Probabilistiset mallit (osa 1) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 1 Jorma Merikoski Tampereen yliopisto
|
|
- Eeva-Liisa Mattila
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Probabilistiset mallit (osa 1) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 1 Jorma Merikoski Tampereen yliopisto
2 Mikä on probabilistinen malli? Kutsumme probabilistisiksi malleiksi kaikkia sellaisia malleja, joissa todennäköisyyksien laskeminen on keskeisellä sijalla. Rajoitumme vain pariin tärkeään probabilististen mallien alueeseen. Osa 1 Suurimman palkinnon ongelma Markovin ketjut Osa 2 Poissonin prosessit mat. mallinnus, luento 12 osa 1 kalvo nro 2
3 Suurimman palkinnon ongelma Pöydällä on n korttia. Kunkin kortin kääntöpuolelle on kirjoitettu rahasumma, jota et tiedä ja joka on eri korteissa eri suuri. Pelin johtaja P kääntää ensimmäisen kortin ja tarjoaa siinä olevaa rahasummaa. Jos hyväksyt sen, niin saat rahat ja peli päättyy. Jos hylkäät sen, niin P kääntää toisen kortin ja tarjoaa siinä olevaa summaa. Näin jatketaan. Hylkäämäsi tarjoukset eivät pysy voimassa. Jos siis hylkäät ensimmäisen kortin ja toisen kortin palkinto on pienempi, niin sinun täytyy joko tyytyä siihen tai jatkaa peliä. mat. mallinnus, luento 12 osa 1 kalvo nro 3
4 Suurimman palkinnon ongelma (jatkoa) Tehtävä 1. a) Miten pelaat? b) Laske (tai arvioi) todennäköisyys sille, että saat suurimman palkinnon. Osaat varmasti (a):n, sillä siinä kysytään vain, kuinka sinä pelaat. Myös (b) on helppo, jos strategiasi on yksinkertainen. Arvostelussa otetaan huomioon strategian hyvyys. Kirjallisuudesta voi olla apua. Mahdolliset lähteet on ilmoitettava. mat. mallinnus, luento 12 osa 1 kalvo nro 4
5 Markovin ketju, esimerkki Yritykset Y 1 ja Y 2 kilpailevat eräillä markkinoilla. Vuoden alussa Y 1 :n markkinaosuus oli 44,6 % ja Y 2 :n 55,4 %. Tammikuussa Y 1 säilytti 96 % asiakkaistaan ja menetti 4 % Y 2 :lle. Vastaavat luvut Y 2 :lla olivat 99 % ja 1 %. Jos tuleva kehitys on sama, niin mitkä ovat markkinaosuudet a) tammikuun, b) helmikuun, c) vuoden lopussa, d) pitkän ajan kuluttua? mat. mallinnus, luento 12 osa 1 kalvo nro 5
6 Markovin ketjun siirtymämatriisi ja tilavektori Esimerkin tehtävää mallintava Markovin ketju M on tilassa 1 tai 2 sen mukaan, onko tietty kuluttaja Y 1 :n vai Y 2 :n asiakas. Siirtymämatriisin P = Ê Ë Á 096, 004, ˆ 001, 099, alkio p ik on todennäköisyys, jolla M siirtyy tilasta i tilaan k (tai pysyy tilassa i, kun i = k). Alkutilavektori X 0 = (0,446 0,554) ilmoittaa tilojen alkuperäiset todennäköisyydet. mat. mallinnus, luento 12 osa 1 kalvo nro 6
7 Markovin ketjun tiladiagrammi Tiladiagrammi D 0,96 0,99 0, ,01 Solmuina ovat tilat ja kaarina tilojen väliset siirtymät. Kaaren i Æ k paino on p ik Koska P:n vaakarivisummat ovat 1, niin D:n kustakin solmusta lähtevien kaarien painojen summa on 1. Tiloja voi olla enemmän kuin kaksi, jolloin P:n kertaluku ja D:n solmujen määrä ovat vastaavasti suuremmat. mat. mallinnus, luento 12 osa 1 kalvo nro 7
8 Markovin ketjun puudiagrammi Puudiagrammi T Ensimmäisessä haarassa ovat X 0 :n alkiot ja toisessa P:n. Tilojen uudet todennäköisyydet 0,446 0,554 (uusi tilavektori) määritetään joko 1 2 T:n avulla tai laskemalla X 1 = 0,96 0,04 0,01 0,99 X 0 P. T:tä voidaan jatkaa eteenpäin Voidaan myös laskea seuraava tilavektori X 2 = X 1 P jne. mat. mallinnus, luento 12 osa 1 kalvo nro 8
