Operatioanalyysi 2011, Harjoitus 2, viikko 38
|
|
|
- Timo-Jaakko Pakarinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Operatioanalyysi 2011, Harjoitus 2, viikko 38 H2t1, Exercise 1.1. H2t2, Exercise 1.2. H2t3, Exercise 2.3. H2t4, Exercise 2.4. H2t5, Exercise 2.5.
2 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible.
3 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible. Päätösmuuttujat: x 1 = Artyn käyttämän punaisen värin määrä (ml) x 2 = Artyn käyttämän keltaisen värin määrä (ml)
4 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible. x 1 = punaisen määrä (ml), x 2 = keltaisen määrä (ml) Tavoitefunktio (minimoidaan kustannuksia):
5 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible. x 1 = punaisen määrä (ml), x 2 = keltaisen määrä (ml) Tavoitefunktio (minimoidaan kustannuksia): min z = 0,02x 1 + 0,03x 2 (e)
6 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible. x 1 = pun. (ml), x 2 = kelt. (ml), min z = 0,02x 1 + 0,03x 2, Rajoitteet:
7 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible. x 1 = pun. (ml), x 2 = kelt. (ml), min z = 0,02x 1 + 0,03x 2, Rajoitteet: x 1 + x 2 = 100 värin kokonaismäärä (ml)
8 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible. x 1 = pun. (ml), x 2 = kelt. (ml), min z = 0,02x 1 + 0,03x 2, Rajoitteet: x 1 + x 2 = 100 värin kokonaismäärä (ml) x 2 50 keltaista enintään 50ml
9 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible. x 1 = pun. (ml), x 2 = kelt. (ml), min z = 0,02x 1 + 0,03x 2, Rajoitteet: x 1 + x 2 = 100 värin kokonaismäärä (ml) x 2 50 keltaista enintään 50ml x (x 1 + x 2 ) punaista vähintään 20%
10 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible. x 1 = pun. (ml), x 2 = kelt. (ml), min z = 0,02x 1 + 0,03x 2, Rajoitteet: x 1 + x 2 = 100 värin kokonaismäärä (ml) x 2 50 keltaista enintään 50ml x (x 1 + x 2 ) punaista vähintään 20% x (x 1 + x 2 ) keltaista vähintään 20%
11 (Exercise 1.1.) Model the following problem mathematically: Arty Artist needs to mix orange color. Arty decides that the color orange has at least 20% red and 20% yellow in it. A 100ml tube of color red costs e2 and a 100ml tube of color yellow costs e3. Arty needs 100ml of the color orange. He has infinity supply of the color red but only 50ml (half a tube) of the color yellow. Arty would like to mix the color orange as cheap as possible. x 1 = pun. (ml), x 2 = kelt. (ml), min z = 0,02x 1 + 0,03x 2, Rajoitteet: x 1 + x 2 = 100 värin kokonaismäärä (ml) x 2 50 keltaista enintään 50ml x (x 1 + x 2 ) punaista vähintään 20% x (x 1 + x 2 ) keltaista vähintään 20% x 1,x 2 0 merkkirajoitteet
12 (Exercise 1.1.) 4 Viedään rajoitteet siistiin muotoon x 1 + x 2 = 100 (color tot) x 2 50 (yellow max) x 1 0,20(x 1 + x 2 ) (red min) x 2 0,20(x 1 + x 2 ) (yellow min) x 1,x 2 0 (sign constraints)
13 (Exercise 1.1.) 4 Viedään rajoitteet siistiin muotoon x 1 + x 2 = 100 (color tot) x 2 50 (yellow max) x 1 0,20(x 1 + x 2 ) (red min) x 2 0,20(x 1 + x 2 ) (yellow min) x 1,x 2 0 (sign constraints) x 1 + x 2 = 100 (color tot) x 2 50 (yellow max) 0,8x 1 0,2x 2 0 (red min) 0,2x 1 + 0,8x 2 0 (yellow min) x 1,x 2 0 (sign constraints)
14 (Exercise 1.1.) 5 Lopullinen LP-malli min z = 0,02x 1 + 0,03x 2 s.t. x 1 + x 2 = 100 (color tot) x 2 50 (color yellow max) 0,8x 1 0,2x 2 0 (color red min) 0,2x 1 + 0,8x 2 0 (color yellow min) x 1,x 2 0 (sign constraints)
15 (Exercise 1.1.) 5 Lopullinen LP-malli min z = 0,02x 1 + 0,03x 2 s.t. x 1 + x 2 = 100 (color tot) x 2 50 (color yellow max) 0,8x 1 0,2x 2 0 (color red min) 0,2x 1 + 0,8x 2 0 (color yellow min) x 1,x 2 0 (sign constraints) c = [0.02, 0.03] ; A = [1,1; 0,1; 0.8,-0.2;-0.2,0.8]; b = [100,50,0,0] ; [xmin,zmin] = glpk(c,a,b,[0,0],[],"sull","cc",+1)
16 (Exercise 1.1.) 6 min z = 0,02x 1 + 0,03x 2 s.t. x 1 + x 2 = 100 (color tot) x 2 50 (color yellow max) 0,8x 1 0,2x 2 0 (color red min) 0,2x 1 + 0,8x 2 0 (color yellow min) x 1,x 2 0 (sign constraints)
