Tchebycheff-menetelmä ja STEM
|
|
- Kaija Nurminen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Mat Optmontopn semnaar K-2000 Montavoteopmont Semnaarestelmän tvstelmä Pentt Säynätjo Tchebycheff-menetelmä ja STEM
2 1. Johdanto Tchebycheff-menetelmä ja STEM ovat vuorovauttesa montavoteoptmontmenetelmä. Molemmssa pyrtään shen, että päätösentejän rool on mahdollsmman helppo el hän saa päätösvahtoehdot tselleen ysnertasessa ja ymmärrettävässä muodossa. Molemmssa menetelmssä päätösentejälle estetään anoastaan Pareto-optmaalsa ratasuja, jota on tuotettu äyttäen panotettua Tchebycheff-metraa. 2. Tchebycheff-menetelmä Vuonna 1983 Steuer ja Choo esttelvät uuden vuorovauttesen montavoteoptmontmenetelmän, Tchebycheff-menetelmän. Menetelmä perustuu Tchebycheff-metran panoerronvetoravaruuden penentämseen. Tchebycheff-menetelmä e äytä arvofuntota ja päätösentejän rool on pyrtty teemään helpos. Tässä estän ohdefuntoden mnmontn tarotetun Tchebycheff-algortmn tomntaperaatteen. Tchebycheff-menetelmä e aseta ratastavalle tehtävälle ovnaan suura oletusa. Anoat oletuset ovat 1) Kohdefuntota pyrtään mnmomaan 2) Kohdefuntot ovat alhaalta rajotettuja äyvässä alueessa S. Menetelmän johtamsessa oletetaan lsäs, että globaal deaalpste ja utopapste tunnetaan ja metrosta vodaan jättää tsesarvomert pos. Metra, jolla mtataan psteden etäsyyttä utopapsteestä on panotettu Tchebycheff-metra. Mnmotava funto on ss { w ( f ( x) )},mssä w W = { w R 0 < w < 1, w }. =1, Κ, = 1 w vo vahdella, joten tämä on oeastaan metraperhe. Tchebycheff-tehtävällä utopapsteen suhteen löydetään a Paretopsteet muuttelemalla panoerronvetora. Ongelmas tulee se, että osa pstestä vo olla heoja Paretopstetä Tämän ongelman ertämses äytetään etäsyyden mnmonnssa lesografsta Tchebycheff-tehtävää, joa määrtellään seuraavast: lex mn = 1, Κ, { w ( f ( x) )}, f ( x) = 1 ( ), ehdolla x S. Allaolevassa uvassa on havannollstettu lesografsen Tchebycheff-tehtävän ratasua ahden ohdefunton tehtävällä. Alus mnmodaan Tchebycheff-metralla mtattua etäsyyttä utopapsteestä äypään alueeseen. Ratasuna saadaan ys ta useampa pstetä. Mäl ratasu on ysästtenen, on ysenen pste Pareto-optmaalnen. Yleensä utenn ratasun ysästtesyys on vaea todeta, joten tonenn mnmont on suortettava. Tosessa mnmonnssa mnmodaan ensmmäsen mnmonnn tuottamen psteden etäsyydet utopapsteeseen L 1 -metran muaan. Tämä mnmont tuottaa Pareto-optmaalsen ratasun. Seuraavat lauseet yhdstävät lesografsen Tchebycheff-tehtävän ja Pareto-optmaalset ratasut Lause 1: Lesografsen Tchebycheff-ongelman ratasu on Pareto-optmaalnen. Lause 2: Oloon x S Pareto-optmaalnen. Tällön on olemassa sellanen panoerronvetor w, 0 < w R, että x on lesografsen Tchebycheff-tehtävän ysästtenen ratasu.
3 2 Z 2. mnmont 1. mnmont 1 Tchebycheff-menetelmässä luodaan erlasa Paretoratasuja muuttelemalla panoerronvetora. Joa teraatolla äytettävää panoerronavaruuden osajouoa penennetään. Tällön samalla rajotutaan yhä penempään osaan Pareto-optmaalsten ratasujen jouosta. Ensmmäsellä teraatolla otetaan otos oo Pareto-optmaalsesta jouosta ratasemalla lesografnen panotettu Tchebycheff-tehtävä jouolla panoertoma jota ovat tasasest jaautuneta oo panoerronavaruuteen. Päätösentejä valtsee nän saadusta Paretoratasusta omasta melestään parhaan ja tätä vastaava panoerronvetor otetaan mustn. Seuraavalla teraatolla otetaan panoerronavaruudesta vetoreta jota ovat esttyneet tämän panoerronvetorn ympärlle. Tätä teronta jatetaan, unnes saavutetaan ratasu. Päätösentejälle estettäven päätösvahtoehtojen luumäärän päättää yleensä päätösentejä. Luumäärä vo muuttua teraatoden välllä. Mtä suuremp määrä vahtoehtoja vodaan ästellä yhdellä teraatolla, stä luotettavamp algortm on. Tosaalta hmnen e yene teemään luotettava päätösä ovn suuresta vahtoehtojouosta joten jonnlanen ompromss tässä suhteessa on tehtävä. Redutoertomella määrätään una paljon panoerronavaruutta penennetään teraatoden välllä. Mtä suuremp erron on stä nopeammn avaruus penenee ja stä vähemmän mahdollsuusa muuttaa meltään esen prosessn päätösentejälle jää. Tchebycheff-menetelmässä on syytä äyttää lasennassa normalsotuja tavotefuntota, osa tällön Paretoavaruudesta saadaan tasapanosn otos. Vahtoehdot annattaa utenn esttää päätösentejälle aluperäsessä, saalaamattomassa muodossa. Menetelmän onvergensssta arvofunton suhteen e vo sanoa mtään varmaa. Tchebycheff-menetelmässä vodaan äyttää metrana myös muta varaatota Tchebycheff-metrasta un lesografsta Tchebycheffä. Tchebycheff-menetelmän etuja ovat, että päätösentejän rool on helppo ymmärtää ja a ratasuvahtoehdot ovat Pareto-optmaalsa. Hattapuola ovat menetelmän vaatma rasas lasenta ja se, että suurssa ongelmssa vahtoehtojen määrä saattaa asvaa päätösentejälle lan suures. Lsäs lasennan aana hylättyä vahtoehtojouoa e saada enää taasn, vaa päätösentejä muuttasn meltään esen prosessn. Lasentaongelmaa helpottaa tosn se, että menetelmän raenne mahdollstaa rnnaaslasennan.