9 Tilavektorin määrittäminen Markkinaosuuksien kehitys a) tammikuun lopussa X1 X0P 0, 446 0, 554 = = ( ) Ê Ë Á ˆ Y 1 43,4 %, Y 2 56,6 % b) helmikuun lopussa X2 X1P 0, 434 0, 566 = = ( ) Ê Ë Á ˆ Y 1 42,2 %, Y 2 57,8 % c) vuoden lopussa X 12 0 Y 1 33,3 %, Y 2 66,7 % 096, 004, = ( 0, 434 0, 566) 001, 099, 096, 004, = ( 0, 422 0, 578) 001, 099, 2 X = X P = ( X P) P = X P = º = X P t t -1 t -2 t = X P = ( ) Ê Ë Á,, ˆ,, = (,, ) 001, 099, mat. mallinnus, luento 12 osa 1 kalvo nro t
10 Markovin ketjun tasapainovektori d) Entä pitkän ajan kuluttua? Vuoden lopun tilanne saattaa houkutella otaksumaan, että lim t Æ X t = (1/3, 2/3). Niin ei kuitenkaan käy: markkinaosuus (%) Viiden vuoden kuluttua markkinaosuudet ovat 21,1 % ja 78,9 %. Kymmenen vuoden kuluttua ne ovat 20,1 % ja 79,9 %. Tämä taas houkuttelee otaksumaan, että rajavektori onkin (1/5, 4/5). Voidaan todistaa, että se on oikein. Y 2 Y 1 mat. mallinnus, luento 12 osa 1 kalvo nro 10
11 Markovin ketjun stabiilius Markovin ketju M on stabiili, jos X t (= X 0 P t ) lähestyy X 0 :sta riippumatonta tasapainovektoria X, kun t Æ. Voidaan todistaa, että näin käy, jos P > 0 (alkioittain). Antamalla t Æ yhtälössä X t+1 = X t P saamme X:lle yhtälön X = XP ( x1 x2) Ê x1 x2 Ë Á,, ˆ = ( ) 001, 099, ( 096, x , x2 004, x , x2) = ( x1 x2) Ï096. x , x2 = x1 Ì Ó004, x , x2 = x2 Ï x1 = c Ì Óx2 = 4c Ï x1 = 15 Ì (koska x1 + x2 = 1) Óx2 = 45 mat. mallinnus, luento 12 osa 1 kalvo nro 11
12 Markovin ketju ja ominaisarvot Jos M on stabiili ja (vaaka)vektori X on tasapainovektori, niin XP = X. Transponoimalla saamme P T X T = X T. Siis 1 on P T :n ominaisarvo ja tasapaino(pysty)vektori on vastaava ominaisvektori. Perronin lauseen mukaan (alkioittain) positiivisella neliömatriisilla on positiivinen ominaisarvo, joka on suurempi kuin muiden ominaisarvojen itseisarvot. Tästä seuraa Markovin ketjun stabiilius, kun P > 0. mat. mallinnus, luento 12 osa 1 kalvo nro 12
13 Absorboivat ja palautuvat tilat Entä jos P sisältää nollia? Tässä tila 1 on absorboiva. Jos M joutuu tähän tilaan, niin se jää siihen lopullisesti. Tasapainovektori on X = (1, 0), joten M on stabiili. Tässä kumpikin tila on palautuva, mikä tarkoittaa, että siitä lähdettäessä siihen palataan varmasti. Jos alkutilavektori X 0 = (u v), missä u π v, niin X 1 = (v u), X 2 = (u v),. Näin saatu jono ei lähesty mitään rajavektoria, joten M ei ole stabiili. 1 0, , mat. mallinnus, luento 12 osa 1 kalvo nro 13 1
14 Kirjallisuutta H.Anton, C.Rorres, Elementary Linear Algebra. Applications Version. 6th ed. John Wiley, F.R.Giordano, M.D.Weir, and W.P.Fox, A First Course in Mathematical Modeling. 2nd ed. Brooks/Cole, D.C.Lay, Linear Algebra and Its Applications. 2nd ed. Addison&Wesley, K.Nicholson, Elementary Linear Algebra. McGraw-Hill Ryerson, S.M.Ross, Introduction to Probability Models. 6th ed. Acad. Pr., mat. mallinnus, luento 12 osa 1 kalvo nro 14
Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto
Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto Esimerkki Tarkastelemme ilmiötä I, joka on a) tiettyyn kauppaan tulee asiakkaita
LisätiedotMarkov-prosessit (Jatkuva-aikaiset Markov-ketjut)
J. Virtamo 38.3143 Jonoteoria / Markov-prosessit 1 Markov-prosessit (Jatkuva-aikaiset Markov-ketut) Tarkastellaan (stationaarisia) Markov-prosessea, oiden parametriavaruus on atkuva (yleensä aika). Siirtymät
LisätiedotPeliteoria luento 1. May 25, 2015. Peliteoria luento 1
May 25, 2015 Tavoitteet Valmius muotoilla strategisesti ja yhteiskunnallisesti kiinnostavia tilanteita peleinä. Kyky ratkaista yksinkertaisia pelejä. Luentojen rakenne 1 Joitain pelejä ajanvietematematiikasta.
