FORELESNING I STK1130
|
|
- Åse Pettersen
- 7 år siden
- Visninger:
Transkript
1 FORELESNING I STK30 STEFFEN GRØNNEBERG (STEFFENG@MATHUIONO) Sammendrag Det anbefales at man TEX er den kommende obligen, og her er et lite eksempel på relevant TEX-kode TEX er uten tvil det fremtidige masteroppgaver og STK200/MAT-STK200-prosjekter kommer til å skrives i, så det er lurt å hoppe i det så fort som mulig Her brukes amstex-pakken, som er en macropakke for TEX og L A TEX, og er vanlig å bruke i mange matematiske publikasjoner Temaer for dagen To viktige definisjoner Generatormatriser Innebygde kjeder Klassifikasjon av Markovprosesser 2 To viktige definisjoner Minner om følgende En funksjon f er o() hvis f() 0 altså går f fortere mot null enn = 0, Videre er Kroneckers deltasymbol δ ji =, i = j 0, i j 3 Generatormatriser La Date: March 07, 2007 X = X(t) : 0 t < }
2 2 STEFFEN GRØNNEBERG være en Markovprosess som tar verdier i et diskret (dvs tellbart) indekssett I Feks I = 0,, 2,, N}, I = 0,, 2, }, I = 0,,, 2, 2, }, I = Z 2, I = Q Husk at p ji (t) = P rx(t) = j X(0) = i} er overgangssannsynlighetene for prosessen og P (t) = (p ji (t)) er overgangsmatrisen (av størrelse I I) Mer at p ji er funksjoner! En generatormatrise Q er et slags differensial av P (t) Den er en I I-matrise (q ji ) (av tall!) hvor q ij representerer overgangsintensiteten fra j til i når j i Definisjon Generatormatrisen Q er gitt ved q ji = p p ji () p ji (0) ji(0) = def For å komme til passende generelle resultater gjør vi følgende antagelser Standardantagelser La s, t > 0 a) p ji (t) 0 b) j I p ji(t) = c) k I p jk(s)p ki (t) = p ji (s + t) (Chapman-Kolmogorov) d) p ji er kontinuerlig for t > 0 og p ji(t) = δ ji = t 0 +, i = j 0, i j Teorem 2 Under standardantagelsene finnes Q (hvor diagonalelementene har lov til å være ) Bevis Ikke pensum Bruker noe analyse, men kun definisjonen av sup og inf trengs! Finnes i Karlin & Taylor (98, Chap 4) Merk at definisjonen til p ji (t) gir Anta så i j Har q ji = def p ji(0) = def p ji (0) = δ ji =, i = j 0, i j p ji () p ji (0) = 0 + p ji ()
3 FORELESNING I STK30 3 og q ii = def p ii(0) = def p ii () p ii (0) = 0 + p ii () La i j Merk så at hvis vi definerer r ji () slik at p ji () = q ji + r ji () er det en slags rest Har at r ji () = o() siden som gir p ji () = q ji r ji () r ji () = 0 Altså kan vi gå litt videre med utregningen av q ii Har q ii = 0 + p ii () Hvis = j i p ii () = p ji () = = j i r ji () = o() j i (feks hvis indekssettet I er endelig), får vi altså q ii = j i q ji q ji q ji +r ji () j i j i r ji() 3 Oppsummering Hvis q ii er endelig kan man oppsummere de foregående resultatene ved p ji () = δ ji + q ji + o() fra samme logikk som argumentet der r ji ble brukt (Husk at q ii 0!) Dette gjør det er lett å finne Q hvis fordelingen av en prosess er gitt på infinitdesimalform!
4 4 STEFFEN GRØNNEBERG 32 Eksempel med Poisson-prosessen Har λ + o(), j = i + λ + o(), j = i p ji () = o(), j i + 2 0, ellers Ser at q ii = p ii(0) = e λt t t=0 = λ >, så fra oppsummerende kommentar ser man at λ, i = j q ji = λ, j = i + = ( )δ ji λ (Poenget er at dette ikke blir noe vanskelig når man har en infinitdesimalbeskrivelse av prosessen) 4 Innebygde kjeder En Markovprosess X som tar verdier på en diskret mengde (feks 0,, 2, }) ser typisk slik ut 2 0 W W 2 W 3 Figur En stokastisk prosess X Definér Y n = X(W n ), som er en diskret Markovkjede! (Markovegenskapen overføres fra den kontinuerlige prosessen) Har at W 0 = 0, W n+ = inft W n : X(t) X(W n )} På eksemplet er Y 0 = 0, Y =, Y 2 = 2, Y 3 =
5 FORELESNING I STK30 5 Dette er den innebygde kjeden til X Ved å kjenne simultantettheten til Y n } og W n } kan man svare på alle spørsmål av passende detaljnivå (hvis definisjon krever noe mer matte) Dessuten kan mange spørsmål svares på ved hjelp av Y alene! Altså kan vi overføre kapittel 2-kunnskaper til den nåværende settingen uten avansert matematikk! Eksempel 3 La oss finne overgangsmatrisen til den innebygde kjeden for Poissonprosessen Merk: Poisson-prosessen virker kanskje litt kjedelig, men faktisk kan alle de kontinuerlig-tid Markovprosessene vi skal se på konstueres utifra nettopp denne prosessen Den er den kanoniske Markovprosessen med diskret tilstandsrom og kan generaliseres i mange interessante retninger Siden Poissonprosessen går opp ett og ett skritt etter en viss (endelig!) tid, får vi 0 0 T = 0 Vi gir nå definisjonen av den innebygde kjeden Kaller overgangsmatrisen til den innebygde kjeden T = (t ji ) Først, merk at t ii = 0, qii 0, q ii = 0 fra vår definisjon av den innebygde kjeden (Fra at den kun blir værende i i hvis den tilstanden er absorberende: Husk at q ji tolkes som intensiteter!) Videre lar vi t ji = 0 + p ji () p ii (), motivert fra at p ji ()/( p ii ()) er sannsynligheten for bevege seg fra i til j, betinget på at man beveger seg Dette er videre lik p ji ()/ 0 + (p ii () )/ = q ji q ii Merk at hvis q ii = j i q ji
