Paretoratkaisujen visualisointi. Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L
|
|
- Risto Hakola
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Paretoratkaisujen visualisointi Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L
2 1. Johdanto Monitavoiteoptimointitehtävät ovat usein laajuutensa takia vaikeasti hahmotettavia kokonaisuuksia. Kun kohdefunktioita on useita, niiden keskinäisiä suhteita voi olla vaikea ymmärtää ilman visuaalisia apukeinoja. Tässä esitetyt menetelmät soveltuvat kukin hieman erilaisiin tarkoituksiin ja niinpä voidaankin sanoa että visualisoinnista saadaan suurin hyöty jos käytetään saman datan visualisointiin useampaa menetelmää rinnakkain. Esitys perustuu suurelta osin Kaisa Miettisen kirjaan Nonlinear Multiobjective Optimization [1]. 2. Paretoratkaisujen joukon visualisointi Kun kohdefunktioita on useita, tehtävän Paretojoukon piirtäminen vaatii hieman mielikuvitusta. Kahden kohdefunktion tapauksessahan piirto voidaan tehdä tasoon. Jos kohdefunktioita on kolme tai useampia, joudutaan käyttämään erilaisia menetelmiä, koska käytännössä halutaan yleensä saada aikaan kaksiulotteisia kaavioita. Kolmen kohdefunktion tapauksessa voidaan piirto tehdä projisoimalla kohdefunktioiden arvot tasoon. Tämä tapa tuottaa kuitenkin vaikeasti tulkittavia tuloksia. Toinen tapa on tehdä kaksiulotteisia piirtoja asettaen kolmannen kohdefunktion arvon kiinteäksi. Tätä menetelmää sovelletaan mm. päätöskarttamenetelmässä [2]. 3. Ratkaisuvaihtoehtojen visualisointi Monitavoitetehtävää ratkaistaessa saadaan yleensä suuri määrä vaihtoehtoisia ratkaisuja, joista päätöksentekijän tulisi valita paras mahdollinen. Valintaprosessia voidaan yrittää helpottaa visualisoimalla ratkaisuvaihtoehdot ja kohdefunktioiden arvot kussakin ratkaisussa. Tässä luvussa esitetään muutama menetelmä joita voidaan käyttää hyväksi ratkaisuvaihtoehtojen visualisoinnissa. Kaikissa esimerkeissä on esitetty kolmen kohdefunktion tehtävä kolmella ratkaisuvaihtoehdolla. 3.1 Arvopolut Paljon käytetty menetelmä vaihtoehtoisten ratkaisuvektorien esittämiseen on käyttää arvopolkuja. Kohdefunktiot esitetään tässä pystysuuntaisina palkkeina, joille piirretään pisteinä kohdefunktioiden arvot kussakin eri ratkaisuvaihtoehdossa. Arvopolut muodostetaan sitten yhdistämällä samaan ratkaisuvaihtoehtoon kuuluvat eri kohdefunktioiden arvot erivärisillä ja/tai tyylisillä viivoilla. Kohdefunktioiden ja ratkaisuvaihtoehtojen roolit voidaan myös vaihtaa keskenään.
3 Kuva 1. Arvopolut. 3.2 Palkkikaaviot Palkkikaaviot perustuvat samalle idealle kuin arvopolutkin. Palkkikaavioissa jokaista kohdefunktiota edustaa ryhmä erivärisiä palkkeja. Palkit esittävät kohdefunktion arvon kussakin eri ratkaisuvaihtoehdossa, eli palkkeja on yhtä monta per kohdefunktio kuin on visualisoitavia ratkaisuvaihtoehtoja. Kuva 2. Palkkikaaviot. 3.3 Tähtikoordinaatit Ratkaisuvektorit voidaan esittää myös ns. tähtikoordinaattijärjestelmässä, jolloin saadaan yksi kuva kutakin ratkaisuvektoria kohden. Ideana tähtikoordinaateissa on, että tehtävän ideaalivektori on koordinaatiston origo ja nadir-vektori koordinaatistoa
4 rajoittava ympyrä. Kutakin kohdefunktiota kohden piirretään yksi koordinaattiakseli. Koordinaattiakseleille piirretään kunkin kohdefunktion arvo kyseisessä ratkaisuvaihtoehdossa ja nämä pisteet yhdistetään suorilla jolloin saadaan aikaan monitahokas jonka tahkojen määrä = kohdefunktioiden määrä + 1. Tämän monitahokkaan pinta-ala esittää sitten ratkaisun hyvyyttä, eli mitä pienempi pintaala, sen lähempänä ideaaliratkaisua ollaan. Nadir- ja ideaalivektorien paikat voidaan myös vaihtaa keskenään (kuten myös kahdessa seuraavassa menetelmässä), jolloin ratkaisu on sitä parempi, mitä suurempi on monitahokkaan pinta-ala. Kuva 3. Tähtikoordinaatit. Vastaavanlaisia ideoita hyödyntäviä menetelmiä ovat mm. hämähäkinverkkokaavio ja terälehtidiagrammi. Jälkimmäisessä tarkasteltava alue on monikulmioiden tai tahokkaiden sijasta ympyräsektorien pinta-ala. 3.6 Hajapiirtomatriisi Hajapiirtomatriisi koostuu paneeleista, joihin piirretään yhden kohdefunktioparin arvot kaikissa ratkaisuvaihtoehdoissa. Kaikki funktioparit tulevat piirretyiksi kahteen kertaan, matriisin diagonaalin yläpuolelle ja alapuolelle asteikot käännettynä toisinpäin. Jokaisella paneelilla voi olla oma skaalansa.
