Biologi: en utmaning för Numerisk Analys
|
|
- Gunilla Lindqvist
- för 5 år sedan
- Visningar:
Transkript
1 Biologi: en utmaning för Numerisk Analys Stefan Engblom Beräkningsvetenskap Informationsteknologi Uppsala Universitet Docentföreläsning, Uppsala, 6:e Mars, 2013 (TDB/IT UU) Biologiska Beräkningar / 17
2 Idag Mål: Utveckla och belysa begrepp från Beräkningsvetenskap I, II och III ställd inför problem från Biologisk modellering. (TDB/IT UU) Biologiska Beräkningar / 17
3 Innehåll Motivation Numerisk analys......biologisk realitet 1. Stokastiska formuleringar 2. Systemenergi Avslutning (TDB/IT UU) Biologiska Beräkningar / 17
4 Motivation Numerisk analys... Numerisk analys En komprimerad abstrakt sammanfattning! Mätbara data y, fysik f (ofta en differentialoperator), okänt tillstånd x. Matematiskt problem f (x) = y, lösning x = f 1 (y). Det matematiska problemet är stabilt om f 1 (y 1 ) f 1 (y 2 ) F y 1 y 2. (TDB/IT UU) Biologiska Beräkningar / 17
5 Motivation Numerisk analys... Numerisk analys En komprimerad abstrakt sammanfattning! Mätbara data y, fysik f (ofta en differentialoperator), okänt tillstånd x. Matematiskt problem f (x) = y, lösning x = f 1 (y). Det matematiska problemet är stabilt om f 1 (y 1 ) f 1 (y 2 ) F y 1 y 2. Numeriskt problem g h ( x) = y, lösning x = x(h) = g 1 h (y). Diskretiseringsparameter h (0, 1). Det numeriska problemet är stabilt om (y 1) g 1 (y 2) G y 1 y 2. g 1 h h (TDB/IT UU) Biologiska Beräkningar / 17
6 Motivation Numerisk analys... Numerisk analys Lax ekvivalens En numerisk metod är konsistent om x : lim h 0 (f g h )(x) = 0. En numerisk metod är konvergent om y : lim h 0 (g 1 h f 1 )(y) = 0. (TDB/IT UU) Biologiska Beräkningar / 17
7 Motivation Numerisk analys... Numerisk analys Lax ekvivalens En numerisk metod är konsistent om x : lim h 0 (f g h )(x) = 0. En numerisk metod är konvergent om y : lim h 0 (g 1 h f 1 )(y) = 0. En stabil och konsistent numerisk metod är konvergent. Bevis. Definiera ȳ := g h (x). Felet = x x = g 1 1 (y) g (ȳ) (stabilt) h h G y ȳ = G f (x) g h (x) 0, h 0. (konsistent) (TDB/IT UU) Biologiska Beräkningar / 17
8 Motivation...Biologisk realitet Biologisk realitet Film #1 : numerisk lösning av vågekvationen (K. Mattsson, M. Almquist). Film #2 : neutrofiler i en mus (G. Christoffersson, M. Phillipson). (TDB/IT UU) Biologiska Beräkningar / 17
9 Motivation...Biologisk realitet Biologisk realitet Film #1 : numerisk lösning av vågekvationen (K. Mattsson, M. Almquist). Film #2 : neutrofiler i en mus (G. Christoffersson, M. Phillipson). Mätbara data y? Fysik f? Tillstånd x? Stabilitet? Konsistens? Konvergens? (TDB/IT UU) Biologiska Beräkningar / 17
10 1. Stokastiska formuleringar Brownsk rörelse Exempel: Partikel i en vätska (Einstein). (TDB/IT UU) Biologiska Beräkningar / 17
11 1. Stokastiska formuleringar Brownsk rörelse Exempel: Partikel i en vätska (Einstein). En stokastisk modell är enklare men beror i gengäld på slumpen. (TDB/IT UU) Biologiska Beräkningar / 17
12 1. Stokastiska formuleringar Stokastisk modellering av biokemi Exempel: Bimolekylär reaktion + Z. -Vad är sannolikheten P(1st och 1st reagerar i tidsintervallet [0, t])? V (TDB/IT UU) Biologiska Beräkningar / 17
13 1. Stokastiska formuleringar Stokastisk modellering av biokemi Exempel: Bimolekylär reaktion + Z. -Vad är sannolikheten P(1st och 1st reagerar i tidsintervallet [0, t])? P n ( antal -molekyler ) P n V (TDB/IT UU) Biologiska Beräkningar / 17
14 1. Stokastiska formuleringar Stokastisk modellering av biokemi Exempel: Bimolekylär reaktion + Z. -Vad är sannolikheten P(1st och 1st reagerar i tidsintervallet [0, t])? P n ( antal -molekyler ) V P n P 1/V P t (TDB/IT UU) Biologiska Beräkningar / 17
15 1. Stokastiska formuleringar Stokastisk modellering av biokemi Exempel: Bimolekylär reaktion + Z. -Vad är sannolikheten P(1st och 1st reagerar i tidsintervallet [0, t])? P n ( antal -molekyler ) V P n P 1/V P t = P( + Z i tidsintervallet [0, t]) = konst n n t/v. Beskriver en tidskontinuerlig Markovkedja. (TDB/IT UU) Biologiska Beräkningar / 17
