Eräs Vaikutuskaavioiden ratkaisumenetelmä
|
|
- Timo-Pekka Saaristo
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Mat Optmontopn semnaar, s Semnaarestelmän referaatt Joun Ikonen Lähde: Ross D. Schachter: Evaluatng nfluence dagrams, Operatons Research, Vol 34, No 6, 1986 Eräs Vakutuskaavoden ratkasumenetelmä
2 Johdanto Päätösongelmen ratkasuun on olemassa useta tapoja. Päätöksenteko ja ongelmanratkasu-kursslla estettn menetelmä ratkasta päätösongelma muodostamalla ensn päätösprosesssta vakutuskaavo, josta nähdään mtkä muuttujat prosessssa vakuttavat mhnkn, muuntamalla sen jälkeen vakutuskaavo päätöspuuks ja ratkasemalla saatu päätöspuu matemaattsest. Tämän jälkeen nähdään eksplsttsest er päätösketjujen tuomat hyödyn odotusarvot, jollon optmaalnen päätösketju vodaan valta. Tonen tapa lähestyä päätösongelmaa on ratkasta se suoraan vakutuskaavosta. Tässä semnaarestelmässä estellään ensn lyhyest päätöspuuhun perustuva ratkasumenetelmä ja kesktytään sen jälkeen erääseen algortmn, jolla vakutuskaavo vodaan ratkasta suoraan. Päätösongelman ratkasu päätöspuun avulla Päätöspuun avulla ratkasun hyvä puol on se, että päätöspuu kuvaa ongelman kattavast. Kakk päätösvahtoehdot, sattumasolmujen mahdollset realsaatot, nden numeroarvot ja todennäkösyysjakaumat näkyvät eksplsttsest päätöspuusta. Tosaalta kattavuudella on myös hattansa, sllä päätöspuu pasuu helpost suureks, jos päätösvahtoehtoja on paljon ja sattumlla on useta realsaatota. Lsäks vakutuskaavon muuntamnen päätöspuuks e onnstu ana suoraan, vaan vakutuskaavota saatetaan joutua ensn muokkaamaan. Edelleen psykologssta systä päätöksentekjän (jolla tarkotetaan tässä asanosasta, ko. ongelman haltjaa, e ss matemaatkkoa, jonka tehtävä on tukea päätöksentekjää) on hankalamp hahmottaa kokonasuus, jos ongelmasta on koko ajan mukana kaks rnnakkasta malla. Päätösongelman ratkasu suoraan vakutuskaavosta Ratkastaessa päätösongelma suoraan vakutuskaavosta e ongelmasta tarvta kun yks mall ja kokonasuuden hahmottamnen on päätöksentekjälle helpompaa. Muta hyvä puola suorassa ratrkasumenetelmässä on herkkyysanalyysn helppous ja penemp tehon ja mustn tarve laskentavaheessa. Huonona puolena vakutuskaavon suorassa ratkasussa on se, että vakutuskaavossa on paljon tetoa plossa. Stä e voda suoraan nähdä er päätösvahtoehtojen määrää, ekä er sattumnen mahdollsa realsaatota, nden numeroarvoja ja todennäkösyysjakauma. Ratkasusta e myöskään nähdä kronologsta optmaalsten päätösten polkua. On huomattava, että lopputulos molemmlla edelläkuvatulla menetelmllä on täysn sama. Molemmat maksmovat hyödyn odotusarvon samon perusten. Lsäks molempa menetelmä käytettäessä tarvtaan täysn samat alkuarvot: sattumen ja päätösten ajallnen rppuvuus, hyötyfunkton rppuvuus satunnasmuuttujsta ja er sattumen ehdollset ja margnaalset todennäkösyysjakaumat.
