Mat Lineaarinen ohjelmointi

Koko: px
Aloita esitys sivulta:

Download "Mat Lineaarinen ohjelmointi"

Transkriptio

1 Mat Lneaarnen ohjelmont Luento 0 Ssäpstemenetelmät ja kokonaslukuoptmont (krja ) Ssäpstemenetelmät luvut 8 ja 9, e tarvtse lukea Lneaarnen ohjelmont - Syksy 2007 /

2 Luentorunko Sananen ssäpstemenetelmstä Ellpsodmenetelmä Ssäpstemenetelmät Kokonaslukutehtävä Bnäärmuuttujat Vahvat formulonnt Yhteenveto Lneaarnen ohjelmont - Syksy 2007 / 2

3 Sananen ssäpstemenetelmstä 2. maalmansodasta lähten LP:tä ratkastu Smplellä Peraate: LP-tehtävän ratkasu löytyy kulmapsteestä, joten lkutaan kulmasta toseen reunoja ptkn Ongelma: eksponentaalnen ratkasuaka Tavote: menetelmä, joka takaa ratkasun polynomajassa Lneaarnen ohjelmont - Syksy 2007 / 3

4 Ellpsodmenetelmä Kachyan 979: Ellpsodmenetelmän polynomakasuuden osotus Idea: Alussa jokn käyvän alueen ssäpste, joka ensmmäsen, koko alueen ssältävän ellpsodn keskpste Jaetaan ellpsod puolks psteen kautta kulkevalla tasolla sten, että kustannusfunkto vähenee tosella ja kasvaa tosella puolella Kuljetaan askel vähenemssuuntaan ja muodostetaan uus, penemp ellpsod Jatketaan, kunnes ollaan kylln lähellä optma Lneaarnen ohjelmont - Syksy 2007 / 4

5 Ssäpstemenetelmät Ellpsodmenetelmä käytännössä kehno, kutenkn teoran kannalta tärkeä Karmakar 984: ssäpstemenetelmä Hyvät omnasuudet sekä teorassa (polynomakasuus) että käytännössä Useta varaatota kehtetty Lneaarnen ohjelmont - Syksy 2007 / 5

6 Ssäpstemenetelmät: Affn skaalaus Idea: Lähtö ssäpsteestä, jonka ympärlle muodostettu ellpsod Mnmodaan kohdefunktota ellpsodssa Otetaan mnmova pste seuraavan ellpsodn keskpsteeks Jatketaan, kunnes ollaan kylln lähellä optma Lneaarnen ohjelmont - Syksy 2007 / 6

7 Idea: Ssäpstemenetelmät: Estefunktomenetelmät Muodostetaan tehtävälle duaal Lähdetään lkkeelle alueen ssäpsteestä Muodostetaan kohdefunkto, joka rankasee yhtäältä duaalaukosta (dualty gap) ja tosaalta alueen reunolle menemsestä jollakn estefunktolla Duaalaukko penenee -> lähestytään optma E pääsyä reunolle -> e vaaraa joutua ulos alueesta Estefunkton sakkoparametra penennetään optmonnn edetessä, sllä ratkasu löytyy kutenkn reunalta Lneaarnen ohjelmont - Syksy 2007 / 7

8 Ssäpstemenetelmät Ssäpstemenetelmät tehokkata (etenkn suurlle tehtävlle) ja usempen kaupallstenkn solveren käyttämä (esm. Matlab) Ongelma: e päästä alueen reunalle, josta ratkasu kutenkn löytyy => sksakkausta optmn tuntumassa Ratkasu: alotetaan ssäpstemenetelmällä ja vahdetaan sopvan hetken tullen Smplen Syvemp perehtymnen ssäpstemenetelmn: Mat Optmontopp Lneaarnen ohjelmont - Syksy 2007 / 8

9 Kokonaslukutehtävä LP-tehtävä ylesest muotoa: mn c +d y s.e. A+By=b,y 0 kokonaslukuja Kokonaslukutehtävä laajassa merktyksessä = kattoterm erotukseks jatkuvasta tehtävästä Lneaarnen ohjelmont - Syksy 2007 / 9

10 Kokonaslukutehtävä Unohdetaan kokonaslukurajotteet = relaksotu tehtävä Relaksotu tehtävä mnmo suuremmassa vahtoehtojoukosta => antaa alarajan kokonaslukutehtävän optmlle Jos relaksodun tehtävän optmratkasu on kokonasluku(-vektor), on se myös alkuperäsen tehtävän optm (toteuttaa relaksodut rajotteet) Lneaarnen ohjelmont - Syksy 2007 / 0

11 Kokonaslukutehtävä Mukana sekä kokonasa että jatkuva muuttuja = sekalukutehtävä (med nteger programmng problem MIP) Kakk muuttujat rajotettu kokonasluvuks = kokonaslukutehtävä (nteger programmng problem IP); nyt ss suppeammassa merktyksessä Jos kokonaslukutehtävän muuttujat rajotettu arvohn 0 ja, kyseessä bnäärtehtävä (zero-one neteger programmng problem ZOIP). Lneaarnen ohjelmont - Syksy 2007 /