LisätiedotLuento 5: Peliteoriaa
Luento 5: Peliteoriaa Tässä kappaleessa tutustutaan hieman peliteoriaan. Keskeisiä asioita ovat Nash-tasapaino ja sekastrategia. Cournot n duopolimalli vuodelta 1838 toimii oivallisena havainnollistuksena
LisätiedotNumeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28
Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä
LisätiedotOikeustieteellisen tiedekunnan opinto-opas 2011 HELSINGIN YLIOPISTON OHJELMA 2012
Oikeustieteellisen tiedekunnan opinto-opas 2011 HELSINGIN YLIOPISTON OHJELMA 2012 Tiedekunnan kanslia Porthania, Yliopistonkatu 3, 3. krs (PL 4), 00014 Helsingin ylipisto Yleinen toimisto, puh. 191 22477.
LisätiedotERIKOISIA MERKKEJÄ Kirjoita harjoitukset fontilla Times New Roman, pistekoko16, ellei toisin mainita.
ERIKOISIA MERKKEJÄ Kirjoita harjoitukset fontilla Times New Roman, pistekoko16, ellei toisin mainita. 1. Näppäimien kolmannet merkit Näppäimen kolmannen merkin saat kirjoitetuksi pitämällä pohjassa altgr
LisätiedotJ. Suominen: Johdatus digitaaliseen kulttuuriin, l4
! "#! $ %&&' ()" " "!" *+"", " )-! $. # "! / ". " " 0 - ". ".. " - " # 1# " $ 324 $ 5 6 $ $! 6 " 7 "" -8# 9$. : ;
LisätiedotAlgoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö
Algoritmit 1 Luento 13 Ti 23.2.2016 Timo Männikkö Luento 13 Suunnittelumenetelmät Taulukointi Kapsäkkiongelma Ahne menetelmä Verkon lyhimmät polut Dijkstran menetelmä Verkon lyhin virittävä puu Kruskalin
LisätiedotOrtogonaaliset matriisit, määritelmä 1
, määritelmä 1 Määritelmä (a). Neliömatriisi Q on ortogonaalinen, jos Q T Q = I. Määritelmästä voidaan antaa samaa tarkoittavat, mutta erilaiselta näyttävät muodot: Määritelmä (b). n n neliömatriisi Q,
LisätiedotBanana Split -peli. Toinen kierros Hyvin todennäköisesti ryhmien yhteenlaskettu rahasumma on suurempi kuin 30 senttiä. Ryhmien
Banana Split -peli Tavoite Esitellä banaanin tuotantoketju (mitä banaanille tapahtuu ennen kuin se on kuluttajalla) ja keskustella kuka saa mitä banaanin hinnasta. Kuinka peliä pelataan Jaa ryhmä viiteen
LisätiedotOhjelmoinnin perusteet Y Python
Ohjelmoinnin perusteet Y Python T-106.1208 26.1.2009 T-106.1208 Ohjelmoinnin perusteet Y 26.1.2009 1 / 33 Valintakäsky if syote = raw_input("kerro tenttipisteesi.\n") pisteet = int(syote) if pisteet >=
LisätiedotLidskiin lause trace-luokan operaattoreille. Joona Lindström
Lidskiin lause trace-luokan operaattoreille Joona Lindström HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI Tiedekunta/Osasto Fakultet/Sektion Faculty Laitos Institution Department
Lisätiedot1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.
Algoritmien DP ja MF vertaileminen tapahtuu suoraviivaisesti kirjoittamalla kummankin leskimääräinen kustannus eksplisiittisesti todennäköisyyksien avulla. Lause T MF ave = 1 + 2 1 i
LisätiedotLineaariset kongruenssiyhtälöryhmät
Lineaariset kongruenssiyhtälöryhmät LuK-tutkielma Jesse Salo 2309369 Matemaattisten tieteiden laitos Oulun yliopisto Sisältö Johdanto 2 1 Kongruensseista 3 1.1 Kongruenssin ominaisuuksia...................
