INF 2310 Digital bildebehandling
|
|
- Torvald Agnar Didriksen
- 6 år siden
- Visninger:
Transkript
1 IN 3 Dgal bldebehandlng SEGMENTERING VED TERSKLING Global hsogram-baser ersklng Varabel og mulvarabel ersklng Lokal adav ersklng GW:.3 l grundgere enn boka IN 3
2 Om ensum fra ka. Kael boka nroduserer e sor og vkg ema, ersklng, men dekker de noe overfladsk. I IN3 foreleser v bare om segmenerng ved Kan-deeksjon GW ka..7 forelesnng nr 7. Tersklng GW ka.3 dagens forelesnng nr 3, men ar dee noe grundgere enn boka. Lenkng av kaner..7, Hough-ransform..7, regon-baser segmenerng.4, waershed 5.5 og bevegelses-segmenerng.6 ar v IN IN 3
3 Hva er segmenerng? Segmenerng er en rosess som deler o blde menngsfulle regoner. Segmenerng er e av de vkgse elemenene e komle bldeanalysesysem. I segmenerng får v fram regoner og objeker som senere skal beskrves og gjenkjennes. I de enklese lfelle har v bare o yer regoner: orgrunn akgrunn Eksemel: fnne symboler for OCR IN 3 3
4 Segmenerngs-roblemer robleme blr banal hvs v bare har en objek-regon, og denne er homogen. Men v har som regel flere objeker blde. Objekene er sjelden hel lke, selv om de er av samme ye. Ofe har v flere yer/klasser av objeker samdg. elysnngen kan varere over blde. Refleksjon, farge ec. kan varere over objeker blde. Hva og hvor er objeke dee blde? IN 3 4
5 To segmenerngs-kaegorer V skller mellom o kaegorer av meoder, baser å hhv. lkhe og dskonnue mellom kslene blde.. Ved ersklng og regon-baser segmenerng får v fram de kslene som lgner hverandre. Dee gr alle kslene objeke.. Ved kan-baser segmenerng fnner v bass-elemener omrsse l objekene: Kan-unker, lnje-unker, hjørne-unker.. I nese seg: Tynner brede kaner Lenker unkene sammen IN 3 5
6 Tersklng Hvs v har grunn l å ana a objekene f.eks. er lysere enn bakgrunnen, kan v see en erskel T og lage oss e bnær u-blde gx,y ved mangen: g x, y hvs hvs f x, y f x, y T T g Da har v få e u-blde gx,y med bare o mulge verder. Med rkg valg av T vl nå de flese ksler med gx,y= være objek-ksler. f IN 3 6
7 lernvå ersklng Har v flere klasser av objeker med forskjellg nense, så kan v uvde dee l M gråonenervaller ved hjel av M- erskler. hvs f x, y hvs f x, y g x, y... M hvs M f x, y G Tersklng er e sesallfelle av klassfkasjon. Jfr. hsogram-ujevnng med noen få gråoner IN 3 7
8 ass - ersklng Ana a e blde har o nenses-områder: forgrunn og bakgrunn. Hsogramme vl da vse o oer, gjerne med e dalsøkk mellom. Avhengg av hvor mye forgrunn v har forhold l bakgrunn, kan de hende v kke ser o oer. Hvor skal v legge erskelen? IN 3 8
9 Eksemel bmodale lokale vnduer modal, ca : modal, skjev forhold Unmodal IN 3 9
10 To Gauss-fordelnger To Gauss-fordelnger med samme sandardavvk, σ. D=μ -μ =σ D=μ -μ =3σ,33,33 D = μ -μ Lke a ror sannsynlgheer. D avgjør om v ser o oer ,4,4 Ulke a ror sannsynlghe. D avgjør om v ser o oer ,5,5 Veldg ulke sannsynlgheer. Selv ved sor verd for D ser v kke o oer IN 3
11 ordelnger, sandardavvk og varans En Gauss-fordelng g normalfordelng er g ved mddelverden varansen : z e x Varans:, Sandardavvk: IN 3
12 eydnngen av Hvs kselverdene l e objek e blde er normalfordel med mddelverd og sandardavvk så vl 68% av kselverdene lgge nervalle <-, + >. 95% av kselverdene lgger nervalle <-, + >. 99% av kselverdene lgger nervalle <- 3, + 3>. Andel av fordelngen nnenfor nervalle IN 3
13 Hsogram, normalser, skaler E eksemel: To Gauss-fordelnger bakgrunn : μ = 6, σ = 3 forgrunn : μ = 36, σ = 8,5 Normalsere hsogrammer: Skalerer med a ror sannsynlgheer, f.eks. =., = - = ,4 Dee kan forskyve både mnmum bldes hsogram skjærngsunke mellom fordelngene IN 3 3
14 Klassfkasjons-fel fel ved ersklng - akgrunn - orgrunn Terskel orgrunn som felklassfseres som bakgrunn med erskelen akgrunn som felklassfseres som forgrunn med erskelen IN 3 4
15 Klassfkasjonsfel ved ersklng Ana a hsogramme er en sum av o fordelnger bz og fz, b og f er normalsere bakgrunns- og forgrunns-hsogrammer. La og være a ror sannsynlghe for bakgrunn og forgrunn += De normalsere hsogramme l blde kan da skrves z b z f z Sannsynlgheene for å felklassfsere e ksel, g en erskelverd, fnner v fra de normalsere fordelngene: E f z dz E b z dz IN 3 5
16 Den oale felen V har funne andelen felklassfkasjon hver fordelng. Den oale felen fnner v ved å mullsere med a ror sannsynlgheene for forgrunn og bakgrunn: E E E f z dz b z dz Legges erskelen veldg høy eller veldg lav, blr felen sor. De er rmelg å ana a felen har e mnmum for en besem verd =T IN 3 6
17 nn den T som mnmerer felen E f z dz b z dz Derverer E mh. vha. Lebnz regel for dervasjon av negraler. Seer den dervere lk og får: VIKTIG!!! de d f T b T Merk a dee er en generell løsnng som gr mns fel. De er ngen resrksjoner mh. fordelngene b og f!! IN 3 7
18 Tersklng av o Gauss-fordelnger Ana a bakgrunns- og forgrunns-nenseene følger hver sn Gauss-fordelng, bz og fz, slk a de normalsere hsogramme kan skrves som x x z e e og er a ror sannsynlgheer for for- og bakgrunn og er mddelverdene for bakgrunn og forgrunn. og er varansen for bakgrunn og forgrunn IN 3 8
19 Omal løsnng o Gauss-fordelnger Omal løsnng o Gauss fordelnger T b T f V ve a omal løsnng lgger der hvor V seer nn for bz og fz: T b T f T T V seer nn for bz og fz: e e V kan sryke og a logarmen: T T ln ln Dee gr en annengrads-lgnng T: V kan alså få o løsnnger for T. ln T T IN 3 9 ø g
