Käyttövarmuuden ja kunnossapidon perusteet, KSU-4310: Tentti ma

Koko: px
Aloita esitys sivulta:

Download "Käyttövarmuuden ja kunnossapidon perusteet, KSU-4310: Tentti ma"

Transkriptio

1 KSU-430/Ten /Prof. Seppo Vranen /3 Käyövarmuuden ja kunnossapdon perusee, KSU-430: Ten ma Huom. Vasaus van veen kysymykseen. Funko- ja/a ohjelmoavan laskmen, musnpanojen, luenomonseden ja krjallsuuden käyö enlasuudessa on sallu. Tehävä : β Laeen vkaaajuusfunko r( ) = ( ) σ β (rae of occurence of falures) ja korjausajan kerymäfunko G( ) = e μ. Jakaumen paramer β = 3, σ = 00 ja μ = Lsäks edeään, eä korjauksn lyvän vveen keskarvo MLDT = 2 h ja sen odennäkösyys P = 0.9. Laske keskmääränen käyeävyys ja vkojen lukumäärä akavälellä: 0 50, 50 00, 00 50, Prrä myös paperlle funkoden I() ( =vkojen lukumäärä keskmäärn hekeen mennessä) ja A() (=hekellnen käyeävyys) kuvaaja. Tehävä 2: Tukaan erään korjaavan osayypn voumsa ja korjausa. Hekellä = 0 on oeu käyöön vs samanalasa osaa ja ne ova ollee käyössä ja korjauksessa ohesen kuvan mukases. Seurana on lopeeu hekellä = 0. Vkaanumsajan ja korjausajan mallena käyeään vakovkaaajuus- ja vako-korjausaajuusmalleja. a) Määrä ukavalle osalle MTTF ja MTTR. b) Laske osan käyeävyys hekellä = 2.5 akaykskköä ja epäkäyeävyys hekellä 3 c) Mkä on hasardfunkon arvo hekellä = 2? Tehävä 3: Tuoanolnjan laadunuookyky on 0.95 ja suoruskyky on Lnjan käyeävyys on asan jakauunu vällle [0.95,0.99]. Mllä odennäkösyydellä uoanolnjan OEE > 0.9?

2 KSU-430/Ten /Prof. Seppo Vranen 2/3 Tehävä 4: Laad vkalogkkamars ohesesa vkapuusa. Laske myös TOP-apahuman odennäkösyys. TOP ID = 6 p = 0.9 k = m = ID = 4 p = 0.8 k = m = 2 ID = 5 p = k = 2 m = 2 ID = p = 0. ID = 2 p=0.2 ID = 3 p=0.3 ID = -2 Tehävä 5: Prosessssa on kolme densä osaa (, 2 ja 3), josa kaks osaa ( ja 2) on omnnallses kykey nn, eä nden molempen pää vkaanua ennen kun nden lalle vodaan vahaa varasosa haeu uude osa. Kolmannen osan (3) vkaanuessa vodaan sen lalle vahaa he uus osa varasosa. Osen kerymäfunko ova r λ λ λ = r = 2 r = F ( ) e, F ( ) e ja F ( ) e, mssä osen rasuskerome (r ) ova r =.4 r 2 =. r 3 = 0.70 ja λ = Osan omusaka lauksesa varasoon on 30. Laske osan lauspse kun varason palveluaseen pää olla vähnään 80 %. Tehävä 6: Laeelle (ID 5) on johdeu asakasvaamukssa vkaaajuus λ = 0.0 (vako), jonka mukases lae saa vkaanua keskmäärn kerran hekeen = 00 mennessä. Allokonnssa käyeävä ärkeyskerome ova: x = 0.57, x 2 = 0.3, x 3 = 0.7, x 4 = 0.43 ja komplekssuuskerome: y = 0.4, y 2 = 0.3, y 3 = 0.7, y 4 = 0.6. Alloko oslle (, 2 ja 3) vkojen lukumäärä keskmäärn hekeen T = 00 mennessä. Lae ID = 5 p = k = 2 m = 2 Modul ID = 4 p = k = m = 2 Osa ID = Osa ID = 2 Osa ID = 3 ================================================================== Muuama kaavoj seuraavalla svulla:

3 KSU-430/Ten /Prof. Seppo Vranen 3/3 F() = -R() = - e - r()d 0, I()= r()d, MTTF = R()d 0 0 G() = g()d, MTTR = -G()d 0 0 A()=(+I'() (MTTR+P MLDT)) - I(T 2)-I(T ) A(T,T 2)= +(MTTR+P MLDT) T-T 2 n= 0 ( TQ λ) ( T Q ) n X e λ P(0 n X) = F(X) =, mssä T Q λ = vkojen lkm keskmäärn akavälllä n! 0 T). -α w I() F () = e (allokonfunko) F() = F(), rnnakkaskykenä (JA-por) R()= R(), sarjaankykenä (TAI-por)

4 Tehävä := 50 2 := 00 3 := 50 MLDT := 2 P := 0.9 Korjausajan vve μ := 0.25 β := 3 σ := 00 G ():= e μ Korjausajan kerymäfunko r () β β := I () σ β := r():n Inegron Korjausajan keskarvo MTTR := σ μ vkojen lkm ka hekeen mennessä A ( ) := [ + ( MTTR + P MLDT) r() ] Av( T, T2) := + ( MTTR + P MLDT) IT2 ( ) I( T) T2 T Hekellnen ja keskmääränen käyeävyys, A ja Av Av( 0, ) = Av(, 2) = Av( 2, 3) = Av( 0, 3) = I ( ) = 0.25 I2 ( ) I( ) = I3 ( ) I( 2) = I3 ( ) = r() I() A ()