LisätiedotOminaisarvo ja ominaisvektori
Ominaisarvo ja ominaisvektori Määritelmä Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka
LisätiedotTalousmatematiikan perusteet: Luento 9
Talousmatematiikan perusteet: Luento 9 Vektorien peruslaskutoimitukset Lineaarinen riippumattomuus Vektorien sisätulo ja pituus Vektorien välinen kulma Motivointi Tähän asti olemme tarkastelleet yhden
LisätiedotTALOUSTIETEEN LUENTOJEN TEHTÄVÄT
TALOUSTIETEEN LUENTOJEN TEHTÄVÄT 1. Suhteellisen edun periaate 1. Maassa A: 1 maito ~ 3 leipää 1 leipä ~ 0,33 maitoa Maassa B: a. b. 3 maitoa ~ 5 leipää 1 maito ~ 1,67 leipää 1 leipä ~ 0,6 maitoa i. Maalla
Lisätiedot1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut
ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0007 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 26.10.2015 Reaalinen
LisätiedotPaljonko maksat eurosta -peli
Paljonko maksat eurosta -peli - Ajattele todellinen tilanne ja toimi oman näkemyksesi mukaisesti - Tee tarjous eurosta: * Korkein tarjous voittaa euron. * Huonoimman tarjouksen esittäjä joutuu maksamaan
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C340 Lineaarialgebra ja differentiaaliyhtälöt Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 205 / 3 R. Kangaslampi Matriisihajotelmista Differentiaaliyhtälöitä ratkaistaessa
Lisätiedot96901KFE-N. Ñòåêëîêåðàìè åñêàÿ ïîâåðõíîñòü Glaskeramikhäll Keraaminen keittotaso
96901KFE-N Ñòåêëîêåðàìè åñêàÿ ïîâåðõíîñòü Glaskeramikhäll Keraaminen keittotaso Èíñòðóêöèÿ ïî ìîíòàæó è ýêñïëóàòàöèè Installations- och bruksanvisning Asennus- ja käyttöohje Óâàæàåìàÿ ïîêóïàòåëüíèöà, óâàæàåìûé
LisätiedotOtanta ilman takaisinpanoa
Otanta ilman takaisinpanoa Populaatio, jossa N alkiota (palloa, ihmistä tms.), kahdenlaisia ( valkoinen, musta ) Poimitaan umpimähkään (= symmetrisesti) n-osajoukko eli otos Merkitään tapahtuma A k = otoksessa
LisätiedotAlgoritmit 1. Luento 9 Ti Timo Männikkö
Algoritmit 1 Luento 9 Ti 7.2.2017 Timo Männikkö Luento 9 Graafit ja verkot Kaaritaulukko, bittimatriisi, pituusmatriisi Verkon lyhimmät polut Floydin menetelmä Lähtevien ja tulevien kaarien listat Forward
LisätiedotKoontitehtäviä luvuista 1 9
11 Koontitehtäviä luvuista 1 9 1. a) 3 + ( 8) + = 3 8 + = 3 b) x x 10 = 0 a =, b = 1, c = 10 ( 1) ( 1) 4 ( 10) 1 81 1 9 x 4 4 1 9 1 9 x,5 tai x 4 4 c) (5a) (a + 1) = 5a a 1 = 4a 1. a) Pythagoraan lause:
LisätiedotKurssikoe on maanantaina 29.6. Muista ilmoittautua kokeeseen viimeistään 10 päivää ennen koetta! Ilmoittautumisohjeet löytyvät kurssin kotisivuilla.
HY / Avoin ylioisto Johdatus yliopistomatematiikkaan, kesä 201 Harjoitus 7 Ratkaisut palautettava viimeistään perjantaina 26.6.201 klo 16.00. Huom! Luennot ovat salissa CK112 maanantaista 1.6. lähtien.
LisätiedotMS-A0004/A0006 Matriisilaskenta
4. MS-A4/A6 Matriisilaskenta 4. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto..25 Tarkastellaan neliömatriiseja. Kun matriisilla kerrotaan vektoria, vektorin
Lisätiedot1 Ominaisarvot ja ominaisvektorit
1 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) 1 missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin
LisätiedotMarkov-ketjut pitkällä aikavälillä
2A Markov-ketjut pitkällä aikavälillä Tämän harjoituksen tavoitteena on oppia lukemaan siirtymämatriisista tai siirtymäkaaviosta, milloin Markov-ketju on yhtenäinen ja jaksoton; oppia tunnistamaan, milloin
LisätiedotVille Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007
Ville Turunen: Mat-1.1410 Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007 Materiaali: kirjat [Adams R. A. Adams: Calculus, a complete course (6th edition), [Lay D. C. Lay: Linear
LisätiedotIlkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta
Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta TKK (c) Ilkka Mellin (2005) 1 Verkot ja todennäköisyyslaskenta >> Puudiagrammit todennäköisyyslaskennassa:
LisätiedotOTATKO RISKIN? peli. Heitä noppaa 3 kertaa. Tavoitteena on saada
OTATKO RISKIN? peli 1. Heitä noppaa 20 kertaa. Tavoitteena on saada vähintään 10 kertaa silmäluku 4, 5 tai 6. Jos onnistut, saat 300 pistettä. Jos et onnistu, menetät 2. Heitä noppaa 10 kertaa. Tavoitteena
LisätiedotMatematiikan mestariluokka, syksy 2009 7
Matematiikan mestariluokka, syksy 2009 7 2 Alkuluvuista 2.1 Alkuluvut Määritelmä 2.1 Positiivinen luku a 2 on alkuluku, jos sen ainoat positiiviset tekijät ovat 1 ja a. Jos a 2 ei ole alkuluku, se on yhdistetty
LisätiedotLineaarikuvauksen R n R m matriisi
Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:
LisätiedotDepartment of Mathematics, Hypermedia Laboratory Tampere University of Technology. Arvostus Verkostoissa: PageRank. Idea.
