INF1020 høsten nov. og 13.nov.
|
|
- Isak Karlsen
- 7 år siden
- Visninger:
Transkript
1 Essese v kurset INF høste 6 6. ov. og.ov. Noe om mtemtske forutsetger og evs (kp. ) Sorterg del I og II (kp. 7.) Are Mus, Gruppe for ojektoreterg, modellerg og språk (OMS) Ist. for formtkk, Uv Oslo Lære et sett v gode (og oe få dårlge) lgortmer for å løse kjete prolemer Gjør det mulg å vurdere effektvtete v progrmmer Lære å lge effektve & velstrukturerte progrmsystemer/loteker Lære å løse ethvert vskelg prolem så effektvt som mulg. Også lære oe klsser v prolemer som kke k løses effektvt Eks: Hvor lg td tr det å sortere mllo tll? 6 tmer og m (optmlsert Bolesorterg),4 sek. (Quck-sort),8 sek. (rdx-sort) Noe mtemtske forutsetger, logrtmer Logrtmer - II Logrtmer (hr ett grutll, f.eks., e, eller, v ruker lltd ): Defsjo: Logrtme tl et tll er det tll x v må opphøye grutllet for å få dvs: x, og skrver d: x log Når v (INF) ruker, skrver v log ute oe suskrpt Regeregler: log xy log x log y log x/y log x - log y log x log x log log x log x
2 Ekspoeter - III c c c c c c c c log log ) ( ) ( ) ( Summerg ) ( S S ) (... ) ( ) ( Summerer dsse to: S... ( -) S... summe S : Kll : ) (... 4 ) ) : kjete summer Tre... Defsjo : Bevs k l l k l Summerg ) ( (**) : - (*) (**)... med : multplserer (*) (*)... for S) : (kller... Geometrsk rekke : c) S S S S S Bevs Fre måter å evse/motevse et mtemtsk utsg (teorem) Postvt evs ved grdvs omformg Iduksjosevs Motevs med ett moteksempel Bevs ved selvmotsgelse
3 Postvt evs Iduksjosevs Gtt teorem T v skl evse Strt med et utsg S v vet er rktg Gjør lovlge opersjoer på S slk t v ett eller flere steg får omformet S tl T T : heltll > : Bevs : Vet S : >, gger så med på egge sder v ' > ' med og får : >, og sde v vet t > >, k v ersttte de sste ' '-e medpå høyre sde og får : > > som er T. Gtt e mtemtsk sts v skl vse for lle heltll > s (s kostt, typske verder :,,,,..). Vser først stse for mste verd (s ). Atr så t stse er rktg for k, (k et vlkårlg heltll > s) 4. Bruker så dee tgelse ) tl å vse t stse også er rktg for k. 5. D hr v vst stse geerelt Stge-smmelgge: Hr v vst t v k gå opp på ederste tr, og så t v lltd k gå ett tr tl, k v gå så høyt v vl.... k k... s duksjos-eks: Moteksempel ) Skl vse : ) Bss, rktg for ) Atr 4) V hr d (for 5) v.s : k k > k h.s : ( k ) k > k 5: k ) : k V hr v.s > h.s, ford k V hr å vst stse ford "v k gå opp på første tret på stge"( 5) og lltd gå ett tr tl (fr k tl k, > 4 for vlkårlg k > 4 k > k > 5, > 5 > k, k > 4 (dette k du evt.selv vse pr. duksjo, me v hr jo ettopp vst dette postvt for k > ) 5 k for lle verder v k) V skl motevs et utsg som hevder t oe gjelder for lle v e vss gruppe (tll,..) Metode: F et (ekelt) eksempel hvor påstde er gl for ett elemet v dee grupp Eks Påstd: k > k k > Motevs: Ne, gjelder kke for k ford: * <
4 Bevs ved selvmotsgelse Tdsmålger. Gtt e påstd som skl vses Eks: Det fes et uedelg tll prmtll (tll som re lr seg dele på og seg selv ute rest). At det motstte: Det fes re et edelg tll prmtll, og d også et største : p,p, p, p 4,..., p (hvor p m m er det største prmtllet). Lg e selmotsgelse ved å ruke tgelse og ellers rktge omformger v dee og dre kjete fkt.: lger: s p *p * p * p 4 *... * p m me s er et prmtll (ford ge v prmtllee p,p, p, p 4,..., p m ) går opp s. Tllet s er også større e p m. Dette er e selvmotsgelse, ford v å hr et ytt prmtll s > p m 4. Altså er påstde rktg Ford tgelse v det motstte r glt vsted. (år det motstte er glt, er det dette er motstt v, rktg ) Hvor lg td ruker: A) Ekel for-løkke for (t ; < ; ) [] [--]; B) Doel for-løkke for (t ; < ; ) for (t j ; j < ; j) [] [-j-]; (Td mllsek.) A) Ekel 4 B) Doel ? ( T flse) ( T true) Progrm: se mport jv.utl.*; pulc clss Ttd // åde mulg å ruke fr 'm' og v suklsse { log td ; Ttd(t ) { td System.curretTmeMlls(); ruk(); td System.curretTmeMlls() - td; System.out.prtl("Td rukt: " td " mllsekuder"); vod ruk(t ) { // redeferes suklsse // ed ruk pulc sttc vod m ( Strg[] rgs) { f (rgs.legth < ){ System.out.prtl(" Bruk: \ >jv TTd <>"); else { t ew Iteger(rgs[]).tVlue(); // få prmeter fr lj Ttd t ew Ttd(); // ed m // ed **** clss Ttd ***** mport esyio.*; mport jv.utl.*; pulc clss Lokke exteds Ttd { Lokke(t ) { super(); vod ruk(t ) { for (t k ; k < ; k) for (t j ; j < ; j) ; // ed ruk pulc sttc vod m ( Strg[] rgs) { f (rgs.legth < ){ System.out.prtl(" Bruk: \ >jv Lokke <> "); else { t ew Iteger(rgs[]).tVlue(); // få prmeter fr lj Lokke l ew Lokke(); // ed m // ed **** clss Lokke *****
5 Sorterg To klsser v sortergslgortmer Hv sorterer v prkss Bre tll eller tekster eller oe mer Hvord defere prolemet Krv som må være oppfylt Emprsk testg v hstghete tl lgortmer tll Hvlke verder (fordelg, mx og m verd gtt tllet ) Hv vjør tdsforruket ved sorterg Sortergslgortme N, tll elemeter v sorterer Fordelge v dsse (Uform, skjeve fordelger, spredte,..) Effekte v cchg Smmelgg-serte: Bserer seg på smmelgg v elemtee [ ] Istkk, ole Merge, Hep, Shell, Tree Qucksort Verd-serte : Drekte plsserg sert på verde v hvert elemet ge smmelgger med o-elemeter e.l. Bøtte Rdx PSort Sortergsprolemet, defsjo. Kller rrye [] før sorterge og [ ] etter og er legde:dvs. ew t [];. Sortergskrvet: [] [],,,..,- Stl sorterg Lke elemeter skl eholde s yrdes rekkefølge etter sorterg. Dvs. hvs [] [j] og < j, så skl k < r, hvs [] er sortert på plss k [] og [j] sortert på plss r [], Sortergslgortmee tr t det k fes lke verder [ ] I evsee tr v lle er forskjellge : [] [j], år j. I terstkjøgee tr t holdet [ ] er er e tlfeldg permutsjo v tllee.. dre fordelger v tllee k g helt dre kjøretder. Hvor mye ekstre plss ruker lgortme Et lte fst tll, et egreset tll (eks. < ) heltll, eller ekstr ord N.B Ett krv tl hvlket? N.B. Husk evrgskrteret Bevrgskrteret: lle elemetee v hdde [ ], skl være [ ] Formelt : Skl eksstere e permutsjo, p, v tllee..- slk t [] [p[]],,,,..- (k også deferes de dre vee, me mdre yttg) [ ] : p[ ] : [ ]: V skl seere se e sortergslgortme sert på e slk rry p (kllt Psort)
6 E ltt eklere kode e ok, tr v sorterer heltll. tds-forruk, mllsek. 45MHz PC Lr seg lett geerlsere tl oks tlfelle, som tr t de sorterer e rry v ojekter som er v type Comprle. BOKA: HER: Comprle [ ] ew Comprle []; t [ ] ew t []; tmp []; tmp [], f ( tmp.compreto( [j]) < ) { f ( tmp < [j] ) { Legde v : Bole-sort,6 Istkk-sort,7 Hep - sort,66 Shell-sort,65 Tree - sort,7 Legde v : Bole-sort,6 Istkk-sort, Hep - sort,7 Shell-sort,7 Tree - sort,6 Legde v : Bole-sort 46, Istkk-sort,9 Hep - sort,7 Shell-sort,7 (,68 for le4) Tree - sort,6 Legde v : Bole-sort 475, Istkk-sort, Hep - sort 8, Shell-sort, Tree - sort 7, Bolesort de ller lgsomste! Theorem 7. tll omyttger vod ytt(t[], t, t j) { t t []; [][j]; [j] t; vod olesort (t [] ) {t, mx.legth; whle ( < mx ) f ([] > []) { ytt (,, ); f ( > ) -; else { ; // ed olesort Ide: Bytt om oer hvs de som står tl vestre er størst, lr de mste ole vestreover [ ] : [ ] : [ ] : [ ] : E versjo ( fel ) er per def: [] > [j], me < j. Th 7. Det er gjeomsttlg (-)/4 versjoer e rry v legde. Bevs Se på e lste L og de smme lste reversert L r.ser v på to vlkårlge elemeter x,y egge dsse lstee. I e v lste står de opplgt gl rekkefølge (hvs x y). Det er (-)/ slke pr de to lstee, og stt står hlvprte fel sortert, dvs. (-)/4 versjoer L.
