Harjoitus 6 -- Ratkaisut
|
|
- Taisto Korhonen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Harjoitus 6 -- Ratkaisut 1 Ei kommenttia. 2 Haetaan data tiedostosta. SetDirectory"homeofysjmattas" SetDirectory "c:documents and settingsmattasdesktopteachingatk2harjoitukseth06" netnfstuhome4ofysjmattas c:\documents and settings\mattas\desktop\teaching\atk2\harjoitukset\h06 Cleart, x, y t Import"h06data.txt", "Table"; n Lengtht; g ListPlott, ImageSize Small 2 0 Sovitetaan tähän datapisteistöön suora pienimmän neliösumman menetelmällä (ks. luennot). Lasketaan sovituksessa tarvittavat summat muuttujiin sx, sy, sxy ja sxx. Fori 1; sx 0; sy 0; sxy 0; sxx 0, i n, i, x ti, 1; y ti, 2; sx x; sy y; sxy x y; sxx x x; Lasketaan suoran kulmakerroin ja vakiotermi: n sxy sx sy sy sxx sx sxy a ; b n sxx sx 2 n sxx sx 2 ; sx : a x b; Last[t] antaa taulukon t viimeisen lukuparin. Sen 1. alkio saadaan tietysti Last[t][[1]].
2 2 h06ratk.nb Showg, Plotsx, x, 0, Lastt1, ImageSize Small Sovitus saadaan laskettua hyödyntämällä enemmän Mathematican valmiita funktioita. Merkintä t[[all,i]] antaa t:n i:nnen pystyrivin, ts. t[[all,1]] antaa kaikkien lukuparien 1. alkiot. sx TotaltAll, 1; sy TotaltAll, 2; sxx TotaltAll, 1 2 ; sxy TotaltAll, 1 tall, 2; n sxy sx sy sy sxx sx sxy sx : x ; n sxx sx 2 n sxx sx 2 Showg, Plotsx, x, 0, Lastt1, ImageSize Small Sovitussuoran kulmakerroin on siis komponentin konduktanssi, resistanssin käänteisarvo: Print"Konduktanssi: ", a, " Siemens" Print"Resistanssi: ", a 1, " Ohm" Konduktanssi: Siemens Resistanssi: Ohm Yo. sovitus ei kulje origon kautta. Origon kautta kulkevalle suoralle pitää laskea sovitusparametrit uudestaan. Minimoitavaksi tulee summa n i 1 a x i y i 2, josta saadaan derivoimalla a:n suhteen ja asettamalla derivaatta nollaksi: a x iy i x i 2. a sxy sxx ; Showg, Plota x, x, 0, Lastt1, ImageSize Small Saadaan hieman korkeampi konduktanssi.
3 h06ratk.nb 3 Print"Konduktanssi: ", a, " Siemens" Print"Resistanssi: ", a 1, " Ohm" Konduktanssi: Siemens Resistanssi: Ohm Tehdään sovitus vielä Mathematican valmiilla funktiolla Fit. Se ottaa argumenteikseen datapisteistön, listan funktioista joiden lineaarikombinaationa sovitusta etsitään, ja kolmantena mitä symbolia käytetään muuttujana sovituksen tuloksessa. y Fitt, x, x x Tai ei-origon-kautta-kulkeva suora: y Fitt, 1, x, x x Tarkistetaan tulos: ShowPloty, x, 0, tn, 1, Plotsx, x, 0, tn, 1, ImageSize Small Regress-funktio antaa paljon statistiikkaa sovituksen hyvyydestä. Ainut meidän kannaltamme olennainen tilastollinen parametri lienee SE, eli Standard Error. Regress-funktion argumentit ovat samat kuin Fit-funktiolle, mutta se ei palauta suoraan sovitusfunktiota. Regress-funktio löytyy seuraavasta paketista: LinearRegression` Regresst, x, x ParameterTable x , RSquared , AdjustedRSquared , EstimatedVariance , ANOVATable DF SumOfSq MeanSq FRatio PValue Model Error Total Huomataan, että Regress lisää automaattisesti vakiotermin sovitukseen. Se voidaan pakottaa pois asetuksella IncludeConstant->False
4 4 h06ratk.nb Regresst, x, x, IncludeConstant False DesignedRegress::tsos : Warning: the total sum of squares in the ANOVATable is uncorrected not centered on the response mean when there is no constant term in the model; it is designated U Total. DesignedRegress::rsqr : Warning: the RSquared and AdjustedRSquared diagnostics are redefined when there is no constant term in the model. ParameterTable, x RSquared , AdjustedRSquared , EstimatedVariance , ANOVATable DF SumOfSq MeanSq FRatio PValue Model Error U Total Jos et halua lukea virheilmoituksia, käytä Quiet-funktiota. Regresst, x, x, IncludeConstant False Quiet ParameterTable, x RSquared , AdjustedRSquared , EstimatedVariance , ANOVATable DF SumOfSq MeanSq FRatio PValue Model Error U Total Regress palauttaa listan sääntöjä, joiden avulla päästään käsiksi itse lukuihin: p ParameterTable. Regresst, x, x x Arviot kulmakertoimelle ja vakiotermille: Virhearviot: Partp, 1, 1, 1 Partp, 1, 2, Partp, 1, 1, 2 Partp, 1, 2, Lasketaan taulukosta R i : Keskiarvo: Clearr Fori 1, i n, i, ri ti, 1 ti, 2