4 3.STEM STEM, jona esttel Benayoun et al. jo 1971 on ys ensmmässtä vuorovauttessta montavoteoptmontmenetelmstä. STEMn vodaan atsoa tyytyvän shen, että löydetään päätösentejää tyydyttävä ratasu eä optmoda taustalla olevaa arvofuntota. Tässä esteltävä menetelmä on tarotettu ohdefunton mnmontn. STEMssä oletetaan, että päätösentejä pystyy saamastaan Paretoratasusta lmottamaan, mtä ohdefuntosta ovat häntä tyydyttävällä tasolla (hyväsyttävä) ja mtä evät (e-hyväsyttävä). Tämän jäleen päätösentejän ptää päättää, mtä hyväsyttäven ohdefuntoden arvoja vodaan suurentaa, jotta e-hyväsyttäven funtoden arvot saadaan hyväsyttävs. STEMssä äytetään panotettua Tchebycheff-tehtävää Paretoratasujen generomseen. Vertalupsteenä äytetään deaalpstettä. STEM olettaa että 1) Kohdefuntota pyrtään mnmomaan 2) Kohdefuntoden arvot ovat rajotettuja äyvässä alueessa S. Metran panoertomen arvojen määrttämsessä äytetään hyväs tetoa ohdefuntoden arvojen vahteluvälestä. Tässä äytetään hyväs rpstettä, joa approsmodaan saantotaulun avulla. Panoerronvetor lasetaan seuraavast: w e e =, = 1, Κ = e 1 = j 1 j ta e,, mssä analyyton valnnan muaan Algortm etenee seuraavast: = [, ] 1) Lasetaan deaalpste, rpste ja panoertomet. Asetetaan h=1.ratastaan panotettu Tchebycheff-tehtävä lasetulla panoertomlla ja mertään ratasua x h :lla ja vastaavaa ohdefuntovetora h :lla. 2) Pyydetään päätösentejää jaamaan ohdefuntoden arvot h :ssa hyväsyttävn (I > ) ja ehyväsyttävn (I < ). Mäl e-hyväsyttävä e ole, mennään ohtaan 4. Muuten pyydetään päätösentejää antamaan helpotetut ylärajat ε hyväsyttävlle funtolle. 3) Ratase seuraava tehtävä, jossa ylärajat otetaan huomoon. mnmo ehdolla f f ( x) [ w ] ( f ( x) ), h < ( x) f ( x ), I, x S I < ε I Mertse ratasua x h+1 :llä ja vastaavaa ohdefuntovetora h+1 :llä. Aseta h=h+1. Palaa ohtaan 2. >
5 4) Lopeta. Ratasu on x h. Alus etstään mnmetäsyys deaalpsteen ja äyvän alueen välllä panotetun Tchebycheffmetran muaan. Saatu ratasu estetään päätösentejälle. Tästä ratasusta päätösentejä määrttää, mtä rteerejä vodaan huonontaa muden parantamses ja una paljon. Nämä helpotuset otetaan huomoon olmannen vaheen optmonttehtävän ensmmäsessä rajotusehtoryhmässä. Tosella ryhmällä estetään se, että jon e-hyväsyttävstä funtosta huonons. Proseduura jatetaan unnes tyydyttävä ratasu löytyy. Mäl päätösentejä e ole tyytyvänen mnään tavotefunton arvoon, prosess täytyy myös lopettaa ja todeta että ratasua e löydy. STEM e oleta päätösenteon taustalla olevan arvofuntota ja vaa arvofunto tedettäsnn, stä e ols apua ysymysn vastaamsessa. Tämän vuos e myösään voda sanoa mtään menetelmän onvergensssta arvofunton suhteen. Kutenn menetelmä löytää ratasun nopeast, mäl helpotuset määrtetään prosessn uluessa sten, että lsähelpotusa e voda tehdä. Päätösentejälle menetelmä on melo helppo ja vahtoehdot ovat seletä. Ongelmas vo utenn muodostua helpotusten suuruuden määrttämnen nn, että e-hyväsyttävät funtot muuttuvat hyväsyttävs. Menetelmä vo myös tuottaa ratasus heon Paretopsteen. 4. Yhteenveto Tchebycheff-menetelmän ja STEMn välllä on jonn verran yhtäläsyysä, vaa ne perustuvatn er deolle. Molemmat äyttävät Tchebycheff-metraa Paretopsteden luomseen ja molemmssa päätösentejän roola on pyrtty helpottamaan. Tchebycheff-menetelmässä päätösentejälle vo ongelmas tulla vahtoehtojen suur määrä, jollon valnnan teemnen on vaeaa. STEMssä taas ongelmana on määrttää sopvansuuruset helpotuset, jolla pyrtään oht hyväsyttävää ratasua. Vtteet: [1] Kasa Mettnen, Nonlnear Multobjectve Optmaton, Kluwer Academc Publshers, Norwell, Massachusetts, 1999.
