Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. 1 Stokastiske system og prosesser 2
|
|
- Ellinor Jensen
- 7 år siden
- Visninger:
Transkript
1 Stavanger, 4. august 016 Det teknisknaturvitenskapelige fakultet ELE60 Systemidentifikasjon, 016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. Innhold 1 Stokastiske system og prosesser Stokastiske variabler.1 Sannsynlighetsfordelingsfunksjonen Forventningsverdi Stasjonær prosess Krysskovarians og kovarians Hvit og farget støy 4 4 Stokastiske systemer Stokastiske statiske systemer Stokastiske dynamiske systemer Statistiske egenskaper for ARX-prosess 5 6 Statistiske egenskaper for ARX-prosess 6 Karl Skretting, Institutt for data- og elektroteknikk (IDE), Universitetet i Stavanger (UiS), 4036 Stavanger. Sentralbord Direkte E-post: karl.skretting@uis.no.
2 1 Stokastiske system og prosesser Del 5 her er ei mye brukt eksamensoppgave med løsningsforslag i del 6. Stokastiske variabler Her er først noen begreper og stikkord. x(k) er her en stokastisk variabel for en bestemt verdi av k. En stokastisk prosess er et sett (en sekvens) av stokastiske variabler {x(k), k = 0, 1,,...}. Prosess og signal er her nært knyttet sammen i et en til en forhold. Prosessen regnes som kilden og gir (ved realisering) ut signalet. Signalet oppfattes oftes som målt og er dermed faktisk (ikke stokastisk). Realisering (utfall) gir en faktisk (reell) verdi x(k), eller {x(k)} for å gjøre tydeligere at det er en stokastisk variabel. En kan ha flere ulike realiseringer: {x(k, ω 1 )}, {x(k, ω )}. Et eksempel er at x(k) er maksimumstemperaturen på Ullandhaug hver måned (månednummer er k), hvert år er da en ny realisering av denne prosessen, (årstall er ω). {x(, ω 1 )}, {x(, ω )}, der står for alle k, er ulike realiseringer av samme prosessen. {x(k 1, }, der står for alle realiseringer ω, er den stokastiske variabelen {x(k 1 )} (for alle mulige realiseringer). Ulike realiseringer av samme stokastiske prosess er ikke like hverandre (men de har ofte visse likheter)..1 Sannsynlighetsfordelingsfunksjonen F (X; k) = P {x(k) X}. (1) P { } er sannsynligheten for at det inni klammene er sant. F ( ) er sannsynlighetsfordelingsfunksjonen (cdf). Argumentet her er stor X for å skille det fra (tilstands)variablen x, x(k).
3 . Forventningsverdi Forventningsverdien defineres ofte ut fra sannsynlighetstetthetsfunksjonen (pdf), f( ), df (X) df (X; k) f(x) =, f(x; k) = () dx dx Forventningsverdien er da definert som m x (k) = E[x(k)] = Xf(X; k)dx = XdF (X; k) (3) Vektorform: x(k) = x 1 (k). x n (k), m x (k) = m x1 (k). m xn (k). (4).3 Stasjonær prosess For en stasjonær prosess har en F (X; k) er tidsuavhengig altså F (X; k 1 ) = F (X; k ) = F (X), k 1, k (5) Forventningsverdien kan nå estimeres med middelverdien av en enkel realisering ˆm x = 1 N N 1 k=0 x(k) (6) For at dette estimatet skal bli godt så må en ofte ha en ganske stor N..4 Krysskovarians og kovarians Definisjon, tilsvarende ADC: (15.7): Cov(x(k + τ), y(k)) = R xy (τ, k) (7) = E [ ( x(k + τ) m x (k + τ) ) (y(k) m y (k) ) T ]. Stasjonære prosesser x og y gir R xy (τ, k 1 ) = R xy (τ, k ) = R xy (τ) (8) x og y er gjerne vektorer, da er R xy ei matrise. 3
