Harjoitus 2 ( )

Koko: px
Aloita esitys sivulta:

Download "Harjoitus 2 ( )"

Transkriptio

1 Harjoitus 2 ( ) Tehtävä Kuva 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[] = v[p] d[p] l. max i p 1 {v[i] + a i (i, p) E} = v[l] + a l Muodostetaan taulukko, jossa numerointi on jo kunnossa. Töitä ei tarvitse uudelleennumeroida, koska tehtävänannossa kunkin työn edeltäjällä on aina pienempi järjestysnumero. p v[p] d[p] Esimerkiksi osatöiden 3 ja 9 aikaisimmat aloitushetket on laskettu seuraavasti: v[3] = max { +, + 1} = v[9] = max { + 3, 2 + 1, 2 + 2, 4 + 3} = 8. Myöhäisimmät aloitushetket saadaan kaavoilla T = 1 l[n + 1] T l[k] Nyt voidaan kirjoittaa taulukko min {l[j] a k (k, j) E}. k+1 j n+1 k l[k] r[k] ,

2 Taulukossa esimerkiksi osatöiden 4, 2 ja myöhäisimmät aloitushetket on laskettu seuraavasti: l[4] = min {9 1, 8 1} = 7 l[2] = min {7 1, 7 1} = 6 l[] = min {2, 6, 3 } = 2. Kriittisellä polulla tarkoitetaan koko projektin pisintä tietä. Tämän tehtävän kriittinen polku on d[9] = 3, d[3] = 1, d[1] = eli 1 3 9, ja sen kesto on 8 min. Aloitushetkien pelivarat lasketaan kaavalla jota käyttäen saadaan s[k] = l[k] v[k], k s[k] Osatöiden maksimaaliset pelivarat lasketaan kaavalla jota käyttäen saadaan s m [i] = min j {l[j] (i, j) E} v[i] a i, s m [] = min {2, 6, 3} = 2 s m [1] = 7 = 2 s m [2] = min {7, 7} 1 = 6 s m [3] = 1 3 = 2 s m [4] = min {8, 9} 1 1 = 6 s m [] = = 6 s m [6] = = 7 s m [7] = 7 4 = 3 s m [8] = = 3. Osatöiden riippumattomat pelivarat lasketaan kaavalla s r [i] = max {, min j {v[j] (i, j) E} l[i] a i }, 2

3 jota käyttäen saadaan s r [] = max {, min {,, } 2 } = s r [1] = max {, 2 } = s r [2] = max {, min {, 1} 6 1} = s r [3] = max {, 8 7 3} = s r [4] = max {, min {2, 2} 7 1} = s r [] = max {, 8 8 2} = s r [6] = max {, 8 9 1} = s r [7] = max {, 4 3 4} = s r [8] = max {, 8 7 3} =. Tehtävä 2 Tarkastellaan luentomonisteen projektinvalvontaesimerkkiä Työntekijöitä on koko ajan käytössä 7 henkeä. Muodostetaan osatöiden aikataulut neljällä eri tavalla. a) Valitaan mahdollisista osatöistä se, joka on kestoltaan lyhin. Tällöin saadaan taulukko tapaus aika mahdolliset työt valitaan resursseja alku loppuu 3 2, loppuu loppuu 8 4,, 6, 7 7, 6, = 7 loppuu = 4 6 loppuu = 7 loppuu loppuu loppuu missä = osatyöt, jotka ovat edeltäjien puolesta mahdollisia. Sarakkeessa aika alimpana oleva 22 on projektin kesto. b) Valitaan mahdollisista osatöistä se, joka on resurssivaatimuksiltaan pienin. Nyt saadaan taulukko 3

4 tapaus aika mahdolliset työt valitaan resursseja alku loppuu 3 2, loppuu loppuu 8 4,, 6, 7 7, 6, = 7 loppuu = 4 6 loppuu = 7 loppuu loppuu loppuu Projektin kesto on tässäkin tapauksessa 22, ja taulukko on sama kuin a-kohdassa. c) Valitaan mahdollisista osatöistä se, jonka myöhäisin aloitushetki on mahdollisimman pian. Osatöiden myöhäisimmät aloitushetket nähdään seuraavasta taulukosta: l[j] v[j] Tämän perusteella saadaan taulukko tapaus aika mahdolliset työt valitaan resursseja alku loppuu 3 2, loppuu 6 2, 6, 7 2, 6, = 6 2 ja 7 loppuvat 8 4, = 4 6 loppuu = 7 4 loppuu 14 2 loppuu loppuu Projektin kesto on tällä kertaa 21. d) Valitaan mahdollisista osatöistä se, jonka maksimaalinen pelivara on pienin. Osatöiden maksimaaliset pelivarat lasketaan kaavalla s m [i] = min j {l[j] (i, j) E} v[i] a i, 4

5 jota käyttäen saadaan s m [] = = s m [1] = min {4, 3} 3 = s m [2] = min {14, 6} 3 2 = 1 s m [3] = min {14, 6, 1, 17} 3 3 = s m [4] = 19 6 = 8 s m [] = = s m [6] = = 4 s m [7] = = 11 s m [8] = =. Nyt saadaan sama ratkaisu kuin kohdassa c). Tehtävä 3 Muotoillaan edellinen tehtävä lineaariseksi optimointitehtäväksi kuten luentomonisteen sivuilla on esitetty. Projektin kesto on korkeintaan T = n a i = = 31, i=1 ja meillä on käytettävissä yksi resurssi joka on työvoiman määrä. Tehtävässä n = 8, b ik = h i, missä i = 1,..., 8 ja R kt = 7, missä k = 1 ja t = 1,...,31. Tarkastellaan resursseja erikseen kullakin aikavälillä [t 1, t), missä t = 1,..., 31. Valitaan päätösmuuttujiksi 1, kun työ i alkaa hetkellä t, missä t =, 1,..., 31 a i x it =, muuten. Saadaan optimointitehtävä min s. t. 31 tx 9t 8 i=1 31 a j 31 a i h i t 1 l=max {,t a i } tx jt 31 a i x il 7, t = 1,..., 31 tx it a i, x it = 1, i =, 1,...,9 (i, j) E x it {, 1}, i =,..., 9, t =,...,3.