16 1. Stokastiska formuleringar Stokastisk konvergens Deterministisk konvergens x h x 0 då h 0. Stokastisk konvergens: Stark E h 2 0 då h 0 Svag E ϕ( h ) ϕ( ) 0 då h 0, ϕ snäll testfunktion (TDB/IT UU) Biologiska Beräkningar / 17
17 1. Stokastiska formuleringar Stokastisk konvergens Deterministisk konvergens x h x 0 då h 0. Stokastisk konvergens: Stark E h 2 0 då h 0 Svag E ϕ( h ) ϕ( ) 0 då h 0, ϕ snäll testfunktion -För många fysiska tillämpningar är svag konvergens tillräcklig: observerbarhet (...) (TDB/IT UU) Biologiska Beräkningar / 17
18 1. Stokastiska formuleringar Svag konvergens Oscillationer i bakteriemembran (TDB/IT UU) Biologiska Beräkningar / 17
19 1. Stokastiska formuleringar Svag konvergens Oscillationer i bakteriemembran 1 Average concentration of MinD m 0.8 # molecules location (µ m) x MinD m polar oscillations Left Right time (s) (TDB/IT UU) Biologiska Beräkningar / 17
20 1. Stokastiska formuleringar Stark konvergens Bistabilt problem i två variabler time x time x 10 6 (TDB/IT UU) Biologiska Beräkningar / 17
21 2. Systemenergi Systemenergi, modellering Exempel: Två oblandbara vätskor (olja/vatten) i en volym V. Fasfältsvariabel φ(x) som är ±1 i respektive vätska, diffust gränsskikt där φ = 0. Ansats på fri energi: F φ = V f (φ) + ε2 4 ( φ)2 dv, f (φ) = (1 φ) 2 (1 + φ) 2, en potential med två stabila minima φ = ±1. (TDB/IT UU) Biologiska Beräkningar / 17
22 2. Systemenergi Systemenergi, Cahn-Hilliard Recept : tag variationsderivatan av F φ med avseende på φ, δf φ δφ = f (φ) ε 2 φ =: µ φ (kemisk potential). En lämplig PDE för φ är nu φ t = µ φ (Cahn-Hilliards ekvation). Film #3 : bubblor (M. Do-Quang). (TDB/IT UU) Biologiska Beräkningar / 17
23 2. Systemenergi Systemenergi, Cahn-Hilliard Recept : tag variationsderivatan av F φ med avseende på φ, δf φ δφ = f (φ) ε 2 φ =: µ φ (kemisk potential). En lämplig PDE för φ är nu φ t = µ φ (Cahn-Hilliards ekvation). Film #3 : bubblor (M. Do-Quang). Modelleringen består i att göra en energiansats! -Numerisk konvergens? (TDB/IT UU) Biologiska Beräkningar / 17
24 2. Systemenergi Monte Carlo modellering: Cellular Potts (TDB/IT UU) Biologiska Beräkningar / 17
25 2. Systemenergi Monte Carlo modellering: Cellular Potts Systemenergi (Hamiltonian), H = J(σ i, σ j )+ grannlådor i,j λ[v (σ i ) V ref ] 2, lådor i där J är en randkoefficient, och (λ, V ref ) anger volymvillkor. (TDB/IT UU) Biologiska Beräkningar / 17
26 2. Systemenergi Cellular Potts -Ramverket är flexibelt och relativt enkelt att utöka. -Det finns en klassisk stokastisk algoritm Metropolis som simulerar diskreta energisystem med rätt statistik. Konvergens i svag mening när antalet drag. Film #4 : delta-notch signalering mellan celler (M. Söderling). (TDB/IT UU) Biologiska Beräkningar / 17
27 Avslutning Avslutning Ganska vanligt att Biologiska problem har en vag definition på vad som menas med fel Modellproblem inom Numerisk analys har en väldigt detaljerad uppfattning på vad som menas med fel (TDB/IT UU) Biologiska Beräkningar / 17
28 Avslutning Avslutning Ganska vanligt att Biologiska problem har en vag definition på vad som menas med fel Modellproblem inom Numerisk analys har en väldigt detaljerad uppfattning på vad som menas med fel Grundbegrepp från Numerisk analys är fortfarande relevanta (konvergens, stabilitet) (TDB/IT UU) Biologiska Beräkningar / 17
29 Avslutning Avslutning Ganska vanligt att Biologiska problem har en vag definition på vad som menas med fel Modellproblem inom Numerisk analys har en väldigt detaljerad uppfattning på vad som menas med fel Grundbegrepp från Numerisk analys är fortfarande relevanta (konvergens, stabilitet) Det går inte att bortse från modelleringssteget; modellen kan sällan betraktas som färdig (TDB/IT UU) Biologiska Beräkningar / 17
Tentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Beräkningsvetenskap Per Lötstedt, tel. 47 2986 Saleh Rezaeiravesh Tentamen i Beräkningsvetenskap II, 5.0 hp, 206-0-4 Skrivtid: 4 00 7 00 (OBS!