20 To erskler når kan de skje? Hvs sandardavvkene de o Gauss-fordelngene er forskjellge og skjærngsunkene mellom fordelngene skaler med a ror sannsynlghe lgger nnenfor gråoneskalaen blde En erskelverd for hver skjærngsunk. k,3 De er bare mellom de o ersklene a fleralle av kslene er bakgrunnsksler! IN 3
21 Hvor lgger omal erskel? Hvor lgger omal erskel? V har en annengradslgnng T: g g g ln T T Hvs sandard-avvkene de o fordelngene er lke = = > får v en enklere lgnng: T ln Hvs a ror sannsynlgheene og er omren lke T ln y g g har v en veldg enkel løsnng: T IN 3 T
22 Hvs v nå bare anar a = E le eksemel: or μ = og μ = 44, med σ = σ = 8, så vl T = μ +μ /= 3 være en OK erskel, selv om =.6., ,5 or =.9 vl felen bl ganske sor IN 3
23 En enkel ersklngs-algorme Sar med erskel-verd = mddelverden l alle kslene blde. nn mddelverden av alle ksler som er mørkere enn erskelen nn mddelverden av alle ksler som er lysere enn erskelen. La ny erskel-verd være Gjena de o unkene ovenfor l erskelen kke flyer seg mer. Dee kalles Rdler og Calvard s meode Dee gjøres algormen å sde 74 GW. Hvlke bengelser må være ofyl for a meoden skal vrke? Når vl denne meoden svke? IN 3 3
24 Samme algorme: bruk hsogramme! Samme algorme: bruk hsogramme! Når v skal erskle e ukjen blde, kjenner v kke eller og heller kke og V kan erav esmere og fra bldes hsogram g den erskelen k v bruker: G G k k k k k k k k Merk a esmaene k og k fnnes fra runkere fordelnger runker ved erskelen k IN 3 4
25 Osu s s meode - movasjon Ana a v har e gråoneblde med G gråoner, med normalser hsogram. Ana a blde nneholder o oulasjoner av ksler, slk a kslene nnenfor hver oulasjon er noenlunde lke, mens oulasjonene er forskjellge. Målseng: V vl fnne en erskel T slk a hver av de o klassene som osår ved ersklngen blr mes mulg homogen, mens de o klassene bl mes mulg forskjellge. Klassene er homogene: varansen hver av de o klassene er mns mulg. Searasjonen mellom klassene er sor: avsanden mellom mddelverdene er sørs mulg IN 3 5
26 Osu s meode enkle begreer Osu s meode enkle begreer A oseror sannsynlghe for de o klassene er: G Mddelverden for gråoner de o klassene er:, G Mddelverden for gråoner de o klassene er:,, G G G G G Varansen nnenfor de o klassene er: G IN 3 6
27 Osu s meode l grundg Osu s meode l grundg Den oale varansen nensesfordelngen G kan selvsag deles o ved G To G To I hver summasjon kan v addere og subrahere klassens a oseror mddelverd G To G G G IN 3 7
28 Osu s meode l grundg II Osu s meode l grundg II ørse ledd hver av de o sse lnjene å forrge fol kan urykkes ved defnsjonene av σ og σ. Andre ledd kan urykkes ved og, sden μ, μ og μ er uavhengge av summasjonsvarabelen. Alså får v uavhengge av summasjonsvarabelen. Alså får v G To De o summene bakers faller bor, ford.. G G G Toalvaransen blde er summen av σ W og σ! IN 3 8 W To
29 Osu s meode: Osu s meode: Ønsker å mnmere W og samdg maksmere Sden To er konsan: fnn som maksmerer. Urykke for kan skrves som se neders.h., forrge fol:, Osu s meode: Søk eer maksmalverden av for alle verder av der < <. To IN 3 9
30 Osu s s meode; osummerng G e NxM kslers blde med G gråoner. nn bldes hsogram, hk, k=,,,..,g-. nn bldes normalsere hsogram: eregn kumulav normalser hsogram: eregn kumulav mddelverd, μk: eregn global mddelverd, μ: eregn varansen mellom klassene, σ k: nn erskelen der σ k har s maksmum. h k k, k,,,..., G MN k k, k,,,..., G k, k k,,,..., G G eregn searablesmåle, η:, IN 3 3 To
31 Effeken av arorsannsynlghea Toal ersklngsfel mo log / for fre verder av μ -μ = Dσ: D= D = D = 3 D = 4 elen øker rask ved log / => Osu s meode bør bare brukes når.< / <. De samme gjelder for Rdler & Calvard. De fnnes gode alernaver! IN 3 3
32 Mnmum fel ersklng Kler og Illngworh 985 beregner e krerum for alle mulge erskelverder: J ln ln ln ln or hver -verd esmeres alle fem aramerene. eregn J for alle og fnn mnmum, eller fnn løsnng erav. K Krere-funksjonen har lokale l mnma ved endene av gråoneskalaen. En uheldg sar-verd e erav søk kan g menngsløs erskelverd. ruk Osu ss erskelverd som sar-verd e erav søk IN 3 3
33 En sammenlgnng or =.9, =., μ =, μ = 44, σ = σ = 8: Osu s s erskel vensre gr sgnfkan felersklng. Kler og Illngworh s erskel høyre er OK. Krerefunksjoner: σ og J,5, IN 3 33
34 Effeken av søy blde G o-nvå gråoneblde G=56. A ror sannsynlgheer.5. Søy => Mser bmodale. Global l ersklng => Mange felklassfsere ksler. Søyfjernng + ersklng: + modal hsogram => bedre ersklng lurrng av blde => fel langs objek-kanen IN 3 34
35 ruk av kan-nformasjon Hvordan kan v unngå roblemene som følger av a objek og bakgrunn har ulk a ror sannsynlghe? ruk bare ksler som lgger å eller nær overgangen mellom objek og bakgrunn. orholde mellom a ror sannsynlgheer blr da. Hvordan gjør v de? ruk en graden-esmaor, og erskle resulae. ruk en Lalace-oeraor nullgjennomgang, g g og uvd resulae. Dee er egenlg en srkelslunng: or å forbedre ersklngen av objeke renger v objekes omrss. or å avgrense omrsse renger v en ersklng IN 3 35
36 Eksemel I G e blde fx,y der objek-areale er relav le. eregn e kanblde Enen graden-magnude eller absoluverd av Lalace. Terskle kanblde med en høy erskel. -> maske-blde G T x,y nn hsogram av fx,y G T x,y nn omal erskel med f.eks. Osu. Anvend å fx,y. Nær erfek resula IN 3 36