Tchebycheff-menetelmä ja STEM
Tchebycheff-menetelmä ja STEM Optmontopn semnaar - Kevät 2000 / 1 1. Johdanto Tchebycheff- ja STEM-menetelmät ovat vuorovakuttesa menetelmä evät perustu arvofunkton käyttämseen pyrkvät shen, että vahtoehdot
LisätiedotTIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Montavoteoptmont ja teollsten prosessen hallnta Ylassstentt Juss Hakanen juss.hakanen@jyu.f syksy 2010 Interaktvset menetelmät Idea: päätöksentekjää hyödynnetään aktvsest ratkasuprosessn akana
LisätiedotPainotetun metriikan ja NBI menetelmä
Panotetun metrkan ja NBI menetelmä Optmontopn semnaar - Kevät / 1 Estelmän ssältö Paretopsteden generont panotetussa metrkossa Panotettu L p -metrkka Panotettu L -metrkka el panotettu Tchebycheff -metrkka
LisätiedotTavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä
Tavotteet skaalaavan funkton lähestymstapa el referensspste menetelmä Optmontopn semnaar - Kevät 2000 / 1 Estelmän ssältö Panotetun metrkan ongelmen havatsemnen Referensspste menetelmän dean esttely Referensspste
LisätiedotPainokerroin-, epsilon-rajoitusehtoja hybridimenetelmät
Panokerron-, epslon-rajotusehtoja hybrdmenetelmät Optmontopn semnaar - Kevät 000 / Estelmän ssältö Ylestä jälkkätespreferenssmenetelmstä Panokerronmenetelmä Epslon-rajotusehtomenetelmä Hybrdmenetelmä Esmerkkejä
Lisätiedot4. A priori menetelmät
4. A pror menetelmät 4. Arvofunkto-menetelmä 4.2 Lekskografnen järjestämnen 4.3 Tavoteohjelmont Tom Bäckström Optmontopn semnaar - Kevät 2000 / 4. Arvofunkto-menetelmä Päätöksentekjä antaa eksplsttsen
LisätiedotMatematiikan ja tilastotieteen laitos Johdatus diskreettiin matematiikkaan (Syksy 2008) 4. harjoitus Ratkaisuja (Jussi Martin)
Matematan ja tlastoteteen latos Johdatus dsreettn matemataan (Sysy 28 4. harjotus Ratasuja (Juss Martn 1. Kertomus Hotell Kosmosesta jatuu: Hotellyhtymän johdolta tul määräys laata luettelo asta mahdollssta
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.
MS-A0205/MS-A0206 Dfferentaal- ja ntegraallaskenta 2 Luento 7: Lagrangen kertojat. Penmmän nelösumman menetelmä. Jarmo Malnen Matematkan ja systeemanalyysn latos 1 Aalto-ylopsto Kevät 2016 1 Perustuu Antt
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.04 Tlastollsen analyysn perusteet, evät 007. luento: Johdatus varanssanalyysn S ysteemanalyysn Laboratoro Ka Vrtanen Kertaus: ahden rppumattoman otosen t-test () () Perusjouo oostuu ahdesta ryhmästä
LisätiedotFlow shop, työnvaiheketju, joustava linja, läpivirtauspaja. Kahden koneen flow shop Johnsonin algoritmi
Flow shop önvaheeju jousava lnja läpvrauspaja Flow shopssa önvaheden järjess on sama alla uoella Kosa vahea vo edelää jono vova ö olla vaheleva ja ö vova ohaa osensa äl ö evä oha osaan puhuaan permuaaoaaaulusa
LisätiedotMat Lineaarinen ohjelmointi
Mat-2.340 Lneaarnen ohjelmont 22..2007 Luento 0 Ssäpstemenetelmät ja kokonaslukuoptmont (krja 0.-0.4) Ssäpstemenetelmät luvut 8 ja 9, e tarvtse lukea Lneaarnen ohjelmont - Syksy 2007 / Luentorunko Sananen
LisätiedotJakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2
TKK (c) Ila Mell (4) Jaaume tuusluvut Johdatus todeäösyyslasetaa Jaaume tuusluvut Marov ja Tshebyshev epäyhtälöt Momett Vous ja hupuuus Suurte luuje la TKK (c) Ila Mell (4) Jaaume tuusluvut: Mtä opmme?
LisätiedotVakuutusmatematiikan sovellukset 20.11.2008 klo 9-15
SHV-tutinto Vauutusmatematiian sovelluset 20.11.2008 lo 9-15 1(7) Y1. Seuraava tauluo ertoo vauutusyhtiön masamat orvauset vahinovuoden ja orvausen masuvuoden muaan ryhmiteltynä (tuhansina euroina): Vahinovuosi
LisätiedotFrégier'n lause. Simo K. Kivelä, P B Q A
Smo K. Kvelä, 13.7.004 Fréger'n lause Tosen asteen ärllä ellpsellä, paraaelella, hperelellä ja nden erostapauslla on melonen määrä snertasa säännöllssomnasuusa. Eräs tällanen on Fréger'n lause: Oloon P
LisätiedotVÄRÄHTELYMEKANIIKKA SESSIO 23: Usean vapausasteen vaimenematon ominaisvärähtely osa 1
/ VÄRÄHTELYEANIIA SESSIO : Usean vapausasteen vaeneaton onasvärähtely osa JOHDANTO Usean vapausasteen systeen leyhtälöt ovat ylesessä tapausessa uotoa [ ]{ & } [ C]{ & } [ ] { } { F} & ( un vaennusta e
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /
MS-A8 Differentiaali- ja integraalilasenta, V/27 Differentiaali- ja integraalilasenta Rataisut. viiolle /. 3.4. Luujonot Tehtävä : Mitä ovat luujonon viisi ensimmäistä termiä, un luujono on a) (a n ) n=,
LisätiedotMonte Carlo -menetelmä
Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla
Lisätiedot9 Lukumäärien laskemisesta
9 Luumäärie lasemisesta 9 Biomiertoimet ja osajouoje luumäärä Määritelmä 9 Oletetaa, että, N Biomierroi ilmaisee, uia mota -alioista osajouoa o sellaisella jouolla, jossa o aliota Meritä luetaa yli Lasimesta
Lisätiedot3 Tilayhtälöiden numeerinen integrointi
3 Tlayhtälöden numeernen ntegront Alkuarvotehtävässä halutaan ratkasta lopputla xt f ) sten, että tlayhtälöt ẋ = fx,u, t) toteutuvat, kun alkutla x 0 on annettu Tlayhtälöden numeernen ntegront vodaan suorttaa