Läs merTentamen i Beräkningsvetenskap II, 5.0 hp, Del A
Uppsala universitet Institutionen för informationsteknologi Beräkningsvetenskap Tentamen i Beräkningsvetenskap II, 5.0 hp, 2016-03-16 Del A 1. (a) Beräkna lösningen Ù vid Ø = 03 till differentialekvationen
Läs merExempel ode45 parametrar Miniprojekt 1 Rapport. Problemlösning. Anastasia Kruchinina. Uppsala Universitet. Januari 2016
Problemlösning Anastasia Kruchinina Uppsala Universitet Januari 2016 Anastasia Kruchinina Problemlösning 1 / 16 Exempel ode45 parametrar Miniprojekt 1 Rapport Anastasia Kruchinina Problemlösning 2 / 16
Läs merMonte Carlo-metoder. Bild från Monte Carlo
Monte Carlo-metoder 0 Målen för föreläsningen På datorn Bild från Monte Carlo http://en.wikipedia.org/wiki/file:real_monte_carlo_casino.jpg 1 Begrepp En stokastisk metod ger olika resultat vid upprepning
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 5. Kovarians, korrelation, väntevärde och varians för summor av s.v.:er, normalfördelning (del 1) Jan Grandell & Timo Koski 15.09.2008 Jan Grandell &
Läs merTentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Beräkningsvetenskap Per Lötstedt, tel. 471 2986 Ken Mattsson, tel 471 2975 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2015-06-02 Skrivtid: 14
Läs merBiokemi. SF1538 Projekt i simuleringsteknik. Skolan för teknikvetenskap. Introduction. Michael Hanke. Kemiska reaktioner
1 (35) : Biokemi Skolan för teknikvetenskap SF1538 Projekt i simuleringsteknik 2 (35) Innehåll : 1 2 3 : 4 5 6 7 8 3 (35) Introduktion : Biokemiska är basen till livet Undersökningen av reaktionskedjor
Läs merMatematisk statistik 9hp Föreläsning 7: Normalfördelning
Matematisk statistik 9hp Föreläsning 7: Normalfördelning Anna Lindgren 29+3 september 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F7: normalfördelning 1/18 Kovarians, C(X, Y) Repetition Normalfördelning
Läs merTentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Beräkningsvetenskap Stefan Engblom, tel. 471 27 54, Per Lötstedt, tel. 471 29 72 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2016-03-16 Skrivtid:
Läs merNumeriska metoder för ODE: Teori
Numeriska metoder för ODE: Teori Vilka metoder har vi tagit upp? Euler framåt Euler bakåt Trapetsmetoden y k+ = y k + hf(t k, y k ), explicit y k+ = y k + hf(t k+, y k+ ), implicit y k+ = y k + h (f(t
Läs merSF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt
Läs merNumeriska metoder för ODE: Teori
Numeriska metoder för ODE: Teori Lokalt trunkeringsfel och noggrannhetsordning Definition: Det lokala trunkeringsfelet är det fel man gör med en numerisk metod när man utgår från det exakta värdet vid
Läs merTentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Per Wahlund, tel. 471 2986 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2012-01-11 Skrivtid: 14 00 17 00 (OBS! Tre timmars
Läs merExempel på tentamensuppgifter
STOCKHOLMS UNIVERSITET 4 mars 2010 Matematiska institutionen Avd. för matematisk statistik Mikael Andersson Exempel på tentamensuppgifter Uppgift 1 Betrakta en allmän I J-tabell enligt 1 2 3 J Σ 1 n 11
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 3 Markovprocesser 16 April 2015 Johan Westerborn Markovprocesser (1) Föreläsning 3 Föreläsningsplan 1 Förra Föreläsningen 2 Markovprocesser
Läs merStokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012
Föreläsning 7 Stokastiska Processer och ARIMA Patrik Zetterberg 19 december 2012 1 / 22 Stokastiska processer Stokastiska processer är ett samlingsnamn för Sannolikhetsmodeller för olika tidsförlopp. Stokastisk=slumpmässig
Läs merAMatematiska institutionen avd matematisk statistik
Kungl Tekniska Högskolan AMatematiska institutionen avd matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR B OCH K FREDAGEN DEN 11 JANUARI 2002 KL 14.00 19.00. Examinator: Gunnar
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 3 Markovprocesser 13 April 2016 Johan Westerborn Markovprocesser (1) Föreläsning 3 Föreläsningsplan 1 Förra Föreläsningen 2 Markovprocesser
Läs merTentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Per Wahlund, tel. 471 2986 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2013-06-07 Skrivtid: 14 00 17 00 (OBS! Tre timmars
Läs merTentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Per Wahlund, tel. 471 2986 Tentamen i Beräkningsvetenskap II, 5.0 hp, 2012-05-31 Skrivtid: 14 00 17 00 (OBS! Tre timmars
Läs merLycka till!
