Grafisk analys av en skalär rekursion

Storlek: px
Starta visningen från sidan:

Download "Grafisk analys av en skalär rekursion"

Transkript

1 Grafisk aalys av e skalär rekursio Aders Källé MatematikCetrum LTH aderskalle@gmail.om Sammafattig Här ska vi tittärmare på vad som häder med lösigara på rekursiosformler på forme +1 = f( ) då. Metode är grafisk, oh de ger därigeom e illustratio av grävärdesbegreppet för talföljder. Vi itroduerar okså på väge ågra begrepp som kopplar detta till dyamiska system: stabila oh istabila jämviktsläge.

2 Grafisk aalys av e skalär rekursio 1 (12) Itroduktio Talföljder ka uppkomma på måga olika sätt. Om bestäms helt av de föregåede tale i följde, säger ma att talföljde är rekursivt bestämd. Om relatioe är +1 = f( ) för ågo fuktio f av e variabel, kallas det ett edimesioellt dyamiskt system i diskret tid (parameter är tide). Om vi bestämmer ett startvärde a 0, så defiierar ett sådat system e oädlig talföljd, vilke kallas för lösige till det dyamiska systemet. Dyamiska system dyker upp blad aat som grova modeller iom ekologi, för populatioer för vilka det ite sker ågo överlappig mella geeratioera. Måga isektsarter i tempererade zoer hör hit med e kortlivad vuxe geeratio per år. Vi atar då att = atalet vuxa i geeratio ummer bestäms helt av atalet vuxa i föregåede geeratio 1, dvs att det fis ett sambad av type ova för ågo fuktio f, som då kallas populatioes reproduktiosfuktio. Geom att göra e modell av e viss populatio på detta sätt får möjligheter att förstå hur populatioe kommer att utvekla sig med tide oh hur ma, geom att maipulera reproduktiosfuktioe, ka gör förutsägelser om vad som häder om ma ädrar dess livsbetigelser (t.ex. utfiskig eller miljöförstörig). Amärkig I e biologisk verklighet ka ma aturligtvis ite förväta sig e exakt relatio av ovaståede slag. Det bästa ma ka hoppas på är att de faktiska geeratiosstorlekara är sådaa att om vi plottar pare (, +1 ) i ett xy-koordiatsystem, så ligger puktera i ärhete av kurva y = f(x). Malthus modell Vi börjar med det kaske eklaste dyamiska systemet av alla: +1 = r, a 0 = a. Dess lösig är lätt att härleda, de består av de geometriska talföljde {ar } =0. Detta system utgör de eklaste populatiosmodelle iom ekologi oh kallas Malthus modell. Kvote r = +1 / utgör då det geomsittliga atalet ugar per idivid i varje geeratio (som alltså atas vara kostat). Om r > 1 gäller att då, vilket är lätt att förstå ituitivt: om varje idivid i geomsitt får mer ä e uge, växer populatioe över alla gräser. Om istället 0 < r < 1 gäller att 0 då, vilket okså är lätt att förstå: om varje idivid får i medeltal färre ä e uge kommer arte att dö ut. Vi sku studera det ärbesläktade dyamiska systemet +1 = r + a med startvärde a 0. Vi ska då se vad som häder med för stor med hjälp av e geometrisk metod som på egelska kallas obwebbig [1] av skäl som sart ska framgå.

3 Grafisk aalys av e skalär rekursio 2 (12) Vi ritar grafe för reproduktiosfuktioe f(x) = rx + a tillsammas med lije y = x i ett koordiatsystem. För att grafiskt bestämma talföljde utifrå ett startvärde a 0 gör vi som följer. Rita först ut talet a 0 på x-axel. För att få a 1 = f(a 0 ) geometriskt går vi upp parallellt med y-axel frå a 0 på x-axel till grafe för f oh därefter parallellt med x-axel till lije y = x. Om vi u går er till x-axel parallellt med y-axel hamar vi i pukte a 1. För att få a 2 = f(a 1 ) förfar vi seda på samma sätt utifrå a 1. Därefter bestämmer vi de följade tale på samma sätt. 1 I figure ova ser vi hur det ser ut i fallet 0 < r < 1. I de västra figure, där är ritad mot 1 för två olika sviter med olika startvärde, har vi markerat startpukte med e fylld lite röd irkel. I de högra figure är ritad mot sitt idex för samma sviter. Vi ser att då växer kommer tale att mer oh mer ärma sig det tal som fås som skärigspukt för de två räta lijera. Detta iebär att f( ) =, oh löser vi de ekvatioe får vi att = a 1 r. Figure eda illustrerar fallet 1 < r < 0. Äve u ärmar sig x-koordiate för skärigspukte mella de två lijera, som ger samma uttryk som i det föregåede fallet. Me dea gåg ärmar sig värdet på ett svägade sätt som i de västra figure gör att väge i till skärigspukte atar forme av ett spidelät. Detta motiverar de egelska terme för dea grafiska metod att bestämma gräsvärdet. 1 Att matematiskt bevisa att då i dessa två fall låter sig göras med e ekel observatio. Om vi ämlige skriver =,

4 Grafisk aalys av e skalär rekursio 3 (12) så ser vi att +1 = r. Talföljde { } blir alltså e geometrisk såda med e kvot r som uppfyller r < 1. Me det betyder att 0 då, vilket i si tur betyder att lim =. I figure eda illustreras vad som häder då r > 1 (övre rade) respektive r < 1 (edre rade). I dessa fall gäller att ite har ett gräsvärde. Då r > 1 gäller att växer mot oädlighete då, meda uppföradet är mer komplierat då r < 1. Dok gäller att okså i detta fall. 1 1 Som avslutig tar vi det två falle r = 1 oh r = 1. Det första är ekelt: om +1 = + a, så följer att = a 0 + a som går mot oädlighete om a > 0 me mius oädlighete om a < 0. I fallet r = 1 ser vi att det gäller att vilket betyder att = 1 + a = ( 2 + a) + a = 2, a 0 = a 2 = a 4 = a 6 =... Alla värde med jäma idex är alltså lika med a 0. På samma sätt ser vi att alla värde med udda idex är lika med a 1 = f(a 0 ). Lösigsmägde består alltså av två värde, a 0 oh a 1 = f(a 0 ). E såda lösig kallas e 2-ykel.

