2. laskuharjoituskierros, vko 5, ratkaisut
|
|
|
- Ilmari Reino Mäkinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 2. laskuharjoituskierros, vko, ratkaisut Aiheet: Klassinen todennäköisyys, kombinatoriikka, kokonaistodennäköisyys ja Bayesin kaava D1. Eräässä maassa autojen rekisterikilpien tunnukset ovat muotoa XXXXNN, jossa X on jokin vokaaleista a, e, i, o, u ( kpl) ja N jokin numeroista 0, 1, 2,,,, 6, 7, 8, 9. Laske erilaisten kilpien lukumäärä, kun tunnusten muodostamista rajoittavat seuraavat ehdot: a) Ei rajoituksia. b) Samaa kirjainta tai numeroa ei saa käyttää useammin kuin kerran. c) Kilvessä on oltava täsmälleen kaksi samaa vokaalia ja numerojen on oltava parittomia. Sovelletaan lokeromallia. Käytössä on 6 lokeroa, joista ensimmäistä on varattu vokaaleille ja 2 viimeistä numeroille. a) Täytetään lokerot XXXX: 1. lokero voidaan täyttää vokaaleilla tavalla. 2. lokero voidaan täyttää vokaaleilla tavalla.. lokero voidaan täyttää vokaaleilla tavalla.. lokero voidaan täyttää vokaaleilla tavalla. Kombinatoriikan kertolaskuperiaatteen nojalla: Lokerot XXXX voidaan täyttää = 62 eri tavalla. Vastaavasti lokerot NN voidaan täyttää = 100 eri tavalla. Vokaali- ja numerolokerot voidaan täyttää toisistaan riippumatta, joten kertolaskuperiaatteen nojalla erilaisia rekisterikilpiä on = 6200 kpl. b) Täytetään lokerot XXXX: 1. lokero voidaan täyttää vokaaleilla tavalla. 2. lokero voidaan täyttää vokaaleilla tavalla.. lokero voidaan täyttää vokaaleilla tavalla.. lokero voidaan täyttää vokaaleilla 2 tavalla. Kombinatoriikan kertolaskuperiaatteen nojalla: Lokerot XXXX voidaan täyttää 2 = 120 eri tavalla. Vastaavasti lokerot NN voidaan täyttää 10 9 = 90 eri tavalla. Vokaalija numerolokerot voidaan täyttää toisistaan riippumatta, joten kertolaskuperiaatteen nojalla erilaisia rekisterikilpiä on = kpl. c) Lokeroihin voidaan asettaa mitkä tahansa kaksi samaa vokaalia ( eri tavalla. Koska jo käytettyjä vokaaleja ei saa käyttää uudelleen, voidaan vokaalit valita lokeroihin eri tavalla. Siten lokerot XXXX voidaan täyttää vokaaleilla niin, että lokeroissa on täsmälleen kaksi samaa vokaalia, ( = 60 eri tavalla. Koska parittomia nuumeroita on, lokerot NN voidaan täyttää = 2 eri tavalla. Jälleen vokaali- ja numerolokerot voidaan täyttää toisistaan riippumatta, joten erilaisia rekisterikilpiä on 60 2 = 9000 kpl.
