7. Keko. Tarkastellaan vielä yhtä tapaa toteuttaa sivulla 162 määritelty tietotyyppi joukko
|
|
- Teemu Hämäläinen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 7. Keko Tarkastellaan velä yhtä tapaa toteuttaa svulla 6 määrtelty tetotyypp joukko Tällä kertaa emme kutenkaan toteuta normaala operaatovalkomaa, vaan olemme knnostuneta anoastaan kolmesta operaatosta: - heap-nsert(a, k) lsää joukkoon avamen k - heap-mn(a) palauttaa joukon penmmän avamen arvon - heap-del-mn(a) postaa ja palauttaa joukosta penmmän avamen Nämä operaatot tarjoavaa kekoa sanotaan mnmkeoks (engl. mnmum heap) Tonen vahtoehto, el maksmkeko (engl. maxmum heap) tarjoaa operaatot: - heap-nsert(a, k) lsää joukkoon avamen k - heap-max(a) palauttaa joukon suurmman avamen arvon - heap-del-max(a) postaa ja palauttaa joukosta suurmman avamen Nätä kolmea operaatota sanotaan (maksm/mnm) keko-operaatoks Kesktymme tässä luvussa enssjasest maksmkekoon ja sen toteutukseen 9
2 Huom: Keoks kutsutaan myös mustaluetta, josta suortettaven ohjelmen ajonakanen mustnvaraamnen tapahtuu. Tällä tetojenkästtelyn "tosella" keolla e ole mtään tekemstä tetorakenteen keko kanssa Pystysmme luonnollsest toteuttamaan operaatot käyttäen jo tuntemamme tetorakenteta: käyttämällä järjestämättömän lstan nsert, delete ja max-operaatota heap-nsert ols vakoakanen mutta heap-del-max ves akaa O(n) käyttämällä järjestetyn rengaslstan nsert, delete ja max-operaatota heap-nsert ves akaa O(n) ja heap-del-max ols O() käyttämällä AVL-puun nsert, delete ja max-operaatota sekä heap-nsert että heap-del-max vesvät akaa O(log n) Seuraavassa esttämämme keko-tetotyypn toteutuksessa sekä heap-del-max (ta mnmkeossa heap-del-mn) että heap-nsert tomvat ajassa O(log n) ja heap-max (ta mnmkeossa heap-mn) tom vakoajassa O() 99
3 Herää kysymys, mhn tarvtsemme nän spesalsotunutta tetorakennetta? Ekö rtä, että käyttäsmme muokattua tasapanotettua hakupuuta, sllä nän saavutettu keko-operaatoden vaatvuus ols O-analyysn melessä sama kun kohta estettävällä varsnasella kekototeutuksella? Tulemme kurssn akana näkemään algortmeja, jotka käyttävät aputetorakenteenaan kekoa ja näden algortmen tehokkaan toteutuksen kannalta keko-operaatoden tehokkuus on oleellnen Vakka keko e tuokaan kertaluokkaparannusta operaatohn, on se toteutukseltaan hyvn kevyt, ja käytännössä esm. AVL-puuhun perustuvaa toteutusta huomattavast nopeamp Keko on ohjelmojalle ktollnen tetorakenne snä melessä, että toteutus on hyvn yksnkertanen tosn kun esm. tasapanosten hakupuden toteutukset Keosta on erlasa versota, kuten bnomkeko ja Fbonacc-keko (jota emme kästtele täällä) 00
4 Mnmkeon avulla saamme toteutettua tehokkaast prorteettjonon: heap-nsert ve jonottajan jonoon, avan vastaa jonottajan prorteetta (mtä penemp numeroarvo stä korkeamp prorteett) heap-del-mn ottaa jonosta seuraavaks palveltavaks korkemman prorteetn omaavan jonottajan Keon avulla saamme myös toteutettua tehokkaan kekojärjestämsalgortmn Myös verkkoalgortmen yhteydessä (luvussa ) löydämme käyttöä keolle 0
5 Maksmkeon toteuttamnen Keko kannattaa ajatella bnäärpuuna, joka on talletettu mustn taulukkona Bnäärpuu on maksmkeko jos (K) kakk lehdet ovat kahdella verekkäsellä tasolla k ja k + sten että tason k + lehdet ovat nn vasemmalla kun mahdollsta ja kaklla k:ta ylempen tasojen solmulla on kaks lasta (K) jokaseen solmuun talletettu arvo on suuremp ta yhtäsuur kun solmun lapsn talletetut arvot Seuraava bnäärpuu on maksmkeko
6 Keko-omnasuuden (k) ansosta puu vodaan esttää taulukkona, mssä solmut on lueteltu tasottan vasemmalta okealle Yllä oleva puu taulukkoestyksenä: juur taso taso taso Käytännössä keko kannattaa ana tallentaa taulukkoa käyttäen Kekotaulukkoon A lttyy kaks attrbuutta A.length kertoo taulukon koon A.heap-sze kertoo montako taulukon pakkaa (alusta alkaen) kuuluu kekoon Huom: Taulukossa A vo ss kohdan heap-sze jälkeen olla "kekoon kuulumattoma" lukuja Keon juuralko on talletettu taulukon ensmmäseen pakkaan A[] 0