5 Grafisk aalys av e skalär rekursio 4 (12) Amärkig Vi har ova geometriskt diskuterat lösige till det dyamiska systemet +1 = r + a uta att påpeka att vi faktiskt ka skriva upp lösige expliit = r a 0 + a(1 + r + r r 1 ) = r a 0 + a 1 r 1 r. Frå de är det lätta att dra slutsatsera ova uta att ritågra figurer. Vi har faktiskt t.o.m. härlett formel, eftersom vi visade att om =, så gäller att = 0 r, där 0 = a 0. Detta ger formel. Lite termiologi (som vi återväder till lägre fram): talet som är skärige mella kurvora y = rx + a oh y = x kallas systemets jämviktsläge. Om för alla startvärde a 0 så sägs jämviktsläget vara stabilt, meda om sägs det vara istabilt. Vi ska avsluta detta avsitt med ett exempel frå ekoomi där dea typ av ekvatioer dyker upp. Vi ska betrakta fråga om tillgåg oh efterfråga för e vara som tar e tidsehet att produera. Sådaa modeller utveklades för jordbruksidustri, där produkte (e gröda) produeras e gåg om året oh jordbrukare måste plaer ästa års sådd utifrå detta års pris på gröda. Exempel 1 Atag att vi äger e gård oh vill avgöra hur stor areal som ska aslås för kor. Om dagspriset är högt, aslår vi e stor areal, vilket kommer att leda till stor tillgåg oh därmed ett prisfall ästa år. Nästa år kommer det därför att sås midre mägd kor, vilket kommer att leda till att priset går upp ige oh så vidare. För att utvekla e modell för detta ska vi betrakta tre storheter: tillgåge t, efterfråga e oh priset p år. Dessa tre storheter relateras till varadra med hjälp av tre ekvatioer 1 Tillgåge på kor beror av priset föregåede år: t = sp 1 + a, där kostate s mäter produetes priskäslighet. Vi atar att s > 0. 2 Efterfråga på kor beror av priset ievarade år: e = dp + b, där d > 0 mäter kosumetes priskäslighet. Miusteket kommer sig av att efterfråga bör miska med ökat pris. 3 Varje år köpslås priset så att tillgåg oh efterfråga blir lika: t = e. Om vi stoppar i de två första ekvatioera i de tredje får vi att sp 1 + a = dp + b, vilket ger oss det dyamiska systemet p = s d p 1 + b a d.

6 Grafisk aalys av e skalär rekursio 5 (12) Detta har jämviktsläget p = b a s + d, vilket är stabilt då s/d < 1, oh eftersom både s oh d är positiva tal, betyder det att s < d. Omvät, om s > d är jämviktsläget istabilt. Vi får därför e stabil markad om kosumetera är mer priskäsliga ä produetera, meda markade blir istabil om det omväda gäller. Amärkig Som exempel, betrakta oljeidusti. I börja på 1970-talet höjde de oljeproduerade OPEC-lädera prisera. Detta stimulerade idustri att letya oljereservoarer, oh därmed (med ett par års förskjutig) si produktio. Deras käslighet, s, var alltså stor. Kosumetera däremot har ett ågorluda fixt behov av olja, oh är därför relativt okäsliga för prishöjigar (d är litet). Vi har därför att s > d, oh ka frå ovaståede modell dra slutsatse att oljepriset skulle sväga oh ite vilja stabilisera sig på ågo ivå. Vilket okså var vad som häde. Vad ka ma då göra åt e istabil markad? Problemet är att s > d, så ett sätt är att öka d. Om det är ett atioellt problem, ka e regerig gå i som kosumet oh stödköpa. Alterativ, gå i oh betala produetera för att ite produera vara. E ike-lijär modell Malthus modell i fallet r > 1 är ågot orealistisk som ekologisk modell i lägde eftersom resultatet är e geometrisk talföljd som växer över alla gräser. Malthus ega överläggig byggde på att de mäskliga populatioe växer som e geometrisk talföljd meda födoresursera edast växer som e liear fuktio av tide. Detta begräsar med tide populatioes tillväxt på ett sätt som modelle ite tar häsy till uta föda, ige överlevad. Ma ka se det som att r egetlige ite är e kostat uta beror av geeratioes storlek. E ekel modell för e populatio som växer i e miljö med begräsade resurser får vi om vi låter reproduktiosforme f ha forme Detta ger oss det dyamiska systemet f(x) = +1 = bx K + x. b K +. Jämfört med Malthus modell har vi här att r = b/(k + ). Dea modell iehåller två parametrar b oh K. Vi är itresserad av vad som häder med då blir stor. För detta ädamål ka vi förekla ekvatioe lite uta att förlora ågot. Om vi ämlige iför talföljde defiierad av = /K (vilket iebär att vi mäter atalet i proet av K), så har vi att +1 = +1 K = b K /K 1 + /K,

7 Grafisk aalys av e skalär rekursio 6 (12) dvs, med r = b/k, att +1 = r 1 +. Vet vi hur talföljde { } uppför sig då blir stor, vet vi okså hur talföljde { } uppför sig, det är bara att multipliera med K! Ett aat sätt att uttryka detta är att säga att det räker om vi betraktar fallet K = 1, vilket vi därför gör i fortsättige. Vi vill därför udersöka lösige till de dyamiska systemet +1 = b 1 +, med startvärde a 0 > 0. För att göra detta ska vi aväda tekike frå föregåede avsitt. Vi ritar därför kurvora y = f(x) oh y = x i samma koordiatssystem. Vi ka otera att dessa skär varadra i de pukt där x = = b 1. Om vi tittar på skillade f(x) x = x(a x) 1 + x, så ser vi att vi har två olika fall att beakta. De illustreras i figure eda. a) Om b > 1 så är f(x) x positiv då 0 < x < oh seda egativ. Det betyder att grafe för f ligger över de räta lije y = x så läge som 0 < x <, oh därefter uder de. b) Om b 1 är f(x) x egativ för alla x, så grafe för f ligger uder de räta lije hela tide. 1 Vi ser u ärmare på det första fallet. Figure visar då att lim = = b 1. Vi ska strax bevisa detta påståede ordetligt. Låt oss dok först kostatera att det är talet som är de viktiga kosekvese av modelle ur ekologisk syvikel. Ni ser ämlige att om modelle är rimlig, så färvätar vi oss att atalet djur kommer att ligga i ärhete av. Äve om ågot häder som plötsligt reduerar dess atal, är hädelse väl är över oh ågra har överlevt, ska populatioe återhämta sig oh å ivå.

