6.6 Anvendelser på lineære modeller
|
|
- Carl Aase
- 7 år siden
- Visninger:
Transkript
1 6.6 Anvendelser på lineære modeller Skal først se på lineær regresjon for gitte punkter i planet: det kan formuleres og løses som et minste kvadraters problem! I mere generelle lineære modeller er man ofte interessert å finne en best mulig tilpasning av gitte punkter i planet (med andre type funksjoner) og det kan også gjøres ved hjelp av minste kvadraters metode. Vi ser også litt på multippel regresjon i høyere dimensjoner. Viser først noen Matlab-illustrasjoner av det vi skal gjøre. 1/22
2 /22
3 /22
4 /22
5 /22
6 /22
7 /22
8 Lineær regresjon: Vi er gitt en (endelig) mengde av punkter i xy-planet (ofte med en viss måleusikkerhet i y-komponenten). Problemstillingen er da: Finn den rette linjen y = β 0 + β 1 x som best approksimerer disse punktene. Som kjent fra MAT1110 går det an å formulere (og løse) dette som et optimeringsproblem, der man skal finne minimum av en funksjon i to variabler. Vi skal heller løse problemet ved hjelp av lineær algebra og begynner med et eksempel. 8/22
9 Eksempel. Betrakt de fire punktene (0, 1), (1, 2), (2, 1), (3, 5) i xy-planet. Dersom en rett linje med likning y = β 0 + β 1 x skal gå gjennom de fire oppgitte punktene må altså y(0) = 1, y(1) = 2, y(2) = 1, y(3) = 5, β β 1 = 1 β β 1 = 2 β β 1 = 1 β β 1 = 5 Dette systemet er opplagt inkonsistent, dvs punktene ligger ikke på en rett linje. Vi skriver nå systemet på formen X β = y der 1 0 [ ] 1 X = , β = β0, y = 2 β /22
10 Poenget er at vi kan nå beregne en minste kvadraters løsning β = ( β 0, β 1 ) av systemet X β = y. Merk at siden X har lineært uavhengige kolonner, så vil det finnes nøyaktig en slik løsning. Normallikningene gir systemet X T X β = X T y ( ) Utregning gir: [ ] 1 0 [ ] X T X = =, [ ] 1 [ ] X T y = = [ ] [ ] Dermed er ( ) lik β = /22
11 Dette systemet har en entydig løsning β = ( β 0, β 1 ) gitt ved [ ] [ ] 1 [ ] [ ] β = =. β Vi har altså funnet minste kvadraters løsning av systemet X β = y er β = (0.6, 1.1), og det gir oss linjen y = x. Merk: Dette er nettopp linjen vi hadde fått ved vanlig lineær regresjon! Grunnen er at minste kvadraters metode gir oss vektoren β som minimaliser uttrykket y X β (som en funksjon av β). Men utregning gir y X β 2 = ( 1 β0 ) 2 + ( 2 (β0 +β 1 ) ) 2 + ( 1 (β0 +2β 1 ) ) 2 + ( 5 (β0 +3β 1 ) ) 2 og uttrykket i β 0 og β 1 ovenfor er nettopp det som skal minimaliseres ved lineær regresjon. 11/22
12 Generelt kan vi derfor utføre lineær regresjon slik : Anta at (x 1, y 1 ),..., (x m, y m ) er gitte punkter i planet (der x i x j når i j). Da er linjen y = ˆβ 0 + ˆβ 1 x som approksimerer disse punktene best mulig gitt ved at β = ( β 0, β 1 ) er (den entydige) minste kvadraters løsning av systemet X β = y der 1 x 1 y 1 1 x 2 X =.. og y = y x m y m Linjen y = ˆβ 0 + ˆβ 1 x kalles ofte for minste kvadraters linje. 12/22
13 Minste kvadraters tilpasning med andre kurver Ofte vil en rett linje ikke være en god modell for gitte datapunkter. Det kan være andre typer funksjon vi ønsker å bruke for å tilnærme datapunktene best mulig. Vi skal betrakte lineære modeller: funksjonen vi ønsker å bestemme skal være en lineær kombinasjon av utvalgte grunnfunksjoner f 0 (x), f 1 (x),..., f n (x). I lineær regresjon er grunnfunksjonene f 0 (x) = 1 og f 1 (x) = x: lineære kombinasjoner av disse gir jo funksjoner på formen β 0 + β 1 x, m.a.o. rette linjer. I andre situasjoner kan grunnfunksjonene være: potensfunksjoner, trigonometriske funksjoner, eksponentialfunksjoner, logaritmer, etc. 13/22
14 Anta at (x 1, y 1 ),..., (x m, y m ) er gitte punkter i planet (der x i x j når i j) og at vi har bestemt oss for en lineær modell, med grunnfunksjoner f 0 (x), f 1 (x),..., f n (x). Sett da W = Span {f 0 (x), f 1 (x),..., f n (x)} og betrakt f (x) = β 0 f 0 (x) + β 1 f 1 (x) β n f n (x) W. Grafen til f (x) vil gå eksakt gjennom alle de oppgitte punktene dersom f (x 1 ) = y 1, f (x 2 ) = y 2,..., f (x m ) = y m dvs. dersom β 0 f 0 (x 1 ) + β 1 f 1 (x 1 ) β n f n (x 1 ) = y 1 β 0 f 0 (x 2 ) + β 1 f 1 (x 2 ) β n f n (x 2 ) = y 2... β 0 f 0 (x m ) + β 1 f 1 (x m ) β n f n (x m ) = y m 14/22
