System av Autonoma Agenter

Storlek: px
Starta visningen från sidan:

Download "System av Autonoma Agenter"

Transkript

1 System av Autonoma Agenter Edvin Wedin GU March 31, 2014 Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

2 Autonoma agenter Lokala regler: Varje agent påverkas enbart av de andra agenter som är tillräckligt nära. Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

3 Två infallsvinklar: 1 Givet ett mål, konstruera regler som uppfyller det (Sammanstrålningsproblem) 2 Givet regler, studera vad som kommer ur dem. Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

4 Hegselmann-Krause-modellen Modell i opinionsdynamik: N stycken agenter som vid tid t har åsikterna x t (1), x t (2),..., x t (N). I diskret tid uppdateras åsikterna enligt x t+1 (i) = 1 N t (i) där N t (i) = {j : x t (j) x t (i) 1}. j N t(i) x t (j), (1) Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

5 Exempel Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

6 Exempel Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

7 Exempel Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

8 Varför studera detta? Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

9 Varför studera detta? Tillämpningar! Robotik Biologi (både micro- och macro-) Opinionsdynamik Datoranimation För att vi kan! Flera problem verkar gå att angripa matematiskt Vissa framgångar har nåtts Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

10 Varför studera detta? Enkla tydliga regler leder till oväntade fenomen! Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

11 Varför studera detta? Enkla tydliga regler leder till oväntade fenomen! Många grundläggande teoretiska frågor är olösta Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

12 Varför studera detta? Enkla tydliga regler leder till oväntade fenomen! Många grundläggande teoretiska frågor är olösta Simuleringar visar på fenomen vi inte kan förklara Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

13 Datorsimulering 10 agenter, likformigt fördelade: Åsikter Tid Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

14 Datorsimulering 1000 agenter, likformigt fördelade: Åsikter Tid Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

15 Datorsimulering 1000 agenter, likformigt fördelade: Åsikter Tid Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

16 Datorsimulering 1000 agenter, likformigt fördelade: Åsikter Tid Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

17 Vad händer då antalet agenter går mot oändligheten? Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

18 Vad händer då antalet agenter går mot oändligheten? Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

19 Kontinuerlig version 2007 generaliserades modellen av Hendrickx et al. så att agenterna indexeras med ett reellt intervall istället för ändligt många heltal: Låt en agent α [0, M] R ha åsikten x t (α) vid tiden t. Åsikterna uppdateras enligt 1 x t+1 (α) = x t (β) dβ, (2) µ(n t (α)) N t(α) där N t (α) = {β : x t (β) x t (α) 1} Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

20 Kontinuerlig version 2007 generaliserades modellen av Hendrickx et al. så att agenterna indexeras med ett reellt intervall istället för ändligt många heltal: Låt en agent α [0, M] R ha åsikten x t (α) vid tiden t. Åsikterna uppdateras enligt 1 x t+1 (α) = x t (β) dβ, (2) µ(n t (α)) N t(α) där N t (α) = {β : x t (β) x t (α) 1} ( Ursprunglig formel: x t+1 (i) = 1 N t (i) j N t(i) x t (j) ) Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

21 Kontinuerlig version HK-operator Faltning Skev faltning Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

22 Exempel Åsikter Agenter Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

23 Exempel Åsikter Åsikter Agenter Agenter Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

24 Exempel Åsikter Åsikter?? Agenter Agenter Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

25 Förmodan Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

26 Datorsimulering Kom ihåg det diskreta fallet: En agent räcker! Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

27 Min konstruktion Åsikter 1 Agenter Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

28 Min konstruktion Densitet Åsikter Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

29 Lemma Bara de agenter som ser platån i mitten och delar av ett ackt område hamnar i ett brant område efter uppdatering. Lemma De acka områdena rör sig mot mitten i en takt proportionell mot bredden av de branta områdena. Lemma Derivatan bland dessa agenter måste öka, så de branta områdena måste bli smalare. Minskningen i de branta områdenas bredd är tillräckligt snabb för att de acka områdenas läge ska konvergera. Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

30 Lemma Bara de agenter som ser några populära åsikter på en kant och de populära i mitten får en åsikt med låg densitet i nästa steg. Lemma Topparna på sidorna rör sig mot mitten i en takt som är proportionell mot densiteten i de mellanliggande områdena. Lemma Densiteten för åsikter med låg densitet måste minska. Minskningen är tillräckligt snabb för att topparnas läge ska konvergera. Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

31 Andra spår Simuleringar Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

32 Andra spår Åsikter på en cirkel Avståndet till nästa agent ofta mer relevant än läget! Åsikter på en cirkel: Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

33 Andra spår Värsta fallet? Är detta värsta fallet? (Åsikter i aritmetisk progression) Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

34 Sammanfattning Agenter med lokala regler Liknande beteende oavsett antal Konsensus inte garanterad ens för överuppräknerligt många agenter Simuleringar Åsikter på cirkel Värsta fallet Edvin Wedin (GU) System av Autonoma Agenter March 31, / 30

gränsvärde existerar, vilket förefaller vara en naturlig definition (jämför med de generaliserade integralerna). I exemplet ovan ser vi att 3 = 3 n n

gränsvärde existerar, vilket förefaller vara en naturlig definition (jämför med de generaliserade integralerna). I exemplet ovan ser vi att 3 = 3 n n TATA42: Föreläsning 5 Serier ( generaliserade summor ) Johan Thim 5 mars 208 En funktion s: N R brukar kallas talföljd, och vi skriver ofta s n i stället för s(n). Detta innebär alltså att för varje heltal