6 6 STEFFEN GRØNNEBERG er den innebygde kjedens overgangsmatrise T bare en renormalisering av Q for å få den til å bli en stokastisk matrise! Man kan vise at dette er den passende definisjonen, og at man kan gå fra å kjenne fordelingsaspekter til ventetider og den innebygde kjeden til å kjenne fordelingsaspekter til Markovprosessen og den andre veien 5 Klassifikasjon av Markovprosesser Først gis litt grunnleggende definisjoner, så oppsummerer vi resultater for å overføre vår diskret-markovkjede kunnskap til denne settingen helt uten bevis Bevis finnes i Norris (997) og krever ikke veldig mye matte (spesifikt kreves ikke målteori for de aller fleste resultatene) Definisjon 4 En tilstand j I kan nå en tilstand i I, (skriver i j) hvis p ji (t) > 0 for en t 0 To tilstander i, j I kommuniserer hvis i j og j i Skriver i j Kommunikasjonsklasser, irredusiblitet og lukkede klasser er identisk definert som for Markovkjeder når man bytter ut definisjonen av i j med den over Lemma 5 (Teorem 32 i Norris (997) p ji (t) > 0 for alle t > 0 er ekvivalent med at p ji (t) > 0 for en t > 0 Hvis p ji () = δ ji + q ji + o() ser vi at to klasser kommuniserer hvis deres tilhørende tilstander i den innebygde kjeden kommuniserer! Dette gjelder også generelt, selv når p ji ikke kan skrives på den gitte måten La T ii = inft > W, X(t) = i X(0) = i} være første tilbakekomsttid for tilstand i I Hvis P rt ii < X(0) = i} = kalles tilstanden rekurent, ellers er den transient (Merk at dette er en dikotomi!) Teorem 6 En tilstand i i Markovprosessen X er rekurent hvis og bare hvis den er rekurent i den innebygde kjeden Dette medfører at rekurens (og dermed transiens) er en klasseegenskap også for Markovprosesser
7 FORELESNING I STK30 7 Hvis en tilstand er rekurent (dvs har en endelig første tilbakekomst-tid med sannsynlighet ) er vi interessert i om forventet første tilbakekomst-tid er endelig Da forventet lengde til tilbakekomst avhenger av ventetidene, trenger man mer enn kjennskap til den innebygde Markovkjeden Teorem 7 Anta Markovprosessen X er ikke-eksplosiv med overgangsmatrise P (t) = (p ij (t)) og generatormatrise Q Hvis Q er irredusibel og positivt rekurent, vil () p ji (t) =, t q jj µ jj hvor µ ii = E T ii = E [ inft > W, X(t) X(0) = i}] Spesifikt, hvis tilstandsrommet er endelig er prosessen ikke-eksplosiv og grensen i likning () finnes Hvis grensen er positiv er Q irredusibel Merk at per definisjon av den innebygde kjedens overgangsmatrise T har samme redusibilitetsegenskaper som Q, og at man kan lett se om Q er irredusibel ved å tegne opp overgangsdynamikken til den innebygde kjeden Korollar 8 En Markovprosess på et endelig tilstandsrom med en irredusibel generatormatrise er positivt rekurent Referanser Karlin, S & Taylor, H (98) A second course in stochastic processes Academic Press Norris, J R (997) Markov Chains Cambridge University Press
TMA4265 Stokastiske prosesser
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Øyvind Bakke Telefon: 73 59 81 26, 990 41 673 TMA4265 Stokastiske prosesser
DetaljerTMA4265 Stokastiske prosesser ST2101 Stokastisk simulering og modellering
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 Bokmål Faglig kontakt under eksamen: Øyvind Bakke Telefon: 73 9 8 26, 99 4 673 TMA426 Stokastiske prosesser ST2 Stokastisk
DetaljerTMA4265 Stokastiske prosesser
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Øyvind Bakke Telefon: 73 59 81 26, 990 41 673 TMA4265 Stokastiske prosesser
DetaljerTMA4265 Stokastiske prosessar
Noregs teknisk-naturvitskaplege universitet Institutt for matematiske fag Side 1 av 6 Nynorsk Fagleg kontakt under eksamen: Øyvind Bakke Telefon: 73 59 81 26, 990 41 673 TMA4265 Stokastiske prosessar Mondag
DetaljerTMA4265 Stokastiske prosessar
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 6 Nynorsk Fagleg kontakt under eksamen: Øyvind Bakke Telefon: 73 59 81 26, 990 41 673 TMA4265 Stokastiske prosessar Onsdag
DetaljerEKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER Onsdag 10. august 2005 Tid: 09:00 13:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Håkon Tjelmeland 73 59 35 38 EKSAMEN I EMNE TMA4265/SIF5072 STOKASTISKE PROSESSER
DetaljerEKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING Onsdag 1. juni 2005 Tid: 09:00 14:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Håkon Tjelmeland 73 59 35 38 EKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING
DetaljerEKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Lørdag 16. august 2003 Tid: 09:00 14:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 6 Bokmål Faglig kontakt under eksamen: Håkon Tjelmeland 73 59 35 38/73 94 27 25 EKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER
DetaljerEKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Onsdag 31. juli 2002 Tid: 09:00 14:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Bo Lindqvist 73 59 35 32 EKSAMEN I EMNE SIF5072 STOKASTISKE PROSESSER Onsdag
DetaljerMAT1120. Obligatorisk oppgave 1 av 2. Torsdag 20. september 2018, klokken 14:30 i Devilry (devilry.ifi.uio.no).