17 (Exercise 1.1.) 6 min z = 0,02x 1 + 0,03x 2 s.t. x 1 + x 2 = 100 (color tot) x 2 50 (color yellow max) 0,8x 1 0,2x 2 0 (color red min) 0,2x 1 + 0,8x 2 0 (color yellow min) x 1,x 2 0 (sign constraints) c = [0.02, 0.03] ;
18 (Exercise 1.1.) 6 min z = 0,02x 1 + 0,03x 2 s.t. x 1 + x 2 = 100 (color tot) x 2 50 (color yellow max) 0,8x 1 0,2x 2 0 (color red min) 0,2x 1 + 0,8x 2 0 (color yellow min) x 1,x 2 0 (sign constraints) c = [0.02, 0.03] ; A = [1,1; 0,1; 0.8,-0.2;-0.2,0.8];
19 (Exercise 1.1.) 6 min z = 0,02x 1 + 0,03x 2 s.t. x 1 + x 2 = 100 (color tot) x 2 50 (color yellow max) 0,8x 1 0,2x 2 0 (color red min) 0,2x 1 + 0,8x 2 0 (color yellow min) x 1,x 2 0 (sign constraints) c = [0.02, 0.03] ; A = [1,1; 0,1; 0.8,-0.2;-0.2,0.8]; b = [100,50,0,0] ;
20 (Exercise 1.1.) 6 min z = 0,02x 1 + 0,03x 2 s.t. x 1 + x 2 = 100 (color tot) x 2 50 (color yellow max) 0,8x 1 0,2x 2 0 (color red min) 0,2x 1 + 0,8x 2 0 (color yellow min) x 1,x 2 0 (sign constraints) c = [0.02, 0.03] ; A = [1,1; 0,1; 0.8,-0.2;-0.2,0.8]; b = [100,50,0,0] ; [xmin,zmin] = glpk(c,a,b,[0,0],[],"sull","cc",+1)
21 (Exercise 1.1.) 7 c = [0.02, 0.03] ; A = [1,1; 0,1; 0.8,-0.2;-0.2,0.8]; b = [100,50,0,0] ; [xmin,zmin] = glpk(c,a,b,[0,0],[],"sull","cc",+1) ##argumentit******************** ## c <--> päätosmuuttujien kertoimet tavoitefunktiossa ## A <--> rajoiteryhmän kerroinkaavio ## b <--> rajoiteryhmän RHS ## [0,0] <--> päätösmuuttujien alarajat (x1 >= 0, x2 >= 0) ## [] <--> päätösmuuttujien ylärajat (ei ylärajoja) ## "SULL" <--> rajoite 1 tyyppiä S (strict) yhtälö ## <--> rajoite 2 tyyppiä U (upper) eli RHS on yläraja ## <--> raj. 3&4 tyyppiä L (lower) eli RHS on alaraja ## "CC" <--> x1 ja x2 ovat tyyppiä C (continuous) eli des.lukuja ## +1 <--> minimointitehtävä ##output************************ ## xmin = ## 80 ## 20 ## zmin =
22 (Exercise 1.2.) Mr. Quine sells gavagais. He will sell one gavagai for 10 Euros. So, one might expect that buying x gavagais from Mr. Quine would cost 10x Euros. This linear pricing rule rule may not be true, however. Explain at least three reasons why not.
23 (Exercise 1.2.) Mr. Quine sells gavagais. He will sell one gavagai for 10 Euros. So, one might expect that buying x gavagais from Mr. Quine would cost 10x Euros. This linear pricing rule rule may not be true, however. Explain at least three reasons why not. a) Määräalennukset: Vaikka pari ensimmäistä gavagaisia maksaisikin 10 euroa, niin isomman erän saattaa saada pienemmällä yksikköhinnalla. Silloin lauseke c = 10x antaa liian ison hinnan. b) Kiinteät kustannukset: Jos Mr. Quine laskutta todellisten kustannusten perusteella. Silloin 10 euroa on kiinteä kustannus + yhden gavagaisin muuttuvat kustannukset. Oikea lauseke voisi olla esim. (c = FC + VAC x = 2 + 8x). Koska emme nyt tiedä kiinteiden kustannusten suuruutta, niin oikea lauseke jää arvoitukseksi.
24 (Exercise 1.2.) 9 c) Toimitusongelmat: Kaava saattaa olla oikea, mutta x:n arvo saattaa olla rajoitettu. Jos Mr. Quine pystyy itse tuottamaan vain osan tilauksesta ja hän hankkii puuttuvan osan tilauksesta muualta, niin ylimääräinen vaiva ja toisen tuottajan korkeampi hinnoittelu saattaa saada aikaan sen, että yksikköhinta nousee. Silloin kaava c = 10x antaa liian alhaisen hinnan. d) Skaalaetu: Jos Mr. Quine on tyypillisesti tuottanut pari gavagaisia kuukaudessa, ja hän nyt saakin 20 gavagaisin tilauksen, niin hänen on mahdollista kehittää tuotantomenetelmiä niin, että yksikköhinta laskee. Silloin lauseke c = 10x antaa liian korkean hinnan.
25 (Exercise 2.3.) The function npv assumes that the rate of return r is constant over time. Modify the function so that it takes as an input variable a vector of rate of returns that change from one period to another.