5 Kuva 4. Hajapiirtomatriisi 4. Muita visualisointikeinoja Tässä luvussa on vielä kerrottu lyhyesti joistakin käytössä olevista visualisointikeinoista. 4.1 GRADS GRADS on visualisointijärjestelmä, jossa päätöksentekijää pyydetään ensin antamaan kaksi kohdefunktiota, joiden arvot eri ratkaisuvaihtoehdoissa piirretään tasoon. Tämän jälkeen käyttäjä voi hiirellä osoittaa eri pisteitä jolloin järjestelmä näyttää muiden kohdefunktioiden arvot ko. pisteissä erivärisinä ja kokoisina kolmioina. 4.2 Harmoniset talot Menetelmä perustuu siihen, että käyttäjälle esitetään talon kuva, jonka tiettyihin pisteisiin kohdefunktioiden arvot liitetään. Näin talon kuva vääristyy sitä enemmän, mitä kauempana ideaalipisteestä ollaan ja toisaalta talo näyttää sitä harmonisemmalta ja symmetrisemmältä mitä lähempänä ideaalia ollaan. Tämä metodi soveltuu erityisesti ratkaisuvaihtoehtojen vertailemiseen pareittain. 4.3 GAIA GAIA:ssa (Geometrical Analysis for Interactive Aid) kohdefunktioita modifioidaan ensin siten, että ne sisältävät jonkinlaista informaatiota päätöksentekijän preferensseistä. Tämän jälkeen kohdefunktiot normalisoidaan ja projisoidaan tasoon, joka on valitaan pääkomponenttianalyysillä. Jos tason valinta tehdään tarpeeksi hyvin, projektiosta nähdään uusien kohdefunktioiden suhteet eri ratkaisuvaihtoehtoihin. Jos esim. kaksi kohdefunktiota ovat konfliktissa keskenään, niiden vektorit projektiossa
6 osoittavat vastakkaisiin suuntiin. Toisistaan riippumattomat vektorit taas ovat keskenään ortogonaalisia ja saman tyyppisten kohdefunktioiden vektorit osoittavat suunnilleen samaan suuntaan. 5. Huomioita ja päätelmiä Jos tiedetään jotain visualisointitavan ja päätösstrategian suhteesta toisiinsa, voi visualisointimenetelmän valinta helpottua. Esim. taulukoita kannattaa käyttää, jos halutaan tarkastella tarkkoja lukuarvoja. Jos taas halutaan tutkia eri asioiden välisiä suhteita tai tarkastella suurta tietomäärää kerralla, kannattaa valita jokin graafinen visualisointimenetelmä. Parhaita tuloksia visualisoinnilla saavutetaan, kun käytetään useita menetelmiä rinnakkain saman datan visualisointiin. Toisaalta, jos visualisoitavien ratkaisuvaihtoehtojen määrä on suuri, päätöksentekijä todennäköisesti mennee sekaisin riippumatta siitä mitä menetelmää käytetään. Tässä tapauksessa tilastollisista menetelmistä saattaa olla apua. Viitteet: [1] K. Miettinen: Nonlinear Multiobjective Optimization [2] Lotov et al.: Interactive Decision Maps, with an Example Illustrating Ocean Waste Management Decisions
Paretoratkaisujen visualisointi
Paretoratkaisujen visualisointi Optimointiopin seminaari - Kevät 2000 / 1 Esityksen sisältö Vaihtoehtoisten kohdevektorien visualisointi Arvopolut Palkkikaaviot Tähtikoordinaatit Hämähäkinverkkokaavio
LisätiedotMat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet
Mat-2.142 Optimointiopin seminaari kevät 2000 Monitavoiteoptimointi Optimointiopin seminaari - Kevät 2000 / 1 Tavoitteet Monitavoitteisten optimointitehtävien ratkaisukäsitteet ja soveltamismahdollisuudet
LisätiedotMonitavoiteoptimointi
Monitavoiteoptimointi Useita erilaisia tavoitteita, eli useita objektifunktioita Tavoitteet yleensä ristiriitaisia ja yhteismitattomia Optimaalisuus tarkoittaa yleensä eri asiaa kuin yksitavoitteisessa
LisätiedotReferenssipiste- ja referenssisuuntamenetelmät
Referenssipiste- ja referenssisuuntamenetelmät Optimointiopin seminaari - Kevät 2000 / 1 Esitelmän sisältö Menetelmien ideat Menetelmien soveltaminen Menetelmien ominaisuuksia Optimointiopin seminaari
LisätiedotLuku 6: Grafiikka. 2D-grafiikka 3D-liukuhihna Epäsuora valaistus Laskostuminen Mobiililaitteet Sisätilat Ulkotilat
2D-grafiikka 3D-liukuhihna Epäsuora valaistus Laskostuminen Mobiililaitteet Sisätilat Ulkotilat 2D-piirto 2-ulotteisen grafiikan piirto perustuu yleensä valmiiden kuvien kopioimiseen näyttömuistiin (blitting)
LisätiedotOsoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2