37 Eksemel II V ønsker å fnne de lyse srukurene fx,y. Vanskelg hsogram: Osu -> fel erskelverd eregn abslalace Terskle høy ercenl -> maske-blde G T x,y nn hsogram av fx,y G T x,y. nn omal erskel med f.eks. Osu. Anvend å fx,y IN 3 37
38 Varabel belysnng I llegg l søy kan v ha ujevn belysnng. elfr global ersklng er da kke mulg uen bruk av Søyfjernng blde ruk av kan-nformasjon Dee vrker kke alld. jern lave frekvenser blde. Varabel ersklng. Odelng av blde Lokal adav ersklng E hel annerledes alernav: Dvdér blde med blde av homogen flae med samme belysnng IN 3 38
39 Generalserng l fler-nvå Rdler & Calvard s meode kan generalseres l M erskler: M, k, k,, k, k,, M, k, M, k M, k k, G Ny se erskelverder beregnes l alle erskler er sable dvs l alle dfferansene n,k n,k-, n M, er mndre enn ΔT. rosedyren konvergerer vanlgvs rask IN 3 39
40 lernvå Osu-ersklng ersklng V kan skrve varansen mellom klassene σ som G G Derverer og seer δσ /δ =. Dee gr en løsnng ved T G T T G T Dee kan skrves som μ T + μ T = T V ser alså en sammenheng mellom Rdler & Calvard og Osu. De samme gjelder for flernvå ersklng se forrge fol. T IN 3 4
41 Global, varabel eller adav? Global ersklng : Samme verd for T over hele blde. Varabel ersklng: Verden av T varerer over blde. Lokal adav ersklng: T beregnes fra bldes lokale egenskaer μ, σ, IN 3 4
42 Adav ersklng ved nerolasjon Globale erskler gr ofe dårlg resula. Globale meoder kan benyes lokal. Dee vrker kke der vndue bare nneholder en klasse! Oskrf: NIVÅ I: Del o blde del-blder. or del-blder med b-modal hsogram: nn lokal erskelverd T c,j og lordne den l senerksele,j del-blde. or del-blder med un-modal hsogram: nn lokal erskelverd ved nerolasjon. NIVÅ II: ksel-for-ksel nerolasjon: Gå gjennom alle ksel-ossjoner besem adav erskelverd Tx,y ved nerolasjon mellom de lokale erskelverdene T c,j. Terskle så hver ksel x,y blde erskelverdene Tx,y IN 3 4
43 Adav ersklng Lokale endrnger bakgrunn og konras kan hånderes. kan skyldes ujevn belysnng/bakgrunn. Man kan bruke Overlaende vnduer kke-overlaende vnduer Sørrelsen å vnduene kan være avgjørende IN 3 43
44 En enkel adav meode... En meode som benyer de dere lære forelesnngen om gråoneransformer: eregn mddelverd og sandardavvk nnenfor e gldende w x w vndu over hele blde. Nblack s meode: Se den lokale erskelverden l, j, j k, j La u-blde være g ved hvs f, j, j g, j hvs f, j, j Ex.: for w = 3, k = -.8 : IN 3 44
45 Samforekoms-marser marser Samforekoms-marser er -D hsogrammer. Engelsk: Gray Level Cooccurrence marx forkore GLCM. De vser hvor mange forekomser v har av a e ksel har gråone samdg som en nabo avsand d og renng θ har gråone j. V kan skrve dee som h,j d,θ. or d,θ =, beraker v førse nabo horsonal renng or d,θ =,π/ beraker v førse nabo verkal renng V kan legge sammen slke marser fra flere rennger: c,j d =.5*[h,j d=,θ= + h,j d=,θ=π/] gr en samforekoms-marse begge rennger horsonal og verkal IN 3 45
46 GLCM-ersklng Ana a v har en samforekoms-marse c,j d. nn den erskelverd blde som gr færres mulg anall overganger fra l eller l horsonal og verkal resula-blde eer ersklng. T Anall overganger fra l bb fb O bf T G T T j c, j d Anall overganger fra l O fb T T G jt c, j d Mns komlekse: nn den T som mnmerer O bf + O fb T G- j bf ff G IN 3 46
47 Osummerng ersklng G o vlkårlg fordelnger fz og bz vl den erskelverden som mnmerer felen alld lgge der de d f T b T Rdler og Calvard s meode er en enkel algorme. Hvlke bengelser må være ofyl for a den skal vrke? Osu s meode maksmerer searasjon mellom o normalfordele l klasser. KI-meoden mnmerer dvergensen mellom observer hsogram og en vee blandng av o Gauss-funksjoner. Nblack s meode gr lokal adav erskel baser å mddelverd og sandardavvk løende vndu IN 3 47
Om pensum fra kap. 10. Hva er segmentering? Segmenterings-problemer. INF 2310 Digital bildebehandling SEGMENTERING VED TERSKLING
Om ensum fra a. IN 3 Dgal bldebehandlng SEMENERIN VED ERSKLIN lobal hsogram-baser erslng Varabel og mulvarabel erslng Loal adav erslng Kael boa nroduserer e sor og vg ema, erslng, men deer de noe overflads.
DetaljerINF 2310 Digital bildebehandling
Om ensum ra a. IN 3 Dgal bldebehandlng SEMENERIN VED ERSKLIN lobal hsogram-baser erslng Varabel og mulvarabel erslng Loal adav erslng Kael boa nroduserer e sor og vg ema, erslng, men deer de noe overlads.
DetaljerOm pensum fra kap. 10. Segmenterings-problemer. Hva er segmentering? INF 2310 Digital bildebehandling SEGMENTERING VED TERSKLING
Om ensum fra ka. IN 3 Dgal bldebehandlng SEMENERIN VED ERSKLIN lobal hsogram-baser ersklng Varabel og mulvarabel ersklng W:.3 l grundgere enn boka Kael boka nroduserer e sor og vkg ema, ersklng, men dekker
DetaljerINF april 2017
IN 310 19. april 017 Segmenering ved erskling Global erskling Kap 10.3 Generelle hisogramfordelinger og klassifikasjonsfeil To populære ersklingsalgorimer ruken av kaner, og effeken av søy og glaing Lokal
DetaljerEksamensoppgave i TMA4240 Statistikk
Insu for maemaske fag Eksamensoppgave TMA44 Saskk Faglg konak under eksamen: John Tyssedal, aakon akka. Tlf.: John Tyssedal: 4645376. Tlf: aakon akka: 97955667. Eksamensdao: 7..4 Eksamensd (fra-l): 9.-3.