26 (Exercise 2.3.) The function npv assumes that the rate of return r is constant over time. Modify the function so that it takes as an input variable a vector of rate of returns that change from one period to another. function v = npv(cf,r) ## Function v = npv(cf,r) returns the Net Present Value (npv) of ## the cash flow cf. The cash flow cf is received at the end of ## each period. The rate of return over the period is r. The ## parameter r is scalar. The cash flow cf is a (column) vector. T = length(cf); # The number of periods. pv = zeros(t,1); # Initialize present values (pv) at zero. for t=1:t pv(t) = cf(t) / (1+r)^t; # Set the pv s. endfor v = sum(pv); # npv is the sum of pv s. endfunction
27 (Exercise 2.3.) 11 ## (H2t3) Exercise 2.3. tiedostossa my_npv.m function v = my_npv(cf,r) T = length(cf); # The number of periods. if T!=length(r) error("virhe: cf ja r eri mittaisia."); end #<UUSI# #<UUSI# #<UUSI# pv = zeros(t,1); # Initialize present values (pv) at zero. for t=1:t pv(t) = cf(t) / (1+r(t))^t; # Set the pv s. # ^^^ #MUUTOS# endfor v = sum(pv); # npv is the sum of pv s. endfunction
28 (Exercise 2.3.) 12 Muutama kommentti edellisiin kahteen kalvoon alkuperäinen funktio npv on talletettu tekstitiedostoon npv.m uusi korjattu funktio on nimeltään my_npv ja se tulee tallettaa tekstitiedostoon my_npv.m Alun tarkistus ei ole nyt välttämätön, mutta tämän kaltaisia tarkistuksia on syytä yleensä tehdä. Oleellinen muutos on nyt se, että r:ää kohdellaan nyt vektorina. Muuttujaa ei tarvitse esitellä. Tulkki päättelee muuttujan tyypin, kun sitä ensimmäisen kerran käytetään.
29 (Exercise 2.4.) Solve the LP max z = 4x 1 + 3x 2 s.t. 2x 1 + 3x 2 6 3x 1 + 2x 2 3 2x 2 5 2x 1 + x 2 4 x 1,x 2 0 (a) by using glpk, (b) by using stu_lp_solver.
30 a) (Exercise 2.4.a) 14 ## (H2t4a) Exercise 2.4.a) c = [4, 3] ; A = [2, 3; -3, 2; 0, 2; 2, 1]; b = [6, 3, 5, 4] ; [x_max,z_max]=glpk(c,a,b,[0,0],[],"uuuu","cc",-1) ##output************************************************* ## x_max = ## ## ## z_max = 9
31 b) (Exercise 2.4.b) 15 ## (H2t4b) Exercise 2.4.b) c = [4,3] ; A = [2,3;-3,2;0,2;2,1]; b = [6,3,5,4] ; [z_max,x_max,status] = stu_lp_solver(c,a,b) ##output************************************************* ## z_max = 9 ## x_max = ## ## ## status = bounded
32 (Exercise 2.5.) Solve the LP max z = 2x 1 + 9x 2 s.t. x 1 + 2x x 1 + x x 1,x 2 0 (a) by using glpk, (b) by using stu_lp_solver.
33 a) (Exercise 2.5.a) 17 ## (H2t5a) Exercise 2.5.a) c = [2, 9] ; A = [1, 2; 1, 1]; b = [500, 100] ; [x_max,z_max]=glpk(c,a,b,[0,0],[],"ul","cc",-1) ##output************************************************* ## x_max = ## ## 0 ## 250 ## ## z_max = 2250
34 b) (Exercise 2.5.b) 18 Normaalimuoto max z = 2x 1 + 9x 2 s.t. x 1 + 2x x 1 x x 1,x 2 0
35 b) (Exercise 2.5.b) 18 Normaalimuoto max z = 2x 1 + 9x 2 s.t. x 1 + 2x x 1 x x 1,x 2 0 ## (H2t5b) Exercise 2.5.b) c = [2, 9] ; A = [1, 2; -1, -1]; b = [500, -100] ; [z_max,x_max,status] = stu_lp_solver(c,a,b) ##output************************************************* ## z_max = 2250 ## x_max = ## ## 0 ## 250 ## ## status = bounded
Operatioanalyysi 2011, Harjoitus 4, viikko 40
Operatioanalyysi 2011, Harjoitus 4, viikko 40 H4t1, Exercise 4.2. H4t2, Exercise 4.3. H4t3, Exercise 4.4. H4t4, Exercise 4.5. H4t5, Exercise 4.6. (Exercise 4.2.) 1 4.2. Solve the LP max z = x 1 + 2x 2
Operatioanalyysi 2011, Harjoitus 3, viikko 39
Operatioanalyysi 2011, Harjoitus 3, viikko 39 H3t1, Exercise 3.1. H3t2, Exercise 3.2. H3t3, Exercise 3.3. H3t4, Exercise 3.4. H3t5 (Exercise 3.1.) 1 3.1. Find the (a) standard form, (b) slack form of the
Capacity Utilization
Capacity Utilization Tim Schöneberg 28th November Agenda Introduction Fixed and variable input ressources Technical capacity utilization Price based capacity utilization measure Long run and short run
The CCR Model and Production Correspondence
The CCR Model and Production Correspondence Tim Schöneberg The 19th of September Agenda Introduction Definitions Production Possiblity Set CCR Model and the Dual Problem Input excesses and output shortfalls
16. Allocation Models
16. Allocation Models Juha Saloheimo 17.1.27 S steemianalsin Optimointiopin seminaari - Sks 27 Content Introduction Overall Efficienc with common prices and costs Cost Efficienc S steemianalsin Revenue
Alternative DEA Models
Mat-2.4142 Alternative DEA Models 19.9.2007 Table of Contents Banker-Charnes-Cooper Model Additive Model Example Data Home assignment BCC Model (Banker-Charnes-Cooper) production frontiers spanned by convex
Operatioanalyysi 2011, Harjoitus 5, viikko 41
Operatioanalyysi 2011, Harjoitus 5, viikko 41 H5t1, Exercise 5.2. H5t2, Exercise 5.3. H5t3, Exercise 5.4. H5t4, Exercise 5.5. H5t5, Exercise 6.1. (Exercise 5.2.) 1/5 1 5.2. Consider Manuel Example s 4.0.1
Efficiency change over time