8. Geometriset kuvaukset 8.1. Euklidiset kuvaukset 344. Esitä muodossa x = Ax + b se avaruuden E 3 peilauskuvaus, jonka symmetriatasona on x 1 3x + x 3 = 6. A = 1 3 6 6 3, b = 1 1 18. 3 6 6 345. Tason
LisätiedotOppimateriaali oppilaalle ja opettajalle : GeoGebra oppilaan työkaluna ylioppilaskirjoituksissa 2016 versio 0.8
Oppimateriaali oppilaalle ja opettajalle : GeoGebra oppilaan työkaluna ylioppilaskirjoituksissa 2016 versio 0.8 Piirtoalue ja algebraikkuna Piirtoalueelle piirretään työvälinepalkista löytyvillä työvälineillä
LisätiedotProjektiportfolion valinta
Projektiportfolion valinta Mat-2.4142 Optimointiopin seminaari kevät 2011 Kotitehtävän 1 ratkaisu Kotitehtävä Kirkwood, G. W., 1997. Strategic Decision Making: Multiobjective Decision Analysis with Spreadsheets,
Lisätiedot9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa
9. Vektorit 9.1 Skalaarit ja vektorit Skalaari on koon tai määrän mitta. Tyypillinen esimerkki skalaarista on massa. Lukumäärä on toinen hyvä esimerkki skalaarista. Vektorilla on taas suuruus ja suunta.
LisätiedotProjektiportfolion valinta
Projektiportfolion valinta Mat-2.4142 Optimointiopin seminaari kevät 2011 Portfolion valinta Käytettävissä on rajallinen määrä resursseja, joten ne on allokoitava mahdollisimman hyvin eri projekteille
LisätiedotPeilaus pisteen ja suoran suhteen Pythonin Turtle moduulilla
Peilaus pisteen ja suoran suhteen Pythonin Turtle moduulilla ALKUHARJOITUS Kynän ja paperin avulla peilaaminen koordinaatistossa a) Peilaa pisteen (0,0) suhteen koordinaatistossa sijaitseva - neliö, jonka
LisätiedotTehtävät 1/11. TAMPEREEN YLIOPISTO Informaatiotieteiden tiedekunta Valintakoe Matematiikka ja tilastotiede. Sukunimi (painokirjaimin)
1/11 Tehtävä 1 2 3 4 5 6 7 8 9 10 Yhteensä Pisteet (tarkastaja merkitsee) Kokeessa on kymmenen tehtävää, joista jokainen on erillisellä paperilla. Jokaisen tehtävän maksimipistemäärä on 6 pistettä. Ratkaise
LisätiedotSuorien ja tasojen geometriaa Suorien ja tasojen yhtälöt
6. Suorien tasojen geometriaa 6.1. Suorien tasojen yhtälöt 55. Osoita, että yhtälöt x = 3 + τ y = 1 3τ esittävät samaa tason suoraa. Yhteinen piste 1,5) suunta i 3j. x = 1 6τ y = 5 + 9τ 56. Määritä suoran
LisätiedotMat Optimointiopin seminaari
Lähde: Preferenssi-informaatio DEA-malleissa: Value Efficiency Analysis (VEA) -menetelmä Mat-2.4142 Optimointiopin seminaari 23.3.2011 Halme, M., Joro, T., Korhonen, P., Wallenius, J., 1999. A Value Efficiency
LisätiedotEräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus
Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus Mat-2.4142 Optimointiopin seminaari 2.3.2011 Lähteet: Clemen, R. T., & Smith, J. E. (2009). On the Choice of Baselines
LisätiedotAVARUUSGEOMETRIA. Suorat ja tasot avaruudessa
VRUUSGEOMERI varuusgeometria tarkasteee kuvioita, joiden kaikki osat eivät oe samassa tasossa. Sana avaruus tarkoittaa yeisesti n-uotteista, n 3, avaruutta. (Lukiossa ähes aina n = 3.) Suorat ja tasot
Lisätiedot! 7! = N! x 8. x x 4 x + 1 = 6.
9. 10. 2008 1. Pinnalta punaiseksi maalattu 3 3 3-kuutio jaetaan 27:ksi samankokoiseksi kuutioksi. Mikä osuus 27 pikkukuution kokonaispinta-alasta on punaiseksi maalattu? 2. Positiivisen kokonaisluvun
LisätiedotLieriö ja särmiö Tarkastellaan pintaa, joka syntyy, kun tasoa T leikkaava suora s liikkuu suuntansa
Lieriö ja särmiö Tarkastellaan pintaa, joka syntyy, kun tasoa T leikkaava suora s liikkuu suuntansa säilyttäen pitkin tason T suljettua käyrää (käyrä ei leikkaa itseään). Tällöin suora s piirtää avaruuteen
LisätiedotMATEMATIIKKA 3 VIIKKOTUNTIA
EB-TUTKINTO 010 MATEMATIIKKA 3 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 4 kesäkuuta 010 KOKEEN KESTO: 3 tuntia (180 minuuttia) SALLITUT APUVÄLINEET: Eurooppa-koulun antama taulukkovihkonen Funktiolaskin, joka ei saa olla
LisätiedotMATEMATIIKKA 3 VIIKKOTUNTIA. PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009
EB-TUTKINTO 2009 MATEMATIIKKA 3 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009 KOKEEN KESTO: 3 tuntia (180 minuuttia) SALLITUT APUVÄLINEET: Eurooppa-koulun antama taulukkovihkonen Funktiolaskin, joka ei saa
Lisätiedot= = = 1 3.