7 Taulukon kohtaan talletetun solmun vanhemman sekä lapset tallettavat taulukon ndekst saadaan selvlle seuraavlla apuoperaatolla: parent() return / left() return rght() return + Vakka varsnasa vttetä e ole, keossa lkkumnen on todella helppoa tarkastellaan edellsen svun esmerkktapausta juuren A[] vasen laps on pakassa A[ ] = A[] ja okea laps pakassa A[ + ] = A[] solmun A[5] vanhemp on A[ 5/ ] =, vasen laps A[0] mutta koska heap-sze[a] = 0, nn okeaa lasta e ole Vomme lausua kekoehdon (K) nyt seuraavast: kaklle < heap-sze pätee A[parent()] A[] 0
8 Ennen varsnasa keko-operaatota toteutetaan tärkeä apuoperaato heapfy Operaato korjaa kekoehdon, jos se on rkk solmun kohdalla Oletus on, että solmun vasen ja okea alpuu toteuttavat kekoehdon Kutsun heapfy(a, ) jälkeen koko solmusta lähtevä alpuu toteuttaa kekoehdon Tomntaperaate on seuraava: Jos A[] on penemp kun tonen lapsstaan, vahdetaan se suuremman lapsen kanssa Jatketaan rekursvsest alas muuttuneesta lapsesta 05
9 heapfy:n parametrena ovat taulukko A ja ndeks oletuksena ss on että left() ja rght() vttaavat jo kekoja oleven alpuden A[left()] ja A[rght()] juurn operaato kuljettaa alkota A[] alaspän, kunnes alpuusta jonka juurena A[] on tulee keko heapfy(a,) l = left() r = rght() f r A.heap-sze f A[l] > A[r] largest = l 5 else largest = r 6 f A[] < A[largest] 7 vahda A[] ja A[largest] heapfy(a,largest) 9 elsf l == A.heap-sze and A[]<A[l] 0 vahda A[] ja A[l] Jos molemmat lapset ovat olemassa (rv ), vahdetaan tarvttaessa A[]:n arvo lapssta suuremman arvoon ja kutsutaan lapselle heapfy-operaatota Jos van vasen laps on olemassa ja tämän arvo suuremp kun A[]:n, vahdetaan arvot keskenään (rvt 9 ja 0) 06
10 Seuraava kuvasarja valottaa operaaton tomntaa heapfy(a,) heapfy(a,)
11 heapfy-operaaton suortusaka rppuu anoastaan puun korkeudesta, rekursvsa kutsuja tehdään pahmmassa tapauksessa puun korkeuden verran n-alkosen keon korkeus selväst O(log n) sllä keko on lähes täydellnen bnäärpuu n alkota ssältävälle keolle tehdyn heapfy-operaaton pahmman tapauksen akavaatvuus on ss O(log n) Rekurson taka operaaton tlavaatvuus on O(log n) Operaato on helppo krjottaa myös lman rekursota, jollon se tom vakotlassa Kekoehdosta (K) seuraa suoraan että keon maksmalko on talletettu pakkaan A[] Operaato heap-max ss on trvaal ja ve vakoajan heap-max(a) return A[] 0
12 Alkon postamnen keosta heap-del-max(a) max = A[] A[] = A[A.heap-sze] A.heap-sze = A.heap-sze - heapfy(a,) 5 return max Tomntadea operaato palauttaa kohdassa A[] olleen avamen keon vmesessä pakassa oleva alko A[A. heap-sze] vedään postetun alkon tlalle ja keon kokoa penennetään yhdellä (rvt ja ) keko on muuten kunnossa mutta kohtaan A[] srretty avan saattaa rkkoa keko-omnasuuden, kutsutaan heapfy operaatota korjaamaan tlanne Operaaton akavaatvuus sama kun heapfy:llä, el O(log n) 09
13 Esmerkk heap-del-max-operaaton tomnnasta heap del max(a) 6 0 heapfy(a,)
14 Alkon lsäämnen kekoon heap-nsert(a,k) A.heap-sze = A.heap-sze+ = A.heap-sze whle > and A[parent()] < k A[] = A[parent()] 5 = parent() 6 A[] = k Tomntadea kasvatetaan keon kokoa yhdellä solmulla el tehdään pakka uudelle avamelle kuljetaan nyt keon uudesta solmusta ylöspän ja srretään arvoja samaan akaan yhtä alemmas nn kauan kunnes uudelle alkolle löydetään pakka joka e rko keko-omnasuutta (K) Pahmmassa tapauksessa lsättävä avan vedään puun juureen ja nän käydessä puun korkeudellsen verran avama on valutettu alaspän Operaaton akavaatvuus ss on O(log n) Seuraavalla svulla esmerkk operaaton tomnnasta
15 heap nsert(5):
16 Jotkut sovellukset tarvtsevat keko-operaatota, joka kasvattaa annetussa ndeksssä olevan avamen arvoa heap-nc-key(a,,newk) f newk > A[] A[] = newk whle > and A[parent()] < A[] vahda A[] ja A[parent()] 5 = parent() Tomntadea jos yrtetään penentää avamen arvoa, operaato e tee mtään kopodaan keon kohtaan uus avamen arvo (rv ) jos kasvatettu avan rkkoo keko-omnasuuden (K), vahdetaan sen arvo vanhemman kanssa nn monta kertaa kunnes okea pakka löytyy (rvt -5) Pahmmassa tapauksessa lehdessä olevaa avanta muutetaan ja muutettu avan joudutaan kuljettamaan ana puun juureen saakka Operaaton akavaatvuus on O(log n) Seuraavalla svulla esmerkk operaaton tomnnasta