LisätiedotVERKKOJEN MITOITUKSESTA
J. Vrtamo 38.3141 Telelkenneteora / Verkon mtotus 1 VERKKOJEN MITOITUKSESTA 1. Prkytkentäset verkot Lnkken kapasteetten (johtoja/lnkk) määräämnen sten, että verkon kokonaskustannukset mnmotuvat, kun päästä-päähän
LisätiedotAutomaattinen 3D - mallinnus kalibroimattomilta kuvasekvensseiltä
Maa-57.270 Fotogrammetran, kuvatulknnan ja kaukokartotuksen semnaar Automaattnen 3D - mallnnus kalbromattomlta kuvasekvensseltä Terh Ahola 2005 Ssällysluettelo 1 Johdanto...2 2 Perusteoraa...2 2.1 Kohteen
Lisätiedot3.5 Generoivat funktiot ja momentit
3.5. Generovat funktot ja momentt 83 3.5 Generovat funktot ja momentt 3.5.1 Momentt Eräs tapa luonnehta satunnasmuuttujan jakaumaa, on laskea jakauman momentt. Ne määrtellään odotusarvon avulla. Määrtelmä
LisätiedotMat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut
Harjotus, esmerkkratkasut K 1. Olkoon f : C C, f(z) z z. Tutk, mssä pstessä f on dervotuva. Ratkasu 1. Jotta funkto on dervotuva, on sen erotusosamäärän f(z + ) f(z) raja-arvon 0 oltava olemassa ja ss
LisätiedotFYSA220/2 (FYS222/2) VALON POLARISAATIO
FYSA220/2 (FYS222/2) VALON POLARSAATO Työssä tutktaan valoaallon tulotason suuntasen ja stä vastaan kohtsuoran komponentn hejastumsta lasn pnnasta. Havannosta lasketaan Brewstern lan perusteella lasn tatekerron
LisätiedotKUNTIEN ELÄKEVAKUUTUS 30.10.2008 VARHAISELÄKEMENOPERUSTEISESSA MAKSUSSA 1.1.2009 LÄHTIEN NOUDATETTAVAT LASKUPERUSTEET
KUNTIN LÄKVKUUTU 328 VRHILÄKMNORUTI MKU 29 LÄHTIN NOUDTTTVT LKURUTT Valtuusuta ahstaa arhaseläemeoperustese masu eaode yhtesmäärä uodelle euromääräsest Tämä ahstettu masu o samalla lopullste masue yhtesmäärä
Lisätiedot1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä
Johdatus dskreettn matematkkaan Harjotus 3, 30.9.2015 1. Luvut 1, 10 on latettu ympyrän kehälle. Osota, että löytyy kolme verekkästä lukua, joden summa on vähntään 17. Ratkasu. Tällasa kolmkkoja on 10
LisätiedotBernoullijakauma. Binomijakauma
Beroulljaauma Beroull oe o ahde mahdollse ulostulo oe, jossa taahtumsta äytetää mtysä ostume ja eäostume. Esmerejä: rahahetto (ruua ta laava), lase sytymä (tyttö ta oa), helö verryhmä ( ta c ), oselja
LisätiedotVÄRÄHTELYMEKANIIKKA SESSIO 24: Usean vapausasteen vaimenematon ominaisvärähtely osa 2
/ ÄRÄHELYMEKANIIKKA SESSIO : Usea vapausastee vaeeato oasvärähtely osa MONINKERAISE OMINAISAAJUUDE Sesso MS oreeratu oasuodo { lasetaeetelässä oletett, että o ysertae oasulataauus. arastellaa velä tapausta,
LisätiedotEpälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely)
Epälneaarsten penmmän nelösumman tehtäven ratkasemnen numeerslla optmontmenetelmllä valmn työn esttely Lar Pelkola 9.9.014 Ohjaaja/valvoja: Prof. Harr Ehtamo yön saa tallentaa ja julkstaa Aalto-ylopston
LisätiedotNaulalevylausunto Kartro PTN naulalevylle
LAUSUNTO NRO VTT-S-04256-14 1 (6) Tilaaja Tilaus Yhteyshenilö ITW Construction Products Oy Jarmo Kytömäi Timmermalmintie 19A 01680 Vantaa 18.9.2014 Jarmo Kytömäi VTT Expert Services Oy Ari Kevarinmäi PL
LisätiedotTyön tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt
FYSP103 / 1 KAASUTUTKIMUS Työn tavotteta havannollstaa deaalkaasun tlanyhtälöä oppa, mten lman kosteus vakuttaa havattavn lmöhn ja mttaustuloksn kerrata mttauspöytäkrjan ja työselostuksen laatmsta Luento-
LisätiedotAquaPro 3-10 11-18 19-26 27-34. Bedienungsanleitung Operating instructions Gebruiksaanwijzing Käyttöohje FIN. 046.01.00 Rev.0607
046.01.00 Rev.0607 D GB NL FIN Bedenungsanletung Operatng nstructons Gebruksaanwjzng Käyttöohje 3-10 11-18 19-26 27-34 120 Automaattnen pyörvä laser kallstustomnnolla: Itsetasaus vaakasuorassa tasossa
Lisätiedot1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT
imat-2.104 Tilastollisen analyysin perusteet / Tehtävät Aiheet: Avainsanat: Ysisuuntainen varianssianalyysi Bartlettin testi, Bonferronin menetelmä, F-testi, Jäännösneliösumma, χ 2 -testi, Koonaisesiarvo,
LisätiedotHanoin tornit. Merkitään a n :llä pienintä tarvittavaa määrää siirtoja n:lle kiekolle. Tietysti a 1 = 1. Helposti nähdään myös, että a 2 = 3:
Hanoin tornit Oloot n ieoa asetettu olmeen tanoon uvan osoittamalla tavalla (uvassa n = 7). Siirtämällä yhtä ieoa errallaan, ieot on asetettava toiseen tanoon samaan järjestyseen. Isompaa ieoa ei missään
Lisätiedot( ) ( ) Tällöin. = 1 ja voimme laskea energiatason i. = P n missä
S-445 FYSIIKKA III (Sf) Sysy 4, LH Ratasut LHSf-* ohesen uvan esttämää systeemä Systeemssä on 5 huasta joden yhtenen energa on U = 6ε Kunn energatason degeneraatotejä on Olettaen, että systeem noudattaa
LisätiedotMS-A0402 Diskreetin matematiikan perusteet
MS-A0402 Disreetin matematiian perusteet Osa 3: Kombinatoriia Riia Kangaslampi 2017 Matematiian ja systeemianalyysin laitos Aalto-yliopisto Kombinatoriia Summaperiaate Esimeri 1 Opetusohjelmaomiteaan valitaan
LisätiedotM 2 M = sup E M 2 t. E X t = lim. niin martingaalikonvergenssilauseen oletukset ovat voimassa, eli löydämme satunnaismuuttujan M, joka toteuttaa ehdon