9. 10. 2008!"$#&%(')'*,#.-/* P1. lkuperäisen punaisen kuution pinta koostuu kuudesta 3 3-neliöstä, joten sen ala on 6 3 2 = 54. Koska 3 3 =, kuutio jakautuu leikatessa yksikkökuutioksi, joiden kokonaispinta-ala
LisätiedotLuento 6: Monitavoiteoptimointi
Luento 6: Monitavoiteoptimointi Monitavoiteoptimointitehtävässä on useita optimoitavia kohdefunktioita eli ns kriteereitä: f 1,, f m Esimerkiksi opiskelija haluaa oppia mahdollisimman hyvin ja paljon mahdollisimman
LisätiedotTampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus
Tampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus 2 7.2.2013 1. Matematiikan lukiokurssissa on esitetty, että ylöspäin aukeavan paraabelin f(x) = ax 2 +bx+c,a > 0,minimikohtasaadaan,kunf
LisätiedotKartio ja pyramidi
Kartio ja pyramidi Kun avaruuden suora s liikkuu pitkin itseään leikkaamatonta tason T suljettua käyrää ja lisäksi kulkee tason T ulkopuolisen pisteen P kautta, suora s piirtää avaruuteen pinnan, jota
LisätiedotMuodonmuutostila hum 30.8.13
Muodonmuutostila Tarkastellaan kuvan 1 kappaletta Ω, jonka pisteet siirtvät ulkoisen kuormituksen johdosta siten, että siirtmien tapahduttua ne muodostavat kappaleen Ω'. Esimerkiksi piste A siirt asemaan
Lisätiedotkartiopinta kartio. kartion pohja, suora ympyräkartio vino pyramidiksi
5.3 Kartio Kun suora liikkuu avaruudessa niin, että yksi sen piste pysyy paikoillaan ja suoran jokin toinen piste kiertää jossakin tasossa jonkin suljetun käyrän palaten lähtöpaikkaansa, syntyy kaksiosainen
LisätiedotLineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Juho Andelmin 21.01.2013 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Raimo P. Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotLineaaristen monitavoiteoptimointitehtävien
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Jerri Nummenpalo 17.09.2012 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
LisätiedotLuento 2 Stereokuvan laskeminen. 2008 Maa-57.1030 Fotogrammetrian perusteet 1
Luento 2 Stereokuvan laskeminen 2008 Maa-57.1030 Fotogrammetrian perusteet 1 Aiheet Stereokuvan laskeminen stereokuvan piirto synteettisen stereokuvaparin tuottaminen laskemalla stereoelokuva kollineaarisuusyhtälöt
LisätiedotData Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä
Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä Mat-2.4142 Optimointiopin seminaari kevät 2011 Esityksen rakenne I osa Tehokkuudesta yleisesti DEA-mallin perusajatus CCR-painotus II osa
LisätiedotMATEMATIIKKA 5 VIIKKOTUNTIA
EB-TUTKINTO 2010 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 4. kesäkuuta 2010 KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Eurooppa-koulun antama taulukkovihkonen Funktiolaskin, joka ei saa
LisätiedotTässä osassa ei käytetä laskinta. Selitä päätelmäsi lyhyesti tai perustele ratkaisusi laskulausekkeella, kuviolla tms.