5 h06ratk.nb 5 Keskihajonta: Fori 1; R 0, i n, i, R ri R n Fori 1; 0, i n, i, R ri^2 n; Sqrt Tai kätevämmin, valmiilla funktioilla: Ρ tall, 1 tall, 2; Ρ av MeanΡ keskiarvo Σ StandardDeviationΡ keskihajonta Valmis funktio käyttää keskihajonnan kaavassa nimittäjää n-1. 4 Haetaan toinen datapisteistö, jossa on siis riippumattomia resistanssin mittauksia suurinpiirtein samalla jännitteen ja virran arvoilla. Muodostetaan erikseen taulukot virralle ja jännitteelle: t Import"h06data2.txt", "Table"; va tall, 1; ia tall, 2; Resistanssin keskiarvo: rav Meanva ia Lasketaan jännitteen ja virran suurimmat poikkeamat keskiarvosta: Print"V ", Η Maxva Meanva Print"I ", φ Maxia Meania V I Leikitään hieman kokonaisdifferentiaalilla: Clearv, i, r rv, i : v i ; dr Dtrv, i v Dti i 2 Dtv i Virherajan laskemiseksi tämän lausekkeen molemmista termeistä on otettava itseisarvot, ja nämä itseisarvot lasketaan yhteen. Huom. Part-funktiolla saa vaikka summan termin tai tulon tekijän (minkä tahansa lausekkeen osan). adr AbsPartdr, 1 AbsPartdr, 2 Abs v Dti Abs Dtv i i 2
6 6 h06ratk.nb Korvataan Dt[i] ja Dt[v] I:llä ja V:llä, ja i ja v keskiarvoilla: r adr. i Meania, v Meanva, Dti φ, Dtv Η Sovelletaan 15 yksikön sääntöä: Virheeksi saadaan 12, ja keskiarvo pyöristetään samaan tarkkuuteen: Print"Resistanssi: R ", Roundrav, 1, " ± ", Roundr, 1, " " Resistanssi: R 145 ± 11
Harjoitus 5 -- Ratkaisut
Harjoitus -- Ratkaisut 1 Ei kommenttia. Tutkittava funktio oskilloi äärettömän tiheään nollan lähellä. PlotPoints-asetus määrää, kuinka tiheästi Plot-funktio ottaa piirrettävästä funktiosta "näytteitä"
LisätiedotHarjoitus 4 -- Ratkaisut
Harjoitus -- Ratkaisut 1 Ei kommenttia. Tutkittava funktio: In[15]:= f x : x 1 x Sin x ; Plot f x, x, 0, 3 Π, PlotRange All Out[159]= Luodaan tasavälinen pisteistö välille 0 x 3 Π. Tehdään se ensin kiinnitetyllä
LisätiedotAki Taanila YHDEN SELITTÄJÄN REGRESSIO
Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...
LisätiedotOhjeita fysiikan ylioppilaskirjoituksiin
Ohjeita fysiikan ylioppilaskirjoituksiin Kari Eloranta 2016 Jyväskylän Lyseon lukio 11. tammikuuta 2016 Kokeen rakenne Fysiikan kokeessa on 13 tehtävää, joista vastataan kahdeksaan. Tehtävät 12 ja 13 ovat
LisätiedotHarjoitus 3 -- Ratkaisut
Harjoitus 3 -- Ratkaisut 1 ' '-merkki kirjoitetaan =, ' '-merkki!=, ' '-merkki ==. Yhtälöiden ratkaisusta puhutaan lisää myöhemmin. a f x, y : If ehtolauseke x y, y tämä palautetaan, jos
Lisätiedotxi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =
1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja olisi alansa huippututkija Tästä johtuen mittaustuloksista
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi
LisätiedotHarjoitus 1 -- Ratkaisut
Kun teet harjoitustyöselostuksia Mathematicalla, voit luoda selkkariin otsikon (ja mahdollisia alaotsikoita...) määräämällä soluille erilaisia tyylejä. Uuden solun tyyli määrätään painamalla ALT ja jokin
LisätiedotHarjoitus 7 -- Ratkaisut
Harjoitus 7 -- Ratkaisut 1 Solve osaa ratkaista polynomiyhtälöitä, ainakin astelukuun 4 asti. Erikoistapauksissa korkeammankin asteen yhtälöt ratkeavat. Clear a, b, c, d, e, x ; Solve a x 3 b x 2 c 0,
LisätiedotLisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?