DetaljerUNIVERSITETET I OSLO
øsnngsforslag UNIVERSIEE I OSO Det matematsk-naturvtenskaelge fakultet Eksamen : INF3 Dgtal bldebehandlng Eksamensdag : Onsdag 6. jun d for eksamen : 9: 3: øsnngsforslaget er å : sder Vedlegg : Ingen llatte
DetaljerWorking Paper ANO 2002/3. Estimering av indikatorer for volatilitet. Kjetil Johan Rakkestad. Avdeling for verdipapirer og internasjonal finans
ANO 00/3 Oslo februar 00 Workng Paper Avdelng for verdpaprer og nernasjonal fnans Esmerng av ndkaorer for volale av Kjel Johan Rakkesad Workng papers fra Norges Bank kan beslles over e-pos: posen@norges-bankno
DetaljerINF 2310 Digital bildebehandling
INF 30 Dgtal bldebehandlng FORELESNING 4 GRÅONE-RANSFORMASJONER Frtz Albregtsen emaer dag Hstogrammer Lneære gråtonetransformer t Standardserng av blder med lneær transform Ikke-lneære, parametrske transformer
DetaljerAnvendelser. Kapittel 12. Minste kvadraters metode
Kapttel Anvendelser I dette kaptlet skal v se på forskjellge anvendelser av teknkke v har utvklet løpet av de sste ukene Avsnttene og eksemplene v skal se på er derfor forholdsvs uavhengge Mnste kvadraters
DetaljerTMA4240/4245 Statistikk Eksamen august 2016
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA44/445 Statstkk Eksamen august 6 Løsnngssksse Oppgave a) Ved kast av to ternnger er det 36 mulge utfall: (, ),..., (6, 6). La Y
DetaljerFlerpartikkelsystemer Rotasjonsbevegelser
lerparkkelsysemer Roasjonsbevegelser.4.6 Resulaer fra mveseksamen på semesersen: hp://www.uo.no/suer/emner/mana/fys/ys-mek/v6/beskjeer/fysmekmev6resula.pf YS-MEK.4.6 lerparkkelsysemer j y k neokraf på
DetaljerINF 2310 Digital bildebehandling. Hva er segmentering? forelesning nr 11 12/ Segmentering av bilder. To segmenterings-kategorier
INF 310 Digial bildebehandling forelesning nr 11 1/4 005 Segmenering av bilder Dagens ema: - Ikke-koneksuell erskling Lieraur: Efford, DIP, kap. 10.1-10. Friz Albregsen Deparmen of Informaics Universiy
Detaljer(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:
A-besvarelse ECON2130- Statstkk 1 vår 2009 Oppgave 1 A) () Antall kke-ordnede utvalg: () P(Arne nummer 1) = () Når 5 er bltt trukket ut, er det tre gjen som kan blr trukket ut tl den sste plassen, altså:
DetaljerØVINGER 2017 Løsninger til oppgaver
ØVINGER 017 Løsnnger tl oppgaver Øvng 1 7.1. Med utgangspunkt de n 5 observasjonsparene (x 1, y 1 ), (x, y ),..., (x 5, y 5 ) beregner v først mddelverdene x 1 5 Estmert kovarans blr x 3. ȳ 1 5 s XY 1
DetaljerIllustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).
Econ 2130 HG mars 2012 Supplement tl forelesnngen 19. mars Illustrasjon av regel 5.19 om sentralgrenseteoremet og ltt om heltallskorreksjon (som eksempel 5.18). Regel 5.19 ser at summer, Y = X1+ X2 + +
DetaljerOppgaver. Hypotesetesting testing av enkelthypoteser. Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesnng 4 og 5 MET359 Økonomer ved Davd Kreberg Vår 11 Oppgaver lle MC-oppgaver er merke u fra vanskelghesgrad på følgende måe: * Enkel ** Mddels vanskelg *** Vanskelg ypoeseesng esng av enkelhypoeser
DetaljerAlternerende rekker og absolutt konvergens
Alternerende rekker og absolutt konvergens Forelest: 0. Sept, 2004 Sst forelesnng så v på rekker der alle termene var postve. Mange av de kraftgste metodene er utvklet for akkurat den typen rekker. I denne
DetaljerBevegelse i én dimensjon (2)
Beegelse én dmensjon 6..5 Gruppeundersnng begynner denne uken. Oppgaer fnner du på semesersden: hp://www.uo.no/suder/emner/mana/fys/fys-mek/5/maerale/maerale5.hml FYS-MEK 6..5 Beegelseslgnnger V sarer
DetaljerLøsningskisse for oppgaver til uke 15 ( april)
HG Aprl 01 Løsnngsksse for oppgaver tl uke 15 (10.-13. aprl) Innledende merknad. Flere oppgaver denne uka er øvelser bruk av den vktge regel 5.0, som er sentral dette kurset, og som det forventes at studentene
DetaljerØvingsoppgaver. Innledende oppgaver. Alle oppgaver er merket ut fra vanskelighetsgrad på følgende måte: * Enkel ** Middels vanskelig *** Vanskelig
Øvngsoppgaver Alle oppgaver er merke u fra vanskelghesgrad på følgende måe: * Enkel ** Mddels vanskelg *** Vanskelg Innledende oppgaver Oppgave 1.1* Den esmere varansen l varabelen y er lk 39,. Toal varasjon
DetaljerTillegg nr 1 til Grunnprospekt datert 27. mai 2015 i henhold til EU's Kommisjonsforordning nr 809/2004
Tllegg nr 1 l Grunnprospek daer 27. ma 2015 henhold l EU's Kommsjonsforordnng nr 809/2004 Tlreelegger Oslo, 25. jun 2015 Uarbede samarbed med DNB Markes 1 av 7 Ord med sor forboksav som benyes llegg l
DetaljerEksamensoppgåve i TMA4240 Statistikk
Insu for maemaske fag Eksamensoppgåve TMA44 Saskk Fagleg konak under eksamen: John Tyssedal, aakon akka. Tlf. John Tyssedal: 4645376. Tlf. aakon akka: 97955667. Eksamensdao: 7.. 4 Eksamensd (frå-l): 9:-3:
DetaljerEKSAMEN ny og utsatt løsningsforslag
8.. EKSAMEN n og utsatt løsnngsorslag Emnekode: ITD Dato:. jun Hjelpemdler: - To A-ark med valgrtt nnhold på begge sder. Emnenavn: Matematkk ørste deleksamen Eksamenstd: 9.. Faglærer: Chrstan F Hede -
DetaljerHva er segmentering? To segmenterings-kategorier. Segmenterings-problemer. INF mai 2010 Segmentering ved terskling Kap 10.