17 heap nc key(a,,5)
18 Vastaavast vodaan penentää annetussa ndeksssä olevan avamen arvoa heap-dec-key(a,,newk) f newk < A[] A[] = newk heapfy(a,) Nyt vodaan ss vahtaa avanta ndeksssä joko heap-nc-key(a,, newk):lla ta heap-dec-key(a,, newk), sen mukaan onko newk penemp ta suuremp kun A[] 5
19 Kekojärjestämnen Oletetaan että A on n-pakkanen kokonaslukutaulukko Seuraava algortm järjestää A:n alkot suuruusjärjestykseen käyttäen kekoa H aputetorakenteena sort-wth-heap(a,n) for = to n heap-nsert(h,a[]) for = n downto A[] = heap-del-max(h) Algortmn akavaatvuus on O(n log n), sllä heap-nsert ja heap-del-max vevät O(log n) ja molempa kutsutaan n kertaa 6
20 Mutta vomme toma fksummn: operaaton heapfy avulla on helppo rakentaa mstä tahansa taulukosta A keko: lehdet, el pakossa A[ n/ + ],..., A[n] olevat yhden alkon alpuut ovat jo kekoja kutsutaan heapfy lapsellselle kekosolmulle alkaen A[ n/ ]:sta ana juureen A[] ast nän taulukko A muuttuu keoks for-slmukan nvarantt on ss: kaklla < j A. length solmusta j lähtevä alpuu toteuttaa kekoehdon buld-heap(a) A.heap-sze = A.length for = A.length/ downto heapfy(a,) 7
21 alussa heapfy(5) heapfy() heapfy()
22 heapfy(); heapfy(5) heapfy(); heapfy(); heapfy() tuloksena
23 Kekojärjestämnen tapahtuu seuraavast heap-sort(a) buld-heap(a) for = A.length downto vahda A[] ja A[] A.heap-sze = A.heap-sze 5 heapfy(a,) Tomntadea anestosta tehdään ensn maksmkeko, nän suurn alko on kohdassa A[] vahdetaan keskenään keon ensmmänen ja vmenen alko nän saamme yhden alkon vetyä taulukon loppuun "okealle" pakalleen penentämällä keon kokoa yhdellä huolehdtaan velä että vmenen alko e enää kuulu kekoon pakkaan A[] vety alko saattaa rkkoa keko-omnasuuden huolehdtaan velä että keko-omnasuus sälyy kutsumalla heapfy(a, ) tostetaan samaa nn kauan kun keossa on alkota 0
24 Kekojärjestämsen akavaatvuus heapfy:n akavaatmus on O(log n) keolle jossa n alkota buld-heap-operaatossa kutsutaan n/ kertaa heapfy keolle, jossa on korkentaan n alkota, ss buld-heap käyttää akaa korkentaan O(n log n) heap-sortssa kutsutaan velä n kertaa heapfy-operaatota kokonasuudessaan kekojärjestämsen akavaatvuus on ss O(n log n) Tlavaatvuus heapfy kutsuu rekursvsest tseään pahmmllaan keon korkeudellsen verran, operaato on kutenkn helppo toteuttaa myös lman rekursota jollon sen tlantarve on vako muutkaan kekojärjestämsen tomet evät aputlaa tarvtse, ss tlavaatvuus O()
25 Tarkemp analyys paljastaa että operaaton buld-heap akavaatvuus onkn okeastaan van O(n) Operaaton heapfy(a, ) akavaatvuus on O(h()), mssä h() on solmun korkeus puussa Keon korkeus on selväst k = log n Keon tasolla j on korkentaan j solmua ja näden korkeus on k j ta k j, el korkentaan k j Operaaton buld-heap akavaatvuus on ss O( h()), mutta edellsen perusteella h() k j (k j) = j=0 k k k j j = k j( )j < k j( )j n, j=0 koska k n ja kaavakrjasta näemme, että j=0 j( )j = j=0 Seuraavlla svulla on esmerkk kekojärjestämsestä j=0
26
27 tuloksena
28 Mstä johtuu, että pkajärjestämnen tom käytännössä usemmten nopeammn kun kekojärjestämnen? Kekojärjestämnen vahtaa hyvn usen täysn er puollla järjestettävää taulukkoa oleven alkoden arvoja, pkajärjestämnen taas pysyttelee usemmten ptemmän akaa penemmässä osassa taulukkoa Tällä on suur merktys käytännössä, sllä jos mustvttaukset keskttyvät tetyllä ajanjaksolla peneen osaan taulukkoa, on todennäkösempää että taulukon tarvttava osa löytyy välmuststa Välmustn tehtäven musthakujen vemä aka on merkttäväst penemp verrattuna shen, että teto jouduttasn hakemaan keskusmuststa Asan merktys korostuu velä enemmän, jos koko järjestettävä taulukko e mahdu kerralla keskusmustn, vaan sjatsee osttan kntolevyn swap-osossa Käytännössä on myös osottautunut, että kekojärjestämnen suorttaa keskmäärn monta kertaa enemmän vertalu- ja sjotusoperaatota kun pkajärjestämnen E ole mtenkään lmestä mstä tämä sekka johtuu. 5
