Ehdollinen todennäköisyys
|
|
|
- Tuomas Uotila
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Ehdollie todeäköisyys Kerrataa muutama todeäköisyyslaskea laskusäätö. Tapahtuma E komplemettitapahtuma E o "E ei tapahdu". Koska todeäköisyyksie summa o 1, P ( E = 1 P (E. Joskus o helpompi laskea komplemettitapahtuma todeäköisyys. Yhteelaskusäätö: jos tapahtumat E 1 ja E ovat erillisiä (E 1 E =, ii P (E 1 E = P (E 1 + P (E. Esim. t heittää opalla 1 tai o 1/6 + 1/6 = 1/3. Yleisemmi, jos tapahtumat eivät ole erilisiä, ii P (E 1 E = P (E 1 + P (E P (E 1 E. Jos tapahtumat E 1 ja E ovat riippumattomia, ii P (E 1 E = P (E 1 P (E. Esim. Heitetää kolikkoa kertaa peräkkäi, t. sille että molemmilla heitoilla saadaa kruua o 1/ 1/ = 1/4. Etäpä sitte jos tapahtumat eivät ole riippumattomia? Tämä tilae tulee usei vastaa, kysymme tapahtuma E todeäköisyyttä sillä ehdolla että myös E 1 tapahtuu. Kysymys o mielekäs jos E 1 o mahdollie, eli P (E 1 > 0. Kysytty ehdollie todeäköisyys lasketaa kaavasta P (E E 1 = P (E E 1, P (E 1 vase puoli luetaa "tapahtuma E todeäköisyys ehdolla E 1 ". Ehdollisella todeäköisyydellä o samoja omiaisuuksia kui tavallisella todeäköisyydellä: i P (E E 1 [0, 1] ii P (Ω E 1 = 1 (kaikkie tapahtumie todeäköisyyksie ormitus iii Jos E ja E 3 ovat erillisiä, ii P (E E 3 E 1 = P (E E 1 + P (E 3 E 1. Esimerkki 1. Otetaa korttipakasta kaksi korttia. Mikä o todeäköisyys sille että toie kortti o ässä, ku esimmäie kortti o ässä? Nyt toise ässä saamie ei ole riippumato esimmäise ässä saamisesta, sillä 1. ässä jälkee jäljellä olevassa pakassa o yksi ässä vähemmä. Todeäköisyys voidaa laskea helposti suoraaki, sillä pakassa o jäljellä 51 1
2 korttia joista 3 ässiä. T o siis 3/51 =1/17. Lasketaa tulos toisella tavalla käyttäe ehdollista todeäköisyyttä: Olkoo E 1 = "1. kortti o ässä", E = ". kortti o ässä". Selvästi T sille että saadaa ässää peräkkäi o P (E 1 = 4/5. P (E E 1 = (3/51 (4/5. Nyt voidaa laskea t sille että. kortti o ässä sillä ehdolla että 1. kortti o ässä: P (E E 1 = P (E E 1 P (E 1 = = Ehdollise todeäköisyyde kaavasta saamme yleistykse kertolaskusääölle siiä tapauksessa että tapahtumat eivät ole riippumattomia: P (E 1 E = P (E 1 P (E E 1 = P (E 1 E P (E 1. Jos tapahtumat ovat riippumattomia, P (E i E j = P (E i ja kaava palautuu riippumattomie tapauste kertolaskusääöksi. Esimerkki. Jaetaa korttipakka tasa 4 pelaajalle A,B,C,D. Mikä o todeäköisyys sille että A ja B saavat kumpiki ässää? Selvästi A: ja B: kortit riippuvat toiste korteista. Ratkaistaa tämä käyttämällä yleistettyä kertolaskusäätöä seuraavalla tavalla. Olkoo E 1 = "A saa ässää", E = "B saa ässää". Ajatellaa että A:lle jaetaa kortit esimmäiseksi. Häe kätesä o silloi =13 korti otata ilma takaisipaoa N=5 korti joukosta, joissa K=4 ässää, ja otataa halutaa k= ässää. Site ( ( 4 48 P (E 1 = 11 ( 5 13 Tämä jälkee jaetaa B: kortit, lasketaa t sille että hä saa ässää ku A sai jo ässää. Kyseessä o siis ehdollie todeäköisyys. Kute 1. esimerkissä, se voidaa laskea suoraa, koska tiedämme pakassa oleva 39 korttia, joista ässiä, ja 13 korti otaassa halutaa oleva ässää. Site ( ( 37 P (E E 1 = 11 ( Nyt voimme laskea kysyty todeäköisyyde sille että E 1 ja E tapahtuvat: ( ( ( P (E 1 E = P (E 1 P (E E 1 = ( ( 0,
3 Kertolaskusäätöä voi myös toistaa, esim. P (E 1 E E 3 = P (E 1 E P (E 3 E 1 E = P (E 1 P (E E 1 P (E 3 E 1 E. Luoteva esimerkki tästä o 3 korti peräkkäi vetämie korttipakasta. Esimerkki 3. Vedetää pakasta 3 korttia. Mikä o todeäköisyys sille että 1. kortti o hertta (E 1,. risti (E ja. musta kortti (E 3? Edetää seuraavasti: ja sitte P (E 1 E = P (E 1 P (E E 1 = P (E 1 E E 3 = P (E 1 E P (E 3 E 1 E = , 03. Viimeiseä esimerkkiä (jolla voit kiusata kavereitasi olkoo sisaruusogelma. Tämä voisi laskea myös ehdollise todeäköisyyde kautta, mutta helpompi tapa o listata eri vaihtoehdot. Todeäköisyyslasketaogelmissa kiusallista o se että aia ei ole suoraviivaista huomata millä tavalla o helpoita lähteä liikkeelle. Esimerkki 4. Äidillä o lasta, joista toie o tyttö. Millä todeäköisyydellä toie lapsi o poika? Tässä tehtävässä ajattelee helposti kahta peräkkäistä kolikoheittoa ja vastaa 1/, joka o vääri. Oikea vastaus o /3. Eri vaihtoehdot ovat imttäi T(yttö-T(yttö, T-P, P-T, P-P. Näistä jälkimmäie ei käy, sillä toie lapsista o tyttö. Jäljellä olevasta 3 vaihtoehdosta kahdessa yksi lapsi o poika. Siis /3. Ehdollise todeäköisyyde kaavoje soveltamie o mutkikkaampaa. Jatkuvat todeäköisyysjakaumat, yksi satuaismuuttuja Tähäastisissa esimerkeissä perusjoukko Ω o ollut diskreetti, so. äärellie tai umeroituvasti ääretö. Katsotaa seuraavaksi tapausta jossa perusjoukko Ω = R, ja satuaismuuttuja X arvot x R. Kumulatiivie todeäköisyysjakauma P (x o todeäköisyys sille että X x. Selvästi P (x o mootoisesti kasvava fuktio, ja lim P (x = 0, x lim P (x = 1. x + P (x: ei kuitekaa tarvitse olla jatkuva, vaa se voi myös hypätä epäjatkuvasti jossaki pisteessä / pisteissä. Todeäköisyystiheysjakauma p(x o edellise derivaatta: p(x = dp (x dx käätäe, kumulatiivie jakauma o tiheysjakauma itegraali: P (x = x 3, dx p(x.