7 lyse v Bole-sorterg Bole er opplgt O( ) ford: Th. 7. ser t det er O( ) versjoer, og e oomyttg fjerer re e slk versjo. Kue også rgumetert som flg.: V går gjeom hele rrye, og for hver som er gl rekkefølge (hlvprte stt) ytter v dsse ( stt) hlve rrye ed mot egyelse. / x / /4 O( ), me mge opersjoer ved å ole (o-omyttger) Istkk-sorterg vod sertsort(t [] ) {t, t, mx.legth -; for (t k ; k < mx; k) { f ([k] > [k]) { t [k]; k; do{ // gå kover, skyv de dre // og f rktg plss for t [] []; --; whle ( > && [] > t); [] t; // ed sertsort Ide: T ut ut elemet [k] som er mdre e [k]. Skyv elemeter k, k-,... ett hkk tl høyre tl [k] k settes ed for et mdre elemet [ ] : [ ] : [ ] : [ ] : Formelt evs v sertsort, Spesfksjo v Sort Geerell desg-metodkk Spesfksjo_: vod Sort (,); // [..] er utdt, [..] er dt -verdee Idt: tll [..-] vlkårlg rekkefølge Utdt: '[ ] '[ ], < < og permutsjo P: < : '[P[]] [] Bevrgskrvet leses: Det fes e rekkefølge P v tllee..-, slk t ved å lese utdt [..] de rekkefølge, er de lk dt [..] Sortert-krvet Bevr holdet v [..-] Gtt e klr spesfksjo med flere ledd E v delee spesfksjoe yttes som vrt progrmmets (ytterste) hovedløkke e ltt edret form. (løkke-vrt oe som er st egyelse v løkk) Dette krvet svekkes ltt (gjøres ltt eklere); gjelder d typsk re for e del v dtstukture I dee hoved-løkk, gjelder så reste v spesfksjoee: egyelse v hoved-løkk ødelegges ofte løpet v løkk gjeskpes før vslutg v løkk 7 8
8 Desg, stkksorterg Kode - stkksorterg k sortert - Istkk-sorterg (for k,,,...,-:): k f ( [k] > [k] ) Svekker Sortert-krvet tl re å gjelde [..-] Bevrgskrvet eholdes (for hele [..-]) ) T ut det glt plsserte elemetet [] ) F hvor gmle [k] skl plsseres og skyv [..k] ett-hkk-tl- høyre (ødelegger Bevrgskrvet) ) Sett gmle [k] på plss (gjeskper Bevrgskrvet) 9 vod sertsort ( t [ ] ) { t, t, mx.legth ; for(t k; k < mx; k) f ([k] > [k] ) { t [k]; 4 k; 5 do 6 { [] []; - -; 7 whle ( > && [] > t) 8 [] t; 9 k - sortert Her gjelder Sortert: [.. k] og Bevrt [..-] ) T ut det glt plsserte elemetet [k] ) F hvor gmle [k] skl plsseres og skyv [..k] ett-hkk-tl- høyre (ødelegger Bevrgskrvet) ) Sett gmle [k] på plss (gjeskper Bevrgskrvet) Verfseres flg. spesfksjoee resoemet for termerg v prosedyre rgumet for t sertsort er rktg E rry med ett elemet er sortert - dvs. [] er sortert. Løkke-vrte ([..k] er sortert og Bevrt [..-]) gjelder følgelg ved første strt v hovedløkk (lje) ford. t f ( [k] > [k] ) lje : O lyse v stkk-sorterg Smme lyse som Bole, me lgt færre opersjoer per forflytg O( ) lje 5-7: N.B. rekkefølge på kopergee, Ødelegger Bevrt [..-] ford gmle [] overskrves. lje 8: j Gjeoppretter Bevrt [..-] Ett gjeomløp v hovedløkk gjør de sekvese som er sortert ett elemet leger og øker med - dvs. løkkevrte gjelder på toppe ved este gjeomløp ([..k] er sortert og Bevrt [..-]). Prosedyre termerer opplgt år k- og for (..) øker k med hver gg.
9 Shell, Ide: Gjør esseselt stkksorterg lgs [], [-gp] [-gp]... vod ShellSort(t [] ) for gp /, /4,.., og gp, gp {,..,-. Dvs. lle sekveser [] v for (t gp.legth/ ; gp > ; gp gp/) for (t gp ; <.legth ; ) legde../, /4,..., og tl sst f ([] < [-gp] ) { t tmp [], j ; [ ] : do { [j] [j-gp]; j j- gp; [ ] : whle (j > gp && [j-gp] > tmp); gp [j] tmp; [ ] : gp // ed ShellSort [ ] : gp lyse v Shell-sorterg Hvorfor vrker de hvorfor sorterer de? Ford år gp er dette stkksorterg v rrye Hvorfor er dette vlgvs rskere e stkksorterg Ford v på e llg måte hr este sortert [ ] før sste gjeomgg med gp, og år [ ] er delvs sortert, lr stksorterg meget rsk. Worst cse, som stkk O( ) Mye rskere med dre, lure vlg v verder for gp O( / ) eller edre Velger prmtll stgede rekkefølge som er mst doelt så store som forgjegere /(på de smme prmtllee): (,,5,,..., /, /, /5, /) Meget lett å lge sekveser som er etydelg lgsommere e Shells orgle vlg, f.eks re prmtllee Husk: E slk sekves egyer på tder mllsek Hvorfor er Shell-sort så dårlg år k? Legde v : Hep - sort Shell-sort 9 Tree - sort 7 Legde v : ** Hep - sort 455 Shell-sort 57 Tree - sort 4 Legde v : Hep - sort 49 Shell-sort 55 Tree - sort 47
10 Shell e esekves for gp tder mllsek Shell orgle gp,,,/8, /4, / Shell med gp,,5,,../, /5, / vod ShellSort(t [] ) { t [] gpvl {,,5,,, 47,, 9, /9, /,/47,/,/,/5,/ ; t gp ; for (t gpid gpvl.legth -; gpid > ; gpid --) { gp gpvl[gpid]; for (t gp ; <.legth ; ) f ([] < [-gp] ) { t tmp [], j ; do { [j] [j-gp]; j j- gp; whle (j > gp && [j-gp] > tmp); // ed [j] tmp; Legde v : Hep - sort 9 Shell-sort 5 Shell -sort 85 Tree - sort 89 Legde v : Hep - sort 79 Shell-sort 4 Shell -sort 75 Tree - sort 875 Legde v :48576 ** Hep - sort 5 Shell-sort 8!! Shell -sort 98 Tree - sort 78 Legde v : 8 9 ** Hep - sort Shell-sort Shell -sort Tree - sort Rotrettet tre Fel rot, er kke størst:.., Ide for Hep &Tre sorterg rotrettet tre rrye:. Rot er største elemet treet (også rot lle sutrær rekursvt). Det er ge ordg mellom vsu og hsu (hvem som er størst). V etrkter holdet v e rry [:-] slk t vsu og hsu tl elemet er : og (Hvs v kke går ut over rrye) Fel ldode, 99 er større e s rot: [ ] : , Eks på rktg tre:.., 8 [ ] : , 5 99