3 Se, mtä menetelmää mhnkn ongelmaan sovelletaan, rppuu täysn ongelman luonteesta. Nyrkksääntönä vodaan ptää, että yksnkertaset ongelmat, joden päätöspuut pysyvät selkenä, kannattaa ratkassta päätöspuun avulla, sllä sllon ratkasun kulku näkyy havannollsest. Monmutkasssa ongelmssa kokonasen päätöspuun prtämnen e enää suuren koon vuoks ole mahdollsta, joten sllon on selkeämpää soveltaa vakutuskaavon suoraa ratkasua. Koska tällön e kutenkaan voda eksplsttsest nähdä optmaalsten päätösten polkua, ratkasua on hyvä vsualsoda päätöspuulla ta sen oslla. Molempen menetelmen käyttö rnnakkan on ss järkevää, mkäl se selkyttää prosessn kulkua. Vakutuskaavon formaal määrtelmä Vakutuskaavo vodaan määrtellä formaalst seuraavalla tavalla: Vakutuskaavo on graaf G=(N,A), joka koostuu solmusta N ja kaarsta A. Solmuja on kolmenlasa: arvosolmuja A, sattumasolmuja C ja päätössolmuja D. Pätee: V,C,A N. Arvosolmuja vo vakutuskaavossa olla korkentaan yks. Sattuma- ja päätössolmujen määrää e ole rajotettu (vo olla myös 0). Kaaret vodaan jakaa kahteen osajoukkoon: Mstä tahansa solmusta arvo- ja sattumasomuhn johtavat kaaret ovat ehdollsa (engl. condtonal arcs) ja kuvaavat ko. solmujen välstä stokaststa rppuvuutta, mutta evät akarppuvuutta ta syyseuraussuhdetta. Mstä tahansa solmusta päätössolmuhn johtavat kaaret taas ovat nformatvsa (engl. nformatonal arcs) ja kuvaavat kahden solmun välstä akarppuvuutta. Solmun, josta nuol lähtee, tulos on tedossa jo päätöstä tehtäessä. Vakutuskaavon ratkasualgortmn kannalta kaara paremmat muuttujat ovat ns. edeltäjät (engl. predecessor), jota on myös kahdenlasa. Arvo- ja sattumasolmujen edeltäjät so. ntä edeltävät solmut ovat ana ehdollsa edeltäjä (engl. condtonal predecessors). Nstä tuleva teto e ole akarppuvaa, vaan solmujen välllä on anoastaan stokaststa rppuvuutta. Päätössolmujen edeltäjät ovat puolestaan nformatvsa edeltäjä (engl. nformatonal predecessors) ja nstä tuleva teto kuvaa akarppuvuutta. Jokaseen vakutuskaavon solmuun vodaan lttää muuttuja X, jonka arvojoukko dom(x )=Ω ι. X ja Ω rppuvat solmun tyypstä. Arvosolmulle X on hyödyn odotusarvo ja Ω R el Ω on reaalakseln osajoukko. Sattumasomulle X on sattumasolmun satunnastapahtumaa kuvaava satunnasmuuttuja ja Ω ι on sen realsaatoden joukko. Päätössolmulle X on päätös ja Ω päätösvahtoehtojen joukko. Jokaseen solmuun vodaan edelleen lttää solmun tyypstä rppuva kuvaus. Arvosolmulle kuvaus on hyötyfunkto U, joka esttää saavutetun hyödyn arvosolmun v ehdollsten edeltäjen funktona: U: Ω C(v) Ω v. (1)
4 Sattumasolmulle kuvaus on todennäkösyysjakauma π. Jos sattumasolmu on stokastsest rppumaton musta sattumsolmusta (el se e ole kaaren vältyksellä yhteydessä muhn sattumasomuhn), sen kuvaus on margnaalnen todennäkösyysjakauma π (x ) = P(X =x ). (2) Jos sattumasolmu taas on yhteydessä muhn sattumasomuhn, sen kuvaus on ehdollnen todennäkösyysjakauma ja rppuu solmun edeltäjstä: π (x x C() ) = P(X =x X C() =x C() ). (3) Päätössolmulle kuvaus on optmaalnen päätös d *, ja se esttää parasta päätöstä käytössä olevalla nformaatolla: d * : Ω I() Ω. (4) Algortm vakutuskaavon ratkasemseen Ehdot ratkasun olemassaololle Jotta vakutuskaavo votasn ratkasta suoraan, tettyjen välttämättömen ehtojen on oltava vomassa: 1) Päätöksentekjötä saa olla van yks, joten vakutuskaavo e sovellu ryhmäpäätöksentekoon. Ryhmäpäätösongelmen ratkasumenetelmät kuuluvat pelteoran kenttään. 