Avd. Matematisk statistik TENTAMEN I 5B1503 STATISTIK MED FÖRSÖKSPLANERING FÖR K OCH B MÅNDAGEN DEN 25 AUGUSTI 2003 KL 14.00 19.00. Examinator: Gunnar Englund, 790 7416. Tillåtna hjälpmedel: Formel- och
Läs merStokastiska Processer
Kapitel 3 Stokastiska Processer Karakteristisk funktion: Den karakteristiska funktionen φ ξ : R n C för en R n -värd s.v. definieras för t R n. φ ξ (t) = E{e iπ(t ξ +...+t nξ n) } = E{e iπtt ξ } Den karakteristiska
Läs merTentamen i Beräkningsvetenskap I, DV, 5.0 hp, OBS: Kurskod 1TD394
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Tentamen i Beräkningsvetenskap I, DV, 5.0 hp, 2011-03-08 OBS: Kurskod 1TD394 Skrivtid: 08 00 11 00 (OBS! Tre timmars skrivtid!)
Läs merLösningar till Tentamen i Beräkningsvetenskap II, 5.0 hp, Del A. 1. (a) ODE-systemet kan skrivas på formen
Lösningar till Tentamen i Beräkningsvetenskap II, 5.0 hp, 2013-03-18 Del A 1. (a) ODE-systemet kan skrivas på formen z (t) = f(t, z), där z(t) = x(t) y(t) u(t) v(t), f(t, z) = u(t) v(t) kx(t)/ ( x2 (t)
Läs merP =
Avd. Matematisk statistik TENTAMEN I SF297 (f d 5B157) TILLFÖRLITLIGHETSTEORI LÖRDAGEN DEN 2 OKTOBER 21 KL 1. 18.. Examinator: Gunnar Englund, tel. 79716, e-postadress: gunnare@math.kth.se Tillåtna hjälpmedel:
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-05-31 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 6 Johan Lindström oktober 8 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Summa
Läs merKonvergens för iterativa metoder
Konvergens för iterativa metoder 1 Terminologi Iterativa metoder används för att lösa olinjära (och ibland linjära) ekvationssystem numeriskt. De utgår från en startgissning x 0 och ger sedan en följd
Läs merMatematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar
Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Anna Lindgren (Stanislav Volkov) 31 oktober + 1 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F10: Punktskattning 1/18 Matematisk
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 11 Johan Lindström 13 november 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F11 1/25 Repetition Stickprov & Skattning Maximum likelihood
Läs merb) Beräkna sannolikheten för att en person med språkcentrum i vänster hjärnhalva är vänsterhänt. (5 p)
Avd. Matematisk statistik TENTAMEN I SF1922/SF1923/SF1924 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 13:E AUGUSTI 2018 KL 8.00 13.00. Examinator för SF1922/SF1923: Tatjana Pavlenko, 08-790 84 66 Examinator
Läs merOrdinära differentialekvationer,
(ODE) Ordinära differentialekvationer, del 1 Beräkningsvetenskap II It is a truism that nothing is permanent except change. - George F. Simmons ODE:er är modeller som beskriver förändring, ofta i tiden
Läs merKonvergens och Kontinuitet
Kapitel 7 Konvergens och Kontinuitet Gränsvärdesbegreppet är väldigt centralt inom matematik. Som du förhoppningsvis kommer ihåg från matematisk analys så definieras tex derivatan av en funktion f : R
Läs merAvd. Matematisk statistik
Avd. Matematisk statistik TENTAMEN I SF1901, SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 28:E OKTOBER 2015 KL 8.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66, Björn Olof Skytt 08-790 86 49. Tillåtna
Läs merLÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:
LÖSNINGAR TILL Matematisk statistik Tetame: 2014 10 28 kl 14 00 19 00 Matematikcetrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Luds tekiska högskola MASB02 Matematisk statistik för kemister,
Läs merFöreläsning 15: Faktorförsök
Föreläsning 15: Faktorförsök Matematisk statistik Chalmers University of Technology Oktober 17, 2016 Ensidig variansanalys Vi vill studera om en faktor A påverkar en responsvariabel. Vi gör totalt N =
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 6. Normalfördelning, Centrala gränsvärdessatsen, Approximationer Jan Grandell & Timo Koski 06.02.2012 Jan Grandell & Timo Koski () Matematisk statistik
Läs merTAMS79: Föreläsning 10 Markovkedjor
TAMS79: Föreläsning 0 Markovkedjor Johan Thim december 08 0. Markovkedjor Vi ska nu betrakta en speciell tidsdiskret diskret stokastisk process, nämligen Markovkedjan. Vi börjar med en definition Definition.