4 Hvis y = x får en autokovarians eller bare kovarians, (kun varians brukes helst om stokastiske variabler, ikke så mye for stokastiske prosesser). R xx (τ, k) R x (τ, k) (9) Variansen for et element av den stokastiske prosessen, {x(k)}, (som da er en stokastisk variabel) får en med τ = 0. Cov(x(k), x(k)) = Var(x(k)) = R x (0, k) (10) Når x er en vektor er dette ei (ko)variansmatrise. Det kan nå passe å gå gjennom ei tidligere eksamensoppaven, for eksempel oppgave 3, 1 februar 007 (ARX-prosess). 3 Hvit og farget støy x er en hvit støy prosess hvis m x (k) = 0 og R x (τ, k) = R(k)δ(τ) (11) R(k) er varians for hvit støy, og kan variere med k, selv om den vanligvis er konstant, Farget støy har noe samvariasjon mellom x(k) og x(k + τ) men R x (τ, k) avtar ofte med økende k. Farget støy modelleres ofte ved at hvit støy går gjennom et filter (shaping filter), gjerne et enkelt filter, selv om en også kan ta flere støysignaler som blandes fra ett tidssteg til neste. 4 Stokastiske systemer Stokastiske systemer er system som er påvirket av, eller inneholder, stokastiske variabler eller prosesser (signaler). 4.1 Stokastiske statiske systemer Eksempel y(k) = Mv(k) (1) Der M er en konstant eller ei konstant (forsterknings)matrise. En har da m y (k) = Mm v (k), R y (τ, k) = MR v (τ, k)m T (13) 4
5 4. Stokastiske dynamiske systemer Eksempel med et system på tilstandsromform, og uten pådrag, x(k + 1) = Φx(k) + Ωv(k) (14) y(k) = Dx(k) + w(k) (15) der v og w er stokastiske, gjerne hvit støy, der vi har gitt m v (k) og R v (τ, k) = Q(k)δ(τ) og m w (k) og R w (τ, k) = R(k)δ(τ). Vi skriver Q i stedet for Q(k) og R i stedet for R(k). Vi lar målestøyen w være hvit og ukorrelert med v og x. Litt regning med forventningsoperatoren viser da Hvis m v (k) = 0 m x (k + 1) = E[x(k + 1)] = E[Φx(k) + Ωv(k)] (16) = ΦE[x(k)] + ΩE[v(k)] = Φm x (k) + Ωm v (k) (17) m x (k + 1) = Φm x (k) = Φ m x (k 1) =... = Φ k+1 m x (0) (18) Når systemet er stabilt har Φ egenverdier innefor enhetssirkelen og lim n Φ n = 0, altså lim k m x (k) = 0. Kovarians P x (k) R x (0, k) blir P x (k + 1) = E[ ( x(k + 1) m x (k + 1) )( x(k + 1) m x (k + 1) ) T ] (19) = = ΦP x (k)φ T + ΩQΩ T (0) 5 Statistiske egenskaper for ARX-prosess (Antall poeng for denne oppgaven er 0) En har gitt følgende prosess: y(k) = ay(k 1) + bu(k 1) (1) a og b er konstanter. Anta at pådraget {u(k)} er stasjonær stokastisk hvit støy med middelverdi null og varians σ u. Beregn forventningsverdien m y. Beregn kovariansen R y (0) = E{ ( y(k) m y ) }. Finn transferfunksjonen h(z). 5
6 6 Statistiske egenskaper for ARX-prosess (Antall poeng for denne oppgaven er = 0) En har gitt følgende prosess: y(k) = ay(k 1) + bu(k 1) () a og b er konstanter, {u(k)} er stasjonær stokastisk hvit støy med middelverdi null og varians σ u 6.a (5 poeng) Vi får m y = E[y(k)] = E[ ay(k 1) + bu(k 1)] (3) = ae[y(k 1)] + be[u(k 1)] = am y + bm u (4) (1 + a)m y = bm u (5) m y = b 1 + a m u = 0, siden m u = 0. (6) 6.b (10 poeng) Dette er ei generell løsning for noen stokastiske egenskaper for prosessen. Siden signalene er stasjonære er de stokastiske egenskapene uavhengige av tidssteget k. Siden u(k) er hvit støy har en R u (l) = E{u(k)u(k l)} = { σ u når l = 0 0 når l 0 (7) Siden middelverdiene er null, m u = 0 og m y = 0, har en videre R y (l) = E{[y(k) m y ][y(k l) m y ]} = E{y(k)y(k l)} = R y ( l) (8) og for krysskovariansen har en R uy (l) = E{u(k)y(k l)} = E{u(k + l)y(k)} (9) R yu (l) = E{y(k)u(k l)} = R uy ( l) (30) R uy (l) = E{u(k)y(k l)} = 0, når l 0 (31) Siste ligning her er satt opp fordi en har at inngang u(k) kun kan påvirke senere verdier av y. Vi finner nå R yu (1) = R uy ( 1) = E{y(k)u(k 1)} = E{y(k + 1)u(k)} (3) = E{ ay(k)u(k) + bu(k)u(k)} = ar yu (0) + br u (0) = b σ u 6