5 Tehävä 2 Osa Osa 2 Osa 3 Osa 4 Osa 5 F N F N F N F N F N F: Vka N: Normaal Aka Tukaan erään korjaavan osayypn voumsa ja korjausa. Hekellä = 0 on oeu käyöön vs samanalasa osaa ja ne ova ollee käyössä ja korjauksessa ohesen kuvan mukases. Seurana on lopeeu hekellä = 0. Vkaanumsajan ja korjausajan mallena käyeään vako-vkaaajuus- ja vako-korjausaajuusmalleja. a) Määrä ukavalle osalle MTTF ja MTTR. b) Laske osan käyeävyys hekellä = 2.5 akaykskköä ja epäkäyeävyys hekellä 3 c) Mkä on hasardfunkon arvo hekellä = 2?. a) p. b) + + p. c) p. Rakasu: a) Tehävässä on laskeu vkaanumsaja ja korjausaja aulukkoon, joa vo eenkn hyödynää ässä. Kuvasa saadaan vka-ajolle seuraava aulukko := ( ) T Kuvasa saadaan korjausajolle k seuraava aulukko k := ( ) T a) MTTF := MTTR := mean() mean( k) MTTF = 2.79 MTTR =.9 b) Vako-vkaaajuusmall ==> λ := MTTF λ = Vako-korjausaajuusmall ==> μ := MTTR μ = Käyeävyys A () := μ λ + μ + λ ( λ+ μ) e λ + μ A( 2.5) = c) Vako-vkaaajuusmall ==> Hasardfunko h() (a r()) = λ, kohdasa b) saadaan λ = 0.358

6 Tehävä 3 Q := 0.95 T := 0.99 OEE := 0.9 A asases jakauunu vällle ==> Ax ( ) := x OEE Av := QT x := 0, Av = Ax ( ) x X := Av X = ==> pa ( > Av) = X X = Tarkka! Laskeaan odennäkösyys smulomalla n := xx := sor( x) := 0.. n x := OEE x > = n QT ( ) rnd( ) n xx

7 Teh 4: Rakasu Boolean ouusaulukon avulla TOP ID = 6 p = 0.9 k = m = Vkalogkkamars ID = 4 p = 0.8 k = m = 2 ID = 5 p = k = 2 m = 2 Gae a 2 b 2 2 p ID ID = p = 0. ID = 2 p=0.2 ID = 3 p=0.3 ID = -2 TOP:n odennäkösyys p(id=) ID P(TOP=) Kombnaao Σ

8 Tehävä 4, rakasu rakennefunkon avulla x := 0. x2 := 0.2 x3 := 0.3 g4 := 0.8 g6 := 0.9 Lähöedo x4 = ( x + x2 x x2) g4 x5 = x3 ( x2) Poren 4 ja 5 rakennefunko x6 = [ x4 ( x5) + x5 ( x4) ] g6 Porn 6 rakennefunko x6 = [ ( x + x2 x x2) g4 [ x3 ( x2) ] + x3 ( x2) [ ( x + x2 x x2) g4] ]g6 Sjoeaan porn 6 rekennefunkoon poren 4 ja 5 lausekkee Kerroaan x6-lauseke auk g6 g4 x 2g6 g4 x x3 + 4g6 g4 x x3 x2 + g6 g4 x2 2g6 g4 x3 x2 + 2g6 g4 x3 x2 2 g6 g4 x x2 2g6 g4 x x2 2 x3 + g6 x3 g6 x3 x2 ehdään Boolean sevennys x n = x g6 g4 x 2g6 g4 x x3 + 4g6 g4 x x3 x2 + g6 g4 x2 2g6 g4 x3 x2 + 2g6 g4 x3 x2 g6 g4 x x2 2g6 g4 x x2 x3 + g6 x3 g6 x3 x2 ja yksnkeraseaan lauseke, johon sjoeaan lähöedo g6 g4 x 2g6 g4 x x3 + 4g6 g4 x x3 x2 + g6 g4 x2 2g6 g4 x3 x2 + 2g6 g4 x3 x2 g6 g4 x x2 2g6 g4 x x2 x3 + g6 x3 g6 x3 x2 g6 g4 x 2g6 g4 x x3 + 2g6 g4 x x2 x3 + g6 g4 x2 g6 g4 x x2 + g6 x3 g6 x3 x2 =

9 Tehävä 5 Ja-por Is( ) ln e r λ := Huom. ( ) e r 2 λ ( ) I ( T) =.396 ( ) e r 2 ( ) Fs( ) = F( ) F2() e r λ λ = = e Is() ja I () := r λ I 2 ( T) =.099 r :=.4 r 2 :=. r 3 := 0.70 I 2 () := r 2 λ I 3 () := r 3 λ λ := T := 30 Is( T) = 0.7 Osen kuluus T:n akana Ik( ) := Is() + I 3 () I 3 ( T) = 0.7 Ik( T) =.4 Is() r 3 λ Ik() odennäkösyys, eä osan omuksen akana ullaan varasosa hakemaan osa ennään k keraa, on PkT (, ) := k n = 0 Ik( T) n e Ik( T) n! P0T (, ) = PT (, ) = P2T (, ) = Koska jokasella hakukerralla oeaan 3 kerrallaa => lauspse 23 = 6

10 Teh. 6. T := 00 λ := 0.0 MTTF := MTTF = 00 λ x := 0.57 x 2 := 0.3 x 3 := 0.7 x 4 := 0.43 y := 0.4 y 2 := 0.3 y 3 := 0.7 y 4 := 0.6 λ F ():= e I ():= λ IT ( ) = FT ( ) = ( ) y y 4 y 2 y 3 x x 4 x 2 w := w y y 4 := w 4 y y 2 := w 4 y 2 y 3 := x x 4 x x 4 x 2 x 3 x 3 y 2 y 3 + x 2 x 3 w = w 4 = w 2 = 0.5 w 3 = 0.5 I := w IT ( ) I = I 4 := w 4 IT ( ) I 4 = ( ) := ln e α Iα, ( ) ( e α ) F ( ) = F( ) F4() = e α w λ λ w4 = e I() w λ e α λ w 4 esään sellanen skaalauskerron, jolla vkojen lukumäärä keskmäärn hekeen T mennessä on I4. semen α := 3! α := roo I T, α ( ( ) λ T, α) α = I := α w λ T I 4 := α w 4 λ T I =.94 I 4 = λ Iα (, ) I =.94 I 2 := w 2 I 4 I 2 =.87 I 3 := w 3 I 4 I 3 =.87