11 Hjelpemetode rote et (su)tre mulges fel : sttc vod dyttned (t, t ) // Rot er (mulges) felplssert dytt gmmel edover // få y, større oppover { t j *, temp []; whle(j < ) { f ( j < && [j] > [j] ) j; f ([j] > temp) { [] [j]; j; j j*; else rek; [] temp; Før: dyttned (, 5) Etter: sttc vod dyttned (t, t ) { t j *, temp []; whle(j < ) { f ( j < && [j] > [j] ) j; f ([j] > temp) { [] [j]; j; j j*; else rek; [] temp; Eksekvergstder for dyttned V ser t metode strter på sutreet med rot [] og verste tlfelle må flytte det elemetet helt tl ed tl e ldode c. tl [], Avstde er (-) rrye og hver gg doler v j tl j < : dvs. whle-løkk går mks. log(-) gger O(log ) ( dette er det smme som t høyde et ærtre er log()) sttc vod dyttopp (t ) // Bldode på plss er (mulges) felplssert // dytt de oppover mot rot tl hele treet { t j (-)/, temp []; whle( temp > [j] && > ) { [] [j]; j; j (-)/; [] temp; Før: dyttopp (5) Etter: 55 Eksekvergstde for dyttopp sttc vod dyttopp (t ) // Bldode på plss er (mulges) felplssert // dytt de oppover mot rot tl hele treet { t j (-)/, temp []; whle( temp > [j] && > ) { [] [j]; j; j (-)/; [] temp; V ser t metode strter på det treet med rot [] som går tl og med [], og verste må flytte gmle [] helt opp tl rot [] Avstde er rrye og hver gg hlverer v tl verste fll : dvs. whle-løkk går mks. log() gger O(log ) ford mksmlt er lk og gjeomstlg / ( dette er også et smme som t høyde et ærtre er log())
12 Idee k Tre & Hep-sorterg Tre sorterg Tre sorterg: V strter med røttee, først de mste sutrære, og dytter de ed (får evt, y større rotverd oppover) Hep-sorterg: V strter med ldodee, og lr de stge oppover stt (su)-tre, hvs de er større e rot. Felles: Etter dee første ordge, er å største elemet [] vod dyttned (t, t ) { // Rot er (mulges) felplssert // Dytt gmmel edover // få y større oppover t j *, temp []; whle(j < ) { f ( j < && [j] > [j] ) j; f ([j] > temp) { [] [j]; j; j j*; else rek; [] temp; // ed dyttned vod treesort( t [] ) { t.legth-; for (t k / ; k > ; k--) dyttned(k,); for (t k ; k > ; k--) { dyttned(,k); ytt (,k); Ide: V hr et ært ordgstre [..k] med største rot. Orde først lle sutrær..få største elemet opp [] og Bytt det med det k te elemetet (k, -,.. ) [ ] : lyse v tree-sorterg Hep-sorterg. De store egruelse: V joer med ære trær, og setter prsppet verder, lle med ve log tl rot O( log ) Først order v / sutrær med gjeomsttshøyde (log ) / *log/4 Så setter v e y ode gger toppe v det treet som er [..k], k, -,..,, I stt er høyde på dette treet (este) log dvs log Summe er klrt O( log) vod dyttopp(t ) // Bldode på plss er // (mulges) felplssert // Dytt de oppover mot rot { t j (-) /, temp []; whle( temp > [j] && > ) { [] [j]; j; j (-)/; [] temp; // ed dytt Opp vod hepsort( t [] ) { t.legth -; for (t k ; k < ; k) dyttopp(k); ytt(,); for (t k -; k > ; k--) { dyttned(,k); ytt (,k);
13 lyse v Hep -sorterg Som Tre-sorterg: V joer med ære trær (huger), og setter prsppet verder, lle med ve log tl rot O( log ) Qucksort geerell dé. F ett elemet (de dele v) rrye du skl sortere som er omtret mddels stort lt dsse elemetee kll det prt. Del opp rrye tre deler og flytt elemeter slk t: ) små - de som er mdre e prt er tl vestre ) lke - de som hr smme verd som prt er mdte c) store - de som er større, tl høyre små lke store. Gjet pkt. og rekursvt for de små og store områdee hver for seg tl legde v dem er <, og dermed sortert. l s lke små lke store usett vod qucksort ( t [], t l, t r) { t s l-, lke, d; t t, prt [(lr)/]; for ( t l; < r; ) f ( [] prt ) { lke; // ytt om de vestre store t [slke]; // og de ye ([]) [slke] []; [] t; else f ([] < prt) { s; // ytt om syklsk de vestre d slke; // store, de vestre lke og t []; // de ye [] [] [d]; [d] [s]; [s] t; f ( l < s ) qucksort (,l,s); f ( slke < r ) qucksort (,slke,r); r QuckSort - eksempel Sortert :
14 Quck sort, tdsforruk V ser t ett gjeomløp v qucksort tr O( r-l ) td, og første gjeomløp O() td ford r-l første gg Verste tlfellet V velger prt slk t det f.eks. er det største elemetet hver gg. D får v totlt kll på qucksort, som hver tr O(/) td gj.stt dvs O( ) totlt Beste tlfellet V velger prt slk t de deler rrye to lke store deler hver gg. Treet v rekursjos-kll får dyde log. På hvert v dsse våee gjeomløper v lle elemetee (høyst) e gg dvs: O() O()... O() O ( log ) ( log ledd ddsjoe) Gjeomstt I prkss vl verste tlfellet kke opptre me velger ofte prt som mede v [l], [(lr)/ og [r] og v får O ( log ) Qucksort prkss I Bruker e e mplemetsjo e de som er vst tdlgere ( med færre omyttger) Kller stkksort år legde v det som skl sorteres er mdre e c. E slk QuckSort går c doelt så fort som de som er demostrert tdlgere (me vskelg åfårktg): vod qucksort ( t [],t l,t r) { t l, jr; t t, prt [(lr)/]; whle ( < j) { whle ([] < prt ) ; whle (prt < [j] ) j--; f ( < j) { t [j]; [j] []; [] t; ; j--; f ( l < j ) { f ( j-l < ) stkksort (,l,j); else qucksort (,l,j); f ( < r ) { f ( r- < ) stkksort (,,r); else qucksort (,,r); // ed qucksort Qucksort prkss II Fe det k største elemetet Vlg v pertsjoergselemet prt er vesetlg Boks versjo v Qucksort OK, me flytter prtsjoergs elemetet ut på sdelje, og tr kke høyde for flere lke elemeter Velger derfor ofte mede (det mdterste verd) v: det første det mdterste det sste elemetet det området v skl sortere Qucksort er kke de rskeste lgortme (f.eks er Rdx mst doelt så rsk), me yttes mye f.eks jv.utl.arrys.sort(); Geerell dé:. Bruk oppdelgsmetode fr QuckSort og del opp lte lke og stor del. Let vdere (rekursvt) rktg del: f ( k < (legde v lte) ) let lte else f ( k < (legde v lte lke) fuet lke else let vdere stor lte lke stor Eksekvergstd - se QuckSort (me hvord?)