MTTTP5, kevät 2016 15.2.2016/RL Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen 1. Valitaan 25 alkion satunnaisotos jakaumasta N(µ, 25). Olkoon H 0 : µ = 12. Hylätään H 0, jos otoskeskiarvo
LisätiedotKompleksilukujen kunnan konstruointi
Kompleksilukujen kunnan konstruointi Seuraava esitys osoittaa, miten kompleksilukujoukko voidaan määritellä tunnetuista reaalisista käsitteistä lähtien. Määrittelyjen jälkeen on helppoa osoittaa Mathematican
LisätiedotKuva 1. Ohmin lain kytkentäkaavio. DC; 0 6 V.
TYÖ 37. OHMIN LAKI Tehtävä Tutkitaan metallijohtimen päiden välille kytketyn jännitteen ja johtimessa kulkevan sähkövirran välistä riippuvuutta. Todennetaan kokeellisesti Ohmin laki. Välineet Tasajännitelähde
LisätiedotKeskipisteen lisääminen 2 k -faktorikokeeseen (ks. Montgomery 9-6)
Mat-.3 Koesuunnittelu ja tilastolliset mallit kevät Keskipisteen lisääminen k -faktorikokeeseen (ks. Montgomery 9-6) Esim (Montg. ex. 9-, 6-): Tutkitaan kemiallisen prosessin saannon Y riippuvuutta faktoreista
LisätiedotTässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)
R-ohjelman käyttö data-analyysissä Panu Somervuo 2014 Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. 0) käynnistetään R-ohjelma Huom.1 allaolevissa ohjeissa '>' merkki on R:n
LisätiedotHarjoitus 2 -- Ratkaisut
Harjoitus -- Ratkaisut Listat a Table-komento Huom. (*-merkki aloittaa kommentin ja *)-merkki päättää sen. Table x, x,. x:n arvo, viimeinen x:n arvo, askelpituus, 4, 9, 6, 5, 36, 49, 64, 8,,, 44, 69, 96,
LisätiedotHarjoitus 2 -- Ratkaisut
Harjoitus -- Ratkaisut Listat a Table-komento Huom. (*-merkki aloittaa kommentin ja *)-merkki päättää sen. In[5]:= Table x, x,. x:n arvo, viimeinen x:n arvo, askelpituus Out[5]=, 4, 9,, 5, 3, 49, 4, 8,,,
LisätiedotVirhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.
Virhearviointi Fysiikassa on tärkeää tietää tulosten tarkkuus. Virhelajit A. Tilastolliset virheet= satunnaisvirheet, joita voi arvioida tilastollisin menetelmin B. Systemaattiset virheet = virheet, joita
LisätiedotTilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä
Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi Esimerkit laskettu JMP:llä Antti Hyttinen Tampereen teknillinen yliopisto 29.12.2003 ii Ohjelmien
LisätiedotPHYS-A1110 Laboratoriotyöosuus. Vastaava opettaja Jani Sainio puh: 050-5756914 jani.sainio@aalto.fi huone 138 (OK 4A)
PHYS-A1110 Laboratoriotyöosuus Vastaava opettaja Jani Sainio puh: 050-5756914 jani.sainio@aalto.fi huone 138 (OK 4A) Kurssin järjestelyt Miksi? Fysiikka on havaintoja ja niiden selittämistä / ennustamista
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 2. luento 10.11.2017 Keinotekoiset neuroverkot Neuroverkko koostuu syöte- ja ulostulokerroksesta
LisätiedotViikon aiheet. Funktion lineaarinen approksimointi
Viikon aiheet Funktion ääriarvot Funktion lineaarinen approksimointi Vektorit, merkintätavat, pituus, yksikkövektori, skalaarilla kertominen, kanta ja kannan vaihto Funktion ääriarvot 6 Väliarvolause Implisiittinen