Läs merSF1911: Statistik för bioteknik
SF1911: Statistik för bioteknik Föreläsning 6. TK 14.11.2016 TK Matematisk statistik 14.11.2016 1 / 38 Lärandemål Stokastiska modeller för kontinuerliga datatyper Fördelningsfunktion (cdf) Sannolikhetstäthetsfunktion
Läs merIntroduktionsföreläsning
Introduktionsföreläsning Beräkningsvetenskap DV Institutionen för Informationsteknologi, Uppsala Universitet 1 september, 2014 Lärare Emanuel Rubensson Outline 1 Vad är beräkningsvetenskap? 2 Information
Läs merFöreläsning 11. Slumpvandring och Brownsk Rörelse. Patrik Zetterberg. 11 januari 2013
Föreläsning 11 Slumpvandring och Brownsk Rörelse Patrik Zetterberg 11 januari 2013 1 / 1 Stokastiska Processer Vi har tidigare sett exempel på olika stokastiska processer: ARIMA - Kontinuerlig process
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 8 Johan Lindström 9 oktober 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F8 1/26 process Johan Lindström - johanl@maths.lth.se FMSF45/MASB3
Läs merBeräkningsvetenskap. Vad är beräkningsvetenskap? Vad är beräkningsvetenskap? stefan@it.uu.se. Informationsteknologi. Informationsteknologi
Beräkningsvetenskap stefan@it.uu.se Finns några olika namn för ungefär samma sak Numerisk analys (NA) Klassisk NA ligger nära matematiken: sats bevis, sats bevis, mer teori Tekniska beräkningar Mer ingenjörsmässigt,
Läs merSF1901: Sannolikhetslära och statistik. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski
SF1901: Sannolikhetslära och statistik Föreläsning 5. Väntevärde; Väntevärde för funktioner av s.v:er; Varians; Tjebysjovs olikhet. Jan Grandell & Timo Koski 28.01.2015 Jan Grandell & Timo Koski () Matematisk
Läs mere x/1000 för x 0 0 annars
VK Matematiska institutionen avd matematisk statistik TENTAMEN I 5B506 MATEMATISK STATISTIK GRUNDKURRS FÖR D OCH F, 5B504 MATEMATISK STATISTIK GRUNDKURS FÖR ÄLDRE OCH 5B50 MARKOVPROCESSER ONSDAGEN DEN
Läs merTentamen i Beräkningsvetenskap I (nya versionen), 5.0 hp, Del A
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Tentamen i Beräkningsvetenskap I (nya versionen), 5.0 hp, 010-06-07 Skrivtid: 14 00 17 00 (OBS! Tre timmars skrivtid!)
Läs merMarkovprocesser SF1904
Markovprocesser SF1904 Johan Westerborn johawes@kth.se Föreläsning 4 Markovprocesser 20 April 2015 Johan Westerborn Markovprocesser (1) Föreläsning 4 Föreläsningsplan 1 Förra Föreläsningen 2 Innbäddade
Läs merIntroduktionsföreläsning
Introduktionsföreläsning Beräkningsvetenskap DV Institutionen för Informationsteknologi, Uppsala Universitet 29 oktober, 2012 Lärare Emanuel Rubensson (föreläsningar, lektioner) Martin Tillenius (lektioner)
Läs meren observerad punktskattning av µ, ett tal. x = µ obs = 49.5.
February 6, 2018 1 Föreläsning VIII 1.1 Punktskattning Punktskattning av µ Vi låter {ξ 1, ξ 2,..., ξ n } vara oberoende likafördelade stokastiska variabler (med ett gemensamt µ). ξ =: µ är en punktskattning
Läs merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merFö relä sning 2, Kö system 2015
Fö relä sning 2, Kö system 2015 Vi ska börja titta på enskilda kösystem som ser ut på följande sätt: Det kan finnas en eller fler betjänare och bufferten kan vara ändlig eller oändlig. Om bufferten är
Läs mer0.31 = f(x 2 ) = b 1 + b 2 (x 3 x 1 ) + b 3 (x 3 x 1 )(x 3 x 2 ) = ( ) + b 3 ( )(
Lösningar till Tentamen i Beräkningsvetenskap II, 5.0 hp, 2012-03-09 Del A 1. (a) För att anpassa ett polynom som går genom tre punkter behövs ett andragradspolynom. Newtons interpolationsansats ger f(x)
Läs merTMA226 datorlaboration
TMA226 Matematisk fördjupning, Kf 2019 Tobias Gebäck Matematiska vetenskaper, Calmers & GU Syfte TMA226 datorlaboration Syftet med denna laboration är att du skall öva formuleringen av en Finita element-metod,
Läs merSF1901: Sannolikhetslära och statistik
SF9: Sannolikhetslära och statistik Föreläsning 3. Stokastiska variabler, diskreta och kontinuerliga Jan Grandell & Timo Koski 8.9.28 Jan Grandell & Timo Koski () Matematisk statistik 8.9.28 / 45 Stokastiska
Läs merFinansiell statistik FÖRELÄSNING 11
Finansiell statistik FÖRELÄSNING 11 Slumpvandring Brownsk rörelse 4 maj 2011 14:52 Pär och Pål Pär och Pål spelar ett hasardspel mot varandra upprepade gånger. Pär vinner = Pål betalar en krona. Pål vinner
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 4 7 november 2017 1 / 29 Idag Förra gången Viktiga kontinuerliga fördelningar (Kap. 3.6) Fördelningsfunktion (Kap. 3.7) Funktioner av stokastiska
Läs merFöreläsning 7: Punktskattningar
Föreläsning 7: Punktskattningar Matematisk statistik David Bolin Chalmers University of Technology April 7, 2014 Projektuppgift Projektet går ut på att genomföra ett statistiskt försök och analysera resultaten.