2 D2. Paikkakuntien X ja Y välillä on kolmet liikennevalot K, L ja M. Valojen jaksona on 1 minuutti, jonka aikana liikennevalo K näyttää punaista 1 sekuntia, L 20 sekuntia ja M 0 sekuntia. Laske todennäköisyys, että matkalla on pysähdyttävä täsmälleen yhden kerran. Olkoon A i = { Liikennevalo i näyttää punaista }, i = 1, 2,. Nyt Pr(A 1 ) = 1/, Pr(A 2 ) = 1/ ja Pr(A ) = 1/2. Lisäksi tapahtumat A i voidaan olettaa riippumattomiksi. Siten kysytty todennäköisyys on Pr( Yksi pysähdys ) = Pr((A 1 A c 2 Ac ) (Ac 1 A 2 A c ) (Ac 1 Ac 2 A )) = Pr(A 1 A c 2 A c ) + Pr(A c 1 A 2 A c ) + Pr(A c 1 A c 2 A ) = Pr(A 1 )Pr(A c 2 )Pr(Ac ) + Pr(Ac 1 )Pr(A Pr(A c ) + Pr(Ac 1 )Pr(Ac 2 )Pr(A ) = = D. Valehtelijoiden maassa asuu kaksi yhtä suurta heimoa lierot ja kierot. Lierot vastaavat kaikkiin kysymyksiin oikein todennäköisyydellä 2/. Kierot puolestaan vastaavat kaikkiin kysymyksiin oikein todennäköisyydellä /. Tapaat maan asukkaan, jolta kysyt onko hän kiero vai liero ja hän vastaa olevansa kiero. Mikä on todennäköisyys, että hän todella on kiero? Olkoon K = { Puhuteltu on kiero. } L = { Puhuteltu on liero. } V K = { Puhuteltu vastaa kiero. } V L = { Puhuteltu vastaa liero. } Pr(K) = Pr(L) = 1 2 Pr(V K K) = Pr(V L L) = 2 Haluttu todennäköisyys on P r(k V K). Bayesin kaavan mukaan: Pr(V K K)Pr(K) Pr(K V K) = Pr(V K K)Pr(K) + Pr(V K L)Pr(L) = = 9 1 Pr(K) P. Tietokoneen salasanat ovat muotoa NNNNN, missä N on jokin numeroista 0, 1, 2,,,, 6, 7, 8, 9. Laske mahdollisten salasanojen lukumäärät, kun salasanojen muodostamista rajoittavat seuraavat ehdot: a) Ei rajoituksia. b) Kaikkien numeroiden on oltava erilaisia. c) Salasanassa on oltava pari eli täsmälleen kaksi samaa numeroa (esim. 278). d) Salasanassa on oltava kaksi paria (esim. 778). 1 p.
3 Sovelletaan lokeromallia. Käytössä on lokeroa. a) Kukin lokero voidaan täyttää 10 eri tavalla. salasanojen lukumäärä on siten 10 = b) Täytetään lokerot järjestyksessä: 1. numero voidaan valita 10 eri tavalla, 2. luku 9 eri tavalla,...,. luku 6 eri tavalla. Näin ollen salasanoja on = 020 kpl. c) Parin paikka voidaan valita ( eri tavalla. Pariin voidaan valita numero 10 eri tavalla. Koska jäljellä oleviin lokeroihin on valittava eri numerot, voidaan muut numerot valita eri tavalla. Salasanojen lukumääräksi saadaan siis ( = 000. d) HUOM! Tämä kohta on liian vaativa välikokeessa käytettäväksi. Toisin sanoen ylikurssia. 1. parin paikka voidaan valita ( ( eri tavalla. 2. parin paikka voidaan valita eri tavalla. Käytettävät numerot voidaan valita ( ) 10 eri tavalla. Parien täytteeksi menevät numerot voidaan valita ( ( eri tavalla. ( ( 10 ) ( = Jos tämä kohta laskettaisiin c-kohdan tavoin, tulisivat kaikki 2 paria sisältävät salasanat lasketuksi kahteen kertaan. Näin siksi, että sama salasana saadaan valitsemalla 1. parin paikka vaikkapa näin: xxxxx ja 2. paikka sitten näin: xxxyy. Tämän jälkeen valitaan 1. parin täytteeksi 1 ja 2. täytteeksi 2: x1122. Toisaalta olisi voitu valita 1. parin paikka: xxxxx, 2 paikka: xyyxx ja täytteiksi 2 ja 1: x1122. Vielä voi mietityttää miten c-kohta laskettaisiin yllä olevalla d-kohdan menetelmällä: Parin paikka voidaan valita ( ) ( 2 eri tavalla. Käytettävät numerot voidaan valita 10 ) eri tavalla. Parin täytteeksi menevä numero voidaan valita ( 1) eri tavalla. Kolmella keskenään erilaisella numerolla on! järjestystä. ( ( 10 ) ( 1)! = 000. P. Härski Hartikaisen korjaamolla on 16 auton rengasta, joista neljän venttiili vuotaa. Renkaat asennetaan sattumanvaraisesti neljään autoon. Millä todennäköisyydellä a) jokaiseen autoon tulee yksi vuotava rengas? b) Kaikki vuotavat renkaat tulee samaan autoon? 1 p.
