Tentamen i Kunskapsbaserade system, 5p, Data 3

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "Tentamen i Kunskapsbaserade system, 5p, Data 3"

Transkript

1 Kuskapsbaserade system, tetame Istitutioe för tekik Tetame i Kuskapsbaserade system, 5p, Data 3 Datum: Tid: Lärare: Potus Bergste, 3365 Hjälpmedel: Miiräkare Uppgiftera ska lösas på separat papper. Skriv am och persoummer på samtliga ilämade blad. Skriv läsligt och rita tydliga figurer. Alla evetuellt ega iförda variabler skall tydligt förklaras. Otydlig eller tvetydig lösig ger poägavdrag. a) Gör e jämförelse mella e biologisk euro och e artificiell euro. (2) b) Ge exempel på två fudametala skillader mella algoritmisk problemlösig och problemlösig baserad på eurala ätverk. () 2 a) Beskriv det mista artificiella eurala ät beståede av perceptroer (bipolär aktiverigsfuktio) som ka klara av att skilja på de två klassera eda i de olika falle eda (Klass - fylld, Klass 2 - ofylld. Age ett ät för varje fall (3 st) eda. Du behöver ite räka ut ågra vikter. (.5) 3 a) Härled Widrow-Hoffs träigsregel för e Adalie. (Ata kvadratisk felfuktio, e = (d - y) 2, där d är öskad utsigal och y är aktuell utsigal). (2) b) Ata att ett atal träigsvektorer fis tillgägliga för träig av e Adalie: {(x, t ), (x 2, t 2 ),, (x p, t p )}.Visa hur dessa ka avädas för att bestämma viktera geom att aväda pseudoiverse av e matris. () 4 a) Redogör för hur adaptiv ekoutsläckig vid telefoi ka göras med e Adalie. E bild över hur sigalera överförs skall visas. Redogör också för exakt vad varje sigal represeterar såsom: eko, störd sigal, filtrerad sigal och fel. (4) b) Visa med e detaljerad bild hur e Adalie ka avädas för adaptiv systemidetifierig geom att förutsäga systemets utsigal y(t), med hjälp av de tre tidigare utsigalera y(t-), y(t-2) och y(t-3)? () 5 Visa att ett artificiellt euralt ät med flera lager beståede av lijära euroer ite är kraftfullare e ett ät beståede av ett lager med lijära euroer. (2)

2 Kuskapsbaserade system, tetame Istitutioe för tekik 6 a) Beskriv hur procedure early-stoppig aväds för att motverka överträig av ett feed-foward ät. () b) Beskriv procedure hur hold-oe-out går till vid träig av ett euralt ät samt vilke iformatio metode ger om de valda ätverks kofiguratio. (2) c) Beskriv de utökade felfuktioe som aväds för träig av ett feed-forward ät med regulariserig. Beskriv också det speciella fallet för träig med weight decay. (2) 7 a) Ett självorgaiserade ät med två euroer skall träas med competitive learig (wier-takes-it-all) till att utföra vektorkvatiserig. I bilde eda visas ett steg i träige är träigsvektor x preseteras för ätet. Vilke euro vier och hur kommer dess viktvektor (w) att uppdateras? x w w 2 b) Visa hur de troliga Vorooi mosaike (tesselatio) beskrive av ett elagers ät med 3 euroer kommer att se ut efter att edaståede datamägd har aväts för competitive learig (wier-takesit-all) av ätet. (2) () 8 a) Desiga e mista distas klassificerare för tre klasser med följade träigsvektorer: Klass :, Klass 2:, Klass 3:, Klassificera seda vektor [0.5 -] T med di desigade klassificerare. Ta också fram de resulterade beslutslije mella Klass 2 och Klass 3. (2) b) Ge de geerella beslutsfuktioe för e optimal klassificerare med 0- förlust fuktio? () 9 a) Beskriv utförligt följade begrepp som uppkommer i sambad med geetiska algoritmer: urval, mutatio, crossover och schema. (3) b) Hur skulle du kua aväda e geetisk algoritm för träig av ett euralt ät? Beskriv också hur du skulle koda kromosomera och vilke fitess fuktio du skulle aväda. (.5)