Efficiency change over time Heikki Tikanmäki Optimointiopin seminaari 14.11.2007 Contents Introduction (11.1) Window analysis (11.2) Example, application, analysis Malmquist index (11.3) Dealing with panel
SIMULINK S-funktiot. SIMULINK S-funktiot
S-funktio on ohjelmointikielellä (Matlab, C, Fortran) laadittu oma algoritmi tai dynaamisen järjestelmän kuvaus, jota voidaan käyttää Simulink-malleissa kuin mitä tahansa valmista lohkoa. S-funktion rakenne
1.3Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä
OULUN YLIOPISTO Tietojenkäsittelytieteiden laitos Johdatus ohjelmointiin 81122P (4 ov.) 30.5.2005 Ohjelmointikieli on Java. Tentissä saa olla materiaali mukana. Tenttitulokset julkaistaan aikaisintaan
1.3 Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä
OULUN YLIOPISTO Tietojenkäsittelytieteiden laitos Johdatus ohjelmointiin 811122P (5 op.) 12.12.2005 Ohjelmointikieli on Java. Tentissä saa olla materiaali mukana. Tenttitulokset julkaistaan aikaisintaan
Capacity utilization
Mat-2.4142 Seminar on optimization Capacity utilization 12.12.2007 Contents Summary of chapter 14 Related DEA-solver models Illustrative examples Measure of technical capacity utilization Price-based measure
Toppila/Kivistö 10.01.2013 Vastaa kaikkin neljään tehtävään, jotka kukin arvostellaan asteikolla 0-6 pistettä.
..23 Vastaa kaikkin neljään tehtävään, jotka kukin arvostellaan asteikolla -6 pistettä. Tehtävä Ovatko seuraavat väittämät oikein vai väärin? Perustele vastauksesi. (a) Lineaarisen kokonaislukutehtävän
Returns to Scale II. S ysteemianalyysin. Laboratorio. Esitelmä 8 Timo Salminen. Teknillinen korkeakoulu
Returns to Scale II Contents Most Productive Scale Size Further Considerations Relaxation of the Convexity Condition Useful Reminder Theorem 5.5 A DMU found to be efficient with a CCR model will also be
Other approaches to restrict multipliers
Other approaches to restrict multipliers Heikki Tikanmäki Optimointiopin seminaari 10.10.2007 Contents Short revision (6.2) Another Assurance Region Model (6.3) Cone-Ratio Method (6.4) An Application of
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31) Juha Kahkonen Click here if your download doesn"t start automatically On instrument costs
Information on preparing Presentation
Information on preparing Presentation Seminar on big data management Lecturer: Spring 2017 20.1.2017 1 Agenda Hints and tips on giving a good presentation Watch two videos and discussion 22.1.2017 2 Goals
Salasanan vaihto uuteen / How to change password
Salasanan vaihto uuteen / How to change password Sisällys Salasanakäytäntö / Password policy... 2 Salasanan vaihto verkkosivulla / Change password on website... 3 Salasanan vaihto matkapuhelimella / Change
LYTH-CONS CONSISTENCY TRANSMITTER
LYTH-CONS CONSISTENCY TRANSMITTER LYTH-INSTRUMENT OY has generate new consistency transmitter with blade-system to meet high technical requirements in Pulp&Paper industries. Insurmountable advantages are
Piiri K 1 K 2 K 3 K 4 R R
Lineaarinen optimointi vastaus, harj 1, Syksy 2016. 1. Teollisuuslaitos valmistaa piirejä R 1 ja R 2, joissa on neljää eri komponenttia seuraavat määrät: Piiri K 1 K 2 K 3 K 4 R 1 3 1 2 2 R 2 4 2 3 0 Päivittäistä
Bounds on non-surjective cellular automata
Bounds on non-surjective cellular automata Jarkko Kari Pascal Vanier Thomas Zeume University of Turku LIF Marseille Universität Hannover 27 august 2009 J. Kari, P. Vanier, T. Zeume (UTU) Bounds on non-surjective
anna minun kertoa let me tell you
anna minun kertoa let me tell you anna minun kertoa I OSA 1. Anna minun kertoa sinulle mitä oli. Tiedän että osaan. Kykenen siihen. Teen nyt niin. Minulla on oikeus. Sanani voivat olla puutteellisia mutta
Introduction to Mathematical Economics, ORMS1030
Uiversity of Vaasa, sprig 04 Itroductio to Mathematical Ecoomics, ORMS030 Exercise 6, week 0 Mar 3 7, 04 R ma 0 D5 R5 ti 4 6 C09 R ma 4 6 D5 R6 to 4 C09 R3 ti 08 0 D5 R7 pe 08 0 D5 R4 ti 4 C09 R8 pe 0
C++11 seminaari, kevät Johannes Koskinen
C++11 seminaari, kevät 2012 Johannes Koskinen Sisältö Mikä onkaan ongelma? Standardidraftin luku 29: Atomiset tyypit Muistimalli Rinnakkaisuus On multicore systems, when a thread writes a value to memory,
Mat Seminar on Optimization. Data Envelopment Analysis. Economies of Scope S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu
Mat-2.4142 Seminar on Optimization Data Envelopment Analysis Economies of Scope 21.11.2007 Economies of Scope Introduced 1982 by Panzar and Willing Support decisions like: Should a firm... Produce a variety
Exercise 1. (session: )
EEN-E3001, FUNDAMENTALS IN INDUSTRIAL ENERGY ENGINEERING Exercise 1 (session: 24.1.2017) Problem 3 will be graded. The deadline for the return is on 31.1. at 12:00 am (before the exercise session). You
1. SIT. The handler and dog stop with the dog sitting at heel. When the dog is sitting, the handler cues the dog to heel forward.