Innleveringsfrist MAT20 Obligatorisk oppgave av 2 Torsdag 20. september 208, klokken 4:30 i Devilry (devilry.ifi.uio.no). Instruksjoner Du velger selv om du skriver besvarelsen for hånd og scanner besvarelsen
DetaljerObligatorisk oppgave 1 MAT1120 H15
Obligatorisk oppgave MAT20 H5 Innleveringsfrist: torsdag 24/09-205, innen kl 4.30. Besvarelsen leveres på Matematisk institutt, 7. etasje i N.H. Abels hus. Husk å bruke forsiden som du finner via hjemmesiden.
DetaljerEksamensoppgave i TMA4265 Stokastiske prosesser
Institutt for matematiske fag Eksamensoppgave i TMA4265 Stokastiske prosesser Faglig kontakt under eksamen: Andrea Riebler Tlf: 4568 9592 Eksamensdato: 16. desember 2013 Eksamenstid (fra til): 09:00 13:00
DetaljerSIF5072 Stokastiske prosesser Side 2 av 7 Gitt at en pasient er symptomfri ved tidspunkt t, hva er sannsynligheten for at han er symptomfri i hele per
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Faglig kontakt under eksamen: Bo Lindqvist 73 59 35 20 EKSAMEN I FAG SIF5072 STOKASTISKE PROSESSER Tirsdag 22. mai
Detaljer4.4 Koordinatsystemer
4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } V kalles en basis for et vektorrom V dersom B er lineært uavhengig og B utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer
DetaljerEKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING Onsdag 1. juni 2005 Tid: 09:00 14:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Nynorsk Fagleg kontakt under eksamen: Håkon Tjelmeland 73 59 35 38 EKSAMEN I ST2101 STOKASTISK MODELLERING OG SIMULERING
Detaljer4.9 Anvendelser: Markovkjeder
4.9 Anvendelser: Markovkjeder Markov kjeder er en spesiell type diskret dynamisk system. Stokastisk modell: grunnleggende i sannsynlighetsregning. Vinner av Abelprisen 2007, S. Varadhan, jobber i dette
DetaljerEksamensoppgave i TMA4265 Stokastiske Prosesser
Institutt for matematiske fag Eksamensoppgave i TMA4265 Stokastiske Prosesser Faglig kontakt under eksamen: Jo Eidsvik Tlf: 901 27 472 Eksamensdato: Desember 1, 2016 Eksamenstid (fra til): 09:00 13:00
Detaljer13 Oppsummering til Ch. 5.1, 5.2 og 8.5
3 Oppsummering til Ch. 5. 5. og 8.5 3. Motivasjon Det er veldig viktig å kunne beregne funksjonsverdier f (A) for kvadratiske matriser A. I kalkulus (teori av differensiallikninger) er det viktig å beregne
Detaljer16 Ortogonal diagonalisering
Ortogonal diagonalisering Ortogonale matriser Definisjon (Def 7) En n n matrise A kalles ortogonal dersom den er invertibel og A A T Denne betingelsen er ekvivalent til at der I n er n n identitesmatrisen
DetaljerObligatorisk oppgave 1 MAT1120 HØSTEN 2008
Obligatorisk oppgave 1 MAT1120 HØSTEN 2008 Innleveringsfrist: fredag 26/09-2008, innen kl 14.30. Besvarelsen leveres på Matematisk institutt, Ekspedisjonskontoret, 7. etasje i N.H. Abels hus. Husk å bruke
DetaljerLP. Kap. 17: indrepunktsmetoder
LP. Kap. 17: indrepunktsmetoder simpleksalgoritmen går langs randen av polyedret P av tillatte løsninger et alternativ er indrepunktsmetoder de finner en vei i det indre av P fram til en optimal løsning
DetaljerST2101 Stokastisk modellering og simulering
ST20 Stokastisk modellering og Norges teknisk-naturvitenskaelige universitet Institutt for matematiske fag Løsningsforslag - Eksamen juni 2005 Ogave a) 0 0 2 La T 0 være tid da tilstand 0 forlates første
Detaljer12 Diagonalisering av matriser og operatorer (Ch. 5.1, 5.2 og 8.5)
Diagonalisering av matriser og operatorer (Ch 5, 5 og 85) Motivasjon Det er veldig viktig å kunne beregne funksjonsverdier f (A) for kvadratiske matriser A I kalkulus (teori av differensiallikninger) er
DetaljerMAT Oblig 1. Halvard Sutterud. 22. september 2016
MAT1110 - Oblig 1 Halvard Sutterud 22. september 2016 Sammendrag I dette prosjektet skal vi se på anvendelsen av lineær algebra til å generere rangeringer av nettsider i et web basert på antall hyperlinker
DetaljerPunktprosessmodeller for linjetransektdata
Håvard Goodwin Olsen Oppgave for graden master i statistikk Dataanalyse Universitetet i Bergen, Norge 27. april 2010 Punktprosessmodeller for linjetransektdata Denne oppgaven er skrevet i L A TEX 2ε med
DetaljerObligatorisk oppgave 1 MAT1120 HØSTEN 2014
Obligatorisk oppgave 1 MAT1120 HØSTEN 2014 Innleveringsfrist: torsdag 25. september 2014, innen kl 14.30. Besvarelsen leveres på Matematisk institutt, Ekspedisjonskontoret, 7. etasje i N.H. Abels hus.