3 Kuskapsbaserade system, tetame Istitutioe för tekik 0 Vad blir de resulterade fuzzymägde frå fuzzy påståedea p och p 2 (e mägd för varje påståede, aväd lämplig t-orm resp. t-coorm) p : X is A ad X is B p 2 : X is A or X is B Fuzzymägdera A och B är defiierade som eligt figur eda. Rita om figurera på eget papper för de två olika påståedea. A B (2)

4 Kuskapsbaserade system, omtetame , lösigar Istitutioe för tekik och aturveteskap Kuskapsbaserade system, lösigar till omtetame Observera att lösigara ka vara kortfattade. a) Biologisk euro Neuromodell Dedrit Syaps x w i Cellkära Axo x 2 x w i2 w i f(.) a(.) θ i y i Cellkropp Biologisk euro Dedriter - ervbaor i till euroe Syapser - bestämmer koppliges styrka,stimulerade eller hämmade Ackumulerig av späig i euroe Tröskel att överstiga ia avfyrig av sigal geom axoe sker Form och amplitud på pulse som avfyras Neuromodell Koppligar mella euroera, iputs x, x 2, Motsvaras av viktera, w ij Itegrerigsfuktioe f Tröskel θ i Aktiverigsfuktioe a b) Ilärig- ett euralt ät lär sig geom exempel, e algoritmisk metod för att lösa ett problem måste ha exakt defiitio av problem. Parallellitet - ett euralt ät är parallellt till si struktur. Att parallellisera e sekvesiell algoritm ka vara mycket svårt. 2 Figur frå väster till höger (första eurolagret är ett buffertlager och har ige egetlig fuktio) : Lijärt separabelt 2: Ej lijärt separabelt, två lijer krävs i figure x w y x W V y x 2 x 2 3: Ej lijärt separabelt, två lijer krävs i figure x x 2 W V y

5 Kuskapsbaserade system, omtetame , lösigar Istitutioe för tekik och aturveteskap 3 a) De iterativa variate ka tas fram geom att derivera felfuktioe för e presetatio av data. Utsigal: Felfuktio: y = w T x = i= w x i i 2 e = d w i x i, d är öskad utsigal för x. i= e Deriverig m.a.p. w i : = 2 d wi x i xi w i i= Uppdaterig i derivatas egativa riktig med e ilärigs kostat: ew old wi = wi + η2 d wi x i xi i= b) För e Adalie ka sambadet mella träigsvektorer och utdata skrivas som Xw = t där x x 2 K x = x x2 K x X, M M O M p p p x x2 K x w w2 w = och M w t 2 t t =. M p t Viktera, w, blir lösige av ekvatiossystemet eligt: ~ w = X t, där ~ X är pseudoiverse av X. 4 a) Röst Mikrofo s + + s ε = s + - y Delay Högtalare Telefolur y Part Adaptivt Filter Adaptivt Filter Överhörig Överhörig Part 2 Högtalare Telefolur Delay Röst Mikrofo s - Part s tal, origial sigal som part 2 höra). - Eko (dämpad versio av part 2 s tal) s+ - Störd sigal (part + part 2) y - Utsigal frå adalie ε - felet mella adalies utsigal och de störda sigale, detta är också de filtrerade sigale.