12 Esmerkkejä bnäärtehtävästä (/3) Hankevalnta: Mtkä seuraavsta kolmevuotssta hankkesta kannattaa käynnstää? Taulukossa projekten tuotot sekä vuosttaset kustannukset ja resursst Hanke 2 3 Tuotot Resursst Lneaarnen ohjelmont - Syksy 2007 / 2

13 Esmerkkejä bnäärtehtävästä (/3) ma s. e {0,}, =,..., Kokonaslukuratkasu: = 2 = 3 = 4 =, 5 =0, tuotto 95 Jatkuvlla muuttujlla (relaksotu tehtävä): = 0.579, 2 = 3 = 4 =, 5 =0.737, tuotto 09 pyörstämnen e tom!! Lneaarnen ohjelmont - Syksy 2007 / 3

14 Esmerkkejä bnäärtehtävästä (/3) Esm. kapsäkktehtävä (knapsack probelm) Olet murtautunut ryöstöakessa taloon, josta löytyy kakenlasta tavaraa. Tavara j panaa w j kloa ja sen arvo varastetun tavaran markknolla on c j euroa. Haluat optmoda saals arvon, kun tedät jaksavas kantaa enntään K kloa. ma s.e. j n j= n j= j c j w j j j {0,}, K j=,..., n : otetaanko tavara j mukaan va e? Lneaarnen ohjelmont - Syksy 2007 / 4

15 Bnäärmuuttujat Useat ns. epätavallsemmat rajotteet saadaan mallnnettua bnäärmuuttujen avulla Pysytään LP-ympärstössä, mutta tosaalta saatetaan joutua jatkuvasta tapauksesta hankalampaan kokonaslukumaalmaan Lneaarnen ohjelmont - Syksy 2007 / 5

16 Esmerkkejä (/6) Pakotusehdot: Päätös A vodaan tehdä van jos päätös B on tehty otetaan bnäärmuuttujat (y) joka saa arvon jos päätös A (B) tehdään ja 0 muuten. Rajotus: y Bnäärmuuttujsta enntään yks saa poketa nollasta: Tasan yks: n j= j = n j= j Lneaarnen ohjelmont - Syksy 2007 / 6

17 Esmerkkejä (2/6) Joko-ta rajote: Kahdesta rajotteesta a b, c d tasan tosen tulee päteä Ylenen tapaus: m kpl rajotteta, josta tasan k kpl tulee päteä Vähntään k kpl pätevä rajotteta: korvataan yhtälörajote epäyhtälöllä a' b My c' d M ( y {0,} a ' b m = y My = m k ( ) y {0,} y) Lneaarnen ohjelmont - Syksy 2007 / 7

18 Esmerkkejä (3/6) Muuttujan arvot halutaan rajata dskreettn joukkoon: { a,..., a n } = m j= y j m y j= j a j = y {0,} j Esm ta 6 ta 8: y y + + y,2, y + y 3 {0,} + 6y = 2 + 8y 3 Lneaarnen ohjelmont - Syksy 2007 / 8

19 Esmerkkejä (4/6) Melvaltanen jatkuva palottan lneaarnen kohdefunkto (vrt. luennolla kästelty konveks verso): f() = 0.75a a 3 Olk. a < a 2 <...<a k jatkuvan pal. ln. funkton tatekohdat, jollon funkton määrttävät pstepart (a,f(a )), =,..,k. Mkä tahansa välllä [a, a k ] vodaan esttää a :den konveksna kombnaatona a a 2 a 3 a 4 k k = λ λ [0,], = =, λ Lneaarnen ohjelmont - Syksy 2007 / 9

20 Esmerkkejä (5/6) Kombnaatoestys e ole ykskästtenen, mutta vodaan tehdä sellaseks vaatmalla, että van kaks peräkkästä λ :tä ovat nollasta pokkeava f() = 0.5a + a Ts. vällle [a, a + ] osuva pste estetään a :n ja a + :n konv. kombnaatona Lneaarsuudesta ja ykskästtesyydestä seuraa = k f ( ) = λ f ( a ) a a 2 a 3 a 4 Lneaarnen ohjelmont - Syksy 2007 / 20

21 Esmerkkejä (6/6) Palottan lneaarsen kohdefunkton mnmont saadaan ss mallnnettua seuraavast ottamalla avuks bnäärmuuttujat y : Formulont LP:nä lman bnäärmuuttuja = Feldsn mtal tms. manetta ja kunnaa mn s. e. k = k = λ f ( a ) λ = λ λ λ k k = λ y y y y 0,, y + k =, {0,} y, = 2,..., k Lneaarnen ohjelmont - Syksy 2007 / 2

22 Vahvat formulonnt (/6) Jatkuva LP: ekvvalentt formulonnt evät vakuta kykyyn ratkasta tehtävää Kokonaslukutehtävä: vakutus vo olla dramaattnen! Tehtävän formulonta I sanotaan formulonta II vahvemmaks, jos I:n relaksaaton käypä joukko on II:n relaksaaton käypää joukkoa penemp Lneaarnen ohjelmont - Syksy 2007 / 22