Läs mer

Fourierserier: att bryta ner periodiska förlopp

Fourierserier: att bryta ner periodiska förlopp Analys 36 En webbaserad analyskurs Funktionsutvecklingar Fourierserier: att bryta ner periodiska förlopp Anders Källén MatematikCentrum LTH anderskallen@gmail.com Fourierserier: att bryta ner periodiska

Läs mer

har ekvation (2, 3, 4) (x 1, y 1, z 1) = 0, eller 2x + 3y + 4z = 9. b) Vi söker P 1 = F (1, 1, 1) + F (1, 1, 1) (x 1, y 1, z 1) = 2x + 3y + 4z.

har ekvation (2, 3, 4) (x 1, y 1, z 1) = 0, eller 2x + 3y + 4z = 9. b) Vi söker P 1 = F (1, 1, 1) + F (1, 1, 1) (x 1, y 1, z 1) = 2x + 3y + 4z. Institutionen för Matematik, KTH Torbjörn Kolsrud SF163, ifferential- och integralkalkyl II, del, flervariabel, för F1. Tentamen onsdag 7 maj 9, 1.-19. 1. Låt F (x, y, z) sin(x + y z) + x + y + 6z. a)

Läs mer

TATA42: Föreläsning 3 Restterm på Lagranges form

TATA42: Föreläsning 3 Restterm på Lagranges form TATA4: Föreläsning 3 Restterm på Lagranges form Johan Thim 9 mars 9 Lagranges form för resttermen Vi har tidigare använt resttermen på ordo-form med goda resultat. Oftast i samband med gränsvärden, extrempunktsundersökningar

Läs mer

Metriska rum, R och p-adiska tal

Metriska rum, R och p-adiska tal Metriska rum, R och p-adiska tal Tony Johansson 1MA239: Specialkurs i Matematik II Uppsala Universitet VT 2018 När vi säger avståndet mellan punkt X och punkt Y där X och Y är punkter i planet (säg) är

Läs mer

Material till kursen SF1679, Diskret matematik: Lite om kedjebråk. 0. Inledning

Material till kursen SF1679, Diskret matematik: Lite om kedjebråk. 0. Inledning Matematik, KTH Bengt Ek november 207 Material till kursen SF679, Diskret matematik: Lite om kedjebråk 0 Inledning Talet π (kvoten mellan en cirkels omkrets och dess diameter) är inte ett rationellt tal

Läs mer

TATA42: Föreläsning 5 Serier ( generaliserade summor )

TATA42: Föreläsning 5 Serier ( generaliserade summor ) TATA42: Föreläsning 5 Serier ( generaliserade summor ) Johan Thim 0 januari 207 En funktion s: N R brukar kallas talföljd, och vi skriver ofta s n i stället för s(n). Detta innebär alltså att för varje

Läs mer

TALTEORI FÖR ALLA 1 Juliusz Brzezinski

TALTEORI FÖR ALLA 1 Juliusz Brzezinski TALTEORI FÖR ALLA 1 Juliusz Brzezinski För exakt 10 år sedan publicerade Andrew Wiles sitt bevis av Fermats Stora Sats. Nyheten om hans resultat väckte enorm uppmärksamhet i hela världen. Vägen till lösningen

Läs mer

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A SF1625 Envariabelanalys Lösningsförslag till tentamen 2012-10-17 DEL A 1. Visa att ekvationen x 3 12x + 1 = 0 har tre lösningar i intervallet 4 x 4. Motivera ordentligt! (4 p) Lösningsförslag. Vi skall

Läs mer

Om existens och entydighet av lösningar till ordinära differentialekvationer

Om existens och entydighet av lösningar till ordinära differentialekvationer Om existens och entydighet av lösningar till ordinära differentialekvationer Anders Källén 11 maj 2016 1 Introduktion I det här kapitlet ska vi diskutera vad vi allmänt kan säga om lösningar till ett system

Läs mer

Bisektionsalgoritmen. Kapitel Kvadratroten ur 2

Bisektionsalgoritmen. Kapitel Kvadratroten ur 2 Kapitel 4 Bisektionsalgoritmen Vi ska konstruera lösningar till algebraiska ekvationer av formen f(x) = 0 med hjälp av bisektionsalgoritmen (intervallhalveringsmetoden). På samma gång ska vi se hur man

Läs mer

Stokastiska processer och simulering I 24 maj

Stokastiska processer och simulering I 24 maj STOCKHOLMS UNIVERSITET LÖSNINGAR MATEMATISKA INSTITUTIONEN Stokastiska processer och simulering I Avd. Matematisk statistik 24 maj 2016 Lösningar Stokastiska processer och simulering I 24 maj 2016 9 14

Läs mer

Kursens Kortfrågor med Svar SF1602 Di. Int.