DetaljerStatistiske modeller basert på skjulte Markovkjeder i kontinuerlig tid
Statistiske modeller basert på skjulte Markovkjeder i kontinuerlig tid Masteroppgave i statistikk - Finansteori og forsikringsmatematikk Lisbet Lien Harjo Matematisk institutt Universitetet i Bergen 1.
DetaljerEgenverdier for 2 2 matriser
Egenverdier for matriser (Bearbeidet versjon av tidligere notat på nett-sidene til MA101 - Lineær algebra og geometri Versjon oppdatert med referanser til 10utg av læreboken) Egenvektorer og egenverdier
DetaljerForelesning 1 mandag den 18. august
Forelesning 1 mandag den 18 august 11 Naturlige tall og heltall Definisjon 111 Et naturlig tall er et av tallene: 1,, Merknad 11 Legg spesielt merke til at i dette kurset teller vi ikke 0 iblant de naturlige
DetaljerObligatorisk oppgavesett 1 MAT1120 H16
Obligatorisk oppgavesett MAT0 H6 Innleveringsfrist: torsdag /09 06, innen kl 4.30. Besvarelsen leveres på Matematisk institutt, 7. etasje i N.H. Abels hus. Husk å bruke forsiden som du finner via hjemmesiden.
DetaljerRekurrens. MAT1030 Diskret matematikk. Rekurrens. Rekurrens. Eksempel. Forelesning 16: Rekurrenslikninger. Dag Normann
MAT1030 Diskret matematikk Forelesning 16: likninger Dag Normann Matematisk Institutt, Universitetet i Oslo INGEN PLENUMSREGNING 6/3 og 7/3 5. mars 008 MAT1030 Diskret matematikk 5. mars 008 Mandag ga
DetaljerFINAL EXAM IN STA-2001
Page 1 of 3 pages FINAL EXAM IN STA-2001 Exam in: STA-2001 Stochastic processes. Date: Tuesday the 21. of February, 2012. Time: 09:00 13:00. Place: Aud.max. Approved aids: 4 pages of your own notes. Approved
Detaljer7 Egenverdier og egenvektorer TMA4110 høsten 2018
7 Egenverdier og egenvektorer TMA4 høsten 8 Det er ofte hensiktsmessig å tenke på en matrise ikke bare som en tabell med tall, men som en transformasjon av vektorer. Hvis A er en m n-matrise, så gir A
DetaljerOppfriskning av blokk 1 i TMA4240
Oppfriskning av blokk 1 i TMA4240 Geir-Arne Fuglstad November 21, 2016 2 Hva har vi gjort i dette kurset? Vi har studert to sterkt relaterte grener av matematikk Sannsynlighetsteori: matematisk teori for
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK45 Livsforsikring og nans. Eksamensdag: Mandag 8. juni 215 Tid for eksamen: 14.3 18.3 Oppgavesettet er på 5 sider. Vedlegg:
DetaljerMA1201/MA6201 Høsten 2016
MA/MA6 Høsten 6 Norges teknisk naturvitenskapelige universitet Institutt for matematikk Med forebehold om feil Hvis du finner en, ta kontakt med Karin Kapittel 4 8 Vi benevner matrisen vi skal frem til
DetaljerKap. 7 Symmetriske matriser og kvadratiske former
Kap. 7 Symmetriske matriser og kvadratiske former Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på symmetriske matriser som har uvanlig pene egenskaper mht. diagonalisering.