23 Vahvat formulonnt (2/6) Esm. Locaton, locaton, locaton... Halutaan valta n:stä mahdollsesta optmaalset sjannt palvelulle, jolla on m asakasta. Palvelun avaamnen pakassa j aheuttaa kustannuksen c j ja asakkaan palvelemnen ko. sjannsta kustannuksen d j Lneaarnen ohjelmont - Syksy 2007 / 23

24 Vahvat formulonnt (3/6) Määrtellään bnäärmuuttujat y j, joka saa arvon jos sjannssa j on palvelupakka ja nollan muuten; sekä j, joka saa arvon jos asakasta palvellaan sjannssa j ja nollan muuten. Tällön tehtävä formulodaan seuraavast: I: mn s. e. n j= n j= c j j j, j y y y j d = + j m n = j= {0,} j j, j, j Lneaarnen ohjelmont - Syksy 2007 / 24

25 Vahvat formulonnt (4/6 Edellsen kanssa ekvvalentt formulont on veressä estetty; jos y j =0, on oltava j =0 kaklla jos y j =, on mahdollsta, että j = vakka kaklla. II: mn s. e. n j= n j= m = j, c j y j j y j + = my m = j= j {0,} n d j j j, j Lneaarnen ohjelmont - Syksy 2007 / 25

26 Vahvat formulonnt (5/6) Edellsten tehtäven relaksaatot tuottavat erlaset käyvät alueet I-alue II-aluetta penemp => formulont I on vahvemp I-relaksaaton ratkasu on kokonaslukuratkasu, el myös kokonaslukutehtävän ratkasu! c II-relaksaaton ratkasu I-relaksaaton ratkasu Lneaarnen ohjelmont - Syksy 2007 / 26

27 Vahvat formulonnt Jatkuva LP on huomattavast helpomp ratkasta kun kokonaslukutehtävä c On ss tovottavaa, että relaksaaton ratkasu on alkuperäsen tehtävän ratkasu Paras formulont: relaksaaton käypä joukko on käypen kokonaslukuratkasujen konveks kuor (kakk kulmapsteet kokonaslukuja!) Lneaarnen ohjelmont - Syksy 2007 / 27

28 Vahvat formulonnt: Parnmuodostus (/4) Vahvat formulonnt ovat ertysen tärketä tehtävssä, jossa rajotusten määrä on eksponentaalnen Esm. parnmuodostus: yhdstetään joukosta part sten, että kustannus mnmotuu Verkkotehtävä! G=(N,A), kaarkustannukset c a c (,2) E kaarta = para e ole mahdollsta muodostaa Lneaarnen ohjelmont - Syksy 2007 / 28 6

29 Vahvat formulonnt: Parnmuodostus (2/4) Bnäärmuuttuja a =, jos kaarta a vastaavat tyypt partetaan Merktään δ(s):llä kaara, joden lähtösolmu joukossa S ja maalsolmu joukossa N\S Ertysest δ({}) solmua svuavat kaaret Tällön eräs formulont: mn s. e. a A a a δ ({ }) a c a a = {0,} N Lneaarnen ohjelmont - Syksy 2007 / 29

30 Vahvat formulonnt: Parnmuodostus (3/4) Sovelletaan edellstä formulonta vereseen verkkoon Kokonaslukutehtävän optmkustannus L+2 Relaksodun tehtävän ratkasu: rtasa kolmodraamoja optmkustannuksella 3 /2 / L L /2 / /2 6 /2 Lneaarnen ohjelmont - Syksy 2007 / 30

31 Vahvat formulonnt: Parnmuodostus (4/4) Vahvemp formulont saadaan vaatmalla: a δ ( S ) a, S N, N, parton Ts. kolmen/vden jne. poppoosta anakn yhden paruduttava porukan ulkopuolelta löytyvän henklön kanssa e draamojen mahdollsuutta! Osottautuu, että ko. formulonnn relaksaaton käypä joukko on käypen kokonaslukuratkasujen konveks kuor! LP-ratkasu = IP-ratkasu löytyy polynomajassa! S S Lneaarnen ohjelmont - Syksy 2007 / 3

32 Vahvat formulonnt: Kauppamatkustajan ongelma (/4) Esm. kauppamatkustajan ongelma (travelng salesman) eräs kuulusmmsta kokonaslukutehtävstä: N kpl kaupunkeja, jossa kauppamatkustajan on veraltava mahdollsmman vähäsn kustannuksn palaten lopulta lähtöpsteeseen. Samaa rettä e saa kulkea kahdest. Lneaarnen ohjelmont - Syksy 2007 / 32

33 Vahvat formulonnt: Kauppamatkustajan ongelma (2/4) Kyseessä verkko G=(N,A), kaarkustannukset c a Bnäärmuuttuja a kutakn verkon kaarta kohden; a =, jos a kuuluu kauppamatkustajan rettn, muuten nolla Hmm Lneaarnen ohjelmont - Syksy 2007 / 33