4 Molemmat kohdat voidaan ratkaista kahdella tavalla: a) Tapa 1: Sijoitetaan ensin vuotavat renkaat tyhjille paikoille. Todennäköisyydeksi, että kaikki tulevat eri autoihin saadaan: = Tapa 2: Käytetään kombinatoriikkaa: Kaikkiaan neljä vuotavaa rengasta voidaan sijoittaa ( 16 ) eri tavalla. Tapahtumalle suotuisasti, eli siten että jokaiseen autoon tulee yksi vuotava rengas, voidaan vuotavat renkaat puolestaan sijoittaa kertolaskuperiaatteen mukaan :llä eri tavalla. Todennäköisyydeksi saadaan: ( 16 ) = b) Tapa 1: Sijoitetaan ensin vuotavat renkaat tyhjille paikoille. Todennäköisyydeksi, että kaikki tulevat samaan autoon saadaan: = Tapa 2: Käytetään kombinatoriikkaa: Tapahtumalle suotuisasti, eli siten että kaikki vuotavat renkaat tulevat samaan autoon, voidaan vuotavat renkaat puolestaan sijoittaa :llä eri tavalla (kaikki autoon 1, 2, tai ). Todennäköisyydeksi saadaan: ( 16 ) = P6. Tiedonsiirtojärjestelmä siirtää binäärilukuja 0 ja 1. Siirrettävistä binääriluvuista on nollia 60% ja ykkösiä 0%. Järjestelmässä esiintyy kuitenkin satunnaisia häiriöitä, jotka muuttavat siirron aikana osan nollista ykkösiksi ja osan ykkösistä nolliksi. Nolla tulee perille oikeassa muodossa todennäköisyydellä 0.7 ja ykkönen todennäköisyydellä 0.9. Laske todennäköisyydet seuraaville tapahtumille: A = { On lähetetty 1, kun on vastaanotettu 1. } B = { On lähetetty 0, kun on vastaanotettu 0. } 2 p.
5 Sovelletaan Bayesin kaavaa. L0 = { On lähetetty 0 } Pr(L0) = 0.6 L1 = { On lähetetty 1 } Pr(L0) = 0. V 0 = { On vastaanotettu 0 } Pr(V 0 L0) = 0.7 V 1 = { On vastaanotettu 1 } Pr(V 1 L1) = 0.9 Pr(V 1 L1)Pr(L1) Pr(A) = Pr(L1 V 1) = Pr(V 1 L1)Pr(L1) + Pr(V 1 L0)Pr(L0) = = Pr(V 0 L0)Pr(L0) Pr(B) = Pr(L0 V 0) = Pr(V 0 L0)Pr(L0) + Pr(V 0 L1)Pr(L1) = = L7. Kuinka monella tavalla n nollaa ja m ykköstä voidaan järjestää jonoon? Käytetään lokeromallia. Nyt pitää sijoittaa n nollaa n + m:n lokeroon. Sijoitustapojen lukumäärä saadaan binomikertoimesta: ( ) n + m On hyvä huomata että on saman tekevää sijoitetaanko ensin nollat vai ykköset: ( ) ( ) n + m (n + m)! n + m = = n n!m! m L8. Tarkastellaan kahta uurnaa, joissa kummassakin on mustaa ja valkoista kuulaa. a) Poimitaan kummastakin uurnasta yksi kuula. Mikä on todennäköisyys, että molemmat kuulat ovat mustia? b) Poimitaan toisesta uurnasta kaksi kuulaa. Mikä on todennäköisyys, että molemmat kuulat ovat mustia? n
6 a) A = { 1. kuula on musta } Pr(A) = /8 B = { 2. kuula on musta } Pr(L0) = /8 Tapahtumat A ja B ovat riippumattomia, joten Pr(A B) = Pr(A)Pr(B) = 8 8 = 9 6 b) A = { 1. kuula on musta } Pr(A) = /8 B = { 2. kuula on musta } Pr(L0) = 2/7 Tapahtumat A ja B eivät ole riippumattomia. Tämän näkee esim. laskemalla pyydetyn todennäköisyyden ja vertaamalla sitä todennäköisyyteen Pr(A B) = Pr(A)Pr(B A) = = 28 Pr(A)Pr(B) = 8 8 = 9 Pr(A B) 6
Mat Sovellettu todennäköisyyslasku A
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Klassinen todennäköisyys ja kombinatoriikka Todennäköisyyden aksioomat Kokonaistodennäköisyys ja Bayesin kaava Bayesin kaava,
A = B. jos ja vain jos. x A x B
Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Klassinen todennäköisyys ja kombinatoriikka Kokonaistodennäköisyys ja Bayesin kaava Avainsanat: Bayesin kaava, Binomikaava, Binomikerroin,
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 13. syyskuuta 2007 Antti Rasila () TodB 13. syyskuuta 2007 1 / 21 1 Klassinen todennäköisyys 2 Kombinatoriikkaa Kombinatoriikan perusongelmat Permutaatiot
ABHELSINKI UNIVERSITY OF TECHNOLOGY
Klassinen todennäköisyys ja kombinatoriikka Klassinen todennäköisyys Olkoon S = {s 1,s 2,...,s n } äärellinen otosavaruus. Oletetaan, että Pr(s i ) = 1, kaikille i = 1, 2,...,n n Tällöin alkeistapahtumat
Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Unioni, Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Alkeistapahtuma, Ehdollinen todennäköisyys,
5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3
Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Verkot todennäköisyyslaskennassa Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Kertymäfunktio, Momentit, Odotusarvo,