START START SIT 1. SIT. The handler and dog stop with the dog sitting at heel. When the dog is sitting, the handler cues the dog to heel forward. This is a static exercise. SIT STAND 2. SIT STAND. The
812336A C++ -kielen perusteet, 21.8.2010
812336A C++ -kielen perusteet, 21.8.2010 1. Vastaa lyhyesti seuraaviin kysymyksiin (1p kaikista): a) Mitä tarkoittaa funktion ylikuormittaminen (overloading)? b) Mitä tarkoittaa jäsenfunktion ylimääritys
S-55.1100 SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA
S-55.00 SÄHKÖKNKKA A KONKKA. välikoe 2..2008. Saat vastata vain neljään tehtävään!. aske jännite U. = 4 Ω, 2 = Ω, = Ω, = 2, 2 =, = A, 2 = U 2 2 2 2. ännitelähde tuottaa hetkestä t = t < 0 alkaen kaksiportaisen
Esimerkki 1 (Rehun sekoitus) 1
1 Karjankasvattaja käyttää luonnosta saadun nurmirehun lisäksi lisäravinnetta 200kg/päivä. Lisäravinne sekoitetaan maissista ja soijasta. Ravinteen ominaisuuksiin vaikuttaa raaka-aineiden proteiini- ja
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31) Juha Kahkonen Click here if your download doesn"t start automatically On instrument costs
Returns to Scale Chapters
Return to Scale Chapter 5.1-5.4 Saara Tuurala 26.9.2007 Index Introduction Baic Formulation of Retur to Scale Geometric Portrayal in DEA BCC Return to Scale CCR Return to Scale Summary Home Aignment Introduction
Huom. tämä kulma on yhtä suuri kuin ohjauskulman muutos. lasketaan ajoneuvon keskipisteen ympyräkaaren jänteen pituus
AS-84.327 Paikannus- ja navigointimenetelmät Ratkaisut 2.. a) Kun kuvan ajoneuvon kumpaakin pyörää pyöritetään tasaisella nopeudella, ajoneuvon rata on ympyränkaaren segmentin muotoinen. Hitaammin kulkeva
Harjoitus 8: Excel - Optimointi
Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen
JavaScript alkeet Esimerkkikoodeja moniste 2 (05.10.11 Metropolia)
JavaScript alkeet Esimerkkikoodeja moniste 2 (05.10.11 Metropolia) Esim 5.1 laskujärjestys operaattorit var tulos = 5 + 4 * 12 / 4; document.write("5 + 4 * 12 / 4 laskutoimituksen tulos
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31) Juha Kahkonen Click here if your download doesn"t start automatically On instrument costs
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Calculation: N117 x 9 x HH141 Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG
Kevään 2011 pitkän matematiikan ylioppilastehtävien ratkaisut Mathematicalla Simo K. Kivelä /
Kevään 0 pitkän matematiikan ylioppilastehtävien ratkaisut Mathematicalla Simo K. Kivelä / 8.7.0 a) b) c) a) Tehtävä Yhtälö ratkaistaan yleensä Solve-funktiolla: Solve x 3 x, x x 4 Joissakin tapauksissa
S SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA
S-55.1100 SÄHKÖTKNIIKKA JA LKTONIIKKA Tentti 15.5.2006: tehtävät 1,3,5,7,10 1. välikoe: tehtävät 1,2,3,4,5 2. välikoe: tehtävät 6,7,8,9,10 Saat vastata vain neljään tehtävään/koe; ne sinun pitää itse valita!
I. Principles of Pointer Year Analysis
I. Principles of Pointer Year Analysis Fig 1. Maximum (red) and minimum (blue) pointer years. 1 Fig 2. Principle of pointer year calculation. Fig 3. Skeleton plot graph created by Kinsys/Kigraph programme.
Mitä symbolilaskentaohjelmalta voi odottaa ja mitä ei? Tapaus Mathematica
Simo K. Kivelä Mitä symbolilaskentaohjelmalta voi odottaa ja mitä ei? Tapaus Mathematica Symbolinen laskenta ei aina toimi, kuten voisi odottaa. Parempi onkin ajatella, että se elää omaa elämäänsä, jolla
Mat-1.C Matemaattiset ohjelmistot
Mat-.C Matemaattiset ohjelmistot Luento ma 9.3.0 $z; Error, (in rtable/product) invalid arguments.z; z C z C z3 3 C z4 4 C z5 5.Tr z ; z C z C z3 3 C z4 4 C z5 5 ; Error, (in rtable/power) eponentiation
LP-mallit, L8. Herkkyysanalyysi. Varjohinta. Tietokoneohjelmia. Aiheet. Yleistä, LP-malleista. Esimerkki, Giapetto.