8 Grafisk aalys av e skalär rekursio 7 (12) Bevis. Vi väljer ett bevis för gräsvärdet ova som visserlige är tekiskt, me illustrerar e allmä bevistekik för gräsvärde. Idé i beviset är att visa att talföljde = uppfyller r 0 för ågot r sådat att 0 < r < 1. Om vi ka göra det, följer att 0 då, vilket visar påståedet. Vi observerar u att +1 = b 1 + ba 1 + = b (1 + )(1 + ) ( ) = ( ). Första likhete utyttjade här att = f( ) oh de sista att b = 1 +. För att få de olikhet vi söker måste vi u visa att det fis ett tal A > 0 sådat att A för all. Då följer ämlige att 1 r = A, oh vi ka fullborda beviset som beskrevs ova. Me ur figure ser vi att 1 om 0 < a 0 <, så gäller att > a 0 för all, så vi ka ta A = a 0, 2 om a 0 >, så gäller att >, så vi ka ta A =. För att visa dessa strägt aväder vi formel +1 = ( ) som vi visade ova. Ur de ser vi ju att om >, så gäller att +1 >, vilket visar 2 ova. Om istället a 0 < så visar de att < för all. Dessutom har vi att +1 = b 1 + = 1 + ( ), vilket visar att om < så gäller att +1 > för all, oh alltså speiellt att > a 0 för all. (Notera att dea sista olikhet visar att svite är avtagade om a 0 >, me växade om a 0 <.) Jämviktsläge till dyamiska system i diskret tid Det asymptotiska uppföradet av ett dyamiskt system +1 = f( ) bestäms av hur (oh om) kurva y = f(x) skär lije y = x. Vi ska se ret geometriskt på ågra exempel för att bilda oss e uppfattig om vad som ka häda. Detta kommer okså att itroduera lite termiologi för dyamiska system. Vi betraktar grafe för f i ärhete av e pukt som är fixpukt till f, dvs som löser ekvatioe f(x) = x. Ma säger då att är ett jämviktsläge för det dyamiska systemet. Det betyder att om vi startar med a 0 =, så kommer alla att vara =. Ett jämviktsläge är atige stabilt eller istabilt. Löst uttrykt är det stabilt om det gäller att om vi start tillräkligt ära så förblir lösige ära hela tide. Om detta ite gäller sägs jämviktsläget vara istabilt.

9 Grafisk aalys av e skalär rekursio 8 (12) Defiitio Ett jämviktsläge till ett dyamiskt system är stabilt om det till varje ɛ > 0 fis ett δ > 0 sådat att a 0 < δ < ɛ för all. Ett jämviktsläge som ite är stabilt sägs vara istabilt. Om är ett stabilt jämviktsläge oh det dessutom fis ett δ > 0 sådat att sägs jämviktsläget vara asymptotiskt stabilt. < δ lim =, Atag först att fuktioe f är e växade fuktio ära fixpukte. Grafe för f ka då i priip förhålla sig på två olika sätt till lije y = x i ärhete av pukte. Dessa fall illustreras i edaståede figurer. 1 I figure ova, där grafe för f skär lije ovaifrå, ser vi att hur vi ä väljer a 0 ära, så kommer då. Det betyder att är ett asymptotiskt stabilt jämviktsläge. Om istället grafe för f skär lije uderifrå, som i figure eda, ser vi att om vi startar med a 0 till väster om, så kommer att avta, åtmistoe i börja. Startar vi med a 0 till höger om kommer att växa, åtmistoe i börja. I båda falle kommer svite att läma för att ite återkomma, oberoede av hur ära startpukte a 0 ligger (så läge som a 0 ). Vi ser att är ett istabilt jämviktsläge. 1

10 Grafisk aalys av e skalär rekursio 9 (12) Om ett jämviktsläge är stabilt eller ite bestäms av hur graf y = f(x) skär lije y = x. Om vi drar tagete i jämviktspukte då grafe skär lije ovaifrå, så ska dess riktigskoeffiiet vara positiv me midre ä riktigskoeffiiete för lije (som är 1). Då är jämviktsläget asymptotiskt stabilt. På samma sätt ser vi att villkoret för att det ska se ut som i de adra figure vid jämviktsläget är att tagete till grafe har e riktigskoeffiiet som är större ä 1. Då är alltså jämviktsläget istabilt. Vi formulerar dessa påståede som e sats lägre fram i detta avsitt. Exempel 2 De populatiosmodell som diskuterades i föregåede avsitt sakar e aspekt av verklighete, ämlige de risk för utrotig som populatioe löper då de är väldigt lite. Det ka t.ex. vara föreat med stora svårigheter att fia e parter uder sådaa omstädigheter, eller så är rovdjurstryket för stort. E modell som tar häsy till detta har e reproduktiosfuktio på forme f(x) = bx2 K + x 2 för lämpliga b, K. Ritar vi upp situatioe får vi bilde i figure eda. b b a a a b 1 Vi har tre fixpukter för f, ämlige 0 < a < b. Av figure oh diskussioe ova framgår att 0 oh b är stabila jämviktspukter för det dyamiska systemet, meda a är istabilt. Om a 0 > a, så gäller att b då, me om 0 < a 0 < a, så ser vi att 0 då, dvs populatioe utrotas. Vi ser att för att förhidra utrotig måste populatioe hålla sig över tröskelvärdet a. Vi sku se ärmare på ett jämviktsläge där fuktioe f är avtagade i ärhete av x =. Äve u har vi två fall att ta häsy till, vilka illustreras i figurereda 1

11 Grafisk aalys av e skalär rekursio 10 (12) I figure ova ser vi att, me att tale altererade är större ä oh midre ä. Jämviktsläget är ett stabilt sådat, me ärmar sig det osillatoriskt (alltså, är omväxlade större oh midre ä ). Följer ma på motsvarade sätt tale i figure eda, ser vi att äve u osillerar dessa krig, me att de u försvier lägre oh lägre bort frå. I detta fall är jämviktsläget istabilt. 1 Vad är det som skiljer dessa fall åt? Vi iser att det är tagetes riktigskoeffiiet som spelar e avgörade roll. Villkoret för att jämviktsläget ska vara stabilt borde vara att riktigskoeffiiete för tagete ligger mella 1 oh 0. Om emellertid f:s graf skär lije y = x bratare ä så, alltså om tagetes riktigskoeffiiet är midre ä 1, så försvier talföljde bort frå på ett osillatoriskt sätt. Eftersom riktigskoeffiiete för tagete till e fuktioskurva ges av derivata av fuktioe i pukte ifråga har vi geometriskt motiverat följade sats. Sats 1 Låt vara e fixpukt till de kotiuerligt deriverbara fuktioe f. Om f () < 1 är då jämviktsläget asymptotiskt stabilt för motsvarade dyamiska system, meda om f () > 1 är det istabilt. Amärkig Notera att satse ite säger ågot om vad som häder då f () = 1. I det fallet måste ma göra e oggraare aalys av hur skärige mella kurvora ser ut. Vi går ite i på det, uta lämar det åt läsare att fudera krig. Exempel 3 Newto-Raphsos metod för att lösa ekvatioe f(x) = 0 umeriskt utfrå ett approximativt startvärde x 0 iebär att vi löser rekursiosformel Detta är ett dyamiskt system: x +1 = F (x ), x +1 = x f(x ) f (x ). F (x) = x f(x) f (x). Jämviktslägea till detta, alltså fixpuktera till F, är preis lösigara till ekvatioe f(x) = 0 (så läge f (x) 0). Med lösigara till f(x) = 0 är preis jämviktslägea till det dyamiska systemet x +1 = F (x ). Me dessa är alla asymptotiskt stabila därför att F (x) = f(x)f (x)/f (x) 2 = 0 då f(x) = 0.