7 Videre kan en (om en ønsker) finne R yu () = E{y(k)u(k )} (33) = E{ ay(k 1)u(k ) + bu(k 1)u(k )} = ar yu (1) + br u (1) = abσu Generelt har en da R yu (l) = R uy ( l) = { 0 når l 0 ( a) l 1 b σu når l > 0 (34) Vi finner nå R y (0) R y (0) = E{[y(k) m y ] } = E{y (k)} (35) = E{[ ay(k 1) + bu(k 1)] } = E{[a y (k 1) aby(k 1)u(k 1) + b u (k 1)]} = a E{y (k 1)} abe{y(k 1)u(k 1)} + b E{u (k 1)} = a R y (0) abr uy (0) + b R u (0) = a R y (0) + b σu Dette løses med hensyn på R y (0) og gir Vi finner nå R y (1) = R y ( 1) (1 a )R y (0) = b σu R y (0) = b 1 a σ u. (36) R y (1) = E{y(k)y(k 1)} (37) Videre kan en (om en ønsker) finne Generelt har en da = E{ ay(k 1)y(k 1) + bu(k 1)y(k 1)} a b = ar y (0) + br uy (0) = 1 a σ u R y () = E{y(k)y(k )} (38) = E{ ay(k 1)y(k ) + bu(k 1)y(k )} = ar y (1) + br uy (1) = a b 1 a σ u R y (l) = R y ( l) = ( a) l b 1 a σ u. (39) 7
8 6.c (5 poeng) Transferfunksjonen h(z) = y(z)/u(z) finner en ved å ta z-transformasjonen av hvert ledd y(z) = az 1 y(z) + bz 1 u(z) (40) (1 + az 1 )y(z) = bz 1 u(z) (41) h(z) = y(z) u(z) = bz az = b 1 z + a. (4) 8
4.1 Diskretisering av masse-fjær-demper-system. K f m. x m u m y = x 1. x m 1 K d. Dette kan skrives på matriseform som i oppgaven med 0 1 A =
Stavanger, 5. september 08 Det teknisknaturvitenskapelige fakultet ELE60 Systemidentifikasjon, 08. Innhold 4 Løsningsforslag og kommentarer, noen regneoppgaver. 4. Diskretisering av masse-fjær-demper-system...........
DetaljerDato: fredag 14 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen. 1 Diskret tilstandsrommodell 2. 2 Stående pendel 4
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK30, Systemidentifikasjon Dato: fredag 4 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerEksamen i MIK130, Systemidentifikasjon
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: 21 februar 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen Bokmål
DetaljerGenerell informasjon om faget er tilgjengelig fra It s learning. 7.1 Stokastisk prosess Lineær prediktor AR-3 prosess...
Stavanger, 1. september 013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 7.1 Stokastisk prosess..........................
DetaljerEksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksaen i MIK130, Systeidentifikasjon (10 sp) Dato: Torsdag 17 deseber 2009 Lengde på eksaen: 4 tier Tillatte hjelpeidler:
DetaljerEksamen i ELE620, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i ELE620, Systemidentifikasjon (10 sp) Dato: tirsdag 17 desember 2013 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerDET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk. Løsningsforslag Eksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK3, Systemidentifikasjon ( sp) Dato: torsdag 6 desember Lengde på eksamen: 4 timer Tillatte
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. med Kalman-filter og RLS.
