System av Autonoma Agenter
|
|
- Mats Hellström
- för 4 år sedan
- Visningar:
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
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 merFourierserier: 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 merhar 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 merTATA42: 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 merMetriska 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 merMaterial 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 merTATA42: 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 merTALTEORI 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 merSF1625 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 merOm 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 merBisektionsalgoritmen. 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 merStokastiska 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 merKursens 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 merSF1625 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 merMeningslöst 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 merModul 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 merSF1901: Sannolikhetslära och statistik
SF9: Sannolikhetslära och statistik Föreläsning 3. Stokastiska variabler, diskreta och kontinuerliga Jan Grandell & Timo Koski 8.9.28 Jan Grandell & Timo Koski () Matematisk statistik 8.9.28 / 45 Stokastiska
Läs merMatematisk 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 mer2 (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 merGrundläggande matematisk statistik
Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.
Läs merJeep-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 merAnteckningar 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 merTMV225 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 merFMNF15 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 merMatematiska 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 merSF1901: 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 merMer 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 merMatematiska 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 merPatologiska 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 merSJÄLVSTÄNDIGA 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 merFöreläsning 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 merSF1901: 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 merShannon-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 merMängder 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 merLäsanvisningar 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 merOm 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 merInstuderingsfrågor 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 merInstuderingsfrågor 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 merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merBEGREPPSMÄSSIGA 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 merFaltning 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 merFixpunktsiteration. 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 merLipschitz-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 merEuklides 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 merOptimering 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 merAnalys 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 merFaktorisering 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 merTAMS79: Föreläsning 10 Markovkedjor
TAMS79: Föreläsning 0 Markovkedjor Johan Thim december 08 0. Markovkedjor Vi ska nu betrakta en speciell tidsdiskret diskret stokastisk process, nämligen Markovkedjan. Vi börjar med en definition Definition.
Läs merAnteckningar 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 merkvoten 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 merOm 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 merKontinuitet 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 merInledning. 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 merSF1901 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 mer2 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 merGrundläggande 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 merSannolikhetsteori. 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 merSimulering. 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 merIntroduktion 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 merENDIMENSIONELL 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 merOm 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 mer1 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 merKvantmekanik 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 merGrundläggande 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 merFULLSTäNDIGHETSAXIOMET, 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 merMer 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 merTATA42: 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 merFaktorisering 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 merFöreläsning 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 mer1. 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 merProv 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 merALA-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 merMATEMATIKPROV, 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 merLaboration 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 merTSRT09 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 merExplorativ 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 merExplorativ 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 merTentamensuppgifter, 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 merTillåtna 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 merArkitektur 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 merLÖSNINGAR 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 merANDREAS 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 merKontinuerliga 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 merVektorgeometri 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 merRäta 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 merdär 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 merBetingning 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 merMatematisk 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 mer2 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 merExplorativ 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 merUnder 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 merSF1920/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 merMatematik 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 merFöreläsningsmanus 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 merSkolår 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 mer1. 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 merTrigonometriska 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 merFlerdimensionell 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 merSF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.
SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 10 STATISTIKTEORI KONSTEN ATT DRA SLUTSATSER. INTERVALLSKATTNING. Tatjana Pavlenko 25 april 2017 PLAN FÖR DAGENS FÖRELÄSNING Statistisk inferens oversikt
Läs merAlgebra 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