Helsinki University of Technology
|
|
|
- Liisa Hänninen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Helsiki Uiversity of Techology Laboratory of Telecommuicatios Techology S-38. Sigaalikäsittely tietoliiketeessä I Sigal Processig i Commuicatios ( ov) Syksy Lueto: Kaava kapasiteetti ja ODM prof. Timo Laakso Vastaaotto torstaisi klo 0- Huoe G0, puh Sähköposti: timo.laakso@hut.fi Notaatiosta Merkitää ei-egatiivise reaaliarvoise fuktio aritmeettista keskiarvoa: f f ( x) dx (. ) AX, X 0 3 X missä itseisarvo o jouko X kokoaismitta (yl. itegroitiväli pituus). Vastaavasti määritellää geometrie keskiarvo: f exp log e[ f ( x) ] dx (. ), X 0 4 X GX Voidaa osoittaa, että aia pätee f f ( 0. 7),, G X A X /4/97 Teletekiika laboratorio Sivu
2 ISI ja kaava kapasiteetti (LM 0.5) Aikaaa todettii jatkuva-aikaise kaistarajoitetu Gaussi kaava kapasiteetiksi C Wlog ( + SNR) bit/s missä W o (yksipuolie) kaistaleveys ja SNR o keskimääräise sigaaliteho ja kohiateho suhde. Tulos pätee kuiteki vai olettae, että kohia o taajuussisällöltää valkoista (kaistalla W) kaava ei aiheuta taajuusselektiivistä vaimeusta (josta seuraa ISIä!) Seuraavaksi tarkastellaa yleistä lieaarista kaavaa värillisessä Gaussi kohiassa. Tämä tulos o tärkeä, sillä se kertoo rajat adaptiiviste korjaimie suorituskyvylle. /4/97 Teletekiika laboratorio Sivu 3 Vedekaatoteoreema (LM 0.5.) Tarkastellaa Kuva 0-9 lieaarista jatkuva-aikaista kaavamallia: x(t) H(jπf) Σ y(t) (t) Otetaa kaavasta kapea taajuussiivu f taajuudelta f 0. Merkitää: S x (jπ f 0 ) sigaali tehospektri taajuudella f 0 S (jπ f 0 ) kohia tehospektri taajuudella f 0 H(jπ f 0 ) kaava vaste taajuudella f 0 /4/97 Teletekiika laboratorio Sivu 4
3 ...Vedekaatoteoreema Oletetaa lisäksi että kokoaisteho P s o rajoitettu. Lähetyssigaali x(t) spektri S x (jπ f 0 ) halutaa valita ii että saavutetaa maksimikapasiteetti. Koska kapea taajuussiivu voidaa olettaa valkoise Gaussi kohia kaavaksi, siivu kapasiteetiksi saadaa Sx( j f ) H( j f ) f C( j f ) f log π 0 π 0 π 0 + S( jπf0) f Sx( jπf0) H( jπf0) f log + ( 006. ) S ( jπf ) 0 /4/97 Teletekiika laboratorio Sivu 5...Vedekaatoteoreema Raja-arvoprosessilla ja itegroimalla koko taajuusaluee yli saadaa kokoaiskapasiteetti: Sx ( jπf ) H( jπf ) C log + df 0 S ( jπf ) Sx H log + df ( 007. ) S Määritetää yt optimaalie sigaali tehospektri site että kapasiteetti maksimoituu. Kokoaisteho o rajoitettu (ja positiivie!): Ps Sxdf, Sx > 0 ( 008. ) /4/97 Teletekiika laboratorio Sivu 6
4 ...Vedekaatoteoreema Rajoitettu optimoitiprobleema voidaa muotoilla Lagrage kertoja avulla seuraavasti: Maksimoidaa fuktio ( ) gs ( x, λ) log + Sx H / S df+ λ Ps Sdf x [ ( ) λ ] log + S H / S S df + λp ( 009. ) x x s Optimi löytyy derivaattoje ollakohdasta: g S l + S H / S H S x x g Ps Sxdf λ 0 λ df 0 /4/97 Teletekiika laboratorio Sivu 7...Vedekaatoteoreema Ratkaisu saadaa muotoo S L, f Sx H 0, muutoi ( 00. ) missä L /lλ (kirjassa paiovirhe!) valitaa kokoaisteho P s mukaa ja o se taajuusalue jossa saatu S x o positiivie. Tätä tulosta havaiollistaa Kuva 0-0: S ( N jπf ) H( jπf ) L Area P s /4/97 Teletekiika laboratorio Sivu 8 f