DetaljerMAT UiO. 10. mai Våren 2010 MAT 1012
MAT Våren UiO. / 7 Betrakt et system x = A x der A M n (R) er diagonaliserbar. Vi har sett at systemet kan løses ved frakoblingsmetoden: Vi finner da P = [v v n ] (inverterbar) og D (diagonal) som diagonaliserer
DetaljerMA2401 Geometri Vår 2018
MA2401 Geometri Vår 2018 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag Øving 8 5.1 9 La l og m være to parallelle linjer. Vi skal vise at det finnes ei linje
Detaljer12 Lineære transformasjoner
2 Lineære transformasjoner 2 Funksjoner Definisjon 2 En funksjon ( a function) f : A B er en regel, som tilordner en entydig bestemt verdi f (a) B til ethvert element a A Mengden A kalles domenet til f
DetaljerDiagonalisering. Kapittel 10
Kapittel Diagonalisering I te kapitlet skal vi anvende vår kunnskap om egenverdier og egenvektorer til å analysere matriser og deres tilsvarende lineærtransformasjoner Eksempel Vi begynner med et eksempel
DetaljerBernoulli forsøksrekke og binomisk fordeling
Bernoulli forsøksrekke og binomisk fordeling Bernoulli forsøksrekke i) gjentar et forsøk n ganger ii) hvert forsøk gir enten suksess eller fiasko iii) sannsynligheten for suksess er p i alle forsøkene
DetaljerKapittel 4: Logikk. MAT1030 Diskret Matematikk. Oppsummering. En digresjon. Forelesning 6: Utsagnslogikk og predikatlogikk.
MAT1030 Diskret Matematikk Forelesning 6: Utsagnslogikk og predikatlogikk Dag Normann Matematisk Institutt, Universitetet i Oslo Kapittel 4: Logikk 3. februar 2010 (Sist oppdatert: 2010-02-03 12:49) MAT1030
DetaljerKapittel 4: Logikk (utsagnslogikk)
MAT1030 Diskret Matematikk Forelesning 6: Logikk, predikatlogikk Roger Antonsen Institutt for informatikk, Universitetet i Oslo Kapittel 4: Logikk (utsagnslogikk) 28. januar 2009 (Sist oppdatert: 2009-01-28
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 6: Logikk, predikatlogikk Roger Antonsen Institutt for informatikk, Universitetet i Oslo 28. januar 2009 (Sist oppdatert: 2009-01-28 12:23) Kapittel 4: Logikk (utsagnslogikk)
Detaljer(a) R n defineres som mengden av kolonnevektorer. a 1 a 2. a n. (b) R n defineres som mengden av radvektorer
5 Vektorrom Et vektorrom er en mengde V med tre algebraiske operasjoner (addisjon, negasjon og skalærmultiplikasjon) som tilfredsstiller de 10 betingelsene fra Def. 4.1.1. Jeg vil ikke gi en eksamensoppgave
Detaljerx 1 x 2 x = x n b 1 b 2 b = b m Det kan være vanskelig (beregningsmessig) og bearbeide utrykk som inneholder
4 Noen merknader 4. Lineære systemer Ax = b Gitt systemet Ax = b, A = [a i,j ] i=,,...,m, j=,,...,n x = b = Det kan være vanskelig (beregningsmessig) og bearbeide utrykk som inneholder b i. Med det finnes
DetaljerDagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling
Dagens mål Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 IF2310 - Digital bildebehandling Ole Marius Hoel Rindal, slides av Andreas Kleppe Dagens mål Forstå
Detaljer7.1 forts. Schur triangularisering og spektralteoremet
7.1 forts. Schur triangularisering og spektralteoremet Vi skal vise to svært sentrale resultat i lineær algebra. Spektralteoremet (Teorem 3 i Lay): dette sier bl.a. at reelle symmetriske matriser er ortogonalt
DetaljerKap. 6, Kontinuerlege Sannsynsfordelingar
Kapittel 6, Kontinuerlege Sannsynsfordelingar Sjå på eit utval av ofte brukte kontinuerlege sannsynsfordelingar Uniform Onsdag Normal Onsdag Eksponensial I dag Gamma I dag Kji-kvadrat I dag Student-T (Kap
DetaljerMA2401 Geometri Vår 2018
MA2401 Geometri Vår 2018 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag Øving 1 2.4 7 I Fanos geometri (se side 18 i læreboka) er punktene gitt ved symbolene
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 29: Kompleksitetsteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo 13. mai 2009 (Sist oppdatert: 2009-05-17 22:38) Forelesning 29: Kompleksitetsteori
DetaljerForelesning 29: Kompleksitetsteori
MAT1030 Diskret Matematikk Forelesning 29: Kompleksitetsteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo Forelesning 29: Kompleksitetsteori 13. mai 2009 (Sist oppdatert: 2009-05-17
DetaljerRegneregler for determinanter
Regneregler for determinanter E.Malinnikova, NTNU, Institutt for matematiske fag 6. oktober, 2010 Triangulær matriser En kvadratisk matrise A = [a ij ] kalles øvre/nedretriangulær hvis a ij = 0 når i >
DetaljerOblig 1 - MAT Oppgave 1. Fredrik Meyer. Vi lar α > 1 og x 1 > α. Vi definerer en følge (x n ) ved. x n+1 = α + x n 1 + x n.
