INF1020 høsten nov. og 13.nov.

Størrelse: px
Begynne med side:

Download "INF1020 høsten nov. og 13.nov."

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

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

Detaljer

Kapittel 9 ALGEBRA. Hva er algebra?

Kapittel 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

Detaljer

Chapter 2 - Discrete Mathematics and Its Applications. Løsningsforslag på utvalgte oppgaver

Chapter 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

Detaljer

Positive rekker. Forelest: 3. Sept, 2004

Positive 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

Detaljer

12 MER OM POTENSER POTENSER

12 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

Detaljer

Forelesning Z-, t-test, test for forventningsdifferanser

Forelesning 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

Detaljer

TMA4245 Statistikk Eksamen mai 2016

TMA4245 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)

Detaljer

Forelesning 19 og 20 Regresjon og korrelasjons (II)

Forelesning 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

Detaljer

Læringsmål og pensum. Funksjoner hittil (1) Oversikt. Læringsmål Anonyme og rekursive funksjoner Funksjoner som inn-argumenter Subfunksjoner

Læringsmål 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

Detaljer

Regler om normalfordelingen

Regler 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

Detaljer

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3))

Seminaroppgaver 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)

Detaljer

Forelesning Ordnings observatorer

Forelesning 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 )

Detaljer

Regler om normalfordelingen

Regler 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.

Detaljer

Seminaroppgaver for uke 13

Seminaroppgaver 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

Detaljer

Regler om normalfordelingen

Regler 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

Detaljer

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler

Formler 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:

Detaljer

Makroøkonomi - B1. Innledning. Begrep. B. Makroøkonomi. Mundells trilemma går ut på følgende:

Makroøkonomi - 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

Detaljer

Logaritmen til et tall er det vi må opphøye 10 i for å få tallet. Logaritmen til et tall a kan vi indirekte definere slik:

Logaritmen 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:

Detaljer

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:

Det 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

Detaljer

Econ 2130 uke 15 (HG)

Econ 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

Detaljer

Oversikt over tester i Econ 2130

Oversikt 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

Detaljer

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller

Econ 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

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 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,

Detaljer

S2 kapittel 1 Rekker Utvalgte løsninger oppgavesamlingen

S2 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

Detaljer

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

Løsningsforslag 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....

Detaljer

1. Konfidens intervall for

1. 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

Detaljer

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

OBLIGATORISK 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

Detaljer

Rekursjon. I. Et enkelt eksempel

Rekursjon. 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

Detaljer

Oversikt over tester i Econ 2130

Oversikt 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

Detaljer

IT1105 Algoritmer og datastrukturer

IT1105 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

Detaljer

Løsningsforslag Eksamen 7. august 2006 TFY4250 Atom- og molekylfysikk

Løsningsforslag 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

Detaljer

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 14.12.2007

Avdeling 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).

Detaljer

Oversikt over tester i Econ 2130

Oversikt 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

Detaljer

Balanserte søketrær. AVL-trær. AVL-trær. AVL-trær høyde AVL AVL. AVL-trær (Adelson-Velskii og Landis, 1962) Splay-trær (Sleator og Tarjan, 1985)

Balanserte 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,

Detaljer

Forelesning 3 mandag den 25. august

Forelesning 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

Detaljer

i B maksimal b Fundamentalteoremet for lineærprogrammering Den leksikografiske metode Blands pivoteringregel MoD233 - Geir Hasle - Leksjon 4 2

i 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

Detaljer

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

Dynamisk 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:

(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:

Detaljer

TMA4245 Statistikk Eksamen august 2014

TMA4245 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

Detaljer

Matematikk for IT, høsten 2018

Matematikk 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:

Detaljer

8NH )RUHOHVQLQJ 'HSDUWPHQWÃRIÃ,QIRUPDWLFVÃ8QLYHUVLW\ÃRIÃ2VORÃ1RUZD\,1) ± $OJRULWKPVÃÉÃ'DWDÃ6WUXFWXUHV

8NH )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

Detaljer

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007

Avdeling 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).

Detaljer

Løsningskisse seminaroppgaver uke 17 ( april)

Løsningskisse 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

Detaljer

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,

som 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

Detaljer

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )

Oppgave 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

Detaljer

Odd Heir John Engeseth Håvard Moe Ørnulf Borgan BOKMÅL. Særtrykk. Matematikk 1T

Odd 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

Detaljer

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

Dynamisk 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

Detaljer

Løsningsforslag til øving 4

Løsningsforslag 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

Detaljer

MED SVARFORSLAG UNIVERSITETET I OSLO

MED 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

Detaljer

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)

STK1110 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

Detaljer

Simpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering

Simpleksmetoden. 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

Detaljer

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk

Forelesning 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

Detaljer

Microsoft PowerPoint MER ENN KULEPUNKTER

Microsoft 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:

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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.