OSA 1 Ratkaisuaika 30 min Pistemäärä 20 Tässä osassa ei käytetä laskinta. Selitä päätelmäsi lyhyesti tai perustele ratkaisusi laskulausekkeella, kuviolla tms. 1. Mikä on suurin kokonaisluku, joka toteuttaa
Lisätiedot4.1 Urakäsite. Ympyräviiva. Ympyrään liittyvät nimitykset
4.1 Urakäsite. Ympyräviiva. Ympyrään liittyvät nimitykset MÄÄRITELMÄ 6 URA Joukko pisteitä, joista jokainen täyttää määrätyn ehdon, on ura. Urakäsite sisältää siten kaksi asiaa. Pistejoukon jokainen piste
LisätiedotBM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016
BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016 1. Hahmottele karkeasti funktion f : R R 2 piirtämällä sen arvoja muutamilla eri muuttujan arvoilla kaksiulotteiseen koordinaatistoon
LisätiedotMATEMATIIKKA 5 VIIKKOTUNTIA. PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009
EB-TUTKINTO 2009 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009 KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Eurooppa-koulun antama taulukkovihkonen Funktiolaskin, joka ei saa
Lisätiedot763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017
763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 207. Nelinopeus ympyräliikkeessä On siis annettu kappaleen paikkaa kuvaava nelivektori X x µ : Nelinopeus U u µ on määritelty kaavalla x µ (ct,
LisätiedotPreliminäärikoe Tehtävät Pitkä matematiikka 4.2.2014 1 / 3
Preliminäärikoe Tehtävät Pitkä matematiikka / Kokeessa saa vastata enintään kymmeneen tehtävään Tähdellä (* merkittyjen tehtävien maksimipistemäärä on 9, muiden tehtävien maksimipistemäärä on 6 Jos tehtävässä
LisätiedotPiste ja jana koordinaatistossa
607 Piste ja jana koordinaatistossa ANALYYTTINEN GEOMETRIA MAA5 Kertausta kurssi Eri asioiden välisten riippuvuuksien havainnollistamiseen kätetään usein koordinaatistoesitstä Pstakselilla riippuvan muuttujan
LisätiedotTIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Optimaalisuus: objektiavaruus f 2 min Z = f(s) Parhaat arvot alhaalla ja vasemmalla
LisätiedotVisualisointi kansanedustajista neljässä eri ulottuvuudessa
Visualisointi kansanedustajista neljässä eri ulottuvuudessa Jaakko Talonen talonen.dm@gmail.com Johdanto Helsingin Sanomat julkaisi eduskuntavaalien 2011 vaalikoneensa avoimena tietona. Vaalikoneen tietojen
LisätiedotKahden suoran leikkauspiste ja välinen kulma (suoraparvia)
Kahden suoran leikkauspiste ja välinen kulma (suoraparvia) Piste x 0, y 0 on suoralla, jos sen koordinaatit toteuttavat suoran yhtälön. Esimerkki Olkoon suora 2x + y + 8 = 0 y = 2x 8. Piste 5,2 ei ole
LisätiedotMATEMATIIKKA 5 VIIKKOTUNTIA
EB-TUTKINTO 2008 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 5. kesäkuuta 2008 (aamupäivä) KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Europpa-koulun antama taulukkovihkonen Funktiolaskin,
LisätiedotTässä osassa ei käytetä laskinta. Kaikkiin tehtäviin laskuja tai perusteluja näkyviin, ellei muuta ole mainittu.
Peruskoulun matematiikkakilpailu Loppukilpailu perjantaina 6..009 OSA Ratkaisuaika 30 min Pistemäärä 0 Tässä osassa ei käytetä laskinta. Kaikkiin tehtäviin laskuja tai perusteluja näkyviin, ellei muuta
Lisätiedot2.1 Yksinkertaisen geometrian luonti
2.1 Yksinkertaisen geometrian luonti Kuva 2.1 Tiedon portaat Kuva 2.2 Ohjelman käyttöliittymä suoran luonnissa 1. Valitse Luo, Suora, Luo suora päätepistein. 2. Valitse Pystysuora 3. Valitse Origo Origon
LisätiedotHelsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 10.6.2013 klo 10-13 Ratkaisut ja pisteytysohjeet
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe.6. klo - Ratkaisut ja pisteytysohjeet. Ratkaise seuraavat epäyhtälöt ja yhtälö: a) x+ x +9, b) log (x) 7,
LisätiedotVektoreita GeoGebrassa.
Vektoreita GeoGebrassa 1 Miten GeoGebralla piirretään vektoreita? Työvälineet ja syöttökentän komennot Vektoreiden esittäminen GeoGebrassa on luontevaa: vektorien piirtämiseen on kaksi työvälinettä vektoreita
Lisätiedotyleisessä muodossa x y ax by c 0. 6p
MAA..0 Muista kirjoittaa jokaiseen paperiin nimesi! Tee vastauspaperin yläreunaan pisteytysruudukko! Valitse kuusi tehtävää! Perustele vastauksesi välivaiheilla! Jussi Tyni Ratkaise: a) x x b) xy x 6y
LisätiedotSymmetrioiden tutkiminen GeoGebran avulla
Symmetrioiden tutkiminen GeoGebran avulla Tutustutaan esimerkkien kautta siihen, miten geometrista symmetriaa voidaan tutkia ja havainnollistaa GeoGebran avulla: peilisymmetria: peilaus pisteen ja suoran
LisätiedotLineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)
Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe 26.10.2017 Ratkaisuehdotus 1. (35 pistettä) (a) Seuraavat matriisit on saatu eräistä yhtälöryhmistä alkeisrivitoimituksilla. Kuinka monta ratkaisua yhtälöryhmällä
LisätiedotPreference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi
Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi Mat-2.4142 Optimointiopin seminaari 9.2.2011 Lähteet: Salo, A. & Hämäläinen, R. P., 2010.