Lisätiedot815338A Ohjelmointikielten periaatteet 2014-2015. Harjoitus 7 Vastaukset
815338A Ohjelmointikielten periaatteet 2014-2015. Harjoitus 7 Vastaukset Harjoituksen aiheena on funktionaalinen ohjelmointi Scheme- ja Haskell-kielillä. Voit suorittaa ohjelmat osoitteessa https://ideone.com/
LisätiedotErään 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[MTTTA] TILASTOMENETELMIEN PERUSTEET, KEVÄT 209 https://coursepages.uta.fi/mttta/kevat-209/ HARJOITUS 5 viikko 8 RYHMÄT: ke 2.5 3.45 ls. C6 Leppälä to 08.30 0.00 ls. C6 Korhonen to 2.5 3.45 ls. C6 Korhonen
Lisätiedot815338A Ohjelmointikielten periaatteet Harjoitus 6 Vastaukset
815338A Ohjelmointikielten periaatteet 2015-2016. Harjoitus 6 Vastaukset Harjoituksen aiheena on funktionaalinen ohjelmointi Scheme- ja Haskell-kielillä. Voit suorittaa ohjelmat osoitteessa https://ideone.com/
LisätiedotOhjelmoinnin peruskurssi Y1
Ohjelmoinnin peruskurssi Y1 CSE-A1111 30.9.2015 CSE-A1111 Ohjelmoinnin peruskurssi Y1 30.9.2015 1 / 27 Mahdollisuus antaa luentopalautetta Goblinissa vasemmassa reunassa olevassa valikossa on valinta Luentopalaute.
LisätiedotLUKU 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
LisätiedotHarjoitus 1 -- Ratkaisut
Kun teet harjoitustyöselostuksia Mathematicalla, voit luoda selkkariin otsikon (ja mahdollisia alaotsikoita...) määräämällä soluille erilaisia tyylejä. Uuden solun tyyli määrätään painamalla ALT ja jokin
LisätiedotIlkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio
Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio
Lisätiedotr > y x z x = z y + y x z y + y x = r y x + y x = r
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Osoita, että avoin kuula on avoin joukko ja suljettu kuula on suljettu joukko. Ratkaisu.
LisätiedotTASON YHTÄLÖT. Tason esitystapoja ovat: vektoriyhtälö, parametriesitys (2 parametria), normaalimuotoinen yhtälö ja koordinaattiyhtälö.
TSON YHTÄLÖT VEKTORIT, M4 Jokainen seuraavista määrää avaruuden tason yksikäsitteisesti: - kolme tason pistettä, jotka eivät ole samalla suoralla, - yksi piste ja pisteen ulkopuolinen suora, - yksi piste
LisätiedotMat. tukikurssi 27.3.
Mat. tukikurssi 7.. Tänään oli paljon vaikeita aiheita: - suunnattu derivaatta - kokonaisdierentiaali - dierentiaalikehitelmä - implisiittinen derivointi Nämä kaikki liittvät aika läheisesti toisiinsa.
LisätiedotOletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen
Yhden faktorin malli: n kpl sijoituskohteita, joiden tuotot ovat r i, i =, 2,..., n. Olkoon f satunnaismuuttuja ja oletetaan, että tuotot voidaan selittää yhtälön r i = a i + b i f + e i avulla, missä
LisätiedotMATP153 Approbatur 1B Harjoitus 5 Maanantai
MATP153 Approbatur 1B Harjoitus 5 Maanantai 30.11.015 1. (Opiskelutet. 0 s. 81.) Selvitä, miten lauseke sin(4x 3 + cos x ) muodostuu perusfunktioista (polynomeista, trigonometrisistä funktioista jne).