15 t kvkkvlg ( t [],t l,t r, t k) // deler [l,r] lte, lk og stor // velger ut det k-største elemetet (k,...,.legth) { t s l-, lke, d; t t, prt [(lr)/]; Eksekvergstd - kvkkvlg f (l r) retur [r]; else { for ( t l; < r; ) f ( [] prt ) { lke; t [slke]; [slke] []; [] t; else f ([] < prt) { s; d slke; t []; [] [d]; [d] [s]; [s] t; f ( k -< s ) retur kvkkvlg (,l,s,k); else f ( k -< s lke) retur prt; else retur kvkkvlg (,slke,r,k ); (forts.) f ( k -< s ) retur kvkkvlg (,l,s,k); else f ( k -< s lke) retur prt; else retur kvkkvlg (,slke,r,k ); dvs: / /4 /8... ( ½ ¼ /8...) O() / /4 /8 Flette - sorterg (merge) Veleget for sorterg v fler. Geerell dé:. V hr to sorterte sekveser A og B (f.eks på hver s fl). V øsker å få e stor sortert fl C v de to.. V leser d det mste elemetet på toppe v A eller B og skrver det ut tl C, ut-fl 4. Forsett med pkt.. tl v er ferdg med lt. I prkss skl det meget store fler tl, før du ruker flettesorterg. 4 MB ter hukommelse er dg meget llg (oe få tuse kroer). Før v egyer å flette, vl v sortere flee stykkevs med f.eks Rdx, Kvkk- eller Bøtte-sorterg sksse v Flette-kode Algortme flettesort ( Fl A, Fl B, utfl C) { A.frst; B. frst; whle (! ull &&! ull) f ( < ) { C.wrte (); A.frst; else { C.wte (); B.frst; whle (! ull) { C.wrte (); A.frst; whle (! ull) { C.wrte (); B.frst;
16 Verd-serte sortergsmetoder Bøtte-sorterg og sorterg v ojekter Drekte plsserg sert på verde v hvert elemet ge smmelgger med o-elemeter e.l. Telle-sorterg, e metode som kke er rukr prkss ( hvorfor?) Er klrt v O(), me svdel : vod tellesort(t [] ) { t mx,,m, d ; for ( ; < ; ) f ([] > mx) mx []; t [] telle ew t[mx]; for( ; < ; ) telle[[]] ; for( ; < mx; ) { m telle[]; whle ( m > ) { [d] ; m--; Idt: Usortert lste s, med ojekter hver med e (t) økkel vlue Sorterg v drekte plsserg stk. Stkker ( LIFO kø) Utdt: Sortert lste s Stl sorterg Kjøretd O(mx ), mx er største verd økkele O() år mx er omlg lk (kke spredd, ty fordelg.), me gjere mge lke elemeter. Ulemper: Bruker ekstr plss: * pekere (lste este-pekere ojektee) overhed v ojekter, tlsmme c. * Atr uform eller tett fordelg. Brukes l. v FAST søkemotor clss BNode { BNode este; t verd; BNode (BNode, t v) { este ; verd v;.. for(t ; <; ) s ew BNode( s, []); s ucketsort( s );... s lst BNode ucketsort ( BNode s ) {t mx ; BNode t s; whle (t! ull) { f (t.vlue >mx ) mx t.vlue; t t.ext; BNode [] lst ew BNode [mx]; BNode t; whle (s! ull) { t s; s s.este; t.este lst[t.verd]; lst[t.verd] t; // lg lste FIFO from LIFO LIFO for (t mx; > ; --) whle (lst[]! ull ) { t lst[]; lst[] t.este; t.este s; s t; retur s; Rdx-sorterg Sorterer e rry [] på hvert sffer Et sffer et re ett vsst tll t Algortme: Fer først mx verd [ ] Koperer dt ved hver slk gjeomgg fr e rry ( utggspuktet []) tl e e, [] v smme legde Neste gg (for este sffer) koperes tlke fr [] tl []
17 // Rdx kostter og kode < 4 elemeter t [] ; sttc t umbt, rmx 4-, mx ; vod rdxsort(t [] ) { // f mx [] for (t ; <.legth; ) f ([] > mx) mx []; f ( mx < rmx) { // for første gg, hvs små/få verder // Treger å re ett sffer som også er mdre whle ( (<<umbt) > mx ) umbt --; umbt ; // wet oe too fr rmx (<< umbt) -; rdxsort(,,, mx); // koper tlke tl hvs svret å er [] f (! ) for (t ; < ; ) [] []; Ett elemet fr[]: t t umbt rmx: umbt ere t [] rdxsort ( t [] fr, t [] tl, t t, t mx ) { t [] t ew t [rmx]; t cumvl, j; // tell opp t hvor mge v hver verd for (t ; < ; ) t[((fr[]>> t) & rmx)]; // Adder opp 't' kkumulerte verder for (t ; < rmx; ) { j t[]; t[] cumvl; cumvl j; // flytt tllee sortert (på dette feltet) tl tl. for (t ; < ; ) tl [ t [ ((fr[]>>t) & rmx) ] ] fr[]; // Hvs mer gje å sortere sorter på este t ter f ( ( << (t umbt)) < mx ) retur rdxsort ( tl, fr, t umbt, mx); else retur tl; Tdsforruket tl Rdx Sortere ved å lge sortergs-permutsjoe Psort I. Først går v gjeom [] for å fe mx O(). Legg merke tl t t[] hr legde rmx e kostt. Følgede opersjoer gjøres (log mx)/(log rmx) gger:. Tell opp t[] hvor mge det er v hver sffer-verd O(). Juster pekere t[] O(log rmx ). Flytte lle dt (fr: fr[] tl: tl[]) O() 4. Dvs totlt O( log mx), og sde mx ofte er e fuksjo v, lr dette ofte O( log) me koeffsete er meget lte 5. Rdx er vel doelt så rsk som Qucksort prkss, me krever doelt så stor plss 6. Hovegrue tl t Rdx er så rsk t de ksesserer hvert elemet lgt færre gger e Qucksort (år mll, gjør Qucksort c. les/skrv per elemet, Rdx gjør c. 7) Hvorfor sortere? Ikke egetlg teressert å sortere e t rry M sorterer smmehegede dtmegder: Bk : Koto #., v, dresse, sldo sortert på Koto #. Studet: Nv, dresse, sttutt #, eksme, sortert på Ist # og v Atr t dt er [ ],[ ],...,d[ ] og t v vl presetere,,...d sortert på Tre løsger:. Flytte dt,c,...d smme med og tlsvrede m sorterer gske lgsomt!. Legg dt(,,...,d ) ojekt. Sorter ojektee på økkele rskt, me plssforrukede (og derfor lgsomt for store dtsett). Geerere sortergspermutsjoe t [ ] p fr slk t: [p[]], [p[]],...,d[p[]] er det sorterte dtsettet.
18 Psort, lger sortergs-permutsjoe. (som Rdx: F mx verd ).. Som Rdx: Tell rry cout hvor mge det er v hver verd.. Som Rdx: Adder tllee tl logske pekere cout cout [] cout [-] cout [-] 4. Lg sortergs- permutsjoe: p[ cout[[]]]. Eks: mx 6. Cout Adder tl pekere 4. Lg p : t [] psort ( t [] ) { t.legth; t [] p ew t []; t [] cout ; t loclmx ; t ccumvl, j, for (t ; < ; ) f( loclmx < []) loclmx []; cout ew t[loclmx]; for (t ; < ; ) cout[[]]; for (t ; < loclmx; ) { j cout[]; cout[] ccumvl; ccumvl j; for (t ; < ; ) p[cout[[]]] ; retur p; Smmelgg v lgortmer Tree-sort Quck-sort effektvsert med Istkksorterg for sudeler < Bøtte-sorterg Dt plssert ojekter. Dsse plsseres lster e per mulg verd geererg v ojekter utefor tdtgge P-sort Rdx Mst sgfkt sffer først, pss (hvs ødvedg) t fst sffer Noe tder Tree - sort ,5,97,954,657,46 Bøtte - sort 78 9,8 4,68,5,,6 Rdx - sort ,98,,5,6 PSort ,,,56,88, Quck - sort ,4 6,88,5,75, mllsek Asolutte sortergstder Tree - sort Bøtte - sort Rdx - sort PSort Quck - sort
19 Reltvt tl Qucksort (logrtmsk x-kse) Hv er cchg? Reltve eksekvergstder (Quck-sort ) Nvå og cche KB, MB på CPUe evt. vå cche 6 MB På eller ved sde v CPU,5,,5,,5,,5 Tree - sort Bøtte - sort Rdx - sort PSort Quck - sort CPU System uss Loklett Dsk Når v kke fer dt ærmeste cche, overføres e cchelje Byte fr sktere tl rskere hukommelse., legde v sortert rry Effekte v cchg hvor stor? Ser på uttrykk som yttes Rdx og Psort Rdx: // flytt tllee for (t ; < ; ) tl[t[((fr[]>>t) & rmx)]] fr[]; Psort // mke p[] for (t ; < ; ) p[cout[[]]] ; Dsse gjeomløpee er gske cche-uvelge De hopper reltvt tlfeldg rudt cout og p Cche-test Tester uttrykk v type med skrv og k les: for(t ; < ; ) [[[ [] ]]] ; To hold p: Sekvesell: [] gr este ge cche-fel Tlfeldg hold [] tlfeldg t (..-) gr este k stk. cche-fel ved økede, først vå cche fel, så også vå, og evt. også tl vå.