4 Tiheysjakauma p(x o siis todeäköisyys sille että X: arvo o ifiitesimaalisella välillä [x, x + dx]. Huo Vaikka p(x 0 edellee, se voi myös divergoida joissai pisteissä, kuha se tapahtuu itegroituvasti. Esim. p(x = e x /( x divergoi x = 0:ssa, mutta itegraali yli R: o silti 1. Satuaismuuttuja X odotusarvo o E(X x dx xp(x, eli todeäköisyyksillä paiotettu keskiarvo. Fysiikassa merkitä x o yleisempi. Edellee, jos F (x o joki reaaliarvoie fuktio, ii satuaismuuttuja fuktio F (X o myös satuaismuuttuja. Se odotusarvo o E(F (X F (x dx F (xp(x, Tärkeä erikoistapaus tästä o moomit X. Niide odotusarvoja kutsutaa todeäköisyysjakauma p(x mometeiksi m : m E(X x dx x p(x. Esimmäie mometti o tieteki jakauma odotusarvo. Mometteja voidaa laskea suoraviivaisesti itegroimalla, mutta elegatti ja usei kätevä tapa o käyttää iide geeroivaa fuktiota, s. karakteristista fuktiota. Todeäköisyysjakauma karakteristie fuktio p(k o tiheysfuktio Fourier-muuos: p(k e ikx dx e ikx p(x. Tiheysfuktio saadaa siis karakteristisesta fuktiosta kääteismuuoksella: p(x = 1 π dk e ikx p(k. Karakteristie fuktio o momettie geeroiva fuktio, mikä ähdää kehittämällä ekspoettifuktio Taylor-sarjaksi: ( ik p(k = x = ( ik x. Siis x = i d p(k dk k=0. 4
5 Mometit voidaa laskea myös joki muu pistee x 0 kui origo suhtee. Karakteristise fuktio avulla e saadaa Taylor-sarjaa pistee x 0 ympäristössä: e ikx0 p(k = e ik(x x0 ( ik = (x x 0 ( ik = (x x 0. Siiä missä mometit ovat odotusarvo yleistyksiä, variassi yleistyksiä kutsutaa kumulateiksi x c. Neki voidaa laskea (ja määritellä karakteristise fuktio avulla, kehittämällä tällä kertaa Taylor-sarjaksi se logaritmi: ( ik l p(k = x _c. Koska kumulatit ja mometit pohjautuvat samaa karakteristisee fuktioo, edelliset voidaa esittää jälkimmäiste avulla ja päivastoi. Eksplisiittiset lausekkeet voidaa ratkaista esim. seuraavalla tavalla, käyttäe hyväksi sarjakehitelmää Esiäki Toisaalta, l p(k = l p(k = l[1 ik x + ( ik l(1 + y = ( 1 y. ( ik x c = 1 ik x c + ( ik x c +. (1 x + ] = 1 ik x + ( 1 Vertaamalla kehitelmissä (1 ja ( esiityviä k :ie kertoimia, saadaa x c = x x c = x x x 3 c = x 3 3 x x + x 3 x 4 c = x 4 4 x 3 x 3 x + 1 x x 6 x 4 ( ik x + ( ik x + +. ( ja ii edellee. Esimmäie yhtälö kertoo että 1. kumulatti o sama kui odotusarvo. Toie yhtälö o taas keties tuttu kaava variassille:. kumulatti o siis jakauma variassi, σ x. 3. ja 4. kumulatti tuetaa imillä vious (skewess ja huipukkuus tai kurtoosi (curtosis/kurtosis. Yhtälöt käätämällä saadaa ilmaistua mometit kumulattie avulla: x = x x = x c + x c x 3 = x 3 c + 3 x c x c + x 3 c x 4 = x 4 c + 4 x 3 c x c + 3 x c + 6 x c x c + x 4 c 5
6 je. Yo. relaatiot ovat itse asiassa pohjaa edistyeemmä statistise kettäteoria ja kvattikettäteoria kursseilla esiteltäville diagrammitekiikoille. Mm. kvattikettäteoria s. Wicki teoreema o periaatteeltaa sama. Aihe meee hiema Fymm IIb: perustavoitteide ohi, mutta käydää tätä hiema lisää läpi sillä ajatuksella että myöhemmillä kursseilla saatat palata takaisi tähä moisteesee kertaamaa mistä aikaaa puhuttii. Momettie johtamie kumulattie avulla meee samaa tapaa kui päivastaieki lasku, vertaamalla Taylor-sarjoje k -termie kertoimia. Toisaalta p(k = ( ik x. (3 Toisaalta taas p(k = e l p(k ( ik = exp[ x c ] = exp[ ( ik x c ], (4 eli ekspoettifuktioide ääretö tulo. Kehittämällä jokaie ekspoettifuktio Taylorsarjaksi, ( exp[ ( ik x ( ik p x c c ] =, (5 p! saadaa p(k = p p ( ik p p! ( x p c. (6 Seuraavaksi pitää järjestää termit uudellee sarjaksi k: kasvavia potesseja. Tätä varte