6 Kuskapsbaserade system, omtetame , lösigar Istitutioe för tekik och aturveteskap 4 b) x(t) System y(t) z - z - z - LMS-uppdaterig w + - y (t) 5 Ex. ett gömt lager: Gömda lagret: Utlagret: y = Wx z = Vy = VWx = Qx z ka alltså fås geom trasformatio med e matris, alltså ekvivalet med ett lager. 6 a) Early stoppig. Två datamägder aväds vid träige, e träigsmägd och e testmägd. Träigsmägde aväds vid träige (med tex backprop). Totalt kvadratsumma fel beräkas för träigs resp. test mägd efter varje epok. E graf över kvadratsummafelet som fuktio av atal epoker ser då saolikt ut som följer (heldrage träigsmägd, streckad testmägd). Kvadratsumma fel Stopp Epok Det är uppebart att fortsättig av träige är testmägdes fel ökar ger ett överträat ät. b) Hold-oe out träig aväds för att skaffa iformatio om e klassificerares geeraliserigsförmåga. Klassificerare träas med hela träigsmägde utom e vektor. När träige är klar klassificeras de vektor som hölls utaför. Procedure görs om för varje vektor i träigsmägde. Om varje vektor som hållits utaför ka klassificeras korrekt så har ma fått iformatio om att ätets geeraliserigsförmåga och att datamägde kosistes förmodlige är OK c) Utökad felfuktio: E = E' + νω. Där E' är de valiga felfuktioe, ν är e lite kostat och Ω är e regulariserigsfuktio. Det har visat sig att stora värde på viktera i ett FF-ät ka försämra geeraliserige. Regulariserigsfuktioe för träig med weight decay ka defiieras N 2 som Ω = = ( w ) i i, alltså bestraffig av stora värde på viktera (weight decay). 2

7 Kuskapsbaserade system, omtetame , lösigar Istitutioe för tekik och aturveteskap 7 a) Vikt vektor w som ligger ärmast x kommer att via och får därmed uppdatera eligt w = w + α(x w ) w flyttas alltså i riktig mot x. b) Wier-takes-it-all algoritme delar i rummet optimalt i celler (Vorooi mosaik) och skulle kua se ut som 8 a) Desiga klassificerare geom att räka ut medelvektorera för varje klass: m = [- -] T, m 2 = [ 0] T, m 3 = [- ] T. Beslutsfuktioe är: d i (x) = x T m i - 0.5m i T m i. Klassig av x test =[0.5 -] T : d (x test ) = [0.5 -][- -] T - 0.5[- -][ - -] T = -0.5 d 2 (x test ) = [0.5 -][ 0] T - 0.5[ 0][ 0] T = 0 d 3 (x test ) = [0.5 -][- ] T - 0.5[- ][ - ] T = -2.5 d 2 gav högst värde x test Klass 2 Beslutslije mella klass 2 till 3: Sätt beslutsfuktioera lika med varadra d 2 (x) = d 3 (x): [x x 2 ][ 0] T - 0.5[ 0][ 0] T = [x x 2 ][ - ] T - 0.5[- ][ - ] T Multiplicera ihop vektorera och bryt ut x 2 vilket då defiierar beslutslije mella klassera. b) Geerell beslutsfuktio (för e klass ω j ) för e statistiskt optimal klassificerare med 0- beslutsfuktio ges av d j (x) = p(x ω j )P(ω j ) där p(x ω j ) är värdet på saolikthetstäthetsfuktioe för x (möstervektor) givet klass ω j och P(ω j ) är saolikhete att klass ω j skall uppkomma.

8 Kuskapsbaserade system, omtetame , lösigar Istitutioe för tekik och aturveteskap 9 a) urval - Avgör vilka idivider som skall leva vidare till ästa geeratio i algoritme. Ju större fitess desto större chas att leva vidare. mutatio E bit i kromosome ädrar slumpartat sitt värde. Om biär kodig aväds egeras bite. Mutatio ka förhidra att algoritme fastar i ett lokalt miima. crossover Två kromosomer byter geer med varadra i hopp om att avkomma skall få ett bättre fitess värde, ex med crossover pukt efter fjärde gee: ger schema Ett schema är e mägd kromosomer som delar vissa egeskaper, t.ex. represeterar δ δ 2 * * δ 3 ett schema där δ, δ 2 ad δ 3 har fasta värde me * ka vara vad som helst. E kromosom tillhör detta schema om de har geer som överesstämmer exakt med δ, δ 2 ad δ 3. b) Ata att strukture på ätet är fast med ett visst atal euroer och koppligar. E speciell ätverkskofiguratioe ger då ett fast atal vikter. Dessa vikter skulle kua bestämmas geom att träa ätet med e geetisk algoritm. Om ätet har N vikter ka kromosomera för de olika idividera i de geetiska algoritme kodas som Idivid : Idivid 2: w w 2 w 3 w N w w 2 w 3 w N Varje idivid represeterar alltså alla vikter i ett euralt ät. Varje vikt i varje kromosom ka t.ex. kodas som ett biärtal med fixpukts kodig som späer iom ett lämpligt itervall (som bör bero på hur överförigs fuktioera ser ut i de olika euroera). E lämplig fitessfuktio skulle kua vara kvadratsummafelet över alla träigsdata, me egerat. 0 p : t-orm = mi p 2 : t-coorm = max A B A B