15 Dette gir likningssystemet X β = y der f 0 (x 1 ) f 1 (x 1 )... f n (x 1 ) β 0 y 1 f 0 (x 2 ) f 1 (x 2 )... f n (x 2 ) X =......, β = β 1., y = y 2.. f 0 (x m ) f 1 (x m )... f n (x m ) β n y m X kalles gjerne for designmatrisen, β for parametervektoren og y for observasjonsvektoren. Et slikt system vil ofte være inkonsistent (spesielt når m er stor og n er liten). Vektoren ε = y X β kalles gjerne residualvektoren. Vi har da at y = X β + ε og uttrykket ε = y X β angir et mål for feilen vi gjør (som en funksjon av β). 15/22
16 Vi kan nå finne minste kvadraters løsning av systemet X β = y. Dette gir oss vektorer β som minimaliserer feilen ε. Som oftest vil designmatrisen X ha lineært uavhengige kolonner, og β er da entydig bestemt. Funksjonen f (x) = β 0 f 0 (x) + β 1 f 1 (x) β n f n (x) vil da være funksjonen i W som best approksimerer de oppgitte punktene, i følgende forstand: Vi vet at valget β = β gjør feilen ε minst mulig; dermed blir ε 2 = y X β 2 = (y 1 f (x 1 )) (y m f (x m )) 2 minst mulig når β = β, dvs når f (x) = f (x). 16/22
17 Eksempel. Betrakt igjen punktene (0, 1), (1, 2), (2, 1), (3, 5). Vi ønsker å finne polynomet i P 2 som best approksimerer disse. Vi velger da f 0 (x) = 1, f 1 (x) = x, f 2 (x) = x 2, for da er W = Span {f 0 (x), f 1 (x), f 2 (x)} = Span {1, x, x 2 } = P 2. Dette gir oss systemet X β = y der f 0 (0) f 1 (0) f 2 (0) X = f 0 (1) f 1 (1) f 2 (1) f 0 (2) f 1 (2) f 2 (2) = = , f 0 (3) f 1 (3) f 2 (3) β 0 β = β 1 og y = 2 1. β /22
18 Utregning gir X T X = og X T y = Normallikningene X T X β = y blir derfor β β 1 = β 2 51 Løsning av dette systemet gir at minste kvadraters løsningen av X β = y er ˆβ = ( 27 20, 23 20, 3 4 ) Polynomet vi skulle bestemme er derfor ˆf (x) = x x 2. (Vi illustrerer dette med Matlab). 18/22
19 Eksempel. Betrakt nå punktene (0, 3), (1, 3), (2, 5), (3, 2). Vi ønsker å tilpasse disse punktene med en harmonisk svingning med periode 4. Som grunnfunksjoner velger vi f 0 (x) = 1, f 1 (x) = sin( π 2 x), f 2(x) = cos( π 2 x). En funksjon i W = Span {f 0 (x), f 1 (x), f 2 (x)} er da på formen f (x) = β 0 + β 1 sin( π 2 x) + β 2 cos( π 2 x). Vi får nå systemet X β = y der f 0 (0) f 1 (0) f 2 (0) X = f 0 (1) f 1 (1) f 2 (1) f 0 (2) f 1 (2) f 2 (2) f 0 (3) f 1 (3) f 2 (3) β 0 β = β 1 og y = β 2 19/22 =
20 Det er enkelt å regne ut minste kvadraters løsning av dette systemet. (Vi kan f.eks. utnytte at kolonnene til X er ortogonale på hverandre). Vi finner at β = ( 3 4, 5 2, 4). Den harmoniske svingningen vi ønsket å bestemme er derfor f (x) = sin(π 2 x) 4 cos(π 2 x). (Illustreres med Matlab). 20/22
21 Litt om multippel regresjon Man kan ogå foreta multippel regresjon for punkter i høyere dimensjonale rom. La oss f.eks. betrakte noen gitte punkter i R 3 : (u 1, v 1, w 1 ), (u 2, v 2, w 2 ),..., (u m, v m, w m ). Vi ønsker å tilpasse disse på best mulig måte med en funksjon som skal være en lineær kombinasjon av noen utvalgte grunnfunksjoner f 0 (u, v), f 1 (u, v),..., f n (u, v). En tilsvarende argumentasjon som i planet gir at funksjonen vi er ute etter er hvor f (u, v) = β 0 f 0 (u, v) + β 1 f 1 (u, v) β n f n (u, v) β = ( β0, β 1,..., β n ) er minste kvadraters løsning av systemet X β = w der X = [ f j (u i, v i ) ] og w = (w 1, w 2,..., w m ). 21/22
22 I det enkleste tilfellet, som kalles lineær multipel regresjon, ønsker vi å finne et plan med likning w = β 0 + β 1 u + β 2 v som tilpasser de gitte punktene best mulig. Vi velger da grunnfunksjonene f 0 (u, v) = 1, f 1 (u, v) = u, f 2 (u, v) = v. Det gir systemet X β = w der 1 u 1 v 1 w 1 1 u 2 v 2 β 0 X =... β = β 1 w 2, w = β u m v m w m og β = ( β 0, β 1, β 2 ) er da minste kvadraters løsning av dette systemet. (Illustreres med et Matlab-eksempel hvis tid). 22/22