5 ...Vedekaatoteoreema Kuvassa o esitetty kaava amplitudivasteella ormalisoitu kohia tehospektri Kuvasta ähdää että lähetystehoa kaattaa käyttää eite taajuuksilla joissa kohiatehotiheys o piei kaava vaste o suuri (piei vaimeus) Kokoaisteho saadaa itegroimalla L: ja ormalisoidu spektri välie alue: Ps Sxdf L S H df /4/97 Teletekiika laboratorio Sivu 9 Kapasiteetti ja keskiarvot (LM 0.5.3) Edellä johdetuissa kaavoissa jäi ratkaisematta Lagrage kertoja λ (tai siitä riippuva parametri L) jotka riippuvat kokoaistehosta. Se ratkaistaa seuraavaksi. Näi kapasiteetti saadaa pelkästää kaavaparametreista riippuvaa muotoo. Kaavasta (0.0) saadaa itegroimalla Ps Sdf L S x H S L S / H ( 09. ) x A df A /4/97 Teletekiika laboratorio Sivu 0
6 ...Kapasiteetti ja keskiarvot Sijoittamalla tämä kapasiteeti lausekkeesee (0.9) saadaa C log + L S H H S df LH log df ( 030. ) S ja edellee käyttämällä geometrise keskiarvo omiaisuutta log H log ( Hdf ) ( 0. 5) G /4/97 Teletekiika laboratorio Sivu...Kapasiteetti ja keskiarvot Saadaa LH L C log log S S H G / Ratkaistaa L (0.9):stä ja sijoitetaa C Ps / + S / H log S / H G A G bit / s ( 03. ) ( 03. ) Tämä o yleie lieaarise kaava kapasiteetti joka sisältää siis myös ISI vaikutukse. Se kertoo, mihi asti adaptiivisilla korjaimilla, kaavakoodauksella yms. kosteilla voidaa kaava kapasiteettia korkeitaa ostaa. /4/97 Teletekiika laboratorio Sivu
7 Esimerkki 0-6 Ku kohia S N 0 o valkoista, kapasiteetiksi saadaa missä C SNR + H A log bit / s (0.33) H G ( ) SNR P / N0 S Edellee, jos kaava o H, kaava redusoituu Shaoi perusmuotoo C SNR + log Wlog( + SNR) bit / s missä W o kaksipuolie kaistaleveys. /4/97 Teletekiika laboratorio Sivu 3 Esimerkki: IR- ja IIR-kaava kapasiteetti. Tarkastellaa. astee diskreettiä kaavamallia joka sisältää joko yhde olla tai ava joka säde o c Vastaava kaava kapasiteetti eri sigaalikohiasuhteilla (valkoista Gaussi kohiaa) äkyy Kuvissa 0-4 ja 0-5. Miltäs äyttää? Mistä erot johtuvat? Capacity 0 Ideal Capacity 0 Ideal 5 ISI 5 ISI 0 0 SNR (db) SNR (db) Kuva 0-4: IR-kaava Kuva 0-5: IIR-kaava /4/97 Teletekiika laboratorio Sivu 4
8 ODM-järjestelmät Yksi tapa käyttää tehokkaasti lieaarista kaavaa o s. ODM-tekiikka (Orthogoal requecy Divisio Multiplex) joka o moikatoaaltojärjestelmä. Seuraavassa johdetaa esi yleie korrelaattorivastaaotirakee ortogoaalisille moipulssijärjestelmille ja sitte tarkastellaa ODM: toteutusta erikoistapauksea. /4/97 Teletekiika laboratorio Sivu 5 Sovitettu suodi ja korrelaattori Vastaaottosuotime ja äytteeoto lähtösigaali: q0 y( τ) f ( t τ) dτ 0 y( τ) f ( τ) dτ ( 69. ) t Ku vastaaottosuodi o sovitettu, f(t) h(-t), saadaa q0 y( τ) h( τ) dτ joka voidaa toteuttaa korrelaatioraketeella. Tätä korrelaatiovastaaottime ideaa voidaa soveltaa moissa käytäö järjestelmissä jotka perustuvat usea lähetyspulssi käyttöö (mm. hajaspektri- ja moikatoaaltojärjestelmät). /4/97 Teletekiika laboratorio Sivu 6