Oblig 1 - MAT2400 Fredrik Meyer 1 Oppgave 1 Vi lar α > 1 og x 1 > α. Vi definerer en følge (x n ) ved Lemma 1 (a). x n > 1 n N x n+1 = α + x n = x n + α x2 n Bevis. Siden α > 1 er α + x n >, så 1 = 1+xn
DetaljerOversikt over kap. 19 i Gravelle og Rees. Sett i forhold til resten av pensum:
Oversikt over kap. 19 i Gravelle og Rees Først et forbehold: Disse forelesningene er svært kortfattede i forhold til pensum og vil ikke dekke alt. Dere må lese selv! Sett i forhold til resten av pensum:
DetaljerMAT-1004 Vårsemester 2017 Prøveeksamen
MAT-1004 Vårsemester 017 Prøveeksamen Contents 0.1 Forord................................. 1 1 OPPGAVE OPPGAVE OPPGAVE 6 4 OPPGAVE 7 5 OPPGAVE 10 6 OPPGAVE 11 7 OPPGAVE 11 8 OPPGAVE 1 9 Formatering av
DetaljerPotensrekker Forelesning i Matematikk 1 TMA4100
Potensrekker Forelesning i Matematikk 1 TMA4100 Hans Jakob Rivertz Institutt for matematiske fag 11. november 2011 Kapittel 8.8. Taylorrekker og Maclaurinrekker 3 Taylor-polynomer Definisjon (Taylorpolynomet
DetaljerFigur 1: Volumet vi er ute etter ligger innenfor de blå linjene. Planet som de røde linjene ligger i deler volumet opp i to pyramider.
TMA415 Matematikk Vår 15 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Alle oppgavenummer referer til 8. utgave av Adams & Esse alculus: A omplete ourse. 5 Eercise 14.1.6
DetaljerINVERST FUNKSJONSTEOREM MAT1100 KALKULUS
INVERST FUNKSJONSTEOREM MAT1100 KALKULUS Simon Foldvik 29. Oktober 2017 1. Introduksjon Vi skal i dette dokumentet bevise en global og en lokal versjon av inverst unksjonsteorem i én variabel. Kort oppsummert
DetaljerRekursiv blokkoppdatering av Isingmodellen
Rekursiv blokkoppdatering av Isingmodellen Bjarne Sæther Master i fysikk og matematikk Oppgaven levert: August 2006 Hovedveileder: Håkon Tjelmeland, MATH Norges teknisk-naturvitenskapelige universitet
DetaljerMA2401 Geometri Vår 2018
MA2401 Geometri Vår 2018 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag Øving 7 4.8 1 La ABC være en trekant og E et punkt i det indre av BC. Vi skal vise
DetaljerForelesning 4 STK3100
! * 2 2 2 Bevis : Anta Forelesning 4 STK3 september 27 S O Samuelsen Plan for annen forelesning: Likelihood-egenskaper 2 Konsistens for ML 3 Tilnærmet fordeling for ML 4 Likelihoodbaserte tester 5 Multivariat
DetaljerKap. 6, Kontinuerlege Sannsynsfordelingar
Kapittel 6, Kontinuerlege Sannsynsfordelingar Sjå på eit utval av ofte brukte kontinuerlege sannsynsfordelingar Uniform I går Normal I går Eksponensial I dag Gamma I dag Kji-kvadrat I dag Nokre eigenskapar
DetaljerEksamen i fag FY8104 Symmetri i fysikken Fredag 7. desember 2007 Tid:
Side 1 av 6 Norges teknisk-naturvitenskapelige universitet Institutt for fysikk Faglig kontakt under eksamen: Navn: Jan Myrheim Telefon: 73 59 36 53 (mobil 90 07 51 72) Sensurfrist: Lørdag 22. desember
DetaljerPoissonprosesser og levetidsfordelinger
Poissonprosesser og levetidsfordelinger Poissonfordeling som grensetilfelle for binomisk fordeling La X være binomisk fordelt med fordeling P (X = x) = ( ) n p x (1 p) n x, for x = 0, 1,... n. (1) x Forventningsverdien
DetaljerMatematisk induksjon
Matematisk induksjon 1 Innledning Dette er et nytt forsøk på å forklare induksjon. Strategien min i forelesning var å prøve å unngå å få det til å se ut som magi, ved å forklare prinsippet fort ved hjelp
DetaljerPålitelighet og ytelse i informasjons- og kommunikasjonssystem
Pålitelighet og ytelse i informasjons- og kommunikasjonssystem Grunnlag Peder J. Emstad Poul E. Heegaard Bjarne E. Helvik Komplett utgave pr. 1999-11-25 Institutt for telematikk NTNU Innhold Forord...