6.8 Anvendelser av indreprodukter
6.8 Anvendelser av indreprodukter Vektede minste kvadraters problemer Anta at vi approksimerer en vektor y = (y 1,..., y m ) R m med ŷ = (ŷ 1,..., ŷ m ) R m. Et mål for feilen vi da gjør er y ŷ, der betegner
Detaljer6.5 Minste kvadraters problemer
6.5 Minste kvadraters problemer I mange anvendte situasjoner møter man lineære likningssystemer som er inkonsistente, dvs. uten løsninger, samtidig som man gjerne skulle ha funnet en løsning. Hva gjør
Detaljer6.4 (og 6.7) Gram-Schmidt prosessen
6.4 (og 6.7) Gram-Schmidt prosessen La W {0} være et endeligdimensjonalt underrom av et indreprodukt rom V. Man kan starte med en vanlig basis for W og konstruere en ortogonal basis for W. Ønskes det en
DetaljerMAT1120 Notat 2 Tillegg til avsnitt 5.4
MAT1120 Notat 2 Tillegg til avsnitt 54 Dette notatet utfyller bokas avsnitt 54 om matriserepresentasjonen (også kalt koordinatmatrisen) til en lineær avbildning mellom to endeligdimensjonale vektorrom
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT 0 Lineær algebra Eksamensdag: Mandag 0. desember 0 Tid for eksamen: 4.30 8.30. Oppgavesettet er på 7 sider. Vedlegg: Tillatte
DetaljerMAT1120 Notat 2 Tillegg til avsnitt 5.4
MAT1120 Notat 2 Tillegg til avsnitt 54 Dette notatet utfyller bokas avsnitt 54 om matriserepresentasjoner (også kalt koordinatmatriser) av lineære avbildninger mellom endeligdimensjonale vektorrom En slik
Detaljer6.4 Gram-Schmidt prosessen
6.4 Gram-Schmidt prosessen La W {0} være et endeligdimensjonalt underrom av R n. (Senere skal vi mer generelt betrakte indreprodukt rom; se seksjon 6.7). Vi skal se hvordan vi kan starte med en vanlig
DetaljerKap. 6 Ortogonalitet og minste kvadrater
Kap. 6 Ortogonalitet og minste kvadrater IR n er mer enn bare et vektorrom: den har et naturlig indreprodukt, nemlig prikkproduktet av vektorer. Dette indreproduktet gjør det mulig å tenke geometrisk og
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT 1120 Lineær algebra Eksamensdag: Mandag 5 desember 2016 Tid for eksamen: 09.00 13.00 Oppgavesettet er på 6 sider. Vedlegg:
Detaljer3.9 Teori og praksis for Minste kvadraters metode.
3.9 Teori og praksis for Minste kvadraters metode. Vi fortsetter med minste kvadraters problem. Nå skal vi se nærmere på noen teoretiske spørsmål, bl.a. hvordan normallikningene utledes. Minner om MK problemstillingen:
Detaljer4.1 Vektorrom og underrom
4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. Kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT Lineær algebra Eksamensdag: Mandag,. desember 7. Tid for eksamen: 4. 8.. Oppgavesettet er på 8 sider. Vedlegg: Tillatte hjelpemidler:
DetaljerMAT1120 Repetisjon Kap. 1
MAT1120 Repetisjon Kap. 1 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Idag skal vi repetere fra kap. 1 i Lays bok. Det handler bl.a. om : Matriser Vektorer
DetaljerMAT Prøveeksamen 29. mai - Løsningsforslag
MAT0 - Prøveeksamen 9 mai - Løsningsforslag Oppgave Sett A = 4 4 0 x 0, x = x, b =, x 0 og la v, v, v betegne kolonnevektorene til A a) Skriv A x = y som en vektorlikning x Svar : Siden A x = [v v v ]
Detaljer4.1 Vektorrom og underrom
4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT 1120 Lineær algebra Eksamensdag: 9. desember 2014. Tid for eksamen: 14.30 18.30. Oppgavesettet er på 6 sider. Vedlegg: Tillatte
DetaljerLøsning Eksamensrelevante oppgaver i ELE 3719 Matematikk Vektorer, matriser og lineær algebra Dato Februar Oppgave 1. (A) Vi leser av at
Løsning Eksamensrelevante oppgaver i ELE 379 Matematikk Vektorer, matriser og lineær algebra Dato Februar 05 Oppgave. (A) Vi leser av at A = 3 5, B = ( 0 5 ), C = 0 5 9 og har dermed at π x = Ax + BT =
DetaljerMAT Onsdag 7. april Lineær uavhengighet (forts. 1.8 Underrom av R n, nullrom, basis MAT Våren UiO. 7.