1. laskuharjoituskierros, vko 4, ratkaisut
1. laskuharjoituskierros, vko 4, ratkaisut D1. Heitetään kahta virheetöntä noppaa, joiden kuudella tahkolla on silmäluvut 1, 2, 3, 4, 5 ja 6. Tällöin heittotuloksiin liittyvä otosavaruus on S = {(x, y)
3. laskuharjoituskierros, vko 6, ratkaisut
Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa
Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat
Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Kokonaistodennäköisyyden ja Bayesin kaavat TKK (c) Ilkka Mellin (2007) 1 Kokonaistodennäköisyys ja Bayesin kaava >> Kokonaistodennäköisyys
A. Jos A on niiden perusjoukon S alkioiden x joukko, jotka toteuttavat ehdon P(x) eli joille lause P(x) on tosi, niin merkitsemme
Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1 Aiheet: Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Klassinen todennäköisyys
HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I
HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I Tehtävä 1 on klassikko. 1. Tässä tehtävässä tapahtumat A ja B eivät välttämättä
Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava TKK (c) Ilkka Mellin (2005) 1 Kokonaistodennäköisyys ja Bayesin kaava Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Kokonaistodennäköisyyden
8.2. Permutaatiot. Esim. 1 Kirjaimet K, L ja M asetetaan jonoon. Kuinka monta erilaista järjes-tettyä jonoa näin saadaan?
8.2. Permutaatiot Esim. 1 irjaimet, ja asetetaan jonoon. uinka monta erilaista järjes-tettyä jonoa näin saadaan? Voidaan kuvitella vaikka niin, että hyllyllä on vierekkäin kolme laatikkoa (tai raiteilla
Tuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta
Tuloperiaate Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta ja 1. vaiheessa valinta voidaan tehdä n 1 tavalla,. vaiheessa valinta voidaan tehdä n tavalla,
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 1 Aiheet: Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Klassinen
(x, y) 2. heiton tulos y
Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 2, 4, 6, 8, 11 Pistetehtävät: 3, 5, 9, 12 Ylimääräiset tehtävät: 7, 10, 13 Aiheet: Joukko-oppi Todennäköisyys ja sen määritteleminen
Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta).
Matematiikan laitos Johdatus Diskreettiin Matematiikaan Harjoitus 1 03.11.2010 Ratkaisuehdotuksia Aleksandr Nuija 1. Tarkastellaan joukkoja A = {1,3,4}, B = {2,3,7,9} ja C = {2, 5, 7}. Määritä joukot (a)
Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin Yliopisto Harjoitus 1, ratkaisuehdotukset
Todennäköisyyslaskenta I, kesä 207 Helsingin yliopisto/avoin Yliopisto Harjoitus, ratkaisuehdotukset. Kokeet ja Ω:n hahmottaminen. Mitä tarkoittaa todennäköisyys on? Olkoon satunnaiskokeena yhden nopan
9 Yhteenlaskusääntö ja komplementtitapahtuma
9 Yhteenlaskusääntö ja komplementtitapahtuma Kahta joukkoa sanotaan erillisiksi, jos niillä ei ole yhtään yhteistä alkiota. Jos pysytellään edelleen korttipakassa, niin voidaan ilman muuta sanoa, että
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila Kalvoissa käytetään materiaalia P. Palon vuoden 2005 kurssista. 07.09.2007 Antti Rasila () SovTodB 07.09.2007 07.09.2007 1 / 24 1 Todennäköisyyslaskennan
ABHELSINKI UNIVERSITY OF TECHNOLOGY
Todennäköisyyslaskennan käsitteitä Satunnaisuus ja deterministisyys Deterministisessä ilmiössä alkutila määrää lopputilan yksikäsitteisesti. Satunnaisilmiö puolestaan arpoo - yhdestä alkutilasta voi päätyä
Johdatus todennäköisyyslaskentaan Klassinen todennäköisyys ja kombinatoriikka. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Klassinen todennäköisyys ja kombinatoriikka TKK (c) Ilkka Mellin (2005) 1 Klassinen todennäköisyys ja kombinatoriikka Klassinen todennäköisyys Kombinatoriikan perusperiaatteet
Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:
Mat-2.091 Sovellettu todennäköisyyslasku Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma, Ehdollinen todennäköisyys, Erotustapahtuma,
Kaikki kurssin laskuharjoitukset pidetään Exactumin salissa C123. Malliratkaisut tulevat nettiin kurssisivulle.