2) Vakutuskaavossa saa olla van yks arvosolmu. Tämä e kutenkaan sulje pos monen krteern optmonta samassa tehtävässä. Hyötyfunkto vo olla monattrbuuttnen, el sen arvoon vo vakuttaa useamp krteer. 3) Vakutuskaavossa e saa olla syklejä, el mstään solmusta e saa päästä suunnattua polkua ptkn takssn samaan solmuun ja 4) On oltava vomassa ns. "no forgettng"-omnasuus. Tämä tarkottaa stä, että kutakn päätöstä tehtäessä on eksplsttsest tedossa myös akasempen päätösten hetkellä olleet tedot el akasemmsta päätöksstä ja ko. päätöksä edeltävstä sattumsta on oltava kaaret tehtävään päätökseen. Käytännössä nämä kaaret ovat tsestäänselvä, joten ntä e välttämättä ole prretty alkuperäseen kaavoon. Ne on kutenkn lsättävä, jotta ratkasualgortm toms. Ratkasun kulku Tässä estellyssä vakutuskaavon ratkasualgortmssa kaavota muokataan arvon sälyttävllä muunnokslla (engl. value preservng reducton). Käytännössä tämä tarkottaa solmujen postoa tettyjen sääntöjen mukaan nn nn kauan, kunnes van arvosolmu on jäljellä. Kysesssä postossa optmaalsten päätösten polku ja lopullnen hyötyfunkton odotusarvo evät muutu. Jokasen solmun poston yhteydessä pävtetään hyötyfunkto nn, että postettavan solmun nformaato ssältyy uuteen hyötyfunktoon. Lopulta arvosolmussa on maksmaalnen hyödyn odotusarvo.
5 Salltut muunnokset tehdään seuraaven vden teoreeman nojalla: Teoreema 1: Sattuma- ta päätössolmu, jolla e ole seuraaja, vodaan postaa. Teoreema 2: Sattumasolmu, jonka anoa seuraaja on arvosolmu, vodaan postaa. Tällön hyötyfunkto U pävtetään seuraavast: U ( = π ). (5) ( xc v) ) U ( xcold ( v) ) ( x xc ( ) x Ω Teoreema 3: Jos päätössolmu on arvosolmun edeltäjä, ja jokanen arvosolmua edeltävä sattumasolmu on myös ko. päätössolmun edeltäjä, päätössolmu vodaan postaa. Tällön U pävtetään seuraavast: U ( xc ( v) C ( v) x Ω Optmaalnen päätös postetun solmun kohdalla on d ) = maxu ( x, x ). (6) * ( xc ( v) C ( v) x Ω ) = arg maxu ( x, x ). (7) Teoreema 4: Sattumasolmujen välnen kaar vodaan kääntää. Tällön molemmat solmut pervät tostensa ehdollset edeltäjät. Teoreema 5: Jos arvosolmulla on edeltäjä, mutta e löydy päätössolmua, joka votasn postaa, löytyy ana kutenkn sellasten kaarmuunnosten sarja, jonka jälkeen päästään postamaan joku sattumasolmu Teoreemen 1-5 perusteella vodaan krjottaa algortm, joka reduso vakutuskaavon van arvosolmuun, joka ssältää hyödyn maksmaalsen odotusarvon. Algortm käy läp kaavon solmuja nn kauan kunnes löytyy sellanen solmu, joka vodaan postaa. Jos tällasta solmua e löydy suoraan, teoreeman 5 nojalla tehdään sellaset kaarmuunnokset, että postettava solmu löytyy. Algortm päättyy kun kakk muut solmut pats arvosolmu on postettu. Herkkyysanalyys Vakutuskaavon suorassa ratkasussa herkkyysanalyys, varsnkn nformaaton arvon laskemnen, on erttän helppoa. Informaaton arvon laskemseks lsätään