Hva er segmenering? IN 3. mai Segmenering ved ersling Kap.3 Global ersling Generelle hisogramfordelinger og lassifiasjonsfeil f il To populære erslingsalgorimer ruen av aner, og effeen av søy og glaing
DetaljerOm pensum fra kap. 10. Hva er segmentering? Hva er segmentering? INF 2310 Digital bildebehandling
Om nsum fra a. IN Dgal bldbhandg Sgmnrng av bldr I-onsull rsg Efford: a..-. mr grundg nn boa.-. r nsum Kal boa nrodusrr mg sor ma, mn dr d svær ovrflads. I IN forlsr v bar om sgmnrng vd rsg, mn ar d grundgr
DetaljerFYS3140 KORT INTRODUKSJON TIL KONTINUERLIGE GRUPPER
FYS340 KORT INTRODUKSJON TIL KONTINUERLIGE GRUPPER I en konnuerlg gruppe avhenger hver eleen av e se av paraere a, a 2, a r, slk a e vlkårlg eleen ar foren G(a, a 2, a r ) Anall paraere r er gruppens densjon
DetaljerForelesning nr.3 INF 1411 Elektroniske systemer
Forelesnng nr.3 INF 4 Elektronske systemer 009 04 Parallelle og parallell-serelle kretser Krchhoffs strømlov 30.0.04 INF 4 Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt
DetaljerRotasjonsbevegelser 13.04.2015
Roasjonsbevegelser 3.04.05 Mveseksamen: resulaer leges u nese uke løsnngsforslag på semesersden koneeksamen bare for sudener med begrunne fravær kke nødvendg å så på mveseksamen for å gå opp l slueksamen
DetaljerForelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesg MET359 Økoomer ved Davd Kreberg Vår 0 Dverse oppgaver Oppgave. Aa følgede o varabler: gpa: (Grade Po Average) Gjeomsskaraker for amerkaske sudeer. gpa fes ervalle [0;4], hvor 0 er lavese gjeomsskaraker
DetaljerINF3400 Del 5 Statisk digital CMOS
INF400 Del 5 Sask dgal MOS Elmore forsnkelsesmodell modell: modell NANDN: NAND 1 9 Forsnkelsesmodell: N 1 j 1 j 1 NAND Ulegg 7 10 1 Parassk dsforsnkelse: V kaller dffusjonskapasanser for parasske kapasanser
DetaljerSTK desember 2007
Løsnngsfrslag tl eksamen STK0 5. desember 2007 Oppgave a V antar at slaktevektene tl kalkunene fra Vrgna er bserverte verder av stkastske varabler X, X 2, X, X 4 sm er uavhengge g Nµ, σ 2 -frdelte, g at
DetaljerSimpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering
Lekson 3 Smpleksmetoden generell metode for å løse LP utgangspunkt: LP på standardform Intell basstabell Fase I for å skaffe ntell, brukbar løsnng løse helpeproblem hvs optmale løsnng gr brukbar løsnng
DetaljerEKSAMEN Løsningsforslag
. desember 6 EKSAMEN Løsnngsorslag Emnekode: ITD Emnenavn: Matematkk ørste deleksamen Dato:. desember 6 Hjelpemdler: - To A-ark med valgrtt nnold på begge sder. - Formelete. - Kalkulator som deles ut samtdg
DetaljerUNIVERSITETET I OSLO
Løsnngsforslag UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : INF3 Dgtal bldebehandlng Eksamensdag : Trsdag 9. mars 3 Td for eksamen : 5: 9: Løsnngsforslaget er på : sder Vedlegg
DetaljerDynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Hvlke problemer? Metoden ble formalsert av Rchard Bellmann (RAND Corporaton) på -tallet. Har ngen tng med programmerng å gøre. Dynamsk er et ord som kan aldr brukes negatvt. Skal v
DetaljerMA1301 Tallteori Høsten 2014
MA1301 Tallteor Høsten 014 Rchard Wllamson 3. desember 014 Innhold Forord 1 Induksjon og rekursjon 7 1.1 Naturlge tall og heltall............................ 7 1. Bevs.......................................
DetaljerAppendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:
Appendks 1: Organserng av Rksdagsdata SPSS Sannerstedt- og Sjölns data er klargjort for logtanalyse SPSS flen på følgende måte: Enhet År SKJEBNE BASIS ANTALL FARGE 1 1972 1 0 47 1 0 2 1972 1 0 47 1 0 67
DetaljerOppgave 1 ECON 2130 EKSAMEN 2011 VÅR
ECON 30 EKSAMEN 0 VÅR Oppgave E bedrf øsker å fordele koraker e vesergsprosjek hel lfeldg på 3 frmaer, A, B og C. Uvelgelse skjer ved loddrekg. Loddrekge er slk a hver av frmaee A, B og C, har e mulghe
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON13: EKSAMEN 14V TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt >. Oppgave 1 Innlednng. Rulett splles på en rekke kasnoer
DetaljerHva påvirker gjeldsveksten i husholdningene?
Hva påvrker gjeldsveksen husholdnngene? Dag Hennng Jacobsen, konsulen Avdelng for fnansnsusjoner, og Bjørn E. Naug, senorrådgver Forsknngsavdelngen 1 Husholdnngenes gjeld har øk med 10 11 prosen per år
DetaljerEKSAMEN I FAG SIF5040 NUMERISKE METODER Tirsdag 15. mai 2001 Tid: 09:00 14:00
Norges teknsk naturvtenskapelge unverstet Insttutt for matematske fag Sde 1 av 9 Faglg kontakt under eksamen: Enar Rønqust, tlf. 73 59 35 47 EKSAMEN I FAG SIF5040 NUMERISKE METODER Trsdag 15. ma 2001 Td:
DetaljerIT1105 Algoritmer og datastrukturer
Løsnngsforslag, Eksamen IT1105 Algortmer og datastrukturer 1 jun 2004 0900-1300 Tllatte hjelpemdler: Godkjent kalkulator og matematsk formelsamlng Skrv svarene på oppgavearket Skrv studentnummer på alle
DetaljerForelesning nr.3 INF 1411 Elektroniske systemer. Parallelle og parallell-serielle kretser Kirchhoffs strømlov
Forelesnng nr.3 INF 4 Elektronske systemer Parallelle og parallell-serelle kretser Krchhoffs strømlov Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt parallelle kretser Krchhoffs
DetaljerSeleksjon og uttak av alderspensjon fra Folketrygden
ato: 07.01.2008 aksbehandler: DH Seleksjon og uttak av alderspensjon fra Folketrygden Dette notatet presenterer en enkel framstllng av problemet med seleksjon mot uttakstdpunkt av alderspensjon av folketrygden.
DetaljerDynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Metoden ble formalsert av Rchard Bellmann (RAND Corporaton på -tallet. Programmerng betydnngen planlegge, ta beslutnnger. (Har kke noe med kode eller å skrve kode å gøre. Dynamsk for
DetaljerBevegelse i én dimensjon (2)
Beegelse én dmensjon..4 Gruppeundersnng begynner denne uken. Oppger fnner du på semesersden: hp://www.uo.no/suder/emner/mn/fys/fys-mek/4/merle/merle4.hml FYS-MEK..4 Sudenrepresenner for FYS-MEK kurse lbkemeldng
DetaljerOppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesnng 3 MET359 Økonometr ved Davd Kreberg Vår 0 Oppgaver Alle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Multple regresjon Oppgave.* Ta utgangspunkt
DetaljerINF 2310 Digital bildebehandling
INF 2310 Dgtal bldebehandlng FORELESNING 4 GRÅTONE-TRANSFORMASJONER Frtz Albregtsen 1 Temaer dag Hstogrammer Lneære gråtonetransformer t Standardserng av blder med lneær transform Ikke-lneære, parametrske
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON30: EKSAMEN 05 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
DetaljerStatistikk og økonomi, våren 2017
Statstkk og økonom, våren 7 Oblgatorsk oppgave Løsnngsforslag Oppgave Anta at forbruket av ntrogen norsk landbruk årene 987 99 var følgende målt tonn: 987: 9 87 988: 8 989: 8 99: 8 99: 79 99: 87 99: 9
DetaljerEksamen i LOG530 Distribusjonsplanlegging
Fas Eksamen LOG530 Dsrbusjonsplanleggng Onsdag 3. jun 2009 Kl. 09:00-13:00 Hjelpemdler: A+KD Oppgave 1 a) 4 1 5 10 6 2 11 7 3 8 12 9 Symboler P = {1, 2, 3} er mengden av produsener L = {4, 5, 6, 7, 8,
DetaljerVeiledning til obligatorisk oppgave i ECON 3610/4610 høsten N. Vi skal bestemme den fordeling av denne gitte arbeidsstyrken som
Jon sle; oktober 07 Ogave a. elednng tl oblgatorsk ogave ECO 60/60 høsten 07 har nå at samlet arbedskraftmengde er gtt lk, slk at ressurskravet er. skal bestemme den fordelng av denne gtte arbedsstyrken
DetaljerLøsningsforslag ST2301 Øving 8
Løsnngsforslag ST301 Øvng 8 Kapttel 4 Exercse 1 For tre alleler, fnn et sett med genfrekvenser for to populasjoner, som gr flere heterozygoter enn forventa utfra Hardy-Wenberg-andeler for mnst én av de
DetaljerHva er segmentering? Segmenterings-problemer. To segmenterings-kategorier. Terskling, eksempel. Dagens verktøy: Terskling
Hva er segmenering? IN 3 5. mai 9 Segmenering ved ersling Kap.3 Global ersling Generelle hisogramfordelinger og lassifiasjonsfeil To populære erslingsalgorimer ruen av aner, og effeen av søy og glaing
DetaljerTMA4245 Statistikk Eksamen august 2014
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Y 5 PY > 53) PY 53) P ) 53 5 Φ5) 933 668 Vekte av e fylt flaske, X + Y, er e leærkombasjo av uavhegge ormalfordelte
Detaljeri kjemiske forbindelser 5. Hydrogen har oksidasjonstall Oksygen har oksidsjonstall -2
Repetsjon 4 (16.09.06) Regler for oksdasjonstall 1. Oksdasjonstall for alle fre element er 0 (O, N, C 60 ). Oksdasjonstall for enkle monoatomske on er lk ladnngen tl onet (Na + : +1, Cl - : -1, Mg + :
DetaljerBevegelse i én dimensjon
Beegelse én dmensjon 19.1.217 FYS-MEK 111 19.1.217 1 Gruppeundersnng begynner onsdag, 25.januar. hp://www.uo.no/suder/emner/mana/fys/fys-mek111/17/plan217.hm Oppgaer og forelesnngene legges u på semesersden.
DetaljerLøsningsforslag øving 10 TMA4110 høsten 2018
Løsnngsforslag øvng TMA4 høsten 8 [ + + Projeksjonen av u på v er: u v v u v v v + ( 5) [ + u v v u [ 8/5 6/5 For å fnne ut om en matrse P representerer en projeksjon, må v sjekke om P P a) b) c) [ d)
DetaljerBevegelse i én dimensjon
Beegelse én dmensjon 16.1.218 FYS-MEK 111 16.1.218 1 Gruppeundersnng begynner rsdag, 23.januar. hp://www.uo.no/suder/emner/mana/fys/fys-mek111/18/plan218.hm Oppgaer og forelesnngene legges u på semesersden.
DetaljerForelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011
Løsnnger lle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Hypotesetestng testng av enkelthypoteser Oppgave 1.* Når v tester enkelthypoteser ved hjelp
DetaljerLøsningsskisse til eksamen i TFY112 Elektromagnetisme,
Løsnngssksse tl eksamen TFY11 Elektromagnetsme, høst 003 (med forbehold om fel) Oppgave 1 a) Ved elektrostatsk lkevekt har v E = 0 nne metall. Ellers bruker v Gauss lov med gaussflate konsentrsk om lederkulen.