9 Ortogoaalie moipulssimodulaatio Pulssiamplitudimodulaatiossa symbolit kerrotaa yhdellä valitulla pulssimuodolla g(t) ja lähetetää kaavaa yksi kerrallaa: st () agt k ( kt) (. 6) k Tämä voidaa yleistää tapauksee jossa kutaki N symbolia vastaa oma pulssimuoto, g (t), 0,,.., N-: st () ga ( t kt) (. 63) k k /4/97 Teletekiika laboratorio Sivu 7...Ortogoaalie moipulssimodulaatio Jotta pulssit ovat erotettavissa vastaaottimessa, vaaditaa ortogoaalisuus (+ ormalisoidaa tehot): saadaa ortogoaalie moipulssimodulaatio: gi() t gj *() t dt σδ g i j (. 64) /4/97 Teletekiika laboratorio Sivu 8
10 Korrelaatiovastaaoti moipulssimodulaatiolle Kuva 6-35: r(t) X h 0 (t) X h (t) X h N- (t) /4/97 Teletekiika laboratorio Sivu 9 K 0 K K N- Tarkastellaa järjestelmää jossa lähetetää yksi N pulssista, h (t) 0,,, N-, jotka ovat ortogoaalisia, eli Select largest hi() t hj *() t dt σ hδi j (. 68) ^...Korrelaatiovastaaoti moipulssimodulaatiolle Vastaaotettu sigaali o siis muotoa yt () h() t + t () (. 69) Korrelaatiovastaaoti muodostaa N ristikorrelaatiotermiä K h() tytdt () h() th() tdt+ h() ttdt () (. 60) i i i i Ortogoaalisuusehdo mukaa vai K poikkeaa kohiasta. /4/97 Teletekiika laboratorio Sivu 0
11 CDMA-järjestelmä Code Divisio Multiple Access (CDMA) eli koodijakomoikäyttöjärjestelmä Perustuu ortogoaalisii (tai lähes) biäärisekvesseihi Eri käyttäjät käyttävät samaa taajuusaluetta (esim. kuparijohtoa, koaksiaalikaapelia, radio- tai optista kaavaa - jopa siirtoa sähköverkossa o tutkittu!) Lähettime periaate (Kuva 6-56): Bits Coder a k,0 g 0 (t) Bits Coder a k, g (t) Σ s(t) Bits Coder a k,n- g N- (t) /4/97 Teletekiika laboratorio Sivu Moikatoaaltojärjestelmät Orthogoal requecy Divisio Multiplex (ODM), Discrete Multitoe (DMT) Valitaa pulssimuodot seuraavasti: g t T e j t () ω c w () t (. 667) missä w(t) o symboli mittaie suorakaide ja taajuudet valitaa ω c π, 0,,..., N ( 668. ) T /4/97 Teletekiika laboratorio Sivu
12 Diskreettiaikaie toteutus: g...moikatoaaltojärjestelmät N e π w N k, 0,,..., ( 670. ) ( ) j k/ N k Tässä yksi symboli o N äyttee pituie. Yksi pulssi saadaa symboliarvoilla paiotettua kombiaatioa: s ( ) k N N 0 jπk/ N a e w 0, k ( 67. ) /4/97 Teletekiika laboratorio Sivu 3...Moikatoaaltojärjestelmät Lähettime toteutus IT: avulla (Kuva 6-54) a 0,0 s 0 K 0 IT T a 0,N- s N- K N- a 0, s k p k Σ r k q a^ k /4/97 Teletekiika laboratorio Sivu 4
13 ...Moikatoaaltojärjestelmät Vastaaoti: Korrelaatiopakki T:llä Vastaaotetut äytteet muotoa rk sk + zk ( 673. ) Yhde korrelaattori lasketa: jπ ik/ N K r e, i,,..., N ( 674. ) i N 0 k /4/97 Teletekiika laboratorio Sivu 5 Moikatoaaltojärjestelmä etuja Kulleki katoaallolle voidaa valita oma aakkosto Sigaali tehospektri säädettävissä katoaalloittai kaava mukaa (kapasiteeti maksimoiti!) Moikäyttö: kaavia voidaa jakaa joustavasti eri käyttäjille esim. radiojärjestelmissä Kaava ekvalisoiti helppoa /4/97 Teletekiika laboratorio Sivu 6
Helsinki University of Technology Laboratory of Telecommunications Technology
Helsii Uiversity of Techology Laboratory of Telecommuicatios Techology S-38. Sigaaliäsittely tietoliieteessä I Sigal Processig i Commuicatios ( ov) Sysy 998 9. Lueto: Kaava apasiteetti ja ODM prof. Timo
Helsinki University of Technology