Arvostus Tommi Perälä Department of Mathematics, Hypermedia Laboratory Tampere University of Technology 8..0 in idea on määrittää verkoston solmuille arvostusta kuvaavat tunnusluvut. Voidaan ajatella
LisätiedotSimilaarisuus. Määritelmä. Huom.
Similaarisuus Määritelmä Neliömatriisi A M n n on similaarinen neliömatriisin B M n n kanssa, jos on olemassa kääntyvä matriisi P M n n, jolle pätee Tällöin merkitään A B. Huom. Havaitaan, että P 1 AP
LisätiedotOminaisarvo-hajoitelma ja diagonalisointi
Ominaisarvo-hajoitelma ja a 1 Lause 1: Jos reaalisella n n matriisilla A on n eri suurta reaalista ominaisarvoa λ 1,λ 2,...,λ n, λ i λ j, kun i j, niin vastaavat ominaisvektorit x 1, x 2,..., x n muodostavat
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisihajotelmat: Schur ja Jordan Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi Matriisihajotelmat:
LisätiedotÑòåêëîêåðàìè åñêàÿ ïîâåðõíîñòü Glaskeramikhäll Keraaminen keittotaso ZVM64X
Ñòåêëîêåðàìè åñêàÿ ïîâåðõíîñòü Glaskeramikhäll Keraaminen keittotaso ZVM64X Èíñòðóêöèÿ ïî ìîíòàæó è ýêñïëóàòàöèè Installations- och bruksanvisning Asennus- ja käyttöohje u s q Óâàæàåìûé ïîêóïàòåëü, Áëàãîäàðèì
Lisätiedot58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, , vastauksia
58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, 10..2014, vastauksia 1. [9 pistettä] (a) Todistetaan 2n 2 + n + 5 = O(n 2 ): Kun n 1 on 2n 2 + n + 5 2n 2 + n 2 +5n 2 = 8n 2. Eli
Lisätiedot1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot
Helsingin yliopisto, Itä-Suomen yliopisto, Jyväskylän yliopisto, Oulun yliopisto, Tampereen yliopisto ja Turun yliopisto Matematiikan valintakoe (Ratkaisut ja pisteytys) 500 Kustakin tehtävästä saa maksimissaan
Lisätiedot1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.
HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan muun muassa kahden joukon osoittamista samaksi sekä joukon
LisätiedotKOKEITA KURSSI 1. 1. Pitemmдstд osasta sahaat pois 5. 3 b) Muunna murto- tai sekaluvuksi. d) 0,9 e) 1,3 f) 2,01
KOKEITA KURSSI kurssi (A). Laske. Kirjoita ainakin yksi vдlivaihe. 9 a) :. Merkitse ja laske. a) Lukujen ja tulosta vдhennetддn. Luvusta vдhennetддn lukujen ja erotus. Lukujen ja summan kolmasosa kerrotaan
LisätiedotErilaisia Markov-ketjuja
MS-C2 Stokastiset prosessit Syksy 207 3A Erilaisia Markov-ketjuja Tuntitehtävät 3A Lepakoiden rengastaja (tai kuponkien keräilijä) Lepakkoluolassa on lepakkoa, joista jokainen lentää luolasta ulos joka
Lisätiedot5 Ominaisarvot ja ominaisvektorit
5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A
LisätiedotENY-C2001 Termodynamiikka ja lämmönsiirto TERVETULOA!
ENY-C2001 Termodynamiikka ja lämmönsiirto TERVETULOA! Luento 14.9.2015 / T. Paloposki / v. 03 Tämän päivän ohjelma: Aineen tilan kuvaaminen pt-piirroksella ja muilla piirroksilla, faasimuutokset Käsitteitä
LisätiedotMatriisi-vektori-kertolasku, lineaariset yhtälöryhmät
Matematiikan peruskurssi K3/P3, syksy 25 Kenrick Bingham 825 Toisen välikokeen alueen ydinasioita Alla on lueteltu joitakin koealueen ydinkäsitteitä, joiden on hyvä olla ensiksi selvillä kokeeseen valmistauduttaessa
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi
Lisätiedotö ø Ilmaääneneristävyys [db] 60 6 mm Taajuus [Hz]
Aalto-yliopisto. ELEC-E564. Meluntorjunta L. Laskuharjoituksien -5 ratkaisut... a) Johda normaalitulokulman massalaki lg(m )-4 yhtälöstä (.6.). ½p. b) Laske ilmaääneneristävyys massalain avulla 6 ja 3
LisätiedotDepartment of Mathematics, Hypermedia Laboratory Tampere University of Technology. Roolit Verkostoissa: HITS. Idea.