6 Kirjoitetaan rajoitteet vielä auki. (Ensimmäisiä rajoitteita on yhteensä 31 kpl) x 1 + 3x 2 + 7x 3 + x 4 + 2x + 2x 6 + x 7 + 6x 8 7 (t = 1) (x 1 + x 11 ) + 3(x 2 + x 21 ) + + 6(x 8 + x 81 ) 7 (t = 2) (x 1 + x 11 + x 12 ) + 3(x 21 + x 22 ) + + 6(x 8 + x 81 + x 82 ) 7 (t = 3). (x 1,28 + x 1,29 + x 1,3 ) + 3(x 2,29 + x 2,3 ) + + 6(x 8,26 + x 8,27 + x 8,28 + x 8,29 + x 8,3 ) 7 (t = 31) (Seuraavia rajoitteita on 14 kpl) 31 2 tx 1t 31 tx t tx 2t tx 1t 3 tx 3t tx 1t tx 9t 31 6 tx 8t 6 (Viimeisestä rajoitteesta tulee aukikirjoitettuna 1 kpl) 31 x t = 1 x 1t = x 9t = 1 Tehtävässä on päätösmuuttujia (n+2)t = 1 31 = 31 ja rajoitteita =. Tehtävä 4 Laaditaan projektin osatöiden aikaisimmista aloitushetkistä, edeltäjistä ja myöhäisimmistä aloitushetkistä seuraava taulukko: 6

7 aikaisimmat edeltäjät myöhäisimmät v[s] = l[s] = min {, } = v[a] = d[a] = S l[a] = min {2 1, 1 1} = v[b] = d[b] = S l[b] = min {2 1, 1 1, 2 1} = v[c] = max { + 1, + 1} = 1 d[c] = A l[c] = 3 1 = 2 v[d] = max { + 1, + 1} = 1 d[d] = A l[d] = min {2 1, 4 1} = 1 v[e] = + 1 = 1 d[e] = B l[e] = min {2, 4 } = 2 v[f] = max {1 + 1, 1 + } = 2 d[f] = D l[f] = 3 = 2 v[g] = max {1 + 1, 2 + } = 3 d[g] = F l[g] = 2 = 3 v[h] = max {1 + 1, 1 + } = 2 d[h] = D l[h] = 1 = 4 v[i] = max {3 + 2, 2 + 1} = d[i] = G l[i] = 6 1 = v[f] = + 1 = 6 d[f] = I l[f] = 6 Projektin kesto on 6. Kriittinen polku on d[f] = I, d[i] = G, d[g] = F, d[f] = D, d[d] = A, d[a] = S eli S A D F G I f. A 1 C E H S I 1 f B D 1 1 F G Kuva 2: Tehtävän 4 graafi. Tarkastellaan sitten joidenkin osatöiden kestojen muutosten aiheuttamia vaikutuksia. a) Oletetaan, että työ E kestääkin 1 päivää. Silloin aloitushetken pelivara s[e] = l[e] v[e] = 2 1 = 1. Jos siis osatyön E kesto kasvaa 1 päivällä, niin saadaan vaihtoehtoinen kriittinen polku S B E F G I f. b) Oletetaan, että työ H kestääkin 2 päivää. Silloin aloitushetken pelivara s[h] = l[h] v[h] = 4 2 = 1. Niinpä 1 päivän lisäys ei vaikuta projektin kestoon eikä kriittiseen polkuun. c) Oletetaan, että työt F ja G valmistuvat päivän etuajassa. Silloin projektin kesto lyhenee 2 päivää, sillä töiden C ja H pelivarat ovat s[c] = ja s[h] = 1. Kriittinen polku ei muutu. 7

8 Tehtävä Olkoon tilamuuttujat x n = pakattujen esineiden yhteispaino vaiheessa n, n = 1,..., N 1, esine n pakataan y n =, esinettä n ei pakata. Tällöin saadaan rekursioyhtälö f n (x n ) = max yn {,1} ynwn xn f ( ) =. {y n u n + f n 1 (x n y n w n )}, x n W, n = 1,...,N (1) Lasketaan sovelluksena tapaus, jossa W = 7 ja N = 4. Seuraavissa taulukoissa kussakin vaiheessa n toinen ja kolmas sarake esittävät lausekkeen y n u n + f n 1 (x n y n w n ) arvoja y:n arvoilla ja 1. Neljäs ja viides sarake esittävät yhtälöistä (1) laskettua f:n lauseketta sekä sitä y:n arvoa jolla lauseke y n u n +f n 1 (x n y n w n ) saavuttaa maksiminsa. Otamme myös käyttöön merkinnän x n 1 = x n y n w n. Vaiheessa n = 1 saadaan taulukko x 1 y 1 = y 1 = 1 f 1 (x 1 ) y 1 (x 1 ) Vaiheessa n = 2 saadaan taulukko x 2 y 2 = y 2 = 1 f 2 (x 2 ) y 2 (x 2 ) Vaiheessa n = 3 saadaan taulukko 8