Stavanger, 9. august 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerDato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun standard enkel kalkulator, HP 30S
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerEksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon (10 sp) Dato: onsdag 24 november 2010 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerLøsningsforslag Eksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK3, Systemidentifikasjon ( sp) Dato: Mandag 8 desember 28 Lengde på eksamen: 4 timer Tillatte
DetaljerEksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon (10 sp) Dato: Mandag 8 desember 2008 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerEksamen i MIK130, Systemidentifikasjon
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK30, Systemidentifikasjon Dato: Fredag 4. desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen
DetaljerGenerell informasjon om faget er tilgjengelig fra It s learning. 1 En kort oppsummering Adaptiv filtrering 2. 3 Prediksjon 4
Stavanger, 13. august 2013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 2013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 1 En kort oppsummering. 1 2 Adaptiv
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. 1 Øving med systemidentifikasjon.
Stavanger, 23. juni 2017 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2017. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
DetaljerMIK-130 Systemidentifikasjon Løsningsforslag eksamen 28 mai 2004
MIK-130 Systemidentifikasjon Løsningsforslag eksamen 28 mai 2004 Oppgave 1 a Energibalanse: Endring i energi = sum av tilført energi - sum av avgitt energi. Her får en da for vannet E t = (m vc pv T v
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas.
Stavanger, 26. juni 2017 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2017. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
Detaljer6 Modellering av smelteovn Modellering Tilstandsromform Diskretisering Observerbarthet Tidssteg...
Stavanger, 28. mai 2019 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2019. Innhold 6 Modellering av smelteovn. 1 6.1 Modellering............................. 1 6.2 Tilstandsromform..........................
DetaljerLøsningsforslag Eksamen i MIK130, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK3, Systemidentikasjon ( sp) Dato: onsdag 23 november 2 Lengde på eksamen: 4 timer Tillatte
Detaljer2 Utledning av Kalman-filter Forventningsrett estimator Kovariansmatriser Minimum varians estimator... 9
Stavanger, 3. august 2018 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2018. Innhold 1 Tilstands- og parameterestimering med Kalman-filter 2 1.1 Observerbarhet...........................
DetaljerEksamen i MIK130, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK3, Systemidentikasjon ( sp) Dato: onsdag 23 november 2 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun
DetaljerGenerell informasjon om faget er tilgjengelig fra It s learning.
Stavanger, 6. august 013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 5.1 Implementering av IIR filter....................
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
Stavanger, 7. november 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. 1 Adaptiv filtrering 2.
Stavanger, 23. juni 2017 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2017. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas.
Stavanger, 26. juni 2017 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2017. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
DetaljerLitt generelt om systemidentifikasjon.
Stavanger, 29. juni 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerLitt generelt om systemidentifikasjon.
Stavanger, 31. juli 2018 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2018. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for ata- og elektroteknikk Eksamen i ELE620, Systemientikasjon (10 sp) Dato: Manag 15 esember 2014 Lenge på eksamen: 4 timer Tillatte hjelpemiler: Kun
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i ELE620, Systemidentikasjon (10 sp) Dato: Fredag 15 desember 2017 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerMIK 200 Anvendt signalbehandling, 2012.