LisätiedotSivu 1 / 8. A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste. Olli Kauppi
Sivu 1 / 8 A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste Olli Kauppi Monisteen ensimmäinen luku käsittelee derivointia hieman yleisemmästä näkökulmasta. Monisteen lopussa on kurssilla
LisätiedotIntegraalifunktio. Pohdittavaa: Minkä funktion derivaattafunktio on a) 3x 2, b) 2x? MiH (Ivalon lukio) MAA10 25. kesäkuuta 2014 1 / 5
Pohdittavaa: Minkä funktion derivaattafunktio on a) 3x 2, b) 2x? MiH (Ivalon lukio) MAA10 25. kesäkuuta 2014 1 / 5 Pohdittavaa: Minkä funktion derivaattafunktio on a) 3x 2, b) 2x? Derivaatta a) 3x 2 Funktio
LisätiedotMATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 24.9.2019 HYVÄN VASTAUKSEN PIIRTEITÄ Alustavat hyvän vastauksen piirteet on suuntaa-antava kuvaus kokeen tehtäviin odotetuista vastauksista ja tarkoitettu ensisijaisesti
Lisätiedot7. Resistanssi ja Ohmin laki
Nimi: LK: SÄHKÖ-OPPI Tarmo Partanen Teoria (Muista hyödyntää sanastoa) 1. Millä nimellä kuvataan sähköisen komponentin (laitteen, johtimen) sähkön kulkua vastustavaa ominaisuutta? 2. Miten resistanssi
LisätiedotAalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla
LisätiedotSähkövirran määrittelylausekkeesta
VRTAPRLASKUT kysyttyjä suureita ovat mm. virrat, potentiaalit, jännitteet, resistanssit, energian- ja tehonkulutus virtapiirin teho lasketaan Joulen laista: P = R 2 sovelletaan Kirchhoffin sääntöjä tuntemattomien
LisätiedotMetropolia ammattikorkeakoulu 05.02.2015 TI00AA43-3004: Ohjelmointi Kotitehtävät 3
: http://users.metropolia.fi/~pasitr/2014-2015/ti00aa43-3004/kt/03/ratkaisut/ Tehtävä 1. (1 piste) Tee ohjelma K03T01.cpp, jossa ohjelmalle syötetään kokonaisluku. Jos kokonaisluku on positiivinen, niin
LisätiedotKaksisuuntaisen varianssianalyysin tilastollisessa malli voidaan esittää seuraavassa muodossa:
Mat-.03 Koesuunnittelu ja tilastolliset mallit Mat-.03 Koesuunnittelu ja tilastolliset mallit / Ratkaisut Aiheet: Avainsanat: Kaksisuuntainen varianssianalsi Aritmeettinen keskiarvo, Estimointi, F-testi,
LisätiedotMetropolia ammattikorkeakoulu TI00AA : Ohjelmointi Kotitehtävät 3 opettaja: Pasi Ranne
Seuraavista tehtävistä saatu yhteispistemäärä (max 7 pistettä) jaetaan luvulla 3.5 ja näin saadaan varsinainen kurssipisteisiin laskettava pistemäärä. Bonustehtävien pisteet jaetaan luvulla 4 eli niistä
Lisätiedotriippumattomia ja noudattavat samaa jakaumaa.
12.11.2015/1 MTTTP5, luento 12.11.2015 Luku 4 Satunnaisotos, otossuure ja otosjakauma 4.1. Satunnaisotos X 1, X 2,, X n on satunnaisotos, jos X i :t ovat riippumattomia ja noudattavat samaa jakaumaa. Sanonta
LisätiedotJohdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita
LisätiedotPienimm"an neli"osumman sovitus
Pienimm"an neli"osumman sovitus Aluksi luentoesimerkki V2 19.3. 2002, V3 lokakuu -02 2013kevat/maple/ restart with(linearalgebra):alias(tr=transpose): with plots : xd:=[-1.3,-0.1,0.2,1.3]; yd:=[0.103,1.099,0.808,1.897];
Lisätiedotr = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.