20 Tm es slower whe rdom ly dexed Cche Test - sequetl vs. rdom dexed [[[[[[[[[]]]]]]]]] ; P4-Xeo.8GHz Optero 54.8GHz Petum M.7GHz UltrSprcIII.6GHz (log scle) Smmelgg mellom Sekvesell utførelse og Rdom hold v [] Tmes slower whe redomly dexed Fe år level (L) cche feler Optero hr 64 k L mes Xeo her 8 k L Sme Cche Test, legth of rry, < 5 P4-Xeo.8GHz UltrSprcIII.6GHz Petum M.7GHz Optero 54.8GHz (log scle) Cchg koklusjoer Opp tl 4x forskelse med ekstreme cche-fel Opp tl over 5x forskelse ved ormltlfellet: skrv - les Idé for lgortmer: Lg e lgortme som er cche velg ete færre les/skrv på hvert dtelemet sekvesell (folegs, klegs) les/skrv V k kskje h -x leger kode ( utførte struksjoer) e e cche-uvelg kode og ed være rskere Rskere, cche-velge lgortmer? To forsøk på verd-serte lgortmer:. pss Psort ( sorterg mx t d gge), kode c. x. Blokk-sort modfsert Rdx: Først sorter drekte 4 lster med uffre på mest sgfkte t Så vlg Rdx-sorterg på de resterede lveste t (kode c. x) Smmelget med: Quck-sort ( ss) pss Psort Vlg Rdx-sorterg Nå foredret ltt ved å redusere tll t det sorteres på ved korte rryer
21 Cche sortg lgorthms compred Koklusjo på mulg cche -optmlserg Reltve executo tme reltve Quck-sort () Legth of sorted rry (x) Quck PSort-pss PSort - pss Block Rdx Itrodusert y, rsk sortergslgortme Psort som hr ett klrt og stort vedelsesområde Cchg er e vesetlg effekt ved sorterg, og vel også ehver e lgortme Ige y, rskere lgortme, ford: Ny kode legere Mer komplsert kode Gmmel lgortme vr e ldg v cche velg og uvelg kode. Veet foredrgsmulghet vr d kke 5x me heller c. x Neste lke rske lgortmer med -x så lg kode Slke cche-velge lgortmer k l edre hvs forholdet mellom CPU ( MHz) og hukommelse (4 MHz) edre seg mer tl det verre (større forskjell).
b x = a, og skriver da: x = log b a
,! "#$! %&' ( )'#$$* &"! ' $ Lære et sett v gode (og oe få dårlge) lgortmer for å løse kjete prolemer Gjør det mulg å vurdere effektvtete v progrmmer Lære å lge effektve & velstrukturerte progrmsystemer/loteker
DetaljerKapittel 9 ALGEBRA. Hva er algebra?
Kpttel 9 ALGEBRA Hv er lger? Kpttel 9 ALGEBRA Alger Ekelt k v s t lger er å rege me okstver steet for tll. Når v løser lgger, står okstve (vlgvs for et estemt tll. Når v ruker lger tl å utlee formler eller
DetaljerChapter 2 - Discrete Mathematics and Its Applications. Løsningsforslag på utvalgte oppgaver
Chpter - Dscrete Mthemtcs d Its pplctos Løsgsforslg på utvlgte oppgver vstt Oppgve Gtt 7 ) E mtrse med rder og koloer er e mtrse Geerelt hr v t e m mtrse er e mtrse med m rder og koloer Uttrykket m klles
DetaljerPositive rekker. Forelest: 3. Sept, 2004
Postve rekker Forelest: 3. Sept, 004 V skal tde utover fokusere på å teste om e rekke kovergerer, og skyve formler for summerg bakgrue. Dette er gje ford det første målet vårt er å lære hvorda v ka fe
Detaljer12 MER OM POTENSER POTENSER
Kpittel MER OM OTENSER OTENSER 3 rekker for å helgrdere de første kmpe. 3 3 9 rekker for å helgrdere de to første kmpee. 3 3 3 7 rekker for å helgrdere de tre første kmpee. 3 3 3 3 3 3 3 3 3 3 3 3 53 44
DetaljerForelesning Z-, t-test, test for forventningsdifferanser
STAT Sttstkk Metoder ushu.l@ub.o Forelesg + 3 Z-, t-test, test for forvetgsdfferser. Sttstsk hypotesetestg ullhypotese): ypotese so først ttt å være st *Forålet ed e test er å udersøke o dtterlet gr grulg
DetaljerTMA4245 Statistikk Eksamen mai 2016
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Lar X være kvadratprse. Har da at X N(µ, σ 2 ), med µ 30 og σ 2 2, 5 2. P (X < 30) P (X < µ) 0.5 ( X 30 P (X > 25)
DetaljerForelesning 19 og 20 Regresjon og korrelasjons (II)
STAT111 Statstkk Metoder Yushu.L@ub.o Forelesg 19 og 0 Regresjo og korrelasjos (II) 1. Kofdestervall (CI) og predksjostervall (PI) I uka 14, brukte v leær regresjo for å fage leær sammehege mellom Y og
DetaljerLæringsmål og pensum. Funksjoner hittil (1) Oversikt. Læringsmål Anonyme og rekursive funksjoner Funksjoner som inn-argumenter Subfunksjoner
1 Lærigsmål og pesum TDT4105 Iformsjostekologi grukurs: Uke 44 Aoyme fuksjoer, fuksjosfuksjoer og rekursjo Lærigsmål Aoyme og rekursive fuksjoer Fuksjoer som i-rgumeter Subfuksjoer Pesum Mtlb, Chpter 10
DetaljerRegler om normalfordelingen
1 HG mars 2009 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette
DetaljerSeminaroppgaver for uke 13 (Oppgave (1), (2), og (3))
1 ECON 2130 2017 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 (Oppgave (1), (2), og (3)) (1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver)
DetaljerForelesning Ordnings observatorer
Yushu.L@ub.o Forelesg 6 + 7 Ordgs observatorer. Oppsummerg tl Forelesg 4 og 5.) Fuksjoer (trasformasjoer) av flere S.V...) Smultafordelg tl to ye S.V. Ata at v har to S.V., med smultafordelg f ( x, x )
DetaljerRegler om normalfordelingen
HG mars 0 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg dette kurset.
DetaljerSeminaroppgaver for uke 13
1 ECON 2130 2016 vår Semarpla fra og med uke 13 Semaroppgaver for uke 13 1) Fra eksame Eco 2130, 2004 høst: Oppgave 3: (Fel oppgave på ststuttets overskt over gamle eksamesoppgaver) La X og Y være to uavhegge
DetaljerRegler om normalfordelingen
1 HG Revdert mars 013 Notat tl kapttel 5 Løvås Regler om ormalfordelge Kjeskap tl reglee for ormalfordelge er gruleggede for de statstske aalyse kapttel 6 Løvås, og studetee må kue beherske dsse skkkelg
DetaljerFormler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler
Formler og regler statstkk følge lærebok Guar Løvås: tatstkk for uversteter og høgskoler Kap. Hva er fakta om utvalget etralmål Meda: mdterste verd etter sorterg Modus: hyppgst forekommede verd Gjeomstt:
DetaljerMakroøkonomi - B1. Innledning. Begrep. B. Makroøkonomi. Mundells trilemma går ut på følgende:
B. Makroøkoom Oppgave: Forklar påstades hold og drøft hvlke alteratv v står overfor: Fast valutakurs, selvstedg retepoltkk og fre kaptalbevegelser er kke forelg på samme td. Makroøkoom Iledg Mudells trlemma
DetaljerLogaritmen til et tall er det vi må opphøye 10 i for å få tallet. Logaritmen til et tall a kan vi indirekte definere slik:
Logritme til et tll er det vi må opphøye 10 i for å få tllet. 10 2 = 100 Logritme til 100 er 2. log 100 = 2 10 3 = 1000 Logritme til 1000 er 3. log 1000 = 3 Logritme til et tll k vi idirekte defiere slik:
DetaljerDet ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:
LØSNINGSFORSLAG EKSAMEN 4 MAI 007 MET00 STATISTIKK GRUNNKURS Det ble oretert pleum uder eksamesdage om følgede edrger forhold tl oppgave: Oppgave b går ut. Det vl da bl 9 oppgaver og alle oppgaver teller
DetaljerEcon 2130 uke 15 (HG)
Eco 130 uke 15 (HG) Kofdestervall Løvås: 6.1., 6.3.1 3. (Avstt 6.3.4 6 leses på ege håd. Se også overskt over kofdestercvall ekstra otat på ettet.) 1 Defsjo av kofdestervall La θ være e ukjet parameter
DetaljerOversikt over tester i Econ 2130
HG Revdert aprl 2 Overskt over tester Eco 23 La θ være e ukjet parameter (populasjos-størrelse e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av θ populasjoe er ukjet. Når v setter
DetaljerEcon 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller
Eco 3 uke 9 (HG) Iferes ekel regresjo og dskrete modeller De ekle regresjosmodelle. Resultater fra 5m og 5m for me fra EM på skøyter Heerevee 4. ( er 5m-tde og y 5m-tde sekuder for løper.) Spredgdagram
DetaljerTMA4240 Statistikk Høst 2016
TMA440 Statstkk Høst 06 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg 0 Løsgssksse Oppgave a Estmatore for avstade a er gjeomsttet av uavhegge detsk fordelte målger, x; a,
DetaljerS2 kapittel 1 Rekker Utvalgte løsninger oppgavesamlingen
Utvlgte løsiger oppgvesmlige S kpittel Rekker Utvlgte løsiger oppgvesmlige 0 Vi k prøve med differsemetode Differsee mellom leddee utover er 4,6,8, så det er rimelig t differse mellom femte og fjerde ledd
DetaljerLøsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.