Helsiki Uiversity of Tecology Laboratory of Telecommuicatios Tecology S-38. Sigaalikäsittely tietoliiketeessä I Sigal Processig i Commuicatios ( ov) Syksy 997 4. Lueto: Kaavakorjaimet I prof. Timo Laakso
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
Helsinki University of Technology
Helsinki University of Technology Laboratory of Telecommunications Technology S-38.11 Signaalinkäsittely tietoliikenteessä I Signal Processing in Communications ( ov) Syksy 1997. Luento: Pulssinmuokkaussuodatus
Solmu 3/2010 1. toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)
![Solmu 3/2010 1. toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)](/thumbs/39/18474355.jpg "Solmu 3/2010 1. toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)")
Solmu 3/200 Epäyhtälöistä, osa 2 Markku Halmetoja Mätä lukio Välillä I määriteltyä fuktiota saotaa koveksiksi, jos se kuvaaja o alaspäi kupera, eli jos kuvaaja mitkä tahasa kaksi pistettä yhdistävä jaa
Digitaalinen signaalinkäsittely Signaalit, jonot
Digitaalie sigaalikäsittely Sigaalit, joot Teemu Saarelaie, teemu.saarelaie@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Sigal Processig: A Practical Approach H.Huttue, Sigaalikäsittely meetelmät, Opitomoiste,
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
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.
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.
Noora Nieminen. Hölderin epäyhtälö
Noora Niemie Hölderi epäyhtälö Matematiika aie Turu yliopisto 4. huhtikuuta 2008 Sisältö 1 Johdato 1 2 Cauchy-Schwarzi epäyhtälö 2 2.1 Cauchy-Schwarzi epäyhtälö todistus............. 2 2.2 Aritmeettis-geometrise
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 +
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 +
Helsinki University of Technology Laboratory of Telecommunications Technology
Helsii Uiversity of Tecology Laboratory of Telecommuicatios Tecology S-38. Sigaaliäsittely tietoliieteessä I Sigal Processig i Commuicatios ( ov) Sysy 998 4. Lueto: Kaavaorjaimet I prof. Timo Laaso Vastaaotto
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
5. Lineaarisen optimoinnin perusprobleemat
2 5. Lieaarise optimoii perusprobleemat Optimoitiprobleema o lieaarise optimoii tehtävä, jos kohdefuktio o lieaarie fuktio ja rajoitusehdot ovat lieaarisia yhtälöitä tai lieaarisia epäyhtälöitä. Yleisessä
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
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
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
Määritä seuraavien suodattimien impulssivasteet ja tutki, ovatko ne kausaaleja:
TL56, Näytejoosysteemit (K5). Kausaali suodati käyttää laskeassaa vai ykyisiä ja aiempia ajaetkiä (= pieemmillä ideksiarvoilla) mitattuja tai laskettuja sigaaliarvoja, jotka suodati lukee muistista. Kausaalisuus
ELEC-C7230 Tietoliikenteen siirtomenetelmät
ELEC-C7230 Tietoliikenteen siirtomenetelmät Laskuharjoitus 8 - ratkaisut 1. Tehtävässä on taustalla ajatus kantoaaltomodulaatiosta, jossa on I- ja Q-haarat, ja joka voidaan kuvata kompleksiarvoisena kantataajuussignaalina.