DetaljerNotater. Mona Irene Andersen og Annette Kalvøy. Prisindeks for telekommunikasjonstjenester 2009/26. Notater
2009/26 Noaer Mona Irene Andersen og Annee Kalvøy Noaer rsndeks for elekommunkasjonsjeneser Avdelng for nærngssaskk/seksjon for ranspor-, reselvs- og IKT-saskk Innhold. Innlednng... 2 2. Inernasjonale
DetaljerBalanserte søketrær. AVL-trær. AVL-trær. AVL-trær høyde AVL AVL. AVL-trær (Adelson-Velskii og Landis, 1962) Splay-trær (Sleator og Tarjan, 1985)
alanserte søketrær VL-trær Et bnært tre er et VL-tre hvs ølgende holder: VL-trær delson-velsk og Lands, 96 play-trær leator og Tarjan, 98. orskjellen høyde mellom det høyre og det venstre deltreet er maksmalt,
DetaljerX ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : Eksamensdag: 7. jun 2013. Td for eksamen: 14.30 18.30. Oppgavesettet er på 8 sder. Vedlegg: Tllatte hjelpemdler: STK2120 LØSNINGSFORSLAG
DetaljerTeoretisk og numerisk prising av korrelasjonsavhengige kredittderivater
ORGES HADELSHØYSKOLE Bergen, 7.jun.2007 Teoresk og numersk prsng av korrelasjonsavhengge kreddervaer av Tor Åge Myklebus og Alex Shun We L Veleder: Knu Krsan Aase Maserurednng Fnansell Økonom ORGES HADELSHØYSKOLE
DetaljerTMA4265 Stokastiske prosesser
orges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA4265 Stokastske prosesser Våren 2004 Løsnngsforslag - Øvng 6 Oppgaver fra læreboka 4.56 X n Antallet hvte baller urna Trekk tlf.
DetaljerKinematikk i to og tre dimensjoner 29.01.2014
Knemkk o og re dmensoner 29.1.214 FYS-MEK 111 29.1.214 1 hp://pngo.up.de/ ccess numer:7182 En len l der en sørre lsel som hr død er. Mssen l lselen er sørre enn mssen l len. Hlke følgende usgn er korrek?
DetaljerRotasjonsbevegelser
Roasjonsbevegelser 3.3.4 FYS-EK 3.3.4 assesener y r V R rd r( r) dv V d R V d V d R z x Newons. lov: F ex d P d V yre kraf: akselerasjon l assesenere ndre krefer: ngen påvrknng på assesenere FYS-EK 3.3.4
DetaljerEksamen ECON 2200, Sensorveiledning Våren Deriver følgende funksjoner. Deriver med hensyn på begge argumenter i e) og f).
Eksamen ECON 00, Sensorvelednng Våren 0 Oppgave (8 poeng ) Derver følgende funksjoner. Derver med hensyn på begge argumenter e) og f). (Ett poeng per dervasjon, dvs, poeng e og f) a) f( x) = 3x x + ln
DetaljerFritt sykehusvalg. En teoretisk analyse av konkurranse i det norske sykehusmarkedet* Elin Aasmundrud Mathiesen
Fr sykehusvalg En eoresk analyse av konkurranse de norske sykehusmarkede* av Eln Aasmundrud Mahesen Sen Rokkan sener for flerfaglge samfunnssuder Unversesforsknng Bergen Jun * Hovedogave samfunnsøkonom
DetaljerForelesning nr.3 INF 1410
Forelesnng nr. INF 40 009 Node og mesh-analyse 6.0.009 INF 40 Oerskt dagens temaer Bakgrunn Nodeanalyse og motasjon Meshanalyse 009 Supernode Bruksområder og supermesh for node- og meshanalyse 6.0.009
DetaljerMagnetisk nivåregulering. Prosjektoppgave i faget TTK 4150 Ulineære systemer. Gruppe 4: Rune Haugom Pål-Jørgen Kyllesø Jon Kåre Solås Frode Efteland
Magnetsk nvåregulerng Prosjektoppgave faget TTK 45 Ulneære systemer Gruppe 4: Rune Haugom Pål-Jørgen Kyllesø Jon Kåre Solås Frode Efteland Innholdsfortegnelse Innholdsfortegnelse... Innlednng... Oppgave
DetaljerHøst 95 Test-eksamen. 1. Et legeme A med masse m = kg påvirkes av en kraft F gitt ved: F x = - t F y = k t 2 = 5.00N = 4.00 N/s k = 1.
Hø 95 Te-ekaen. E legee ed ae =.4 kg pårke a en kraf F g ed: F = - F = k = 5.N = 4. N/ k =.N/ llegg rker ngdekrafen nega -renng. a Bee reulankrafekoren. b Ved den = er legee ro orgo. Fnn pojon og haghe
DetaljerNOEN SANNSYNLIGHETER I BRIDGE Av Hans-Wilhelm Mørch.
NOEN SANNSYNLIGHETER I BRIGE A Hans-Wlhelm Mørch. SANNSYNLIGHETER FOR HVORAN TRUMFEN(ELLER ANRE SORTER) ER FORELT Anta at du mangler n kort trumffargen. Ha er sannsynlgheten for at est har a a dem? La
DetaljerOppgave 3, SØK400 våren 2002, v/d. Lund
Oppgave 3, SØK400 våren 00, v/d. Lnd En bonde bonde dyrker poteter. Hvs det blr mldvær, blr avlngen 0. Hvs det blr frost, blr avlngen. Naboen bonde, som vl være tsatt for samme vær, dyrker også poteter,
DetaljerLøsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.
Løsgsforslag ST20/ST620 205, kotuasjoseksame. a Rmelghetsfuksjoe blr Logartme Derverer Løser lgge Løsge er SME: L = 2 e l L = 2 l X X. X + l X. l L = 2 + 2 X = 2. ˆ = 2 X. X. b Her ka ma beytte trasformasjosformele,
DetaljerMoD233 - Geir Hasle - Leksjon 10 2
Leksjon 10 Anvendelser nettverksflyt Transportproblemet Htchcock-problemet Tlordnngsproblemet Korteste-ve problemet Nettverksflyt med øvre begrensnnger Maksmum-flyt problemet Teorem: Maksmum-flyt Mnmum-kutt
DetaljerPotensiell energi Bevegelsesmengde
Poensell energ eegelsesengde 2.3.23 YS-MEK 2.3.23 konsera kraf kraf so bare ahenger a possjon arbed ahenger bare a sar- og slupossjon, kke a een ello arbed er null hs sar- og slupossjon er densk kan fnne
DetaljerI analysen rapporteres følgende resultater basert på data for 90 regioner:
Eksamen SØK3001 Vår 2011 Bokmål Oppgave 1 I en emprsk undersøkelse benyes førs verrsnsdaa for å esmere sammenhengen mellom regonale bolgprser og regonal nnek En av relasjonene som esmeres er g ved (1)
DetaljerCOLUMBUS. Lærerveiledning Norge og fylkene. ved Rolf Mikkelsen. Cappelen Damm
COLUMBUS Lærervelednng Norge og fylkene ved Rolf Mkkelsen Cappelen Damm Innlednng Columbus Norge er et nteraktvt emddel som nneholder kart over Norge, fylkene og Svalbard, samt øvelser og oppgaver. Det
DetaljerKollektivt eller individuelt salg av TVrettighetene
Kollekv eller ndvduel salg av TVregheene for norsk Telga Rkard Bjørsvk Maserogave Maserogaven er lever for å fullføre graden Maser samfunnsøkonom Unversee Bergen, Insu for økonom Jun 2010 Forord Forord
DetaljerINF1040-Kompresjon-2. (tekst, bilde, lydsignaler etc.) på en så kompakt måte. at redundant informasjon ikke lagres.