Läs merOrdinära differentialekvationer,
Sammanfattning metoder Ordinära differentialekvationer, del 2 Beräkningsvetenskap II n Eulers metod (Euler framåt, explicit Euler): y i+1 = y i + h i f (t i, y i ) n Euler bakåt (implicit Euler): y i+1
Läs merUppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion
Avd. Matematisk statistik TENTAMEN I 5B57 MATEMATISK STATISTIK FÖR T och M ONSDAGEN DEN 9 OKTOBER 25 KL 8. 3.. Examinator: Jan Enger, tel. 79 734. Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk
Läs merÖvning 1. Vad du ska kunna efter denna övning. Problem, nivå A
Övning 1 Vad du ska kunna efter denna övning Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Definiera fördelningsfunktionen för en stokastisk variabel. Definiera frekvensfunktionen
Läs merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.
Läs merMatematisk statistik 9hp Föreläsning 2: Slumpvariabel
Matematisk statistik 9hp Föreläsning 2: Slumpvariabel Anna Lindgren 6+7 september 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F2: Slumpvariabel 1/23 Begrepp Samband Grundläggande begrepp Utfall
Läs merMatematisk statistik, LMA 200, för DAI och EI den 25 aug 2011
Matematisk statistik, LMA, för DAI och EI den 5 aug Tentamen består av åtta uppgifter om totalt 5 poäng. Det krävs minst poäng för betyg, minst poäng för och minst för 5. Examinator: Ulla Blomqvist Hjälpmedel:
Läs merSF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.
SF1901: Sannolikhetslära och statistik Föreläsning 5. Flera stokastiska variabler. Jan Grandell & Timo Koski 31.01.2012 Jan Grandell & Timo Koski () Matematisk statistik 31.01.2012 1 / 30 Flerdimensionella
Läs merDemonstration av laboration 2, SF1901
KTH 29 November 2017 Laboration 2 Målet med dagens föreläsning är att repetera några viktiga begrepp från kursen och illustrera dem med hjälp av MATLAB. Laboration 2 har följande delar Fördelningsfunktion
Läs merFöreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar
Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F8: Statistikteori 1/20 Översikt Exempel Repetition Exempel Matematisk statistik
Läs merTentamen i Sannolikhetsteori III 13 januari 2000
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klitberg Lösigar Tetame i Saolikhetsteori III 13 jauari 2000 Uppgift 1 a) Det mest detaljerade utfallsrummet är med uppebara beteckigar Ω = {(B1, B2),
Läs merUppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 15-18, 30/11-12/
Uppsala Universitet Matematiska Institutionen Bo Styf Transformmetoder, 5 hp ES, gyl, Q, W 0-0-9 Sammanfattning av föreläsningarna 5-8, 30/ - / 0. Z-transformen ska avslutas och sedan blir det tentaförberedelser.
Läs merInterpolation Modellfunktioner som satisfierar givna punkter
Interpolation Modellfunktioner som satisfierar givna punkter Några tillämpningar Animering rörelser, t.ex. i tecknad film Bilder färger resizing Grafik Diskret representation -> kontinuerlig 2 Interpolation
Läs merTentamen i matematisk statistik, TAMS15/TEN (4h)
LINKÖPINGS UNIVERSITET Kurskod: TAMS1 Matematiska institutionen Provkod: TEN1 Johan Thim Datum: 2018-12-42 Institution: MAI Tentamen i matematisk statistik, TAMS1/TEN1 2018-12-42 (4h Hjälpmedel är: miniräknare
Läs merSF1544 LABORATION 2 INTEGRATION, MONTE-CARLO OCH BLACK-SCHOLES EKVATION FÖR OPTIONER
SF1544 LABORATION INTEGRATION, MONTE-CARLO OCH BLACK-SCHOLES EKVATION FÖR OPTIONER Avsikten med denna laboration är att: - snabbt komma igång med träning på matlabprogrammering (uttnyttja gärna alla schemalagda
Läs merKursplan. Matematiska och systemtekniska institutionen (MSI) Kurskod GUX712 Dnr MSI 03/04:16 Beslutsdatum 2003-10-10
Kursplan Matematiska och systemtekniska institutionen (MSI) Kurskod GUX712 Dnr MSI 03/04:16 Beslutsdatum 2003-10-10 Kursens benämning Engelsk benämning Ämne Specialisering - ämnesfördjupning i matematik/matematikdidaktik
Läs merFrån tidigare: Systemets poler (rötterna till kar. ekv.) påverkar egenskaperna hos diffekvationens lösning.