LP-mallit, L8 Yleistä 1 LP-mallit on yksi Operaatioanalyysin (Operations Research) perustyökaluista. Perusongelma: Miten pitää suorittaa operaatio mahdollisimman hyvin, kun käytettävissä on rajalliset
WindPRO version joulu 2012 Printed/Page :42 / 1. SHADOW - Main Result
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table 13.6.2013 19:42 / 1 Minimum
Tarua vai totta: sähkön vähittäismarkkina ei toimi? 11.2.2015 Satu Viljainen Professori, sähkömarkkinat
Tarua vai totta: sähkön vähittäismarkkina ei toimi? 11.2.2015 Satu Viljainen Professori, sähkömarkkinat Esityksen sisältö: 1. EU:n energiapolitiikka on se, joka ei toimi 2. Mihin perustuu väite, etteivät
S Sähkön jakelu ja markkinat S Electricity Distribution and Markets
S-18.3153 Sähkön jakelu ja markkinat S-18.3154 Electricity Distribution and Markets Voltage Sag 1) Kolmivaiheinen vastukseton oikosulku tapahtuu 20 kv lähdöllä etäisyydellä 1 km, 3 km, 5 km, 8 km, 10 km
Tynnyrivaara, OX2 Tuulivoimahanke. ( Layout 9 x N131 x HH145. Rakennukset Asuinrakennus Lomarakennus 9 x N131 x HH145 Varjostus 1 h/a 8 h/a 20 h/a
, Tuulivoimahanke Layout 9 x N131 x HH145 Rakennukset Asuinrakennus Lomarakennus 9 x N131 x HH145 Varjostus 1 h/a 8 h/a 20 h/a 0 0,5 1 1,5 km 2 SHADOW - Main Result Assumptions for shadow calculations
Uusia kokeellisia töitä opiskelijoiden tutkimustaitojen kehittämiseen
The acquisition of science competencies using ICT real time experiments COMBLAB Uusia kokeellisia töitä opiskelijoiden tutkimustaitojen kehittämiseen Project N. 517587-LLP-2011-ES-COMENIUS-CMP This project
SUOMEN SÄÄDÖSKOKOELMAN SOPIMUSSARJA ULKOVALTAIN KANSSA TEHDYT SOPIMUKSET
SUOMEN SÄÄDÖSKOKOELMAN SOPIMUSSARJA ULKOVALTAIN KANSSA TEHDYT SOPIMUKSET 2000 Julkaistu Helsingissä 20 päivänä syyskuuta 2000 N:o 55 SISÄLLYS N:o Sivu 55 Tasavallan presidentin asetus otsonikerrosta heikentäviä
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.8.579
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table 22.12.2014 11:33 / 1 Minimum
S SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA
S-55.00 SÄHKÖTKNKKA JA LKTONKKA. välikoe 3.0.2006. Saat vastata vain neljään tehtävään!. Laske jännite U. = =4Ω, 3 =2Ω, = =2V, J =2A, J 2 =3A + J 2 + J 3 2. Kondensaattori on aluksi varautunut jännitteeseen
SELL Student Games kansainvälinen opiskelijaurheilutapahtuma
SELL Student Games kansainvälinen opiskelijaurheilutapahtuma Painonnosto 13.5.2016 (kansallinen, CUP) Below in English Paikka: Nääshalli Näsijärvenkatu 8 33210 Tampere Alustava aikataulu: Punnitus 12:00-13:00
Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition)
Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition) Esko Jalkanen Click here if your download doesn"t start automatically Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition) Esko Jalkanen
Vastaa kysymyksiin ympyröimällä oikea vastausvaihtoehto.
Oulun yliopisto, OyKKK Mirjam Lehenkari 724207A RAHOIUSPÄÄÖKSE entti 2 (1. uusinta) 4.4.2016 entti koostuu 15 monivalinta- tai oikein/väärin tehtävästä. Jokaiseen tehtävään on ainoastaan yksi oikea (tai
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.9.269
Metsälamminkankaan tuulivoimapuiston osayleiskaava
VAALAN KUNTA TUULISAIMAA OY Metsälamminkankaan tuulivoimapuiston osayleiskaava Liite 3. Varjostusmallinnus FCG SUUNNITTELU JA TEKNIIKKA OY 12.5.2015 P25370 SHADOW - Main Result Assumptions for shadow calculations
Ohjelmointikielet ja -paradigmat 5op. Markus Norrena
Ohjelmointikielet ja -paradigmat 5op Markus Norrena Kotitehtävä 6, toteuttakaa alla olevan luokka ja attribuutit (muuttujat) Kotitehtävä 6, toteuttakaa alla olevan luokka ja attribuutit (muuttujat) Huom!