YRITYSKOHTAISEN TEHOSTAMISTAVOITTEEN MÄÄRITTELY 1 YRITYSKOHTAISEN TEHOSTAMISPOTENTIAALIN MITTAAMINEN

YRITYSKOHTAISEN TEHOSTAMISTAVOITTEEN MÄÄRITTELY 1 YRITYSKOHTAISEN TEHOSTAMISPOTENTIAALIN MITTAAMINEN ENERGIAMARKKINAVIRASTO 1 Le 2 Säkön jakeluverkkoomnnan yryskoasen eosamsavoeen määrely YRITYSKOHTAISEN TEHOSTAMISTAVOITTEEN MÄÄRITTELY Asanosanen: Vaasan Säköverkko Oy Lyy pääökseen dnro 491/424/2007 Energamarkknavraso

Lisätiedot

KVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA

KVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA KVANTIOINTIKOHINA JA KANAVAN AWGN- KOHINA PULIKOODIMODULAATIOA Teolkenneeknkka I 5359A Kar Kärkkänen Osa 6 5 Kvansonkohna PCM-järjeselmässä PCM:ssa on kaks vrhelähdeä:. kvansonkohna,. kanavan kohnan aheuama

Lisätiedot

Valmistaminen tai ostaminen varastoon tasainen kysyntä

Valmistaminen tai ostaminen varastoon tasainen kysyntä Valmsamnen varasoon Make-o-sock (MTS) -uoanoapaa käyävä yrykse, joka valmsava loppuuoea a osa erssä ja valmsuksen jälkeen varasova uoee varasoon odoamaan kysynää MTS-uoanomalln euna ova lyhye omusaja asakkaalle,

Lisätiedot

MUODONMUUTOKSET. Lähtöotaksumat:

MUODONMUUTOKSET. Lähtöotaksumat: MUODONMUUTOKSET Lähöoaksuma:. Maeraal on sorooppsa ja homogeensa. Hooken lak on vomassa (fyskaalnen lneaarsuus) 3. Bernoulln hypoees on vomassa (eknnen avuuseora) 4. Muodonmuuokse ova nn penä rakeneen

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

DEE-53000 Sähkömagneettisten järjestelmien lämmönsiirto

DEE-53000 Sähkömagneettisten järjestelmien lämmönsiirto DEE-53000 Sähkömageese järjeselme lämmösro Lueo 8 1 Sähkömageese järjeselme lämmösro Rso Mkkoe Dfferessmeeelmä Numeersa rakasua haeaa aluee dskreeesä psesä. Muodoseaa verkko ja eseää dervaaa erousosamäärä.

Lisätiedot

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä Dynaaminen opimoini ja ehdollisen vaaeiden meneelmä Meneelmien keskinäinen yheys S yseemianalyysin Laboraorio Esielmä 10 - Peni Säynäjoki Opimoiniopin seminaari - Syksy 2000 / 1 Meneelmien yhäläisyyksiä

Lisätiedot

Venymälle isotermisessä tilanmuutoksessa saadaan dl = α LdT + df = df AE AE Ulkoisen voiman tekemä työ saadaan integroimalla δ W = FdL :

Venymälle isotermisessä tilanmuutoksessa saadaan dl = α LdT + df = df AE AE Ulkoisen voiman tekemä työ saadaan integroimalla δ W = FdL : S-11435, Fyskka III (ES) Tentt 194 1 Setsemän tunnstettavssa olevaa hukkasta on jakautunut kahdelle energatasolle Ylem taso on degenerotumaton ja sen energa on 1, mev korkeam kun alemman tason, joka uolestaan

Lisätiedot

12. ARKISIA SOVELLUKSIA

12. ARKISIA SOVELLUKSIA MAA. Arkiia ovellukia. ARKISIA SOVELLUKSIA Oleeaan, eä kappale liikkuu ykiuloeia raaa, eimerkiki -akelia pikin. Kappaleen nopeuden vekoriluonne riiää oaa vauhdin eumerkin avulla huomioon, ja on ehkä arkoiukenmukaiina

Lisätiedot

Ohjelmiston testaus ja laatu. Ohjelmistotekniikka dokumentointi

Ohjelmiston testaus ja laatu. Ohjelmistotekniikka dokumentointi Ohjelmson esaus ja laau Ohjelmsoeknkka dokumenon Ohjelmsoyöhön kuuluu oleellsena osana dokumenen krjoamnen laadukkaden dokumenen uoamnen vakeaa akaaulujen panaessa päälle, dokumenonnsa on helppo npsää

Lisätiedot

Täydennetään teoriaa seuraavilla tuloksilla tapauksista, joissa moninkertaisen ominaisarvon geometrinen kertaluku on yksi:

Täydennetään teoriaa seuraavilla tuloksilla tapauksista, joissa moninkertaisen ominaisarvon geometrinen kertaluku on yksi: 77 Aemmn oleen, eä mars A on dagonalsouva. Tällanen on lanne äsmälleen sllon, un joasen omnasarvon geomernen eraluu on sama un algebrallnen. Täydenneään eoraa seuraavlla uloslla apaussa, jossa monnerasen

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

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemaalyys laboratoro Mat-.9 Sovellettu todeäkösyyslasku A Nordlud Harjotus 8 (vko 45/3) (Ahe: Raja-arvolauseta, otostuuslukuja, johdatusta estmot, Lae luvut 9.5,.-.6). Olkoo X ~ p(λ), mssä λ

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat: Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Artmeette keskarvo, Estmaatt,

Lisätiedot

AB TEKNILLINEN KORKEAKOULU

AB TEKNILLINEN KORKEAKOULU B TEKNILLINEN KORKEKOULU Tetoverkkolaboratoro luento05.ppt S-38.45 - Lkenneteoran perusteet - Kevät 00 Ssältö eruskästteet Dskreett satunnasmuuttujat Dskreett jakaumat lkm-jakaumat Jatkuvat satunnasmuuttujat

Lisätiedot

joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx =

joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx = HY / Maemaiikan ja ilasoieeen laios Differeniaalihälö I kevä 09 Harjois 4 Rakaisehdoksia. Rakaise differeniaalihälö = (x + + Rakais: Tehdään differeniaalihälöön lineaarinen mnnos z(x = x + (x + jolloin

Lisätiedot

TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Luotettavuusteoria

TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Luotettavuusteoria TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Luoeavuueoria Dekripiivinen luoeavuu R() =P(T>) R(x ) =P(T>+ x T>) r() = f() R() R() =e R(x ) =e r() d +x r() d F () R() f() r() F () R() f() F () df () d R()

Lisätiedot

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A.

