S Piirianalyysi 2 1. Välikoe S-55.0 Piirianalyyi. Välioe.3.0 ae ehävä eri paperille uin ehävä 3 5. Muia irjoiaa joaieen paperiin elväi nimi, opielijanumero, urin nimi ja oodi. Tehävä laeaan oreaoulun oepaperille. Muia papereia ei

Lisätiedot

ẍ(t) q(t)x(t) = f(t) 0 1 z(t) +.

ẍ(t) q(t)x(t) = f(t) 0 1 z(t) +. Diffrniaaliyhälö II, harjoius 3, 8 228, rakaisu JL, kuusi sivua a On muunnava linaarinn oisn kraluvun diffrniaaliyhälö ẍ qx f yhäpiäväksi nsimmäisn kraluvun linaarisksi kahdn skalaariyhälön sysmiksi Rak

Lisätiedot

Luento 7 Järjestelmien ylläpito

Luento 7 Järjestelmien ylläpito Luno 7 Järjslmin ylläpio Ahi Salo Tknillinn korkakoulu PL, 5 TKK Järjslmin ylläpidosa Priaallisia vaihohoja Uusiminn rplacmn Ennalahkäisvä huolo mainnanc Korjaaminn rpair ❶ Uusiminn Vioiun komponni korvaaan

Lisätiedot

Mittaustekniikan perusteet, piirianalyysin kertausta

Mittaustekniikan perusteet, piirianalyysin kertausta Miausekniikan perusee, piirianalyysin kerausa. Ohmin laki: =, ai = Z ( = ännie, = resisanssi, Z = impedanssi, = vira). Kompleksiluvu Kompleksilukua arviaan elekroniikassa analysoiaessa piireä, oka sisälävä

Lisätiedot

Yhden vapausasteen värähtely - harjoitustehtäviä

Yhden vapausasteen värähtely - harjoitustehtäviä Dynaiia 1 Liie luuun 8. g 8.1 Kuvan jousi-assa syseeissä on = 10 g ja = 2,5 N/. Siiryä iaaan saaisesa asapainoaseasa lähien. luheellä = 0 s assa on saaisessa asapainoaseassaan ja sillä on nopeus 0,5 /

Lisätiedot

f x dx y dy t dt f x y t dx dy dt O , (4b) . (4c) f f x = ja x (4d)

f x dx y dy t dt f x y t dx dy dt O , (4b) . (4c) f f x = ja x (4d) Tehävä 1. Oleeaan, eä on käössä jakuva kuva, jossa (,, ) keroo harmaasävn arvon paikassa (, ) ajanhekenä. Dnaaminen kuva voidaan esiää Talor sarjana: d d d d d d O ( +, +, + ) = (,, ) + + + + ( ). (4a)

Lisätiedot

PK-YRITYKSEN ARVONMÄÄRITYS. KTT, DI TOIVO KOSKI elearning Community Ltd

PK-YRITYKSEN ARVONMÄÄRITYS. KTT, DI TOIVO KOSKI elearning Community Ltd PK-YRITYKSEN ARVONMÄÄRITYS KTT, DI TOIVO KOSKI elearning Communiy Ld Yriyksen arvonmääriys 1. Yriyksen ase- eli subsanssiarvo Arvioidaan yriyksen aseen vasaavaa puolella olevan omaisuuden käypäarvo, josa

Lisätiedot

Tehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1

Tehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1 Luuteoria Harjoitus 1 evät 2011 Alesis Kosi 1 Tehtävä 1 Näytä: jos a ja b ovat positiivisia oonaisluuja joille (a, b) = 1 ja a c, seä lisäsi b c, niin silloin ab c. Vastaus Kosa a c, niin jaollisuuden

Lisätiedot

2 Taylor-polynomit ja -sarjat

2 Taylor-polynomit ja -sarjat 2 Taylor-polynomit ja -sarjat 2. Taylor-polynomi Taylor-polynomi P n (x; x 0 ) funtion paras n-asteinen polynomiapprosimaatio (derivoinnin annalta) pisteen x 0 lähellä. Maclaurin-polynomi: tapaus x 0 0.