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table 5.11.2013 16:44 / 1 Minimum
S SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA
S-55.1100 SÄHKÖTKNIIKKA JA LKTONIIKKA 2. välikoe 14.12.2010. Saat vastata vain neljään tehtävään! Sallitut: Kako, (gr.) laskin, [MAOL], [sanakirjan käytöstä sovittava valvojan kanssa!] 1. Missä rajoissa
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.8.579
Ohjelmoinnin peruskurssien laaja oppimäärä
Ohjelmoinnin peruskurssien laaja oppimäärä Luento 8: Pienen ohjelmointikielen tulkki (ohjelmoitava laskin) (mm. SICP 4-4.1.5 osin) Riku Saikkonen 15. 11. 2012 Sisältö 1 Nelilaskintulkki, globaalit muuttujat
Choose Finland-Helsinki Valitse Finland-Helsinki
Write down the Temporary Application ID. If you do not manage to complete the form you can continue where you stopped with this ID no. Muista Temporary Application ID. Jos et onnistu täyttää lomake loppuun
( ( OX2 Perkkiö. Rakennuskanta. Varjostus. 9 x N131 x HH145
OX2 9 x N131 x HH145 Rakennuskanta Asuinrakennus Lomarakennus Liike- tai julkinen rakennus Teollinen rakennus Kirkko tai kirkollinen rak. Muu rakennus Allas Varjostus 1 h/a 8 h/a 20 h/a 0 0,5 1 1,5 2 km
,0 Yes ,0 120, ,8
SHADOW - Main Result Calculation: Alue 2 ( x 9 x HH120) TuuliSaimaa kaavaluonnos Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered
KÄYTTÖOHJE HLS 35. Versio 1.1 25.5.2010 1 (6) TOIMINTOKAAVIO
KÄYTTÖOHJE HLS 35 Versio 1.1 25.5.2010 1 (6) TOIMINTOKAAVIO HLS 35 säädin on suunniteltu erityisesti huonekohtaiseen lattialämmitys/jäähdytys käyttöön. Säätimen avulla on mahdollista hyödyntää lattiajäähdytystä
Ajettavat luokat: SM: S1 (25 aika-ajon nopeinta)
SUPERMOTO SM 2013 OULU Lisämääräys ja ohje Oulun Moottorikerho ry ja Oulun Formula K-125ry toivottaa SuperMoto kuljettajat osallistumaan SuperMoto SM 2013 Oulu osakilpailuun. Kilpailu ajetaan karting radalla
National Building Code of Finland, Part D1, Building Water Supply and Sewerage Systems, Regulations and guidelines 2007
National Building Code of Finland, Part D1, Building Water Supply and Sewerage Systems, Regulations and guidelines 2007 Chapter 2.4 Jukka Räisä 1 WATER PIPES PLACEMENT 2.4.1 Regulation Water pipe and its
ICS-C2000 Tietojenkäsittelyteoria Kevät 2016
ICS-C2000 Tietojenkäsittelyteoria Kevät 2016 Kierros 6, 22. 26. helmikuuta Huom: arviointiviikolla 15. 19.2. ei ole laskuharjoituksia! Demonstraatiotehtävien ratkaisut D1: (a) Osoita, että seuraava yhteydetön
Kertausta Talousmatematiikan perusteista Toinen välikoe
Kertausta Talousmatematiikan perusteista Toinen välikoe 1 Parametrit D Kysyntä (kpl/vuosi) h Yksikköylläpito-kustannus (euro/kpl/vuosi) K Tilauskustannus (euro) Tarkista aina yksiköiden yhteensopiminen
HARJOITUS- PAKETTI A
Logistiikka A35A00310 Tuotantotalouden perusteet HARJOITUS- PAKETTI A (6 pistettä) TUTA 19 Luento 3.Ennustaminen County General 1 piste The number of heart surgeries performed at County General Hospital
( ,5 1 1,5 2 km
Tuulivoimala Rakennukset Asuinrakennus Liikerak. tai Julkinen rak. Lomarakennus Teollinen rakennus Kirkollinen rakennus Varjostus "real case" h/a 1 h/a 8 h/a 20 h/a 4 5 3 1 2 6 7 8 9 10 0 0,5 1 1,5 2 km
WindPRO version joulu 2012 Printed/Page :47 / 1. SHADOW - Main Result
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.8.579
Ohjelmointi 1 C#, kevät 2013,
Ohjelmointi 1 C#, kevät 2013, 19.4.2013 (English versions of the questions can be requested from the supervisor. Englanninkieliset kysymykset saa pyytämällä tentin valvojalta.) Tentti (yliopisto opiskelijat)
Results on the new polydrug use questions in the Finnish TDI data
Results on the new polydrug use questions in the Finnish TDI data Multi-drug use, polydrug use and problematic polydrug use Martta Forsell, Finnish Focal Point 28/09/2015 Martta Forsell 1 28/09/2015 Esityksen
Ohjelmoinnin peruskurssien laaja oppimäärä
Ohjelmoinnin peruskurssien laaja oppimäärä Luento 8: Tulkki: proseduurit, abstrakti syntaksi, quote ja cond (mm. SICP 44.1.5 osin) Riku Saikkonen 15. 11. 2011 Sisältö 1 Argumentittomat proseduurit ja käyttöliittymä
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.8.579
Kon Konepajojen tuotannonohjaus: ILOG CPLEX Studion käyttö
Kon-15.4199 Konepajojen tuotannonohjaus: ILOG CPLEX Studion käyttö 22.1.2016 Harjoituksessa 1. Varmistetaan että kaikilla on pari! Ilmoittautukaa oodissa etukäteen! 2. Tutustutaan ensimmäiseen tehtävään
ReFuel 70 % Emission Reduction Using Renewable High Cetane Number Paraffinic Diesel Fuel. Kalle Lehto, Aalto-yliopisto 5.5.