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl. 08.15 13.15 Karlstads uiversitet Fakultete för ekoomi, kommuikatio och IT Statistik Tetame i Statistik STG A0 ( hp) 5 mars 00, kl. 08.5 3.5 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt

Läs mer

(a) om vi kan välja helt fritt? (b) om vi vill ha minst en fisk av varje art? (c) om vi vill ha precis 3 olika arter?

(a) om vi kan välja helt fritt? (b) om vi vill ha minst en fisk av varje art? (c) om vi vill ha precis 3 olika arter? Lösigar Grudläggade Diskret matematik 11054 Tid: 1.00-17.00 Telefo: 036-10160, Examiator: F Abrahamsso 1. I de lokala zoo-affäre fis 15 olika fiskarter med mist 0 fiskar utav varje art). På hur måga sätt

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00 0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:

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

MA2018 Tillämpad Matematik III-Statistik, 7.5hp, 2014-08-23

MA2018 Tillämpad Matematik III-Statistik, 7.5hp, 2014-08-23 1 MA018 Tillämpad Matematik III-Statistik, 7.5hp, 014-08-3 Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.

Läs mer

Föreläsning F3 Patrik Eriksson 2000

Föreläsning F3 Patrik Eriksson 2000 Föreläsig F Patrik riksso 000 Y/D trasformatio Det fis ytterligare ett par koppligar som är värda att käa till och kua hatera, ite mist är ma har att göra med trefasät. Dessa kallas stjärkopplig respektive

Läs mer

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp

Övningstentamen i MA2018 Tillämpad Matematik III-Statistik, 7.5hp Övigstetame i MA08 Tillämpad Matematik III-Statistik, 7.5hp Hjälpmedel: Räkedosa och medföljade formelsamlig! Täk på att dia lösigar ska utformas så att det blir lätt för läsare att följa dia takegågar.

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

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

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2) Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del ) Pukt- och itervallskattig (LLL Kap 10) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level

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

Funktionsteori Datorlaboration 1

Funktionsteori Datorlaboration 1 Fuktiosteori Datorlaboratio 1 Fuktiosteori vt1 2013 Rekursiosekvatioer och komplex aalys Syftet med datorövige Öviges ädamål är att ge ett smakprov på hur ett datoralgebrasystem ka avädas för att att lösa

Läs mer

Jag läser kursen på. Halvfart Helfart

Jag läser kursen på. Halvfart Helfart KOD: Tetame Psykologi Kurskod: PC106, Kurs 6: Idivide i ett socialt sammahag (15 hp) och PC145 Datum: 5/5-013 Hel- och halvfart VT 13 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig

Läs mer

Artificiell intelligens Probabilistisk logik

Artificiell intelligens Probabilistisk logik Probabilistiska resoemag Artificiell itelliges Probabilistisk logik Are Jösso HCS/IDA Osäkerhet Grudläggade saolikhetslära Stokastiska variabler Bayes teorem Bayesiaska ätverk Kostruktio Iferes Osäkerhet

Läs mer

Leica Lino. Noggranna, självavvägande punkt- och linjelasers

Leica Lino. Noggranna, självavvägande punkt- och linjelasers Leica Lio Noggraa, självavvägade pukt- och lijelasers Etablera, starta, klart! Med Leica Lio är alltig lodat och perfekt apassat Leica Lios projekterar lijer eller pukter med millimeterprecisio och låter

Läs mer

SveTys. Affärskultur i Tyskland. Vad är det? Och vad ska jag tänka på?