DetaljerNotater fra forelesning i MAT1100 torsdag 27.08.09
Notater fra forelesning i MAT1100 torsdag 27.08.09 Amandip Sangha, amandips@math.uio.no 28. august 2009 Definisjon 1.1. En delmengde A R kalles oppad begrenset dersom det finnes et tall b R slik at b x
DetaljerKapittel 3: Stokastiske variable og sannsynlighetsfordelinger
f(x,y) NTNU Kapittel 3: Stokastiske variable og sannsynlighetsfordelinger TMA4240 Statistikk (F2 og E7) 3.4: Foreleses mandag 30.august y=hoyde x=vekt Ole.Petter.Lodoen@math.ntnu.no p.1/18 Oppsummering
DetaljerIntuisjonistisk logikk
INF3170 Logikk Forelesning 11: Intuisjonistisk logikk Roger Antonsen Institutt for informatikk, Universitetet i Oslo Intuisjonistisk logikk 27. april 2010 (Sist oppdatert: 2010-04-27 11:58) INF3170 Logikk
DetaljerINF3170 Logikk. Forelesning 11: Intuisjonistisk logikk. Roger Antonsen. 27. april Institutt for informatikk, Universitetet i Oslo
INF3170 Logikk Forelesning 11: Intuisjonistisk logikk Roger Antonsen Institutt for informatikk, Universitetet i Oslo 27. april 2010 (Sist oppdatert: 2010-04-27 11:58) Intuisjonistisk logikk INF3170 Logikk
DetaljerMAT 1120: Obligatorisk oppgave 1, H-09
MAT 110: Obligatorisk oppgave 1, H-09 Innlevering: Senest fredag 5. september, 009, kl.14.30, på Ekspedisjonskontoret til Matematisk institutt (7. etasje NHA). Du kan skrive for hånd eller med datamaskin,
DetaljerEksponensielle klasser og GLM
!! 3 ksponensielle klasser, Dobson, Kap 3 ksponensielle klasser GLM n stokastisk variabel sies å ha fordeling i den eksponensielle fordelingsklasse som tettheten pktsannsh til kan skrives på formen STK3-3
DetaljerDagens plan. INF3170 Logikk. Negasjon som bakgrunn for intuisjonistisk logikk. Til nå i kurset. Forelesning 9: Intuisjonistisk logikk.
INF3170 Logikk Dagens plan Forelesning 9: Arild Waaler 1 Institutt for informatikk, Universitetet i Oslo 2 Konsistens 19. mars 2007 Institutt for informatikk (UiO) INF3170 Logikk 19.03.2007 2 / 28 Innledning
DetaljerMA1102 Grunnkurs i analyse II Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA112 Grunnkurs i analyse II Vår 219 8.4.1 Vi skal finne lengden til kurven x = 3t 2, y = 2t 3 der t 1. Som boka beskriver på
Detaljer6.4 Gram-Schmidt prosessen
6.4 Gram-Schmidt prosessen La W {0} være et endeligdimensjonalt underrom av R n. (Senere skal vi mer generelt betrakte indreprodukt rom; se seksjon 6.7). Vi skal se hvordan vi kan starte med en vanlig
DetaljerDagens plan. INF3170 Logikk. Sekventkalkyle Gerhard Gentzen ( ) Innhold. Forelesning 12: Snitteliminasjon. Herman Ruge Jervell. 8.
INF3170 Logikk Dagens plan Forelesning 12: Herman Ruge Jervell 1 Institutt for informatikk, Universitetet i Oslo 2 8. mai 2006 Institutt for informatikk (UiO) INF3170 Logikk 08.05.2006 2 / 27 Regler Innhold
DetaljerMAT1140: Kort sammendrag av grafteorien
MAT1140, H-15 MAT1140: Kort sammendrag av grafteorien Dette notatet gir en kort oppsummering av grafteorien i MAT1140. Vekten er på den logiske oppbygningen, og jeg har utelatt all motivasjon og (nesten)
DetaljerSTK1100 våren Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner
STK1100 våren 2017 Kontinuerlige stokastiske variabler Forventning og varians Momentgenererende funksjoner Svarer til avsnittene 4.1 og 4.2 i læreboka Ørnulf Borgan Matematisk institutt Universitetet i
DetaljerINF3170 Forelesning 11
INF3170 Forelesning 11 Intuisjonistisk logikk Roger Antonsen - 27. april 2010 (Sist oppdatert: 2010-04-27 11:58) Innhold Intuisjonistisk logikk 1 Innledning........................................... 1
DetaljerForelesning i Matte 3
Forelesning i Matte 3 Determinanter H. J. Rivertz Institutt for matematiske fag 1. februar 008 Innhold 1. time 1 Determinanter og elementære radoperasjoner Innhold 1. time 1 Determinanter og elementære
DetaljerTMA4240 Statistikk 2014
Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 5, blokk I Løsningsskisse Oppgave 1 X og Y er uavhengige Poisson-fordelte stokastiske variable, X p(x;5 og Y p(y;1.
DetaljerDiskrete sannsynlighetsfordelinger.
Diskrete sannsynlighetsfordelinger. Dekkes av kapittel 5 i læreboka. Husk: f() er punktsannsynligheten til en diskret X dersom: 1. f() 0 2. f() =1 3. f() =P (X = ) Vi skal nå sepå situasjoner der vi har
DetaljerA) B) 400 C) 120 D) 60 E) 10. Rett svar: C. Fasit: ( 5 6 = 60. Hvis A, B, C er en partisjon av utfallsrommet S, så er P (A B) lik.