12 Grafisk aalys av e skalär rekursio 11 (12) Om vi därför bara har ett tillräkligt brärmevärde att utgå ifrå (erhållet t.ex. geom att först skissera grafe för f så att vi vet ugefär var ollställea ligger), så kovergerar Newto-Raphsos metod mot det söktollstället. För ett ordetligt bevis för satse börjar vi med följade hjälpsats Lemma 1 Låt f vara e deriverbar fuktio i ett itervall I som iehåller e fixpukt till de. Atag vidare att det fis ett tal α < 1 sådat att f (x) α < 1 då x ligger i I, samt att f avbildar itervallet I i i sig självt. Då är eda fixpukte i I oh lösige till motsvarade dyamiska system kovergerar mot för varje startvärde a 0 som ligger i I. Bevis. Vi börjar med att visa att det edast fis e fixpukt. Låt vara e aa. Eligt medelvärdessatse gäller då att = f() f( ) = f (ξ)( ) α. Eftersom α < 1 är detta omöjligt om ite =. Detta visar att det fis preis e fixpukt i I. Låt u defiieras av +1 = f( ) oh startvärde a 0 i I. Eligt förutsättigara kommer då alla att ligga i I. Vidare ger medelvärdessatse att +1 = f( ) f() = f (ξ)( ) α. Vi ser att vi ärmar oss för varje iteratiossteg. Mer preist har vi att α 1... α a 0. Detta bevisar att då. Vi ka u bevisa satse. Bevis. Atag först att f () < 1. Eligt förutsättigara är f (x) e kotiuerlig fuktio oh om vi tar α sådat att f () < α < 1, så fis ett itervall I krig såda att f (x) α. Därmed är de ea förutsättige i lemmat uppfylld. För att få de adra, miskar vi itervallet I lite geom att kapa de i ea äde så att det har som mittpukt. Kalla äve detta, midre, itervall för I. Om x ligger i det gäller då att f(x) = f(x) f() = f (ξ)(x ) x, vilket betyder att äve f(x) ligger i I. Resultatet följer u ur lemmat. Atag u istället att f () > 1 oh välj ett itervall I oh tal α sådat att f (x) α > 1 då x ligger i I. Om x ligger i I gäller då att f(x) α x, vilket betyder att f(x) atige ite ligger i I, ellser så ligger f(x) i I me lägre bort frå ä x. Det medför att jämviktsläget är istabilt för det dyamiska systemet.

13 Grafisk aalys av e skalär rekursio 12 (12) Ett dyamiskt system +1 = f( ) måste ite ärma sig ett jämviktsläge asymptotiskt. Istället är det så att lågtidsbeteedet ka vara gaska komplierat oh ike-reguljärt oh ärmast lika kaos. Nästa exemple illustrera vad det är som häder. Exempel 4 Betrakta det dyamiska systemet +1 = e r(1 a). Det har två jämviktsställe: = 0 oh = 1. Derivata av f(x) = xe r(1 x) är f (x) = e r(1 x) (1 rx), så f (0) = e r oh f (1) = 1 r. Om därför 0 < r < 2, så ser vi att = 0 är istabilt me = 1 är stabilt. Detta illustreras i figure till väster eda. 1 1 Me vad häder då är r > 2, då vi ite har ågra stabila lösigar? E illustratio fis i figure till höger ova, som visar vad som häder då r = 2.1. Det vi ser är att lösige asymptotiskt ärmar sig e lösig som växlar mella två värde. E såda lösig kallas e 2-ykel. Om ma ökar r uppkommer mer komplierade lösigar, me det är e aa historia. Noterigar 1. obweb=spidelät

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R. P Potesserier Med e potesserie mear vi e serie av type c x, där c, c, c,... är giva (reella eller komplexa) kostater, s.k. koefficieter, och där x är e (reell eller komplex) variabel. För varje eskilt

Läs mer

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren? Problemlösig. G. Polya ger i si utmärkta lilla bok How to solve it (Priceto Uiversity press, 946) ett schema att följa vid problemlösig. I de flod av böcker om problemlösig som har följt på Polyas bok

Läs mer

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1 duktio LCB 2000 Ersätter Grimaldi 4. Rekursio och iduktio; ekla fall E talföljd a a 0 a a 2 ka aturligtvis defiieras geom att ma ager e explicit formel för uträkig av dess elemet, som till exempel () a

Läs mer

101. och sista termen 1

101. och sista termen 1 Lektio, Evariabelaalys de ovember 999 5.. Uttryck summa j uta summasymbole. j + Termera är idexerade frå j = till j = och varje term är blir j j+. Summa Skriver vi upp summa uta summasymbole blir de +

Läs mer

b 1 och har för olika värden på den reella konstanten a.

b 1 och har för olika värden på den reella konstanten a. Första häftet 649. a) A och B spelar cigarr, vilket som bekat tillgår på följade sätt. Omväxlade placerar de ibördes lika, jämtjocka cigarrer på ett rektagulärt bord, varvid varje y cigarr måste placeras

Läs mer

Genomsnittligt sökdjup i binära sökträd

Genomsnittligt sökdjup i binära sökträd Iformatiostekologi Tom Smedsaas 10 augusti 016 Geomsittligt sökdjup i biära sökträd Detta papper visar att biära sökträd som byggs upp av slumpmässiga data är bra. Beteckigar och defiitioer Defiitio De

Läs mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x) Uppsala Uiversitet Matematiska Istitutioe Bo Styf Evariabelaalys, 0 hp STS, X 200-0-27 Föreläsig 26, 9/2 20: Geomgåget på föreläsigara 26-30. Att lösa de ihomogea ekvatioe. De ekvatio vi syftar på är förstås

Läs mer

Föreläsning 3. 732G04: Surveymetodik

Föreläsning 3. 732G04: Surveymetodik Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall

Läs mer

Borel-Cantellis sats och stora talens lag

Borel-Cantellis sats och stora talens lag Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi

Läs mer

Räkning med potensserier

Räkning med potensserier Räkig med potesserier Serier (termiologi fis i [P,4-4]!) av type P + + + + 4 +... k ( om < ) k + + + + P 4 4 +... k k! ( e för alla ) k och de i [P, sid.9, formler 7-] som ärmast skulle kua beskrivas som

Läs mer

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I MS-A0409 Grudkurs i diskret matematik Sammafattig, del I G. Gripeberg Aalto-uiversitetet 2 oktober 2013 G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober

Läs mer

DEL I. Matematiska Institutionen KTH

DEL I. Matematiska Institutionen KTH 1 Matematiska Istitutioe KTH Lösig till tetamesskrivig på kurse Diskret Matematik, momet A, för D2 och F, SF1631 och SF1630, de 5 jui 2009 kl 08.00-13.00. DEL I 1. (3p) Bestäm e lösig till de diofatiska

Läs mer

Uppgifter 3: Talföljder och induktionsbevis

Uppgifter 3: Talföljder och induktionsbevis Gruder i matematik och logik (017) Uppgifter 3: Talföljder och iduktiosbevis Ur Matematik Origo 5 Talföljder och summor 3.01 101. E talföljd defiieras geom formel a 8 + 6. a) Är det e rekursiv eller e

Läs mer

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING Defiitio Polyom är ett uttryck av följade typ P( ) a a a, där är ett icke-egativt heltal (Kortare 0 P k ( ) a a 0 k ) k Defiitio

Läs mer

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet? Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel

Läs mer

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process.