34 Vahvat formulonnt: Kauppamatkustajan ongelma (3/4) Kuhunkn kaupunkn on tultava ja seltä on lähdettävä er tetä, el: a a δ ({ }) = 2 N Verkon tulee olla yhtenänen kullekn kaupunkjoukolle tulee löytyä rett ssään ja joukosta ulos, el: a δ ( S ) a 2 S N, S, N Formulont: mn s. e. a A a a δ ({ }) a a δ ( S ) a c a a = 2 {0,} 2 N S N, S, N Lneaarnen ohjelmont - Syksy 2007 / 34

35 Vahvat formulonnt: Kauppamatkustajan ongelma (4/4) Kauppamatkustajan ongelmalle löytyy mutakn formulonteja, mutte edellstä vahvempa Formulonnn relaksaaton käypä joukko on konveksa kuorta suuremp LP:n ratkasu e välttämättä ole IP:n ratkasu Kauppamatkustajan ongelmalle e ole löydetty polynomakasta ratkasualgortma Lneaarnen ohjelmont - Syksy 2007 / 35

36 Yhteenveto Smple hyvä käytännössä, mutta pahmmassa tapauksessa eksponentaalakanen Ssäpstemenetelmät todstetust polynomakasa Nyrkksääntö: pen tehtävä = Smple, suur tehtävä = ssäpstemenetelmä Kokonaslukutehtävät (IP) hankalampa ratkasta kun jatkuvat (LP) IP:n ratkasuteho rppuu olennasest formulonnsta, tosn kun LP:n Bnäärmuuttujlla saadaan mallnnettua erlasa rajotteta Lneaarnen ohjelmont - Syksy 2007 / 36

Mat Lineaarinen ohjelmointi

Mat 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

Lisätiedot

Mat Lineaarinen ohjelmointi

Mat 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

Lisätiedot

4. A priori menetelmät

4. 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

Lisätiedot

Painokerroin-, epsilon-rajoitusehtoja hybridimenetelmät

Painokerroin-, epsilon-rajoitusehtoja hybridimenetelmät Panokerron-, epslon-rajotusehtoja hybrdmenetelmät Optmontopn semnaar - Kevät 000 / Estelmän ssältö Ylestä jälkkätespreferenssmenetelmstä Panokerronmenetelmä Epslon-rajotusehtomenetelmä Hybrdmenetelmä Esmerkkejä

Lisätiedot

Tchebycheff-menetelmä ja STEM

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

Lisätiedot

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

1. 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

Lisätiedot

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

Tavoitteet 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

Lisätiedot

Painotetun metriikan ja NBI menetelmä

Painotetun 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

Lisätiedot

VERKKOJEN MITOITUKSESTA

VERKKOJEN 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

Lisätiedot

Jaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen

Jaetut 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

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.

MS-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

Lisätiedot

Kokonaislukutehtävien formulointeja ( ) 1.4) Mirko Ruokokoski S ysteemianalyysin. Laboratorio. Mirko Ruokokoski

Kokonaislukutehtävien formulointeja ( ) 1.4) Mirko Ruokokoski S ysteemianalyysin. Laboratorio. Mirko Ruokokoski Kokonaslukuthtävn formulonta (.-.4).4) 23..2008 Sovlltun matmatkan lsnsaattsmnaar Kvät 2008 / Ssälls Kokonaslukuthtävn formulonta Ertsst ärsttt oukot (spcal ordrd sts) Vahva formulont (strong formulaton)

Lisätiedot

3.5 Generoivat funktiot ja momentit

3.5 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

Lisätiedot

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES592 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

Lisätiedot

Kokonaislukuoptimointi

Kokonaislukuoptimointi Kokonaslukuotmont Robust dskreett otmont ysteemanalyysn Laboratoro Teknllnen korkeakoulu Ar-Pekka Perkkö ovelletun matematkan tutkasemnaar Kevät 28 sältö Robustn lneaarsen kokonasluku- sekä sekalukuotmontongelman

Lisätiedot

HASSEN-WEILIN LAUSE. Kertausta

HASSEN-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

Lisätiedot

1 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.

1 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

Lisätiedot

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Markov-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

Lisätiedot

Epälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely)

Epälineaaristen 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

Lisätiedot

FYSA220/2 (FYS222/2) VALON POLARISAATIO

FYSA220/2 (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

Lisätiedot

Palkanlaskennan vuodenvaihdemuistio 2014

Palkanlaskennan 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

Lisätiedot

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

4. 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

Lisätiedot

3. Datan käsittely lyhyt katsaus

3. 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

Lisätiedot

Eräs Vaikutuskaavioiden ratkaisumenetelmä

Eräs Vaikutuskaavioiden ratkaisumenetelmä Mat-2.142 Optmontopn semnaar, s-99 28.9. 1999 Semnaarestelmän referaatt Joun Ikonen Lähde: Ross D. Schachter: Evaluatng nfluence dagrams, Operatons Research, Vol 34, No 6, 1986 Eräs Vakutuskaavoden ratkasumenetelmä

Lisätiedot

Tchebycheff-menetelmä ja STEM

Tchebycheff-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.