ReFuel 70 % Emission Reduction Using Renewable High Cetane Number Paraffinic Diesel Fuel Kalle Lehto, Aalto-yliopisto 5.5.2011 Otaniemi ReFuel a three year research project (2009-2011) goal utilize the
Infrastruktuurin asemoituminen kansalliseen ja kansainväliseen kenttään Outi Ala-Honkola Tiedeasiantuntija
Infrastruktuurin asemoituminen kansalliseen ja kansainväliseen kenttään Outi Ala-Honkola Tiedeasiantuntija 1 Asemoitumisen kuvaus Hakemukset parantuneet viime vuodesta, mutta paneeli toivoi edelleen asemoitumisen
Laskennallisesti Älykkäät Järjestelmät. Sumean kmeans ja kmeans algoritmien vertailu
Laskennallisesti Älykkäät Järjestelmät Sumean kmeans ja kmeans algoritmien vertailu Annemari Auvinen (annauvi@st.jyu.fi) Anu Niemi (anniemi@st.jyu.fi) 28.5.2002 1 Tehtävän kuvaus Tehtävänämme oli verrata
TU-C2030 Operations Management Project. Introduction lecture November 2nd, 2016 Lotta Lundell, Rinna Toikka, Timo Seppälä
TU-C2030 Operations Management Project Introduction lecture November 2nd, 2016 Lotta Lundell, Rinna Toikka, Timo Seppälä Welcome to the course! Today s agenda Introduction to cases and schedule/ Timo Seppälä
Esimerkkitehtäviä, A-osa
Esimerkkitehtäviä, A-osa MAB1, harjaantuu käyttämään matematiikkaa jokapäiväisen elämän ongelmien ratkaisemisessa Jussi myy torilla marjoja. Erään asiakkaan ostokset maksavat 8,65e. Asiakas antaa Jussille
MALE ADULT FIBROBLAST LINE (82-6hTERT)
Double-stranded methylation patterns of a 104-bp L1 promoter in DNAs from male and female fibroblasts, male leukocytes and female lymphoblastoid cells using hairpin-bisulfite PCR. Fifteen L1 sequences
Gap-filling methods for CH 4 data
Gap-filling methods for CH 4 data Sigrid Dengel University of Helsinki Outline - Ecosystems known for CH 4 emissions; - Why is gap-filling of CH 4 data not as easy and straight forward as CO 2 ; - Gap-filling
Matemaattinen Analyysi
Vaasan yliopisto, kevät 2015 / ORMS1010 Matemaattinen Analyysi 7. harjoitus, viikko 17 R1 ma 16 18 D115 (20.4.) R2 ke 12 14 B209 (22.4.) 1. Määritä funktiolle f (x) 1 + 0,1x Taylorin sarja kehityskeskuksena
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.8.579
MRI-sovellukset. Ryhmän 6 LH:t (8.22 & 9.25)
MRI-sovellukset Ryhmän 6 LH:t (8.22 & 9.25) Ex. 8.22 Ex. 8.22 a) What kind of image artifact is present in image (b) Answer: The artifact in the image is aliasing artifact (phase aliasing) b) How did Joe
Määräaikaisen suojelusopimuksen optimaalinen pituus
1 Määräaikaisen suojelusopimuksen optimaalinen pituus Monimuotoisuustutkimuksen seminaari, Metla Vantaa 22.3.2012 2 Tutkijaryhmä Artti Juutinen (Metla, OY, Metsähallitus) Pasi Reunanen (JY) Mikko Mönkkönen
I. AES Rijndael. Rijndael - Internal Structure
I. AES Rndael NOKIA T-79.53 Additional material Oct 3/KN Rndael - Internal Structure Rndael is an iterated block cipher with variable length block and variable key size. The number of rounds is defined
Henkiset kilpailut / Cultural competitions
Ilmoittautuminen Australasian Suomalaisten Liiton (ASL) Suomi-Päivien kilpailuihin Registration for Australasian Federation of Finnish Societies and Clubs (AFFSC) Finnish Festival competitions (Huom. tekstaa
Nuku hyvin, pieni susi -????????????,?????????????????. Kaksikielinen satukirja (suomi - venäjä) (www.childrens-books-bilingual.com) (Finnish Edition)
Nuku hyvin, pieni susi -????????????,?????????????????. Kaksikielinen satukirja (suomi - venäjä) (www.childrens-books-bilingual.com) (Finnish Edition) Click here if your download doesn"t start automatically
Miksi Suomi on Suomi (Finnish Edition)
Miksi Suomi on Suomi (Finnish Edition) Tommi Uschanov Click here if your download doesn"t start automatically Miksi Suomi on Suomi (Finnish Edition) Tommi Uschanov Miksi Suomi on Suomi (Finnish Edition)
Talousmatematiikan perusteet
kevät 19 / orms.30 Talousmatematiikan perusteet 8. harjoitus, viikko 11 (11.03..03.19) L Ma 12 A2 R0 Ti 14 16 F43 R01 Ma 12 14 F43 L To 08 A2 R02 Ma 16 18 F43 R06 To 12 14 F140 R03 Ti 08 F42 R07 Pe 08
LP-mallit, L19. Aiheet. Yleistä, LP-malleista. Esimerkki, Giapetto. Graafisen ratkaisun vaiheet. Optimin olemassaolo
LP-mallit, L19 Yleistä 1 LP-mallit on yksi Operaatioanalyysin (Operations Research) perustyökaluista. Perusongelma: Miten pitää suorittaa operaatio mahdollisimman hyvin, kun käytettävissä on rajalliset
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.8.579
TM ETRS-TM35FIN-ETRS89 WTG
SHADOW - Main Result Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please look in WTG table WindPRO version 2.8.579
21~--~--~r--1~~--~--~~r--1~
- K.Loberg FYSE420 DIGITAL ELECTRONICS 13.05.2011 1. Toteuta alla esitetyn sekvenssin tuottava asynkroninen pun. Anna heratefunktiot, siirtotaulukko ja kokonaistilataulukko ( exitation functions, transition
TM ETRS-TM35FIN-ETRS89 WTG
VE1 SHADOW - Main Result Calculation: 8 x Nordex N131 x HH145m Assumptions for shadow calculations Maximum distance for influence Calculate only when more than 20 % of sun is covered by the blade Please
FETAL FIBROBLASTS, PASSAGE 10
Double-stranded methylation patterns of a 104-bp L1 promoter in DNAs from fetal fibroblast passages 10, 14, 17, and 22 using barcoded hairpinbisulfite PCR. Fifteen L1 sequences were analyzed for passages