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process. Armi Halilovic: EXTRA ÖVNINGAR aplace-ekvatioe APACES EKVATION Vi etraktar följade PDE u, u,, a, ekv1 som kallas aplaces ekvatio Ekvatioe ekv1 ka eskriva e sk statioär tillståd stead-state för e fsikalisk

Läs mer

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp)

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp) KTH-Matematik Tetameskrivig, 2008-0-0, kl. 4.00-9.00 SF625, Evariabelaalys för CITE(IT) och CMIEL(ME ) (7,5h) Prelimiära gräser. Registrerade å kurse SF625 får graderat betyg eligt skala A (högsta betyg),

Läs mer

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1 UPPSALA UNIVERSITET Matematiska istitutioe Sigstam, Styf Svar till övigsteta ENVARIABELANALYS 0-0- Svar till övigsteta. Del A. Bestäm e ekvatio för tagete till kurva y f x) x 5 i pukte där x. Skissa kurva.

Läs mer

Lösningar och kommentarer till uppgifter i 1.1

Lösningar och kommentarer till uppgifter i 1.1 Lösigar och kommetarer till uppgifter i. 407 d) 408 d) 40 a) 3 /5 5) 5 3 0 ) 0) 3 5 5 4 0 6 5 x 5 x) 5 x + 5 x 5 x 5 x 5 x + 5 x 40 Om det u är eklare så här a x a 3x + a x) a 4x + 43 a) 43 45 5 3 5 )

Läs mer

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist Föreläsig VI Mikael P. Sudqvist Aritmetisk summa, exempel Exempel I ett sällskap på 100 persoer skakar alla persoer had med varadra (precis e gåg). Hur måga hadskakigar sker? Defiitio I e aritmetisk summa

Läs mer

Datorövning 2 Fördelningar inom säkerhetsanalys

Datorövning 2 Fördelningar inom säkerhetsanalys Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade

Läs mer

Analys av polynomfunktioner

Analys av polynomfunktioner Aals av polomfutioer Aals36 (Grudurs) Istuderigsuppgifter Dessa övigar är det tät du sa göra i aslutig till att du läser huvudtete. De flesta av övigara har, om ite lösigar, så i varje fall avisigar till

Läs mer

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P( Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycket av type a a a 0 ( där är ett icke-egativt heltal) Defiitio Låt P( a a a0 vara ett polyom där a 0, då

Läs mer

Kompletterande kurslitteratur om serier

Kompletterande kurslitteratur om serier KTH Matematik Has Thuberg 5B47 Evariabelaalys Kompletterade kurslitteratur om serier I Persso & Böiers.5.4 itroduceras serier, och serier diskuteras också i kapitel 7.9. Ia du läser vidare här skall du

Läs mer

TNA001 Matematisk grundkurs Övningsuppgifter

TNA001 Matematisk grundkurs Övningsuppgifter TNA00 Matematisk grudkurs Övigsuppgiter Iehåll: Uppgit Uppgit 8 Uppgit 9 6 Uppgit 7 5 Uppgit 55 60 Facit sid. 8-0 Summor, Biomialsatse, Iduktiosbevis Ivers uktio Logaritmer, Expoetialuktioer Trigoometri

Läs mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer) Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare "Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma

Läs mer

Digital signalbehandling Alternativa sätt att se på faltning

Digital signalbehandling Alternativa sätt att se på faltning Istitutioe för data- oc elektrotekik 2-2- Digital sigalbeadlig Alterativa sätt att se på faltig Faltig ka uppfattas som ett kostigt begrepp me adlar i grude ite om aat ä att utgåede frå e isigal x [],

Läs mer

2. Konfidensintervall för skillnaden mellan två proportioner.

2. Konfidensintervall för skillnaden mellan två proportioner. Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele

Läs mer

= (1 1) + (1 1) + (1 1) +... = = 0

= (1 1) + (1 1) + (1 1) +... = = 0 TALFÖLJDER OCH SERIER Läs avsitte - och 5 Lös övigara, abcd, 4, 5, 7-9, -5, 7-9, -abcd, 4, 5 Läsavisigar Avsitt Defiitioe av talföljd i boe är ågot ryptis, me egetlige är det ågot väldigt eelt: e talföljd

Läs mer

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan Iledade matematisk aalys TATA79) Hösttermie 016 Föreläsigs- och lekiospla Föreläsig 1 Logik, axiom och argumet iom matematik, talbeteckigssystem för hetal, ratioella tal, heltalspoteser. Lektio 1 och Hadledigstillfälle

Läs mer

Tenta i MVE025/MVE295, Komplex (matematisk) analys, F2 och TM2/Kf2

Tenta i MVE025/MVE295, Komplex (matematisk) analys, F2 och TM2/Kf2 Teta i MVE5/MVE95, Komplex (matematisk) aalys, F och TM/Kf 6, 8.3-.3 Hjälpmedel: Formelblad som delas ut av tetamesvaktera Telefovakt: Mattias Leartsso, 3-535 Betygsgräser: -9 (U), -9 (3), 3-39 (4), 4-5

Läs mer

Kontrollskrivning 3 i SF1676, Differentialekvationer med tillämpningar. Tisdag kl 8:15-10

Kontrollskrivning 3 i SF1676, Differentialekvationer med tillämpningar. Tisdag kl 8:15-10 KH Matematik Kotrollskrivig 3 i SF676, Differetialekvatioer med tillämpigar isdag 7-5-6 kl 8:5 - illåtet hjälpmedel på lappskrivigara är formelsamlige BEA För godkäd på module räcker 5 poäg Bara väl motiverade

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för statistik Tetame i Statistik, STA A13 Deltetame, 5p 5 jui 004, kl. 09.00-13.00 Tillåta hjälpmedel: Asvarig lärare: Övrigt: Bifogad formel-

Läs mer

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!! Göteborgs uiversitet Psykologiska istitutioe Tetame Psykologi kurskod PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC 145. Tid för tetame: 6/5-01. Hel och halvfart VT 1. Provmomet: Socialpsykologi

Läs mer

Fourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL

Fourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL Fourierserie fortsättig Ortogoalitetsrelatioera och Parsevals formel Med hjälp av ortogoalitetsrelatioera Y Â m W t, Â W t ] =, m ¹, m = () där Xf, g\ = Ÿ T f HtL g HtL, där W ã p, ka ma bevisa följade

Läs mer

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x Uppgift 1 a) Vi iför slackvariabler x 4, x 5 och x 6 och löser problemet med hjälp av simplexalgoritme. Z -2-1 1 0 0 0 0 x 4 1 1-1 1 0 0 20 x 5 2 1 1 0 1 0 30 x 6 1-1 2 0 0 1 10 x 1 blir igåede basvariabel

Läs mer

1. Test av anpassning.

1. Test av anpassning. χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler

Läs mer

Trigonometriska polynom

Trigonometriska polynom Trigoometriska polyom Itroduktio Iga strägistrumet eller blåsistrumet ka producera estaka siustoer, blott lieära kombiatioer av dem, där de med lägsta frekvese kallas för grudtoe, och de övriga för övertoer.