Detaljer

Sorterings- Algoritmer

Sorterings- 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

Detaljer

Kapittel 4 Tall og algebra Mer øving

Kapittel 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

Detaljer

Forelesning Enveis ANOVA

Forelesning 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

Detaljer

TMA4245 Statistikk Eksamen 21. mai 2013

TMA4245 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

Detaljer

14 Systemer av differensiallikninger TMA4110 høsten 2018

14 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

Detaljer

Integrasjon Skoleprosjekt MAT4010

Integrasjon 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

Detaljer

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.

Løsningsforslag (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,

Detaljer

STK1100 våren Konfidensintevaller

STK1100 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

Detaljer

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).

Illustrasjon 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 + +

Detaljer

Del A: Diskret optimering og heuristiske metoder Leksjon 2

Del 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

Detaljer

Dynamisk programmering. Hvilke problemer? Optimalitetsprinsippet. Overlappende delproblemer

Dynamisk 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

Detaljer

Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Det 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

Detaljer

S1 kapittel 8 Eksamenstrening Løsninger til oppgavene i læreboka

S1 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

Detaljer

Om enkel lineær regresjon II

Om 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

Detaljer

Alternerende rekker og absolutt konvergens

Alternerende 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

Detaljer

2 Algebra R2 Løsninger

2 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

Detaljer

Analyse av sammenhenger

Analyse 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:

Detaljer

Notat 1: Grunnleggende statistikk og introduksjon til økonometri

Notat 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

Detaljer

Kapittel 1: Beskrivende statistikk

Kapittel 1: Beskrivende statistikk Kapttel : Bekrvede tattkk Defjoer: Populajo og utvalg Populajo: Alle mulge obervajoer v ka gjøre (,,, N ). Utvalg: Delmegde av populajoe (,,, der

Detaljer

Om enkel lineær regresjon II

Om 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

Detaljer

PARENTESER Matematikerne har funnet på at i regneuttrykk kan vi bruke parenteser for å markere hvilken regneoperasjon som skal gjøres først.

PARENTESER 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.

Detaljer

Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

Forelesning 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

Detaljer

Temaer i dag. Hvordan endre kontrasten i et bilde? Histogrammer. INF 2310 Digital bildebehandling

Temaer 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

Detaljer

Oppgave 1 ECON 2130 EKSAMEN 2011 VÅR

Oppgave 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

Detaljer

Om enkel lineær regresjon II

Om 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

Detaljer

Løsningsforslag til Obligatorisk oppgave 2

Løsningsforslag 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

Detaljer

Seleksjon og uttak av alderspensjon fra Folketrygden

Seleksjon 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.

Detaljer

Statistikk med anvendelse i økonomi

Statistikk 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.

Detaljer

Oversikt over konfidensintervall i Econ 2130

Oversikt 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

Detaljer

Anvendelser. Kapittel 12. Minste kvadraters metode

Anvendelser. 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

Detaljer

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?

Eksempel 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

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk

ÅMA110 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)

Detaljer

Modeller, miljø og kritisk demokratisk kompetanse

Modeller, 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

Detaljer

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde?

Gråtonehistogrammer. 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

Detaljer

Jeg 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.

Jeg 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

Detaljer

IN3030 Uke 12, v2019. Eric Jul PSE, Inst. for informatikk

IN3030 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

Detaljer

Sensorveiledning ECON 1410: Internasjonal Økonomi; vår a) NORD har absolutt fortrinn i produksjonen av begge varer siden A < a og

Sensorveiledning 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

Detaljer

TMA4100 Matematikk 1 Høst 2006

TMA4100 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

Detaljer

MA1301 Tallteori Høsten 2014

MA1301 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.......................................

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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:

Detaljer

S1 kapittel 4 Logaritmer Løsninger til oppgavene i boka

S1 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

Detaljer

EKSAMEN Ny og utsatt Løsningsforslag

EKSAMEN 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

Detaljer

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon

STK1100 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

Detaljer

R1 kapittel 1 Algebra

R1 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

Detaljer

Brøkregning og likninger med teskje

Brøkregning 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