9 Vaiheessa n = 4 saadaan taulukko x 3 y 3 = y 3 = 1 f 3 (x 3 ) y 3 (x 3 ) x 4 y 4 = y 4 = 1 f 4 (x 4 ) y 4 (x 4 ) Vaiheen n = 4 taulukosta näemme, että suurimmalla sallitulla yhteispainolla W = 7 päätösmuuttujan y 4 arvoksi tulee 1. Tästä voimme laskea x 3 :n arvon rekursiokaavalla x 3 = x 4 y 4 w 4. Tätä muuttujan x 3 arvoa voimme taas käyttää päätösmuuttujan y 3 määrittämiseen vaiheen n = 3 taulukosta. Näin jatkamalla rekursioketjun kulkemista takaperin vaiheeseen n = 1 saamme y 4 (7) = 1, x 3 = x 4 y 4 w 4 = = 6 y 3 (6) =, x 2 = x 3 y 3 w 3 = 6 3 = 6 y 2 (6) = 1, x 1 = x 2 y 2 w 2 = = 4 y 1 (4) = 1. Ratkaisu on siis, että kannattaa valita esineet 1, 2 ja 4, jolloin niistä saatava kokonaishyöty on 6. 9

Harjoitus 2 ( )

Harjoitus 2 ( ) Harjoitus 2 (24.3.2015) Tehtävä 1 Figure 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[0] = 0 v[p] max 0 i p 1 {v[i]+a i (i,p) E} = v[l]+a l d[p] l. Muodostetaan taulukko, jossa

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot.. Tehtävä Edellinen tehtävä voidaan ratkaista mm. Bellman-Fordin, Floyd-Warshallin tai Dikstran algoritmilla. Kyseessä on syklitön suunnattu verkko, oten algoritmi. (lyhimmät tiet

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 3 7.3.07 Tehtävä Olkoon tilamuuttujat Tällöin saadaan rekursioyhtälö f n (x n ) = max yn {0,} ynwn xn f 0 ( ) = 0. x n = vaiheessa n jäljellä oleva paino, n =,...,N, esine n pakataan

Lisätiedot

Harjoitus 1 (20.3.2014)

Harjoitus 1 (20.3.2014) Harjoitus 1 (20.3.2014) Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 = Turku 2 = Tampere 3 = Hämeenlinna 4 = Imatra 5 = Jyväskylä. 5 2 149(5) 190(4) 113(1)

Lisätiedot

Harjoitus 1 (17.3.2015)

Harjoitus 1 (17.3.2015) Harjoitus 1 (17.3.2015) Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 = Turku 2 = Tampere 3 = Helsinki 4 = Kuopio 5 = Joensuu. a) Tehtävänä on ratkaista Bellman

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 1 12.3.2018 Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 297 4 2 4 163 3 454 6 179 2 136 2 169 2 390 4 3 436 7 5 Kuva 1: Tehtävän 1

Lisätiedot

Harjoitus 5 ( )

Harjoitus 5 ( ) Harjoitus 5 (24.4.2014) Tehtävä 1 Kuva 1: Tehtävän 1 sallittu joukko S. Optimointitehtävän sallittu alue S on pisteiden (0, 0), (0, 7), (4, 3), (9, 8) ja (9, 0) määräämä viisikulmio. Kyseinen alue saadaan

Lisätiedot

Harjoitus 3 (3.4.2014)

Harjoitus 3 (3.4.2014) Harjoitus 3 (3..) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i, j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman

Lisätiedot

Harjoitus 5 ( )

Harjoitus 5 ( ) Harjoitus 5 (14.4.2015) Tehtävä 1 Figure 1: Tehtävän 1 sallittu joukko S. Optimointitehtävän sallittu alue S on pisteiden (0, 0), (0, 7), (4, 3), (9, 8) ja (9, 0) määräämä viisikulmio. Kyseinen alue saadaan

Lisätiedot

Harjoitus 3 (31.3.2015)

Harjoitus 3 (31.3.2015) Harjoitus (..05) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i,j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman

Lisätiedot

Matemaattinen optimointi II

Matemaattinen optimointi II Matemaattinen optimointi II Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos Kevät 21 Sisältö Esipuhe 1 1 Lyhimmät tiet ja diskreetti dynaaminen optimointi 2 1.1 Lyhimmän tien ongelmia............................

Lisätiedot

Johdatus verkkoteoriaan luento Netspace

Johdatus verkkoteoriaan luento Netspace Johdatus verkkoteoriaan luento 20.3.18 Netspace Kurssin sijainti muussa suunnitellussa kokonaisuudessa Verkko eli graafi, tasoverkko, solmut, välit, alueet, suunnatut verkot, isomorfiset verkot, verkon

Lisätiedot

Malliratkaisut Demo 1

Malliratkaisut Demo 1 Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,

Lisätiedot

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta 401 Työeläkevakuutusyhtiö Frekvenssi VD: Vakavaraisuus VA01a Tuloslaskelma työeläkevakuutusyhtiöille VA02 Tase - vastaavaa VA03 Tase - vastattavaa VB02a Työeläkevakuutusyhtiön tuloslaskelmaa koskevat liitetiedot

Lisätiedot

Ratkaisuehdotukset LH 7 / vko 47

Ratkaisuehdotukset LH 7 / vko 47 MS-C34 Lineaarialgebra, II/7 Ratkaisuehdotukset LH 7 / vko 47 Tehtävä : Olkoot M R symmetrinen ja positiividefiniitti matriisi (i) Näytä, että m > ja m > (ii) Etsi Eliminaatiomatriisi E R siten, että [