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A. 9. Epäoleellise inegraali; inegraalin derivoini paramerin suheen 9.. Epäoleellise aso- ja avaruusinegraali 27. Olkoon = {(x, y) x, y }. Osoia hajaanuminen ai laske arvo epäoleelliselle asoinegraalille

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

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

Todennäköisyyden ominaisuuksia

Todennäköisyyden ominaisuuksia Todennäköisyyden ominaisuuksia 0 P(A) 1 (1) P(S) = 1 (2) A B = P(A B) = P(A) + P(B) (3) P(A) = 1 P(A) (4) P(A B) = P(A) + P(B) P(A B) (5) Tapahtuman todennäköisyys S = {e 1,..., e N }. N A = A. Kun alkeistapaukset

Lisätiedot

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

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli Ssältö Kertausta: ykskertae lkeeteoreette mall M/M/-PS asakasta palvelja asakaspakkaa M/M/-PS asakasta palveljaa asakaspakkaa Sovellus elastse datalketee malltamsee vuotasolla M/M//k/k-PS k asakasta palvelja

Lisätiedot

W dt dt t J.

W dt dt t J. DEE-11 Piirianalyysi Harjoius 1 / viikko 3.1 RC-auon akku (8.4 V, 17 mah) on ladau äyeen. Kuinka suuri osa akun energiasa kuluu ensimmäisen 5 min aikana, kun oleeaan mooorin kuluavan vakiovirran 5 A? Oleeaan

Lisätiedot

Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.

Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ. 25.2.215 1. Autossa on 4 rengasta ja 1 vararengas (T i Exp(λ), [λ] = 1/km, i=1,...,5). Kulkeakseen auto tarvitsee 4 ehjää rengasta. Aluksi auto käyttää neljää alkuperäistä rengasta. Kun yksi näistä vikaantuu,

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

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

Mallivastaukset KA5-kurssin laskareihin, kevät 2009

Mallivastaukset KA5-kurssin laskareihin, kevät 2009 Mallivasaukse KA5-kurssin laskareihin, kevä 2009 Harjoiukse 2 (viikko 6) Tehävä 1 Sovelleaan luenokalvojen sivulla 46 anneua kaavaa: A A Y Y K α ( 1 α ) 0,025 0,5 0,03 0,5 0,01 0,005 K Siis kysyy Solowin

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

KOMISSION VALMISTELUASIAKIRJA

KOMISSION VALMISTELUASIAKIRJA EUROOPAN UNIONIN NEUVOSTO Bryssel, 23. oukokuua 2007 (24.05) (OR. en) Toimielinen välinen asia: 2006/0039 (CNS) 9851/07 ADD 2 N 239 RESPR 5 CADREN 32 LISÄYS 2 I/A KOHTAA KOSKEVAAN ILMOITUKSEEN Läheäjä:

Lisätiedot

Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite

Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite S-66. Elekronkan perskrss Leno III: vass Päöeho en perskykennä kondensaaor Vahovrran lyhenney merknäapa Vakea vahovra-analyys? analyys? Kompleksarmekka odellnen vahovra-analyys analyys alkaa asavrralla

Lisätiedot

ETERAN TyEL:n MUKAISEN VAKUUTUKSEN ERITYISPERUSTEET

ETERAN TyEL:n MUKAISEN VAKUUTUKSEN ERITYISPERUSTEET TRAN TyL:n MUKASN AKUUTUKSN RTYSPRUSTT Tässä peruseessa kaikki suuree koskea eraa, ellei oisin ole määriely. Tässä peruseessa käyey lyhenee: LL Lyhyaikaisissa yösuheissa oleien yönekijäin eläkelaki TaL

Lisätiedot

Osi*aisintegroin2. Osi*aisintegroin2: esimerkkejä. Osi*aisintegroin2tapauksia 1/29/13. f'(x)g(x)dx=f(x)g(x) f(x)g'(x)dx. f'(x)g(x)dx=f(x)g(x)

Osi*aisintegroin2. Osi*aisintegroin2: esimerkkejä. Osi*aisintegroin2tapauksia 1/29/13. f'(x)g(x)dx=f(x)g(x) f(x)g'(x)dx. f'(x)g(x)dx=f(x)g(x) /9/ Osi*aisintegroin Palautetaan mieleen tulon derivoimissääntö: d df(x) dg(x) (f(x) g(x)) g(x) + f(x) Integroidaan yhtälön molemmat puolet x:n suhteen: d (f(x) g(x)) df(x) g(x) + f(x) dg(x) f(x) g(x)

Lisätiedot

Projektin arvon aleneminen

Projektin arvon aleneminen Projektin arvon aleneminen sivut 99-07 Optimointiopin seminaari - Syksy 000 / Arvon aleneminen Jatketaan projektin arvon tutkimista. Nyt huomioidaan arvon aleneminen. Syitä esimerkiksi: kaluston vanheneminen

Lisätiedot

Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d

Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d df(x) dg(x) (f(x) g(x)) = g(x) + f(x) dx dx dx Integroidaan yhtälön molemmat puolet x:n suhteen: d (f(x) g(x))dx dx = df(x) dx g(x)dx + f(x)

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-2.204 Tlastollsen analyysn perusteet, kevät 2007 5. luento: Tlastollnen rppuvuus ja korrelaato Ka Vrtanen Muuttujen välsten rppuvuuksen analysont Tlastollsssa analyysessä tutktaan usen muuttujen välsä

Lisätiedot

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4 TKK (c) lkka Melln (005) Koesuunnttelu TKK (c) lkka Melln (005) : Mtä opmme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Mten varanssanalyysssa tutktaan yhden tekän vakutusta vastemuuttujaan, kun

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

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

Luento 7 Järjestelmien ylläpito

Luento 7 Järjestelmien ylläpito Luno 7 Järjslmin ylläpio Ahi Salo Tknillinn korkakoulu PL, 5 TKK Järjslmin ylläpidosa Priaallisia vaihohoja Uusiminn rplacmn Ennalahkäisvä huolo mainnanc Korjaaminn rpair ❶ Uusiminn Vioiun komponni korvaaan

Lisätiedot

Ratkaisuehdotukset LH 10 / vko 48

Ratkaisuehdotukset LH 10 / vko 48 MS-C134 Lineaarialgebra, II/017 Ratkaisuehdotukset LH 10 / vko 48 Tehtävä 1: Olkoot A R n n symmetrinen ja positiividefiniitti matriisi. Näytä, että (i T A n (λ iα i (ii A n (λ i α i jossa α i on siten,

Lisätiedot

Tässä harjoituksessa käsitellään Laplace-muunnosta ja sen hyödyntämistä differentiaaliyhtälöiden ratkaisemisessa.