Matematiian ja tilastotieteen laitos Stoastiset differentiaaliyhtälöt Rataisuehdotelma Harjoituseen 7 1. Näytä, että uvaus M M M 2, un M 2 M = sup E M 2 t 2 t 0 on normi jouossa M 2 = { M : M on martingaali
LisätiedotNaulalevylausunto LL13 naulalevylle
LAUSUNTO NRO VTT-S-3259-12 1 (4) Tilaaja Tilaus Yhteyshenilö Lahti Levy Oy Asonatu 11 151 Lahti 27.4.212 Simo Jouainen VTT Expert Services Oy Ari Kevarinmäi PL 11, 244 VTT Puh. 2 722 5566, Fax. 2 722 73
LisätiedotInteraktiiviset menetelmät
Interatiiviset menetelmät. Johdanto. Interatiivinen SWT-menetelmä 3. GDF-menetelmä 4. Yhteenveto Optimointiopin seminaari - Kevät 000 /. Johdanto Interatiivisissa menetelmissä päätösenteijä ja analyytio
LisätiedotHASSEN-WEILIN LAUSE. Kertausta
HASSEN-WEILIN LAUSE Kertausta Käytetään seuraava merkntjä F = F/F q on sukua g oleva funktokunta Z F (t = L F (t (1 t(1 qt on funktokunnan F/F q Z-funkto. α 1, α 2,..., α 2g ovat polynomn L F (t nollakohten
LisätiedotMS-A0402 Diskreetin matematiikan perusteet Esimerkkejä ym., osa I
MS-A00 Disreetin matematiian perusteet Esimerejä ym., osa I G. Gripenberg Jouo-oppi ja logiia Todistuset logiiassa Indutioperiaate Relaatiot ja funtiot Funtiot Aalto-yliopisto. maalisuuta 0 Kombinatoriia
Lisätiedot1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.
BM20A5800 - Funktot, lneaaralgebra, vektort Tentt, 26.0.206. (a) Krjota yhtälöryhmä x + 2x 3 = a 2x + x 2 + 5x 3 = b x x 2 + x 3 = c matrsmuodossa Ax = b ja ratkase x snä erkostapauksessa kun b = 0. Mllä
LisätiedotYrityksen teoria ja sopimukset
Yrtyksen teora a sopmukset Mat-2.4142 Optmontopn semnaar Ilkka Leppänen 22.4.2008 Teemoa Yrtyksen teora: tee va osta? -kysymys Yrtys kannustnsysteemnä: ylenen mall Työsuhde vs. urakkasopmus -analyysä Perustuu
Lisätiedot[ ] [ 2 [ ] [ ] ( ) [ ] Tehtävä 1. ( ) ( ) ( ) ( ) ( ) ( ) 2( ) = 1. E v k 1( ) R E[ v k v k ] E e k e k e k e k. e k e k e k e k.
ehtävä. x( + ) x( y x( + e ( y x( + e ( E v E e ( ) e ( R E[ v v ] E e e e e e e e e 6 estimointivirhe: ~ x( x( x$( x( - b y ( - b y ( estimointivirheen odotusarvo: x( - b x( - b e ( - b x( - b e ( ( -
Lisätiedot6. Stokastiset prosessit (2)
Ssältö Markov-prosesst Syntymä-kuolema-prosesst luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 6 Markov-prosess Esmerkk Tark. atkuva-akasta a dskreetttlasta stokaststa prosessa X(t) oko tla-avaruudella
LisätiedotMoraalinen uhkapeli: N:n agentin tapaus eli moraalinen uhkapeli tiimeissä
Moraalnen uhkapel: N:n agentn tapaus el moraalnen uhkapel tmessä Mat-2.4142 Optmontopn semnaar Ismo Räsänen 4.3.2008 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 11 - Ismo Räsänen Optmontopn
Lisätiedot8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY
Värähelymeaa 8. 8 USEAN VAPAUSASEEN SYSEEMIN VAIMENEMAON PAKKOVÄRÄHELY 8. Normaalmuoomeeelmä Usea vapausasee syseem leyhälöde (7.) raaseme vaa aava (7.7) a (7.8) homogeese yhälö ylese raasu { } lsäs paovomaveora
LisätiedotNaulalevylausunto LL13 Combi naulalevylle
LAUSUNTO NRO VTT-S-0361-1 1 (5) Tilaaja Tilaus Yhteyshenilö Lahti Levy Oy Asonatu 11 15100 Lahti 7.4.01 Simo Jouainen VTT Expert Services Oy Ari Kevarinmäi PL 1001, 0044 VTT Puh. 00 7 5566, ax. 00 7 7003
LisätiedotABTEKNILLINEN KORKEAKOULU
ABTEKNILLINEN KORKEAKOULU Tetoverkkolaboratoro 6. Stokastset prosesst () Luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 5 6. Stokastset prosesst () Ssältö Markov-prosesst Syntymä-kuolema-prosesst
LisätiedotLuento 6 Luotettavuus Koherentit järjestelmät
Aalto-ylosto erustetede korkeakoulu Matematka a systeemaalyys latos Lueto 6 Luotettavuus Koherett ärestelmät Aht Salo Systeemaalyys laboratoro Matematka a systeemaalyys latos Aalto-ylosto erustetede korkeakoulu
LisätiedotKaupunkisuunnittelu 17.8.2015
VANTAAN KAUPUNKI MIEIPITEIDEN KOONTI Kaupunisuunnittelu..0 MR :N MUKAISEEN KUUEMISKIRJEESEEN..0 VASTAUKSENA SAADUT MIEIPITEET JA KANNANOTOT ASEMAKAAVAN MUUTOKSESTA NRO 009, MARTINAAKSO YHTEENSÄ KANNANOTTOJA
LisätiedotMALLIVASTAUKSET S Fysiikka III (EST) (6 op) 1. välikoe
MALLIVASTAUKSET S-4.7 Fysa III (EST) (6 op). väloe 7..7. Astassa on, µmol vetyä ( ) ja, µg typpeä ( ). Seosen lämpötla on K ja pane, Pa. Lase a) astan tlavuus, b) vedyn ja typen osapaneet ja c) moleyylen
LisätiedotTörmäysten havaitseminen tietokoneanimaatiossa. Jyrki Rasku
Törmäysten havatsemnen tetooneanmaatossa Jyr Rasu Tamereen ylosto Tetoenästtelyteteden latos Tetoenästtelyo / Vuorovauttenen tenologa Pro gradu -tutelma Elouu 003 Tamereen ylosto Tetoenästtelyteteden latos
Lisätiedotr i m i v i = L i = vakio, (2)
4 TÖRMÄYKSET ILMATYYNYPÖYDÄLLÄ 41 Erstetyn systeemn sälymslat Kun kaks kappaletta törmää tosnsa ne vuorovakuttavat keskenään tetyn ajan Vuorovakutuksella tarkotetaan stä että kappaleet vahtavat keskenään
LisätiedotPPSS. Roolikäyttäytymisanalyysi 28.03.2011. Tämän raportin on tuottanut: MLP Modular Learning Processes Oy Äyritie 8 A FIN 01510 Vantaa info@mlp.