Lisätiedot

Talousmatematiikan verkkokurssi. Koronkorkolaskut

Talousmatematiikan verkkokurssi. Koronkorkolaskut Sivu 1/7 oronorolasuja sovelletaan tapausiin, joissa aia on pidempi uin ysi oonainen orojaso, eli aia, jolle oroanta ilmoittaa oron määrän. orolasu: enintään yhden orojason pituisille oroajoille; oronorolasu:

Lisätiedot

joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx =

joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx = HY / Maemaiikan ja ilasoieeen laios Differeniaalihälö I kevä 09 Harjois 4 Rakaisehdoksia. Rakaise differeniaalihälö = (x + + Rakais: Tehdään differeniaalihälöön lineaarinen mnnos z(x = x + (x + jolloin

Lisätiedot

2. Suoraviivainen liike

2. Suoraviivainen liike . Suoraviivainen liike . Siirymä, keskinopeus ja keskivauhi Aika: unnus, yksikkö: sekuni s Suoraviivaisessa liikkeessä kappaleen asema (paikka) ilmoieaan suoralla olevan piseen paikkakoordinaain (unnus

Lisätiedot

KANTOAALTOMODULOIDUN KAISTANPÄÄSTÖSIGNAALIN (BANDPASS) JA KANTATAAJUISEN (BASEBAND) SIGNAALIN AMPLITUDISPEKTRIT

KANTOAALTOMODULOIDUN KAISTANPÄÄSTÖSIGNAALIN (BANDPASS) JA KANTATAAJUISEN (BASEBAND) SIGNAALIN AMPLITUDISPEKTRIT KANOAALOMODULOIDUN KAISANPÄÄSÖSINAALIN BANDPASS JA KANAAAJUISEN BASEBAND SINAALIN AMPLIUDISPEKRI 536A ieoliienneeniia II Osa 5 Kari Käräinen Sysy 05 EHOIHEYSSPEKRI & KAISANLEVEYS Edellä arasellu modulaaio

Lisätiedot

Tuotannon suhdannekuvaajan menetelmäkuvaus

Tuotannon suhdannekuvaajan menetelmäkuvaus 1(15) Tuoannon suhdannekuvaajan meneelmäkuvaus Luku 1 Luku 2 Luku 3 Luku 4 Tuoannon suhdannekuvaajan yleiskuvaus Tuoannon suhdannekuvaajan julkaisuaikaaulu, revisoinikäyännö ja jakelu Tuoannon suhdannekuvaajan

Lisätiedot

2. Taloudessa käytettyjä yksinkertaisia ennustemalleja. ja tarkasteltavaa muuttujan arvoa hetkellä t kirjaimella y t

2. Taloudessa käytettyjä yksinkertaisia ennustemalleja. ja tarkasteltavaa muuttujan arvoa hetkellä t kirjaimella y t Tilasollinen ennusaminen Seppo Pynnönen Tilasoieeen professori, Meneelmäieeiden laios, Vaasan yliopiso. Tausaa Tulevaisuuden ennusaminen on ehkä yksi luoneenomaisimpia piireiä ihmiselle. On ilmeisesi aina

Lisätiedot

1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT

1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT imat-2.104 Tilastollisen analyysin perusteet / Tehtävät Aiheet: Avainsanat: Ysisuuntainen varianssianalyysi Bartlettin testi, Bonferronin menetelmä, F-testi, Jäännösneliösumma, χ 2 -testi, Koonaisesiarvo,

Lisätiedot

REIKIEN JA LOVIEN MITOITUS

REIKIEN JA LOVIEN MITOITUS REIKIEN J LOVIEN ITOITUS Leiauslujuuen ja poiittaisen vetolujuuen ansiosta Kerto -tuotteisiin on maollista teä reiiä. Reiät voivat olla joo pyöreitä tai suoraulmaisia. Erityisesti ristiviiluraenteinen

Lisätiedot

Riemannin sarjateoreema

Riemannin sarjateoreema Riemannin sarjateoreema LuK-tutielma Sami Määttä 2368326 Matemaattisten tieteiden laitos Oulun yliopisto Sysy 206 Sisältö Johdanto 2 Luujonot 3 2 Sarjat 4 2. Vuorottelevat sarjat........................