29 Keko käytännössä Monssa käytännön sovelluksssa, esm. käytettäessä kekoa prorteettjonona, keottavat alkot ssältävät mutakn attrbuutteja kun pelkän avamen Tällön tse kekoon e välttämättä kannata tallettaa muuta kun avamet sekä vtteet avameen lttyvään muun datan tallettavaan oloon Tällasessa käytännön tlanteessa keko-operaatoden parametrt kannattanee valta seuraavast - heap-nsert(a, x, k) lsää kekoon olon x, jolla avan k - heap-max(a) palauttaa vtteen oloon jolla on avamena keon maksmarvo - heap-del-max(a) palauttaa vtteen oloon jolla on avamena keon maksmarvo ja postaa olon lttyvän avamen keosta - heap-nc-key(x, newk) kasvattaa olon x avanta antaen slle uuden arvon newk - heap-dec-key(x, newk) penentää olon x avanta antaen slle uuden arvon newk Jotta operaato heap-nc-key saadaan toteutettua tehokkaast datan tallettavssa olossa on myös oltava vte vastaavaan kekoalkoon Käytännössä vtteet ss ovat kekotaulukon ndeksejä el kokonaslukuja 6
30 Mustn organsont näyttää esm. seuraavalta: 9 7 keko vtteet datan tallettavn olohn datan tallettavat olot vtteet kekosolmuhn 7
Jaksolliset 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
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
Lisätiedot5. Keko. Tietorakenne keko eli kasa (heap) on tehokas toteutus abstraktille tietotyypille prioriteettijono, jonka operaatiot ovat seuraavat:
5. Keko Tietorakenne keko eli kasa (heap) on tehokas toteutus abstraktille tietotyypille prioriteettijono, jonka operaatiot ovat seuraavat: Insert(S, x): lisää avaimen x prioriteettijonoon S Maximum(S):
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
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
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
LisätiedotTchebycheff-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
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
LisätiedotAVL-puut. eräs tapa tasapainottaa binäärihakupuu siten, että korkeus on O(log n) kun puussa on n avainta
AVL-puut eräs tapa tasapainottaa binäärihakupuu siten, että korkeus on O(log n) kun puussa on n avainta pohjana jo esitetyt binäärihakupuiden operaatiot tasapainotus vie pahimmillaan lisäajan lisäys- ja
LisätiedotA = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A:
Merkkjonot (strngs) n merkkä ptkä merkkjono : T T T G T n = 18 kukn merkk [], mssä 0 < n, kuuluu aakkostoon Σ, jonka koko on Σ esm. bttjonot: Σ = {0,1} ja Σ = 2, DN: Σ = {,T,,G} ja Σ = 4 tetokoneen aakkosto
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
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
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
LisätiedotHakupuut. tässä luvussa tarkastelemme puita tiedon tallennusrakenteina
Hakupuut tässä luvussa tarkastelemme puita tiedon tallennusrakenteina hakupuun avulla voidaan toteuttaa kaikki joukko-tietotyypin operaatiot (myös succ ja pred) pahimman tapauksen aikavaativuus on tavallisella
LisätiedotLuento 6 Luotettavuus Koherentit järjestelmät
Aalto-ylosto erustetede korkeakoulu Matematka a systeemaalyys latos Lueto 6 Luotettavuus Koherett ärestelmät Aht Salo Systeemaalyys laboratoro Matematka a systeemaalyys latos Aalto-ylosto erustetede korkeakoulu
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
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
Lisätiedotlähtokohta: kahden O(h) korkuisen keon yhdistäminen uudella juurella vie O(h) operaatiota vrt. RemoveMinElem() keossa
Kekolajittelu Prioriteettijonolla toteutettu keko InsertItem ja RemoveMinElem: O(log(n)) Lajittelu prioriteettijonolla: PriorityQueueSort(lajiteltava sekvenssi S) alusta prioriteettijono P while S.IsEmpty()
Lisätiedot1 Puu, Keko ja Prioriteettijono
TIE-20100 Tietorakenteet ja algoritmit 1 1 Puu, Keko ja Prioriteettijono Tässä luvussa käsitellään algoritmien suunnitteluperiaatetta muunna ja hallitse (transform and conquer) Lisäksi esitellään binääripuun