Stavanger, 1. november 2011 Det teknisknaturvitenskapelige fakultet MIK 200 Anvendt signalbehandling, 2012. Prosjekt 1, Tapsfri komprimering. Vi skal i dette miniprosjektet se litt på hvordan en kan gjøre
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i ELE620, Systemidentikasjon (0 sp) Dato: Tirsdag 5 desember 205 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerKalmanfilter på svingende pendel
Kalmanfilter på svingende pendel Rolf Henriksen og Torbjørn Houge Institutt for teknisk kybernetikk NTNU 2005 Vi skal se på hvordan Kalmanfilteret fungerer på et velkjent eksempel, den svingende pendel
DetaljerØVINGER 2017 Løsninger til oppgaver. Lineærkombinasjonen Z = 5X + 8Y har forventningsverdi
ØVINGER 27 Løsninger til oppgaver Øving 6 4. (7). Fra oppgave 4.5 (øving 4) har vi forventningsverdien variansen til X, E[X] =.92, V ar[x] =.3. Lineærkombinasjonen Z = 5X + 8Y har forventningsverdi E[Z]
DetaljerEksamen i MIK130, Systemidentifikasjon
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerTilstandsestimering Oppgaver
University College of Southeast Norway Tilstandsestimering Oppgaver HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Grunnlag... 3 1.1 Statistikk og Stokastiske systemer... 3 1.2
DetaljerSide av 5 fra matriseteori har vi at en symmetrisk matrise alltid er ortogonalt diagonaliserbar. Det vil si at X kan skrives på formen X = M M (6) der
Side av 5 Norges teknisk- naturvitenskapelige universitet Institutt for teknisk kybernetikk SIE38 Stokastiske og adaptive systemer Fasit til ving Oppgave Gitt at den stokastiske vektoren v er normalfordelt
DetaljerEksamensoppgave i TMA4240 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806
DetaljerForventning og varians.
Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.1) Forventningsverdi = gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: x xf(x),x
DetaljerTyngdepunkt. Togforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at. Kapittel 4
3 Tyngdepunkt Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4240 H2006: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF
DetaljerMatematisk statistikk og stokastiske prosesser B, høsten 2006 Løsninger til oppgavesett 5, s. 1. Oppgave 1
Matematisk statistikk og stokastiske prosesser B, høsten 2006 Løsninger til oppgavesett 5, s AR2-modell: Oppgave X t φ X t φ 2 X t 2 Z t Antas å være kausal slik at X t ψ j Z t j er ukorrelert med Z t+,
DetaljerEksamen i MIK130, Systemidentifikasjon
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for elektroteknikk og databehandling Eksamen i MIK130, Systemidentifikasjon Dato: Mandag 28. november 2005 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerMatematisk statistikk og stokastiske prosesser B, høsten 2006 Oppgavesett 5, s. 1. Oppgave 1. Oppgave 2. Oppgave 3
Matematisk statistikk og stokastiske prosesser B, høsten 2006 Oppgavesett 5, s. 1 Oppgave 1 For AR(2)-modellen: X t = 0.4X t 1 + 0.45X t 2 + Z t (der {Z t } er hvit søy med varians 1), finn γ(3), γ(4)
Detaljer7 Tilstandsestimering for smelteovn.
Stavanger, 9. august 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DE EKNISK - NAURVIENSKAPEIGE FAKUE Institutt for data- og elektroteknikk Eksamen i EE620, Systemidentikasjon (0 sp) Dato: Fredag 3 mars 207 engde på eksamen: 4 timer illatte hjelpemidler: Kun standard
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010
ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning
DetaljerSLUTTPRØVE (Teller 60% av sluttkarakteren)
Høgskolen i Telemark Avdeling for teknologiske fag SLUTTPRØVE (Teller 60% av sluttkarakteren) EMNE: EE4209 Modellbasert regulering LÆRERE Kjell - Erik Wolden og Hans - Petter Halvorsen KLASSE(R): 2IA DATO:
DetaljerTilstandsestimering Løsninger
University College of Southeast Norway Tilstandsestimering Løsninger HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Grunnlag... 3 1.1 Statistikk og Stokastiske systemer... 3 1.2
DetaljerUke 4: z-transformasjonen
Uke 4: z-transformasjonen Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2012 2/30 Dagens temaer z-dometet; ett av tre domener z-transformasjonen; definisjon og egenskaper
DetaljerForelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind
Forelesning 5: Kontinuerlige fordelinger, normalfordelingen Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Kontinuerlige fordelinger 2. Uniform fordeling 3. Normal-fordelingen 1. Kontinuerlige fordelinger
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. systemidentifikasjon fra sprangrespons.