Kursens Kortfrågor med Svar SF1602 Di. Int. Kursens Kortfrågor med Svar SF62 Di. Int. Allmänt om kortfrågor: Kortfrågorna är ett viktigt sätt för er att engagera matematiken. De kommer att dyka upp på kontrollskrivningar. Syftet är att ni ska gå

Läs mer

SF1625 Envariabelanalys

SF1625 Envariabelanalys Föreläsning 11-12 Institutionen för matematik KTH 21-23 september 2016 Översikt över några viktiga derivatatillämningar 1. Förändringstakt. Derivata mäter förändringstakt, till exemel (men inte bara) hastighet.

Läs mer

Meningslöst nonsens. November 19, 2014

Meningslöst nonsens. November 19, 2014 November 19, 2014 Fråga 1. Om f (x) är begränsad kommer F(x) = x 0 f (t)dt att vara kontinuerlig? Deriverbar? Fråga 1. Om f (x) är begränsad kommer F(x) = x 0 f (t)dt att vara kontinuerlig? Deriverbar?

Läs mer

Modul 4 Tillämpningar av derivata

Modul 4 Tillämpningar av derivata Institutionen för Matematik SF1625 Envariabelanalys Läsåret 2015/2016 Modul 4 Tillämpningar av derivata Denna modul omfattar kapitel 4 i kursboken Calculus av Adams och Essex och undervisas på tre föreläsningar,

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: 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 mer

Matematisk statistik TMS064/TMS063 Tentamen

Matematisk statistik TMS064/TMS063 Tentamen Matematisk statistik TMS64/TMS63 Tentamen 29-8-2 Tid: 4:-8: Tentamensplats: SB Hjälpmedel: Bifogad formelsamling och tabell samt Chalmersgodkänd räknare. Kursansvarig: Olof Elias Telefonvakt/jour: Olof

Läs mer

2 (6) k 0 2 (7) n 1 F k F n. k F k F n F k F n F n 1 2 (8)

2 (6) k 0 2 (7) n 1 F k F n. k F k F n F k F n F n 1 2 (8) De naturliga talen. Vi skall till att börja med stanna kvar i världen av naturliga tal, N 3. Vi har redan använt (i beviset av Euklides primtalssats) att de naturliga talen är uppbyggda (genom multiplikation)

Läs mer

Grundläggande matematisk statistik

Grundläggande 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 mer

Jeep-problemet. Kjell Elfström

Jeep-problemet. Kjell Elfström F r å g a L u n d o m m a t e m a t i k Matematikcentrum Matematik NF Jeep-problemet Kjell Elfström Problemet En jeep kan sammanlagt ta 200 liter bensin i tanken och i lösa dunkar. Jeepen kan gå 2,5 km

Läs mer

Anteckningar för kursen "Analys i en Variabel"

Anteckningar för kursen Analys i en Variabel Anteckningar för kursen "Analys i en Variabel" Simone Calogero Vecka 5 Viktig information. Dessa anteckningar är inte avsedda som en ersättning för kurs litteratur men bara som en kort sammanfattning av

Läs mer

TMV225 Kapitel 3. Övning 3.1

TMV225 Kapitel 3. Övning 3.1 TMV225 Kapitel 3 Övning 3. Bestäm gränsvärdet och bestäm δ som funktion av ε. a) lim 3 [ 2 3 + 5] Vi har givet att 3, och då funktionen är kontinuerlig får vi gränsvärdet ȳ 5 genom att stoppa in. Per definition

Läs mer

FMNF15 HT18: Beräkningsprogrammering Numerisk Analys, Matematikcentrum

FMNF15 HT18: Beräkningsprogrammering Numerisk Analys, Matematikcentrum Johan Helsing, 11 oktober 2018 FMNF15 HT18: Beräkningsprogrammering Numerisk Analys, Matematikcentrum Inlämningsuppgift 3 Sista dag för inlämning: onsdag den 5 december. Syfte: att träna på att hitta lösningar

Läs mer

Matematiska uppgifter

Matematiska uppgifter Elementa Årgång 6, 977 Årgång 6, 977 Första häftet 36. Lös ekvationssystemet { x y = 8 y log x + x log y = 2 (Svar: x = y = 8) 36. lös ekvationen 6sin x 6sin2x + 5sin3x =. (Svar: x = n 8, 84,26 + n 36,

Läs mer

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016 SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 4 KONTINUERLIGA STOKASTISKA VARIABLER Tatjana Pavlenko 7 september 2016 PLAN FÖR DAGENS FÖRELÄSNING Repetition av diskreta stokastiska variabler. Väntevärde

Läs mer

Mer om reella tal och kontinuitet

Mer om reella tal och kontinuitet Kapitel R Mer om reella tal och kontinuitet I detta kapitel formulerar vi ett av de reella talens grundläggande axiom, axiomet om övre gräns, och studerar några konsekvenser av detta. Med dess hjälp kommer

Läs mer

Matematiska uppgifter

Matematiska uppgifter Elementa Årgång 63, 198 Årgång 63, 198 Första häftet 318. Visa att x8 + 4x 6 + 7x 4 + 6x 2 + 3 x 6 + 3x 4 + 4x 2 3 för alla reella tal x. + 2 2 3181. Figuren nedan är gjord av en kvadrat och dess omskrivna

Läs mer

Patologiska funktioner. (Funktioner som på något vis inte beter sig väl)