Lisätiedot

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

Mat /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

Lisätiedot

Jaksolliset ja toistuvat suoritukset

Jaksolliset ja toistuvat suoritukset Jaksollset ja tostuvat suortukset Korkojakson välen tostuva suortuksa kutsutaan jaksollsks suortuksks. Tarkastelemme tässä myös ylesempä tlanteta jossa samansuurunen talletus tehdään tasavälen mutta e

Lisätiedot

7. Modulit Modulit ja lineaarikuvaukset.

7. 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

Lisätiedot

Kanoniset muunnokset

Kanoniset 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

Lisätiedot

Jäykän kappaleen liike

Jäykän kappaleen liike aananta 9.9.014 1/17 Jäykän kappaleen lke Tähän ast tarkasteltu massapstemekankkaa : m, r, v Okeast fyskaalset systeemt ovat äärellsen kokosa, esm. jäykät kappaleet r r j = c j =vako, j elastset kappaleet

Lisätiedot

3 Tilayhtälöiden numeerinen integrointi

3 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

Lisätiedot

Tuotteiden erilaistuminen: hintakilpailu

Tuotteiden erilaistuminen: hintakilpailu Tuotteden erlastumnen: hntaklalu Lass Smlä 19.03.003 Otmonton semnaar - Kevät 003 / 1 Johdanto Yrtykset evät yleensä halua tuottaa saman tuoteavaruuden tlan täyttävä tuotteta (syynä Bertrandn aradoks)

Lisätiedot

Yrityksen teoria ja sopimukset

Yrityksen 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

Lisätiedot

Tilastollisen fysiikan luennot

Tilastollisen 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

Lisätiedot

Taustaa. Sekventiaalinen vaikutuskaavio. Päätöspuista ja vaikutuskaavioista. Esimerkki: Reaktoriongelma. Johdantoa sekventiaalikaavioon

Taustaa. 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

Lisätiedot

Monte Carlo -menetelmä

Monte Carlo -menetelmä Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus 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

Lisätiedot

BL20A0600 Sähkönsiirtotekniikka

BL20A0600 Sähkönsiirtotekniikka BLA6 Sähkönsrtoteknkka Tehonaon laskenta Jarmo Partanen LT Energy Electrcty Energy Envronment Srtoverkkoen laskenta Verkon tehonaon laskemnen srron hävöt ännteolosuhteet ohtoen kuormttumnen verkon käyttäytymnen

Lisätiedot

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

Turingin kone on kuin äärellinen automaatti, jolla on käytössään 4 TUINGIN KONEET Ala Turg 1935 36 auha Koe vo srtää auha: T U I N G auhapää: ohjausykskkö: Turg koe o ku äärelle automaatt, jolla o käytössää auhapäätä vasemmalle ta okealle; se vo myös lukea ta krjottaa

Lisätiedot

5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

5. 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

Lisätiedot

Sähköstaattinen energia

Sähköstaattinen energia ähköstaattnen enega Potentaalenegan a potentaaln suhde on samanlanen kun Coulomn voman a sähkökentän suhde: ähkökenttä vakuttaa vaattuun kappaleeseen nn, että se kokee Coulomn voman, mutta sähkökenttä

Lisätiedot

Puupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:

Puupintaisen 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

Lisätiedot

Luento 7: Kokonaislukuoptimointi

Luento 7: Kokonaislukuoptimointi Luento 7: Kokonaislukuoptimointi Lineaarisessa optimointitehtävässä (LP) kaikki muuttujat ovat jatkuvia. Kokonaislukuoptimoinnin (ILP = Integer LP) tehtävässä kaikilla muuttujilla on kokonaislukurajoitus

Lisätiedot

r i m i v i = L i = vakio, (2)

r 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

Lisätiedot

Luento 6 Luotettavuus Koherentit järjestelmät

Luento 6 Luotettavuus Koherentit järjestelmät Aalto-ylosto erustetede korkeakoulu Matematka a systeemaalyys latos Lueto 6 Luotettavuus Koherett ärestelmät Aht Salo Systeemaalyys laboratoro Matematka a systeemaalyys latos Aalto-ylosto erustetede korkeakoulu

Lisätiedot

11. Vektorifunktion derivaatta. Ketjusääntö

11. Vektorifunktion derivaatta. Ketjusääntö 7 Vektorfunkton dervaatta Ketjusääntö Täydennämme ja kertaamme seuraavassa dfferentaallaskennan teoraa kursslta Laaja matematkka Palautetaan meln dervaatan määrtelmä reaalfunktolle: Funkton f : R R dervaatta

Lisätiedot

Rahastoonsiirtovelvoitteeseen, perustekorkoon ja vakuutusmaksukorkoon liittyvät laskentakaavat ja periaatteet