A. r = 0. n = Tilastollista testausta varten määritetään aluksi hypoteesit. H 0 : Korrelaatiokerroin on nolla. H : Korrelaatiokerroin on nollasta poikkeava. Tarkastetaan oletukset: - Kirjoittavat väittävät
Lisätiedoty z = (x, y) Kuva 1: Euklidinen taso R 2
Kompleksiluvut. Määritelmä Tarkastellaan euklidista tasoa R = {(, y), y R}. y y z = (, y) R Kuva : Euklidinen taso R Suorakulmaisessa koordinaatistossa on -akseli ja y-akseli. Luvut ja y ovat pisteen z
LisätiedotMS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)
MS-A4 Differentiaali- ja integraalilaskenta (ELEC2) MS-A6 Differentiaali- ja integraalilaskenta (ENG2) Harjoitukset 3L, syksy 27 Tehtävä. a) Määritä luvun π likiarvo käyttämällä Newtonin menetelmää yhtälölle
Lisätiedotx 4 e 2x dx Γ(r) = x r 1 e x dx (1)
HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta IIA, syksy 217 217 Harjoitus 6 Ratkaisuehdotuksia Tehtäväsarja I 1. Laske numeeriset arvot seuraaville integraaleille: x 4 e 2x dx ja 1
LisätiedotMittaustuloksen esittäminen Virhetarkastelua. Mittalaitetekniikka NYMTES 13 Jussi Hurri syksy 2014
Mittaustuloksen esittäminen Virhetarkastelua Mittalaitetekniikka NYMTES 13 Jussi Hurri syksy 2014 SI järjestelmä Kansainvälinen mittayksikköjärjestelmä Perussuureet ja perusyksiköt Suure Tunnus Yksikkö
LisätiedotAalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 4A (Vastaukset) alkuviikolla
LisätiedotFysiikan laboratoriotyöt 1, työ nro: 2, Harmoninen värähtelijä
Fysiikan laboratoriotyöt 1, työ nro: 2, Harmoninen värähtelijä Tekijä: Mikko Laine Tekijän sähköpostiosoite: miklaine@student.oulu.fi Koulutusohjelma: Fysiikka Mittausten suorituspäivä: 04.02.2013 Työn
LisätiedotTampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus
Tampereen yliopisto Tietokonegrafiikka 201 Tietojenkäsittelytiede Harjoitus 6 1..201 1. Tarkastellaan Gouraudin sävytysmallia. Olkoon annettuna kolmio ABC, missä A = (0,0,0), B = (2,0,0) ja C = (1,2,0)
LisätiedotMatematiikan tukikurssi, kurssikerta 3
Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus
LisätiedotKompleksiluvut., 15. kesäkuuta /57
Kompleksiluvut, 15. kesäkuuta 2017 1/57 Miksi kompleksilukuja? Reaaliluvut lukusuoran pisteet: Tiedetään, että 7 1 0 x 2 = 0 x = 0 1 7 x 2 = 1 x = 1 x = 1 x 2 = 7 x = 7 x = 7 x 2 = 1 ei ratkaisua reaalilukujen
LisätiedotKompleksilukujen kunnan konstruointi
ckunta.nb Kompleksilukujen kunnan konstruointi Seuraava esitys osoittaa, miten kompleksilukujoukko voidaan määritellä tunnetuista reaalisista käsitteistä lähtien. Määrittelyjen jälkeen on helppoa osoittaa
Lisätiedotorigo III neljännes D
Sijoita pisteet A(1,4) ja B(4,5;5) sekä C(-3,4) ja D(-4,--5) y II neljännes C A I neljännes B x origo III neljännes D IV neljännes KOTIT. Sijoita ja nimeä koordinaatistoon pisteitä niin, että pisteet yhdistettäessä
Lisätiedot1. Erään piirin impedanssimittauksissa saatiin seuraavat tulokset:
521384A RADIOTEKNIIKAN PERUSTEET Harjoitus 4 1. Erään piirin impedanssimittauksissa saatiin seuraavat tulokset: f [MHz] [Ω] 870 120-j100 875 100-j80 880 80-j55 885 70-j30 890 70-j15 895 65+j10 900 70+j30
LisätiedotMatematiikan 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
LisätiedotSMG-1100: PIIRIANALYYSI I
SMG-00: PIIIANAYYSI I Passiiviset piirikomponentit vastus kondensaattori käämi Kirja: luku. (vastus), luku 6. (käämi), luku 6. (kondensaattori) uentomoniste: luvut 3., 3. ja 3.3 VASTUS ja ESISTANSSI (Ohm,
LisätiedotT Luonnollisten kielten tilastollinen käsittely
T-61.281 Luonnollisten kielten tilastollinen käsittely Vastaukset 3, ti 11.2.2003, 16:15-18:00 Kollokaatiot, Versio 1.1 1. Lasketaan ensin tulokset sanaparille valkoinen, talo käsin: Frekvenssimenetelmä:
LisätiedotVASTUSMITTAUKSIA. 1 Työn tavoitteet