MAT 2 april 2.7 Lineær.8 Underrom MAT 2 Våren 2 UiO 7. april 2 / 23 MAT 2 april 2.7 Lineær.8 Underrom Minner om:.7 Lineær (fortsettelse) Definisjon. To vektorer u og v i R n kalles lineært avhengige dersom
DetaljerMAT1120 Notat 1 Tillegg til avsnitt 4.4
MAT1120 Notat 1 Tillegg til avsnitt 4.4 Vi tar utgangspunkt i Teorem 8 fra avsn. 4.4 i boka. For ordens skyld gjentar vi teoremet her: Teorem 8 [Avsn. 4.4]: Anta at B = {b 1,..., b n } er en (ordnet) basis
DetaljerUNIVERSITET I BERGEN
UNIVERSITET I BERGEN Det matematisk-naturvitenskapelige fakultet BOKMÅL Løsningsforslag eksamen MAT - Lineær algebra H Med forbehold om skrivefeil. Oppgave. Betrakt A = 6 5, b = 6 b (a) (b) Finn den reduserte
DetaljerTMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer:
TMA4 Matematikk 3 Eksamen høsten 8 Løsning Side av 9 Løsningsforslag Oppgave Vi setter opp totalmatrisen og gausseliminerer: 8 5 4 8 3 36 8 4 8 8 8 Den siste matrisen her er på redusert trappeform, og
DetaljerMAT1120 Notat 1 Tillegg til avsnitt 4.4
MAT1120 Notat 1 Tillegg til avsnitt 4.4 Dette notatet tar utgangspunkt i Teorem 8 fra avsnitt 4.4 i boka. For ordens skyld gjentar vi dette teoremet her: Teorem 8 [Avsn. 4.4]: Anta at B = {b 1,..., b n
Detaljer5.8 Iterative estimater på egenverdier
5.8 Iterative estimater på egenverdier Det finnes ingen eksplisitt formel for beregning av egenverdiene til en kvadratisk matrise. Iterative metoder som finner (ofte) en (meget god) approksimasjon til
DetaljerMAT 110A - VÅR 2001 OBLIGATORISK OPPGAVESETT
MAT 110A - VÅR 2001 OBLIGATORISK OPPGAVESETT 3 Skriftlige besvarelser skal innleveres til den gruppelæreren på den regneøvelsen hver enkel er påmeldt til, etter nærmere avtale. Innleveringsfristen er fredag
Detaljer1 Mandag 1. februar 2010
Mandag. februar 200 I dag skal vi fortsette med rekkeutviklinger som vi begynte med forrige uke. Vi skal se på litt mer generell rekker og vurdere når de konvergerer, bl.a. gi et enkelt kriterium. Dette
DetaljerNorges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 L SNINGSFORSLAG TIL EKSAMEN I SIF5009 MATEMATIKK 3 Bokmål Man
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 L SNINGSFORSLAG TIL EKSAMEN I SIF59 MATEMATIKK Bokmål Mandag. desember Oppgave a) Karakteristisk polynom er + = ;
DetaljerKap. 6 Ortogonalitet og minste kvadraters problemer
Kap. 6 Ortogonalitet og minste kvadraters problemer vanlig indreprodukt (prikkprod.) i IR n, egenskaper. ortogonalitet i IR n Pythagoras teorem: u og v i IR n er ortogonale hvis og bare hvis u + v 2 =
DetaljerMAT feb feb feb MAT Våren 2010
Våren 2010 Mandag 15. februar 2010 Forelesning Vi begynner med et eksempel på bruk av partiell derivasjon for å gjøre såkalt lineær regresjon, eller minste kvadraters metode. Dette er en anvendelse av
DetaljerNotat om trigonometriske funksjoner
Notat om trigonometriske funksjoner Dette notatet ble først skrevet for MA000 våren 005 av Ole Jacob Broch. Dette er en noe omarbeidet versjon skrevet høsten 0. Radianer Anta at en vinkel A er gitt, f.eks
Detaljer1 Mandag 15. februar 2010
1 Mandag 15. februar 2010 Vi begynner med et eksempel på bruk av partiell derivasjon for å gjøre såkalt lineær regresjon, eller minste kvadraters metode. Dette er en anvendelse av teorien vi har gjennomgått
DetaljerTil enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon.
4.6 Rang Til enhver m n matrise A kan vi knytte et tall, rangen til A, som gir viktig informasjon. Definisjon: Rangen til en m n matrise A betegnes med rank A og er definert som dimensjonen til kolonnerommet
Detaljer4.4 Koordinatsystemer
4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } kalles en basis for et vektorrom V dersom B er lineært uavhengig og utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer ;
DetaljerOm tilpasning av funksjoner til observerte dataer
Om tilpasning av funksjoner til observerte dataer Anta at vi har tilgjengelig noen måledataer for en størrelse y som avhenger av en annen størrelse : : 1 2 $$$ n y : y 1 y 2 $$$ y n I mange situasjoner
DetaljerGENERELLE VEKTORROM. Hittil har vi bare snakket om vektorrom av type
Emne 8 GENERELLE VEKTORROM Hittil har vi bare snakket om vektorrom av type og underrom av dette. Vi definerte en mengde V som et underrom av hvis det inneholdt og var lukket under addisjon og skalar multiplikasjon.