SveTys. Affärskultur i Tyskland. Vad är det? Och vad ska jag tänka på? SveTys Affärskultur i Tysklad Vad är det? Och vad ska jag täka på? 2 Affärskultur i Tysklad Vad är det? Och vad ska jag täka på? 2008 SveTys, Uta Schulz, Reibek 3 Iledig När ma gör affärer i Tysklad eller

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

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

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

Tentamen i matematisk statistik

Tentamen i matematisk statistik Tetame i matematisk statistik Uppgift : På e arbetsplats skadades % av persoale uder ett år. 60% av alla skadade var mä. 0% av alla aställda var kvior. Är det maliga eller kviliga aställda som löper störst

Läs mer

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor Kosoliderad versio av Styrelses för ackrediterig och tekisk kotroll föreskrifter (STAFS 1993:18) om EEG-märkig av färdigförpackade varor Rubrike har dea lydelse geom (STAFS 2008:11) Ädrig iförd: t.o.m.

Läs mer

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts: Webprogrammerig och databaser Koceptuell datamodellerig med Etitets-Relatiosmodelle Begrepps-modellerig Mål: skapa e högivå-specifikatio iformatiosiehållet i database Koceptuell modell är oberoede DBMS

Läs mer

Återanvändning. Två mekanismer. Nedärvning av egenskaper (inheritance) Objekt komposition

Återanvändning. Två mekanismer. Nedärvning av egenskaper (inheritance) Objekt komposition Iheritace Återavädig Två mekaismer Nedärvig av egeskaper (iheritace) Objekt kompositio A A +a +b B B Iheritace Återavädig geom att skapa subklasser kallas ofta white box reuse Ekelt att aväda Relatioe

Läs mer

a utsöndring b upptagning c matspjälkning d cirkulation

a utsöndring b upptagning c matspjälkning d cirkulation I levade varelser bryts stora och sammasatta molekyler ed till små och ekla molekyler. Vad kallas dea process? S02_01 a utsödrig b upptagig c matspjälkig d cirkulatio S042009 Kalle hade ifluesa. Ha spelade

Läs mer

Jag läser kursen på. Halvfart Helfart

Jag läser kursen på. Halvfart Helfart KOD: Kurskod: PC106/PC145 Kurs 6: Persolighet, hälsa och socialpsykologi (15 hp) Datum: 3/8 014 Hel- och halvfart VT 14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare:

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

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

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

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

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel.

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel. ÖPPNA OH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Någr viktig drgrdskurvor: irkel ellips hyperbel och prbel.. irkels ekvtio irkel med cetrum i och rdie hr ekvtioe pq O Amärkig. Edst

Läs mer

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering Databaser desig och programmerig Desig processe ER-modellerig Programutvecklig Förstudie, behovsaalys Programdesig, databasdesig Implemetatio Programdesig, databasdesig Databasdesig Koceptuell desig Koceptuell

Läs mer

Databaser - Design och programmering. Databasdesign. Kravspecifikation. Begrepps-modellering. Design processen. ER-modellering

Databaser - Design och programmering. Databasdesign. Kravspecifikation. Begrepps-modellering. Design processen. ER-modellering Databaser desig och programmerig Desig processe Databasdesig Förstudie, behovsaalys ER-modellerig Kravspecifikatio För att formulera e kravspecifikatio: Idetifiera avädare Studera existerade system Vad

Läs mer

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I Föreläsig 5 732G04 Surveymetodik 732G19 Utredigskuskap I Dages föreläsig Klusterurval Estegs klusterurval Tvåstegs klusterurval Klusterurval med PPS 2 Klusterurval De urvalsdesiger som diskuterats hittills