Tässä harjoituksessa käsitellään Laplace-muunnosta ja sen hyödyntämistä differentiaaliyhtälöiden ratkaisemisessa. DEE-00 Lneaare järjeelmä Harjou 0, rakauehdouke Tää harjoukea käellään Laplace-muunnoa ja en hyödynämä dfferenaalyhälöden rakaemea Tehävä Laplace-muunno on käevä yökalu dfferenaalyhälöryhmen rakaemea,

Lisätiedot

MO-teoria ja symmetria

MO-teoria ja symmetria MO-teora ja symmetra () Kaks atomorbtaaa vovat muodostaa kaks moekyyorbtaaa - Stova orbtaa - ajottava orbtaa () Atomorbtaaen energoden otava keskenään samansuurusa () Atomorbtaaen symmetravaatmukset LCAO

Lisätiedot

Piennopeuslaite FMP. Lapinleimu

Piennopeuslaite FMP. Lapinleimu Piennopeuslaie FMP Floormaser FMP on lieä uloilmalaie, joka on arkoieu käyeäväksi syrjäyävään ilmanjakoon Floormaser-järjeselmässä. KANSIO 4 VÄLI 6 ESITE 6 Lapinleimu.1.00 Floormaser Yleisä Floormaser

Lisätiedot

INTERFERENSSIN VAIKUTUS LINEAARISISSA MODULAATIOISSA

INTERFERENSSIN VAIKUTUS LINEAARISISSA MODULAATIOISSA 1 INTERFERENSSIN VIKUTUS LINERISISS MOULTIOISS Men yksaajunen häökanoaalo haaa lasua? 521357 Teolkenneeknkka I Osa 18 Ka Käkkänen Kevä 2015 KERTUST 2 Kanoaaloodulaaolle: os[2πf φ] Lneaanen odulaao Vahee

Lisätiedot

"h 'ffi: ,t^-? ùf 'J. x*r:l-1. ri ri L2-14. a)5-x:8-7x b) 3(2x+ l) :6x+ 1 c) +* +5 * I : 0. Talousmatematiikan perusteet, onus to o.

h 'ffi: ,t^-? ùf 'J. x*r:l-1. ri ri L2-14. a)5-x:8-7x b) 3(2x+ l) :6x+ 1 c) +* +5 * I : 0. Talousmatematiikan perusteet, onus to o. 1 Vaasan yopso, kev a 0 7 Taousmaemakan perusee, onus o o R1 R R3 R ma 1-1 ma 1-1 r 08-10 r -1 vkko 3 F9 F53 F5 F53 1.-0..01 R5 R o R7 pe R8 pe - r-1 08-10 10-1 F53 F10 F5 F9 1. Sevennä seuraava ausekkee.

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Ilkka 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

Lisätiedot

BETONI-TERÄS LIITTORAKENTEIDEN SUUNNITTELU EUROKOODIEN MUKAAN (TTY 2009) Betonipäivät 2010

BETONI-TERÄS LIITTORAKENTEIDEN SUUNNITTELU EUROKOODIEN MUKAAN (TTY 2009) Betonipäivät 2010 DIPLOMITYÖ: BETONI-TERÄS LIITTORAKENTEIDEN SUUNNITTELU EUROKOODIEN MUKAAN (TTY 29) Beonipäivä 21 DIPLOMITYÖ prosessina Aie: yön eeäjän aloieesa Selviykse beonin, eräksen ja puun osala oli jo ey/käynnissä

Lisätiedot

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

Lisätiedot

2. Suoraviivainen liike

2. Suoraviivainen liike . Suoraviivainen liike . Siirymä, keskinopeus ja keskivauhi Aika: unnus, yksikkö: sekuni s Suoraviivaisessa liikkeessä kappaleen asema (paikka) ilmoieaan suoralla olevan piseen paikkakoordinaain (unnus

Lisätiedot

Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d

Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d df(x) dg(x) (f(x) g(x)) = g(x) + f(x) dx dx dx Integroidaan yhtälön molemmat puolet x:n suhteen: d (f(x) g(x))dx dx = df(x) dx g(x)dx + f(x)

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

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA II ADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA Laskenaaajuus akiivisuus Määrieäessä radioakiivisen näyeen akiivisuua (A) uloksena saadaan käyeyn miausyseemin anama laskenaaajuus (). = [II.I] jossa =

Lisätiedot

3 *ä;r ä:e 5ä ä{ :i. c oo) S g+;!qg *r; Er ; l[$ E ;;iä F:ä ä :E ä: a bo. =. * gäf$iery g! Eä. a is äg*!=."fl: ä; E!, \ ins:" qgg ;._ EE üg.

3 *ä;r ä:e 5ä ä{ :i. c oo) S g+;!qg *r; Er ; l[$ E ;;iä F:ä ä :E ä: a bo. =. * gäf$iery g! Eä. a is äg*!=.fl: ä; E!, \ ins: qgg ;._ EE üg. t AJ 1., t4 t4 \J : h J \) (.) \ ( J r ) tḡr (u (1) m * t *h& r( t{ L.C g :LA( g9; p ö m. gr iop ö O t : U 0J (U.p JJ! ä; >

Lisätiedot

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11.