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 1 23.1.2017 1. Päätösmuuttujiksi voidaan valita x 1 : tehtyjen peruspöytin lukumäärä x 2 : tehtyjen luxuspöytien lukumäärä. Optimointitehtäväksi tulee max 200x 1 + 350x 2 s. t. 5x

Lisätiedot

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2, MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 5 10.4.2017 Tehtävä 1 x 2 7 0,7 9,8 6 5 4 x 1 x 2 7 x 1 x 2 1 3 2 x 1 0 4,3 x 1 9 1 0,0 x 2 0 9,0 1 2 3 4 5 6 7 8 9 x 1 Kuva 1: Tehtävän 1 sallittu joukko S Optimointitehtävän sallittu

Lisätiedot

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 7. Millä reaaliluvun arvoilla a) 9 =, b) + 5 + +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c) +

Lisätiedot

l 1 2l + 1, c) 100 l=0

l 1 2l + 1, c) 100 l=0 MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 5. Millä reaaliluvun arvoilla a) 9 =, b) 5 + 5 +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c)

Lisätiedot

1 Rajoittamaton optimointi

1 Rajoittamaton optimointi Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 4 3.4.017 Tehtävä 1 Tarkastellaan harjoituksen 1 nopeimman reitin ongelmaa ja etsitään sille lyhin virittävä puu käyttämällä kahta eri algoritmia. a) (Primin algoritmi) Lähtemällä

Lisätiedot

2 Osittaisderivaattojen sovelluksia

2 Osittaisderivaattojen sovelluksia 2 Osittaisderivaattojen sovelluksia 2.1 Ääriarvot Yhden muuttujan funktiolla f(x) on lokaali maksimiarvo (lokaali minimiarvo) pisteessä a, jos f(x) f(a) (f(x) f(a)) kaikilla x:n arvoilla riittävän lähellä

Lisätiedot

Harjoitus 6 ( )

Harjoitus 6 ( ) Harjoitus 6 (30.4.2014) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on max θ(u,v) s.t. u 0,

Lisätiedot

Harjoitus 6 ( )

Harjoitus 6 ( ) Harjoitus 6 (21.4.2015) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s. t. g(x) 0 h(x) = 0 x X olevan optimointitehtävän Lagrangen duaali on missä max θ(u, v) s. t.

Lisätiedot

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 7 Harjoitus 6 Ratkaisuehdotukset 6.. Olkoon f : G R, G = {(x, x ) R x > }, f(x, x ) = x x. Etsi differentiaalit d k f(, ), k =,,. Ratkaisu:

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 3.2.27 Tehtävä. Valmisohjelmistolla voidaan ratkaista tehtävä min c T x s. t. Ax b x, missä x, c ja b R n ja A R m n. Muunnetaan tehtävä max x + 2x 2 + 3x 3 + x s. t. x + 3x 2 + 2x

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 6 24.4.2017 Tehtävä 1 Määritelmän (ks. luentomonisteen s. 107) mukaan yleisen muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on min θ(u,v)

Lisätiedot

sin x cos x cos x = sin x arvoilla x ] π

sin x cos x cos x = sin x arvoilla x ] π Matematiikan johdantokurssi, syksy 08 Harjoitus 0, ratkaisuista. Todenna, että = + tan x. Mutta selvitäppä millä reaaliarvoilla se oikeasti pitää paikkansa! Ratkaisu. Yhtälön molemmat puolet ovat määriteltyjä

Lisätiedot

Luento 9: Yhtälörajoitukset optimoinnissa

Luento 9: Yhtälörajoitukset optimoinnissa Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon

Lisätiedot

http://www.angelniemenankkuri.com/index.php?page=ilu/nuoret/ajankohtaista&select=3&head=nuori%20...

http://www.angelniemenankkuri.com/index.php?page=ilu/nuoret/ajankohtaista&select=3&head=nuori%20... Sivu 1/28 " #%% ((%% ( * +, " -. / " - ("*0 "# % "# (( # # ( ( * # +,,-. /0,-,,2 3 #4 3 % % 5 5 * 4 % 3 6 4 4 44( ( % #"" #"#"# + 7. 4 %%2%%3 % 4 9#:200; 1 5242%% 1,1200/,/,/ (43%% 1 ("*01,01200/,202200/

Lisätiedot

Testejä suhdeasteikollisille muuttujille

Testejä suhdeasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman

Lisätiedot

Ratkaisu: Yksi tapa nähdä, että kaavat A (B C) ja (A B) (A C) ovat loogisesti ekvivalentit, on tehdä totuustaulu lauseelle

Ratkaisu: Yksi tapa nähdä, että kaavat A (B C) ja (A B) (A C) ovat loogisesti ekvivalentit, on tehdä totuustaulu lauseelle HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 3 Ratkaisuehdotukset 1. Olkoot A, B ja C propositiolauseita. Näytä, että A (B C) (A B) (A C). Ratkaisu: Yksi tapa

Lisätiedot

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus. 1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:

Lisätiedot

Investointimahdollisuudet ja investoinnin ajoittaminen

Investointimahdollisuudet ja investoinnin ajoittaminen Investointimahdollisuudet ja investoinnin ajoittaminen Ajoituksen ratkaisu dynaamisella optimoinnilla Optimointiopin seminaari - Syksy 000 / Esitelmän sisältö Investoinnin ajoitusongelman esittely Ongelman