Rahastoonsiirtovelvoitteeseen, perustekorkoon ja vakuutusmaksukorkoon liittyvät laskentakaavat ja periaatteet SU/Vakuutusmatemaattnen ykskkö 3..209 (7) Rahastoonsrtovelvotteeseen, perustekorkoon ja vakuutusmaksukorkoon lttyvät laskentakaavat ja peraatteet Soveltamnen. Rahastosrtovelvote RSV 2. Täydennyskerron

Lisätiedot

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2 HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske

Lisätiedot

Palkanlaskennan vuodenvaihdemuistio 2017

Palkanlaskennan vuodenvaihdemuistio 2017 Palkanlaskennan vuodenvahdemusto 2017 Tarkstuslsta Tarkstettavat asat ennen vuoden ensmmästä palkanmaksua Kopo uudet verokortt. Samat arvot kun joulukuussa käytetyssä, lman kumulatvsa tetoja. Mahdollsest

Lisätiedot

SU/Vakuutusmatemaattinen yksikkö (5)

SU/Vakuutusmatemaattinen yksikkö (5) SU/Vakuutusmatemaattnen ykskkö 0..06 (5) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,

Lisätiedot

Mat Lineaarinen ohjelmointi

Mat Lineaarinen ohjelmointi Mat-2.3140 Lineaarinen ohjelmointi 4.10.2007 Luento 4 Ekstreemipisteiden optimaalisuus ja Simplex (kirja 2.4-2.6, 3.1-3.2) Lineaarinen ohjelmointi - Syksy 2007 / 1 Luentorunko Degeneroituvuus Ekstreemipisteiden

Lisätiedot

Luento 7: Kokonaislukuoptimointi

Luento 7: Kokonaislukuoptimointi Luento 7: Kokonaislukuoptimointi Lineaarisessa optimointitehtävässä (LP) kaikki muuttujat ovat jatkuvia. Kokonaislukuoptimoinnin (ILP = Integer LP) tehtävässä kaikilla muuttujilla on kokonaislukurajoitus

Lisätiedot

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Työn 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-

Lisätiedot

Mekaniikan jatkokurssi Fys102

Mekaniikan 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

Lisätiedot

Mat Lineaarinen ohjelmointi

Mat Lineaarinen ohjelmointi Mat-.34 Lineaarinen ohjelmointi 5..7 Luento Kertausta Lineaarinen ohjelmointi - Syksy 7 / LP ja Simplex Kurssin rakenne Duaalisuus ja herkkyysanalyysi Verkkotehtävät Kokonaislukutehtävät Lineaarinen ohjelmointi

Lisätiedot

AquaPro 3-10 11-18 19-26 27-34. Bedienungsanleitung Operating instructions Gebruiksaanwijzing Käyttöohje FIN. 046.01.00 Rev.0607

AquaPro 3-10 11-18 19-26 27-34. Bedienungsanleitung Operating instructions Gebruiksaanwijzing Käyttöohje FIN. 046.01.00 Rev.0607 046.01.00 Rev.0607 D GB NL FIN Bedenungsanletung Operatng nstructons Gebruksaanwjzng Käyttöohje 3-10 11-18 19-26 27-34 120 Automaattnen pyörvä laser kallstustomnnolla: Itsetasaus vaakasuorassa tasossa

Lisätiedot

4. MARKKINOIDEN TASAPAINOTTUMINEN 4.1. Tasapainoperiaate Yritysten ja kuluttajien välinen tasapaino

4. 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,

Lisätiedot

Työssä tutustutaan harmonisen mekaanisen värähdysliikkeen ominaisuuksiin seuraavissa

Työssä 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:

Lisätiedot

SMG-1100: PIIRIANALYYSI I

SMG-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)

Lisätiedot

Säilörehun korjuuajan vaikutus maitotilan talouteen -lyhyen aikavälin näkökulma

Säilörehun korjuuajan vaikutus maitotilan talouteen -lyhyen aikavälin näkökulma Sälörehun korjuuajan vakutus matotlan talouteen -lyhyen akaväln näkökulma Elna Vauhkonen Mastern tutkelma Helsngn Ylopsto Helsnk 13.5.2011 Tedekunta/Osasto Fakultet/Sekton Faculty Latos Insttuton Department

Lisätiedot

Raja-arvot. Osittaisderivaatat.

Raja-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

Lisätiedot

Uuden eläkelaitoslain vaikutus allokaatiovalintaan

Uuden 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...

Lisätiedot

Mittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio?