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11. Kemian laieekniikka 1 Koilasku 1 4.4.28 Jarmo Vesola Tuoee ja reakio: hiilimonoksidi, meanoli, meyyliformiaai C HC (1) vesi, meyyliformiaai, meanoli, muurahaishappo HC CH (2) hiilimonoksi, vesi, muurahaishappo

Lisätiedot

W Hz. kohinageneraattori. H(f) W Hz. W Hz. ELEC-A7200 Signaalit ja järjestelmät Laskuharjoitukset. LASKUHARJOITUS 5 Sivu 1/7

W Hz. kohinageneraattori. H(f) W Hz. W Hz. ELEC-A7200 Signaalit ja järjestelmät Laskuharjoitukset. LASKUHARJOITUS 5 Sivu 1/7 ELEC-A700 LASKUHARJOIUS 5 Svu /7. Satunnassgnaaln x ( t ) keskarvo on V ja keskhajonta 4 V. Mttaukslla on todettu, että x ( t ) ja x ( t + τ ) ovat rppumattoma, kun τ 5µ s. Lsäks tedetään, että x ( t )

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

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1 TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-.39 Optimointioppi Kimmo Berg 8. harjoitus - ratkaisut. a)huomataan ensinnäkin että kummankin jonon raja-arvo r on nolla. Oletetaan lisäksi että

Lisätiedot

Kaksisuuntainen varianssianalyysi. Heliövaara 1

Kaksisuuntainen varianssianalyysi. Heliövaara 1 Kaksisuuntainen varianssianalyysi Heliövaara 1 Kaksi- tai useampisuuntainen varianssianalyysi Kaksi- tai useampisuuntaisessa varianssianalyysissa perusjoukko on jaettu ryhmiin kahden tai useamman tekijän

Lisätiedot

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1 Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään tiedetään, että ainakin kaksi

Lisätiedot

9. laskuharjoituskierros, vko 12-13, ratkaisut

9. laskuharjoituskierros, vko 12-13, ratkaisut 9. laskuharjoituskierros, vko 12-13, ratkaisut D1. Olkoot X i, i = 1, 2,..., n riippumattomia, samaa eksponenttijakaumaa noudattavia satunnaismuuttujia, joiden odotusarvo E(X i = β, toisin sanoen X i :t

Lisätiedot

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän: ELEC-A700 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS 3 Sivu /8. arkasellaan oheisa järjeselmää bg x Yksikköviive + zbg z bg z d a) Määriä järjeselmän siirofunkio H Y = X b) Määriä järjeselmän

Lisätiedot

Talousmatematiikan perusteet, L2 Kertaus Aiheet

Talousmatematiikan perusteet, L2 Kertaus Aiheet Talousmatematiikan perusteet, L2 Kertaus 1 Laskutoimitukset tehdään seuraavassa järjestyksessä 1. Sulkujen sisällä olevat lausekkeet (alkaen sisältä ulospäin) 2. potenssit ja juurilausekkeet 3. kerto-

Lisätiedot

. g = 0,42g. Moolimassat ovat vastaavasti N 2 :lle 28, 02g/ mol ja typpiatomille puolet tästä 14, 01g/ mol.

. g = 0,42g. Moolimassat ovat vastaavasti N 2 :lle 28, 02g/ mol ja typpiatomille puolet tästä 14, 01g/ mol. LH-1 Kaasusälö ssältää 1, g typpeä 1800 K lämpötlassa Sälön tlavuus on 5,0 l Laske pane sälössä ottamalla huomoon, että tässä lämpötlassa 30 % typpmolekyylestä, on hajonnut atomeks Sovella Daltonn laka

Lisätiedot

x v1 y v2, missä x ja y ovat kokonaislukuja.

x v1 y v2, missä x ja y ovat kokonaislukuja. Digiaalinen videonkäsiel Harjoius, vasaukse ehäviin 4-0 Tehävä 4. Emämariisi a: V A 0 V B 0 Hila saadaan kanavekorien (=emämariisin sarakkee) avulla. Kunkin piseen paikka hilassa on kokonaisluvulla kerroujen

Lisätiedot

Thlousmatematiikan perusteet, orvrs ro:o

Thlousmatematiikan perusteet, orvrs ro:o Tampereen kesäylopsto, kevät 2015 Thlousmatematkan perusteet, orvrs ro:o 3. harjotus, (la 28.11.2015) 1. Tehdas valmstaa vkossa tuotetta määrän q jamyy sen hntaan p (euroa/tuote). Kysyntäfunkto on p(q):

Lisätiedot

Vikasietoisuus ja luotettavuus

Vikasietoisuus ja luotettavuus Vikasietoisuus ja luotettavuus Luotettavuussuureet Keskuksen vikasietoisuus Mallinnusmenetelmät Rka/ML -k2000 Tiedonvälitystekniikka I 14-1 Vikasietoisuuden peruskäsitteitä ovat Vikaantuminen (failure,

Lisätiedot

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta MS-A00 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta 7.. Gripenberg Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot ja minkä kokeen suoritat! Laskin,

Lisätiedot

SATE2180 Kenttäteorian perusteet syksy / 6 Laskuharjoitus 7 / Siirrosvirta ja indusoitunut sähkömotorinen voima

SATE2180 Kenttäteorian perusteet syksy / 6 Laskuharjoitus 7 / Siirrosvirta ja indusoitunut sähkömotorinen voima ATE18 Kenäeorin perusee syksy 18 1 / 6 Lskuhrjoius 7 / iirrosvir j inusoiunu sähkömoorinen voim Tehävä 1. All olevn kuvn mukinen piiri on sinimuooisesi värähelevässä j epähomogeenisess mgneeikenässä sin

Lisätiedot

8. Jonotusjärjestelmät

8. Jonotusjärjestelmät 8. Joousjärjeselmä lueo8. S-38.45 Lkeeeora erusee Kevä 6 8. Joousjärjeselmä Ssälö Kerausa: ykskerae lkeeeoreee mall Jookur M/M/ alvelja, odousakkaa Sovellus daalkeee mallamsee akeasolla M/M/ alveljaa,

Lisätiedot

8. Jonotusjärjestelmät

8. Jonotusjärjestelmät lueo8. S-38.45 Lkeeeora erusee Kevä 5 Ssälö Kerausa: ykskerae lkeeeoreee mall Jookur M/M/ alvelja, odousakkaa Sovellus daalkeee mallamsee akeasolla M/M/ alveljaa, odousakkaa Ykskerae lkeeeoreee mall Asakkaa

Lisätiedot

a) Ortogonaalinen, koska kantafunktioiden energia 1

a) Ortogonaalinen, koska kantafunktioiden energia 1 S-7.060 Signaali ja järjeselmä Teni 14.5.001 1. Vasaa lyhyesi seuraaviin saehäviin, käyä arviaessa kuvaa. a) Mikä minaisuuksisa rgnaalinen ja rnrmaalinen kuvaa paremmin Furier-sarjaa ja miksi? b) Esiä

Lisätiedot

4.0.2 Kuinka hyvä ennuste on?

4.0.2 Kuinka hyvä ennuste on? Luonteva ennuste on käyttää yhtälöä (4.0.1), jolloin estimaattori on muotoa X t = c + φ 1 X t 1 + + φ p X t p ja estimointivirheen varianssi on σ 2. X t }{{} todellinen arvo Xt }{{} esimaattori = ε t Esimerkki

Lisätiedot

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN ELÄKEKAAN LAKUPERUEE YÖNEKJÄN ELÄKELAN UKAA ELÄKEURAA AREN Kokooma 4.2.204. mesn kokoomaan ssällyey perusemuuos on ahseu 8..204. Eläkekassa oa erkseen hakea sosaal- ja ereysmnserön ahsusa laskuperuselleen.