Patologiska funktioner. (Funktioner som på något vis inte beter sig väl) Patologiska funktioner (Funktioner som på något vis inte beter sig väl) Dirichletfunktionen Inte kontinuerlig någonstans Inte Riemannintegrerbar Weierstrass funktion Överallt kontinuerlig Inte deriverbar

Läs mer

SJÄLVSTÄNDIGA ARBETEN I MATEMATIK

SJÄLVSTÄNDIGA ARBETEN I MATEMATIK SJÄLVSTÄNDIGA ARBETEN I MATEMATIK MATEMATISKA INSTITUTIONEN, STOCKHOLMS UNIVERSITET Iterationer på ett intervall av Fredrik Bratt 2011 - No 3 MATEMATISKA INSTITUTIONEN, STOCKHOLMS UNIVERSITET, 106 91 STOCKHOLM

Läs mer

Föreläsning 2 5/6/08. Reguljära uttryck 1. Reguljära uttryck. Konkatenering och Kleene star. Några operationer på språk

Föreläsning 2 5/6/08. Reguljära uttryck 1. Reguljära uttryck. Konkatenering och Kleene star. Några operationer på språk Reguljära uttryck Ändliga automater och reguljära uttryck Språk som är och inte är reguljära Konkatenering och Kleene star Två strängar u och v (på alfabetet )kan konkateneras till strängen uv Givet två

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF9: Sannolikhetslära och statistik Föreläsning 3. Stokastiska variabler, diskreta och kontinuerliga Jan Grandell & Timo Koski 25..26 Jan Grandell & Timo Koski Matematisk statistik 25..26 / 44 Stokastiska

Läs mer

Shannon-Fano-Elias-kodning

Shannon-Fano-Elias-kodning Datakompression fö 5 p.1 Shannon-Fano-Elias-kodning Antag att vi har en minnesfri källa X i som tar värden i {1, 2,...,L}. Antag att sannolikheterna för alla symboler är strikt positiva: p(i) > 0, i. Fördelningsfunktionen

Läs mer

Mängder och kardinalitet

Mängder och kardinalitet UPPSALA UNIVERSITET Matematiska institutionen Erik Melin Specialkursen HT07 28 september 2007 Mängder och kardinalitet Dessa blad utgör skissartade föreläsningsanteckningar kombinerat med övningar. Framställningen

Läs mer

Läsanvisningar till Analys B, HT 15 Del 1

Läsanvisningar till Analys B, HT 15 Del 1 Läsanvisningar till Analys B, HT 15 Del 1 Dag 1 Avsnitt 6.1 Definition av trappfunktion och integral av en trappfunktion. Räkneregler (de är mer eller mindre uppenbara). Definition av Riemannintegralen

Läs mer

Om ortonormerade baser i oändligtdimensionella rum

Om ortonormerade baser i oändligtdimensionella rum Analys 360 En webbaserad analyskurs Funktionsutvecklingar Om ortonormerade baser i oändligtdimensionella rum Anders Källén MatematikCentrum LTH anderskallen@gmail.com Om ortonormerade baser i oändligtdimensionella

Läs mer

Instuderingsfrågor för Endimensionell analys kurs B1

Instuderingsfrågor för Endimensionell analys kurs B1 Instuderingsfrågor för Endimensionell analys kurs B1 Anvisningar Avsikten med följande frågor är att hjälpa dig med självkontroll av dina kunskaper. Om du känner dig osäker på svaren bör du slå upp motsvarande

Läs mer

Instuderingsfrågor för Endimensionell analys kurs B1 2011

Instuderingsfrågor för Endimensionell analys kurs B1 2011 Instuderingsfrågor för Endimensionell analys kurs B1 2011 Anvisningar Avsikten med följande frågor är att hjälpa dig med självkontroll av dina kunskaper. Om du känner dig osäker på svaren bör du slå upp

Läs mer

Stokastiska processer med diskret tid

Stokastiska 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 mer

BEGREPPSMÄSSIGA PROBLEM

BEGREPPSMÄSSIGA PROBLEM BEGREPPSMÄSSIGA PROBLEM Större delen av de rekommenderade uppgifterna i boken är beräkningsuppgifter. Det är emellertid även viktigt att utveckla en begreppsmässig förståelse för materialet. Syftet med

Läs mer

Faltning steg för steg

Faltning steg för steg Faltning steg för steg p./8 Faltning steg för steg System och Transformer Mario Natiello Matematikcentrum, Lunds Universitet Faltning steg för steg p.2/8 Innehåll Tidsdiskreta kausala följder Faltning

Läs mer

Fixpunktsiteration. Kapitel Fixpunktsekvation. 1. f(x) = x = g(x).

Fixpunktsiteration. Kapitel Fixpunktsekvation. 1. f(x) = x = g(x). Kapitel 5 Fixpunktsiteration 5.1 Fixpunktsekvation En algebraisk ekvation kan skrivas på följande två ekvivalenta sätt (vilket innebär att lösningarna är desamma). 1. f(x) = 0. En lösning x kallas en rot

Läs mer

Lipschitz-kontinuitet

Lipschitz-kontinuitet Kapitel 2 Lipschitz-kontinuitet Vi börjar med att presentera den formella definitionen av gränsvärde och kontinuitet. Vi presenterar sedan en variant av kontinuitet som är lättare att använda och som ger

Läs mer

Euklides algoritm för polynom

Euklides algoritm för polynom Uppsala Universitet Matematiska institutionen Isac Hedén isac distans@math.uu.se Algebra I, 5 hp Vecka 22. Euklides algoritm för polynom Ibland kan det vara intressant att bestämma den största gemensamma

Läs mer

Optimering och simulering: Hur fungerar det och vad är skillnaden?