PP Roolkäyttäytymsanalyys Roolkäyttäytymsanalyys Rool: Krjanptäjä Asema: Laskentapäällkkö Organsaato: Mallyrtys Tekjä: Matt Vrtanen 8.0.0 Tämän raportn on tuottanut: MLP Modular Learnng Processes Oy Äyrte
LisätiedotUuden eläkelaitoslain vaikutus allokaatiovalintaan
TEKNILLINEN KORKEAKOULU Systeemanalyysn laboratoro Mat-2.108 Sovelletun matematkan erkostyö Uuden eläkelatoslan vakutus allokaatovalntaan Tmo Salmnen 58100V Espoo, 14. Toukokuuta 2007 Ssällysluettelo Johdanto...
Lisätiedotmenetelmän laskennalliset tekniikat
Smplex-menetelmän menetelmän lasennallset tenat 9. luento: Prmaal-smplex Matemaattsten algortmen ohelmont Kevät 2008 / 1 Prmaal-smplex Degenerotuneen annan ästtely Saraeen valnta Rvn valnta Wolfen menetelmällä
LisätiedotTaustaa. Sekventiaalinen vaikutuskaavio. Päätöspuista ja vaikutuskaavioista. Esimerkki: Reaktoriongelma. Johdantoa sekventiaalikaavioon
Taustaa Sekventaalnen vakutuskaavo Sekventaalnen päätöskaavo on 1995 ovalun ja Olven esttämä menetelmä päätösongelmen mallntamseen, fomulontn ja atkasemseen. Päätöspuun omnasuukssta Hyvää: Esttää eksplsttsest
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.4 Tlastollse aals perusteet, evät 7 8. lueto: Usea selttää leaare regressomall Usea selttää leaare regressomall Seltettävä muuttua havattue arvoe vahtelu halutaa selttää selttäve muuttue havattue
LisätiedotJaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen
Tosakajärjestelmät Luento : Resurssen hallnta ja prorteett Tna Nklander Jaetut resursst Useat tapahtumat jakavat ohjelma-/lattesto-olota, jossa kesknänen possulkemnen on välttämätöntä. Ratkasuja: Ajonakanen
LisätiedotCOULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT
COUOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT SISÄTÖ: Coulombn voma Sähkökenttä Coulombn voman a sähkökentän laskemnen pstevaaukslle Jatkuvan vaauksen palottelemnen pstevaauksks
LisätiedotAamukatsaus 13.02.2002
Indekst & korot New Yorkn päätöskursst, euroa Muutos-% Päätös Muutos-% Helsnk New York (NY/Hel) Dow Jones 9863.7-0.21% Noka 26.21 26.05-0.6% S&P 500 1107.5-0.40% Sonera 5.05 4.99-1.1% Nasdaq 1834.2-0.67%
LisätiedotMat Lineaarinen ohjelmointi
Mat-.4 Lneaarnen ohelmont 8..7 Luento 6 Duaaltehtävä (kra 4.-4.4) S ysteemanalyysn Lneaarnen ohelmont - Syksy 7 / Luentorunko Motvont Duaaltehtävä Duaalteoreemat Hekko duaalsuus Vahva duaalsuus Täydentyvyysehdot
LisätiedotSU/Vakuutusmatemaattinen yksikkö (5)
SU/Vakuutusmatemaattnen ykskkö 0..06 (5) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,
Lisätiedot3D-mallintaminen konvergenttikuvilta
Maa-57.270, Fotogammetan, kuvatulknnan ja kaukokatotuksen semnaa 3D-mallntamnen konvegenttkuvlta nna Evng, 58394J 2005 1 Ssällysluettelo Ssällysluettelo...2 1. Johdanto...3 2. Elasa tapoja kuvata kohdetta...3
LisätiedotMarkov-prosessit (Jatkuva-aikaiset Markov-ketjut)
J. Vrtamo Lkenneteora a lkenteenhallnta / Markov-prosesst 1 Markov-prosesst (Jatkuva-akaset Markov-ketut) Tarkastellaan (statonaarsa) Markov-prosessea, oden parametravaruus on atkuva (yleensä aka). Srtymät
Lisätiedot. C. C Kirjoitetaan sitten auki lineaarisuuden määritelmän oikea puoli: αt{i c1 } + βt{i c2 } = α
SMG-00 Pranals II Ehdotuset harjotusen s ratasus Jotta järjestelmän lneaarsuutta psttään tarastelemaan, on ensn muodostettava htes järjestelmän ssäänmenon ja ulostulon vällle Tällä ertaa tuo htes saadaan
LisätiedotER-kaaviot. Ohjelmien analysointi. Tilakaaviot. UML-kaaviot (luokkakaavio) Tietohakemisto. UML-kaaviot (sekvenssikaavio) Kirjasto
Ohelmen analsont Ohelmen kuvaamnen kaavolla ohelmen mmärtämnen kaavoden avulla kaavoden tuottamnen ohelmasta Erlasa kaavotppeä: ER-kaavot, tlakaavot, UML-kaavot tetohakemsto vuokaavot (tarkemmn) Vuoanals
LisätiedotTalousmatematiikan verkkokurssi. Koronkorkolaskut
Sivu 1/7 oronorolasuja sovelletaan tapausiin, joissa aia on pidempi uin ysi oonainen orojaso, eli aia, jolle oroanta ilmoittaa oron määrän. orolasu: enintään yhden orojason pituisille oroajoille; oronorolasu:
LisätiedotModerni portfolioteoria
Modern portfoloteora Helsngn Ylopsto Kansantalousteteen Kanddaatntutkelma 4.12.2006 Juho Kostanen (013297143) juho.kostanen@helsnk.f 2 1. Johdanto... 3 2. Sjotusmarkknat... 4 2.1. Osakemarkknat... 4 2.2.