Läs mer

Svar till tentan

Svar till tentan UPPSALA UNIVERSITET Matematiska istitutioe Sigstam, Styf Prov i matematik ES, K, KadKemi, STS, X ENVARIABELANALYS 0-03- Svar till teta 0-03-. Del A ( x Bestäm e ekvatio för tagete till kurva y = f (x =

Läs mer

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN Armi Halilovic: EXTRA ÖVNINGAR, SF7 LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN INLEDNING LINJÄRA DIFFERENTIAL EKVATIONER E DE är lijär om de är lijär med avseede å de obekata fuktioe oc dess derivator

Läs mer

Föreläsning 2: Punktskattningar

Föreläsning 2: Punktskattningar Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,

Läs mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer) Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder

Läs mer

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b]. MÄNGDER Stadardtalmägder: N={0,, 2, 3, } mägde av alla aturliga tal (I ågra böcker N={,2,3, }) Z={ 3, 2,,0,, 2, 3, 4, } mägde av alla hela tal m Q={, där m, är hela tal och 0 } mägde av alla ratioella

Läs mer

MS-A0409 Grundkurs i diskret matematik I

MS-A0409 Grundkurs i diskret matematik I MS-A0409 Grudkurs i diskret matematik I G. Gripeberg Mägder och logik Relatioer och fuktioer Aalto-uiversitetet oktober 04 Kombiatorik etc. G. Gripeberg (Aalto-uiversitetet MS-A0409 Grudkurs i diskret

Läs mer

Icke-lineära ekvationer

Icke-lineära ekvationer Icke-lieära ekvatioer Exempel: Rote till ekvatioe x = cos( x) är lika med x -koordiate för skärigspukte mella kurvora y = x och y = cos( x). Vi ka plotta kurvora på itervallet [,] med följade Matlabkommado

Läs mer

Geometriska summor. Aritmetiska summor. Aritmetiska talföljder kallar vi talföljder som. Geometriska talföljder kallar vi talföljder som

Geometriska summor. Aritmetiska summor. Aritmetiska talföljder kallar vi talföljder som. Geometriska talföljder kallar vi talföljder som Aritmetiska summor Aritmetiska talföljder kallar vi talföljder som, 4, 6, 8, 10, 1, 14, 000, 1996, 199, 1988, 0.1, 0., 0.3, 0.4, för vilka differese mella på varadra följade tal kostat. Aritmetiska summor

Läs mer

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten

Statistik. Språkligt och historiskt betyder statistik ungefär sifferkunskap om staten Statistik Språkligt och historiskt betyder statistik ugefär sifferkuskap om state E Statistisk udersökig består av fyra delar: Plaerig Dataisamlig Bearbetig Beskrivade statistik (kap 1) Statistisk aalys

Läs mer

Inledande matematisk analys. 1. Utred med bevis vilket eller vilka av följande påståenden är sana:

Inledande matematisk analys. 1. Utred med bevis vilket eller vilka av följande påståenden är sana: TATA79/TEN3 Tetame, 08-04-06 Iledade matematisk aalys. Utred med bevis vilket eller vilka av följade påståede är saa: (a) Om x 7 är x(x 3) 5; (b) Om (x )(x 6) 0 är x 6; (c) (x + 6)(x ) > 0 om x > 6. Solutio:

Läs mer

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet. Stokastiska rocesser Defiitio E stokastisk rocess är e mägd familj av stokastiska variabler Xt arameter t är oftast me ite alltid e tidsvariabel rocesse kallas diskret om Xt är e diskret s v för varje

Läs mer

TAMS15: SS1 Markovprocesser

TAMS15: SS1 Markovprocesser TAMS15: SS1 Markovprocesser Joha Thim (joha.thim@liu.se) 21 ovember 218 Vad häder om vi i e Markovkedja har kotiuerlig tid istället för diskreta steg? Detta är ett specialfall av e kategori stokastiska

Läs mer

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej Itervallskattig c 005 Eric Järpe Högskola i Halmstad Atag att vi har ett stickprov x,..., x på X som vi vet är Nµ, σ me vi vet ej värdet av µ = EX. Då ka vi beräka x, vvr skattig av µ. För att få reda

Läs mer

Tentamen i Envariabelanalys 1

Tentamen i Envariabelanalys 1 Liöpigs uiversitet Matematisa istitutioe Matemati och tillämpad matemati Kursod: TATA4 Provod: TEN Iga hjälpmedel är tillåta. Tetame i Evariabelaalys 4-4-3 l 4 9 Lösigara sall vara fullstädiga, välmotiverade,

Läs mer

Lycka till! I(X i t) 1 om A 0 annars I(A) =

Lycka till! I(X i t) 1 om A 0 annars I(A) = Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig

Läs mer

Tillämpad biomekanik, 5 poäng Plan rörelse, kinematik och kinetik

Tillämpad biomekanik, 5 poäng Plan rörelse, kinematik och kinetik Pla rörelse Kiematik vid rotatio av stela kroppar Iledade kiematik för stela kroppar. För de två lijera, 1 och, i figure bredvid gäller att deras vikelpositioer, θ 1 och θ, kopplas ihop av ekvatioe Θ =

Läs mer

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion. Idutio och Biomialsatse Vi fortsätter att visa hur matematisa påståede bevisas med idutio. Defiitio. ( )! = ( över ).!( )! Betydelse av talet studeras seare. Med idutio a vi u visa SATS (Biomialsatse).

Läs mer

Digital signalbehandling Fönsterfunktioner

Digital signalbehandling Fönsterfunktioner Istitutioe för data- och elektrotekik Digital sigalbehadlig Fösterfuktioer 2-2-7 Fösterfuktioer aväds för att apassa mätserie vid frekvesaalys via DFT och FFT samt vid dimesioerig av FIR-filter via ivers

Läs mer

Armin Halilovic: EXTRA ÖVNINGAR

Armin Halilovic: EXTRA ÖVNINGAR Stokastiska rocesser Defiitio E stokastisk rocess är e mägd (familj) av stokastiska variabler X(t) arameter t är oftast (me ite alltid) e tidsvariabel rocesse kallas diskret om X(t) är e diskret s v för

Läs mer

F10 ESTIMATION (NCT )

F10 ESTIMATION (NCT ) Stat. teori gk, ht 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlista till NCT Iferece Parameter Estimator Estimate Ubiased Bias Efficiecy Cofidece iterval Cofidece level (Studet s) t distributio Slutledig,

Läs mer

a) Beräkna E (W ). (2 p)

a) Beräkna E (W ). (2 p) Avd. Matematisk statistik TENTAMEN I SF19 och SF191 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 13:E MARS 18 KL 8. 13.. Examiator: Björ-Olof Skytt, 8 79 86 49. Tillåta hjälpmedel: Formel- och tabellsamlig