tarvitsemme hiema lisää kombiatoriikkaa. Aiemmalla lueolla esiityyt biomikaava voidaa yleistää multiomikaavaksi, (x 1 + x + + x m = k = joka o kirjoitettu tiivistetyllä otaatiolla käyttäe multi-ideksejä. Yllä: ja kerroi ( k x k, (7 k (k 1, k,..., k m (8 x k x k 1 x k x km, (9 ( ( k k 1, k,, k m k 1!k! k m! o biomikertoime yleistys, s. multiomikerroi. Aiemmi opimme että biomikerroi ataa kombiaatiot, ts. eri tavat valita erilaisesta alkiosta k kappaletta. Voimme myös ajatella että lajittelemme alkiot kahtee laatikkoo, toisee k kappaletta, toisee loput k, biomikerroi ataa eri tavat lajitella alkiot. Samaa tapaa multiomikerroi kertoo eri tavat lajitella 6 (10
7 alkiot m:ää eri laatikkoo, site että 1. laatikkoo tulee k 1 kappaletta je, site että k k 1 + k + k m =. Merkitä k = myös selittää multiomikaava rajoitetu summa. Huom: yo. otaatiolla siis tuttu biomikerroi o ( k = ( k, k. (11 Erityisesti mometti-kumulatti kaavaa varte otamme lajitteluesimerki. Kuika moella tavalla m alkiota voidaa lajitella laatikoihi site että laatikoita joissa o palloa o p kappaletta? Selvästiki vaaditaa että p = m. Nyt multiomikerroi ataa ( m = 1,, 1,,,,,,, (1! p 1 (! p ( p. Mutta, koska p k laatikkoa joissa kussaki o k palloa ovat keskeää idettisiä, yo lukumäärä täytyy jakaa eri tavalla järjestää kuki p k laatikkoa, eli saadaa p 1!(1! p 1 p!(! p p!( p = 1 p k!(k! p k k=1 eri tapaa lajitella pallot laatikoihi kysytyllä tavalla. Palataa takaisi mometti-kumulatti kaavaa ( ik m x m = m=0 p ( ik p p! ( x p c. (1 Vertaamalla termie ( ik m kertoimia molemmilla puolilla saadaa relaatio x m = 1 p p!( x. (13 p Rajoitettu summamerkitä tarkoittaa tässä että summa o rajoitettu kaikkii tapoihi valita, p site että p = m, eli erilaisii tapoihi lajitella m palloa laatikoihi site palloa sisältäviä laatikoita o p kappaletta. + 7
10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen.
10 Kertolaskusäätö Kahta tapahtumaa tai satuaisilmiötä saotaa riippumattomiksi, jos toise tulos ei millää tavalla vaikuta toisee. Esim. 1 A = (Heitetää oppaa kerra) ja B = (vedetää yksi kortti pakasta).
****************************************************************** ****************************************************************** 7 Esim.
8.3. Kombiaatiot MÄÄRITELMÄ 6 Merkitä k, joka luetaa yli k:, tarkoittaa lause- ketta k = k! ( k)! 6 3 2 1 6 Esim. 1 3 3! = = = = 3! ( 3)! 3 2 1 3 2 1 3 2 1 Laskimesta löydät äppäime, jolla kertomia voi
Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?
TKK (c) Ilkka Melli (4) Johdato Johdatus todeäköisyyslasketaa TKK (c) Ilkka Melli (4) : Mitä opimme? / Tutustumme tässä luvussa seuraavii ormaalijakaumasta (ks. lukua Jatkuvia jakaumia) johdettuihi jakaumii:
( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.
Kombiatoriikka, kesä 2010 Harjoitus 2 Ratkaisuehdotuksia (RT) (5 sivua) Käytä tehtävissä 1-3 kombiatorista päättelyä. 1. Osoita, että kaikilla 0 b a pätee ( ) a a ( ) k 1 b b 1 kb Biomikertoime määritelmä
1 Eksponenttifunktion määritelmä
Ekspoettifuktio määritelmä Selvitimme aikaisemmi tällä kurssilla, millaie potessisarja säilyy derivoiissa muuttumattomaa. Se perusteella määritellää: Määritelmä. Ekspoettifuktio exp : R R määritellää lausekkeella
Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin yliopisto Harjoitus 3, ratkaisuehdotuksia
Todeäköisyyslasketa I, kesä 207 Helsigi yliopisto/avoi yliopisto Harjoitus 3, ratkaisuehdotuksia. Aikaisemma viiko teemaa. Edessäsi o kaksi laatikkoa A ja B. Laatikossa A o 8 palloa, joista puolet valkoisia.
LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3
LIITTEET... 2 Liite A Stirligi kaava tarkkuudesta...2 Liite B Lagrage kertoimet... 2 Liitteet Liitteet Liite A Stirligi kaava tarkkuudesta Luoollista logaritmia suureesta! approksimoidaa usei Stirligi
HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy 08 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var
Äärettämän sarjan (tai vain sarjan) sanotaan suppenevan eli konvergoivan, jos raja-arvo lims
75 4 POTENSSISARJOJA 4.1 ÄÄRETTÖMÄT SARJAT Lukujoo { a k } summaa S a a a a a k 0 1 k k0 saotaa äärettömäksi sarjaksi. Summa o s. osasumma. S a a a a a k 0 1 k0 Äärettämä sarja (tai vai sarja) saotaa suppeeva
Tilastollinen todennäköisyys
Tilastollie todeäköisyys TOD.NÄK JA TILASTOT, MAA10 Klassisessa todeäköisyydessä oli ehdot: äärellisyys ja symmetrisyys. Tämä tilae o usei mahdoto ts. alkeistapauksia o usei ääretö määrä tai e eivät ole
Matematiikan tukikurssi
Matematiika tukikurssi Kurssikerta 1 Iduktiotodistus Iduktiotodistukse logiikka Tutkitaa tapausta, jossa haluamme todistaa joki väittee P() site, että se pätee kaikilla luoollisissa luvuilla. Eli halutaa
EX1 EX 2 EX =
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var X,
Matematiikan tukikurssi
Matematiika tukikurssi Kurssikerta 3 1 Lisää iduktiota Jatketaa iduktio tarkastelua esimerki avulla. Yritetää löytää kaava : esimmäise (positiivise) parittoma luvu summalle eli summalle 1 + 3 + 5 + 7 +...
Mat Sovellettu todennäköisyyslasku A
TKK / Ssteemiaalsi laboratorio Mat-2.9 Sovellettu todeäköisslasku A Nordlud Harjoitus 6 (vko 43/23) (Aihe: sekamalli, hteisjakaumia, Laiie luvut 6. 6.3, 8. 8.9). Tässä o edellise viiko laskareissa luvattu
1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).
HY / Matematiika ja tilastotietee laitos Tilastollie päättely II, kevät 018 Harjoitus 5B Ratkaisuehdotuksia Tehtäväsarja I 1. (Jatkoa Harjoitus 5A tehtävää ). Moistee esimerki 3.3.3. mukaa momettimeetelmä
Tehtävä 1. Voidaanko seuraavat luvut esittää kahden neliön summina? Jos voidaan, niin kuinka monella eri tavalla? (i) n = 145 (ii) n = 770.
JOHDATUS LUKUTEORIAAN (syksy 07) HARJOITUS 0, MALLIRATKAISUT Tehtävä. Voidaako seuraavat luvut esittää kahde eliö summia? Jos voidaa, ii kuika moella eri tavalla? (i) = 45 (ii) = 770. Ratkaisu. (i) Jaetaa
RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan
RATKAISUT 8 17 8 a) Paraabelie y x ja y x + x + 1 leikkauspisteet saadaa määritettyä, ku esi ratkaistaa yhtälö x x + x + 1, eli x x, joka o yhtäpitävä yhtälö x x. Toise astee yhtälö ratkaisukaavalla saadaa
Stokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio) 2.11.2015
Stokastiika perusteet Harjoitukset (Todeäköisyysavaruus, -mitta ja -fuktio) 2..205. Määritä potessijoukko 2,ku (a) {0, } (b) {(0, ]} ja ku (c) (0, ]. Ratkaisu: (a) 2 {;, {0}, {}, {0, }} (b) 2 {;, {(0,
4.3 Signaalin autokorrelaatio
5 4.3 Sigaali autokorrelaatio Sigaali autokorrelaatio kertoo kuika paljo sigaali eri illä korreloi itsesä kassa (josta imiki). Se o Fourier-muuokse ohella yksi käyttökelpoisimmista sigaalie aalysoitimeetelmistä.
Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.
Mat-2.090 Sovellettu todeäköisyyslasku A Mat-2.090 Sovellettu todeäköisyyslasku A / Pistetehtävät 2, 4, 6, 8, 0 Aiheet: Avaisaat: Momettiemäfuktio Satuaismuuttujie muuokset ja iide jakaumat Kovergessikäsitteet
= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1
35 Naiivi Bayes Luokkamuuttua C o Bayes-verko uuri a attribuutit X i ovat se lehtiä Naiivi oletus o, että attribuutit ovat ehdollisesti riippumattomia toisistaa aettua luokka Ku käytössä o Boole muuttuat,
T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen
T-1.1 Datasta tietoo, syksy 5 Laskuharjoitus.1., ratkaisuja Joui Seppäe 1. Simuloidaa tasoittaista algoritmia. Esimmäisessä vaiheessa ehdokkaia ovat kaikki yhde muuttuja joukot {a}, {b}, {c} ja {d}. Aaltosulkeide
Osa 2: Otokset, otosjakaumat ja estimointi
Ilkka Melli Tilastolliset meetelmät Osa 2: Otokset, otosjakaumat ja estimoiti Estimoitimeetelmät TKK (c) Ilkka Melli (2007) Estimoitimeetelmät >> Todeäköisyysjakaumie parametrie estimoiti Suurimma uskottavuude
Osa 2: Otokset, otosjakaumat ja estimointi
Ilkka Melli Tilastolliset meetelmät Osa : Otokset, otosjakaumat ja estimoiti Otokset ja otosjakaumat TKK (c) Ilkka Melli (007) 1 Otokset ja otosjakaumat >> Satuaisotata ja satuaisotokset Otostuusluvut
4. Todennäköisyyslaskennan kertausta
Sisältö Peruskäsitteet Diskreetit satuaismuuttujat Diskreetit jakaumat (lkm-jakaumat) Jatkuvat satuaismuuttujat Jatkuvat jakaumat (aikajakaumat) Muut satuaismuuttujat lueto04.ppt S-38.45 - Liikeeteoria
Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet
Ilkka Melli Todeäköisyyslasketa Osa 2: Satuaismuuttujat ja todeäköisyysjakaumat Kovergessikäsitteet ja raja arvolauseet TKK (c) Ilkka Melli (2006) 1 Kovergessikäsitteet ja raja arvolauseet >> Kovergessikäsitteitä
tilavuudessa dr dk hetkellä t olevien elektronien
Semiklassie johtavuusmalli Metalleissa vastus aiheutuu virrakuljettajie törmäyksistä, joita karakterisoi relaksaatioaika τ Oletetaa, että ifiitesimaalisella aikavälillä dt elektroi törmäystodeäköisyys
Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (004) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo otosjakauma Otosvariassi otosjakauma
Tilastollinen päättely II, kevät 2017 Harjoitus 3B
Tilastollie päättely II, kevät 7 Harjoitus 3B Heikki Korpela 3. maaliskuuta 7 Tehtävä. Jatkoa harjoitukse B tehtävii -3. Oletetaa, että x i c kaikilla i, ku c > o vakio. Näytä, että ˆβ, T ja T ovat tarketuvia.