Föreläsning 4 Stabilitet (2.5) Från tidigare: Systemets poler (rötterna till kar. ekv.) påverkar egenskaperna hos diffekvationens lösning. Definition av insignal-utsignalstabilitet: OH-bild Sats 2.1: OH-bild
Läs merTAMS65 - Seminarium 4 Regressionsanalys
TAMS65 - Seminarium 4 Regressionsanalys Martin Singull Matematisk statistik Matematiska institutionen Problem 1 PS29 Vid ett test av bromsarna på en bil bromsades bilen upprepade gånger från en hastighet
Läs mer, för 0 < x < θ; Uppgift 2
TAMS17/TEN1 STATISTISK TEORI FK TENTAMEN FREDAG 1/4 2016 KL 08.00-12.00. Examinator och jourhavande lärare: Torkel Erhardsson, tel. 28 14 78. Tillåtna hjälpmedel: Formelsamling i matematisk statistik utgiven
Läs merFormel- och tabellsamling i matematisk statistik
Formel- och tabellsamling i matematisk statistik 1. Sannolikhetsteori för lärarprogrammet Sannolikhetsformler P (A ) = 1 P (A) P (A B) = P (A) + P (B) P (A B) P (A B) = P (A B) P (B) P (A B) = P (A B)P
Läs merTekniska beräkningar. Vad är tekn beräkningar? Vad är beräkningsvetenskap? Informationsteknologi. Informationsteknologi
Tekniska beräkningar stefan@it.uu.se Vad är tekn beräkningar? Finns några olika namn för ungefär samma sak Numerisk analys (NA) Klassisk NA ligger nära matematiken: sats bevis, sats bevis, mer teori Tekniska
Läs merValbara kurser för kandidatexamen i matematisk statistik
1 (5) 2019-03-27 Martin Sköld Studierektor Matematiska institutionen Matematisk statistik Valbara kurser för examina inom huvudområdena matematisk statistik och försäkringsmatematik I de lokala examensbeskrivningarna
Läs merBose-Einsteinkondensation. Lars Gislén, Malin Sjödahl, Patrik Sahlin
Bose-Einsteinkondensation Lars Gislén, Malin Sjödahl, Patrik Sahlin 3 mars, 009 Inledning Denna laboration går ut på att studera Bose-Einsteinkondensation för bosoner i en tredimensionell harmonisk-oscillatorpotential.
Läs merPartiella differentialekvationer: Koppling Diskret - Kontinuum och Finita Elementmetoden
Partiella differentialekvationer: Koppling Diskret - Kontinuum och Finita Elementmetoden Johan Jansson November 29, 2010 Johan Jansson () M6 November 29, 2010 1 / 26 Table of contents 1 Plan och Syfte
Läs merTentamen i Beräkningsvetenskap I och KF, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Avdelningen för beräkningsvetenskap Tentamen i Beräkningsvetenskap I och KF, 5.0 hp, 017-0-14 Skrivtid: 14 00 17 00 (OBS! Tre timmars skrivtid!)