Stavanger, 29. september 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Deleksamen i: STK Sannsynlighetsregning og statistisk modellering Eksamensdag: Mandag 4. mars 26 Tid for eksamen: 5. 7. Oppgavesettet er
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Tlf: Eksamensdato: August 2014 Eksamenstid (fra til): Hjelpemiddelkode/Tillatte hjelpemidler:
Detaljerstatistikk, våren 2011
ÅMA110 Sannsynlighetsregning med statistikk, våren 011 Kp. 3 Diskrete tilfeldige variable 1 Diskrete tilfeldige variable, innledning Hva er en tilfeldig variabel (stokastisk variabel)? Diskret tilfeldig
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011 Oppgave 1 Oljeleting a) Siden P(A
DetaljerForventning og varians.
Forventning og varians. Dekkes av kapittel 4 i læreboka. Forventning (4.) Forventningsverdi gjennomsnitt i det lange løp. Defininsjon: Forventningsverdien til en stokastisk variabel X er: E(X) f(),x diskret
DetaljerMIK 200 Anvendt signalbehandling, 2012. Lab. 5, brytere, lysdioder og logikk.
Stavanger, 25. januar 2012 Det teknisknaturvitenskapelige fakultet MIK 200 Anvendt signalbehandling, 2012. Lab. 5, brytere, lysdioder og logikk. Vi skal i denne øvinga se litt på brytere, lysdioder og
DetaljerGenerell informasjon om faget er tilgjengelig fra It s learning.
Stavanger,. oktober 3 Det teknisknaturvitenskapelige fakultet ELE5 Signalbehandling, 3. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 4. Frekvensrespons for system.....................
DetaljerEKSAMEN I TMA4285 TIDSREKKEMODELLER Fredag 7. desember 2012 Tid: 09:00 13:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 8 Bokmål Faglig kontakt under eksamen: John Tyssedal 73593534/41645376 EKSAMEN I TMA4285 TIDSREKKEMODELLER Fredag
DetaljerUke 4: z-transformasjonen
Uke 4: z-transformasjonen Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/26 Dagens temaer z-dometet; ett av tre domener z-transformasjonen; definisjon og egenskaper
DetaljerTogforsinkelsen (Eksamen Des2003.1a) I denne oppgaven kan du bruke uten å vise det at
Kapittel 4 Forventningsverdi, varians, kovarians for én stokastisk variabel og funksjoner av stokastiske variabler TMA4245 V2007: Eirik Mo 2 4.1 Forventing til en stokastisk variabel DEF 4.1: La X være
DetaljerLøsningsforslag, eksamen statistikk, juni 2015
Løsningsforslag, eksamen statistikk, juni 0 Oppgave 1 Siden det spørres om tall fra et intervall, som oppgaven viser kan være et reelle, er det tydelig at tallene er tatt fra en kontinuerlig fordeling.
DetaljerKapittel 4: Matematisk forventning
Kapittel 4: Matematisk forventning TMA4240 Statistikk (F2 og E7) Multivariate tilfeller foreleses mandag 6.september, 2004 Ole.Petter.Lodoen@math.ntnu.no p.1/16 Forventing til funksjon av flere stokastiske
DetaljerForelesning 13. mars, 2017
Forelesning 13. mars, 217 AVSNITT 5.2 Kovariansen mellom to variable Korrelasjon mellom to variable AVSNITT 5.3 Betingede fordelinger Kovariansen mellom to stokastiske variable Kovariansen mellom to stokastiske
DetaljerSTK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner
STK1100 våren 2017 Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner Svarer til avsnittene 4.1 og 4.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i
DetaljerEksamensoppgåve i TMA4240 Statistikk
Institutt for matematiske fag Eksamensoppgåve i TMA4240 Statistikk Fagleg kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
Stavanger, 30. juni 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerUniversity College of Southeast Norway. Kalmanfilter HANS-PETTER HALVORSEN,
University College of Southeast Norway HANS-PETTER HALVORSEN, 2016.11.01 http://home.hit.no/~hansha Forord Dette dokumentet tar for seg grunnleggende modellbasert regulering over temaet. Noen forenklinger
DetaljerGammafordelingen og χ 2 -fordelingen
Gammafordelingen og χ 2 -fordelingen Gammafunksjonen Gammafunksjonen er en funksjon som brukes ofte i sannsynlighetsregning. I mange fordelinger dukker den opp i konstantleddet. Hvis man plotter n-fakultet
DetaljerKalmanfilter HANS-PETTER HALVORSEN, 2012.02.24
Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics HANS-PETTER HALVORSEN, 2012.02.24 Faculty of Technology, Postboks 203, Kjølnes ring 56, N-3901 Porsgrunn,
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. 1 Parameterestimering med LS og RLS 2
Stavanger, 3 november 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016 Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning
DetaljerEKSAMEN. TILLATTE HJELPEMIDLER: Kalkulator. Hornæs: Formelsamling statistikk HiG. John Haugan: Formler og tabeller.