Läs mer

Lösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007

Lösning till tentamen för kursen Log-linjära statistiska modeller 29 maj 2007 STOCKHOLMS UNIVERSITET MS 3150 MATEMATISKA INSTITUTIONEN TENTAMEN Avd. Matematisk statistik 29 maj 2007 Lösig till tetame för kurse Log-lijära statistiska modeller 29 maj 2007 Uppgift 1 a Modelle uta ågra

Läs mer

Design mönster. n n n n n n. Command Active object Template method Strategy Facade Mediator

Design mönster. n n n n n n. Command Active object Template method Strategy Facade Mediator Desig möster Desig möster Commad Active object Template method Strategy Facade Mediator Commad Ett av de eklaste desig möstre Me också mycket avädbart Ett grässitt med e metod Comm ad do()

Läs mer

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}: CD58 FOMEA SPÅK, AUTOMATE, OCH BEÄKNINGSTEOI, 5 p JUNI 25 ÖSNINGA EGUJÄA SPÅK (8p + 6p). DFA och reguljära uttryck (6 p) Problem. För följade NFA över alfabetet {,}:, a) kovertera ovaståede till e miimal

Läs mer

Tentamen 1 i Matematik 1, HF1903, Fredag 14 september 2012, kl

Tentamen 1 i Matematik 1, HF1903, Fredag 14 september 2012, kl TEN HF9 Tetame i Matematik, HF9, Fredag september, kl. 8.. Udervisade lärare: Fredrik ergholm, Elias Said, Joas Steholm Eamiator: rmi Halilovic Hjälpmedel: Edast utdelat formelblad miiräkare är ite tillåte

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

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

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

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

Applikationen kan endast användas av enskilda användare med förtroenderapportering.

Applikationen kan endast användas av enskilda användare med förtroenderapportering. Aktiverig mobil app 1 Aktiverig mobil app Aktiverig mobil app aväds för att koppla e eskild avädare till Visma Agdas mobilapplikatio. Applikatioe ka edast avädas av eskilda avädare med förtroederapporterig.

Läs mer

Multiplikationsprincipen

Multiplikationsprincipen Kombiatori Kombiatori hadlar oftast om att räa hur måga arragemag det fis av e viss typ. Multipliatiospricipe Atag att vi är på e restaurag för att provsmaa trerättersmåltider. Om det fis fyra förrätter

Läs mer

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I MS-A0409 Gudkus i disket matematik Sammafattig, del I G. Gipebeg 1 Mägde och logik 2 Relatioe och fuktioe Aalto-uivesitetet 15 maj 2014 3 Kombiatoik etc. G. Gipebeg Aalto-uivesitetet MS-A0409 Gudkus i

Läs mer

Sida 1 av 12. vara ett inkonsistent system (= olösbart system dvs. ett system som saknar lösning). b =.

Sida 1 av 12. vara ett inkonsistent system (= olösbart system dvs. ett system som saknar lösning). b =. Sida av MINSAKVADRAMEODEN Låt a a a a a a a a a vara ett ikosistet sste ( olösart sste dvs. ett sste so sakar lösig). Vi ka skriva ssteet på fore A (ss ) där a a... a a a... a A, och............. a p a

Läs mer

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde

Läs mer

Lösningsförslag 081106

Lösningsförslag 081106 Lösigsförslag 86 Uppgift Trädslag: kvalitativ, omialskala (diskret) Diameter: kvatitativ, kvotskala, kotiuerlig Höjd: kvatitativ, kvotskala, kotiuerlig Ålder: kvatitativ, kvotskala, kotiuerlig Trädslag:

Läs mer

Repetition: Enkel sampling. Systemplanering VT11. Repetition: Enkel sampling. Repetition: Enkel sampling

Repetition: Enkel sampling. Systemplanering VT11. Repetition: Enkel sampling. Repetition: Enkel sampling Systemplaeri VT Föreläsi F6: Mote Carlo Iehåll:. Repetitio av ekel sampli 2. Sampli av elmarkader 3. Multi-areamodelle 4. Räka exempel Repetitio: Ekel sampli Mål: Få fram E[X] Defiitio av E[X]: EX [ ]

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

Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta.

Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta. KOD: Kurskod: PC106/PC145 Persolighet, hälsa och socialpsykologi (15 hp) Datum: 4/5 014 Hel- och halvfart VT14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare: Niklas Frasso

Läs mer

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig

Läs mer

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Föreläsig 5 73G70, 73G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 5 Stickprovsteori Sid 15-150 Statistisk iferes Populatio (äve målpopulatio) = de (på logisk väg

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

ESBILAC. mjölkersättning för hundvalpar BRUKSANVISNING. www.kruuse.com

ESBILAC. mjölkersättning för hundvalpar BRUKSANVISNING. www.kruuse.com ESBILAC mjölkersättig för hudvalpar BRUKSANVISNING De bästa starte för e yfödd valp är självklart att dia tike och få i sig mammas mjölk. Modersmjölke iehåller allt som de små behöver i form av ärigsäme,

Läs mer

Systemdesign fortsättningskurs

Systemdesign fortsättningskurs Systemdesig fortsättigskurs Orgaisatio Föreläsare Potus Boström Assistet? Tider mådagar och tisdagar kl. 8-10 Börjar 3.9 och slutar 16.10 Rum B3040 Orgaisatio Iga föreläsigar 24.9, 25.9, 1.10 och 2.10

Läs mer

Innehållsförteckning Tabeller och polynom

Innehållsförteckning Tabeller och polynom Iehållsförteckig Tabeller och polyom -Utsigal och seebeckkoefficieter för termoelemet B, E, J, K, N, R, S, T eligt IEC 60584 (1995). 10:2 -Utsigal för termoelemet W3Re/W25Re och W5Re/W26Re eligt ASTM 988

Läs mer

KONSEKVENSANALYS 1 (5) INDIVID ALT ORGANISATION (markera vad bedömningen avser)

KONSEKVENSANALYS 1 (5) INDIVID ALT ORGANISATION (markera vad bedömningen avser) KONSEKVENSANALYS 1 (5) INDIVID ALT ORGANISATION (markera vad bedömige avser) Orgaisatio Faktorer att bedöma Påverkar förädrige? Kosekves av förädrige Kosekvesbeskrivig Åtgärdsförslag Asv. sig Klart datum

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

( ) ( ) Kap. 5.5-7. Kolligativa egenskaper + fasjämvikter för 2-komponentsystem 5B.2/5.5 Kolligativa egenskaper R T

( ) ( ) Kap. 5.5-7. Kolligativa egenskaper + fasjämvikter för 2-komponentsystem 5B.2/5.5 Kolligativa egenskaper R T Ka. 5.5-7. Kolligativa egeskaer + fasjämvikter för 2-komoetsystem 5.2/5.5 Kolligativa egeskaer Kolligativa egeskaer: Egeskaer som edast beror å atalet artiklar som lösts Förutsättig: utsädda lösigar, lösta

Läs mer

Kontextfri grammatik (CFG)

Kontextfri grammatik (CFG) Kotextfri grammatik (CFG) Mats Dahllöf Ist. f ligvistik och filologi December 2015 1 / 23 Frasstrukturträd hud studt Aalys av de ord som häger lägst ed, hud studt. E graf med fler oder ä depdsaalys (fem

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1) Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del 1) Sampligfördeligar (LLL Kap 8) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course,

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

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

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

i de fall de existerar. Om gränsvärdet ifråga inte skulle existera, ange i så fall detta med motivering.

i de fall de existerar. Om gränsvärdet ifråga inte skulle existera, ange i så fall detta med motivering. Kap 9. 9.5, 9.8 9.9, 6.5. Talföljd, mootoa talföljder, koverges, serier, koverges, geometriska serier, itegralkriterium, p serier, jämförelsekriterier, absolut koverges, altererade serier, potesserie,