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
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
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
A B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df)
ELEC-A7 Signaalit ja järjestelmät Syksy 5 Tehtävä 3. a) Suoran tapauksessa ratkaistaan kaksi tuntematonta termiä, A ja B, joten tarvitaan kaksi pistettä, jotka ovat pisteet t = ja t =.. Saadaan yhtälöpari
S Elektroniset mittaukset ja elektroniikan häiriökysymykset 2 ov. Kurssin aihealue
S-108.180 Elektroiset mittaukset ja elektroiika häiriökysymykset ov Kurssi aihealue Kurssi suorittamie Hyväksytty tetti (määrää arvosaa), 5 tehtävää Hyväksytysti suoritetut labrat, 4 kpl Mittausvahvistimet
Numeeriset menetelmät
Numeeriset menetelmät Luento 13 Ti 18.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 13 Ti 18.10.2011 p. 1/43 p. 1/43 Nopeat Fourier-muunnokset Fourier-sarja: Jaksollisen funktion esitys
EPÄKOHERENTIT BINÄÄRISET MODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET
EPÄKOHERENTIT BINÄÄRISET MODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET Mite epäkoheettius vaikuttaa suoituskykyy ja jäjestelmä toteutettavuutee? 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5 DIFFERENTIAALINEN
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 +...
Diskreettiaikainen dynaaminen optimointi
Diskreettiaikainen dynaaminen optimointi Usean kauden tapaus 2 kauden yleistys Ääretön loppuaika Optimaalinen pysäytys Optimointiopin seminaari - Syksy 2000 / Ongelma t 0 x 0 t- t T x t- + x t + x T u
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
Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018
Aalyysi A Harjoitustehtäviä lukuu / kevät 208 Ellei toisi maiita, tehtävissä esiityvät muuttujat ja vakiot ovat mielivaltaisia reaalilukuja.. Aa joki ylä- ja alaraja joukoille { x R x 2 + x 6 ja B = {
Laaja matematiikka 2 Kertaustehtäviä Viikko 17/ 2005
7303045 Laaja matematiikka Kertaustehtäviä Viikko 7/ 005 Tehtävät ovat Laaja matematiikka : ja : alueelta olevia etisiä välikoe- ja tettitehtäviä. Alkupää tehtävät liittyvät yleesä kurssii ja loppupää
j = I A = 108 A m 2. (1) u kg m m 3, (2) v =
764A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 6 Kevät 28. Tehtävä: Aiemmi olemme laskeeet kupari johtavuuselektroie tiheydeksi 8.5 28 m. Kuparijohdossa, joka poikkipita-ala o mm 2, kulkee A: virta. Arvioi Drude
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
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
IIR-suodattimissa ongelmat korostuvat, koska takaisinkytkennästä seuraa virheiden kertautuminen ja joissakin tapauksissa myös vahvistuminen.
TL536DSK-algoritmit (J. Laitinen)..5 Välikoe, ratkaisut Millaisia ongelmia kvantisointi aiheuttaa signaalinkäsittelyssä? Miksi ongelmat korostuvat IIR-suodatinten tapauksessa? Tarkastellaan Hz taajuista
BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 11 Kari Kärkkäinen Syksy 2015
BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS 536A Tietoliienneteniia II Osa Kari Käräinen Sysy 5 Kantataajuusjärjestelmä lähettää ±A -tasoisia symboleita T:n välein. Optimaalinen vastaanotin
Signaalit ja järjestelmät aika- ja taajuusalueissa
Signaalit ja järjestelmät aika- ja taajuusalueissa Signaalit aika ja taajuusalueissa Muunnokset aika ja taajuusalueiden välillä Fourier sarja (jaksollinen signaali) Fourier muunnos (jaksoton signaali)
SIGNAALITEORIAN KERTAUSTA 1
SIGNAALITEORIAN KERTAUSTA 1 1 (26) Fourier-muunnos ja jatkuva spektri Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka esittäminen graafisesti edellyttää 3D-kuvaajan piirtämisen. Yleensä
9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.