Lisätiedot

x v1 y v2, missä x ja y ovat kokonaislukuja.

x v1 y v2, missä x ja y ovat kokonaislukuja. Digiaalinen videonkäsiel Harjoius, vasaukse ehäviin 4-0 Tehävä 4. Emämariisi a: V A 0 V B 0 Hila saadaan kanavekorien (=emämariisin sarakkee) avulla. Kunkin piseen paikka hilassa on kokonaisluvulla kerroujen

Lisätiedot

MAT-02450 Fourier n menetelmät. Merja Laaksonen, TTY 2014

MAT-02450 Fourier n menetelmät. Merja Laaksonen, TTY 2014 MAT-45 Fourier n meneelmä Merja Laaksonen, TTY 4..4 Sisälö Johano 3. Peruskäsieiä................................... 4.. Parillinen ja parion funkio....................... 7.. Heavisien funkio............................

Lisätiedot

III. SARJATEORIAN ALKEITA. III.1. Sarjan suppeneminen. x k = x 1 + x 2 + x ,

III. SARJATEORIAN ALKEITA. III.1. Sarjan suppeneminen. x k = x 1 + x 2 + x , III. SARJATEORIAN ALKEITA Sarja on formaali summa III.. Sarjan suppeneminen = x + x 2 + x 3 +..., missä R aiilla N (merintä ei välttämättä taroita mitään reaaliluua). Luvut x, x 2,... ovat sarjan yhteenlasettavat

Lisätiedot

JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT

JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT JOHDATUS LUKUTEORIAAN (sysy 2017) HARJOITUS 1, MALLIRATKAISUT Tehtävä 1. (i) Etsi luvun 111312 aii teijät. (ii) Oloot a ja b positiivisia oonaisluuja joilla a b ja b a. Osoita, että silloin a = b. Rataisu

Lisätiedot

1974 N:o 622. Vakuutusteknisistä riskeistä johtuvien suureiden laskemista varten käytettävä vakuutuslajiryhmittely. Liite 1.

1974 N:o 622. Vakuutusteknisistä riskeistä johtuvien suureiden laskemista varten käytettävä vakuutuslajiryhmittely. Liite 1. 1974 N:o 622 Liite 1 Vauutustenisistä riseistä johtuvien suureiden lasemista varten äytettävä vauutuslajiryhmittely Vauutuslajiryhmä Vauutusluoat Ensivauutus Laisääteinen tapaturma 1 (laisääteinen) Muu

Lisätiedot

Olkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat

Olkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset / Rataisut Aiheet: Avainsanat: Satunnaismuuttujat ja todennäöisyysjaaumat Kertymäfuntio

Lisätiedot

[ ] [ 2 [ ] [ ] ( ) [ ] Tehtävä 1. ( ) ( ) ( ) ( ) ( ) ( ) 2( ) = 1. E v k 1( ) R E[ v k v k ] E e k e k e k e k. e k e k e k e k.

[ ] [ 2 [ ] [ ] ( ) [ ] Tehtävä 1. ( ) ( ) ( ) ( ) ( ) ( ) 2( ) = 1. E v k 1( ) R E[ v k v k ] E e k e k e k e k. e k e k e k e k. ehtävä. x( + ) x( y x( + e ( y x( + e ( E v E e ( ) e ( R E[ v v ] E e e e e e e e e 6 estimointivirhe: ~ x( x( x$( x( - b y ( - b y ( estimointivirheen odotusarvo: x( - b x( - b e ( - b x( - b e ( ( -

Lisätiedot

Vakuutusmatematiikan sovellukset 20.11.2008 klo 9-15

Vakuutusmatematiikan sovellukset 20.11.2008 klo 9-15 SHV-tutinto Vauutusmatematiian sovelluset 20.11.2008 lo 9-15 1(7) Y1. Seuraava tauluo ertoo vauutusyhtiön masamat orvauset vahinovuoden ja orvausen masuvuoden muaan ryhmiteltynä (tuhansina euroina): Vahinovuosi

Lisätiedot

STOKASTISIA MALLEJA SÄHKÖN HINNOITTELUUN. Sanni Sieviläinen

STOKASTISIA MALLEJA SÄHKÖN HINNOITTELUUN. Sanni Sieviläinen HELSINGIN YLIOPISTO Maemaais-Luonnonieeellinen iedekuna Maemaiikan ja ilasoieeen laios STOKASTISIA MALLEJA SÄHKÖN HINNOITTELUUN Sanni Sieviläinen Pro Gradu-ukielma Ohjaaja: Dario Gasbarra 3. syyskuua 215

Lisätiedot

Diskreetillä puolella impulssi oli yksinkertainen lukujono:

Diskreetillä puolella impulssi oli yksinkertainen lukujono: DEE-00 ineaarise järjeselmä Harjoius 5, rakaisuehdoukse [johdano impulssivaseeseen] Jakuva-aikaisen järjeselmän impulssivase on vasaavanlainen järjeselmäyökalu kuin diskreeillä puolellakin: impulssivase

Lisätiedot

VATT-KESKUSTELUALOITTEITA VATT DISCUSSION PAPERS. JULKISEN TALOUDEN PITKÄN AIKAVÄLIN LASKENTAMALLIT Katsaus kirjallisuuteen

VATT-KESKUSTELUALOITTEITA VATT DISCUSSION PAPERS. JULKISEN TALOUDEN PITKÄN AIKAVÄLIN LASKENTAMALLIT Katsaus kirjallisuuteen VATT-KESKUSTELUALOITTEITA VATT DISCUSSION PAPERS 445 JULKISEN TALOUDEN PITKÄN AIKAVÄLIN LASKENTAMALLIT Kasaus kirjallisuueen Juho Kosiainen Valion aloudellinen ukimuskeskus Governmen Insiue for Economic

Lisätiedot

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA II ADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA Laskenaaajuus akiivisuus Määrieäessä radioakiivisen näyeen akiivisuua (A) uloksena saadaan käyeyn miausyseemin anama laskenaaajuus (). = [II.I] jossa =

Lisätiedot

J1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6

J1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6 MATRIISILASKENTA(TFM) MALLIT AV 6 J (II.6.9) Päättele, että avaruusvetorit a, b ja c ovat lineaarisesti riippuvat täsmälleen un vetoreiden virittämän suuntaissärmiön tilavuus =. Tuti tällä riteerillä ovato

Lisätiedot

ETERAN TyEL:n MUKAISEN VAKUUTUKSEN ERITYISPERUSTEET

ETERAN TyEL:n MUKAISEN VAKUUTUKSEN ERITYISPERUSTEET TRAN TyL:n MUKASN AKUUTUKSN RTYSPRUSTT Tässä peruseessa kaikki suuree koskea eraa, ellei oisin ole määriely. Tässä peruseessa käyey lyhenee: LL Lyhyaikaisissa yösuheissa oleien yönekijäin eläkelaki TaL

Lisätiedot

SATE1050 Piirianalyysi II syksy 2016 kevät / 6 Laskuharjoitus 10 / Kaksiporttien ABCD-parametrit ja siirtojohdot aikatasossa

SATE1050 Piirianalyysi II syksy 2016 kevät / 6 Laskuharjoitus 10 / Kaksiporttien ABCD-parametrit ja siirtojohdot aikatasossa SATE050 Piirianalyysi II syksy 06 kevä 07 / 6 Tehävä. Määriä alla olevassa kuvassa esieylle piirille kejumariisi sekä sen avulla syööpiseimpedanssi Z(s), un kuormana on resisanssi k. i () L i () u () C

Lisätiedot

3. Markovin prosessit ja vahva Markovin ominaisuus

3. Markovin prosessit ja vahva Markovin ominaisuus 30 STOKASTISET DIFFERENTIAALIYHTÄLÖT 3. Marovin prosessit ja vahva Marovin ominaisuus Aloitamme nyt edellisen appaleen päättäneen esimerin yleistämisen Brownin liieelle. Käymme ysitellen läpi esimerin

Lisätiedot

MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä ym., osa I

MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä ym., osa I MS-A00 Disreetin matematiian perusteet Esimerejä ym., osa I G. Gripenberg Jouo-oppi ja logiia Todistuset logiiassa Indutioperiaate Relaatiot ja funtiot Funtiot Aalto-yliopisto. maalisuuta 0 Kombinatoriia

Lisätiedot

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto Kojemeeorologia Sami Haapaala syksy 03 Fysiika laios, Ilmakehäieeide osaso Mialaieide dyaamise omiaisuude Dyaamise uusluvu määriävä mie mialaie käyäyyy syöeide muuuessa Apua käyeää differeiaaliyhälöiä,

Lisätiedot

Tervehdys Naantalin Musiikkiopistosta

Tervehdys Naantalin Musiikkiopistosta Läheäjä: Huhala Sauli [mailo:sauli.huhala@naanali.fi] Läheey: 19. helmikuua 2018 12:20 Vasaanoaja: Leppänen Jorma Tervehdys Naanalin Musiikkiopisosa Kävin kasomassa ko.ilan, joka on varmasi hyvä kaikkien