DetaljerLØSNINGSFORSLAG EKSAMEN, MAT 1001, HØSTEN (x + 1) 2 dx = u 2 du = u 1 = (x + 1) 1 = 1 x + 1. ln x
LØSNINGSFORSLAG EKSAMEN, MAT 00, HØSTEN 06 DEL.. Hvilken av funksjonene gir en anti-derivert for f(x) = (x + )? Løsning. Vi setter u = x +, som gir du = dx, (x + ) dx = u du = u = (x + ) = x + a) x+ b)
DetaljerMAT UiO mai Våren 2010 MAT 1012
200 MAT 02 Våren 200 UiO 0-2. 200 / 48 200 Betrakt et system x = A x der A M n (R) er diagonaliserbar. Vi har sett at systemet kan løses ved frakoblingsmetoden: Vi finner da P = [v v n ] (inverterbar)
DetaljerEmne 10 Litt mer om matriser, noen anvendelser
Emne 10 Litt mer om matriser, noen anvendelser (Reelle) ortogonale matriser La A være en reell, kvadratisk matrise, dvs. en (n n)-matrise hvor hvert element Da vil A være ortogonal dersom: og Med menes
DetaljerHøgskolen i Oslo og Akershus. a) Finn den deriverte av disse funksjonene: b) Finn disse ubestemte integralene: c) Finn disse bestemte integralene:
Oppgave 1 a) Finn den deriverte av disse funksjonene: i) f(x) = x x 2 + 1 ii) g(x) = ln x sin x x 2 b) Finn disse ubestemte integralene: i) (2x + ) dx ii) 6 cos(x) sin 5 (x) dx c) Finn disse bestemte integralene:
Detaljer12 Projeksjon TMA4110 høsten 2018
Projeksjon TMA0 høsten 08 En projeksjon er en lineærtransformasjon P som tilfredsstiller P x = P x for alle x Denne ligningen sier at intet nytt skjer om du benytter lineærtransformasjonen for andre gang,
DetaljerIR Matematikk 1. Eksamen 8. desember 2016 Eksamenstid 4 timer
Eksamen 8. desember 16 Eksamenstid 4 timer IR151 Matematikk 1 Bokmål Hvis du blir ferdig med oppgavene under del 1 før kl. 11., så kan og bør du starte på del uten bruk av hjelpemidler. Du kan bare bruke
DetaljerPrøveeksamen STK vår 2017
Prøveeksamen STK2100 - vår 2017 Geir Storvik Vår 2017 Oppgave 1 Anta en lineær regresjonsmodell p Y i = β 0 + β j x ij + ε i, j=1 ε i uif N(0, σ 2 ) Vi kan skrive denne modellen på vektor/matrise-form:
DetaljerOpp til nå har problemstilling vart: Gitt en funksjon f, finn for hvilket verdier av de variabler f tar en bestemt verdi. Ax = b, f(x) = 0.
Interpolasjon Opp til nå har problemstilling vart: Gitt en funksjon f, finn for hvilket verdier av de variabler f tar en bestemt verdi. 1/9 Ax = b, f(x) = 0. Ved interpolasjon, er problemet det motsatte:
Detaljer4.4 Koordinatsystemer
4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } V kalles en basis for et vektorrom V dersom B er lineært uavhengig og B utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer
DetaljerLineære likningssystemer og matriser
Kapittel 3 Lineære likningssystemer og matriser I dette kapittelet skal vi sette sammen Kapittel 1 og 2. 3.1 Den utvidede matrisen til et likningssystem Vi starter med et lineært likningssystem med m likninger
Detaljer(a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x].
FORMELSAMLING TIL STK2100 (Versjon Mai 2017) 1 Tapsfunksjoner (a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x]. (b)
DetaljerLøsningsforslag til utvalgte oppgaver i kapittel 3
Løsningsforslag til utvalgte oppgaver i kapittel 3 I dette kapittelet har mange av oppgavene et mindre teoretisk preg enn i de foregående kapitlene, og jeg regner derfor med at lærebokas eksempler og fasit
DetaljerKapittel 6 - modell seleksjon og regularisering
Kapittel 6 - modell seleksjon og regularisering Geir Storvik 21. februar 2017 1/22 Lineær regresjon med mange forklaringsvariable Lineær modell: Y = β 0 + β 1 x 1 + + β p x p + ε Data: {(x 1, y 1 ),...,
Detaljer(a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x].
FORMELSAMLING TIL STK2100 (Versjon Mai 2018) 1 Tapsfunksjoner (a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x]. (b)
DetaljerMA1201 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3. desember 2007
Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag MA101 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3 desember 007 Oppgave 1 a) Vi ser på ligningssystemet x +
Detaljer4.1 Vektorrom og underrom
4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,
DetaljerEksamen 1T høsten 2015
Eksamen 1T høsten 015 Tid: 3 timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler er tillatt. Oppgave 1 (1 poeng) Regn ut og skriv svaret på standardform 1 1,8 10 0,0005
DetaljerDAFE BYFE Matematikk 1000 HIOA Obligatorisk innlevering 1 Innleveringsfrist Fredag 22. januar :00 Antall oppgaver: 5.
Innlevering DAFE BYFE Matematikk 000 HIOA Obligatorisk innlevering Innleveringsfrist Fredag. januar 06 4:00 Antall oppgaver: 5 Vi anbefaler at dere regner oppgaver fra boken først. Det er en liste med
DetaljerLineære ligningssystemer. Forelesning, TMA4110 Torsdag 17/9. Lineære ligningssystemer (forts.) Eksempler
Lineære ligningssystemer Generell form; m ligninger i n ukjente, m n-system: Forelesning, TMA4110 Torsdag 17/9 Martin Wanvik, IMF MartinWanvik@mathntnuno a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1
DetaljerDenne labøvelsen gir en videre innføring i elementær bruk av programmet Maple.