Optimering och simulering: Hur fungerar det och vad är skillnaden? Optimering och simulering: Hur fungerar det och vad är skillnaden? Anders Peterson, Linköpings universitet Andreas Tapani, VTI med inspel från Sara Gestrelius, RIS-SIS n titt i KAJTs verktygslåda Agenda

Läs mer

Analys 360 En webbaserad analyskurs Analysens grunder. Om de reella talen. MatematikCentrum LTH

Analys 360 En webbaserad analyskurs Analysens grunder. Om de reella talen. MatematikCentrum LTH Analys 60 En webbaserad analyskurs Analysens grunder Om de reella talen Anders Källén MatematikCentrum LTH anderskallen@gmail.com Om de reella talen () Introduktion Den matematiska analysen är intimt förenad

Läs mer

Faktorisering med hjälp av kvantberäkningar. Lars Engebretsen

Faktorisering med hjälp av kvantberäkningar. Lars Engebretsen Faktorisering med hjälp av kvantberäkningar Lars Engebretsen 003-11-18 Bakgrund Vanliga datorer styrs av klassiska fysikens lagar. Vanliga datorer kan simuleras av turingmaskiner i polynomisk tid. Kanske

Läs mer

TAMS79: Föreläsning 10 Markovkedjor

TAMS79: 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 mer

Anteckningar för kursen "Analys i en Variabel"

Anteckningar för kursen Analys i en Variabel Anteckningar för kursen "Analys i en Variabel" Simone Calogero Vecka 4 Viktig information. Dessa anteckningar är inte avsedda som en ersättning för kurs litteratur men bara som en kort sammanfattning av

Läs mer

kvoten mellan två på varandra följande tal i en talföljd är konstant alltid lika stor.

kvoten mellan två på varandra följande tal i en talföljd är konstant alltid lika stor. Turen har kommit till geometriska talföljder och summan av en geometrisk talföljd. Talföljden 1,, 4, 8, 16, 3,... är ett exempel på en geometrisk talföljd. Utmärkande för en geometrisk talföljd är att

Läs mer

Om konvergens av serier

Om konvergens av serier Om konvergens av serier Anders Källén MatematikCentrum LTH anderskallen@gmail.com Sammanfattning I den här artikeln diskuteras några av de grundläggande satserna som hjälper oss att avgöra om en serie

Läs mer

Kontinuitet och gränsvärden

Kontinuitet och gränsvärden Kapitel Kontinuitet och gränsvärden.1 Introduktion till kontinuerliga funktioner Kapitlet börjar med allmänna definitioner. Därefter utvidgar vi successivt familjen av kontinuerliga funktioner, genom specifika

Läs mer

Inledning. Kapitel 1. 1.1 Bakgrund. 1.2 Syfte

Inledning. Kapitel 1. 1.1 Bakgrund. 1.2 Syfte Sammanfattning Vi har i kursen Modelleringsprojekt TNM085 valt att simulera ett geléobjekt i form av en kub. Denna består av masspunkter som är sammankopplade med tre olika typer av fjädrar med olika parametrar.

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 3 4 november 2016 1 / 28 Idag Förra gången Stokastiska variabler (Kap. 3.2) Diskret stokastisk variabel (Kap. 3.3 3.4) Kontinuerlig stokastisk

Läs mer

2 Matematisk grammatik

2 Matematisk grammatik MATEMATISK GRAMMATIK Matematisk grammatik.1 Skriva matematik Matematisk grammatik, minst lika kul som det låter, och hur man skriver matematik är nästan lika viktigt som vad man skriver. En grammatisk

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Väntevärde, varians, standardavvikelse, kvantiler Uwe Menzel, 28 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Väntevärdet X : diskret eller kontinuerlig slumpvariable

Läs mer

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14 1/14 Sannolikhetsteori Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/1 2013 2/14 Dagens föreläsning Relativa frekvenser Matematik för händelser Definition av sannolikhet

Läs mer

Simulering. Introduktion. Exempel: Antag att någon kastar tärning

Simulering. Introduktion. Exempel: Antag att någon kastar tärning Simulering Introduktion Eempel: Antag att någon kastar tärning a) Vad är sannolikheten att på fyra kast få två seor? b) Vad är sannolikheten att på kast få mellan och 5 seor och där summan av de 5 första

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare Stockholms universitet November 2011 Data på annat sätt - I Stolpdiagram Data på annat sätt - II Histogram För kvalitativa data som nominal- och ordinaldata infördes stapeldiagram. För kvantitativa data

Läs mer

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

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING II. Föreläsning II. Mikael P. Sundqvist Föreläsning II Mikael P. Sundqvist Att bygga matematisk teori Odefinierade begrepp Axiom påstående som ej behöver bevisas Definition namn på begrepp Sats påstående som måste bevisas Lemma hjälpsats Proposition