Løsgsforslag Eksame Statstkk Nov 00 Oppgave a) Det fs 8 mulge kombasjoer. Dsse fes ved å utelate ett og ett tall. Atall utvalg av størrelse 7 blat m er ( m 7 ). b) Prs Atall Rekker 3 kr. ( 7 ) 3 kr....
Detaljer1. Konfidens intervall for
Forelesg 0 + Yushu.@ub.o Kofdes tervall og Bootstrap. Kofdes tervall for ) Kofdes tervall [ ˆ, ˆ ] dekker de ukjete parametere med høy grad av skkerhet (kofdesvå): P( ˆ ˆ ), er f.eks 0.0 eller 0.05, eller
DetaljerOBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005
OBLIGATORISK OPPGAVE INF 0/0/90 HØSTEN 005 Levergsfrst: 0. september 005 Arbedsform: Løses dvduelt Ileverg tl: Aja Bråthe Krstofferse (ajab@f.uo.o Levergskrav: Det forutsettes at du er kjet med holdet
DetaljerRekursjon. I. Et enkelt eksempel
Reusj I. ET ENKELT EKSEMPEL II. TRE AV REKURSIVE KALL, eusjsdybde temeg dg III.INDUKTIVE DATA TYPER g Reusj ve Dt Type IV. SPLITT OG HERSK PROBLEMLØSNING VED REKURSJON Kp. 8.. V. REKURSJONS EEKTIVITET
DetaljerOversikt over tester i Econ 2130
1 HG Revdert aprl 217 Overskt over tester Eco 213 La være e ukjet parameter (populasjos-størrelse) e statstsk modell. Uttrykket ukjet parameter betyr at de sae verde av populasjoe er ukjet. Når v setter
DetaljerIT1105 Algoritmer og datastrukturer
Løsnngsforslag, Eksamen IT1105 Algortmer og datastrukturer 1 jun 2004 0900-1300 Tllatte hjelpemdler: Godkjent kalkulator og matematsk formelsamlng Skrv svarene på oppgavearket Skrv studentnummer på alle
DetaljerLøsningsforslag Eksamen 7. august 2006 TFY4250 Atom- og molekylfysikk
Eksme TFY450 7. ugust 006 - løsigsforslg Oppgve Løsigsforslg Eksme 7. ugust 006 TFY450 Atom- og molekylfysikk. Grutilstde ψ (x hr ige ullpukter. Første eksiterte tilstd ψ (x hr ett ullpukt. Når potesilet
DetaljerAvdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 14.12.2007
Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 4..7 UTATT PRØVE I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).
DetaljerOversikt over tester i Econ 2130
1 HG Revdert aprl 213 Overskt ver tester Ec 213 La θ være e ukjet parameter (ppulasjs-størrelse) e statstsk mdell. Uttrykket ukjet parameter betyr at de sae verde av θ ppulasje er ukjet. Når v setter pp
DetaljerBalanserte søketrær. AVL-trær. AVL-trær. AVL-trær høyde AVL AVL. AVL-trær (Adelson-Velskii og Landis, 1962) Splay-trær (Sleator og Tarjan, 1985)
alanserte søketrær VL-trær Et bnært tre er et VL-tre hvs ølgende holder: VL-trær delson-velsk og Lands, 96 play-trær leator og Tarjan, 98. orskjellen høyde mellom det høyre og det venstre deltreet er maksmalt,
DetaljerForelesning 3 mandag den 25. august
Forelesg adag de 5 august Merkad 171 For å bevse e propossjo o heltall so volverer to eller flere varabler, er det typsk ye lettere å beytte duksjo på e av varablee e duksjo på oe av de adre Det er for
Detaljeri B maksimal b Fundamentalteoremet for lineærprogrammering Den leksikografiske metode Blands pivoteringregel MoD233 - Geir Hasle - Leksjon 4 2
Lekso 4 ( k ) a ( k ) I ( k ) U ( k) B maksmal ( k ) b Sste spesaltlfelle - valg av utgåede Degeerert basstabell, degeererert pvoterg Degeerert pvoterg ka g syklsk pvoterg Eeste tlfelle der Smpleksmetode
DetaljerDynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Hvlke problemer? Metoden ble formalsert av Rchard Bellmann (RAND Corporaton) på -tallet. Har ngen tng med programmerng å gøre. Dynamsk er et ord som kan aldr brukes negatvt. Skal v
Detaljer(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:
A-besvarelse ECON2130- Statstkk 1 vår 2009 Oppgave 1 A) () Antall kke-ordnede utvalg: () P(Arne nummer 1) = () Når 5 er bltt trukket ut, er det tre gjen som kan blr trukket ut tl den sste plassen, altså:
DetaljerTMA4245 Statistikk Eksamen august 2014
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Y 5 PY > 53) PY 53) P ) 53 5 Φ5) 933 668 Vekte av e fylt flaske, X + Y, er e leærkombasjo av uavhegge ormalfordelte
DetaljerMatematikk for IT, høsten 2018
Mtmtkk for IT, høst 8 Oblg Løsgsforslg 7. sptmbr 8.7. ) for >. 7 b) for >. 7 c) for >. 7 d) ) for >. 8 8 8 8 8 7 8 7 8 .7. ) for >. 7 8 b) for >. 7 ) 7 ) 7) ) 7 ) 7) c) for >..7.8 ) ) ) ) ). Bss:. Rkursjosforml:
Detaljer8NH )RUHOHVQLQJ 'HSDUWPHQWÃRIÃ,QIRUPDWLFVÃ8QLYHUVLW\ÃRIÃ2VORÃ1RUZD\,1) ± $OJRULWKPVÃÉÃ'DWDÃ6WUXFWXUHV
:/ 8NH )RUHOHVQLQJ +86.± +LWWLO«Sortering: Sammenligning-baserte: Baserer seg på sammenligning av elemntene i a[ ] Eksempler: Instikk, boble, utplukk Alle tar kvadratisk tid 1 7(0$6RUWHULQJ )RUWVHWWHUPHG
DetaljerAvdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007
Høgskole Telemark Avdelg for estetske fag, folkekultur og lærerutdag BOKMÅL 9. ma 7 EKSAMEN I MATEMATIKK, Modul 5 studepoeg Td: 5 tmer Hjelpemdler: Kalkulator og vedlagt formelsamlg (bakerst oppgavesettet).