Roolit Tommi Perälä Department of Mathematics, Hypermedia Laboratory Tampere University of Technology 25.3.2011 J. Kleinberg kehitti -algoritmin (Hypertext Induced Topic Search) hakukoneen osaksi. n taustalla
LisätiedotYleistä tietoa kokeesta
Yleistä tietoa kokeesta Kurssikoe on ma 18.12. klo 12.00-14.30 (jossakin auditorioista). Huomaa tasatunti! Seuraava erilliskoe on ke 10.1.2018 klo 10-14, johon ilmoittaudutaan Oodissa (ilmoittautumisaika
LisätiedotMatriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit
Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit Antti Rasila 2016 Ominaisarvot ja ominaisvektorit 1/5 Määritelmä Skalaari λ C on matriisin A C n n ominaisarvo ja vektori v C n sitä
LisätiedotSolmu 3/2010 1. toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)
Solmu 3/200 Epäyhtälöistä, osa 2 Markku Halmetoja Mätä lukio Välillä I määriteltyä fuktiota saotaa koveksiksi, jos se kuvaaja o alaspäi kupera, eli jos kuvaaja mitkä tahasa kaksi pistettä yhdistävä jaa
LisätiedotYlioppilastutkintolautakunta S tudentexamensnämnden
Ylioppilastutintolautaunta S tudenteamensnämnden MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 0..0 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden ja sisältöjen luonnehdinta ei sido ylioppilastutintolautaunnan
LisätiedotMS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48
MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo?
LisätiedotMartingaalit ja informaatioprosessit
6A Martingaalit ja informaatioprosessit Tämän harjoituksen tavoitteena on oppia tunnistamaan, milloin satunnaisprosessi on martingaali annetun informaatioprosessin suhteen ja milloin satunnaishetki on
LisätiedotAlgoritmit 1. Luento 10 Ke Timo Männikkö
Algoritmit 1 Luento 10 Ke 14.2.2018 Timo Männikkö Luento 10 Algoritminen ongelmanratkaisu Suunnittelumenetelmät Raaka voima Järjestäminen eli lajittelu Kuplalajittelu Lisäyslajittelu Valintalajittelu Permutaatiot
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 14 R. Kangaslampi matriisiteoriaa Matriisinormi
LisätiedotMääritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )
Määritelmä 519 Olkoon T i L V i, W i, 1 i m Yksikäsitteisen lineaarikuvauksen h L V 1 V 2 V m, W 1 W 2 W m h v 1 v 2 v m T 1 v 1 T 2 v 2 T m v m 514 sanotaan olevan kuvausten T 1,, T m indusoima ja sitä
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 22 R. Kangaslampi matriisiteoriaa Kertaus: ominaisarvot
LisätiedotKärkipallo sijoitetaan alapisteelle, ja muut pallot sen taakse kiinni toisiinsa.
(Nämä säännöt ovat lyhennelmä virallisesta sääntökirjasta). Yleiset säännöt 1.1 PÖYTÄ Ennen pelin aloittamista pöytä merkitään seuraavasti: 1. Yläpiste 4. Alapiste 2. Ylälinja 5. Pakan paikka (3. Keskipiste)
LisätiedotDiofantoksen yhtälön ratkaisut
Diofantoksen yhtälön ratkaisut Matias Mäkelä Matemaattisten tieteiden tutkinto-ohjelma Oulun yliopisto Kevät 2017 Sisältö Johdanto 2 1 Suurin yhteinen tekijä 2 2 Eukleideen algoritmi 4 3 Diofantoksen yhtälön
LisätiedotLineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut
MS-C34 Lineaarialgebra ja differentiaaliyhtälöt, IV/26 Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / t Alkuviikon tuntitehtävä Hahmottele matriisia A ( 2 6 3 vastaava vektorikenttä Matriisia A
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Ominaisarvoteoriaa Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Ominaisarvot Kertaus: ominaisarvot Määritelmä
LisätiedotX k+1 X k X k+1 X k 1 1
Matematiikan ja tilastotieteen laitos Stokastiset differentiaaliyhtälöt Ratkaisuehdotelma Harjoitukseen 4 1. Oletetaan, että X n toteuttaa toisen kertaluvun differenssiyhtälön X k+2 2X k+1 + 2X k = ξ k,
LisätiedotMatematiikka ja teknologia, kevät 2011
Matematiikka ja teknologia, kevät 2011 Peter Hästö 27. tammikuuta 2011 Matemaattisten tieteiden laitos Sisältö Kurssi koostuu kuudesta (seitsemästä) toisistaan riippumattomasta luennosta. Aihepiirit ovat:
LisätiedotMarkov-ketjut pitkällä aikavälillä
MS-C2111 Stokastiset prosessit 2A Markov-ketjut pitkällä aikavälillä Tämän harjoituksen tavoitteena on oppia lukemaan siirtymämatriisista tai siirtymäkaaviosta, milloin Markov-ketju on yhtenäinen ja jaksoton;
LisätiedotPeliteoria luento 2. May 26, 2014. Peliteoria luento 2
May 26, 2014 Pelien luokittelua Peliteoriassa pelit voidaan luokitella yhteistoiminnallisiin ja ei-yhteistoiminnallisiin. Edellisissä kiinnostuksen kohde on eri koalitioiden eli pelaajien liittoumien kyky
LisätiedotMatematiikan didaktiikka, osa II Algebra
Matematiikan didaktiikka, osa II Algebra Sarenius Kasvatustieteiden tiedekunta, Oulun yksikkö Mitä on algebra? Algebra on aritmetiikan yleistys. Algebrassa siirrytään operoimaan lukujen sijaan niiden ominaisuuksilla.