MS-A0402 Diskreetin matematiikan perusteet Yhteenveto, osa I
MS-A0402 Diskreeti matematiika perusteet Yhteeveto, osa I 1 Joukko-oppi ja logiikka Iduktioperiaate G. Gripeberg 2 Relaatiot ja fuktiot Aalto-yliopisto 3. huhtikuuta 2014 3 Kombiatoriikka ym. G. Gripeberg
8. laskuharjoituskierros, vko 11, ratkaisut
Mat-2.091 Sovellettu todeäköisyyslasku, kevät -05 Heliövaara, Palo, Melli 8. laskuharjoituskierros, vko 11, ratkaisut D1. Oletetaa, että havaiot X i, i = 1, 2,..., 100 muodostavat yksikertaise satuaisotokse
Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:
Mat-2.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Diskeetit jakaumat Jatkuvat jakaumat Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Ketymäfuktio, Mediaai, Negatiivie biomijakauma,
Todennäköisyyslaskentaa
Todennäköisyyslaskentaa 5. toukokuuta 2017 Sisältö 1 Johdanto 1 2 Äärellinen perusjoukko, kombinatoriikkaa 4 2.1 Permutaatiot.................................... 4 2.2 Variaatiot......................................
Mat Sovellettu todennäköisyyslaskenta B 5. harjoitukset / Ratkaisut Aiheet: Jatkuvia jakaumia Avainsanat: Jatkuvia jakaumia
Mat-.60 Sovellettu todeäköisyyslasketa B / Ratkaisut Aiheet: Jatkuvia jakaumia Avaisaat: Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Kertymäfuktio, Keskeie raja-arvolause, Mediaai, Normaaliapproksimaatio,
Tilastollinen päättömyys, kevät 2017 Harjoitus 6A
Tilastollie päättömyys, kevät 07 Harjoitus 6A Heikki Korpela 8. helmikuuta 07 Tehtävä. Moistee teht. 5.. Olkoo Y,..., Y riippumato otos ekspoettiperhee jakaumasta, joka ptf/tf o muotoa fy i ; θ cθhye φθtyi
Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.
Testimuuttuja kriittie arvo 5 %: merkitsevyystasolla katsotaa taulukosta. Kriittie arvo o 9,488. Koska laskettu arvo 4,35 o pieempi kui taulukosta saatu kriittie arvo 9,488, ii ollahypoteesi jää voimaa.
Epäyhtälöoppia matematiikkaolympialaisten tehtäviin
Epäyhtälöoppia matematiikkaolympialaiste tehtävii Jari Lappalaie ja Ae-Maria Ervall-Hytöe 0 Johdato Epäyhtälöitä reaaliluvuille Cauchy epäyhtälö Kaikille reaaliluvuille a, a,, a ja b, b,, b pätee Cauchy
1. Valitaan tilanteeseen sopiva stokastinen malli. 2. Sovitetaan malli havaittuun dataan (estimoidaan mallin parametrit).
Luku 7 Parametrie estimoiti Lasse Leskelä Aalto-yliopisto 2. lokakuuta 2017 7.1 Tilastollie päättely Tähä meessä o opittu eustamaa tapahtumie todeäköisyyksiä aetu stokastise malli pohjalta. Eusteide laskemiseksi
Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat
TKK (c) Ilkka Melli (4) Satuaismuuttujie muuokset ja iide jakaumat Satuaismuuttujie muuoste jakaumat Kaksiulotteiste satuaismuuttujie muuoste jakaumat Riippumattomie satuaismuuttujie summa jakauma Riippumattomie
2.3.1. Aritmeettinen jono
.3.1. Aritmeettie joo -joo, jossa seuraava termi saadaa edellisestä lisäämällä sama luku a, a + d, a+d, a +3d, Aritmeettisessa joossa kahde peräkkäise termi erotus o aia vakio: Siis a +1 a d (vakio Joo
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
Kokonaisvahinkomäärän normaaliapproksimointi vinoille jakaumille
Tiedekuta/Osasto Fakultet/Sektio Faculty Matemaattis-luootieteellie Tekijä Författare Author Ja-Erik Lausala Työ imi Arbetets titel Title Oppiaie Läroäme Subject Työ laji Arbetets art Level Tiivistelmä
6.1 Riippumattomat satunnaismuuttujat
Luku 6 Otatajakaumie teoria 6.1 Riippumattomat satuaismuuttujat Muistamme edellisistä luvuista, että satuaismuuttujat X 1 ja X 2 ovat riippumattomat (määritelmät 4.6 ja 5.5), jos f(x 1, x 2 ) f 1 (x 1
3 x < < 3 x < < x < < x < 9 2.