Vaasa yliopisto julkaisuja 225 U = 0.1213-0.9359-0.3307-0.1005-0.3430 0.9339 0.9875 0.0801 0.1357 S = V = >> 4.5221 0 0 0 2.2793 0 0 0 1.1642 0.0537-0.8212-0.5681 0.4414-0.4908 0.7512 0.8957 0.2911-0.3361
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
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
2 avulla. Derivaatta on nolla, kun. g( 3) = ( 3) 2 ( 3) 5 ( 3) + 6 ( 3) = 72 > 0. x =
TAMMI PYRAMIDI NUMEERISIA JA ALGEBRALLISIA MENETELMIÄ PARITTOMAT RATKAISUT 7 Tiedosto vai hekilökohtaisee käyttöö. Kaikelaie sisällö kopioiti kielletty. a) g( ) = 5 + 6 Koska g o eljäe astee polyomi, ii
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
Satunnaismuuttujien muunnokset ja niiden jakaumat
Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja
IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n
IV. TASAINEN SUPPENEMINEN IV.. Funktiojonon tasainen suppeneminen Olkoon A R joukko ja f n : A R funktio, n =, 2, 3,..., jolloin jokaisella x A muodostuu lukujono f x, f 2 x,.... Jos tämä jono suppenee
Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.
MATEMATIIKAN JA TILASTOTIETEEN LAITOS Aalyysi I Harjoitus 5. 0. 2009 alkavalle viikolle Ratkaisuehdotuksia ( sivua) (Rami Luisto) Laskuharjoituksista saa pistettä, jos laskettu vähitää 50 tehtävää; 3 pistettä,
e ax, kun x > 0 f(x) = 0, kun x < 0, 0, kun x > 0 e ax, kun x < 0 e (a iω)x dx = a+iω = 1 a 2 +ω 2. e ax, x > 0 e ax, x < 0,
Harjoitus 5 1. Olkoot a > 0. Laske vaimenevan pulssin e ax, kun x > 0 fx) = 0, kun x < 0, ja voimistuvan pulssin gx) = konvoluution g f Fourier-muunnos. 0, kun x > 0 e ax, kun x < 0 apa 1: Konvoluution
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
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
N:o 294 2641. Liite 1. Staattisen magneettikentän (0 Hz) vuontiheyden suositusarvo.
N:o 94 641 Liite 1. Staattise mageettiketä (0 Hz) vuotiheyde suositusarvo. Altistumie Koko keho (jatkuva) Mageettivuo tiheys 40 mt Tauluko selityksiä Suositusarvoa pieemmätki mageettivuo tiheydet saattavat
1. Oletetaan, että protonin ja elektronin välinen vetovoima on verrannollinen suureeseen r eikä etäisyyden neliön käänteisarvoon
S-.6 Fysiikka IV (Sf) Tetti 6.5.5 I välikokee alue. Oletetaa, että protoi ja elektroi välie vetovoima o verraollie suureesee r ( F kr) eikä etäisyyde eliö kääteisarvoo ( F k/ r ). Käytä kulmaliikemäärä
λ x = 0,100 nm, Eγ = 0,662 MeV, θ = 90. λ λ+ λ missä ave tarkoittaa aikakeskiarvoa.
S-114.46 Fysiikka V (Sf) Tetti 16.5.00 välikokee alue 1. Oletetaa, että protoi ja elektroi välie vetovoia o verraollie suureesee r ( F =- kr) eikä etäisyyde eliö kääteisarvoo ( F =-k / r ). Käytä kulaliikeäärä
Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1
Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat
Helsinki University of Technology
Helsinki University of Technology Laboratory of Telecommunications Technology S38.211 Signaalinkäsittely tietoliikenteessä I Signal Processing in Communications (2 ov) Syksy 1997 8. Luento: Kaiunpoisto
Esimerkki 1 Ratkaise differentiaaliyhtälö
Esimerkki 1 Ratkaise differentiaaliyhtälö x 2 y xy =1/x. 1 / K. Tuominen kimmo.i.tuominen@helsinki.fi MApu II 1/20 20 Esimerkki 2 Ratkaise differentiaaliyhtälö x(ln y)y y ln x =0. 2 / K. Tuominen kimmo.i.tuominen@helsinki.fi
Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:
Differentiaaliyhtälöt, Kesä 216 Harjoitus 2 1. Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia: (a) y = (2 y) 3, (b) y = (y 1) 2, (c) y = 2y y 2. 2. Etsi seuraavien
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.