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
Lisätiedot1. YLEISKATSAUS MYYNTIPAKKAUKSEN SISÄLTÖ. ZeFit USB -latausklipsi Käyttöohje. Painike
Suom USER GUIDE YLEISKATSAUS LATAAMINEN KIINNITTÄMINEN KÄYTÖN ALOITTAMINEN TIETOJEN SYNKRONOINTI NÄYTTÖTILAT AKTIIVISUUSMITTARI UNITILA TAVOITTEET MUISTUTUKSET TEKNISET TIEDOT 6 8 10 12 16 18 20 21 22
Lisätiedot58131 Tietorakenteet ja algoritmit (syksy 2015) Toinen välikoe, malliratkaisut
Tietorakenteet ja algoritmit (syksy 0) Toinen välikoe, malliratkaisut. (a) Alussa puu näyttää tältä: Lisätään 4: 4 Tasapaino rikkoutuu solmussa. Tehdään kaksoiskierto ensin oikealle solmusta ja sitten
LisätiedotMonte Carlo -menetelmä
Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla
Lisätiedot811312A Tietorakenteet ja algoritmit III Lajittelualgoritmeista
811312A Tietorakenteet ja algoritmit 2016-2017 III Lajittelualgoritmeista Sisältö 1. Johdanto 2. Pikalajittelu 3. Kekolajittelu 4. Lajittelualgoritmien suorituskyvyn rajoista 811312A TRA, Lajittelualgoritmeista
LisätiedotAamukatsaus 13.02.2002
Indekst & korot New Yorkn päätöskursst, euroa Muutos-% Päätös Muutos-% Helsnk New York (NY/Hel) Dow Jones 9863.7-0.21% Noka 26.21 26.05-0.6% S&P 500 1107.5-0.40% Sonera 5.05 4.99-1.1% Nasdaq 1834.2-0.67%
LisätiedotAlgoritmit 2. Luento 2 Ke Timo Männikkö
Algoritmit 2 Luento 2 Ke 15.3.2017 Timo Männikkö Luento 2 Tietorakenteet Lineaarinen lista, binääripuu Prioriteettijono Kekorakenne Keko-operaatiot Keon toteutus taulukolla Algoritmit 2 Kevät 2017 Luento
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...
LisätiedotTuringin kone on kuin äärellinen automaatti, jolla on käytössään
4 TUINGIN KONEET Ala Turg 1935 36 auha Koe vo srtää auha: T U I N G auhapää: ohjausykskkö: Turg koe o ku äärelle automaatt, jolla o käytössää auhapäätä vasemmalle ta okealle; se vo myös lukea ta krjottaa
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
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
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
LisätiedotAlgoritmit 2. Luento 2 To Timo Männikkö
Algoritmit 2 Luento 2 To 14.3.2019 Timo Männikkö Luento 2 Tietorakenteet Lineaarinen lista, binääripuu Prioriteettijono Kekorakenne Keko-operaatiot Keon toteutus taulukolla Algoritmit 2 Kevät 2019 Luento
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
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...
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
Lisätiedotr i m i v i = L i = vakio, (2)
4 TÖRMÄYKSET ILMATYYNYPÖYDÄLLÄ 41 Erstetyn systeemn sälymslat Kun kaks kappaletta törmää tosnsa ne vuorovakuttavat keskenään tetyn ajan Vuorovakutuksella tarkotetaan stä että kappaleet vahtavat keskenään
LisätiedotTKT20001 Tietorakenteet ja algoritmit Erilliskoe , malliratkaisut (Jyrki Kivinen)
TKT0001 Tietorakenteet ja algoritmit Erilliskoe 5.1.01, malliratkaisut (Jyrki Kivinen) 1. [1 pistettä] (a) Esitä algoritmi, joka poistaa kahteen suuntaan linkitetystä järjestämättömästä tunnussolmullisesta
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
LisätiedotSähköstaattinen energia
ähköstaattnen enega Potentaalenegan a potentaaln suhde on samanlanen kun Coulomn voman a sähkökentän suhde: ähkökenttä vakuttaa vaattuun kappaleeseen nn, että se kokee Coulomn voman, mutta sähkökenttä
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-
LisätiedotTehtävän V.1 ratkaisuehdotus Tietorakenteet, syksy 2003
Tehtävän V.1 ratkaisuehdotus Tietorakenteet, syksy 2003 Matti Nykänen 5. joulukuuta 2003 1 Satelliitit Muunnetaan luennoilla luonnosteltua toteutusta seuraavaksi: Korvataan puusolmun p kentät p. key ja
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
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
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
Lisätiedotv 1 v 2 v 3 v 4 d lapsisolmua d 1 avainta lapsen v i alipuun avaimet k i 1 ja k i k 0 =, k d = Sisäsolmuissa vähint. yksi avain vähint.