Kombinatoriikka, kesä 2010 Harjoitus 1 Ratkaisuehdotuksia (RT (5 sivua Kaikki kurssin laskuharjoitukset pidetään Exactumin salissa C123. Malliratkaisut tulevat nettiin kurssisivulle. 1. Osoita, että vuoden
811120P Diskreetit rakenteet
811120P Diskreetit rakenteet 2018-2019 7. Kombinatoriikka 7.1 Johdanto Kombinatoriikka tutkii seuraavan kaltaisia kysymyksiä: Kuinka monella tavalla jokin toiminto voidaan suorittaa? Kuinka monta tietynlaista
Mat Sovellettu todennäköisyyslaskenta B
Mat-1.2620 Sovellettu todennäköisslaskenta B 1. välikoe 08.03.2011 / Kibble Kirjoita selvästi jokaiseen koepaperiin seuraavat tiedot: Mat-1.2620 SovTnB 1. vk 08.03.2011 opiskelijanumero + kirjain TEKSTATEN
B. Siten A B, jos ja vain jos x A x
Mat-1.2600 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Johdanto Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma,
Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka
Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Klassinen todennäköisyys ja kombinatoriikka TKK (c) Ilkka Mellin (2007) 1 Klassinen todennäköisyys ja kombinatoriikka >> Klassinen
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 14. syyskuuta 2007 Antti Rasila () TodB 14. syyskuuta 2007 1 / 21 1 Kokonaistodennäköisyys ja Bayesin kaava Otosavaruuden ositus Kokonaistodennäköisyyden
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,
4. laskuharjoituskierros, vko 7, ratkaisut
4. laskuharjoituskierros, vko 7, ratkaisut D1. Kone valmistaa kuulalaakerin kuulia, joiden halkaisija vaihtelee satunnaisesti. Halkaisijan on oltava tiettyjen rajojen sisällä, jotta kuula olisi käyttökelpoinen.
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,
a k+1 = 2a k + 1 = 2(2 k 1) + 1 = 2 k+1 1. xxxxxx xxxxxx xxxxxx xxxxxx
x x x x x x x x Matematiikan johdantokurssi, syksy 08 Harjoitus, ratkaisuista Hanoin tornit -ongelma: Tarkastellaan kolmea pylvästä A, B ja C, joihin voidaan pinota erikokoisia renkaita Lähtötilanteessa
Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma
Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten Ratkaisuehdotelma Tehtävä 1 1. Etsi lukujen 4655 ja 12075 suurin yhteinen tekijä ja lausu se kyseisten lukujen lineaarikombinaationa ilman laskimen
30A02000 Tilastotieteen perusteet
30A02000 Tilastotieteen perusteet Kertaus 1. välikokeeseen Lauri Viitasaari Tieto- ja palvelujohtamisen laitos Kauppatieteiden korkeakoulu Aalto-yliopisto Syksy 2019 Periodi I-II Sisältö Välikokeesta Joukko-oppi
ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2
Johdatus diskreettiin matematiikkaan Harjoitus 4, 7.10.2015 1. Olkoot c 0, c 1 R siten, että polynomilla r 2 c 1 r c 0 on kaksinkertainen juuri. Määritä rekursioyhtälön x n+2 = c 1 x n+1 + c 0 x n, n N,
Diskreetin matematiikan perusteet Laskuharjoitus 3 / vko 10
Diskreetin matematiikan perusteet Laskuharjoitus 3 / vko 10 Tuntitehtävät 17-18 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 21-22 loppuviikon harjoituksissa. Kotitehtävät 19-20 tarkastetaan loppuviikon
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 4. lokakuuta 2007 Antti Rasila () TodB 4. lokakuuta 2007 1 / 17 1 Moniulotteiset todennäköisyysjakaumat Johdanto Kaksiulotteiset satunnaismuuttujat Kaksiulotteisen
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. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet
Tilastotieteen jatkokurssi Sosiaalitieteiden laitos Harjoitus 5 (viikko 9) Ratkaisuehdotuksia (Laura Tuohilampi). Jatkoa HT 4.5:teen. Määrää E(X) ja D (X). E(X) = 5X p i x i =0.8 0+0.39 +0.4 +0.4 3+0.04
Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:
8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden
Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
Osa 1: Todennäköisyys ja sen laskusäännöt
Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt - Satunnaiskokeet, otosavaruudet ja tapahtumat - Todennäköisyyden määritteleminen KE (2014) 1 Satunnaiskokeet, otosavaruudet ja tapahtumat
Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,
Tehtävä 1 : 1 a) Olkoon G heikosti yhtenäinen suunnattu verkko, jossa on yhteensä n solmua. Määritelmän nojalla verkko G S on yhtenäinen, jolloin verkoksi T voidaan valita jokin verkon G S virittävä alipuu.