Matematiika johdatokurssi Kertaustehtävie ratkaisuja 1. Ratkaise epäyhtälöt: a) 3 x < 3, b) 5x + 1. Ratkaisu. a) Ratkaistaa epäyhtälö poistamalla esi itseisarvot: 3 x < 3 3 < 3 x < 3 9 < x < 3 3 < x
4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on
4 4 KORKEAAN KERTAUVUN INEAARISET DIFFERENTIAAIYHTÄÖT Kertalukua olevassa differetiaalihtälössä F(x,,,, () ) = 0 esiit :e kertaluvu derivaatta () = d /dx ja mahdollisesti alempia derivaattoja, :tä ja x:ää.
Todennäköisyyslaskenta I. Heikki Ruskeepää
Todeäköisyyslasketa I Heikki Ruskeepää 2012 Sisällys 2 1 Todeäköisyys 3 1.1 Klassie todeäköisyys 3 1.2 Kombiatoriikkaa 4 1.3 Aksiomaattie todeäköisyys 8 1.4 Ehdollie todeäköisyys 13 1.5 Riippumattomuus
Johdatus todennäköisyyslaskentaan Konvergenssikäsitteet ja raja-arvolauseet. TKK (c) Ilkka Mellin (2004) 1
Johdatus todeäköisyyslasketaa Kovergessikäsitteet ja raja-arvolauseet TKK (c) Ilkka Melli (2004) 1 Kovergessikäsitteet ja raja-arvolauseet Kovergessikäsitteitä Suurte lukuje lait Keskeie raja-arvolause
Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut
Mat-2.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Kaksiulotteie ormaalijakauma Mitta-asteikot Havaitoaieisto kuvaamie ja otostuusluvut Avaisaat: Ehdollie jakauma, Ehdollie odotusarvo, Ehdollie variassi,
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todeäköisyyslaskea ja tilastotietee peruskurssi 4A Satuaisotata ja parametrie estimoiti Lasse Leskelä Matematiika ja systeemiaalyysi laitos Perustieteide korkeakoulu Aalto-yliopisto Syksy 2016,
MS-A0402 Diskreetin matematiikan perusteet Yhteenveto, osa I
MS-A0402 Diskreeti matematiika perusteet Yhteeveto, osa I G. Gripeberg Aalto-yliopisto 12. maaliskuuta 2015 G. Gripeberg (Aalto-yliopisto) MS-A0402 Diskreeti matematiika perusteet Yhteeveto, 12. osa maaliskuuta
3 10 ei ole rationaaliluku.
Harjoitukset / 011 RATKAISUT Lukuteoria 1. Etsi Eratostheee seulalla samatie kaikki lukua 400 pieemmät alkuluvut. (Tai ohjelmoi tietokoeesi etsimää paljo lisää.) Kirjoita rivii kaikki luvut 1-00. Poista
Johdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteesee Estimoitimeetelmät TKK (c) Ilkka Melli (2005) 1 Estimoitimeetelmät Todeäköisyysjakaumie parametrie estimoiti Momettimeetelmä Normaalijakauma parametrie estimoiti Ekspoettijakauma
dx = d dψ dx ) + eikx (ik du u + 2ike e ikx u i ike ikx u + e udx
763333A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 5 Kevät 2014 1. Tehtävä: Johda luetomateriaali kaavat d 2 u i k du 2 m + Uxu = E k 2 u p = k + u x i d ux. Ratkaisu: Oletetaa, että ψx = e ikx ux, missä ux +
SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi
SMG-400 Sähkömageettiste järjestelmie lämmösiirto Ehdotukset harjoitukse 6 ratkaisuiksi Tarkastellaa suljetu järjestelmä tehotasaaioa joka o P + P P = P i g out st Oletetaa että verkotetussa alueessa jossa
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
Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)
Algebra I Matematiika ja tilastotietee laitos Ratkaisuehdotuksia harjoituksii 5 (6 sivua) 14.2. 17.2.2011 1. Määritellää kuvaus f : S 3 S 3, f(α) = (123) α. Osoita, että f o bijektio. Mikä o se kääteiskuvaukse
Todennäköisyyslaskenta: Todennäköisyysjakaumia
Todeäköisyysjakaumia Todeäköisyyslasketa: Todeäköisyysjakaumia 6. Diskreettejä jakaumia 7. Jatkuvia jakaumia 8. Normaalijakaumasta johdettuja jakaumia 9. Moiulotteisia jakaumia Ilkka Melli 35 Todeäköisyysjakaumia
1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1
Epäyhtälötehtävie ratkaisuja. osa, ks. Solmu 2/200. Kahde positiivise luvu harmoie, geometrie, aritmeettie ja kotraharmoie keskiarvo määritellää yhtälöillä H = 2 +, G = uv, A = u + v 2 u v ja C = u2 +
MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai
MATP53 Approbatur B Harjoitus, ratkaisut Maaatai..05. (Lämmittelytehtävä.) Oletetaa, että op = 7 tutia työtä. Kuika mota tutia Oili Opiskelija työsketelee itseäisesti kurssilla, joka laajuus o 4 op, ku
Markov-ketjun hetkittäinen käyttäytyminen
Matematiika ja systeemiaalyysi laitos 1B Markov-ketju hetkittäie käyttäytymie Tämä harjoitukse tavoitteea o oppia muodostamaa Markov-malleja satuaisilmiöille, piirtämää tiettyä siirtymämatriisia vastaava
xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x)
BM20A580 Differetiaalilasketa ja sovellukset Harjoitus 3, Syksy 206. Laske seuraavat itegraalit si(4t + )dt (b) x(x 2 + 00) 000 dx (c) x exp(ix )dx 2. Mitä o y, ku (x ) 2 + y 2 = 2 2, etäpä y? Vastaukset
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia
5.3 Matriisin kääntäminen adjungaatilla
Vaasa yliopisto julkaisuja 08 Sec:MatIvAdj 53 Matriisi käätämie adjugaatilla Määritelmä 3 -matriisi A adjugaatti o -matriisi adj(a) (α i j ), missä α i j ( ) i+ j det(a ji ) (, joka o siis alkioo a ji
Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:
Mat-.090 Sovellettu todeäköisyyslasku A Mat-.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Otos- ja otosjakaumat Estimoiti Estimoitimeetelmät Väliestimoiti Aritmeettie keskiarvo, Beroulli-jakauma,
Diskreetin Matematiikan Paja Ratkaisuja viikolle 4. ( ) Jeremias Berg. n(n + 1) 2. k =
Diskreeti Matematiika Paja Ratkaisuja viikolle 4. (7.4-8.4) Jeremias Berg. Osoita iduktiolla että k = ( + ) Ratkaisu: Kute kaikissa iduktiotodistuksissa meidä täytyy siis osoittaa asiaa. Ns. perustapaus,
Lataa ilmaiseksi mafyvalmennus.fi/mafynetti. Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla!