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
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
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1
Luento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..006 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
W Hz. kohinageneraattori. H(f) W Hz. W Hz. ELEC-A7200 Signaalit ja järjestelmät Laskuharjoitukset. LASKUHARJOITUS 5 Sivu 1/7
ELEC-A700 LASKUHARJOIUS 5 Svu /7. Satunnassgnaaln x ( t ) keskarvo on V ja keskhajonta 4 V. Mttaukslla on todettu, että x ( t ) ja x ( t + τ ) ovat rppumattoma, kun τ 5µ s. Lsäks tedetään, että x ( t )
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:
F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:
BMA57 - INTEGRAALIMUUNNOKSET Harjoitus, viikko 46/5 Fourier-integraali: f(x) A() π B() π [A() cos x + B() sin x]d, () Fourier-muunnos ja käänteismuunnos: f(t) cos tdt, () f(t) sin tdt. (3) F {f(t)} ˆf()
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
Mat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle.
Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 9 1. Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle. Tilayhtälö on x k+1 = f k (x k, u k ), k = 1,..., N 1 alkuehdolla
ja läpäisyaika lasketaan (esim) integraalilla (5.3.1), missä nyt reitti s on z-akselilla:
10 a) Valo opeus levyssä o vakio v 0 = c / 0, jote ajaksi matkalla L laskemme L t0 = = 0 L. v0 c b) Valo opeus levyssä riippuu z:sta: c c v ( z) = = ( z ) 0 (1 + 3az 3 ) ja läpäisyaika lasketaa (esim)
1 Eksponenttifunktion määritelmä
Ekspoettifuktio määritelmä Selvitimme aikaisemmi tällä kurssilla, millaie potessisarja säilyy derivoiissa muuttumattomaa. Se perusteella määritellää: Määritelmä. Ekspoettifuktio exp : R R määritellää lausekkeella
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
8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa
8 Potenssisarjoista 8. Määritelmä Olkoot a 0, a, a 2,... reaalisia vakioita ja c R. Määritelmä 8.. Muotoa a 0 + a (x c) + a 2 (x c) 2 + olevaa sarjaa sanotaan c-keskiseksi potenssisarjaksi. Selvästi jokainen
1 Vastaa seuraaviin. b) Taajuusvasteen
Vastaa seuraaviin a) Miten määritetään digitaalisen suodattimen taajuusvaste sekä amplitudi- ja vaihespektri? Tässä riittää sanallinen kuvaus. b) Miten viivästys vaikuttaa signaalin amplitudi- ja vaihespektriin?
Mat Lineaarinen ohjelmointi
Mat-2.340 Lieaarie ohjelmoiti 20.9.2007 Lueto 2 Lieaarialgebraa ja geometriaa (kirja.5, 2.) S ysteemiaalyysi Tekillie korkeakoulu Lieaarie ohjelmoiti - Syksy 2007 / Lieaarialgebraa Notaatiota Kääteismatriisi
Harjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt.
![Harjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt.](/thumbs/95/125776102.jpg "Harjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt.")
Harjoitus Malliratkaisut Tehtävä L[f(t)] ˆ f(t) e (t α) cos(ω t + β) f(t)e st dt ˆ e st t+α cos(ω t + β)dt cos(ω t + β) 2 (ej(ωt+β) + e j(ωt+β) ) L[f(t)] 2 eα 2 ˆ ˆ e st t+α (e j(ω t+β) + e j(ω t+β) )
Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 18 Harjoitus 6 Ratkaisuehdotukset Tehtävä 1. Osoita, että sileille Jordan-poluille on voimassa : I R n ja : J R n (I) = (J) jos ja vain
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
2 u = 0. j=1. x 2 j=1. Siis funktio v saavuttaa suurimman arvonsa jossakin alueen Ω pisteessä x. Pisteessä x = x on 2 v. (x ) 0.