LisätiedotTaso 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste, suora
Taso 1/5 Sisältö Taso geometrisena peruskäsitteenä Kolmiulotteisen alkeisgeometrian peruskäsitteisiin kuuluu taso pisteen ja suoran lisäksi. Intuitiivisesti sitä voidaan ajatella joka suunnassa äärettömyyteen
LisätiedotOminaisvektoreiden lineaarinen riippumattomuus
Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin
LisätiedotTeemana aikajanat Polku versio 0.2
Teemana aikajanat Polku versio 0.2 UTA VT Polku-projekti Tekijä: J.M. Jokiniemi Tulostettu: Jakelu: Uteam, Polku Dokumentin tila: lopullinen versio Muokattu: 5.11.09 VERSIOHISTORIA Versio Päiväys Tekijät
LisätiedotM 1 ~M 2, jos monikulmioiden vastinkulmat ovat yhtä suuret ja vastinsivujen pituuksien suhteet ovat yhtä suuret eli vastinsivut ovat verrannolliset
Yhdenmuotoisuus ja mittakaava Tasokuvioiden yhdenmuotoisuus tarkoittaa havainnollisesti sitä, että kuviot ovat samanmuotoiset mutta eivät välttämättä samankokoiset. Kahdella yhdenmuotoisella kuviolla täytyy
LisätiedotEi välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:
Inversio-ongelmista Craig, Brown: Inverse problems in astronomy, Adam Hilger 1986. Havaitaan oppositiossa olevaa asteroidia. Pyörimisestä huolimatta sen kirkkaus ei muutu. Projisoitu pinta-ala pysyy ilmeisesti
LisätiedotKandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu
Kandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu Vilma Virasjoki 19.11.2012 Ohjaaja: DI Jouni Pousi Valvoja: Professori Raimo P.
LisätiedotAdditiivinen arvofunktio
Additiivinen arvofunktio Mat-.44 Optimointiopin seminaari kevät 0 Preferenssi Päätöksentekijällä preferenssi vaihtoehtojen a,b A välillä a parempi kuin b ( a b) b parempi kuin a ( b a) Indifferentti vaihtoehtojen
Lisätiedot110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3
4 Matriisit ja vektorit 4 Matriisin käsite 42 Matriisialgebra 0 2 2 0, B = 2 2 4 6 2 Laske A + B, 2 A + B, AB ja BA A + B = 2 4 6 5, 2 A + B = 5 9 6 5 4 9, 4 7 6 AB = 0 0 0 6 0 0 0, B 22 2 2 0 0 0 6 5
LisätiedotMONISTE 2 Kirjoittanut Elina Katainen
MONISTE 2 Kirjoittanut Elina Katainen TILASTOLLISTEN MUUTTUJIEN TYYPIT 1 Mitta-asteikot Tilastolliset muuttujat voidaan jakaa kahteen päätyyppiin: kategorisiin ja numeerisiin muuttujiin. Tämän lisäksi
LisätiedotLineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi
Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja
LisätiedotVektorit, suorat ja tasot
, suorat ja tasot 1 / 22 Koulussa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä (x 1, x 2 ). Jos vektorin
LisätiedotKenguru Écolier (4. ja 5. luokka) sivu 1/5
Kenguru Écolier (4. ja 5. luokka) sivu 1/5 3 pisteen tehtävät 1. Miettisen perhe syö 3 ateriaa päivässä. Kuinka monta ateriaa he syövät viikon aikana? A) 7 B) 18 C) 21 D) 28 E) 37 2. Aikuisten pääsylippu
LisätiedotMonikulmiot 1/5 Sisältö ESITIEDOT: kolmio
Monikulmiot 1/5 Sisältö Monikulmio Monikulmioksi kutsutaan tasokuviota, jota rajaa perättäisten janojen muodostama monikulmion piiri. Janat ovat monikulmion sivuja, niiden päätepisteet monikulmion kärkipisteitä.
LisätiedotAvaruuslävistäjää etsimässä
Avaruuslävistäjää etsimässä Avainsanat: avaruusgeometria, mittaaminen Luokkataso: 6.-9. lk, lukio Välineet: lankaa, särmiön muotoisia kartonkisia pakkauksia(esim. maitotölkki tms.), sakset, piirtokolmio,
Lisätiedot3.4 Rationaalifunktion kulku ja asymptootit
.4 Rationaalifunktion kulku ja asymptootit Rationaali- eli murtofunktiolla tarkoitetaan funktiota R, jonka lauseke on kahden polynomin osamäärä: P() R(). Q() Ainakin nimittäjässä olevan polynomin asteluvun
LisätiedotTekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4).