IF 4 Komresjon og kodng Tema dag :. oen begreer. Redundans 3. Dfferanse- og løelengdetransformer 4. Gray kode 5. Entro 6. Shannon-Fano og Huffman kodng 7. Lemel-Zv kodng 8. JPEG kodng Pensumltteratur:
DetaljerBevegelse i én dimensjon
Beegelse én dmensjon 21.1.215 FYS-MEK 111 21.1.216 1 Gruppeundersnng og daalab begynner mandag, 25.januar. hp://www.uo.no/suder/emner/mana/fys/fys-mek111/16/plan216web.hm Oppgaer og forelesnngene legges
DetaljerTMA4240 Statistikk H2010
TMA440 Statstkk H00 Statstsk nferens: 9.6: Predksjonsntervall 9.8: To utvalg, dfferanse µ µ Mette Langaas Foreleses mandag 8.oktober, 00 Predksjonsntervall for fremtdg observasjon, normalfordelng For en
DetaljerRayleigh-kriteriet. INF 2310 Digital bildebehandling. Hvor små detaljer kan en linse oppløse? Samplingsteoremet (Shannon/Nyquist)
IN 3 Dgtal bldebehandlng Ralegh-krteret Oppsummerng II ma : Avbldnng Samplng og kvantserng Geometrske operasoner 3 Gråtone- og hstogramoperasoner 45 ltrerng blde-doménet 67 ltrerng rekvens-doménet 89 Kompreson
DetaljerTMA4245 Statistikk Eksamen mai 2016
Norges teksk-aturvteskapelge uverstet Isttutt for matematske fag Løsgssksse Oppgave a) Lar X være kvadratprse. Har da at X N(µ, σ 2 ), med µ 30 og σ 2 2, 5 2. P (X < 30) P (X < µ) 0.5 ( X 30 P (X > 25)
DetaljerSparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk.
ECON 0 Forbruker, bedrft og marked Forelesnngsnotater 09.0.07 Nls-Henrk von der Fehr FORBRUK OG SPARING Innlednng I denne delen skal v anvende det generelle modellapparatet for konsumentens tlpasnng tl
DetaljerAutomatisk koplingspåsats Komfort Bruksanvisning
Bruksanvsnng System 2000 Art. Nr.: 0661 xx /0671 xx Innholdsfortegnelse 1. rmasjon om farer 2. Funksjon 2.1. Funksjonsprnspp 2.2. Regstrerngsområde versjon med 1,10 m lnse 2.3. Regstrerngsområde versjon
Detaljerav Erik Bédos, Matematisk Institutt, UiO, 25. mai 2007.
Om den diskree Fourier ransformen av Erik Bédos, Maemaisk Insiu, UiO,. mai 7. Vi lar H beegne indreproduk romme som besår av alle koninuerlige komplekse funksjoner definer på inervalle [, π] med indreproduke
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON: EKSAMEN 6 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 29..28 Kap. 2.4.4 og 2.6.5 DIP Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,)
DetaljerGradient-operatorer. 1D Laplace-operator. Laplace-operatoren. INF 2310 Digital bildebehandling. Laplace-operatoren er gitt ved:
55-55 - 6 6 5 5 radent-operatorer INF 3 Dgtal bldebehandlng Naboskaps-operasoner - II Laplace-operatoren Lo-operatoren Kant-bevarende ltre Ikke-lneære ltre radent-operatorer gr en bred respons Hvor bred
DetaljerEKSAMEN Ny og utsatt Løsningsforslag
. jun 0 EKSAMEN Ny og utsatt Løsnngsorslag Emnekode: ITD50 Dato:. jun 0 Emne: Matematkk, deleksamen Eksamenstd: 09.00.00 Hjelpemdler: To A-ark med valgrtt nnhold på begge sder. Formelhete. Kalkulator er
DetaljerOppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1
ECON 213 EKSAMEN 26 VÅR SENSORVEILEDNING Oppgaven består av 9 delspørsmål som anbefales å vee lke mye, Kommentarer og tallsvar er skrevet nn mellom , Oppgave 1 I en by med 1 stemmeberettgete nnbyggere
DetaljerKrefter og betinget bevegelser 14.02.2013
Krefer og benge beegeler 4..3 FYS-MEK 4..3 Benge beegele beegele: r bane: r beegele lang banen: haghe: r r u r u angenalekor: far lang een: akeleraon: a u u u u angenalakeleraon: enrpealakeleraon: a a
DetaljerSpinntur 2017 Rotasjonsbevegelse
Spnntur 2017 Rotasjonsbevegelse August Geelmuyden Unverstetet Oslo Teor I. Defnsjon og bevarng Newtons andre lov konstaterer at summen av kreftene F = F som vrker på et legeme med masse m er lk legemets
DetaljerOppvarming og innetemperaturer i norske barnefamilier
Ovarmng og nnetemeraturer norske barnefamler En analyse av husholdnngenes valg av nnetemeratur Henrette Brkelund Masterogave samfunnsøkonom ved Økonomsk Insttutt UNIVERSITETET I OSLO 13.05.2013 II ) Ovarmng
DetaljerINF2310 Digital bildebehandling
INF30 Dgtal bldebehandlng Forelesnng 0 Kompresjon og kodng I Andreas Kleppe Tre steg kompresjon Redundanser Kodng og entrop Shannon-Fano-kodng Huffman-kodng Artmetsk kodng Kompendum: 8-8.3, 8.5-8.7., 8.7.4
DetaljerMASTER I IDRETTSVITENSKAP 2012/2014. Individuell skriftlig eksamen. MAS 402- Statistikk. Tirsdag 9. oktober 2012 kl. 10.00-12.00
MASTER I IDRETTSVITESKAP 0/04 Indvduell skrftlg eksamen MAS 40- Statstkk Trsdag 9. oktober 0 kl. 0.00-.00 Hjelpemdler: kalkulator Eksamensoppgaven består av 9 sder nkludert forsden Sensurfrst: 30. oktober
Detaljer