Läs mer

Datorövning 2 Fördelningar inom säkerhetsanalys

Datorövning 2 Fördelningar inom säkerhetsanalys Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade frå saolikhetsteori:

Läs mer

TNA001- Matematisk grundkurs Tentamen Lösningsskiss

TNA001- Matematisk grundkurs Tentamen Lösningsskiss TNA00- Matematisk grudkurs Tetame 07-0- - Lösigsskiss. a) Svar: x ], [ [, [. 4x x + 4x 4x (x + ) 0 0 x x + x + x + 0 //Teckeschema// x ], [ [, [ b) I : x I : x I : x x x + = 4 = 4 Lösig sakas x + x + =

Läs mer

θx θ 1 om 0 x 1 f(x) = 0 annars

θx θ 1 om 0 x 1 f(x) = 0 annars Avd. Matematisk statistik TENTAMEN I SF903 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH TORSDAGEN DEN TREDJE JUNI 200 KL 4.00 9.00. Examiator: Guar Eglud, tel. 790 74 06 Tillåta hjälpmedel: Läroboke.

Läs mer

Föreläsning 10: Kombinatorik

Föreläsning 10: Kombinatorik DD2458, Problemlösig och programmerig uder press Föreläsig 10: Kombiatorik Datum: 2009-11-18 Skribeter: Cecilia Roes, A-Soe Lidblom, Ollata Cuba Gylleste Föreläsare: Fredrik Niemelä 1 Delmägder E delmägd

Läs mer

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes Lijär Algebra (lp 1, 2016) Lösigar till skrivuppgifte Julia Brades Uppgift 1. Betecka mägde av alla matriser med M(). Vi har e elemetvist defiierad additio av två matriser A, B M(). De är defiierad geom

Läs mer

Tentamen i Flervariabelanalys F/TM, MVE035

Tentamen i Flervariabelanalys F/TM, MVE035 Tetame i Flervariabelaalys F/TM, MV35 8 3 kl. 8.3.3. Hjälpmedel: Iga, ej räkedosa. Telefo: Oskar Hamlet tel 73-8834 För godkät krävs mist 4 poäg. Betyg 3: 4-35 poäg, betyg 4: 36-47 poäg, betyg 5: 48 poäg

Läs mer

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan

Höftledsdysplasi hos dansk-svensk gårdshund - Exempel på tavlan Höftledsdysplasi hos dask-svesk gårdshud - Exempel på tavla Sjö A Sjö B Förekomst av parasitdrabbad örig i olika sjöar Exempel på tavla Sjö C Jämföra medelvärde hos kopplade stickprov Tio elitlöpare spriger

Läs mer

Stort massflöde Liten volym och vikt Hög verkningsgrad. Utföranden Kolv (7) Skruv (4) Ving (4) Roots (1,5) Radial (2-4) Axial (1,3) Diagonal.

Stort massflöde Liten volym och vikt Hög verkningsgrad. Utföranden Kolv (7) Skruv (4) Ving (4) Roots (1,5) Radial (2-4) Axial (1,3) Diagonal. Komressorer F1 F Skillad mot fläktar: Betydade desitetsförädrig, ryk mäts ormalt som absolut totaltryk. vå huvudgruer av komressorer: Förträgigskomressorer urbokomressorer Egeskaer Lågt massflöde Höga

Läs mer

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl

TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF1004 TEN kl TENTAMEN I MATEMATIK MED MATEMATISK STATISTIK HF004 TEN 0-04-5 kl 8.5-.5 Hjälpmedel: Formler och tabeller i statistik, räkedosa Fullstädiga lösigar erfordras till samtliga uppgifter. Lösigara skall vara

Läs mer

Om komplexa tal och funktioner

Om komplexa tal och funktioner Om komplexa tal och fuktioer Aalys60 (Grudkurs) Istuderigsuppgifter Dessa övigar är det täkt du ska göra i aslutig till att du läser huvudtexte. De flesta av övigara har, om ite lösigar, så i varje fall

Läs mer

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}. rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE BEGRE OH BETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast med Ω ). Hädelse E delmägd av utfallsrummet.

Läs mer

Andra ordningens lineära differensekvationer

Andra ordningens lineära differensekvationer Adra ordiges lieära differesekvatioer Differese Differese f H + L - f HL mäter hur mycket f :s värde förädras då argumetet förädras med de mista ehete. Låt oss betecka ämda differes med H Df L HL. Eftersom

Läs mer

Datastrukturer och algoritmer

Datastrukturer och algoritmer Iehåll Föreläsig 6 Asymtotisk aalys usammafattig experimetell aalys uasymtotisk aalys Lite matte Aalysera pseudokode O-otatio ostrikt o Okulärbesiktig 2 Mäta tidsåtgåge uhur ska vi mäta tidsåtgåge? Experimetell

Läs mer

Egna funktioner. Vad är sin? sin är namnet på en av många inbyggda funktioner i Ada (och den återfinns i paketet Ada.Numerics.Elementary_Functions)

Egna funktioner. Vad är sin? sin är namnet på en av många inbyggda funktioner i Ada (och den återfinns i paketet Ada.Numerics.Elementary_Functions) - 1 - Vad är si? si är amet på e av måga ibyggda fuktioer i Ada (och de återfis i paketet Ada.Numerics.Elemetary_Fuctios) si är deklarerad att ta emot e parameter (eller ett argumet) av typ Float (mätt

Läs mer

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

TAMS79: Föreläsning 9 Approximationer och stokastiska processer TAMS79: Föreläsig 9 Approximatioer och stokastiska processer Joha Thim 18 ovember 2018 9.1 Biomialfördelig Vi har reda stött på dea fördelig flera gåger. Situatioe är att ett slumpförsök har två möjliga

Läs mer

RESTARITMETIKER. Avsnitt 4. När man adderar eller multiplicerar två tal som t ex

RESTARITMETIKER. Avsnitt 4. När man adderar eller multiplicerar två tal som t ex Avsitt 4 RESTARITMETIKER När ma adderar eller multiplicerar två tal som t ex 128 + 39..7 128 43..4 så bestämmer ma först de sista siffra. De operatioer som leder till resultatet kallas additio och multiplikatio

Läs mer

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig

Läs mer

Innehåll Grafräknaren och diskret matematik...1 Vad handlar diskret matematik om?...1 Permutationer och kombinationer...3 Något om heltalsräkning...