Lisätiedot

Aluevarausmerkinnät: T/kem Maakuntakaava

Aluevarausmerkinnät: T/kem Maakuntakaava kk mk mv se jl ma ge pv nat luo un kp me va sv rr rr A AA C P TP T TT T/kem V R RA RM L LM LL LS E ET EN EJ EO EK EP S SL SM SR M MT MU MY W c ca km at p t t/ kem mo vt/kt/st vt/kt st yt tv /k /v ab/12

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 2.2.217 Tehtävä 1 Edellisten demojen tehtävä oli muotoa max 3x 1 + 4x 2 s.t. 7x 1 + 3x 2 24 : v 1 x 1 + 4x 2 17 : v 2 x 2 3 : v 3 x 1, x 2. Kohdefunktio voitiin kirjoittaa myös muotoon

Lisätiedot

Rekursio. Funktio f : N R määritellään yleensä antamalla lauseke funktion arvolle f (n). Vaihtoehtoinen tapa määritellä funktioita f : N R on

Rekursio. Funktio f : N R määritellään yleensä antamalla lauseke funktion arvolle f (n). Vaihtoehtoinen tapa määritellä funktioita f : N R on Rekursio Funktio f : N R määritellään yleensä antamalla lauseke funktion arvolle f (n). Vaihtoehtoinen tapa määritellä funktioita f : N R on käyttää rekursiota: Rekursio Funktio f : N R määritellään yleensä

Lisätiedot

Vaihtoehtoinen tapa määritellä funktioita f : N R on

Vaihtoehtoinen tapa määritellä funktioita f : N R on Rekursio Funktio f : N R määritellään yleensä antamalla lauseke funktion arvolle f (n). Vaihtoehtoinen tapa määritellä funktioita f : N R on käyttää rekursiota: 1 (Alkuarvot) Ilmoitetaan funktion arvot

Lisätiedot

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Juuri Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 7.5.08 Kertaus K. a) Polynomi P() = + 8 on jaollinen polynomilla Q() =, jos = on polynomin P nollakohta, eli P() = 0. P() = + 8 = 54 08 +

Lisätiedot

Näytetään nyt relaatioon liittyvien ekvivalenssiluokkien olevan verkon G lohkojen särmäjoukkoja. Olkoon siis f verkon G jokin särmä.

Näytetään nyt relaatioon liittyvien ekvivalenssiluokkien olevan verkon G lohkojen särmäjoukkoja. Olkoon siis f verkon G jokin särmä. Tehtävä 6 : 1 Oletetaan ensin joukon X olevan sisältymisen suhteen minimaalinen solmut a ja b toisistaan erotteleva joukon V(G)\{a, b} osajoukko. Olkoon x joukon X alkio. Oletuksen nojalla joukko X\{x}

Lisätiedot

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2 BMA581 - Differentiaalilaskenta ja sovellukset Harjoitus 4, Syksy 15 1. (a) Olisiko virhe likimain.5, ja arvio antaa siis liian suuren arvon. (b) Esim (1,1.5) tai (,.5). Funktion toinen derivaatta saa

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 56 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

Lisätiedot

Valintakoe

Valintakoe Valintakoe 7.3.05 Kokeessa saa käyttää kirjoitusvälinewiden lisäksi ainoastaan kokeessa jaettavaa funktiolaskinta ja taulukkoa Pisteytys 8*3p=4p. Tehtävien alakohtien pistemäärät voivat poiketa toisistaan..

Lisätiedot

MAB3 - Harjoitustehtävien ratkaisut:

MAB3 - Harjoitustehtävien ratkaisut: MAB - Harjoitustehtävien ratkaisut: Funktio. Piirretään koordinaatistoakselit ja sijoitetaan pisteet:. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä. Funktiolla

Lisätiedot

Danfoss SUOSITUT MAGNEETTIVENTTIILIT. Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110. Eniten myyty

Danfoss SUOSITUT MAGNEETTIVENTTIILIT. Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110. Eniten myyty Eniten myyty Danfoss 1 2 3 4 5 6 7 8 9 Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110 1 1099 Danfoss EVSI 10 max+90 C 1/2 230V 10W 2 1102 Danfoss EVI 1,5 1/8 230V 10W 3 1103

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien muunnokset ja niiden jakaumat Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja

Lisätiedot

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus K. a) Polynomi P() = 3 + 8 on jaollinen polynomilla Q() = 3, jos = 3 on polynomin P nollakohta, eli P(3) = 0. P(3) = 3 3 3 + 8 3 = 54 08 + 54 = 0. Polynomi P on jaollinen polynomilla Q. b) Jaetaan

Lisätiedot

Tehtävä 1. Päättele resoluutiolla seuraavista klausuulijoukoista. a. 1 {p 3 } oletus. 4 {p 1, p 2, p 3 } oletus. 5 { p 1 } (1, 2) 7 (4, 6)

Tehtävä 1. Päättele resoluutiolla seuraavista klausuulijoukoista. a. 1 {p 3 } oletus. 4 {p 1, p 2, p 3 } oletus. 5 { p 1 } (1, 2) 7 (4, 6) Tehtävä 1 Päättele resoluutiolla seuraavista klausuulijoukoista. a. {{p 0 }, {p 1 }, { p 0, p 2 }, {p 1, p 2, p 3 }, { p 2, p 3 }, {p 3 }}, b. {{ p 0, p 2 }, {p 0, p 1 }, {{ p 1, p 2 }, { p 2 }}, c. {{p

Lisätiedot

Harjoitus 7: vastausvihjeet

Harjoitus 7: vastausvihjeet Taloustieteen matemaattiset menetelmät 31C01100 Kevät 2017 Topi Hokkanen topi.hokkanen@aalto.fi Harjoitus 7: vastausvihjeet 1. (Epäyhtälörajoitteet) Olkoon f (x, y) = 6x + 4y ja g (x, y) = x 2 + y 2 2.