Yleiset hakupuut 4 Monitiehakupuu: Binäärihakupuu 0 1 3 5 6 7 8 v k 1 k k 3 v v 3 v 4 k 1 k 3 k 1 k k k 3 d lapsisolmua d 1 avainta Yleinen hakupuu? Tietorakenteet, syksy 007 1 Esimerkki monitiehakupuusta
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
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
LisätiedotPaperikoneiden tuotannonohjauksen optimointi ja tuotefokusointi
TEKNILLINEN KORKEAKOULU Teknllsen fyskan koulutusohjelma ERIKOISTYÖ MAT-2.108 Sovelletun matematkan erkostyöt 22.4.2003 Paperkoneden tuotannonohjauksen optmont ja tuotefokusont Jyrk Maaranen 38012p 1 Ssällysluettelo
LisätiedotSähkökiukaan kivimassan vaikutus saunan energiankulutukseen
LAPPEENRANNAN ENILLINEN YLIOPISO eknllnen tedekunta LU Energa Sähkökukaan kvmassan vakutus saunan energankulutukseen Lappeenrannassa 3.6.009 Lass arvonen Lappeenrannan teknllnen ylopsto eknllnen tedekunta
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
Lisätiedotin 2/2012 6-7 4-5 8-9 InHelp palvelee aina kun apu on tarpeen INMICSIN ASIAKASLEHTI
n 2/2012 fo INMICSIN ASIAKASLEHTI 6-7 Dgtova kynä ja Joun Mutka: DgProfITn sovellukset pyörvät Inmcsn konesalssa. 4-5 HL-Rakentajen työmalle on vedettävä verkko 8-9 InHelp palvelee ana kun apu on tarpeen
LisätiedotPinot, jonot, yleisemmin sekvenssit: kokoelma peräkkäisiä alkioita (lineaarinen järjestys) Yleisempi tilanne: alkioiden hierarkia
Pinot, jonot, yleisemmin sekvenssit: kokoelma peräkkäisiä alkioita (lineaarinen järjestys) Yleisempi tilanne: alkioiden hierarkia Kukin alkio (viite) talletettuna solmuun (node) vastaa paikan käsitettä
Lisätiedot10.5 Jaksolliset suoritukset
4.5 Jaksollset suortukset Tarkastellaa tlaetta, jossa asakas tallettaa pakktllle tostuvast yhtäsuure rahasumma k aa korkojakso lopussa. Asakas suorttaa talletukse kertaa. Lasketaa tlllä oleva pääoma :e
Lisätiedot1, x < 0 tai x > 2a.
PHYS-C020 Kvanttmekankka Laskuharotus 2, vkko 45 Tarkastellaan ptkn x-aksela lkkuvaa hukkasta, onka tlafunkto on (x, t) Ae x e!t, mssä A, a! ovat reaalsa a postvsa vakota a) Määrtä vako A sten, että tlafunkto
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
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
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. Hakupuut. B-puu on hakupuun laji, joka sopii mm. tietokantasovelluksiin, joissa rakenne on talletettu kiintolevylle eikä keskusmuistiin.
3. Hakupuut Hakupuu on listaa tehokkaampi dynaamisen joukon toteutus. Erityisesti suurilla tietomäärillä hakupuu kannattaa tasapainottaa, jolloin päivitysoperaatioista tulee hankalampia toteuttaa mutta
Lisätiedot6. Stokastiset prosessit (2)
Ssältö Markov-prosesst Syntymä-kuolema-prosesst luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 6 Markov-prosess Esmerkk Tark. atkuva-akasta a dskreetttlasta stokaststa prosessa X(t) oko tla-avaruudella
LisätiedotOlemme käsitelleet yksinkertaistettua tilannetta, jossa puun solmuihin ei ole talletettu muuta kuin avaimen arvo
Monta indeksiä Olemme käsitelleet yksinkertaistettua tilannetta, jossa puun solmuihin ei ole talletettu muuta kuin avaimen arvo Jos organisoitavaa dataa on paljon, paras ratkaisu on tallettaa muu data
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.
LisätiedotABTEKNILLINEN KORKEAKOULU
ABTEKNILLINEN KORKEAKOULU Tetoverkkolaboratoro 6. Stokastset prosesst () Luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 5 6. Stokastset prosesst () Ssältö Markov-prosesst Syntymä-kuolema-prosesst
LisätiedotTomita-tyylisistä yleistetyistä LR-jäsentäjistä. Jaakko Korpela
Tomta-tyylsstä ylestetystä LR-jäsentäjstä Jaakko Korpela Tampereen ylopsto Tetojenkästtelyteteden latos Tetojenkästtelyopp Pro gradu -tutkelma Marraskuu 2004 Tampereen ylopsto Tetojenkästtelyteteden latos
LisätiedotTyön tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt
FYSP103 / 1 KAASUTUTKIUS Työn tavotteta havannollstaa deaalkaasun tlanyhtälöä oa, mten lman kosteus vakuttaa havattavn lmöhn ja mttaustuloksn kerrata mttausöytäkrjan ja työselostuksen laatmsta Luento-
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
LisätiedotAsennus- ja käyttöohjeet. Videoterminaali 2600..