Mittausepävarmuus. 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

Lisätiedot

Paperikoneiden tuotannonohjauksen optimointi ja tuotefokusointi

Paperikoneiden tuotannonohjauksen optimointi ja tuotefokusointi TEKNILLINEN KORKEAKOULU Teknllsen fyskan koulutusohjelma ERIKOISTYÖ MAT-2.108 Sovelletun matematkan erkostyöt 22.4.2003 Paperkoneden tuotannonohjauksen optmont ja tuotefokusont Jyrk Maaranen 38012p 1 Ssällysluettelo

Lisätiedot

Rahastoonsiirtovelvoitteeseen ja perustekorkoon liittyvät laskentakaavat. Soveltaminen

Rahastoonsiirtovelvoitteeseen 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,

Lisätiedot

Epätäydelliset sopimukset

Epätäydelliset 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

Lisätiedot

COULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT

COULOMBIN 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

Lisätiedot

A = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A:

A = 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

Lisätiedot

Reaaliarvoinen funktio f : on differentioituva pisteessä x, jos f:lle on siinä voimassa kehitelmä. h h. eli. Silloin

Reaaliarvoinen funktio f : on differentioituva pisteessä x, jos f:lle on siinä voimassa kehitelmä. h h. eli. Silloin MAT-3440 LAAJA MATEMATIIKKA 4 Tampereen teknllnen ylopsto Rsto Slvennonen Kevät 00 4. Vektorfunkton dervaatta. Ketjusääntö.. Reaalarvosen funkton dervaatta Tässä luvussa estetään dervaattakäste ensn reaalarvoselle

Lisätiedot

Maanhintojen vikasietoisesta mallintamisesta

Maanhintojen vikasietoisesta mallintamisesta Maanmttaus 8:-2 (2006) 5 Maanmttaus 8:-2 (2006) Saapunut 0.8.2005 ja tarkstettuna.4.2006 Hyväksytty 30.6.2006 Maanhntojen vkasetosesta mallntamsesta Marko Hannonen Teknllnen korkeakoulu, Kntestöopn laboratoro

Lisätiedot

Moderni portfolioteoria

Moderni 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.

Lisätiedot

Taustaa KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT. Jukka Talvitie, Toni Levanen & Mikko Valkama TTY / Tietoliikennetekniikka

Taustaa KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT. Jukka Talvitie, Toni Levanen & Mikko Valkama TTY / Tietoliikennetekniikka IMA- Exurso: Kompleksluvu ja radosgnaal / KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT Tausaa IMA- Exurso: Kompleksluvu ja radosgnaal / Kakk langaon vesnä ja radoeolkenne (makapuhelme, WLAN, ylesrado

Lisätiedot

Mat Lineaarinen ohjelmointi

Mat Lineaarinen ohjelmointi Mat-2.34 Lineaarinen ohjelmointi..27 Luento 5 Simplexin implementaatioita (kirja 3.2-3.5) Lineaarinen ohjelmointi - Syksy 27 / Luentorunko (/2) Simplexin implementaatiot Naiivi Revised Full tableau Syklisyys

Lisätiedot

Mat Lineaarinen ohjelmointi

Mat Lineaarinen ohjelmointi Mat-.34 Lineaarinen ohjelmointi 9..7 Luento Kokonaislukuoptimoinnin algoritmeja (kirja.-.) Lineaarinen ohjelmointi - Syksy 7 / Luentorunko Gomoryn leikkaava taso Branch & Bound Branch & Cut Muita menetelmiä

Lisätiedot

5. Datan käsittely lyhyt katsaus

5. Datan käsittely lyhyt katsaus 5. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 4..0 Thomas Hackman HTTPK I, kevät 0, luento 5 5. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus

Lisätiedot

Pyörimisliike. Haarto & Karhunen.

Pyörimisliike. 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

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

HY, 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

Lisätiedot

Johdatus verkkoteoriaan 4. luento

Johdatus verkkoteoriaan 4. luento Johdatus verkkoteoriaan 4. luento 28.11.17 Viikolla 46 läpikäydyt käsitteet Viikolla 47 läpikäydyt käsitteet Verkko eli graafi, tasoverkko, solmut, välit, alueet, suunnatut verkot, isomorfiset verkot,

Lisätiedot

Yksikköoperaatiot ja teolliset prosessit

Yksikköoperaatiot 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...

Lisätiedot

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

1. (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

Lisätiedot

NeuroHaku monikerroksisen perceptron-neuroverkon epälineaarinen optimointi

NeuroHaku monikerroksisen perceptron-neuroverkon epälineaarinen optimointi Arja Lavonen NeuroHaku monkerrokssen perceptron-neuroverkon epälneaarnen optmont Tetoteknkan pro gradu -tutkelma Teteellnen laskenta 4. syyskuuta 2005 Jyväskylän ylopsto Tetoteknkan latos Jyväskylä Tekjä:

Lisätiedot

on määritelty tarkemmin kohdassa 2.3 ja pi kohdassa 2.2.

on määritelty tarkemmin kohdassa 2.3 ja pi kohdassa 2.2. SU/Vakuutusmatemaattnen ykskkö 7.8.08 (7) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,

Lisätiedot

VIHDIN KUNTA TOIMEENTULOTUKIHAKEMUS 1(5) PERUSTURVAKESKUS Perhehuolto

VIHDIN KUNTA TOIMEENTULOTUKIHAKEMUS 1(5) PERUSTURVAKESKUS Perhehuolto VIHDIN KUNTA TOIMEENTULOTUKIHAKEMUS 1(5) PERUSTURVAKESKUS Perhehuolto Hakemus kuulle 200 (Vranomanen täyttää) Hakemus saapunut/jätetty / 200 Henklötedot hakjasta ja hänen perheenjäsenstä Sukunm ja etunmet