Innehåll Grafräknaren och diskret matematik...1 Vad handlar diskret matematik om?...1 Permutationer och kombinationer...3 Något om heltalsräkning... Iehåll Grafräkare och diskret matematik...1 Vad hadlar diskret matematik om?...1 Permutatioer och kombiatioer...3 Något om heltalsräkig...4 Modulusoperator...4 Faktoriserig i primfaktorer...5 Talföljder...7

Läs mer

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type

Läs mer

UPPSKATTNING AV INTEGRALER MED HJÄLP AV TVÅ RIEMANNSUMMOR. Med andra ord: Vi kan approximera integralen från båda sidor

UPPSKATTNING AV INTEGRALER MED HJÄLP AV TVÅ RIEMANNSUMMOR. Med andra ord: Vi kan approximera integralen från båda sidor Armi Halilovic: EXTRA ÖVNINGAR Summor och itegraler UPPSKATTNING AV INTEGRALER MED HJÄLP AV TVÅ RIEMANNSUMMOR Om vi betratar e futio ff() som är otiuerlig i itervallet [aa, bb] då atar futioe sitt mista

Läs mer

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p) Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:

Läs mer

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11 rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE EGRE OH ETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast medd Ω ). Hädelse E delmägd av utfallsrumm

Läs mer

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson Uppsala Uiversitet Matematisa Istitutioe Thomas Erladsso LÄSANVISNINGAR VECKA -5 BINOMIALSATSEN Ett uttryc av forme a + b allas ett biom eftersom det är summa av två moom. För uttrycet (a + b) gäller de

Läs mer

Tentamen 19 mars, 8:00 12:00, Q22, Q26

Tentamen 19 mars, 8:00 12:00, Q22, Q26 Avdelige för elektriska eergisystem EG225 DRIFT OCH PLANERING AV ELPRODUKTION Vårtermie 25 Tetame 9 mars, 8: 2:, Q22, Q26 Istruktioer Skriv alla svar på det bifogade svarsbladet. Det är valfritt att också

Läs mer

= x 1. Integration med avseende på x ger: x 4 z = ln x + C. Vi återsubstituerar: x 4 y 1 = ln x + C. Villkoret ger C = 1.

= x 1. Integration med avseende på x ger: x 4 z = ln x + C. Vi återsubstituerar: x 4 y 1 = ln x + C. Villkoret ger C = 1. Lösigsförslag till tetamesskrivig i Matematik IV, 5B0 Torsdage de 6 maj 005, kl 0800-00 Hjälpmedel: BETA, Mathematics Hadbook Redovisa lösigara på ett sådat sätt att beräkigar och resoemag är lätta att

Läs mer

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6 SF69 - DIFFERENTIALEKVATIONER OCH TRANSFORMER II - ÖVNING 4 KARL JONSSON Iehåll. Egeskaper hos Fouriertrasforme. Kapitel 3: Z-Trasform.. Upp. 3.44a-b: Bestämig av Z-trasforme för olika talföljder.. Upp.

Läs mer

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x BERÄKNING AV GRÄNSVÄRDEN ( då ) MED HJÄLP AV MACLAURINUTVECKLING a) Maclauris formel ( ) f () f () f () f ( ) f () + f () + + + +!!! ( ) f ( c) där R och c är tal som ligger mella och ( + )! Amärkig Eftersom

Läs mer

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet 3 2.1 Passagesannolikheter... 3 2.2 Passagetider...

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet 3 2.1 Passagesannolikheter... 3 2.2 Passagetider... Ekel slumpvadrig Sve Erick Alm 9 april 2002 (modifierad 8 mars 2006) Iehåll 1 Iledig 2 2 Apa och stupet 3 2.1 Passagesaolikheter............................... 3 2.2 Passagetider....................................

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give

Läs mer

TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar

TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar TMS36: Dataaalys och statistik Tetame 03-0-6 med lösigar Examiator och jour: Mattias Sude, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkäd räkare och formelsamlig formelsamlig delas ut med teta). Betygsgräser:

Läs mer

TFM. Avdelningen för matematik Sundsvall Diskret analys. En studie av polynom och talföljder med tillämpningar i interpolation

TFM. Avdelningen för matematik Sundsvall Diskret analys. En studie av polynom och talföljder med tillämpningar i interpolation C-UPPSATS 00:0 TFM. Avdelige för matematik MITTHÖGSKOLAN 85 70 Sudsvall 060-4 86 00 Diskret aalys E studie av polyom och talföljder med tillämpigar i iterpolatio p(x + ) p(x + ) p(x + 3) p(x + 4) d p (x

Läs mer

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:

LÖSNINGAR 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 mer

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ 1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av

Läs mer

Tentamen i Matematisk statistik för V2 den 28 maj 2010

Tentamen i Matematisk statistik för V2 den 28 maj 2010 Tetame i Matematisk statistik för V de 8 maj 00 Uppgift : E kortlek består av 5 kort. Dessa delas i i färger: 3 hjärter, 3 ruter, 3 spader och 3 klöver. Kortleke iehåller damer, e i varje färg. Ata att

Läs mer

Stokastiska variabler

Stokastiska variabler TNG006 F2 11-04-2016 Stoastisa variabler Ett slumpmässigt försö ger ofta upphov till ett tal som bestäms av utfallet av försöet. Talet är ite ät före försöet uta bestäms av vilet utfall som ommer att uppstå,

Läs mer

Hambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar)

Hambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar) 1 Föreläsig 5/11 Hambley avsitt 12.7 (äve 7.3 för de som vill läsa lite mer om gridar) Biära tal Vi aväder ormalt det decimala talsystemet, vilket har base 10. Talet 2083 rereseterar då 2 10 3 0 10 2 8

Läs mer

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08 TENTAMEN I MATEMATISK STATISTIK Datum: 3 mars 8 Te i kurse HF3, 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Te i kurse HF ( Tidigare k 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 8:5-:5 Hjälpmedel:

Läs mer

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl 1 Matematiska Istitutioe, KTH Tetame SF1633, Differetialekvatioer I, de 22 oktober 2018 kl 08.00-13.00. Examiator: Pär Kurlberg OBS: Iga hjälpmedel är tillåta på tetamesskrivige. För full poäg krävs korrekta

Läs mer

Problem 2 löses endast om Du hade färre än 15 poäng på duggan som gavs arctanx sin x. x(1 cosx) lim. cost.

Problem 2 löses endast om Du hade färre än 15 poäng på duggan som gavs arctanx sin x. x(1 cosx) lim. cost. UPPSALA UNIVERSITET Matematiska istitutioe Abrahamsso 7-6796 Prov i matematik IT, W, lärarprogrammet Evariabelaalys, hp 9-6-4 Skrivtid: : 5: Tillåta hjälpmedel: Mauella skrivdo Varje uppgift är värd maimalt

Läs mer

Analys av algoritmer. Beräkningsbar/hanterbar. Stora Ordo. O(definition) Datastrukturer och algoritmer. Varför analysera algoritmer?

Analys av algoritmer. Beräkningsbar/hanterbar. Stora Ordo. O(definition) Datastrukturer och algoritmer. Varför analysera algoritmer? Datastrukturer och algoritmer Föreläsig 2 Aalys av Algoritmer Aalys av algoritmer Vad ka aalyseras? - Exekverigstid - Miesåtgåg - Implemetatioskomplexitet - Förstålighet - Korrekthet - - 29 30 Varför aalysera

Läs mer