DetaljerLøsningskisse seminaroppgaver uke 17 ( april)
HG Aprl 14 Løsgsksse semaroppgaver uke 17 (.-5. aprl) Oppg. 5.6 (begge utgaver) La X = atall bar utvalget som har lærevasker. Adel bar med lærevasker populasjoe av bar atas å være p.15. Utvalgsstørrelse
Detaljersom vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,
HG Eco30 07 9/3-07 Supplemet tl forelesg uke 0 (6 mars) (Det jeg kke rakk å ta på forelesg) Termolog (estmerg) Data (kokrete tall), x, x, er ervasjoer av stokastske varable, X, X, De statstske modelle
DetaljerOppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Abefalt øvg Løsgssksse Oppgave Det er oppgtt oppgavetekste at estmatore er forvetgsrett, så v vet allerede at Eˆµ µ. Varase tl ˆµ er τ Varˆµ
DetaljerOdd Heir John Engeseth Håvard Moe Ørnulf Borgan BOKMÅL. Særtrykk. Matematikk 1T
Odd Heir Joh Egeseth Håvrd Moe Ørulf Borg BOKMÅL Særtrykk Mtemtikk T Odd Heir Joh Egeseth Håvrd Moe Ørulf Borg BOKMÅL Mtemtikk T Ihold Alger A Tllregig 7 B Tllmegder C Potesregig 0 D Store og små tll
DetaljerDynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Metoden ble formalsert av Rchard Bellmann (RAND Corporaton på -tallet. Programmerng betydnngen planlegge, ta beslutnnger. (Har kke noe med kode eller å skrve kode å gøre. Dynamsk for
DetaljerLøsningsforslag til øving 4
Høgsole i Gjøi d. for te., ø. og ledelse temti 5 Løsigsforslg til øig OPPGE det ( 8 Determite esisterer ie! K drtise mtriser e determit. i i detc ( i( i ( i( i ( i i i i 5i 5i i i er! Regereglee er de
DetaljerMED SVARFORSLAG UNIVERSITETET I OSLO
Eksmen i : MED SVARFORSLAG UNIVERSITETET I OSLO Det mtemtisk-nturvitenskpelige fkultet INF5110 - Kompiltorteknikk Eksmensdg : Onsdg 6. juni 2012 Tid for eksmen : 14.30-18.30 Oppgvesettet er på : Vedlegg
DetaljerSTK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)
TK høste 9 Eksempel.5 (CO og vekst av furutrær Leær regreso varer tl avsttee..4 læreboka (med utak av stoffet om logstsk regreso Ørulf Borga Matematsk sttutt Uverstetet Oslo V vl bestemme sammehege mellom
DetaljerSimpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering
Lekson 3 Smpleksmetoden generell metode for å løse LP utgangspunkt: LP på standardform Intell basstabell Fase I for å skaffe ntell, brukbar løsnng løse helpeproblem hvs optmale løsnng gr brukbar løsnng
DetaljerForelesning 25 og 26 Introduksjon til Bayesiansk statistikk
Yushu.@hh.o Forelesg 5 og 6 Itroduksjo tl Bayesask statstkk 1. Itroduksjo Fortsatt atar v har stokastsk varabel X (X ka være stokastsk varabel vektor) kommer fra e fordelg med parametere ( ka være parameter
DetaljerMicrosoft PowerPoint MER ENN KULEPUNKTER
Mirosoft PowerPoint MER ENN KULEPUNKTER INNHOLDSFORTEGNELSE: Opprette en ny presentsjon: «Ml» vs. «tomt skll» Bilder: Sette inn ilder fr Google ildesøk. Bilder: Sette inn llerede lgrede ilder. Bilder:
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det mtemtisk-turviteskpelige fkultet Eksme i: STK1110 Sttistiske metoder og dtlyse Løsigsforslg Eksmesdg: Tirsdg 18. desemer 2018 Tid for eksme: 09.00 13.00 Oppgvesettet er på 5 sider.
DetaljerSorterings- Algoritmer
Hva er sorterng? Sorterngs- Algortmer Algortmer og Datastrukturer Input: en sekvens av N nummer Output: reorganserng nput-sekvensen slk at: a < a < a... < a n- < a n V søker algortmer som gjør dette på
DetaljerKapittel 4 Tall og algebra Mer øving
Kpittel 4 Tll og lger Mer øving Oppgve 1 d Oppgve 2 Se på uttrykket A = g h. Hv forteller de ulike okstvene? Se på uttrykket A = 2π. Hv står de ulike symolene for? Forklr hv vi mener med en vriel og en
DetaljerForelesning Enveis ANOVA
STAT111 Statstkk Metoder ushu.l@ub.o Forelesg 14 + 15 Eves ANOVA 1. troduksjo a. Z-, t- test Uka 1: tester for forvetgsdfferase to populasjoer (grupper) b. ANOVA (aalyss of varace): tester om det er forskjeller
DetaljerTMA4245 Statistikk Eksamen 21. mai 2013
TMA445 Statstkk Eksame ma 03 Korrgert 0 ju 03 Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave Et plott av sasylghetstetthee er gtt fgur Vdere har v og PX = Φ = 08849
Detaljer14 Systemer av differensiallikninger TMA4110 høsten 2018
Systemer v fferensllknnger TMA høsten 8 I ette kptlet skl v ruke et v hr lært om lneær lger tl å løse fferensllknnger Det fnnes fferensllknnger for nesten lt, men et er kun e ller enkleste som er mulg
DetaljerIntegrasjon Skoleprosjekt MAT4010
Integrsjon Skoleprosjekt MAT4010 Tiin K. Kristinslund, Julin F. Rossnes og Torstein Hermnsen 19. mrs 2014 1 Innhold 1 Innledning 3 2 Integrsjon 3 3 Anlysens fundmentlteorem 7 4 Refernser 10 2 1 Innledning
DetaljerLøsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.
Løsgsforslag ST20/ST620 205, kotuasjoseksame. a Rmelghetsfuksjoe blr Logartme Derverer Løser lgge Løsge er SME: L = 2 e l L = 2 l X X. X + l X. l L = 2 + 2 X = 2. ˆ = 2 X. X. b Her ka ma beytte trasformasjosformele,
DetaljerSTK1100 våren Konfidensintevaller
STK00 våre 07 Kofdestevaller Svarer tl avstt 8. læreboka Ørulf Borga Matematsk sttutt Uverstetet Oslo Eksempel E kjemker er teressert å bestemme kosetrasjoe µ av et stoff e løsg Hu måler kosetrasjoe fem
DetaljerIllustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).
Econ 2130 HG mars 2012 Supplement tl forelesnngen 19. mars Illustrasjon av regel 5.19 om sentralgrenseteoremet og ltt om heltallskorreksjon (som eksempel 5.18). Regel 5.19 ser at summer, Y = X1+ X2 + +
DetaljerDel A: Diskret optimering og heuristiske metoder Leksjon 2
Del A: Dskret optmerg og heurstske metoder Leksjo 2 Sjefsforsker Ger Hasle SINTEF Avedt matematkk, Oslo! Kursformasjo Motvasjo Operasjosaalyse Kustg tellges Optmergsproblemer (dskrete) Matematsk program
DetaljerDynamisk programmering. Hvilke problemer? Optimalitetsprinsippet. Overlappende delproblemer
ynask prograerng Metoden ble foralsert av Rchard Bellann (RAN Corporaton på -tallet. Prograerng betydnngen planlegge, ta beslutnnger. (Har kke noe ed kode eller å skrve kode å gøre. ynask for å ndkere
DetaljerDet anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON 3 EKSAMEN VÅR TALLSVAR Det abefales at de 9 deloppgavee merket med A, B, teller lkt uasett varasjo vaskelghetsgrad. Svaree er gtt
DetaljerS1 kapittel 8 Eksamenstrening Løsninger til oppgavene i læreboka
S1 kpittel 8 Eksmenstrening Løsninger til oppgvene i læreok E1 995 995 5 + 5 (995 5) (995 + 5) + 5 990 1000 + 5 990 000 + 5 990 05 E E (61+ 9) 51 49) (51+ 49) 61 9 (61 9) 51 49 ( 100 100 11 1997 00 199
DetaljerOm enkel lineær regresjon II
ECON 3 HG, aprl Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel som v kaller resposvarabele
DetaljerAlternerende rekker og absolutt konvergens
Alternerende rekker og absolutt konvergens Forelest: 0. Sept, 2004 Sst forelesnng så v på rekker der alle termene var postve. Mange av de kraftgste metodene er utvklet for akkurat den typen rekker. I denne
Detaljer2 Algebra R2 Løsninger
Algebr R Løsiger. Tllfølger.... Tllrekker... 7. Uedelige geometriske rekker... 8. Iduksjosbevis... 55.5 Eksmesoppgver... 6 Øvigsoppgver og løsiger Stei Aese og Olv Kristese/NDLA Eksmesoppgvee er hetet
DetaljerAnalyse av sammenhenger
Kapttel 7.-7.3: Aalyse av sammeheger Korrelasjo og regresjo E vktg avedelse av statstkk er å studere sammeheger mellom varabler: Avgjøre om det er sammeheger. Beskrve hvorda evetuelle sammeheger er. Eksempler:
DetaljerNotat 1: Grunnleggende statistikk og introduksjon til økonometri
Notat : Gruleggede statstkk og troduksjo tl økoometr Gruleggede statstkk Populasjo vs. utvalg Statstsk feres gjør bruk av formasjoe et utvalg tl å trekke koklusjoer (el. slutger) om populasjoe som utvalget
DetaljerKapittel 1: Beskrivende statistikk
Kapttel : Bekrvede tattkk Defjoer: Populajo og utvalg Populajo: Alle mulge obervajoer v ka gjøre (,,, N ). Utvalg: Delmegde av populajoe (,,, der
DetaljerOm enkel lineær regresjon II
1 ECON 13 HG, revdert aprl 17 Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som
DetaljerPARENTESER Matematikerne har funnet på at i regneuttrykk kan vi bruke parenteser for å markere hvilken regneoperasjon som skal gjøres først.