Mite opit parhaite? Valmistaudu pitkä- tai lyhye matematiika kirjoituksii ilmaiseksi Mafyetti-ohjelmalla! Harjoittelu tehdää aktiivisesti tehtäviä ratkomalla. Tehtävät kattavat kaikki yo-kokeessa tarvittavat
3 x < < 3 x < < x < < x < 9 2.
Matematiika johdatokurssi Kertaustehtävie ratkaisuja. Ratkaise epäyhtälöt: a) 3 x < 3, b) 5x +. Ratkaisu. a) Ratkaistaa epäyhtälö poistamalla esi itseisarvot: 3 x < 3 3 < 3 x < 3 9 < x < 3 3 < x < 9. Itse
Markov-ketjun hetkittäinen käyttäytyminen
Matematiika ja systeemiaalyysi laitos B Markov-ketju hetkittäie käyttäytymie Tämä harjoitukse tavoitteea o oppia muodostamaa Markov-malleja satuaisilmiöille, piirtämää tiettyä siirtymämatriisia vastaava
Insinöörimatematiikka IA
Isiöörimatematiikka IA Harjoitustehtäviä. Selvitä oko propositio ( p q r ( p q r kotradiktio. Ratkaisu: Kirjoitetaa totuustaulukko: p q r ( p q r p q r ( p q r ( p q r 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (005) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo ja otosvariassi otosjakaumat
3 b) Määritä paljonko on cos. Ilmoita tarkka arvo ja perustele vastauksesi! c) Muunna asteiksi 2,5 radiaania. 6p
MAA9 Koe.5.0 Jussi Tyi Tee koseptii pisteytysruudukko! Muista kirjata imesi ja ryhmäsi. Valitse kuusi tehtävää!. a) Ratkaise yhtälö si x. Ilmoita vastaus radiaaeia! b) Määritä paljoko o cos. Ilmoita tarkka
S Laskennallinen systeemibiologia
S-4250 Laskeallie systeemibiologia Harjoitus Mittaustuloksea o saatu havaitoparia (x, y ),, (x, y ) Muuttuja y käyttäytymistä voidaa selittää muuttuja x avulla esimerkiksi yksikertaise lieaarise riippuvuude
3.7 Todennäköisyysjakaumia
MAB5: Todennäköisyyden lähtökohdat 4 Luvussa 3 Tunnusluvut perehdyimme jo jakauman käsitteeseen yleensä ja normaalijakaumaan vähän tarkemmin. Lähdetään nyt tutustumaan binomijakaumaan ja otetaan sen jälkeen
Lasketaan kullekin a euron maksuerälle erikseen, kuinka suureksi erä on n vuodessa kasvanut:
Varsi arkiäiväisiä, geometrise joo teoriaa liittyviä käytäö sovellutuksia ovat jaksottaisii maksuihi ja kuoletuslaiaa (auiteettilaiaa) liittyvät robleemat. Tällaisii joutuu lähes jokaie yhteiskutakeloie
Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2
Todeäköisyyslaskea ja tilastotietee peruskurssi Esimerkkikokoelma 2 Aiheet: Satuaismuuttujat ja todeäköisyysjakaumat Kertymäfuktio, pistetodeäköisyysfuktio ja tiheysfuktio Jakaumie tuusluvut Tärkeimmät
MS-A0401 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I
MS-A040 Diskreeti matematiika perusteet Yhteeveto ja esimerkkejä ym., osa I G. Gripeberg Aalto-yliopisto 8. syyskuuta 06 Joukko-oppi ja logiikka Todistukset logiikassa Predikaattilogiikka Iduktioperiaate
Diskreettejä jakaumia. Diskreettejä jakaumia. Diskreettejä jakaumia Mitä opimme? 2/3. Diskreettejä jakaumia Mitä opimme? 1/3
TKK (c) Ilkka Melli (4) Diskeettejä jakaumia Johdatus todeäköisyyslasketaa Diskeettejä jakaumia Diskeetti tasaie jakauma Beoulli-jakauma Biomijakauma Geometie jakauma Negatiivie biomijakauma Hyegeometie
Kuluttajahintaindeksi (KHI) Kuluttajahintaindeksi (KHI) Kysymys Miten mitata rahan arvon muutoksia?