Oulun yliopisto Fysiikan opetuslaboratorio Sähkö ja magnetismiopin laboratoriotyöt VASTUSMTTAUKSA Työn tavoitteet Tässä työssä tutustut Ohmin lakiin ja joihinkin menetelmiin, joiden avulla vastusten resistansseja
Lisätiedot815338A Ohjelmointikielten periaatteet Harjoitus 2 vastaukset
815338A Ohjelmointikielten periaatteet 2015-2016. Harjoitus 2 vastaukset Harjoituksen aiheena on BNF-merkinnän käyttö ja yhteys rekursiivisesti etenevään jäsentäjään. Tehtävä 1. Mitkä ilmaukset seuraava
LisätiedotKohdeyleisö: toisen vuoden teekkari
Julkinen opetusnäyte Yliopisto-opettajan tehtävä, matematiikka Klo 8:55-9:15 TkT Simo Ali-Löytty Aihe: Lineaarisen yhtälöryhmän pienimmän neliösumman ratkaisu Kohdeyleisö: toisen vuoden teekkari 1 y y
Lisätiedoty x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1
1. Tarkastellaan funktiota missä σ C ja y (y 1,..., y n ) R n. u : R n R C, u(x, t) e i(y x σt), (a) Miksi funktiota u(x, t) voidaan kutsua tasoaalloksi, jonka aaltorintama on kohtisuorassa vektorin y
LisätiedotRatkaisuehdotukset 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 [
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21
LisätiedotKäyräparven kohtisuorat leikkaajat
Käyräparven kohtisuorat leikkaajat Käyräparven kohtisuoriksi leikkaajiksi kutsutaan toista käyräparvea, jonka käyrät leikkaavat ensinmainitun parven käyrät kohtisuorasti jokaisessa leikkauspisteessä. Kahden
LisätiedotKerta 2. Kerta 2 Kerta 3 Kerta 4 Kerta 5. 1. Toteuta Pythonilla seuraava ohjelma:
Kerta 2 Kerta 3 Kerta 4 Kerta 5 Kerta 2 1. Toteuta Pythonilla seuraava ohjelma: 2. Tulosta Pythonilla seuraavat luvut allekkain a. 0 10 (eli, näyttää tältä: 0 1 2 3 4 5 6 7 8 9 10 b. 0 100 c. 50 100 3.
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 7 Ti 27.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 7 Ti 27.9.2011 p. 1/39 p. 1/39 Interpolointi Ei tunneta funktion f : R R lauseketta, mutta tiedetään funktion
LisätiedotMAB3 - Harjoitustehtävien ratkaisut:
MAB - Harjoitustehtävien ratkaisut: Funktio. Piirretään koordinaatistoakselit ja sijoitetaan pisteet:. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä. Funktiolla
Lisätiedot5. Numeerisesta derivoinnista
Funktion derivaatta ilmaisee riippumattoman muuttujan muutosnopeuden riippuvan muuttujan suteen. Esimerkiksi paikan derivaatta ajan suteen (paikan ensimmäinen aikaderivaatta) on nopeus, joka ilmaistaan
LisätiedotJos Q = kysytty määrä, Q = kysytyn määrän muutos, P = hinta ja P = hinnan muutos, niin hintajousto on Q/Q P/P
Osa 5. Joustoista Kysynnän hintajousto (price elasticity of demand) mittaa, miten kysynnän määrä reagoi hinnan muutokseen = kysytyn määrän suhteellinen muutos jaettuna hinnan suhteellisella muutoksella
Lisätiedot3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
1 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a
LisätiedotNumeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35
Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen
LisätiedotMS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)
. Lasketaan valmiiksi derivaattoja ja niiden arvoja pisteessä x = 2: f(x) = x + 3x 3 + x 2 + 2x + 8, f(2) = 56, f (x) = x 3 + 9x 2 + 2x + 2, f (2) = 7, f (x) = 2x 2 + 8x + 2, f (2) = 86, f (3) (x) = 2x
LisätiedotNumeerinen analyysi Harjoitus 3 / Kevät 2017
Numeerinen analyysi Harjoitus 3 / Kevät 2017 Palautus viimeistään perjantaina 17.3. Tehtävä 1: Tarkastellaan funktion f(x) = x evaluoimista välillä x [2.0, 2.3]. Muodosta interpoloiva polynomi p 3 (x),
LisätiedotLukujonon raja-arvo 1/7 Sisältö ESITIEDOT: lukujonot
Lukujonon raja-arvo 1/7 Sisältö Esimerkki lukujonon raja-arvosta Lukujonossa a 1,a 2,a 3,... (jossa on äärettömän monta termiä) voivat luvut lähestyä jotakin arvoa, kun jonossa edetään yhä pidemmälle.