Asennus- ja käyttöohjeet Vdeotermnaal 2600.. Ssällysluettelo Latekuvaus...3 Asennus...4 Lassuojuksen rrottamnen...5 Käyttö...5 Normaal puhekäyttö...6 Kutsun vastaanotto... 6 Puheen suunnan ohjaus... 7
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
LisätiedotRahastoonsiirtovelvoitteeseen, perustekorkoon ja vakuutusmaksukorkoon liittyvät laskentakaavat ja periaatteet
SU/Vakuutusmatemaattnen ykskkö 3..209 (7) Rahastoonsrtovelvotteeseen, perustekorkoon ja vakuutusmaksukorkoon lttyvät laskentakaavat ja peraatteet Soveltamnen. Rahastosrtovelvote RSV 2. Täydennyskerron
Lisätiedot4. Joukkojen käsittely
4 Joukkojen käsittely Tämän luvun jälkeen opiskelija osaa soveltaa lomittuvien kasojen operaatioita tuntee lomittuvien kasojen toteutuksen binomi- ja Fibonacci-kasoina sekä näiden totetutusten analyysiperiaatteet
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
Lisätiedot58131 Tietorakenteet (kevät 2009) Harjoitus 9, ratkaisuja (Antti Laaksonen)
58131 Tietorakenteet (kevät 2009) Harjoitus 9, ratkaisuja (Antti Laaksonen) 1. Lisäysjärjestämisessä järjestetään ensin taulukon kaksi ensimmäistä lukua, sitten kolme ensimmäistä lukua, sitten neljä ensimmäistä
LisätiedotFDS-OHJELMAN UUSIA OMINAISUUKSIA
FDS-OHJELMAN UUSIA OMINAISUUKSIA Smo Hostkka VTT PL 1000, 02044 VTT Tvstelmä Fre Dynamcs Smulator (FDS) ohjelman vdes verso tuo mukanaan joukon muutoksa, jotka vakuttavat ohjelman käyttöön ja käytettävyyteen.
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
LisätiedotTämä on helpompi ymmärtää, kun tulkitaan keko täydellisesti tasapainotetuksi binääripuuksi, jonka juuri on talletettu taulukon paikkaan
TIE-20100 Tietorakenteet ja algoritmit 178 Keko Taulukko A[1... n] on keko, jos A[i] A[2i] ja A[i] A[2i + 1] aina kun 1 i n 2 (ja 2i + 1 n). Tämä on helpompi ymmärtää, kun tulkitaan keko täydellisesti
LisätiedotHIFI-KOMPONENTTIJÄRJESTELMÄ
HUOMIO: Kauttmes (e tomteta latteen mukana) vovat erota tässä ohjekrjassa estetystä. mall RNV70 HIFI-KOMPONENTTIJÄRJESTELMÄ Huolto ja teknset tedot LUE käyttöohjeet, ennen kun yrtät käyttää latetta. VARMISTA,
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
LisätiedotValmistelut INSTALLATION INFORMATION
Valmstelut 1 Pergo-lamnaattlattan mukana tomtetaan kuvallset ohjeet. Alla olevssa tekstessä on seltykset kuvn. Ohjeet on jaettu kolmeen er osa-alueeseen, jotka ovat valmstelu, asennus ja svous. Suosttelemme,
LisätiedotKollektiivinen korvausvastuu
Kollektvnen korvausvastuu Sar Ropponen 4.9.00 pävtetty 3..03 Ssällysluettelo JOHDANTO... KORVAUSVASTUUSEEN LIITTYVÄT KÄSITTEET VAHINKOVAKUUTUKSESSA... 3. MERKINNÄT... 3. VAHINGON SELVIÄMINEN JA KORVAUSVASTUU...