Läs mer

Om ordinaltal och kardinaltal

Om ordinaltal och kardinaltal Matematik, KTH Bengt Ek december 2017 Material till kursen SF1679, Diskret matematik: Om ordinaltal och kardinaltal (Ännu ofullständig version) Mängdteorin kan ses som grunden för all matematik Här skall

Läs mer

1 Att läsa matematik.

1 Att läsa matematik. 1 Att läsa matematik. Precis som vid all annan läsning som betyder något skall matematik läsas aktivt. Detta innebär olika saker för olika personer. För en del kanske det betyder att visualisera de idéer

Läs mer

Kvantmekanik II Föreläsning 2 Joakim Edsjö 1/37

Kvantmekanik II Föreläsning 2 Joakim Edsjö 1/37 Kvantmekanik II - Föreläsning 2 Joakim Edsjö edsjo@fysik.su.se HT 2013 Kvantmekanik II Föreläsning 2 Joakim Edsjö 1/37 Innehåll 1 Formalism 2 Tillståndsvektorer 3 Operatorer 4 Mer om Dirac-notationen 5

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Flerdimensionella Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Flerdimensionella Ett slumpförsök kan ge upphov till flera (s.v.): kast med

Läs mer

FULLSTäNDIGHETSAXIOMET, SATSEN OM MELLANLIGGANDE VäRDE OCH SATSEN OM STöRSTA OCH MINSTA VäRDE

FULLSTäNDIGHETSAXIOMET, SATSEN OM MELLANLIGGANDE VäRDE OCH SATSEN OM STöRSTA OCH MINSTA VäRDE FULLSTäNDIGHETSAXIOMET, SATSEN OM MELLANLIGGANDE VäRDE OCH SATSEN OM STöRSTA OCH MINSTA VäRDE JAN-FREDRIK OLSEN I detta dokumentet ämnar vi bevisa följande två satser: Sats 1 (Satsen om mellanliggande

Läs mer

Mer om slumpvariabler

Mer om slumpvariabler 1/20 Mer om slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 4/2 2013 2/20 Dagens föreläsning Diskreta slumpvariabler Vilket kretskort ska man välja? Väntevärde

Läs mer

TATA42: Föreläsning 10 Serier ( generaliserade summor )

TATA42: Föreläsning 10 Serier ( generaliserade summor ) TATA42: Föreläsning 0 Serier ( generaliserade summor ) Johan Thim 5 maj 205 En funktion s: N R brukar kallas talföljd, och vi skriver ofta s n i stället för s(n). Detta innebär alltså att för varje heltal

Läs mer

Faktorisering med hjälp av kvantberäkningar. Lars Engebretsen

Faktorisering med hjälp av kvantberäkningar. Lars Engebretsen Faktorisering med hjälp av kvantberäkningar Lars Engebretsen 00-1-03 Lars Engebretsen 00-1-03 Bakgrund Vanliga datorer styrs av klassiska fysikens lagar. Vanliga datorer kan simuleras av turingmaskiner

Läs mer

Föreläsning 1: Introduktion

Föreläsning 1: Introduktion Föreläsning 1: Introduktion Matematisk statistik David Bolin Chalmers University of Technology March 22, 2014 Lärare och kurslitteratur David Bolin: Rum: E-mail: Fredrik Boulund: Rum: E-mail: Kursansvarig,

Läs mer

1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5

1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5 LÖSNINGAR TILL Matematisk statistik Tentamen: 29 7 kl 8 3 Matematikcentrum FMSF45 Matematisk statistik AK för D,I,Pi,F, 9 h Lunds universitet MASB3 Matematisk statistik AK för fysiker, 9 h. För tiden mellan

Läs mer

Prov 1 2. Ellips 12 Numeriska och algebraiska metoder lösningar till övningsproven uppdaterad 20.5.2010. a) i) Nollställen för polynomet 2x 2 3x 1:

Prov 1 2. Ellips 12 Numeriska och algebraiska metoder lösningar till övningsproven uppdaterad 20.5.2010. a) i) Nollställen för polynomet 2x 2 3x 1: Ellips Numeriska och algebraiska metoder lösningar till övningsproven uppdaterad.. Prov a) i) ii) iii) =,, = st 9,876 =,9876,99 = 9,9,66,66 =,7 =,7 Anmärkning. Nollor i början av decimaltal har ingen betydelse

Läs mer

ALA-a Innehåll RÄKNEÖVNING VECKA 7. 1 Lite teori Kapitel Kapitel Kapitel Kapitel 14...

ALA-a Innehåll RÄKNEÖVNING VECKA 7. 1 Lite teori Kapitel Kapitel Kapitel Kapitel 14... ALA-a 2005 Innehåll 1 Lite teori 3 RÄKNEÖVNING VECKA 7 1.1 Kapitel 7....................................... 3 1.2 Kapitel 12....................................... 3 1.3 Kapitel 13.......................................