Tekijä Pitkä matematiikka 4 9.12.2016 212 Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4). Vastaus esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4) 213 Merkitään pistettä
LisätiedotVastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin
1 / 14 Lukiossa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Tarkastellaan aluksi tason vektoreita (R 2 ). Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä
LisätiedotKenguru 2013 Cadet (8. ja 9. luokka)
sivu 1 / 7 NIMI LUOKKA Pisteet: Kenguruloikan pituus: Irrota tämä vastauslomake tehtävämonisteesta. Merkitse tehtävän numeron alle valitsemasi vastausvaihtoehto. Väärästä vastauksesta saat miinuspisteitä
LisätiedotLineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg
Vaasan yliopisto, syksy 218 Lineaarialgebra II, MATH124 Matti laaksonen, Lassi Lilleberg Tentti T1, 284218 Ratkaise 4 tehtävää Kokeessa saa käyttää laskinta (myös graafista ja CAS-laskinta), mutta ei taulukkokirjaa
LisätiedotKJR C2005 Tuotesuunnittelu, Konseptisuunnittelu ja osatoiminnot Raporttien arviointi ja palaute
KJR C2005 Tuotesuunnittelu, 2016 4. Konseptisuunnittelu ja osatoiminnot Raporttien arviointi ja palaute Yleistä RYHMÄ Yleiset asiat (max 0.5 p.) PISTEET Johdanto (max 0.5 p.) PISTEET Ratkaisujen etsiminen
LisätiedotKenguru Écolier (4. ja 5. luokka) ratkaisut sivu 1/5
Kenguru Écolier (4. ja 5. luokka) ratkaisut sivu 1/5 3 pisteen tehtävät 1) Miettisen perhe syö 3 ateriaa päivässä. Kuinka monta ateriaa he syövät viikon aikana? A) 7 B) 18 C) 21 D) 28 E) 37 2) Aikuisten
Lisätiedota b c d
1. 11. 011!"$#&%(')'+*(#-,.*/103/465$*784 /(9:*;9."$ *;5> *@9 a b c d 1. + +. 3. 4. 5. 6. + + + + + + + + + + P1. 5 140 8 47 = 5 140 ( 3 ) 47 = 5 140 3 47 = 5 140 141 = (5 ) 140 = 10 140, jossa on
Lisätiedot5.6.3 Matematiikan lyhyt oppimäärä
5.6.3 Matematiikan lyhyt oppimäärä Matematiikan lyhyen oppimäärän opetuksen tehtävänä on tarjota valmiuksia hankkia, käsitellä ja ymmärtää matemaattista tietoa ja käyttää matematiikkaa elämän eri tilanteissa
Lisätiedot2. Arvon ja hyödyn mittaaminen
2. Arvon ja hyödyn mittaaminen 1 2 Arvon ja hyödyn mittaaminen 2.1 Miksi tarvitsemme arvofunktiota? Arvofunktio on preferenssien (mieltymysten) matemaattinen kuvaus. Arvofunktio kuvaa päätöskriteeriä vastaavan
LisätiedotMS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47
MS-A3/A5 Matriisilaskenta Malliratkaisut 4 / vko 47 Tehtävä 1 (L): Oletetaan, että AB = AC, kun B ja C ovat m n-matriiseja. a) Näytä, että jos A on kääntyvä, niin B = C. b) Seuraako yhtälöstä AB = AC yhtälö
LisätiedotEpätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely)
Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely) Vilma Virasjoki 23.01.2012 Ohjaaja: Jouni Pousi Valvoja: Raimo P. Hämäläinen Työn saa tallentaa
LisätiedotMS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48
MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo?
LisätiedotPublic Account-tili on pysyvä, joten kannattaa käyttää mieluummin sitä kuin kaupallisen tilin kokeiluversiota.
1.1 Tässä harjoituksessa opit laatimaan luokitellun teemakartan maastossa aiemmin keräämistäsi pisteistä. Käytämme Esrin ArcGis-palvelun ilmaisia ominaisuuksia. Kartan tekoa voi harjoitella kokonaan ilman
Lisätiedot1. Lineaarinen optimointi
0 1. Lineaarinen optimointi 1. Lineaarinen optimointi 1.1 Johdatteleva esimerkki Esimerkki 1.1.1 Giapetto s Woodcarving inc. valmistaa kahdenlaisia puuleluja: sotilaita ja junia. Sotilaan myyntihinta on
Lisätiedot2 Pistejoukko koordinaatistossa
Pistejoukko koordinaatistossa Ennakkotehtävät 1. a) Esimerkiksi: b) Pisteet sijaitsevat pystysuoralla suoralla, joka leikkaa x-akselin kohdassa x =. c) Yhtälö on x =. d) Sijoitetaan joitain ehdon toteuttavia
LisätiedotT-111.4310 Vuorovaikutteinen tietokonegrafiikka Tentti 14.12.2011
T-111.4310 Vuorovaikutteinen tietokonegrafiikka Tentti 14.12.2011 Vastaa kolmeen tehtävistä 1-4 ja tehtävään 5. 1. Selitä lyhyesti mitä seuraavat termit tarkoittavat tai minkä ongelman algoritmi ratkaisee
LisätiedotPOIKKIPINNAN GEOMETRISET SUUREET
1.10.018 POIKKIPINNAN GEOMETRISET SUUREET KOORDINAATISTON VALINTA: x akseli sauvan tai palkin akselin suuntainen akseli alaspäin akseli siten, että muodostuu oikeakätinen koordinaatisto Pintamomentti (pinnan
Lisätiedot4 / 2013 TI-NSPIRE CAS TEKNOLOGIA LUKIOSSA. T3-kouluttajat: Olli Karkkulainen ja Markku Parkkonen
4 / 2013 TI-NSPIRE CAS TEKNOLOGIA LUKIOSSA T3-kouluttajat: Olli Karkkulainen ja Markku Parkkonen 1 2 TI-Nspire CX CAS kämmenlaite kevään 2013 pitkän matematiikan kokeessa Tehtävä 1. Käytetään komentoa
LisätiedotKenguru 2017 Student lukio
sivu 1 / 9 NIMI LUOKKA Pisteet: Kenguruloikan pituus: Irrota tämä vastauslomake tehtävämonisteesta. Merkitse tehtävän numeron alle valitsemasi vastausvaihtoehto. Oikeasta vastauksesta saa 3, 4 tai 5 pistettä.
LisätiedotKJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme
KJR-C1001 Statiikka ja dynamiikka Luento 9.3.2016 Susanna Hurme Päivän aihe: Palkin leikkausvoima- ja taivutusmomenttijakaumat ja kuviot (Kirjan luvut 7.2 ja 7.3) Osaamistavoitteet: Ymmärtää, miten leikkausvoima
LisätiedotMateriaalifysiikan perusteet P Ratkaisut 1, Kevät 2017
Materiaalifysiikan perusteet 51104P Ratkaisut 1, Kevät 017 1. Kiderakenteen alkeiskopin hahmottamiseksi pyritään löytämään kuvitteellisesta rakenteesta sen pienin toistuva yksikkö (=kanta). Kunkin toistuvan
LisätiedotOsakesalkun optimointi. Anni Halkola Turun yliopisto 2016
Osakesalkun optimointi Anni Halkola Turun yliopisto 2016 Artikkeli Gleb Beliakov & Adil Bagirov (2006) Non-smooth optimization methods for computation of the Conditional Value-at-risk and portfolio optimization.
LisätiedotHELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI. Matematiikan ja tilastotieteen laitos. Matemaattis-luonnontieteellinen
HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI Tiedekunta/Osasto Fakultet/Sektion Faculty Laitos Institution Department Matemaattis-luonnontieteellinen Tekijä Författare Author Ville-Pekka
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Suunnattu derivaatta Aluksi tarkastelemme vektoreita, koska ymmärrys vektoreista helpottaa alla olevien asioiden omaksumista. Kun liikutaan tasossa eli avaruudessa
LisätiedotKäänteismatriisin. Aiheet. Käänteismatriisin ominaisuuksia. Rivioperaatiot matriisitulona. Matriisin kääntäminen rivioperaatioiden avulla
Käänteismatriisi, L5 1 Tässä kalvosarjassa käsittelemme neliömatriiseja. Ilman asian jatkuvaa toistamista oletamme seuraavassa, että kaikki käsittelemämme matriisit ovat neliömatriiseja. Määritelmä. Olkoon
LisätiedotHarjoitus 6 ( )
Harjoitus 6 (21.4.2015) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s. t. g(x) 0 h(x) = 0 x X olevan optimointitehtävän Lagrangen duaali on missä max θ(u, v) s. t.
LisätiedotTRIGONOMETRISET JA HYPERBOLISET FUNKTIOT
TRIGONOMETRISET JA HYPERBOLISET FUNKTIOT ARI LEHTONEN. Trigonometriset funktiot.. Peruskaavat. tan x := sin x cos x, cos x cot x := sin x Anglosaksisissa maissa käytössä ovat myös funktiot sekantti sec
Lisätiedot4.1 Kaksi pistettä määrää suoran
4.1 Kaksi pistettä määrää suoran Kerrataan aluksi kurssin MAA1 tietoja. Geometrisesti on selvää, että tason suora on täysin määrätty, kun tunnetaan sen kaksi pistettä. Joskus voi tulla vastaan tilanne,
LisätiedotYhteistyötä sisältämätön peliteoria
Yhteistyötä sisältämätön peliteoria jarkko.murtoaro@hut.fi Optimointiopin seminaari Kevät 2003 / 1 Sisältö Johdanto Käsitteistö Työkalut Nashin tasapaino Täydellinen tasapaino Optimointiopin seminaari
LisätiedotKenguru 2015 Cadet (8. ja 9. luokka)
sivu 1 / 9 NIMI LUOKKA Pisteet: Kenguruloikan pituus: Irrota tämä vastauslomake tehtävämonisteesta. Merkitse tehtävän numeron alle valitsemasi vastausvaihtoehto. Väärästä vastauksesta saat miinuspisteitä
LisätiedotHarjoitus 6 ( )
Harjoitus 6 (30.4.2014) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on max θ(u,v) s.t. u 0,
Lisätiedot0, niin vektorit eivät ole kohtisuorassa toisiaan vastaan.
Tekijä Pitkä matematiikka 4 9.1.016 168 a) Lasketaan vektorien a ja b pistetulo. a b = (3i + 5 j) (7i 3 j) = 3 7 + 5 ( 3) = 1 15 = 6 Koska pistetulo a b 0, niin vektorit eivät ole kohtisuorassa toisiaan
Lisätiedot1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot
Helsingin yliopisto, Itä-Suomen yliopisto, Jyväskylän yliopisto, Oulun yliopisto, Tampereen yliopisto ja Turun yliopisto Matematiikan valintakoe (Ratkaisut ja pisteytys) 500 Kustakin tehtävästä saa maksimissaan
Lisätiedot73125 MATEMAATTINEN OPTIMOINTITEORIA 2
73125 MATEMAATTINEN OPTIMOINTITEORIA 2 Risto Silvennoinen Tampereen teknillinen yliopisto, kevät 2004 1. Peruskäsitteet Optimointiteoria on sovelletun matematiikan osa-alue, jossa tutkitaan funktioiden
Lisätiedot