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan

Lisätiedot

L a = L l. rv a = Rv l v l = r R v a = v a 1, 5

L a = L l. rv a = Rv l v l = r R v a = v a 1, 5 Tehtävä a) Energia ja rataliikemäärämomentti säilyy. Maa on r = AU päässä auringosta. Mars on auringosta keskimäärin R =, 5AU päässä. Merkitään luotaimen massaa m(vaikka kuten tullaan huomaamaan sitä ei

Lisätiedot

isomeerejä yhteensä yhdeksän kappaletta.

isomeerejä yhteensä yhdeksän kappaletta. Tehtävä 2 : 1 Esitetään aluksi eräitä havaintoja. Jokaisella n Z + symbolilla H (n) merkitään kaikkien niiden verkkojen joukkoa, jotka vastaavat jotakin tehtävänannon ehtojen mukaista alkaanin hiiliketjua

Lisätiedot

Tehtävä 8 : 1. Tehtävä 8 : 2

Tehtävä 8 : 1. Tehtävä 8 : 2 Tehtävä 8 : 1 Merkitään kirjaimella G tarkasteltavaa Petersenin verkkoa. Olkoon A joukon V(G) niiden solmujen joukko, joita vastaavat solmut sijaitsevat tehtäväpaperin kuvassa ulkokehällä. Joukon A jokaisella

Lisätiedot

4 LUKUJONOT JA SUMMAT

4 LUKUJONOT JA SUMMAT Huippu Kertaus Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 0.7.08 4 LUKUJONOT JA SUMMAT ALOITA PERUSTEISTA 45A. Määritetään lukujonon (a n ) kolme ensimmäistä jäsentä ja sadas jäsen a 00 sijoittamalla

Lisätiedot

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f )

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Injektio (1/3) Määritelmä Funktio f on injektio, joss f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Seurauksia: Jatkuva injektio on siis aina joko aidosti kasvava tai aidosti vähenevä Injektiolla on enintään

Lisätiedot

1 Komparatiivinen statiikka ja implisiittifunktiolause

1 Komparatiivinen statiikka ja implisiittifunktiolause Taloustieteen matemaattiset menetelmät 27 materiaali 4 Komparatiivinen statiikka ja implisiittifunktiolause. Johdanto Jo opiskeltu antaa nyt valmiu tutkia taloudellisia malleja Kiinnostava malli voi olla

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 9 1 Implisiittinen derivointi Tarkastellaan nyt yhtälöä F(x, y) = c, jossa x ja y ovat muuttujia ja c on vakio Esimerkki tällaisesta yhtälöstä on x 2 y 5 + 5xy = 14

Lisätiedot

Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,...

Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,... HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 2017 Harjoitus 1 Ratkaisuehdotukset 11 Osoita, että vektorifunktio f = (f 1,, f m ): R n R m, on jatkuva, jos ja vain jos jokainen komponenttifunktio

Lisätiedot

Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1

Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1 Tehtävä : Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: a) a) x b) e x + Integraali voisi ratketa muuttujanvaihdolla. Integroitava on muotoa (a x ) n joten sopiva muuttujanvaihto voisi olla

Lisätiedot

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta 401 Työeläkevakuutusyhtiö Frekvenssi VD: Vakavaraisuus VA01a Tuloslaskelma työeläkevakuutusyhtiöille VB01 Epäsuora rahoituslaskelma VB02a Työeläkevakuutusyhtiön tuloslaskelmaa koskevat liitetiedot VD01

Lisätiedot

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120 Tehtävä 1 : 1 Merkitään jatkossa kirjaimella H kaikkien solmujoukon V sellaisten verkkojen kokoelmaa, joissa on tasan kolme särmää. a) Jokainen verkko G H toteuttaa väitteen E(G) [V]. Toisaalta jokainen

Lisätiedot

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k LUKU 3 Ulkoinen derivaatta Olkoot A R n alue k n ja ω jatkuvasti derivoituva k-muoto alueessa A Muoto ω voidaan esittää summana ω = ω i1 i 2 i k dx i 1 dx i 2 1 i 1

Lisätiedot

Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle

Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen Määräykset ja ohjeet Vakuutusyhtiöt Eläkekassat Eläkesäätiöt Antopäivä 1.2.2011 Voimaantulopäivä 1.2.2011 FINANSSIVALVONTA puh. 010

Lisätiedot

Optimoinnin sovellukset

Optimoinnin sovellukset Optimoinnin sovellukset Timo Ranta Tutkijatohtori TTY Porin laitos OPTIMI 4.12.2014 Mitä optimointi on? Parhaan ratkaisun systemaattinen etsintä kaikkien mahdollisten ratkaisujen joukosta Tieteellinen

Lisätiedot

Algoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö

Algoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö Algoritmit 1 Luento 13 Ti 23.2.2016 Timo Männikkö Luento 13 Suunnittelumenetelmät Taulukointi Kapsäkkiongelma Ahne menetelmä Verkon lyhimmät polut Dijkstran menetelmä Verkon lyhin virittävä puu Kruskalin

Lisätiedot

1. Tutkitaan regressiomallia Y i = β 0 + β 1 X i + u i ja oletetaan, että tavanomaiset

1. Tutkitaan regressiomallia Y i = β 0 + β 1 X i + u i ja oletetaan, että tavanomaiset TA7, Ekonometrian johdantokurssi HARJOITUS 7 RATKAISUEHDOTUKSET 16.3.2015 1. Tutkitaan regressiomallia Y i = β 0 + X i + u i ja oletetaan, että tavanomaiset regressiomallin oletukset pätevät (Key Concept