Läs mer

MATEMATIKPROV, LÅNG LÄROKURS BESKRIVNING AV GODA SVAR

MATEMATIKPROV, LÅNG LÄROKURS BESKRIVNING AV GODA SVAR MATEMATIKPROV, LÅNG LÄROKURS.0.08 BESKRIVNING AV GODA SVAR De beskrivningar av svarens innehåll och poängsättningar som ges här är inte bindande för studentexamensnämndens bedömning. Censorerna beslutar

Läs mer

Laboration 3: Hierarkiska binomialmodeller i R

Laboration 3: Hierarkiska binomialmodeller i R STOCKHOLMS UNIVERSITET 2 mars 2006 Matematiska institutionen Avd. för matematisk statistik Mikael Andersson Laboration 3: Hierarkiska binomialmodeller i R Även i denna laboration skall ni jobba med hierarkiska

Läs mer

TSRT09 Reglerteori. Sammanfattning av föreläsning 9. Cirkelkriteriet. Sammanfattning av föreläsning 9, forts. Amplitudstabilitet hos svängningar

TSRT09 Reglerteori. Sammanfattning av föreläsning 9. Cirkelkriteriet. Sammanfattning av föreläsning 9, forts. Amplitudstabilitet hos svängningar glerteori 27, Föreläsning Daniel Axehill / 23 Sammanfattning av föreläsning 9. Cirkelkriteriet Linjärt system G(s) återkopplat med en statisk olinjäritet f(x) TSRT9 glerteori Föreläsning : Fasplan Daniel

Läs mer

Explorativ övning Geometri

Explorativ övning Geometri Explorativ övning Geometri Syftet med denna övning är att ge kunskaper om grundläggande geometriska begrepp och resultat om geometriska figurer. Vi vill också ge en uppfattning om geometri som en matematisk

Läs mer

Explorativ övning euklidisk geometri

Explorativ övning euklidisk geometri Explorativ övning euklidisk geometri De viktigaste begreppen och satser i detta avsnitt är: Kongruens och likhet mellan sträckor, vinklar och trianglar. Kongruensfallen för trianglar. Parallella linjer

Läs mer

Tentamensuppgifter, Matematik 1 α

Tentamensuppgifter, Matematik 1 α Matematikcentrum Matematik NF Tentamensuppgifter, Matematik 1 α Utvalda och utskrivna av Tomas Claesson och Per-Anders Ivert Aritmetik 1. Bestäm en största gemensam delare till heltalen a) 5431 och 1345,

Läs mer

Tillåtna hjälpmedel: Räknedosa. Formel- och tabellsamling i matematisk statistik.

Tillåtna hjälpmedel: Räknedosa. Formel- och tabellsamling i matematisk statistik. UPPSALA UNIVERSITET Matematiska institutionen Erik Broman, Jesper Rydén TENTAMEN I MATEMATISK STATISTIK Sannolikhet och statistik 1MS5 214-1-11 Skrivtid: 8.-13.. För betygen 3, 4 resp. 5 krävs 18, 25 resp.

Läs mer

Arkitektur och teknik, Teknisk fysik, Teknisk matematik Antagningsprov MATEMATIK

Arkitektur och teknik, Teknisk fysik, Teknisk matematik Antagningsprov MATEMATIK Chalmers tekniska högskola Matematik- och fysikprovet Arkitektur och teknik, Teknisk fysik, Teknisk matematik Antagningsprov 008 - MATEMATIK 008-05-17, kl. 9.00-1.00 Skrivtid: 180 min Inga hjälpmedel tillåtna.

Läs mer

LÖSNINGAR TILL P(A) = P(B) = P(C) = 1 3. (a) Satsen om total sannolikhet ger P(A M) 3. (b) Bayes formel ger

LÖSNINGAR TILL P(A) = P(B) = P(C) = 1 3. (a) Satsen om total sannolikhet ger P(A M) 3. (b) Bayes formel ger LÖSNINGAR TILL Matematisk statistik Tentamen: 2015 08 18 kl 8 00 13 00 Matematikcentrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Lunds tekniska högskola MASB02 Matematisk statistik för

Läs mer

ANDREAS REJBRAND 2014-04-25 Matematik http://www.rejbrand.se. Numeriska serier. Andreas Rejbrand, april 2014 1/29

ANDREAS REJBRAND 2014-04-25 Matematik http://www.rejbrand.se. Numeriska serier. Andreas Rejbrand, april 2014 1/29 Numeriska serier Andreas Rejbrand, april 2014 1/29 1 Inledning Författarens erfarenhet säger att momentet med numeriska serier är ganska svårt för många studenter i inledande matematikkurser på högskolenivå.

Läs mer

Kontinuerliga funktioner. Ytterligare en ekvivalent formulering av supremumaxiomet

Kontinuerliga funktioner. Ytterligare en ekvivalent formulering av supremumaxiomet Kontinuerliga funktioner. Ytterligare en ekvivalent formulering av supremumaxiomet är följande: SATS. (Intervallinkapslingssatsen) Låt I k = [a k, b k ], k = 1, 2,... vara en avtagande följd av slutna

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Räta linjens och planets ekvationer III Innehåll

Läs mer

Räta linjens ekvation.