LisätiedotLuento 7. June 3, 2014
June 3, 2014 Peli, jossa on kaksi Nash-tasapainoa. Yksi tasapaino on (1; 2) ja toinen (2; 1); P1:n valinta on ilmoitettu ensin. Ensimmäinen tasapaino ei vaikuta hyvältä; se perustuu epäuskottavaan uhkaukseen.
LisätiedotÄärellisten mallien teoria
Äärellisten mallien teoria Harjoituksen 4 ratkaisut Tehtävä 1. Määritä suurin aste k, johon saakka kuvan verkot G ja G ovat osittaisesti isomorfisia: Ratkaisu 1. Huomataan aluksi, että G =4 G : Ehrenfeucht-Fraïssé
LisätiedotVerkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta: Esitiedot
T (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan T (c) Ilkka Mellin (2004) 2 : Mitä oimme? Verkkoteoria on hyödyllinen sovelletun matematiikan osa-alue, jolla on sovelluksia esimerkiksi logiikassa,
LisätiedotTilastollinen päättely, 10 op, 4 ov
Tilastollinen päättely, 0 op, 4 ov Arto Luoma Matematiikan, tilastotieteen ja filosofian laitos Tilastotiede 3304 TAMPEREEN YLIOPISTO Syksy 2006 Kirjallisuutta Garthwaite, Jolliffe, Jones Statistical Inference,
LisätiedotTalousmatematiikan perusteet: Luento 2. Lukujonot Sarjat Sovelluksia korkolaskentaan
Talousmatematiikan perusteet: Luento 2 Lukujonot Sarjat Sovelluksia korkolaskentaan Lukujonoista Miten jatkaisit seuraavia lukujonoja? 1, 3, 5, 7, 1, 2, 4, 8, 1, 3, 9, 27, 1, 1, 2, 3, 5, 8, 8.1.2018 2
LisätiedotVastausehdotukset analyysin sivuainekurssin syksyn välikokeeseen
Vastausehdotukset analyysin sivuainekurssin syksyn 015 1. välikokeeseen Heikki Korpela November 1, 015 1. Tehtävä: funktio f : R R toteuttaa ehdot ax, kun x 1 f(x) x + 1, kun x < 1 Tutki, millä vakion
LisätiedotKvanttidynamiikka Tarkastellaan ensin hieman bra/ket-merkintää ja vertaillaan sitä muihin merkintätapoihin.
Kvanttidynamiikka 30.10.2010 0.1 Bra- ja Ket-merkinnöistä Tarkastellaan ensin hieman bra/ket-merkintää ja vertaillaan sitä muihin merkintätapoihin. Oletetaan, että ket ψ ja bra φ ovat alkioita, jotka liittyvät
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 5 Ti 20.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 5 Ti 20.9.2011 p. 1/40 p. 1/40 Choleskyn menetelmä Positiivisesti definiiteillä matriiseilla kolmiohajotelma
LisätiedotMatriisialgebra harjoitukset, syksy 2016
Matriisialgebra harjoitukset, syksy 6 MATRIISIALGEBRA, s. 6, Ratkaisuja/ M.Hamina & M. Peltola 8. Olkoon 4 A 6. 4 Tutki, onko A diagonalisoituva. Jos on, niin määrää matriisi D T AT ja siihen liittyvä
LisätiedotMatematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto
Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto 3. Oletetaan, että kunnan K karakteristika on 3. Tutki,
LisätiedotTyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5
MATRIISIALGEBRA Harjoitustehtäviä syksy 2014 Tehtävissä 1-3 käytetään seuraavia matriiseja: ( ) 6 2 3, B = 7 1 2 2 3, C = 4 4 2 5 3, E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1. Määrää
LisätiedotMatemaattinen Analyysi
Vaasan yliopisto, kevät 01 / ORMS1010 Matemaattinen Analyysi. harjoitus, viikko 1 R1 ke 1 16 D11 (..) R to 10 1 D11 (..) 1. Määritä funktion y(x) MacLaurinin sarjan kertoimet, kun y(0) = ja y (x) = (x
LisätiedotDEE-11110 Sähkötekniikan perusteet
DEE-11110 Sähkötekniikan perusteet Antti Stenvall Kirchhoffin lait, rinnan- ja sarjakytkentä, lähdemuunnokset Luennon keskeinen termistö ja tavoitteet Kirchhoffin virtalaki rinnankytkentä sarjakytkentä
LisätiedotP (A)P (B A). P (B) P (A B) = P (A = 0)P (B = 1 A = 0) P (B = 1) P (A = 1)P (B = 1 A = 1) P (B = 1)
Harjoitustehtäviä (erä 1) 1 1. Käytetään yksinkertaisesti Bayesin kaavaa: P (A B) = P (A)P (B A). P (B) Tapauksessa B = 1 saadaan P (A = 0 B = 1) = P (A = 1 B = 1) = P (A = 0)P (B = 1 A = 0) P (A = 1)P
LisätiedotDiskreetin matematiikan perusteet Esimerkkiratkaisut 3 / vko 10
Diskreetin matematiikan perusteet Esimerkkiratkaisut / vko 0 Tuntitehtävät - lasketaan alkuviikon harjoituksissa ja tuntitehtävät - loppuviikon harjoituksissa. Kotitehtävät - tarkastetaan loppuviikon harjoituksissa.