Lisätiedot

Lineaarinen optimointitehtävä

Lineaarinen optimointitehtävä Lineaarinen optimointitehtävä Minimointitehtävä yhtälörajoittein: min kun n j=1 n j=1 c j x j a ij x j = b i x j 0 j = 1,..., n i = 1,..., m Merkitään: z = alkuperäisen objektifunktion arvo käsiteltävänä

Lisätiedot

HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 5 Ratkaisuehdotukset

HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 5 Ratkaisuehdotukset HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 5 Ratkaisuehdotukset 1. Päättele resoluutiolla seuraavista klausuulijoukoista: (a) {{p 0 }, {p 1 }, { p 0, p 2 },

Lisätiedot

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut Insinöörimatematiikka D, 29.3.2016 4. laskuharjoituksien esimerkkiratkaisut 1. Olkoon u (4,0,4,2) ja v ( 1,1,3,5) vektoreita vektoriavaruudessa R 4. Annetun sisätulon (x,y) indusoima normi on x (x,x) ja

Lisätiedot

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (005) 1 Moniulotteisia todennäköisyysjakaumia Multinomijakauma Kaksiulotteinen normaalijakauma TKK (c) Ilkka

Lisätiedot

MAB Jussi Tyni. Lue ohjeet huolellisesti! Tee pisteytysruudukko konseptin yläkertaan. Muista kirjoittaa nimesi. Kysymyspaperin saa pitää.

MAB Jussi Tyni. Lue ohjeet huolellisesti! Tee pisteytysruudukko konseptin yläkertaan. Muista kirjoittaa nimesi. Kysymyspaperin saa pitää. MAB6. 014 Jussi Tyni Lue ohjeet huolellisesti! Tee pisteytysruudukko konseptin yläkertaan. Muista kirjoittaa nimesi. Kysymyspaperin saa pitää. A-OSIO: Ei saa käyttää laskinta. MAOL saa olla esillä. Maksimissaan

Lisätiedot

Moniulotteisia todennäköisyysjakaumia

Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

Harjoitus 8: Excel - Optimointi

Harjoitus 8: Excel - Optimointi Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen

Lisätiedot

Erään piirikomponentin napajännite on nolla, eikä sen läpi kulje virtaa ajanhetkellä 0 jännitteen ja virran arvot ovat. 500t.

Erään piirikomponentin napajännite on nolla, eikä sen läpi kulje virtaa ajanhetkellä 0 jännitteen ja virran arvot ovat. 500t. DEE- Piirianalyysi Harjoitus / viikko 4 Erään piirikomponentin napajännite on nolla, eikä sen läpi kulje virtaa ajanhetkellä jännitteen ja virran arvot ovat t Kun t, v te t 5t 8 V, i te t 5t 5 A, a) Määritä

Lisätiedot

HARJOITUS- PAKETTI E

HARJOITUS- PAKETTI E Logistiikka A35A00310 Tuotantotalouden perusteet HARJOITUS- PAKETTI E (6 pistettä) TUTA 17 Luento 18 Jonojen hallinta Hamburger Restaurant Pinball Wizard 1 piste Benny s Arcade 1/4 Luento 19 Projektin

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (006) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

1 Kertaus. Lineaarinen optimointitehtävä on muotoa: 1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n

Lisätiedot

= P 0 (V 2 V 1 ) + nrt 0. nrt 0 ln V ]

= P 0 (V 2 V 1 ) + nrt 0. nrt 0 ln V ] 766328A Termofysiikka Harjoitus no. 7, ratkaisut (syyslukukausi 2014) 1. Sylinteri on ympäristössä, jonka paine on P 0 ja lämpötila T 0. Sylinterin sisällä on n moolia ideaalikaasua ja sen tilavuutta kasvatetaan

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 5 2.2.28 Tehtävä a) Tehtävä voidaan sieventää muotoon max 5x + 9x 2 + x 3 s. t. 2x + x 2 + x 3 x 3 x 2 3 x 3 3 x, x 2, x 3 Tämä on tehtävän kanoninen muoto, n = 3 ja m =. b) Otetaan

Lisätiedot

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾. 24.11.2006 1. Oletetaan, että kaksiulotteinen satunnaismuuttuja µ noudattaa kaksiulotteista normaalijakaumaa. Oletetaan lisäksi, että satunnaismuuttujan regressiofunktio satunnaismuuttujan suhteen on ݵ

Lisätiedot

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1). HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 017 Harjoitus 4 Ratkaisuehdotukset 4.1. Osoita, että tasa-arvojoukko S F (0), F : R 3 R, F (x) = 3x 1 x 3 + e x + x e x 3, on säännöllinen

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.01 klo 10 13 t ja pisteytysohjeet 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 x 3 3 x 1 4, (b)

Lisätiedot

Danfoss. Danfoss. EV220A 10B 1/2 Kv-Arvo 1,6 EPDM-kalvo Jännitteettömänä kiinni Sopii uusiin WD Metos astianpesukoneisiin

Danfoss. Danfoss. EV220A 10B 1/2 Kv-Arvo 1,6 EPDM-kalvo Jännitteettömänä kiinni Sopii uusiin WD Metos astianpesukoneisiin Eniten myyty Danfoss 1 2 3 4 5 6 7 8 9 Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110 1 1099 Danfoss EVSI 10 max+90 C 1/2 230V 10W 2 1102 Danfoss EVI 1,5 1/8 230V 10W 3 1103