0. Maksimiperiaate Laplace-yhtälölle 0.. Maksimiperiaate. Alueessa Ω R määritelty kaksi kertaa erivoituva fuktio u o harmoie, jos u = j= = 0. 2 u x 2 j Lause 0.. Olkoot Ω R rajoitettu alue ja u C(Ω) C
Kirjoitetaan FIR-suotimen differenssiyhtälö (= suodatuksen määrittelevä kaava):
TL536, DSK-algoritmit (S4) Harjoitus. Olkoo x(t) = cos(πt)+cos(8πt). a) Poimi sigaalista x äytepisteitä taajuudella f s = 8 Hz. Suodata äi saamasi äytejoo x[] FIR-suotimella, joka suodikertoimet ovat a
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu
Epäyhtälöoppia matematiikkaolympialaisten tehtäviin
Epäyhtälöoppia matematiikkaolympialaiste tehtävii Jari Lappalaie 1999 Epäyhtälöitä reaaliluvuille Cauchy epäyhtälö Kaikille reaaliluvuille a 1,a,...,a ja b 1,b,...,b pätee Cauchy epäyhtälö (a 1 b 1 + a
min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4
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
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
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
Kohinan ominaisuuksia
Kohia omiaisuuksia Kohiamekaismit Termie kohia Raekohia 1/f kohia (Kvatisoitikohia) Kohia käsittely Kohialähteide yhteisvaikutus Kohiakaistaleveys Sigaali-kohia suhde Kohialuku Kohialämpötila 1 Kohia omiaisuuksia
Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia
Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia { z(t k+1 ) = z(t k ) + ɛ(t k ) t t k+1 = t k + t, k = 0,..., N, missä ɛ(t i ), ɛ(t j ), i j ovat toisistaan riippumattomia siten, että
Rekursioyhtälön ratkaisu ja anisogamia
Rekursioyhtälö ratkaisu ja aisogamia Eeva Vilkkumaa.0.2008 Rekursioyhtälö ratkaisu (Liite I) Edellie esitelmä: +/m -koiraide (p) ja -aaraide (P) osuus populaatiossa kehittyy rekursiivisesti: p P + + a
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,
y + 4y = 0 (1) λ = 0
Matematiikan ja tilastotieteen osasto/hy Differentiaaliyhtälöt I Laskuharjoitus 6 mallit Kevät 2019 Tehtävä 1. Ratkaise yhtälöt a) y + 4y = x 2, b) y + 4y = 3e x. Ratkaisu: a) Differentiaaliyhtälön yleinen
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
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
117 = 27 + (11 1) d = 90 :10. Yhdeksäs termi a. Vastaus: Yhdeksäs jäsen on 99.
a = a+ ( ) d a = 7, a = 7, = 7 = 7 + ( ) d 0d = 90 :0 d = 9 Yhdeksäs termi a 9 = 7 + (9 ) 9 = 99 Vastaus: Yhdeksäs jäse o 99. 0. Aritmeettisesta lukujoosta tiedetää, että S =. Mikä o lukujoo 7. ja :s jäse?
Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /
MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,
S Signaalit ja järjestelmät
dsfsdfs S-72.1110 Työ 2 Ryhmä 123: Tiina Teekkari EST 12345A Teemu Teekkari TLT 56789B Selostus laadittu 1.1.2007 Laboratoriotyön suoritusaika 31.12.2007 klo 08:15 11:00 Esiselostuksen laadintaohje Täytä
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.
Laplace-muunnos: määritelmä
Laplace-muunnos: määritelmä Olkoon f : [, [ R funktio. Funktion f Laplacen muunnos määritellään yhtälöllä F(s) = L(f) := f(t)e st dt edellyttäen, että integraali f(t)e st dt suppenee. Riittävä ehto integraalin
Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat
Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat Tommi Sottinen, Helsingin yliopisto Yhteistyössä C. Bender, TU Braunschweig E. Valkeila, Teknillinen korkeakoulu 10. lokakuuta 2006
Petri Kärhä 04/02/04. Luento 2: Kohina mittauksissa
Kohinan ominaisuuksia Kohinamekanismit Terminen kohina Raekohina 1/f kohina (Kvantisointikohina) Kohinan käsittely Kohinakaistanleveys Kohinalähteiden yhteisvaikutus Signaali-kohina suhde Kohinaluku Kohinalämpötila
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,