Lisätiedot

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM) MS-A17 Differentiaali- ja integraalilaskenta 1 CHEM) Laskuharjoitus 4lv, kevät 16 1. Tehtävä: Laske cos x dx a) osittaisintegroinnilla, b) soveltamalla sopivaa trigonometrian kaavaa. Ratkaisu: a) Osittaisintegroinnin

Lisätiedot

Diskreetillä puolella impulssi oli yksinkertainen lukujono:

Diskreetillä puolella impulssi oli yksinkertainen lukujono: DEE-00 ineaarise järjeselmä Harjoius 5, rakaisuehdoukse [johdano impulssivaseeseen] Jakuva-aikaisen järjeselmän impulssivase on vasaavanlainen järjeselmäyökalu kuin diskreeillä puolellakin: impulssivase

Lisätiedot

K Ä Y T T Ö S U U N N I T E L M A Y H D Y S K U N T A L A U T A K U N T A

K Ä Y T T Ö S U U N N I T E L M A Y H D Y S K U N T A L A U T A K U N T A K Ä Y T T Ö S U U N N I T E L M A 2 0 1 7 Y H D Y S K U N T A L A U T A K U N T A Forssan kaupunki Talousarvio ja -suunnitelma 2017-2019 / T O I M I A L A P A L V E L U 50 YHDYSKUNTAPALVELUT 5 0 0 T E

Lisätiedot

Investointimahdollisuudet ja investointien ajoittaminen

Investointimahdollisuudet ja investointien ajoittaminen Investointimahdollisuudet ja investointien ajoittaminen Optimaalisen investointistrategian ominaispiirteitä eli parametrien vaikutus ratkaisuun Optimointiopin seminaari - Syksy 000 / Optimointiopin seminaari

Lisätiedot

Lineaarinen toisen kertaluvun yhtälö

Lineaarinen toisen kertaluvun yhtälö Lineaarinen toisen kertaluvun yhtälö Keijo Ruotsalainen Mathematics Division Lineaarinen toisen kertaluvun differentiaaliyhtälö Toisen kertaluvun täydellinen lineaarinen yhtälö muotoa p 2 (x)y + p 1 (x)y

Lisätiedot

Talousmatematiikan perusteet, L2 Kertaus Aiheet

Talousmatematiikan perusteet, L2 Kertaus Aiheet Talousmatematiikan perusteet, L2 Kertaus 1 Laskutoimitukset tehdään seuraavassa järjestyksessä 1. Sulkujen sisällä olevat lausekkeet (alkaen sisältä ulospäin) 2. potenssit ja juurilausekkeet 3. kerto-

Lisätiedot

Piennopeuslaite FMH. Lapinleimu

Piennopeuslaite FMH. Lapinleimu Piennopeuslaie FMH Floormaser FMH on puolipyöreä uloilmalaie, joka on arkoieu käyeäväksi syrjäyävään ilmanjakoon Floormaser- järjeselmässä. KANSIO VÄLI 6 ESITE Lapinleimu.1.0 Floormaser Yleisä Floormaser

Lisätiedot

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: 8.1 Satunnaismuuttuja Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: Esim. Nopanheitossa (d6) satunnaismuuttuja X kertoo silmäluvun arvon. a) listaa kaikki satunnaismuuttujan arvot b)

Lisätiedot

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN ELÄKEKN LKPERTEET TYÖNTEKJÄN ELÄKELN KT ELÄKETR RTEN Kokooma 30.6.20. mesn kokoomaan ssällyey perusemuuos on ahseu 6.6.20. Eläkekassa oa erkseen hakea sosaal- ja ereysmnserön ahsusa laskuperuselleen. Tähän

Lisätiedot

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit 68 3. Leaarset esmmäse kertaluvu dfferetaalsysteemt Tarkastelemme systeemejä () x () t = A() t x() t + b () t, jossa matrs A kertomet ja b ovat välllä I jatkuva. Jatkuve vektorarvoste fuktode avaruutta

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

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon S-11435, FYSIIKKA III (ES), Syksy 00, LH 4, Loppuvkko 39 LH4-1* Käyttän Maxwll-Boltzmann-jakauman parttofunktota määrtä a) nrgan nlön kskarvo (E ) skä b) nrgan nlöllnn kskpokkama kskarvosta l nrgan varanss,

Lisätiedot

Derivoimalla ensimmäinen komponentti, sijoittamalla jälkimmäisen derivaatta siihen ja eliminoimalla x. saadaan

Derivoimalla ensimmäinen komponentti, sijoittamalla jälkimmäisen derivaatta siihen ja eliminoimalla x. saadaan 87 5. Eliminoinimeneely Tarkaellaan -kokoia vakiokeroimia yeemiä + x a a x a x + a x b() x = = = +. a a x a x a x b () (3) b() x + Derivoimalla enimmäinen komponeni, ijoiamalla jälkimmäien derivaaa iihen

Lisätiedot

5. laskuharjoituskierros, vko 8, ratkaisut

5. laskuharjoituskierros, vko 8, ratkaisut Mat-.09 Sovellettu todennäköisyyslasku, kevät -05 5. laskuharjoituskierros, vko 8, ratkaisut D. Eräässä maata kiertävällä radalla olevassa satelliitissa on ilmaisin, jonka elinikä X yksikkönä vuosi noudattaa

Lisätiedot

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1 Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää

Lisätiedot

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN Kokonaisperuste, vahvistettu

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN Kokonaisperuste, vahvistettu ELÄKEKAAN LAKPEREE YÖNEKJÄN ELÄKELAN KAA ELÄKERVAA VAREN Kokonasperuste ahstettu 29.6.2007. ELÄKEKAAN LAKPEREE YÖNEKJÄN ELÄKELAN KAA ELÄKERVAA VAREN ÄLLYLEELO PEREDEN OVELAALE... 2 VAKEKNE REE... 3 VAVELKA...