KANDIDATNUMMER: EKSAMEN FAGNAVN: FAGNUMMER: Statistikk. REA1081 EKSAMENSDATO: 11. juni 2007. KLASSE: Ingeniørklasser. TID: kl. 9.00 13.00. FAGLÆRER: Hans Petter Hornæs ANTALL SIDER UTLEVERT: 4 (innkl.
Detaljerår i 1 2 3 4 5 6 7 8 9 alder x i 37 38 39 40 41 42 43 44 45 tid y i 45.54 41.38 42.50 38.80 41.26 37.20 38.19 38.05 37.45 i=1 (x i x) 2 = 60, 9
TMA424 Statistikk Vår 214 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 11, blokk II Oppgave 1 Matlabkoden linearreg.m, tilgjengelig fra emnets hjemmeside, utfører
DetaljerForelening 1, kapittel 4 Stokastiske variable
Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren 2008
ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 Betinget sannsynlighet Betinget sannsynlighet (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4,
DetaljerTTK4180 Stokastiske og adaptive systemer. Datamaskinøving 2 - Parameterestimering
Institutt for teknisk kybernetikk Norges teknisk-naturvitenskapelige universitet 27.10.98 EWR TTK4180 Stokastiske og adaptive systemer Datamaskinøving 2 - Parameterestimering Tid og sted: -Utdeling av
Detaljer6 x P (X = x) = x=1 = P (X 2 = 6)P (X 2 = 6)P (X 3 = 6) =
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 4, blokk I Løsningsskisse Oppgave 1 a) Utfallsrommet til X 1 er {1, 2,, 4, 5, }. Sannsynlighetsfordelingen
DetaljerEksamensoppgave i ST1201/ST6201 Statistiske metoder
Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Nikolai Ushakov Tlf: 45128897 Eksamensdato: 20. desember 2016 Eksamenstid (fra til): 09:00
DetaljerTMA4240 Statistikk Høst 2008
TMA4240 Statistikk Høst 2008 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7 Oppgave 1 Tippekonkurranse Denne oppgaven er ment som en kjapp test på hva du har
DetaljerStatistikk 1 kapittel 4
Statistikk 1 kapittel 4 Nico Keilman ECON 2130 Vår 2017 Kapittel 4 Stokastiske (tilfeldige) variabler Anta 1) Vi kjenner sannsynligheter for ulike utfall knyttet til et forsøk 2) Hvert utfall har en (meningsfull)
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DE EKNISK - NAURVIENSKAPELIGE FAKULE Institutt for data- og elektroteknikk Eksamen i ELE620, Systemidentikasjon (0 sp) Dato: Onsdag 4 desember 206 Lengde på eksamen: 4 timer illatte hjelpemidler: Kun standard
DetaljerUke 4: z-transformasjonen
Uke 4: z-transformasjonen Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2013 2/31 Dagens temaer z-dometet; ett av tre domener z-transformasjonen; definisjon og egenskaper
DetaljerTMA4240 Statistikk Høst 2009
TMA4240 Statistikk Høst 2009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b6 Oppgave 1 Oppgave 11.5 fra læreboka. Oppgave 2 Oppgave 11.21 fra læreboka. Oppgave
DetaljerSTK1100 våren 2019 Mere om konfidensintevaller
STK1100 våren 2019 Mere om konfidensintevaller Svarer til avsnitt 8.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i Oslo 1 Konfidensintervall for µ i store utvalg Anta at de stokastiske
DetaljerEksamen i fag TFY 4305 Ikkelineær dynamikk Onsdag 30. november 2005 Tid: 15.00 19.00
Side 1 av 6 Norges teknisk-naturvitenskapelige universitet Institutt for fsikk Faglig kontakt under eksamen: Navn: Jan Mrheim Telefon: 93653 eller 9 7 51 72 Eksamen i fag TFY 435 Ikkelineær dnamikk Onsdag
DetaljerTMA4245 Statistikk Høst 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 4 Løsningsskisse Oppgave 1 Mureren La X være mengden mørtel mureren bruker i løpet av en tilfeldig valgt arbeidsdag.