Läs mer2D1240 Numeriska metoder gk II för T2, VT Störningsanalys
Olof Runborg ND 10 februari 2004 2D1240 Numeriska metoder gk II för T2, VT 2004 Störningsanalys Indata till ett numeriskt problem innehåller i praktiken alltid (små) fel.felen kan bero på tex mätfel, avrundningsfel
Läs merKINETISK TEORI och Boltzmannekvationen
) KINETISK TEORI och Boltzmannekvationen En gas består av myriader av molekyler... En gas består av molekyler, och det som skiljer en gas från en vätska eller från en fast kropp, är att molekylerna för
Läs merFöreläsning 1 Reglerteknik AK
Föreläsning 1 Reglerteknik AK c Bo Wahlberg Avdelningen för Reglerteknik, KTH 29 augusti, 2016 2 Introduktion Example (Temperaturreglering) Hur reglerar vi temperaturen i ett hus? u Modell: Betrakta en
Läs merOmtentamen i DV & TDV
Umeå Universitet Institutionen för Datavetenskap Gunilla Wikström (e-post wikstrom) Omtentamen i Teknisk-Vetenskapliga Beräkningar för DV & TDV Tentamensdatum: 2006-06-05 Skrivtid: 9-15 Hjälpmedel: inga
Läs merTentamen i Beräkningsvetenskap II, 5.0 hp,
Uppsala universitet Institutionen för informationsteknologi Teknisk databehandling Tentamen i Beräkningsvetenskap II, 5.0 hp, 2010-05-31 Skrivtid: 14 00 17 00 (OBS! Tre timmars skrivtid!) Hjälpmedel: Bifogat
Läs merEnlagersnät Flerlagersnät Generalisering. Artificiella Neuronnät
Artificiella Neuronnät 1 Karaktäristiska egenskaper Användningsområden Klassiska exempel Biologisk bakgrund 2 Begränsningar Träning av enlagersnät 3 Möjliga avbildningar Backprop algoritmen Praktiska problem
Läs merTENTAMEN Reglerteknik 4.5hp X3
OBS: Kontrollera att du har fått rätt tentamen! Denna tentamen gäller i första hand för Reglerteknik 4.5hp. På sista sidan av tentamen finns ett försättsblad, som ska fyllas i och lämnas in tillsammans
Läs merRepetitionsfrågor: 5DV154 Tema 4: Förbränningsstrategier för raketer modellerade som begynnelsevärdesproblem
Institutionen för datavetenskap Umeå universitet december 06 Teknisk beräkningsvetenskap I Repetitionsfrågor: 5DV54 Tema 4: Förbränningsstrategier för raketer modellerade som begynnelsevärdesproblem Del
Läs merProblemlösning 2 Stokastisk simulering., Problemlösning 2 Stokastisk simulering 1/13
Problemlösning 2 Stokastisk simulering, Problemlösning 2 Stokastisk simulering 1/13 Strategier Flera lösningsmetoder är möjliga Deterministisk/kontinuerlig metod (ODE-lösare) Stokastisk/diskret (Continuous
Läs merTAMS65. Formel- och tabellsamling i matematisk statistik TAMS65. Martin Singull TAMS65 TAMS65
Formel- och tabellsamling i matematisk statistik Martin Singull Innehåll 4.1 Multipel regression.............................. 15 1 Sannolikhetslära 7 1.1 Några diskreta fördelningar.........................
Läs merTENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004, TEN
TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004, TEN 06-06-0 Hjälpmedel: Formler oh tabeller i statistik, räknedosa Fullständiga lösningar erfordras till samtliga uppgifter. Lösningarna skall vara
Läs merLösningsskiss för tentamen Vektorfält och klassisk fysik (FFM234 och FFM232)
Lösningsskiss för tentamen Vektorfält och klassisk fysik (FFM23 och FFM232) Tid och plats: Måndagen den 29 oktober 208 klockan 00-800, Maskinsalar Lösningsskiss: Christian Forssén Detta är enbart en skiss
Läs merReglerteori. Föreläsning 11. Torkel Glad
Reglerteori. Föreläsning 11 Torkel Glad Föreläsning 11 Torkel Glad Februari 2018 2 Sammanfattning av föreläsning 10. Fasplan Linjärisering av ẋ = f(x) kring jämviktspunkt x o, (f(x o ) = 0) f 1 x 1...
Läs merÖvning 1(a) Vad du ska kunna efter denna övning. Problem, nivå A. Redogöra för begreppen diskret och kontinuerlig stokastisk variabel.
Övning 1(a) Vad du ska kunna efter denna övning Redogöra för begreppen diskret och kontinuerlig stokastisk variabel. Definiera fördelningsfunktionen för en stokastisk variabel. Definiera frekvensfunktionen
Läs merTentamen med lösningsdiskussion. TSFS06 Diagnos och övervakning 1 juni, 2013, kl
Tentamen med lösningsdiskussion TSFS6 Diagnos och övervakning juni, 23, kl. 4.-8. Tillåtna hjälpmedel: TeFyMa, Beta, Physics Handbook, Reglerteknik (Glad och Ljung), Formelsamling i statistik och signalteori
Läs merTENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL
TENTAMEN I SF950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 010 KL 14.00 19.00 Examinator : Gunnar Englund, tel. 790 7416, epost: gunnare@math.kth.se Tillåtna hjälpmedel: Formel-
Läs mer1 Föreläsning V; Kontinuerlig förd.
Föreläsning V; Kontinuerlig förd. Ufallsrummet har hittills varit dsikret, den stokastisk variabeln har endast kunnat anta ett antal värden. Ex.vis Poissonfördeln. är antal observationer inom ett tidsintervall
Läs mer(a) sannolikheten för att läkaren ställer rätt diagnos. (b) sannolikheten för att en person med diagnosen ej sjukdom S ändå har sjukdomen, dvs.
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 31:E MAJ 2012 KL 08.00 13.00. Examinator: Tobias Rydén, tel 790 8469. Kursledare: Tatjana Pavlenko, tel 790 8466.
Läs mer