Ilkka 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:
Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)
Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, 2952018, Ratkaisut (Sarja A) 1 Anna kaikissa kohdissa vastaukset tarkkoina arvoina Kohdassa d), anna kulmat
Todennäköisyyslaskenta - tehtävät
Todennäköisyyslaskenta - tehtävät Todennäköisyyslaskentaa käsitellään Pitkän matematiikan kertauskirjan sivuilla 253 276. Klassinen todennäköisyys Kombinatoriikka Binomitodennäköisyys Satunnaismuuttuja,
MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42
MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42 Tehtävät 1-4 lasketaan alkuviikon harjoituksissa ryhmissä, ja ryhmien ratkaisut esitetään harjoitustilaisuudessa (merkitty kirjaimella L = Lasketaan).
V 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
Diskreetin matematiikan perusteet Laskuharjoitus 3 / vko 39
Diskreetin matematiikan perusteet Laskuharjoitus 3 / vko 39 Tuntitehtävät 21-22 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 25-26 loppuviikon harjoituksissa. Kotitehtävät 23-24 tarkastetaan loppuviikon
(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.
Todennäköisyyslaskenta I, kesä 7 Harjoitus 4 Ratkaisuehdotuksia. Satunnaismuuttujalla X on ns. kaksipuolinen eksponenttijakauma eli Laplacen jakauma: sen tiheysfunktio on fx = e x. a Piirrä tiheysfunktio.
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
M-0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 1: Todennäköisyyslaskennan peruskäsitteet; Todennäköisyyden aksioomat; Todennäköisyyslaskennan peruslaskusäännöt; Kokonaistodennäköisyyden
Approbatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat.
Approbatur 3, demo 1, ratkaisut 1.1. A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat. Käydään kaikki vaihtoehdot läpi. Jos A on rehti, niin B on retku, koska muuten
Lukuteoria. Eukleides Aleksandrialainen (n. 300 eaa)
Lukuteoria Lukuteoria on eräs vanhimmista matematiikan aloista. On sanottu, että siinä missä matematiikka on tieteiden kuningatar, on lukuteoria matematiikan kuningatar. Perehdymme seuraavassa luonnollisten
A-Osio. Ei saa käyttää laskinta, maksimissaan tunti aikaa. Valitse seuraavista kolmesta tehtävästä kaksi, joihin vastaat:
MAA6 Loppukoe 26..203 Jussi Tyni Muista merkitä vastauspaperiin oma nimesi ja tee etusivulle pisteytysruudukko. Kaikkiin tehtävien ratkaisuihin välivaiheet näkyviin! Lue ohjeet huolella! A-Osio. Ei saa
1 + 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
Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset
Todennäköisyyslaskenta IIa, syyslokakuu 019 / Hytönen. laskuharjoitus, ratkaisuehdotukset 1. Kurssilla on 0 opiskelijaa, näiden joukossa Jutta, Jyrki, Ilkka ja Alex. Opettaja aikoo valita umpimähkään opiskelijan
3.5 Todennäköisyyden laskumenetelmiä
MAB5: Todennäköisyyden lähtökohdat 3.5 Todennäköisyyden laskumenetelmiä Aloitetaan esimerkillä, joka on sitä sarjaa, mihin ei ole mitään muuta yleispätevää ohjetta kuin että on edettävä järjestelmällisesti
Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Juuri 0 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 9..08 Kertaus K. a) Alapaineiden pienin arvo on ja suurin arvo 74, joten vaihteluväli on [, 74]. b) Alapaineiden keskiarvo on 6676870774
Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt
Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Todennäköisyyden peruslaskusäännöt TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyden peruslaskusäännöt >> Uusien tapahtumien muodostaminen