MAPLE-LAB 2 Denne labøvelsen gir en videre innføring i elementær bruk av programmet Maple.. Sett i gang Maple på din PC / arbeidsstasjon. Hvis du sitter på en Linux-basert maskin og opplever problemer
DetaljerMAT3000/ Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse
MAT3000/4000 - Våren 2013 Obligatorisk oppgavesett nr. 2 Løsningsskisse Oppgave 1 Din offentlig nøkkel er N = 377 og a = 269, mens lederen av klubben har valgt N = 1829 og a = 7. Passordet som du har mottatt
DetaljerOppgave 14 til 9. desember: I polynomiringen K[x, y] i de to variable x og y over kroppen K definerer vi undermengdene:
HJEMMEOPPGAVER utgave av 8-12-2002): Oppgave 15 til 16 desember: La H være mengden av alle matriser på formen A = a 1 a 12 a 13 a 1n 0 a 2 0 0 0 0 a 3 0 0 0 a n der a 1 a 2 a n 0 Videre la SH være matrisene
DetaljerLæreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program
Læreplan i matematikk for samfunnsfag - programfag i studiespesialiserende program Fastsatt som forskrift av Utdanningsdirektoratet 27. mars 2006 etter delegasjon i brev 26. september 2005 fra Utdannings-
DetaljerVektorligninger. Kapittel 3. Vektorregning
Kapittel Vektorligninger I denne uken skal vi bruke enkel vektorregning til å analysere lineære ligningssystemer. Vi skal ha et spesielt fokus på R, for det går an å visualisere; klarer man det, går det
DetaljerUNIVERSITY OF OSLO. Faculty of Mathematics and Natural Sciences. Matlab-utskrift (1 side).
UNIVERSITY OF OSLO Faculty of Mathematics and Natural Sciences Examination in: MAT 2 Lineær algebra Day of examination: 9. desember 2. Examination hours: 4.3 8.3. This problem set consists of 6 pages.
DetaljerEksamensoppgave MAT juni 2010 (med løsningsforslag)
Eksamensoppgave MAT-4 juni (med løsningsforslag) Contents OPPGAVE OPPGAVE 4 OPPGAVE 5 4 OPPGAVE 6 5 Fasit 7 5 Oppgave 7 5 Oppgave 7 5 Oppgave 8 54 Oppgave 8 6 Løsningsforslag 9 6 Oppgave 9 6 Oppgave 6
DetaljerHøgskolen i Oslo og Akershus. 1 (x 2 + 1) 1/2 + x 1 2 (x2 + 1) 1/2 (x 2 + 1) = x 2x 2 x = = 3 ln x sin x
Løysingsforslag til eksamen i matematikk, mai 4 Oppgåve a) i) ii) f(x) x x + x(x + ) / ( f (x) x (x + ) / + x (x + ) /) g(x) ln x sin x x (x + ) / + x (x + ) / (x + ) x + + x x x + x + + x x + x + x +
DetaljerLøsningsforslag. a) i. b) (1 i) 2. e) 1 i 3 + i LF: a) Tallet er allerede på kartesisk form. På polar form er tallet gitt ved
Innlevering ELFE KJFE MAFE Matematikk 000 HIOA Obligatorisk innlevering Innleveringsfrist Mandag 3. august 05 før forelesningen :30 Antall oppgaver: 5 Løsningsforslag Uttrykk følgende komplekse tall både
DetaljerLineær uavhengighet og basis
Lineær uavhengighet og basis NTNU, Institutt for matematiske fag 19. oktober, 2010 Lineær kombinasjon En vektor w sies å være en lineær kombinasjon av vektorer v 1, v 2,..., v k hvis det finnes tall c
DetaljerMAT1120 Repetisjon Kap. 1, 2 og 3
MAT1120 Repetisjon Kap. 1, 2 og 3 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Fra kap. 1 repeterer vi: Matriser Vektorer og lineære kombinasjoner Lineæravbildninger
DetaljerTMA4100 Matematikk 1, høst 2013
TMA4100 Matematikk 1, høst 2013 Forelesning 11 www.ntnu.no TMA4100 Matematikk 1, høst 2013, Forelesning 11 Transcendentale funksjoner Vi begynner nå på temaet transcendentale funksjoner. I dagens forelesning
DetaljerEksamensoppgave i TMA4115 Matematikk 3
Institutt for matematiske fag Eksamensoppgave i TMA45 Matematikk 3 Faglig kontakt under eksamen: Aslak Bakke Buan a, Morten Andreas Nome b, Tjerand Silde c Tlf: a mobil Aslak, b mobil Morten, c mobil Tjerand
DetaljerMAT UiO. 10. mai Våren 2010 MAT 1012
MAT Våren UiO. / 7 Betrakt et system x = A x der A M n (R) er diagonaliserbar. Vi har sett at systemet kan løses ved frakoblingsmetoden: Vi finner da P = [v v n ] (inverterbar) og D (diagonal) som diagonaliserer
DetaljerFunksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 19. august 2010