Räta linjens ekvation. Räta linjens ekvation joakim.magnusson@gu.se Ur centralt innehåll år 4-6 Samband och förändring Proportionalitet och procent samt deras samband. Grafer för att uttrycka olika typer av proportionella samband

Läs mer

där x < ξ < 0. Eftersom ξ < 0 är högerledet alltid mindre än Lektion 4, Envariabelanalys den 30 september 1999 r(1 + 0) r 1 = r.

där x < ξ < 0. Eftersom ξ < 0 är högerledet alltid mindre än Lektion 4, Envariabelanalys den 30 september 1999 r(1 + 0) r 1 = r. Lektion 4, Envariabelanals den 30 september 1999 där 0 < ξ 0 är högerledet alltid större än 2.6.2 Åskådliggör medelvärdessatsen genom att finna en punkt i det öppna intervallet (1, 2) där

Läs mer

Betingning och LOTS/LOTV

Betingning och LOTS/LOTV Betingning och LOTS/LOTV Johan Thim (johan.thim@liu.se 4 december 018 Det uppstod lite problem kring ett par uppgifter som hanterade betingning. Jag tror problemen är av lite olika karaktär, men det jag

Läs mer

Matematisk statistik, Föreläsning 5

Matematisk statistik, Föreläsning 5 Matematisk statistik, Föreläsning 5 Ove Edlund LTU 2011-12-09 Ove Edlund (LTU) Matematisk statistik, Föreläsning 5 2011-12-09 1 / 25 Laboration 4 Jobba i grupper med storlek 2 Ove Edlund (LTU) Matematisk

Läs mer

2 Dataanalys och beskrivande statistik

2 Dataanalys och beskrivande statistik 2 Dataanalys och beskrivande statistik Vad är data, och vad är statistik? Data är en samling fakta ur vilken man kan erhålla information. Statistik är vetenskapen (vissa skulle kalla det konst) om att

Läs mer

Explorativ övning Geometri

Explorativ övning Geometri Explorativ övning Geometri Syftet med denna övning är att ge kunskaper om grundläggande geometriska begrepp och resultat om geometriska figurer. Vi vill också ge en uppfattning om geometri som en matematisk

Läs mer

Under min praktik som lärarstuderande

Under min praktik som lärarstuderande tomoko helmertz Problemlösning i Japan och Sverige Japansk matematikundervisning skiljer sig på många sätt från svensk. Vilka konsekvenser får det för hur elever i respektive länder löser problem? Tomoko

Läs mer

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 1 Mängdlära Grundläggande sannolikhetsteori Kombinatorik Deskriptiv statistik Jörgen Säve-Söderbergh Information om kursen Kom ihåg att

Läs mer

Matematik 5 Kap 2 Diskret matematik II

Matematik 5 Kap 2 Diskret matematik II Matematik 5 Kap 2 Diskret matematik II Inledning Konkretisering av ämnesplan (länk) http://www.ioprog.se/public_html/ämnesplan_matematik/struktur_äm nesplan_matematik/struktur_ämnesplan_matematik.html

Läs mer

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07 Föreläsningsmanus i matematisk statistik för lantmätare, vecka 2 HT07 Bengt Ringnér August 31, 2007 1 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Händelser och sannolikheter

Läs mer

Skolår 1 3. Skriftligt omdöme ÄMNE Namn: År: Termin: Undervisande lärare: Kunskapsutveckling. Kommentar till kunskapsbedömningen.

Skolår 1 3. Skriftligt omdöme ÄMNE Namn: År: Termin: Undervisande lärare: Kunskapsutveckling. Kommentar till kunskapsbedömningen. 2008 09 15 FÖRSLAG Skolår 1 3 Skriftligt omdöme ÄMNE Eleven beräknas nå målen i år 3 (5) under förutsättning att utveckling sker i nuvarande takt Ja Osäkert Skolår 4 5 Skriftligt omdöme - ÄMNE Eleven beräknas

Läs mer

1. a) I en fortskridande våg, vad är det som rör sig från sändare till mottagare? Svara med ett ord. (1p)

1. a) I en fortskridande våg, vad är det som rör sig från sändare till mottagare? Svara med ett ord. (1p) Problem Energi. a) I en fortskridande våg, vad är det som rör sig från sändare till mottagare? Svara med ett ord. (p) b) Ge en tydlig förklaring av hur frekvens, period, våglängd och våghastighet hänger

Läs mer

Trigonometriska formler Integraler och skalärprodukter Fourierserier Andra ortogonala system. Fourierserier. Fourierserier

Trigonometriska formler Integraler och skalärprodukter Fourierserier Andra ortogonala system. Fourierserier. Fourierserier Matte D : Additionsformler cos(α β) cos(α + β) = cos α cos β + sin α sin β (cos α cos β sin α sin β) = sin α sin β α = mx, β = nx sin mx sin nx = cos(m n)x cos(m + n)x Derivata f (x) = sin kx f (x) = k

Läs mer

Flerdimensionell analys i bildbehandling

Flerdimensionell analys i bildbehandling Flerdimensionell analys i bildbehandling Erik Melin 27 november 2006 1. Förord Målet med den här lilla uppsatsen är att ge några exempel på hur idéer från kursen flerdimensionell analys kan användas i

Läs mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

SF1901: 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 mer

Algebra I, 1MA004. Lektionsplanering

Algebra I, 1MA004. Lektionsplanering UPPSALA UNIVERSITET Matematiska Institutionen Dan Strängberg HT2016 Fristående, IT, KandDv, KandMa, Lärare 2016-11-02 Algebra I, 1MA004 Lektionsplanering Här anges rekommenderade uppgifter ur boken till

Läs mer