Lisätiedot

Puolijohdekomponenttien perusteet A Ratkaisut 2, Kevät 2017

Puolijohdekomponenttien perusteet A Ratkaisut 2, Kevät 2017 OY/PJKOMP R 017 Puolijohdekomoeie erusee 571A Rakaisu, Kevä 017 1. Massavaikuuslai mukaisesi eemmisö- ja vähemmisövarauksekuljeajie ulo o vakio i, joka riiuu uolijohdemaeriaalisa ja lämöilasa. Kuvasa 1

Lisätiedot

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset D-00 ineaarise järjeselmä Harjoius 4, rakaisuehdoukse nnen kuin mennään ämän harjoiuksen aihepiireihin, käydään läpi yksi huomionarvoinen juu. Piirianalyysin juuri suorianee opiskelija saaava ihmeellä,

Lisätiedot

RATKAISUT: 10. Lämpötila ja paine

RATKAISUT: 10. Lämpötila ja paine Physica 9. painos (6). Lämpötila ja paine :. Lämpötila ja paine. a) Suure, jolla uvataan aineen termoynaamista tilaa. b) Termoynaamisen eli absoluuttisen lämpötila-asteion ysiö. c) Alin mahollinen lämpötila.

Lisätiedot

Systeemimallit: sisältö

Systeemimallit: sisältö Syseemimalli: sisälö Malliyypi ja muuuja Inpu-oupu -kuvaus ja ilayhälömalli, ila Linearisoini Jakuva-aikaisen lineaarisen järjeselmän siirofunkio, sabiilisuus Laplace-muunnos Diskreeiaikaisen lineaarisen

Lisätiedot

Todennäköisyysjakaumat 1/5 Sisältö ESITIEDOT: todennäköisyyslaskenta, määrätty integraali

Todennäköisyysjakaumat 1/5 Sisältö ESITIEDOT: todennäköisyyslaskenta, määrätty integraali Todennäöissjaaumat /5 Sisältö ESITIEDOT: lasenta, määrätt Haemisto KATSO MYÖS: tilastomatematiia P (X = )=p. Nämä ovat 0 ja niiden summa on p =. Pistetodennäöisdet voidaan graafisesti esittää pstsuorien

Lisätiedot

järjestelmät Luku 2 Diskreettiaikaiset järjestelmät - aikataso DEE Lineaariset järjestelmät Risto Mikkonen

järjestelmät Luku 2 Diskreettiaikaiset järjestelmät - aikataso DEE Lineaariset järjestelmät Risto Mikkonen DEE- Lineaariset järjestelmät Luu 2 Disreettiaiaiset järjestelmät - aiataso DEE- Lineaariset järjestelmät Risto Mionen 6.9.26 Diseettiaiainen vs jatuva-aiainen Jatuvan signaalin u(t) nätteistäminen disreetisi

Lisätiedot

Sarjoja ja analyyttisiä funktioita

Sarjoja ja analyyttisiä funktioita 3B Sarjoja ja analyyttisiä funktioita 3B a Etsi funktiolle z z 5 potenssisarjaesitys kiekossa B0, 5. b Etsi funktiolle z z potenssisarjaesitys kiekossa, jonka keskipiste on z 0 4. Mikä on tämän potenssisarjan

Lisätiedot

KVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA

KVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA KVANTIOINTIKOHINA JA KANAVAN AWGN- KOHINA PULIKOODIMODULAATIOA Teolkenneeknkka I 5359A Kar Kärkkänen Osa 6 5 Kvansonkohna PCM-järjeselmässä PCM:ssa on kaks vrhelähdeä:. kvansonkohna,. kanavan kohnan aheuama

Lisätiedot

Optioiden hinnoittelu Pohjoisella sähkömarkkinalla. Minna Kauria-Kojo Pro gradu-tutkielma Matematiikan ja tilastotieteen laitos Helsingin yliopisto

Optioiden hinnoittelu Pohjoisella sähkömarkkinalla. Minna Kauria-Kojo Pro gradu-tutkielma Matematiikan ja tilastotieteen laitos Helsingin yliopisto Opioiden hinnoielu Pohjoisella sähkömarkkinalla Minna Kauria-Kojo Pro gradu-ukielma Maemaiikan ja ilasoieeen laios Helsingin yliopiso 13.12.2016 HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF

Lisätiedot