Funksjoner Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 9. august 200 2 Funksjon som en maskin x Funksjon f f(x) 3 Definisjon- og verdimengde x f(x) 4 Funksjon som en
Detaljer7.4 Singulærverdi dekomposisjonen
7.4 Singulærverdi dekomposisjonen Singulærverdi dekomposisjon til en matrise A er en av de viktigste faktoriseringene av A (dvs. A skrives som et produkt av matriser). Den inneholder nyttig informasjon
DetaljerØving 2. Oppgave 1: Diverse algebra med føring. Oppgave 2: Ligningssystem som tekstoppgave. Oppgave 3: Grafgjenkjenning
Øving 2 Oppgave 1: Diverse algebra med føring Finn x som løser ligningene: a) x 2 + 9 = 25 b) x 2 = 2x + 8 c) 2x 2 + 12x = 32 d) x 1 = 1/x e) 2x 4 = x + 2 f) Gå gjennom føringen av oppgave a) og e) med
DetaljerPrøveeksamen STK2100 (fasit) - vår 2018
Prøveeksamen STK2100 (fasit) - vår 2018 Geir Storvik Vår 2018 Oppgave 1 (a) Vi har at E = Y Ŷ =Xβ + ε X(XT X) 1 X T (Xβ + ε) =[I X(X T X) 1 X T ]ε Dette gir direkte at E[E] = 0. Vi får at kovariansmatrisen
DetaljerEmne 7. Vektorrom (Del 1)
Emne 7. Vektorrom (Del 1) Første del av dette emnet innholder lite nytt regnemessig, men vi innfører en rekke nye begreper. Avbildning (image). R m T R n n image(t) Vi kan starte med samme skjematiske
DetaljerA 2 = PDP 1 PDP 1 = PD 2 P 1. og ved induksjon får vi. A k = PD k P 1. Kommentarer:
5.3 Diagonalisering Det ville være fint om en matrise A var similær med en diagonalmatrise D: da har vi funnet egenverdiene, og kan f.eks. lett beregne A k. Når er dette tilfelle? Det er tema i denne seksjonen.
DetaljerØving 3 Determinanter
Øving Determinanter Determinanten til en x matrise er definert som Clear@a, b, c, dd K a b OF c d ad -bc Determinanten til en matrise er derfor et tall. Du skal se at det viktige for oss er om tallet er
DetaljerLP. Leksjon 8: Kapittel 13: Nettverk strøm problemer, forts.1
LP. Leksjon 8: Kapittel 13: Nettverk strøm problemer, forts.1 Vi fortsetter studiet av (MKS): minimum kost nettverk strøm problemet. Har nå en algoritme for beregning av x for gitt spenntre T Skal forklare
DetaljerLøsningsforslag. Innlevering i BYFE 1000 Oppgavesett 1 Innleveringsfrist: 10. oktober klokka 14:00 Antall oppgaver: 6. Oppgave 1
Innlevering i BYFE 1000 Oppgavesett 1 Innleveringsfrist: 10. oktober klokka 14:00 Antall oppgaver: 6 Løsningsforslag Oppgave 1 x 1 +6x +x 3 = 8 x 1 +3x = 3x 1 +9x +x 3 = 10. a) Totalmatrise: 6 1 8 1 3
DetaljerLineære likningssystemer
Lineære likningssystemer Mange fysiske problemer kan formuleres som lineære likningssystemer i vektorrommet, 1/19 Lu = f Lineær: betyr at virkningen av L på u + v er L(u + v) = Lu + Lv, og skaleres som
DetaljerLøsningsforslag. Oppgave 1 Gitt matrisene ] [ og C = A = 4 1 B = 2 1 3
Prøve i Matematikk BYFE DAFE Dato: 27. mai 26 Hjelpemiddel: Kalkulator og formelark Alle svar skal grunngis. Alle deloppgaver har lik vekt. Løsningsforslag Oppgave Gitt matrisene [ 2 A 4 B [ 2 og C [ 2
DetaljerMAT1120 Oppgaver til plenumsregningen torsdag 18/9
MAT1120 Oppgaver til plenumsregningen torsdag 18/9 Øyvind Ryan (oyvindry@i.uio.no) September 2008 Oppgaver fra 4.8 Teorem 16 s. 282: y k+n + a 1 y k+n 1 + + a n 1 y k+1 + a n y k = z k har alltid en løsning
Detaljervære en rasjonal funksjon med grad p < grad q. La oss skrive p(x) (x a)q(x) = A
MA 4: Analyse Uke 46, http://homehiano/ aasvaldl/ma4 H Høgskolen i Agder Avdeling for realfag Institutt for matematiske fag Oppgave 73: Først skal vi delbrøkoppspalte (se Eksempel 5 side 558 i boka) 3t
DetaljerMinste kvadraters løsning, Symmetriske matriser
Minste kvadraters løsning, Symmetriske matriser NTNU, Institutt for matematiske fag 19. november 2013 Inkonsistent ligningsystem Anta at Ax = b er et inkonsistent ligningsystem, da er b ikke i Col(A).
DetaljerHøgskolen i Oslo og Akershus. c) Et annet likningssystem er gitt som. t Bestem parametrene s og t slik at likningssystemet blir inkonsistent.