Oppgave 1 Det skal velges en komité bestående av 2 menn og 1 kvinne. Komitéen skal velges fra totalt 5 menn og 6 kvinner. Hvor mange ulike komitéer kan dannes? A) 86400 B) 400 C) 120 D) 60 E) 10 Rett svar:
DetaljerLO118D Forelesning 5 (DM)
LO118D Forelesning 5 (DM) Relasjoner 03.09.2007 1 Relasjoner 2 Ekvivalensrelasjoner 3 Matriser av relasjoner 4 Relasjonsdatabaser Relasjon Relasjoner er en generalisering av funksjoner En relasjon er en
DetaljerKap. 6, Kontinuerlege Sannsynsfordelingar
Kapittel 6, Kontinuerlege Sannsynsfordelingar Sjå på eit utval av ofte brukte kontinuerlege sannsynsfordelingar Uniform I går Normal I går Eksponensial I dag Gamma I dag Kji-kvadrat I dag Nokre eigenskapar
DetaljerDagens plan. INF4170 Logikk. Modelleksistens for grunn LK repetisjon. Kompletthet av fri-variabel LK. Teorem (Kompletthet) Lemma (Modelleksistens)
INF4170 Logikk Dagens plan Forelesning 11: Automatisk bevissøk III fri-variabel kompletthet og repetisjon av sunnhet Martin Giese 1 Institutt for informatikk, Universitetet i Oslo 2 31. april 2008 Institutt
DetaljerKorteste vei problemet (seksjon 15.3)
Korteste vei problemet (seksjon 15.3) Skal studere et grunnleggende kombinatorisk problem, men først: En (rettet) vandring i en rettet graf D = (V, E) er en følge P = (v 0, e 1, v 1, e 2,..., e k, v k
DetaljerFasit til utvalgte oppgaver MAT1110, uka 13/4-16/4
Fasit til utvalgte oppgaver MAT0, uka /4-6/4 Øyvind Ryan oyvindry@i.uio.no April, 00 Oppgave 4.8. a Bytt om første og andre rad. b Legg til ganger rad til rad. c Bytt om første og andre rad. d Legg til
DetaljerAnalysedrypp II: Kompletthet
Analysedrypp II: Kompletthet Kompletthet er et begrep som står sentralt i både MAT1100 og MAT1110, og som vil stå enda mer sentralt i MAT2400. I de tidligere kursene fremstår begrepet på litt forskjellig
DetaljerMIDTSEMESTERPRØVE I FAG TMA4140 DISKRET MATEMATIKK Mandag 20. oktober 2003 Tid : INSTRUKSJONER:
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 MIDTSEMESTERPRØVE I FAG TMA4140 DISKRET MATEMATIKK Mandag 20. oktober 2003 Tid : 1515-1700 Tillatte hjelpemidler
DetaljerNOTAT OM UNIFORM KONTINUITET VEDLEGG TIL BRUK I KURSET MAT112 VED UNIVERSITETET I BERGEN
NOTAT OM UNIFORM KONTINUITET VEDLEGG TIL BRUK I KURSET MAT2 VED UNIVERSITETET I BERGEN ANDREAS LEOPOLD KNUTSEN OG ARNE STRAY. Innledning og definisjoner Vi vil i dette notatet betrakte reelle funksjoner
DetaljerDagens plan. INF3170 Logikk. Semantikk for sekventer. Definisjon (Motmodell/falsifiserbar sekvent) Definisjon (Gyldig sekvent) Eksempel.
INF3170 Logikk Dagens plan Forelesning 3: Utsagnslogikk sekventkalkyle, sunnhet og kompletthet 1 Sekventkalkyle Christian Mahesh Hansen 2 Institutt for informatikk, Universitetet i Oslo 3 5. februar 2007
DetaljerModell: en binær symmetrisk kanal. binær: sendes kun 0 eller 1
Modell: en binær symmetrisk kanal binær: sendes kun eller 1 symmetrisk: sannsynlighet av transmisjonsfeil p er samme for som for 1 Teorem. La c Z n 2. Dersom en melding c overføres via en binær symmetrisk
DetaljerDiskrete sannsynlighetsfordelinger.
Diskrete sannsynlighetsfordelinger. Dekkes av kapittel 5 i læreboka. Husk: f(x) er punktsannsynligheten til en diskret X dersom: 1. f(x) 0 2. x f(x) =1 3. f(x) =P (X = x) Vi skal nå sepå situasjoner der
DetaljerOPPGAVEHEFTE I STK1000 TIL KAPITTEL 5 OG 6. a b
OPPGAVEHEFTE I STK1000 TIL KAPITTEL 5 OG 6 1. Regneoppgaver til kapittel 5 6 Oppgave 1. Mange som kommer til STK1000 med dårlige erfaringer fra tidligere mattefag er livredd ulikheter, selv om man har
DetaljerDerivasjon ekstremverdier Forelesning i Matematikk 1 TMA4100
Derivasjon ekstremverdier Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 6. september 20 Kapittel 3.. Hyperbolske funksjoner 3 Hyperbolske funksjoner Definisjon (Grunndefinisjoner)
DetaljerLitt topologi. Harald Hanche-Olsen
MA2104 2006 Litt topologi Harald Hanche-Olsen hanche@math.ntnu.no De reelle tall En grunnleggende egenskap ved de reelle tall, som skiller dem fra de rasjonale tall, er kompletthetsaksiomet. Det har flere
Detaljer4.4 Koordinatsystemer
4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } kalles en basis for et vektorrom V dersom B er lineært uavhengig og utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer ;
Detaljer