LisätiedotJ1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6
MATRIISILASKENTA(TFM) MALLIT AV 6 J (II.6.9) Päättele, että avaruusvetorit a, b ja c ovat lineaarisesti riippuvat täsmälleen un vetoreiden virittämän suuntaissärmiön tilavuus =. Tuti tällä riteerillä ovato
LisätiedotHallin ilmiö. Laatija - Pasi Vähämartti. Vuosikurssi - IST4SE. Tekopäivä 2005-9-14 Palautuspäivä 2005-9-28
Jyväskylän Aattkorkeakoulu, IT-nsttuutt IIF00 Sovellettu fyskka, Syksy 005, 4.5 ETS Opettaja Pas epo alln lö Laatja - Pas Vähäartt Vuoskurss - IST4SE Tekopävä 005-9-4 Palautuspävä 005-9-8 8.9.005 /7 LABOATOIOTYÖ
LisätiedotKynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto
Kynä-paper -harjotukset Tana Lehtnen 8.8.07 Tana I Lehtnen Helsngn ylopsto Etelä-Suomen ja Lapn lään, 400 opettajaa a. Perusjoukon (populaaton) muodostvat kakk Etelä-Suomen ja Lapn läänn peruskoulun opettajat
LisätiedotVÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia
8/ VÄRÄHTELYMEKANIIKKA SESSIO 8: Yhen vapausaseen paovärähely, ransieniuormiusia JOHDANTO c m x () Kuva. Syseemi. Transieniuormiusella aroieaan uormiusheräeä, joa aiheuaa syseemiin lyhyaiaisen liieilan.
LisätiedotKansainvälisen konsernin verosuunnittelu ja tuloksenjärjestely
Kansanvälsen konsernn verosuunnttelu ja tuloksenjärjestely Kansantaloustede Pro gradu -tutkelma Talousteteden latos Tampereen ylopsto Toukokuu 2007 Pekka Kleemola TIIVISTELMÄ Tampereen ylopsto Talousteteden
LisätiedotSekatuotantoverstas Job shop. Flow shop vs. Job shop Esko Niemi
Seauoanoversas Job shop Seauoanoversaassa öden reysä e ole rajoeu mllään avalla vaan ne vova ulea oman prosessnsa muases mnä ahansa oneden aua Tyypllsä omnasuusa: Tuoee ova vaheleva Työnvahee ja -vaheaja
LisätiedotMaanhintojen vikasietoisesta mallintamisesta
Maanmttaus 8:-2 (2006) 5 Maanmttaus 8:-2 (2006) Saapunut 0.8.2005 ja tarkstettuna.4.2006 Hyväksytty 30.6.2006 Maanhntojen vkasetosesta mallntamsesta Marko Hannonen Teknllnen korkeakoulu, Kntestöopn laboratoro
LisätiedotAPTEEKKIEN ELÄKEKASSAN TEL:N MUKAISEN LISÄ- ELÄKEVAKUUTUKSEN LASKUPERUSTEET
APTEEKKIEN ELÄKEKASSAN TEL:N MUKAISEN LISÄ- ELÄKEVAKUUTUKSEN LASKUPEUSTEET Koooma 28.3.2006. Viimeisin perustemuutos on ahistettu 16.1.2003. APTEEKKIEN ELÄKEKASSAN TEL:N MUKAISEN LISÄELÄKEVAKUUTUKSEN LASKU-
LisätiedotJoulukuun vaativammat valmennustehtävät ratkaisut
Jouluuun vaativammat valmennustehtävät rataisut. Tapa. Pätee z = x + y, joten z = (x + y = x + y, josta sieventämällä seuraa xy 4x 4y + 4 = 0. Siispä (x (y =. Tästä yhtälöstä saadaan suoraan x =, y = 4
LisätiedotSisältö. Tosiaikajärjestelmät Luento 9: Moniprosessorijärjestelmät. Järjestelmämalli. Keskeiset kysymykset
Tosaajärjestemät Luento 9: Monprosessorjärjestemät Tna Nander Lu: Rea-Tme Systems uu 9 Ssätö Järjestemäma monprosessorone hajautettu järjestemä Päästä-päähän Tehtävän töden jao prosessoree Resurssen jaautumnen
LisätiedotK-KS vakuutussumma on kiinteä euromäärä
Kesinäinen Henivauutusyhtiö IIIELLA TEKNIIKALLA LAKUPERUTE H-TUTKINTOA ARTEN HENKIAKUUTU REKURIIIELLA TEKNIIKALLA OIMAAOLO 2 AIKALAKU JA AKUUTUIKÄ Tätä lasuperustetta sovelletaan..25 alaen myönnettäviin
LisätiedotMatematiikan tukikurssi
Matematiian tuiurssi Kurssierta 5 Sarjojen suppeneminen Kiinnostusen ohteena on edelleen sarja a n = a + a 2 + a 3 + a 4 + n= Tämä summa on mahdollisesti äärellisenä olemassa, jolloin sanotaan että sarja
LisätiedotEnnen kuin mennään varsinaisesti tämän harjoituksen asioihin, otetaan aluksi yksi merkintätekninen juttu. Tarkastellaan differenssiyhtälöä
DEE-00 Lineaariset järjestelmät Harjoitus, rataisuehdotuset Ennen uin mennään varsinaisesti tämän harjoitusen asioihin, otetaan alusi ysi merintäteninen juttu Tarastellaan differenssiyhtälöä y y y 0 Vaihtoehtoinen
Lisätiedot854/2017. Liitteet 1 2. Muutos laskuperusteisiin työntekijän eläkelain mukaista toimintaa harjoittaville eläkesäätiöille
Liitteet Muutos lasuperusteisiin työnteijän eläelain muaista toimintaa harjoittaille eläesäätiöille Liite Vauutusteniset suureet Näissä lasuperusteissa esiintyät auutusteniset suureet lasetaan TyEL:n muaisen
LisätiedotMittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio?