yksnkertasest kaavoon nuol sattumasolmusta päätössolmuun. Tämä nuol kuvaa ko. päätöksen suhteen täydellstä nformaatota sattumasolmun kuvaamasta tapahtumasta el sattumasolmun realsaaton tuntemsta päätöshetkellä. Epätäydellsen nformaaton tapauksessa ko. sattuma- ja päätössolmujen väln on asetettava ylmääränen sattumasolmu, jonka todennäkösyysjakauma kertoo mllä todennäkösyydellä mtäkn nformaatota saadaan. Muutos hyödyn odotusarvossa, kun ratkastaan estellyllä algortmlla tehtävä ennen nuolen lsäystä ja nuolen lsäyksen jälkeen, kertoo nformaaton arvon. Samalla kertaa
6 vodaan tutka helpost myös useden nformaatoden kokonasarvoa lsäämällä kaavoon useta nuola. Päätöspuun ratkasuun perustuvassa menetelmässä nformaaton arvon laskemnen on vakeampaa, sllä tällön päätöspuuhun joudutaan lsäämään kokonasa uusa haaroja. Myös muu herkkyysanalyys sujuu sujuvast, vakke nformaaton arvon laskun helppouden lsäks muuta merkttävää etua päätöspuumenetelmään verrattuna saavutetakaan. Täydellsen kontrolln arvo saadaan laskemalla algortmlla erotus hyödyn odotusarvossa, kun sattumasolmu muutetaan päätössolmuks. Stokaststa herkkyyttä vodaan tutka laskemalla algortmlla muutos hyödyn odotusarvossa, kun muunnellaan sattumasolmujen todennäkösyysjakauma ja numeroarvoja ja lsäätään ta vähennetään sattumasolmujen ulostuloja. Yhteenveto Vakutuskaavon suora ratkasemnen on yks menetelmä päätösongelman ratkasuun, mutte ylvomanen muhn verrattuna. Menetelmän hyvä puola on sen selkeys päätöksentekjälle, herkkyysanalalyysn helppous ja se, että monmutkasen ongelman tapauksessa e ole pakko muodostaa suurta päätöspuuta ennenkun tehtävä saadaan laskettua. Käytännössä suoran ratkasun menetelmä on vsualsonnn vuoks järkevää yhdstää päätöspuumenetelmään, sllä päätösprosessn kulkua e suorassa ratkasussa näe eksplsttsest. Tällön vakutuskaavon ossta ja päätösketjusta vodaan tarvttaessa prtää päätösputa, vakka kakk laskenta tehtäsnkn suoralla algortmlla.
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
LisätiedotMonte Carlo -menetelmä
Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla
Lisätiedot4. A priori menetelmät
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
LisätiedotDynaaminen ohjelmointi ja vaikutuskaaviot
Dynaaminen ohjelmointi ja vaikutuskaaviot. Taustaa 2. Vaikutuskaaviot ja superarvosolmut 3. Vaikutuskaavion ratkaiseminen 4. Vaikutuskaavio ja dynaaminen ohjelmointi: 5. Yhteenveto Esitelmän sisältö Optimointiopin
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
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
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,
LisätiedotPainokerroin-, epsilon-rajoitusehtoja hybridimenetelmät
Panokerron-, epslon-rajotusehtoja hybrdmenetelmät Optmontopn semnaar - Kevät 000 / Estelmän ssältö Ylestä jälkkätespreferenssmenetelmstä Panokerronmenetelmä Epslon-rajotusehtomenetelmä Hybrdmenetelmä Esmerkkejä
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
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-
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
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...