LisätiedotLämpötila Lämpölaajeneminen Ideaalikaasu. Luku 17
Lämpötila Lämpölaajeneminen Ideaalikaasu Luku 17 Ch 17-1 3 Termodynaaminen tasapaino Termodynaaminen tasapaino: Tuotaessa kaksi systeemiä lämpökontaktiin niiden termodynaaminen tasapaino on saavutettu,
LisätiedotMS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45
MS-A3/A5 Matriisilaskenta Laskuharjoitus 2 / vko 45 Tehtävä (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 2i = 2, b) z 2i < 2, c) /z
LisätiedotHarjoitustyö: virtuaalikone
Harjoitustyö: virtuaalikone Toteuta alla kuvattu virtuaalikone yksinkertaiselle olio-orientoituneelle skriptauskielelle. Paketissa on testaamista varten mukana kaksi lyhyttä ohjelmaa. Ohjeita Noudata ohjelman
LisätiedotMATP153 Approbatur 1B Harjoitus 6 Maanantai
. (Teht. s. 93.) Määrää raja-arvo MATP53 Approbatur B Harjoitus 6 Maanantai 7..5 cos x x. Ratkaisu. Suora sijoitus antaa epämääräisen muodon (ei auta). Laventamalla päädytään muotoon ja päästään käyttämään
LisätiedotKun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla y, voidaan kirjoittaa. y T u.
DEE-00 Lineaariset järjestelmät Harjoitus, ratkaisuehdotukset Järjestelmien lineaarisuus ja aikainvarianttisuus Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla
LisätiedotTeddy 1. harjoituksen malliratkaisu kevät 2011
Teddy 1. harjoituksen malliratkaisu kevät 2011 1. Dipolimomentti voidaan määritellä pistevarauksille seuraavan vektoriyhtälön avulla: µ = q i r i, (1) i missä q i on i:nnen varauksen suuruus ja r i = (x
Lisätiedot/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla
17.11.2016/1 MTTTP5, luento 17.11.2016 3.5.5 Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla likimain Jos X ~ Bin(n, p), niin X ~ N(np, np(1 p)), kun n suuri. 17.11.2016/2
LisätiedotMitä on pätö-, näennäis-, lois-, keskimääräinen ja suora teho sekä tehokerroin? Alla hieman perustietoa koskien 3-vaihe tehomittauksia.
Mitä on sähköinen teho? Tehojen mittaus Mitä on pätö-, näennäis-, lois-, keskimääräinen ja suora teho sekä tehokerroin? Alla hieman perustietoa koskien 3-vaihe tehomittauksia. Tiettynä ajankohtana, jolloin
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastolliset luottamusvälit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
LisätiedotTIETOKONE DATA-ANALYYSIN APUVÄLINEENÄ PIKAOPAS
TIETOKONE DATA-ANALYYSIN APUVÄLINEENÄ PIKAOPAS 1 Johdanto Oppilaslaboratorion mittausdatan analyysiä voi helpottaa huomattavasti käyttämällä apuna tietokoneohjelmia. Sen sijaan, että esimerkiksi laskisimme
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin
LisätiedotKKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 7. harjoitus - ratkaisut 1. Oletetaan aluksi, että epäyhtälöt eivät ole aktiivisia p i > 0. Tässä tapauksess KKTehdot
LisätiedotCh 12-4&5 Elastisuudesta ja lujuudesta
Ch 12-4&5 Elastisuudesta ja lujuudesta Jännitys ja venymä Hooken laki F = k l Δl = 1 k F Jousivakio k riippuu langan dimensioista Saadaan malli Δl = l o EA F k = E A l o Lisäksi tarvitaan materiaalia kuvaava
LisätiedotTampere University of Technology
Tampere University of Technology EDE- Introduction to Finite Element Method. Exercise 3 Autumn 3.. Solve the deflection curve v(x) exactly for the beam shown y,v q v = q z, xxxx x E I z Integroidaan yhtälö
LisätiedotMIKROTEORIA 1, HARJOITUS 1 BUDJETTISUORA, PREFERENSSIT, HYÖTYFUNKTIO JA VALINTA
MIKROTEORIA, HARJOITUS BUDJETTISUORA, PREFERENSSIT, HYÖTYFUNKTIO JA VALINTA tilasto (600 00) 00 a. Kulmakerroin: = = =, koska 00 sivua lisää ta aiheuttaa (00 400) 00 luopumisen 00 sivusta tilastoa. Toisin
Lisätiedot1 Kompleksiluvut 1. y z = (x, y) Kuva 1: Euklidinen taso R 2
Sisältö 1 Kompleksiluvut 1 1.1 Määritelmä............................ 1 1. Kertolasku suorakulmaisissa koordinaateissa.......... 4 1.3 Käänteisluku ja jakolasku..................... 9 1.4 Esimerkkejä.............................
LisätiedotSovituskomennot GeoGebrassa
Versio Dimensiota varten Mikko Rahikka Vanhempi lehtori, Helsingin yhteislyseo Sovituskomennot GeoGebrassa Funktion sovittaminen pisteistöön on tyypillinen ongelma, jonka ratkaisemiseminen onnistuu mukavahkosti
Lisätiedot