Kuluttajahitaideksi (KHI) Kysymys Mite mitata raha arvo muutoksia? Kuluttajahitaideksi (KHI) o sovittu kulutustavaroide ja palveluide hitakehitykse mittari. KHI muodostetaa paiotettua keskiarvoa eri pääryhmie
MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen
MAT-5 Todennäköisyyslaskenta Tentti.. / Kimmo Vattulainen Vastaa jokainen tehtävä eri paperille. Funktiolaskin sallittu.. a) P A). ja P A B).6. Mitä on P A B), kun A ja B ovat riippumattomia b) Satunnaismuuttujan
2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.
MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 4.9.09 HYVÄN VASTAUKSEN PIIRTEITÄ Alustavat hyvän vastauksen piirteet on suuntaa-antava kuvaus kokeen tehtäviin odotetuista vastauksista ja tarkoitettu ensisijaisesti
3.2 Polynomifunktion kulku. Lokaaliset ääriarvot
3. Polyomifuktio kulku. Lokaaliset ääriarvot Tähäastiste opitoje perusteella osataa piirtää esiasteise polyomifuktio kuvaaja, suora, ku se yhtälö o aettu. Osataa myös pääpiirtei hahmotella toise astee
4.7 Todennäköisyysjakaumia
MAB5: Todeäöisyyde lähtöohdat.7 Todeäöisyysjaaumia Luvussa 3 Tuusluvut perehdyimme jo jaauma äsitteesee yleesä ja ormaalijaaumaa vähä taremmi. Lähdetää yt tutustumaa biomijaaumaa ja otetaa se jälee ormaalijaauma
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 2 x 2 3 2 3 x 1 4, (b) (x + 1)(x 2)
Tehtäviä neliöiden ei-negatiivisuudesta
Tehtäviä epäyhtälöistä Tehtäviä eliöide ei-egatiivisuudesta. Olkoo a R. Osoita, että 4a 4a. Ratkaisu. 4a 4a a) a 0 a ) 0.. Olkoot a,, R. Osoita, että a a a. Ratkaisu. Kerrotaa molemmat puolet kahdella:
MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)
MS-A4 Differentiaali- ja integraalilaskenta (ELEC2) MS-A6 Differentiaali- ja integraalilaskenta (ENG2) Harjoitukset 3L, syksy 27 Tehtävä. a) Määritä luvun π likiarvo käyttämällä Newtonin menetelmää yhtälölle
HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia
HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan
Seuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi
Laaja matematiikka 5 Kevät 200 2. Itegraali omiaisuuksia Seuraavat peruslauseet -8 voidaa helposti todistaa itegraali määritelmästä. Itegroimisjoukko oletetaa rajoitetuksi Jordamitalliseksi joukoksi. Lause
Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..
TILASTOT: johdantoa ja käsitteitä
TILASTOT: johdatoa ja käsitteitä TOD.NÄK JA TILASTOT, MAA10 Tilastotietee tehtävää o esittää ja tulkita tutkimuskohteesee liittyvää havaitoaieistoa eli tilastoaieistoa. Tutkitaa valittua joukkoa ja se
Luento 6 Luotettavuus Koherentit järjestelmät
Lueto 6 Luotettavuus Koheretit järjestelmät Ja-Erik Holmberg Systeemiaalyysi laboratorio PL 00, 00076 Aalto ja-erik.holmberg@riskpilot.fi ja-erik.holmberg@aalto.fi Määritelmä Tarkasteltava yksikö luotettavuus
Aineaaltodynamiikka. Aikariippuva Schrödingerin yhtälö. Stationääriset tilat. Ei-stationääriset tilat
Aieaaltodyamiikka Aikariiuva Scrödigeri ytälö Aieaaltoketä aikariiuvuude määrää ytälö Aieaaltokettie riiuvuus ajasta aikariiuva Scrödigeri ytälö Statioääriset ja ei-statioääriset tilat Aaltoaketit Kvattimekaiika
Klassisen fysiikan ja kvanttimekaniikan yhteys
Klassise fysiika ja kvattimekaiika yhteys Scrödigeri yhtälö ei statioäärisistä tiloista muodostuvie aaltopakettie aikakäyttäytymie oudattaa Newtoi lakeja. Newtoi mekaiikka voidaa johtaa Schrödigeri yhtälöstä.
LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k
LUKU 3 Ulkoinen derivaatta Olkoot A R n alue k n ja ω jatkuvasti derivoituva k-muoto alueessa A Muoto ω voidaan esittää summana ω = ω i1 i 2 i k dx i 1 dx i 2 1 i 1
, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä
Pitkä matematiikka 8.9.0, ratkaisut:. a) ( x + x ) = ( + x + x ) 6x + 6x = + 6x + 6x x = x =. b) Jos x > 0, on x = + x x = + x. Tällä ei ole ratkaisua. Jos x 0, on x = + x x = + x x =. c) x = x ( x) =
3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =
BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 6, Syksy 2016 1. (a) Olkoon z = z(x,y) = yx 1/2 + y 1/2. Muodosta z:lle lineaarinen approksimaatio L(x,y) siten että approksimaation ja z:n arvot
x 4 e 2x dx Γ(r) = x r 1 e x dx (1)
HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta IIA, syksy 217 217 Harjoitus 6 Ratkaisuehdotuksia Tehtäväsarja I 1. Laske numeeriset arvot seuraaville integraaleille: x 4 e 2x dx ja 1
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.01 klo 10 13 t ja pisteytysohjeet 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 x 3 3 x 1 4, (b)