Mat Sovellettu todennäköisyyslasku A
TKK / Systeemianalyysin laboratorio Nordlund Mat-.9 Sovellettu todennäköisyyslasku A Harjoitus 3 (vko 4/3) (Aihe: tasainen todennäköisyysmalli, pistetodennäköisyysfunktio, tiheysfunktio, kertymäfunktio,
MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä, todistuksia ym., osa I
MS-A040 Diskreetin matematiikan perusteet Esimerkkejä, todistuksia ym., osa I G. Gripenberg Aalto-yliopisto 3. huhtikuuta 014 G. Gripenberg (Aalto-yliopisto) MS-A040 Diskreetin matematiikan perusteetesimerkkejä,
Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit TKK (c) Ilkka Mellin (2005) 1 Todennäköisyyslaskenta ja puudiagrammit Puutodennäköisyydet Todennäköisyyslaskennan laskusääntöjen
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I
MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I G. Gripenberg 1 Todennäköisyys Satunnaismuuttujat Keskeinen raja-arvolause Aalto-yliopisto. tammikuuta 015 Kaksiulotteiset satunnaismuuttujat
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I G. Gripenberg Aalto-yliopisto 2. tammikuuta 2015 G. Gripenberg (Aalto-yliopisto) MS-A0502 Todennäköisyyslaskennan ja tilastotieteen
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 3. marraskuuta 2007 Antti Rasila () TodB 3. marraskuuta 2007 1 / 18 1 Varianssin luottamusväli, jatkoa 2 Bernoulli-jakauman odotusarvon luottamusväli 3
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I G. Gripenberg Aalto-yliopisto 2. tammikuuta 2015 G. Gripenberg (Aalto-yliopisto) MS-A0502 Todennäköisyyslaskennan ja tilastotieteen
isomeerejä yhteensä yhdeksän kappaletta.
Tehtävä 2 : 1 Esitetään aluksi eräitä havaintoja. Jokaisella n Z + symbolilla H (n) merkitään kaikkien niiden verkkojen joukkoa, jotka vastaavat jotakin tehtävänannon ehtojen mukaista alkaanin hiiliketjua
δ : (Q {q acc, q rej }) (Γ k {, }) Q (Γ k {, }) {L, R}.
42 Turingin koneiden laajennuksia 1 oniuraiset koneet Sallitaan, että Turingin koneen nauha koostuu k:sta rinnakkaisesta urasta, jotka kaikki kone lukee ja kirjoittaa yhdessä laskenta-askelessa: Koneen
Matematiikan 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,
MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 6.3.08 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden, sisältöjen ja pisteitysten luonnehdinta ei sido ylioppilastutkintolautakunnan arvostelua. Lopullisessa
Liikenneongelmien aikaskaalahierarkia
J. Virtamo 38.3141 Teleliikenneteoria / HOL-esto 1 Liikenneongelmien aikaskaalahierarkia AIKASKAALAHIERARKIA Kiinnostavat aikaskaalat kattavat laajan alueen, yli 13 dekadia! Eri aikaskaaloissa esiintyvät
Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit
Ilkka Mellin Todennäköisyyslaskenta Liite 2: Verkot ja todennäköisyyslaskenta Todennäköisyyslaskenta ja puudiagrammit TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyslaskenta ja puudiagrammit >> Puutodennäköisyydet
4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen
JAKSO 2 KANTA JA KOORDINAATIT
JAKSO 2 KANTA JA KOORDINAATIT Kanta ja dimensio Tehtävä Esittele vektoriavaruuden kannan määritelmä vapauden ja virittämisen käsitteiden avulla ja anna vektoriavaruuden dimension määritelmä Esittele Lause
1. Esitä rekursiivinen määritelmä lukujonolle
Matematiikan laitos Johdatus Diskrettiin Matematiikkaan Harjoitus 4 24.11.2011 Ratkaisuehdotuksia Aleksandr Pasharin 1. Esitä rekursiivinen määritelmä lukujonolle (a) f(n) = (2 0, 2 1, 2 2, 2 3, 2 4,...)
Otanta 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
Onko kuvaukset injektioita? Ovatko ne surjektioita? Bijektioita?