DetaljerLøsningsforslag Eksamen S2, høsten 2017 Laget av Tommy O. Sist oppdatert: 26. november 2017
Løsningsforslag Eksamen S, høsten 017 Laget av Tommy O. Sist oppdatert: 6. november 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x 4x 3. Vi bruker regelen samt regelen (x n ) = nx
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 24. april Bjørn H. Auestad Oppsummering våren
DetaljerUNIVERSITETET I OSLO Matematisk Institutt
UNIVERSITETET I OSLO Matematisk Institutt Midtveiseksamen i: STK 1000: Innføring i anvendt statistikk Tid for eksamen: Onsdag 9. oktober 2013, 11:00 13:00 Hjelpemidler: Lærebok, ordliste for STK1000, godkjent
DetaljerTMA4245 Statistikk Eksamen desember 2016
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 Ei bedrift produserer elektriske komponentar. Komponentane kan ha to typar
DetaljerBetinget sannsynlighet
Betinget sannsynlighet Multiplikasjonsloven for sannsynligheter (s. 49 i bok): P( AB ) = P( A B ) P(B) Veldig viktig verktøy for å finne sannsynligheter for snitt. (Bevises ved rett fram manipulering av
DetaljerEksamen i. MAT110 Statistikk 1
Avdeling for logistikk Eksamen i MAT110 Statistikk 1 Eksamensdag : Tirsdag 22. mai 2018 Tid : 09:00 13:00 (4 timer) Faglærer/telefonnummer : Molde + Kristiansund: Per Kristian Rekdal / 924 97 051 Hjelpemidler
DetaljerTo-dimensjonale kontinuerlige fordelinger
To-dimensjonale kontinuerlige fordelinger Noen resultater for diskrete fordelinger Vi har tidligere definert punktsannsynligheten p(x, y) for en todimensjonal variabel (X, Y ) som p(x, y) = P ({X = x}
Detaljern n i=1 x2 i n x2 n i=1 Y i og x = 1 n i=1 (x i x)y i = 5942 og n T = i=1 (x i x) 2 t n 2
TMA4245 Statistikk Vår 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalte oppgaver 12, blokk II Denne øvingen består av oppgaver om enkel lineær regresjon. De handler
DetaljerFORMELSAMLING TIL STK1100 OG STK1110
FORMELSAMLING TIL STK1100 OG STK1110 (Versjon av 11. november 2017) 1. Sannsynlighet La A, B, A 1, A 2,..., B 1, B 2,... være begivenheter, dvs. delmengder av et utfallsrom Ω. a) Aksiomene: Et sannsynlighetsmål
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3440/4440 Signalbehandling Eksamensdag: 11. desember 006 Tid for eksamen: 15.30 18.30 Oppgavesettet er på 7 sider. Vedlegg:
DetaljerHØGSKOLEN I STAVANGER
HØGSKOLEN I STAVANGER Avdeling for TEKNISK NATURVITEN- EKSAMEN I: TE199 SANNSYNLIGHETSREGNING MED STATISTIKK SKAPELIGE FAG VARIGHET: 4 TIMER DATO: 5. JUNI 2003 TILLATTE HJELPEMIDLER: KALKULATOR OPPGAVESETTET
DetaljerTMA4240 Statistikk Høst 2016
TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 12 Denne øvingen består av oppgaver om enkel lineær regresjon. De handler blant
DetaljerTMA4240 Statistikk Høst 2015
TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 9, blokk II Oppgave 1 X er kontinuerlig fordelt med sannsynlighetstetthet f(x) = 2xe
Detaljer