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
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
LisätiedotPPSS. Roolikäyttäytymisanalyysi 28.03.2011. Tämän raportin on tuottanut: MLP Modular Learning Processes Oy Äyritie 8 A FIN 01510 Vantaa info@mlp.
PP Roolkäyttäytymsanalyys Roolkäyttäytymsanalyys Rool: Krjanptäjä Asema: Laskentapäällkkö Organsaato: Mallyrtys Tekjä: Matt Vrtanen 8.0.0 Tämän raportn on tuottanut: MLP Modular Learnng Processes Oy Äyrte
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
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
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
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
LisätiedotDynaaminen ohjelmointi ja vaikutuskaaviot
Teknillinen Korkeakoulu / Ssteemianalsin laboratorio Mat-2.42 Optimointiopin seminaari / Referaatti esitelmästä Sami Mllmäki Dnaaminen ohjelmointi ja vaikutuskaaviot OHDANTO Dnaamiset ohjelmointitehtävät
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...
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
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
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
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
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
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
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
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
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
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
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
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
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.
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
LisätiedotSMG-1100: PIIRIANALYYSI I
SMG-1100: PIIRIANALYYSI I Vahtosähkön teho hetkellnen teho p(t) pätöteho P losteho Q näennästeho S kompleksnen teho S HETKELLINEN TEHO Kn veresen kvan mpedanssn Z jännte ja vrta (tehollsarvon osottmet)
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
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
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
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
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
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
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-
LisätiedotSuurivaltaisin, Armollisin Keisari ja Suuriruhtinas!
1907. Edusk. Krj. Suomen Pankn vuosrahasääntö. Suomen Eduskunnan alamanen krjelmä uudesta Suomen Pankn vuosrahasäännöstä. Suurvaltasn, Armollsn Kesar ja Suurruhtnas! Suomen Eduskunnan pankkvaltuusmehet
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
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
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
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
Lisätiedotmonitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.
Epätäydellisen preferenssiinformaation hyödyntäminen monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi 15.1.2018 Ohjaaja: Prof. Kai Virtanen Valvoja: Prof. Kai Virtanen Tausta Päätöspuu
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,
LisätiedotJYVÄSKYLÄN YLIOPISTO Taloustieteiden tiedekunta
JYVÄSKYLÄN YLIOPISTO Talousteteden tedekunta AIKA- IKÄ- JA KOHORTTIVAIKUTUKSET KOTITALOUKSIEN RAHOITUSVARALLISUUDEN RAKENTEISIIN SUOMESSA VUOSINA 1994 2004 Kansantaloustede Pro gradu -tutkelma Maalskuu
Lisätiedot13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit
68 3. Leaarset esmmäse kertaluvu dfferetaalsysteemt Tarkastelemme systeemejä () x () t = A() t x() t + b () t, jossa matrs A kertomet ja b ovat välllä I jatkuva. Jatkuve vektorarvoste fuktode avaruutta
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,
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
LisätiedotKUVIEN LAADUN ANALYSOINTI
KUVIEN LAADUN ANALYSOINTI Lasse Makkonen 1.7.2003 Joensuun Ylopsto Tetojenkästtelytede Pro gradu tutkelma Tvstelmä Tutkelmassa luodaan katsaus krjallsuudessa esntyvn dgtaalsten kuven laadullsen analysonnn
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:
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
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
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
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.