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
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
LisätiedotHallin ilmiö. Laatija - Pasi Vähämartti. Vuosikurssi - IST4SE. Tekopäivä 2005-9-14 Palautuspäivä 2005-9-28
Jyväskylän Aattkorkeakoulu, IT-nsttuutt IIF00 Sovellettu fyskka, Syksy 005, 4.5 ETS Opettaja Pas epo alln lö Laatja - Pas Vähäartt Vuoskurss - IST4SE Tekopävä 005-9-4 Palautuspävä 005-9-8 8.9.005 /7 LABOATOIOTYÖ
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
LisätiedotMittaustulosten käsittely
Mttaustulosten kästtely Vrhettä ja epävarmuutta lmasevat kästteet Tostokoe ja satunnasten vrheden tlastollnen kästtely. Mttaustulosten jakaumaa kuvaavat tunnusluvut. Normaaljakauma 7. Tostokoe ja suurmman
Lisätiedotler-modern isaatio * d *r n ax* *neäemw & rffi rffi # Sch ind Schindler {4ssxisä tu\*vmisu a**r3 \mj**nt rei
ler-modern saato {4ssxsä tu\*vmsu a**r3 \mj**nt Sch nd re * d *r n ax* *neäemw & rff rff # - " Schndler e,}:r:?tr,::.}a:::.?r!=+,t:",:2-:r?:.+rp;,,..*,. 21/:4?:&rä1 1tt''f &t!:/t F:*?: Haluatko hssstäs
LisätiedotTarkastellaan kuvan 8.1 (a) lineaarista nelitahoista elementtiä, jonka solmut sijaitsevat elementin kärkipisteissä ja niiden koordinaatit ovat ( xi
Elementtmenetelmän erusteet 8. 8 D-SOLIDIRKEEE 8. ohdanto Kolmulottesa soldelementtejä tartaan kolmulottesten kaaleden mallntamseen. ällön tarkasteltaan kaaleen geometralla e ole ertsrtetä jotka teksät
LisätiedotTilastollisen fysiikan luennot
Tlastollsen fyskan luennot Tvstelmät luvuttan I PERUSKÄSITTEITÄ JA MÄÄRITELMIÄ Lämpö on systeemen mkroskooppsten osen satunnasta lkettä Lämpöenerga vrtaa kuumemmasta kappaleesta kylmempään Jos kaks kappaletta
LisätiedotESITYSLISTA 25/2002 vp PERUSTUSLAKIVALIOKUNTA
ESITYSLISTA 25/2002 vp PERUSTUSLAKIVALIOKUNTA Tsta 19.3.2002 kello 10.00 1. Nmenhuuto 2. Päätösvaltasuus 3. U 6/2002 vp ehdotuksesta neuvoston säädöksen antamseks Euroopan polsvraston perustamsesta tehdyn
LisätiedotFrégier'n lause. Simo K. Kivelä, P B Q A
Smo K. Kvelä, 13.7.004 Fréger'n lause Tosen asteen ärllä ellpsellä, paraaelella, hperelellä ja nden erostapauslla on melonen määrä snertasa säännöllssomnasuusa. Eräs tällanen on Fréger'n lause: Oloon P
LisätiedotGeneettiset algoritmit ja luonnossa tapahtuva mikroevoluutio
Mat-2.108 Sovelletun matematkan erkostyöt Geneettset algortmt ja luonnossa tapahtuva mkroevoluuto 11.5.2005 Teknllnen korkeakoulu Systeemanalyysn laboratoro Oll Stenlund 47068f 1 Johdanto 3 2 Geneettset
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
LisätiedotBinäärihaun vertailujärjestys
Järjestetyn sanakirjan tehokas toteutus: binäärihaku Binäärihaku (esimerkkikuassa aain = nimi) op Eea 5 op 5 op op 8 op 5 6 7 8 op Eea 5 op 5 op op 8 op 5 6 7 8 op Eea 5 op 5 op op 8 op 5 6 7 8 op Eea
LisätiedotTULEVAISUUDEN KILPAILUKYKY VAATII OSAAVAT TEKIJÄNSÄ. Suomen Ammattiin Opiskelevien Liitto - SAKKI ry
TULEVAISUUDEN KILPAILUKYKY VAATII OSAAVAT TEKIJÄNSÄ Suomen Ammattn Opskeleven Ltto - SAKKI ry AMMATILLINEN KOULUTUS MUUTOKSEN KOURISSA Suomalasen ammatllsen koulutuksen vahvuus on sen laaja-alasuudessa
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
LisätiedotA274101 TIETORAKENTEET JA ALGORITMIT
A274101 TIETORAKENTEET JA ALGORITMIT PUURAKENTEET, BINÄÄRIPUU, TASAPAINOTETUT PUUT MIKÄ ON PUUTIETORAKENNE? Esim. Viereinen kuva esittää erästä puuta. Tietojenkäsittelytieteessä puut kasvavat alaspäin.
Lisätiedoton määritelty tarkemmin kohdassa 2.3 ja pi kohdassa 2.2.
SU/Vakuutusmatemaattnen ykskkö 7.8.08 (7) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,
Lisätiedotsolmujoukko V omassa säiliössä (sekvenssi) kaarijoukko E kaarialkio-säiliössä kussakin kaarialkiossa viite sen alku- ja loppusolmuun
Grf-tetorkenteen toteutus Grfn toteutus? Perustp : krlst e f Tetorkenteet, syksy 7 Grf-tetorkenteen toteutus Perusopertoen työmäärä krlstss...: ovtko solmut u j v verekkäsä?: O(m) solmun lsäys: O() solmun
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
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
LisätiedotPalkanlaskennan vuodenvaihdemuistio 2017
Palkanlaskennan vuodenvahdemusto 2017 Tarkstuslsta Tarkstettavat asat ennen vuoden ensmmästä palkanmaksua Kopo uudet verokortt. Samat arvot kun joulukuussa käytetyssä, lman kumulatvsa tetoja. Mahdollsest
LisätiedotLIGNIININ RAKENNE JA OMINAISUUDET
16006 LIGNIININ RAKENNE JA INAISUUDET Hlatomen nmeämnen γ 16006 6 α 1 β 5 3 4 e Lgnnn prekursort (monomeert) Lgnnn bosyntees e e e Peroksdaasn ja vetyperoksdn läsnäollessa prekursorsta muodostuu resonanssstablotu
Lisätiedot