Lisätiedot

6. Stokastiset prosessit (2)

6. 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

Lisätiedot

Tietojen laskentahetki λ α per ,15 0,18 per ,15 0,18 per tai myöhempi 0,20 0,18

Tietojen laskentahetki λ α per ,15 0,18 per ,15 0,18 per tai myöhempi 0,20 0,18 SU/Vakuutusmatemaattnen ykskkö 6.3.07 (6) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,

Lisätiedot

SU/Vakuutusmatemaattinen yksikkö (6)

SU/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

Lisätiedot

Kvanttimekaanisten joukkojen yhteys termodynamiikkaan

Kvanttimekaanisten joukkojen yhteys termodynamiikkaan Kvanttmekaansten joukkojen yhteys termodynamkkaan Hukkaslukumäärän sälyttävä systeem vo vahtaa energaa ympärstönsä kanssa kahdella tavalla: työnä ta lämpönä. Termodynamkassa entropan muutos lttyy lämmön

Lisätiedot

Pro gradu -tutkielma. Whitneyn upotuslause. Teemu Saksala

Pro 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

Lisätiedot

ABTEKNILLINEN KORKEAKOULU

ABTEKNILLINEN 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

Lisätiedot

Soile Kulmala. Yksikkökohtaiset kalastuskiintiöt Selkämeren silakan kalastuksessa: bioekonominen analyysi

Soile Kulmala. Yksikkökohtaiset kalastuskiintiöt Selkämeren silakan kalastuksessa: bioekonominen analyysi Sole Kulmala Ykskkökohtaset kalastuskntöt Selkämeren slakan kalastuksessa: boekonomnen analyys Helsngn Ylopsto Talousteteen latos Selvtyksä nro 29 Ympärstöekonoma Helsnk 2005 Ssällys 1 Johdanto... 1 1.1

Lisätiedot

JOHDANNAISTEN KÄYTTÖ JOUKKOVELKAKIRJALAINASALKUN RISKIENHALLINNASSA: empiirinen tutkimus kotimaisista pitkän koron rahastoista vuosilta 2001 2005.

JOHDANNAISTEN KÄYTTÖ JOUKKOVELKAKIRJALAINASALKUN RISKIENHALLINNASSA: empiirinen tutkimus kotimaisista pitkän koron rahastoista vuosilta 2001 2005. TAMPEREEN YLIOPISTO Talousteteden latos JOHDANNAISTEN KÄYTTÖ JOUKKOVELKAKIRJALAINASALKUN RISKIENHALLINNASSA: emprnen tutkmus kotmassta ptkän koron rahastosta vuoslta 2001 2005. Kansantaloustede Pro gradu

Lisätiedot

R 2. E tot. Lasketaan energialähde kerrallaan 10 Ω:n vastuksen läpi oleva virta.

R 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

Lisätiedot

Aamukatsaus 13.02.2002

Aamukatsaus 13.02.2002 Indekst & korot New Yorkn päätöskursst, euroa Muutos-% Päätös Muutos-% Helsnk New York (NY/Hel) Dow Jones 9863.7-0.21% Noka 26.21 26.05-0.6% S&P 500 1107.5-0.40% Sonera 5.05 4.99-1.1% Nasdaq 1834.2-0.67%

Lisätiedot

Timo Tarvainen PUROSEDIMENTIIANALYYSIEN HAVAINNOLLISTAMINEN GEOSTATISTIIKAN KEINOIN. Outokumpu Oy Atk-osasto

Timo 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

Lisätiedot

Tarkastellaan kuvan 8.1 (a) lineaarista nelitahoista elementtiä, jonka solmut sijaitsevat elementin kärkipisteissä ja niiden koordinaatit ovat ( xi

Tarkastellaan 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

Lisätiedot

Sähkön- ja lämmöntuotannon kustannussimulointi ja herkkyysanalyysi

Sähkön- ja lämmöntuotannon kustannussimulointi ja herkkyysanalyysi Sähkön- ja lämmöntuotannon kustannussmulont ja herkkyysanalyys Pekka Nettaanmäk Osmo Schroderus Jyväskylän ylopsto Tetoteknkan latos 2010 1 2 Tvstelmä Raportn tarkotuksena on esttää pelkstetyn matemaattsen

Lisätiedot

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli lueto9.ppt S-38.45 Lkeeteora perusteet Kevät 5 Ykskertae lkeeteoreette mall Puhdas jakojärjestelmä Asakkata saapuu keskmäär opeudella asakasta per akayks. / keskmääräe asakkade välaka Asakkata palvellaa

Lisätiedot

1, x < 0 tai x > 2a.

1, 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

Lisätiedot

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Työn 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-

Lisätiedot

Yrityksen teoria. Lari Hämäläinen S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu

Yrityksen 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

Lisätiedot