Lisätiedot

Reaaliarvoisen yhden muuttujan funktion derivaatta LaMa 1U syksyllä 2011

Reaaliarvoisen yhden muuttujan funktion derivaatta LaMa 1U syksyllä 2011 Kuudennen eli viimeisen viikon luennot Reaaliarvoisen yhden muuttujan funktion derivaatta LaMa 1U syksyllä 2011 Perustuu Trench in verkkokirjan lukuihin 2.3. ja 2.4. Esko Turunen esko.turunen@tut.fi Jatkuvuuden

Lisätiedot

4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä

4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä JYVÄSKYLÄN YLIOPISTO 4. Luennon sisältö Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä kevät 2012 TIEA382 Lineaarinen ja diskreetti optimointi Lineaarinen optimointitehtävä Minimointitehtävä

Lisätiedot

Ratkaisu: Käytetään induktiota propositiolauseen A rakenteen suhteen. Alkuaskel. A = p i jollain i N. Koska v(p i ) = 1 kaikilla i N, saadaan

Ratkaisu: Käytetään induktiota propositiolauseen A rakenteen suhteen. Alkuaskel. A = p i jollain i N. Koska v(p i ) = 1 kaikilla i N, saadaan HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 2 Ratkaisuehdotukset 1. Olkoon totuusjakauma v sellainen että v(p i ) = 1 kaikilla i N ja A propositiolause, jossa

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13 Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 2 x 2 3 2 3 x 1 4, (b) (x + 1)(x 2)

Lisätiedot

Malliratkaisut Demo 4

Malliratkaisut Demo 4 Malliratkaisut Demo 4 1. tehtävä a) f(x) = 2x + 21. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että imoinnin suhteen. Funktio on konveksi ja konkaavi. b) f(x) = x (pienin kokonaisluku

Lisätiedot

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

Lisätiedot

Määräykset ja ohjeet 1/2011

Määräykset ja ohjeet 1/2011 Määräykset ja ohjeet 1/2011 Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle 5/101/2011 Antopäivä 21.3.2011 Voimaantulopäivä 1.4.2011 FINANSSIVALVONTA

Lisätiedot

Kvanttifysiikan perusteet 2017

Kvanttifysiikan perusteet 2017 Kvanttifysiikan perusteet 207 Harjoitus 2: ratkaisut Tehtävä Osoita hyödyntäen Maxwellin yhtälöitä, että tyhjiössä magneettikenttä ja sähkökenttä toteuttavat aaltoyhtälön, missä aallon nopeus on v = c.

Lisätiedot

A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.

A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä. Esimerkki otteluvoiton todennäköisyys A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä. Yksittäisessä pelissä A voittaa todennäköisyydellä p ja B todennäköisyydellä q =

Lisätiedot

Talousmatematiikan perusteet

Talousmatematiikan perusteet kevät 219 / orms.13 Talousmatematiikan perusteet 9. harjoitus, viikko 12 (18.3. 22.3.219) L Ma 1 12 A22 R5 Ti 14 16 F453 R1 Ma 12 14 F453 L To 8 1 A22 R2 Ma 16 18 F453 R6 Pe 12 14 F14 R3 Ti 8 1 F425 R7

Lisätiedot

Matemaattinen Analyysi

Matemaattinen Analyysi Vaasan yliopisto, 009-010 / ORMS1010 Matemaattinen Analyysi 7 harjoitus 1 Määritä seuraavien potenssisarjojen suppenemissäteet a) k k x 5)k b) k=1 k x 5)k = k k 1) k ) 1) Suppenemissäteen R käänteisarvo

Lisätiedot

Muuttujan vaihto. Viikon aiheet. Muuttujan vaihto. Muuttujan vaihto. ) pitää muistaa lausua t:n avulla. Integroimisen työkalut: Kun integraali

Muuttujan vaihto. Viikon aiheet. Muuttujan vaihto. Muuttujan vaihto. ) pitää muistaa lausua t:n avulla. Integroimisen työkalut: Kun integraali Viikon aiheet Integroimisen työkalut: Rationaalifunktioiden jako osamurtoihin Rekursio integraaleissa CDH: Luku 4, Prujut206: Luvut 4-4.2.5, Prujut2008: s. 89-6 Kun integraali h(x) ei näytä alkeisfunktioiden

Lisätiedot

IPMA C-sertifiointivalmennus

IPMA C-sertifiointivalmennus Liiketoiminta kehittyy kehity sinäkin! IPMA C-sertifiointivalmennus Harjoitukset Tieturi Oy Helsinki, Tampere, Turku, Tukholma, Göteborg www.tieturi.fi Harjoitus 1 / Tavoitemääritys Lapsesi koululuokka

Lisätiedot

Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle: määräysten ja ohjeiden muutokset

Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle: määräysten ja ohjeiden muutokset 1 (5) Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle: määräysten ja ohjeiden muutokset 1 Muutokset Määräyksiin ja ohjeisiin 1/2011 Määräyksiin ja

Lisätiedot

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme? TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia: Mitä

Lisätiedot

y 1 x l 1 1 Kuva 1: Momentti

y 1 x l 1 1 Kuva 1: Momentti BMA58 Integraalilaskenta ja sovellukset Harjoitus 4, Kevät 17 Kaikissa tehtävissä tärkeintä ja riittävää on saada oikea lauseke aikaiseksi. Integraalit eivät tosin ole niin vaikeita etteikö niitä suurimmassa

Lisätiedot