LisätiedotPreliminäärikoe Pitkä Matematiikka 3.2.2009
Preliminäärikoe Pitkä Matematiikka..9 x x a) Ratkaise yhtälö =. 4 b) Ratkaise epäyhtälö x > x. c) Sievennä lauseke ( a b) (a b)(a+ b).. a) Osakkeen kurssi laski aamupäivällä,4 % ja keskipäivällä 5,6 %.
Lisätiedot9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa
9. Vektorit 9.1 Skalaarit ja vektorit Skalaari on koon tai määrän mitta. Tyypillinen esimerkki skalaarista on massa. Lukumäärä on toinen hyvä esimerkki skalaarista. Vektorilla on taas suuruus ja suunta.
LisätiedotLuku 8. Aluekyselyt. 8.1 Summataulukko
Luku 8 Aluekyselyt Aluekysely on tiettyä taulukon väliä koskeva kysely. Tyypillisiä aluekyselyitä ovat, mikä on taulukon välin lukujen summa tai pienin luku välillä. Esimerkiksi seuraavassa taulukossa
Lisätiedot12 Oligopoli ja monopolistinen kilpailu
12 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, 2nd ed., chs 16-17; Taloustieteen oppikirja, s. 87-90) Oligopoli on markkinamuoto, jossa markkinoilla on muutamia yrityksiä, jotka uskovat tekemiensä
Lisätiedot1 Raja-arvo. 1.1 Raja-arvon määritelmä. Raja-arvo 1
Raja-arvo Raja-arvo Raja-arvo kuvaa funktion f arvon f() kättätmistä, kun vaihtelee. Joillakin funktioilla f() muuttuu vain vähän, kun muuttuu vähän. Toisilla funktioilla taas f() hppää tai vaihtelee arvaamattomasti,
LisätiedotLineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)
Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe 26.10.2017 Ratkaisuehdotus 1. (35 pistettä) (a) Seuraavat matriisit on saatu eräistä yhtälöryhmistä alkeisrivitoimituksilla. Kuinka monta ratkaisua yhtälöryhmällä
Lisätiedot802120P Matriisilaskenta (5 op)
802120P Matriisilaskenta (5 op) Tero Vedenjuoksu Matemaattiset tieteet Syksy 2015 1 / 159 Luennoitsija: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi M321 Kurssilla käytetään Noppaa (noppa.oulu.fi) sekäoptimaa
LisätiedotV ar(m n ) = V ar(x i ).
Mat-.3 Stokastiset prosessit Syksy 007 Laskuharjoitustehtävät 6 Poropudas/Kokkala. Olkoon M n = X +... + X n martingaali ja M 0 = 0. Osoita, että V ar(m n ) = n V ar(x i ). i= Huomattavaa on, että muuttujia
LisätiedotLUKUJÄRJESTELMÄT. Kymmenjärjestelmä eli desimaalijärjestelmä. Binäärilukujärjestelmä
Ammatti-Instituutti Lukujärjestelmistä Sivu 1 (5) LUKUJÄRJESTELMÄT Kymmenjärjestelmä eli desimaalijärjestelmä Kymmenjärjestemä on meille se tutuin järjestelmä jonka tunnemme x Siinä on (10) kymmenen numeroa,
LisätiedotFunktiojonon tasainen suppeneminen
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Taina Saari Funktiojonon tasainen suppeneminen Matematiikan ja tilastotieteen laitos Matematiikka Elokuu 2009 Tampereen yliopisto Matematiikan ja tilastotieteen
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
LisätiedotFunktiot ja raja-arvo P, 5op
Funktiot ja raja-arvo 800119P, 5op Pekka Salmi 15. syyskuuta 2017 Pekka Salmi FUNK 15. syyskuuta 2017 1 / 122 Yleistä Luennot: ke 810, to 1214 (ensi viikosta lähtien) Luennoitsija: Pekka Salmi, MA327 Laskupäivä:
LisätiedotBM20A0700, Matematiikka KoTiB2
BM20A0700, Matematiikka KoTiB2 Luennot: Matti Alatalo, Harjoitukset: Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luku 7. 1 Kurssin sisältö Matriiseihin
Lisätiedot