Matematiikkaa kaikille, kesä 2017 Avoin yliopisto Luentojen 2,4 ja 6 tehtäviä Päivittyy kurssin aikana 1. Olkoon A = {0, 1, 2}, B = {1, 2, 3} ja C = {2, 3, 4}. Luettele joukkojen A B, A B, A B ja (A B)
1 Bayesin teoreeman käyttö luokittelijana
1 Bayesin teoreeman käyttö luokittelijana Bayesin kaavan mukaan merkityksen kontekstille c ehdollistettu todennäkköisyys voidaan määrittää alla olevan yhtälön perusteella: P ( c) = P (c )P ( ) P (c) (1)
7 Vapaus. 7.1 Vapauden määritelmä
7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan
D ( ) E( ) E( ) 2.917
Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,
Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
Lukumäärän laskeminen 1/7 Sisältö ESITIEDOT:
Lukumäärän laskeminen 1/7 Sisältö Samapituisten merkkijonojen lukumäärä I Olkoon tehtävänä muodostaa annetuista merkeistä (olioista, alkioista) a 1,a 2,a 3,..., a n jonoja, joissa on p kappaletta merkkejä.
ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta:
RMS22 Päätöksenteko epävarmuuden vallitessa Syksy 28 Harjoitus 8 Ratkaisuehdotuksia Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta: Pankki harkitsee myöntääkö 5. euron lainan asiakkaalle 12%
802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO
8038A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 016 Sisältö 1 Irrationaaliluvuista Antiikin lukuja 6.1 Kolmio- neliö- ja tetraedriluvut...................
805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III
802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LUKUTEORIA 1 / 77 Irrationaaliluvuista Määritelmä 1 Luku α C \ Q on
Ominaisarvo 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
&idx=2&uilang=fi&lang=fi&lvv=2015
20.10.2015/1 MTTTP5, luento 20.10.2015 1 Kokonaisuudet, joihin opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=11585 &idx=2&uilang=fi&lang=fi&lvv=2015 2 Osaamistavoitteet Opiskelija osaa
(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?
6.10.2006 1. Keppi, jonka pituus on m, taitetaan kahtia täysin satunnaisesti valitusta kohdasta ja muodostetaan kolmio, jonka kateetteina ovat syntyneet palaset. Kolmion pinta-ala on satunnaismuuttuja.
P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu
1. Tyhjentävä tunnusluku (sucient statistics ) Olkoon (P(X = x θ) : θ Θ) todennäköisyysmalli havainnolle X. Datan funktio T (X ) on Tyhjentävä tunnusluku jos ehdollinen todennäköisyys (ehdollinen tiheysfunktio)
Työsähköpostin sisällön siirto uuteen postijärjestelmään
Työsähköpostin sisällön siirto uuteen postijärjestelmään edupori.fi/office 365 3.10.2013 Porin kaupunki ATK Tuki Sisällys Johdanto... 2 Edupori.fi sähköpostin määrittäminen Office 365:n Outlook-ohjelmaan
1. 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
(a) Kyllä. Jokainen lähtöjoukon alkio kuvautuu täsmälleen yhteen maalijoukon alkioon.
HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 015 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I Seuraavat tehtävät liittyvät kuvauksiin. 1. Merkitään X = {1,,, 4}. Ovatko seuraavat säännöt
MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen
MAT-25 Todennäköisyyslaskenta Tentti 12.4.216 / Kimmo Vattulainen Funktiolaskin sallittu. Palauta kaavakokoelma 1. a) Pelaajat A ja B heittävät noppaa vuorotellen ja pelin voittaa se, joka saa ensimmäiseksi
Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9
Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9 Tuntitehtävät 9-10 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 13-14 loppuviikon harjoituksissa. Kotitehtävät 11-12 tarkastetaan loppuviikon
MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä, todistuksia ym., osa I
MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä, todistuksia ym., osa I G. Gripenberg Aalto-yliopisto 3. huhtikuuta 2014 G. Gripenberg (Aalto-yliopisto) MS-A0402 Diskreetin matematiikan perusteetesimerkkejä,
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 28. syyskuuta 2007 Antti Rasila () TodB 28. syyskuuta 2007 1 / 20 1 Jatkoa diskreeteille jakaumille Negatiivinen binomijakauma Poisson-jakauma Diskreettien
Algoritmit 1. Luento 12 Ti Timo Männikkö
Algoritmit 1 Luento 12 Ti 19.2.2019 Timo Männikkö Luento 12 Osittamisen tasapainoisuus Pikalajittelun vaativuus Lajittelumenetelmien vaativuus Laskentalajittelu Lokerolajittelu Kantalukulajittelu Algoritmit