Smmedrg kpittel SAMMENDRAG Dette er et smmedrg v det du hr rbeidet med om lgebr i Nummer 8, Nummer 9 og Nummer 10. Hvis du treger mer treig utover oppgvee i Nummer 10, fier du ekstr oppgver på elevettstedet.
DetaljerForelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesg 3 MET359 Økoometr ved Davd Kreberg Vår 0 Dverse oppgaver Oppgave. E vestor samler følgede formasjo om markedsavkastge og avkastge på det som ser ut tl å være et attraktvt aksjefod År Aksjefodets
DetaljerTemaer i dag. Hvordan endre kontrasten i et bilde? Histogrammer. INF 2310 Digital bildebehandling
eer d INF 3 Dtl ldeedl FORELESNIN 4 RÅONE-RANSFORMASJONER Frtz Alretse Hstorer Leære råtoetrsforer Stdrdser v lder ed leær trsfor Ikke-leære, retrske trsforer Pesu: K. 3. - 3. DIP Neste uke: Hstorserte
DetaljerOppgave 1 ECON 2130 EKSAMEN 2011 VÅR
ECON 30 EKSAMEN 0 VÅR Oppgave E bedrf øsker å fordele koraker e vesergsprosjek hel lfeldg på 3 frmaer, A, B og C. Uvelgelse skjer ved loddrekg. Loddrekge er slk a hver av frmaee A, B og C, har e mulghe
DetaljerOm enkel lineær regresjon II
ECON 3 HG, revdert aprl Notat tl kapttel 7 Løvås Om ekel leær regresjo II Merk: Det ka løe seg først å lese avstt 4 regresjo-i-otatet på ytt. Regresjosmodelle. La Y være e stokastsk varabel (som v kaller
DetaljerLøsningsforslag til Obligatorisk oppgave 2
Løsningsforslg til Oligtorisk oppgve INF1800 Logikk og eregnrhet Høsten 008 Alfred Brtterud Oppgve 1 Vi hr lfetet A = {} og språkene L 1 = {s s } L = {s s inneholder minst tre forekomster v } L 3 = {s
DetaljerSeleksjon og uttak av alderspensjon fra Folketrygden
ato: 07.01.2008 aksbehandler: DH Seleksjon og uttak av alderspensjon fra Folketrygden Dette notatet presenterer en enkel framstllng av problemet med seleksjon mot uttakstdpunkt av alderspensjon av folketrygden.
DetaljerStatistikk med anvendelse i økonomi
A-6 og A-6-G, 6. ma 08 Emekode: Emeav: A-6 og A-6-G tatstkk med avedelse økoom Dato: 6. ma 08 Varghet: 0900-300 Atall sder kl. forsde 0 Tllatte hjelpemdler: erkader: Kalkulator med tømt me og ute kommukasjosmulgheter.
DetaljerOversikt over konfidensintervall i Econ 2130
1 HG Mars 017 Overskt over kofdestervall Eco 130 Merk at dee overskte kke er met å leses stedefor framstllge Løvås, me som et supplemet. De eholder tabeller med formler for kofdestervaller for stuasjoer
DetaljerAnvendelser. Kapittel 12. Minste kvadraters metode
Kapttel Anvendelser I dette kaptlet skal v se på forskjellge anvendelser av teknkke v har utvklet løpet av de sste ukene Avsnttene og eksemplene v skal se på er derfor forholdsvs uavhengge Mnste kvadraters
DetaljerEksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?
ECON 3 HG a 3 Supplemet tl sste forelesg 3 vår 4 eksempler på test-dskusjoer klusve ltt om p-verder Eksempel - Er gjeomsttshøyde for kver Norge økede? et er velkjet at gjeomsttshøyde for meesker Europa
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk
ÅMA0 Sasylghetsregg med statstkk, våre 00 Kp. 5 Estmerg. Målemodelle. Estmerg. Målemodelle. Ihold:. (Pukt)Estmerg bomsk modell (kp. 5.). Målemodelle... (kp. 5.3) 3. (Pukt)Estmerg målemodelle (kp. 5.3)
DetaljerModeller, miljø og kritisk demokratisk kompetanse
Rnhld Hnsen Modeller, mljø o krtsk demokrtsk kompetnse Mtemtske modeller spller en etydel rolle smfunnsplnlenen, o forsknnsserte modellpronoser er med o former runnlet for detter o poltske eslutnner. Et
DetaljerGråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde?
INF 3 råtoe-trasforasjoer Hovedsakelg fra ka. 3.-3. DIP Hstograer Leære gråtoetrasforer Stadardserg av blder ed leær trasfor Ikke-leære, araetrske trasforer Hvorda edre kotraste et blde?? Neste uke: Hstograbaserte
DetaljerJeg har en venn. Ó j œ. # œ œ. œ œ. Ó J. œ œ. œ œ œ œ. œ œ. œ œ. œ œ œ. œ œ. œ œ œ. œ œ. œ œ. Norsk trad. arr Mattias Ristholm. Soprano.
eg vn Norsk trd rr Mts Rstholm oprno 4 3 Ó # eg vn gett stt lv, for eg skll få le ve Det ss 4 3 Ó eg vn gett stt lv, for eg skll få le ve Det 6 fn nes n l t n tv Det nyt t å stre ve For d eg le v så Ó
DetaljerIN3030 Uke 12, v2019. Eric Jul PSE, Inst. for informatikk
IN3030 Uke 12, v2019 Eric Jul PSE, Ist. for iformatikk 1 Hva skal vi se på i Uke 12 Review Radix sort Oblig 4 Text Program Parallellizig 2 Oblig 4 Radix sort Parallelliser Radix-sorterig med fra 1 5 sifre
DetaljerSensorveiledning ECON 1410: Internasjonal Økonomi; vår a) NORD har absolutt fortrinn i produksjonen av begge varer siden A < a og
1 Sesorveiledig ECO 1410: Itersjol Økoomi; vår 2004 ) ORD hr solutt fortri i produksjoe v egge vrer side < og < ; det rukes færre timer per ehet produsert v hver vre i ORD e i SØR. Komprtive fortri er
DetaljerTMA4100 Matematikk 1 Høst 2006
TMA4 Mtemtikk Høst 26 Norges tekisk turviteskpelige uiversitet Istitutt for mtemtiske fg Løsigsforslg, vsluttede eksme 5.2.26 De første greseverdie er e uestemt form v type "/", og L Hopitls regel gir
DetaljerMA1301 Tallteori Høsten 2014
MA1301 Tallteor Høsten 014 Rchard Wllamson 3. desember 014 Innhold Forord 1 Induksjon og rekursjon 7 1.1 Naturlge tall og heltall............................ 7 1. Bevs.......................................
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Deleksamen MAT-INF Modellerng og beregnnger. Eksamensdag: Onsdag 7. oktober 29. Td for eksamen: 5: 7:. Oppgavesettet er på 6 sder. Vedlegg:
DetaljerS1 kapittel 4 Logaritmer Løsninger til oppgavene i boka
Løsninger til oppgvene i ok S kpittel 4 Logritmer Løsninger til oppgvene i ok 4. Vi leser v fr tllet 4 på y-ksen og ser t vi får den tilhørende verdien,6 på -ksen. lg 4,6 Vi leser v fr tllet,5 på y-ksen
DetaljerEKSAMEN Ny og utsatt Løsningsforslag
. jun 0 EKSAMEN Ny og utsatt Løsnngsorslag Emnekode: ITD50 Dato:. jun 0 Emne: Matematkk, deleksamen Eksamenstd: 09.00.00 Hjelpemdler: To A-ark med valgrtt nnhold på begge sder. Formelhete. Kalkulator er
DetaljerSTK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon
STK00 våre 07 Estmerg Svarer tl sdee 33-339 læreboka Poltsk megsmålg Sør et tlfeldg utvalg å 000 ersoer hva de vlle ha stemt hvs det hadde vært valg 305 vlle ha stemt A A's oslutg er Ørulf Borga Matematsk
DetaljerR1 kapittel 1 Algebra
Løsninger til oppgvene i ok R1 kpittel 1 Alger Løsninger til oppgvene i ok Oppgve 1.1 1 8 4 ( ) 15 5 (4 ) 7 1 7 ( ) d ( )( ) ( 4)( ) ( ) ( 4) ( )( 1) Oppgve 1. 49 7 ( 7)( 7) 5 5 5 5 1y 75 (4y 5) ( y) 5
DetaljerBrøkregning og likninger med teskje
Brøkregning og likninger med teskje Dette heftet gir en uformell trinn for trinn gjennomgng v grunnleggende regler for brøkregning og likninger. Dette er sto som vi i FYS 000 egentlig forventer t dere
Detaljer