Lisätiedot

t P1 `UT. Kaupparek. nro Y-tunnus Hämeenlinnan. hallinto- oikeudelle. Muutoksenhakijat. 1( UiH S<

t P1 `UT. Kaupparek. nro Y-tunnus Hämeenlinnan. hallinto- oikeudelle. Muutoksenhakijat. 1( UiH S< 1(0 1 4 1 1 4 UiH 0 0 0 1 S< A S I A N A J O T O I M I S T O O S S I G U S T A F S S O N P L 2 9, Ra u h a n k a t u 2 0, 1 5 1 1 1 L a h t i P u h e l i n 0 3 / 7 8 1 8 9 6 0, G S M 0 5 0 0 / 8 4 0 5

Lisätiedot

Atomistiset simulaatiot

Atomistiset simulaatiot Aomsse smulaao An Kuronen Teknllnen korkeakoulu Laskennallsen eknkan laboraoro an.kuronen@hu.f hp://www.lce.hu.f hp://www.lce.hu.f/research/aomc Tfy-44.195 Tukjan eoeknse yökalu ja nden käyö 1 Ylesä syseem:

Lisätiedot

Ionisoiva säteily. Tapio Hansson. 20. lokakuuta 2016

Ionisoiva säteily. Tapio Hansson. 20. lokakuuta 2016 Tapio Hansson 20. lokakuuta 2016 Milloin säteily on ionisoivaa? Milloin säteily on ionisoivaa? Kun säteilyllä on tarpeeksi energiaa irrottaakseen aineesta elektroneja tai rikkoakseen molekyylejä. Milloin

Lisätiedot

KÄYTTÖOPAS. Ilma vesilämpöpumppujärjestelmän sisäyksikkö ja lisävarusteet RECAIR OY EKHBRD011ADV1 EKHBRD014ADV1 EKHBRD016ADV1

KÄYTTÖOPAS. Ilma vesilämpöpumppujärjestelmän sisäyksikkö ja lisävarusteet RECAIR OY EKHBRD011ADV1 EKHBRD014ADV1 EKHBRD016ADV1 EKHBRD011ADV1 EKHBRD014ADV1 EKHBRD016ADV1 EKHBRD011ADY1 EKHBRD014ADY1 EKHBRD016ADY1 KÄYÖOPAS Ilma vesilämpöpumppujärjeselmän sisäyksikkö ja lisävarusee EKHBRD011ADV1+Y1 EKHBRD014ADV1+Y1 EKHBRD016ADV1+Y1

Lisätiedot

a) Esitä piirtämällä oheisen kaksoissymmetrisen ulokepalkkina toimivan kotelopalkin kaksi täysin erityyppistä plastista rajatilamekanismia (2p).

a) Esitä piirtämällä oheisen kaksoissymmetrisen ulokepalkkina toimivan kotelopalkin kaksi täysin erityyppistä plastista rajatilamekanismia (2p). LUT / Teräsrakenee/Timo Björk BK80A30: Teräsrakenee II: 9.9.016 Oheismaeriaalin käyö EI salliua, laskimen käyö on salliua, lausekkeia ehäväosion lopussa Vasaukse laadiaan ehäväpaperille, joka palaueava,

Lisätiedot

SATE1050 Piirianalyysi II syksy 2016 kevät / 6 Laskuharjoitus 10 / Kaksiporttien ABCD-parametrit ja siirtojohdot aikatasossa

SATE1050 Piirianalyysi II syksy 2016 kevät / 6 Laskuharjoitus 10 / Kaksiporttien ABCD-parametrit ja siirtojohdot aikatasossa SATE050 Piirianalyysi II syksy 06 kevä 07 / 6 Tehävä. Määriä alla olevassa kuvassa esieylle piirille kejumariisi sekä sen avulla syööpiseimpedanssi Z(s), un kuormana on resisanssi k. i () L i () u () C

Lisätiedot

8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY

8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY Värähelymeaa 8. 8 USEAN VAPAUSASEEN SYSEEMIN VAIMENEMAON PAKKOVÄRÄHELY 8. Normaalmuoomeeelmä Usea vapausasee syseem leyhälöde (7.) raaseme vaa aava (7.7) a (7.8) homogeese yhälö ylese raasu { } lsäs paovomaveora

Lisätiedot

Osi+aisintegroin3. Palautetaan mieleen tulon derivoimissääntö:

Osi+aisintegroin3. Palautetaan mieleen tulon derivoimissääntö: 9//3 Osi+aisintegroin3 Palautetaan mieleen tulon derivoimissääntö: d df(x) dg(x) (f(x) g(x)) = g(x) + f(x) Integroidaan yhtälön molemmat puolet x:n suhteen: d (f(x) g(x)) = df(x) g(x) + f(x) dg(x) f(x)

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia. HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia Tehtäväsarja I 1. Jatkoa Harjoitus 8A tehtävään 3. Muodosta odotusarvolle µ approksimatiivinen

Lisätiedot

Menetelmäseloste 15.11.2013 MAATALOUDEN TUOTANTOVÄLINEIDEN OSTOHINTAINDEKSI 2010=100

Menetelmäseloste 15.11.2013 MAATALOUDEN TUOTANTOVÄLINEIDEN OSTOHINTAINDEKSI 2010=100 Meneelmäselose 15.11.213 MAATALOUDEN TUOTANTOVÄLINEIDEN OSTOHINTAINDEKSI 21=1 2 Ssällyslueelo 1 TAUSTAA... 3 2 MÄÄRITELMÄ JA KÄYTTÖ... 5 3 RAKENNE JA HINTASEURANTA... 6 MAATALOUDEN TUOTANTOTARVIKKEET JA

Lisätiedot

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017 Matriisilaskenta (TFM) MS-A1 Hakula/Vuojamo Ratkaisut, Viikko 47, 17 R Alkuviikko TEHTÄVÄ J1 Mitkä matriisit E 1 ja E 31 nollaavat sijainnit (, 1) ja (3, 1) matriiseissa E 1 A ja E 31 A kun 1 A = 1. 8

Lisätiedot