Mttausteknkan perusteet / luento 7 Mttausepävarmuus Mttausepävarmuus Mttaustulos e ole koskaan täysn oken Mttaustulos on arvo mtattavasta arvosta Mttaustuloksen ja mtattavan arvon ero on mttausvrhe Mkäl
LisätiedotTodennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 1. laskuharjoitus, ratkaisuehdotukset
Todennäöisyyslasenta IIa, syys loauu 019 / Hytönen 1. lasuharjoitus, rataisuehdotuset 1. ( Klassio ) Oloot A ja B tapahtumia. Todista lasuaavat (a) P(A B) P(A) + P(B \ A), (b) P(B) P(A B) + P(B \ A), (c)
LisätiedotKokonaislukuoptimointi
Kokonaslukuotmont Robust dskreett otmont ysteemanalyysn Laboratoro Teknllnen korkeakoulu Ar-Pekka Perkkö ovelletun matematkan tutkasemnaar Kevät 28 sältö Robustn lneaarsen kokonasluku- sekä sekalukuotmontongelman
LisätiedotTyön tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt
FYSP103 / 1 KAASUTUTKIUS Työn tavotteta havannollstaa deaalkaasun tlanyhtälöä oa, mten lman kosteus vakuttaa havattavn lmöhn ja mttaustuloksn kerrata mttausöytäkrjan ja työselostuksen laatmsta Luento-
LisätiedotHY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.
HY, MTO / Matemaattste tetede kadohjelma Tlastolle päättely II, kevät 208 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I Olkoo Y, Y rppumato otos Pareto jakaumasta, fy; θ θc θ y θ+ { y > c } tuetulla vakolla
LisätiedotS , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon
S-11435, FYSIIKKA III (ES), Syksy 00, LH 4, Loppuvkko 39 LH4-1* Käyttän Maxwll-Boltzmann-jakauman parttofunktota määrtä a) nrgan nlön kskarvo (E ) skä b) nrgan nlöllnn kskpokkama kskarvosta l nrgan varanss,
Lisätiedot7. Keko. Tarkastellaan vielä yhtä tapaa toteuttaa sivulla 162 määritelty tietotyyppi joukko
7. Keko Tarkastellaan velä yhtä tapaa toteuttaa svulla 6 määrtelty tetotyypp joukko Tällä kertaa emme kutenkaan toteuta normaala operaatovalkomaa, vaan olemme knnostuneta anoastaan kolmesta operaatosta:
LisätiedotHY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.
HY, MTO / Matemaattiste tieteide adiohjelma Tilastollie päättely II, evät 2018 Harjoitus 6A Rataisuehdotusia Tehtäväsarja I 1. (Moistee tehtävä 5.4) Kauppias myy mäysiemeiä, joide itävyyde väitetää oleva
LisätiedotS-114.240 Hahmontunnistus ihmisläheisissä käyttöliittymissä Kasvojen tunnistus ja identiteetin tarkistus: ZN-Face
S-114.240 Hahmontunnistus ihmisläheisissä äyttöliittymissä Kasvojen tunnistus ja identiteetin taristus: ZN-Face Kalle Korhonen sorhon@cc.hut.fi 13.4.2000 Tiivistelmä: Raportissa tutustutaan aupalliseen
LisätiedotRahastoonsiirtovelvoitteeseen ja perustekorkoon liittyvät laskentakaavat. Soveltaminen
SU/Vakuutusmatemaattnen ykskkö 0.4.05 Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä perusteta sovelletaan täydennyskertomen,
LisätiedotYksikköoperaatiot ja teolliset prosessit
Ykskköoperaatot ja teollset prosesst 1 Ylestä... 2 2 Faasen välnen tasapano... 3 2.1 Neste/höyry-tasapano... 4 2.1.1 Puhtaan komponentn höyrynpane... 4 2.1.2 Ideaalnen seos... 5 2.1.3 Epädeaalnen nestefaas...
Lisätiedot1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on
HY MTO / Matemaattste tetede kadohjelma Tlastolle päättely II kevät 019 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I 1 Mostee teht 516 Eräde kuulalaakerede kestoa mljooaa kerrosta o totuttu kuvaamaa Webull-jakaumalla
LisätiedotTehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1
Luuteoria Harjoitus 1 evät 2011 Alesis Kosi 1 Tehtävä 1 Näytä: jos a ja b ovat positiivisia oonaisluuja joille (a, b) = 1 ja a c, seä lisäsi b c, niin silloin ab c. Vastaus Kosa a c, niin jaollisuuden
LisätiedotYrityksen teoria. Lari Hämäläinen S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu
Yrtyksen teora Lar Hämälänen.1.003 Yrtys Organsaato, joka muuttaa tuotantopanokset tuotteks ja tom tehokkaammn kun sen osat erllään Yrtys tenaa rahaa myynthnnan sekä ostohnnan ja aheutuneden kustannuksen
Lisätiedotmenetelmän laskennalliset tekniikat Epäkäyvän kantaratkaisun parantaminen
Smpex-menetemän menetemän askennaset teknkat 8. ento: Prmaa-smpex S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / Epäkäyvän kantaratkasn parantamnen. vaheen yenen smpex-menetemä
Lisätiedot855/2017. Liitteet 1 2. Laskuperustemuutokset eläkekassoille työntekijän eläkelain mukaista kustannusten jakoa
Liitteet Lasuperustemuutoset eläeassoille työnteijän eläelain muaista ustannusten jaoa arten Liite Vauutusteniset suureet Näissä lasuperusteissa esiintyät auutusteniset suureet lasetaan TyEL:n muaisen
Lisätiedot