LisätiedotUsean muuttujan funktioiden integraalilaskentaa
Usean muuttujan funktoden ntegraallaskentaa Pntantegraaln määrtelmä Yhden muuttujan tapaus (kertausta) Olkoon f() : [a, b] R jatkuva funkto Oletetaan tässä ksnkertasuuden vuoks, että f() Remann-ntegraal
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
LisätiedotKokonaislukuoptimointi
Kokonaslukuotmont Robust dskreett otmont ysteemanalyysn Laboratoro Teknllnen korkeakoulu Ar-Pekka Perkkö ovelletun matematkan tutkasemnaar Kevät 28 sältö Robustn lneaarsen kokonasluku- sekä sekalukuotmontongelman
LisätiedotIlmanvaihdon lämmöntalteenotto lämpöhäviöiden tasauslaskennassa
Y m ä r s t ö m n s t e r ö n m o n s t e 122 Ilmanvahdon lämmöntalteenotto lämöhävöden tasauslaskennassa HELINKI 2003 Ymärstömnsterön monste 122 Ymärstömnsterö Asunto- ja rakennusosasto Tatto: Lela Haavasoja
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
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,
LisätiedotKarttaprojektion vaikutus alueittaisten geometristen tunnuslukujen määritykseen: Mikko Hämäläinen 50823V Maa-123.530 Kartografian erikoistyö
Karttaprojekton vakutus aluettasten geometrsten tunnuslukujen määrtykseen: Mkko Hämälänen 50823V Maa-23.530 Kartografan erkostyö SISÄLLYSLUETTELO JOHDANTO... 4. TUTKIMUKSEN LÄHTÖKOHTA... 4.2 RAPORTISTA...
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. päätöspuiden avulla tarkastellaan vasta seuraavissa harjoituksissa.
ORMS00 Päätöksenteko epävarmuuden vallitessa Syksy 008 Harjoitus Ratkaisuehdotuksia Nämä harjoitukset liittyvät päätöspuiden rakentamiseen: varsinaista päätöksentekoa päätöspuiden avulla tarkastellaan
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
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
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
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
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
LisätiedotSISÄLLYS. N:o 1138. Valtioneuvoston asetus. terveydenhuollon oikeusturvakeskuksesta annetun asetuksen eräiden säännösten kumoamisesta
SUOMEN SÄÄDÖSKOKOELMA 2000 ulkastu Helsngssä 22 päänä joulukuuta 2000 N:o 1138 1143 SISÄLLYS N:o Su 1138 altoneuoston asetus teeydenhuollon okeustuakeskuksesta annetun asetuksen eäden säännösten kumoamsesta...
LisätiedotTimo Tarvainen PUROSEDIMENTIIANALYYSIEN HAVAINNOLLISTAMINEN GEOSTATISTIIKAN KEINOIN. Outokumpu Oy Atk-osasto
Tmo Tarvanen PUROSEDMENTANALYYSEN HAVANNOLLSTAMNEN GEOSTATSTKAN KENON Outokumpu Oy Atk-osasto PUROSEDMENTTANALYYSEN HAVANNOLLSTAMNEN GEOSTATSSTKAN KENON 1. Johdanto Nn sanotulla SKALAn alueella (karttaleht
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
LisätiedotSU/Vakuutusmatemaattinen yksikkö (6)
SU/Vakuutusmatemaattnen ykskkö 28.0.206 (6) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV 2. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan
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
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
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
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...
LisätiedotVAIKKA LAINAN TAKAISIN MAKSETTAVA MÄÄRÄ ON SEN NIMELLISARVO, SIJOITTAJA VOI MENETTÄÄ OSAN MERKINTÄHINNASTA, JOS LAINA ON MERKITTY YLIKURSSIIN
DANSKE BANK A/S 2017: NOUSEVA KIINA Lanakohtaset ehdot A. Sopmusehdot Nämä lanakohtaset ehdot muodostavat yhdessä 28.6.2012 pävättyyn sekä 8.8.2012, 5.11.2013 ja 13.2.2013 täydennettyyn ohjelmaestteeseen
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
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
LisätiedotKOHTA 1. AINEEN/SEOKSEN JA YHTIÖN/YRITYKSEN TUNNISTETIEDOT
Käyttöturvallsuustedote Tekjänokeuden haltja vuonna 2015, 3M Company Kakk okeudet pdätetään. Tämän tedon kopomnen ja/ta lataamnen on sallttua anoastaan 3M tuotteden käyttämstä varten, mkäl (1) tedot on
Lisätiedot