Innlevering i BYFE 000 Oppgavesett Innleveringsfrist: 0 oktober klokka :00 Antall oppgaver: 6 Noen av disse oppgavene løses ved hjelp av papir blyant, mens andre oppgaver løses ved hjelp av MATLAB til
DetaljerPrøve i Matte 1000 BYFE DAFE 1000 Dato: 03. mars 2016 Hjelpemiddel: Kalkulator og formelark. Alle svar skal grunngis. Alle deloppgaver har lik vekt.
Prøve i Matte 1 BYFE DAFE 1 Dato: 3. mars 216 Hjelpemiddel: Kalkulator og formelark Alle svar skal grunngis. Alle deloppgaver har lik vekt. LØSNINGSFORSLAG Oppgave 1 Gitt matrisene A = [ 8 3 6 2 ] [ og
DetaljerUniversitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra
Universitet i Bergen Det matematisk-naturvitenskapelige fakultet Bokmål Eksamen i emnet MAT2 - Lineær algebra Onsdag 29 mai, 20, kl. 09.00-4.00 Tillatte hjelpemidler. kalkulator, i samsvar med fakultetets
Detaljer= 3 11 = = 6 4 = 1.
MAT3000/4000 Eksamen V3 Løsningsforslag Oppgave [0 poeng] Sjekk at 3 er en kvadratisk rest i Z/(3) og finn løsningene av likningen x = 3 i Z/(3) (uten å lage en tabell for x ) Du får lov til å bruke at
DetaljerRidge regresjon og lasso notat til STK2120
Ridge regresjon og lasso notat til STK2120 Ørulf Borgan februar 2016 I dette notatet vil vi se litt nærmere på noen alternativer til minste kvadraters metode ved lineær regresjon. Metodene er særlig aktuelle
DetaljerLøsningsforslag, Øving 10 MA0001 Brukerkurs i Matematikk A
Løsningsforslag, Øving MA Brukerkurs i Matematikk A Læreboka s. 9-95 8. Anta at en endring i biomasse B(t) vei, t [, ], følger ligningen for t. d B(t) = cos ( ) πt 6 (a) Tegn grafen til d B(t) som funksjon
Detaljer10 Radrommet, kolonnerommet og nullrommet
Radrommet kolonnerommet og nullrommet La A være en m n matrise Vi kan beskrive matrisen ved hjelp av dens rader r A r r i R n r m eller dens kolonner A [ c c c n ci R m Definisjon (se Def 7 i boka) For
DetaljerTilleggsoppgaver for STK1110 Høst 2015
Tilleggsoppgaver for STK0 Høst 205 Geir Storvik 22. november 205 Tilleggsoppgave Anta X,..., X n N(µ, σ) der σ er kjent. Vi ønsker å teste H 0 : µ = µ 0 mot H a : µ µ 0 (a) Formuler hypotesene som H 0
DetaljerMOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1. Oppgave 1
MOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1 Oppgave 1 a) Normalantakelse: Målingene x 1,..., x 21 og y 1,..., y 8 betraktes som utfall av tilfeldige variable X 1,..., X 21
DetaljerOBLIG 2 - MAT 1120 Høsten 2005
> with(linearalgebra): with(linalg):with(plots): Warning, the name GramSchmidt has been rebound Warning, the protected names norm and trace have been redefined and unprotected Warning, the name changecoords
DetaljerEKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 Faglig kontakt under eksamen: Truls Fretland (73 55 89 87) EKSAMEN I MA1202 LINEÆR ALGEBRA MED ANVENDELSER LØSNINGSFORSLAG
DetaljerMAT feb feb feb MAT Våren 2010
MAT 1012 Våren 2010 Forelesning Vi er ferdig med en-variabel-teorien, og vi kan begynne å jobbe med funksjoner i flere variable. Det første vi skal gjøre er å gå gjennom de vanlige analysene vi gjør for
DetaljerEgenverdier for 2 2 matriser
Egenverdier for matriser (Bearbeidet versjon av tidligere notat på nett-sidene til MA101 - Lineær algebra og geometri Versjon oppdatert med referanser til 10utg av læreboken) Egenvektorer og egenverdier
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:
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT Kalkulus og lineær algebra Eksamensdag: Onsdag 9 mai 9 Tid for eksamen: 4:3 8:3 Oppgavesettet er på 7 sider Vedlegg: Tillatte
Detaljer5.5 Komplekse egenverdier
5.5 Komplekse egenverdier Mange reelle n n matriser har komplekse egenverdier. Vi skal tolke slike matriser når n = 2. Ved å bytte ut R med C kan man snakke om komplekse vektorrom, komplekse matriser,
DetaljerEnkel matematikk for økonomer. Del 1 nødvendig bakgrunn. Parenteser og brøker
Vedlegg Enkel matematikk for økonomer I dette vedlegget går vi gjennom noen grunnleggende regneregler som brukes i boka. Del går gjennom de helt nødvendige matematikk-kunnskapene. Dette må du jobbe med
Detaljer1 Mandag 8. februar 2010
1 Mandag 8. februar 2010 Vi er ferdig med en-variabel-teorien, og vi kan begynne å jobbe med funksjoner i flere variable. Det første vi skal gjøre er å gå gjennom de vanlige analysene vi gjør for funksjoner
Detaljer