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

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

Allmänna avtalsvillkor för konsument

Allmänna avtalsvillkor för konsument Godkäare 7.2 Kudakuta Godkät Kommuikatio Distributio Kudservice Kommuikatio, deltagade och samråd Allmäa avtalsvillkor för kosumet för leveras av fjärrvärme Allmäa avtalsvillkor för kosumet för leveras

Läs mer

LINJÄR ALGEBRA II LEKTION 4

LINJÄR ALGEBRA II LEKTION 4 LINJÄR ALGEBRA II LEKTION 4 JOHAN ASPLUND Iehåll Egevärde, egevektorer och egerum 2 Diagoaliserig 3 Uppgifter 2 5:4-5a) 2 Extrauppgift frå dugga 2 52:8 4 52:3 4 Extrauppgift frå teta 4 Egevärde, egevektorer

Läs mer

Översikt av ouppklarade fall av dödligt våld i Skåne under tiden 1985-07-01 och framåt i tiden.

Översikt av ouppklarade fall av dödligt våld i Skåne under tiden 1985-07-01 och framåt i tiden. Översikt av ouppklarade fall av dödligt våld i Skåe uder tide 1985-07-01 och framåt i tide. OBSERVERA att översikte grudar sig på e iveterig, som ite är klar! Atalet ärede och urval av ärede ka komma att

Läs mer

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan Karlstads uiversitet Istitutioe för iformatiostekologi Avdelige för Statistik Tetame i Statistik, STA A10 och STA A13 (9 poäg) 6 mars 004, klocka 14.00-19.00 Tillåta hjälpmedel: Bifogad formelsamlig (med

Läs mer

För att minimera de negativa hälsokonsekvenserna av tunnelluft finns i dagsläget tre metoder;

För att minimera de negativa hälsokonsekvenserna av tunnelluft finns i dagsläget tre metoder; MKB till detaljpla Förbifart Stockholm Hälsoeffekter av tuelluft Studier idikerar att oöskade korttidseffekter, blad aat ökat atal iflammatiosmarkörer, börjar uppstå vid e expoerig som motsvaras av tuelluft

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

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

RÄKNESTUGA 2. Rumsakustik

RÄKNESTUGA 2. Rumsakustik RÄKNESTUGA Rumsakustik 1. Beräka efterklagstidera vid 15, 500 och 000 Hz i ett rektagulärt rum med tegelväggar och med betog i tak och golv. Rummets dimesioer är l x 3,0 l y 4,7 l z,5 [m].. E tom sal med

Läs mer

SKÄRDATAREKOMMENDATIONER RAMAX HH

SKÄRDATAREKOMMENDATIONER RAMAX HH SKÄRATAREKOMMENATIONER Lämpliga bearbetigsdata beror alltid på de aktuella operatioe, verktygsmaskie och vilket verktyg som aväds. e data som ages i det här bladet är geerella riktlijer som måste apassas

Läs mer

LÖSNINGSFÖRSLAG TILL UPPGIFTER I PROBLEMSAMLINGEN I MATEMATISK STATISTIK

LÖSNINGSFÖRSLAG TILL UPPGIFTER I PROBLEMSAMLINGEN I MATEMATISK STATISTIK LÖSNINGSFÖRSLAG TILL UPPGIFTER I PROBLEMSAMLINGEN I MATEMATISK STATISTIK Versio 9 december 4 Fel i lösigara mottages tacksamt till mattsso@math.kth.se. Notera att lösigara på vissa ställe utyttjar adra,

Läs mer

Inklusion och exklusion Dennie G 2003

Inklusion och exklusion Dennie G 2003 Ilusio - Exlusio Ilusio och exlusio Deie G 23 Proble: Tio ä lägger ifrå sig sia hattar vid ett besö på e restaurag. På hur åga sätt a alla äe läa restaurage ed fel hatt. Detta proble a lösas ed ägdläras

Läs mer

Vikingen FutureLook. Delphi Finansanalys AB

Vikingen FutureLook. Delphi Finansanalys AB Vikige FutureLook by Delphi Fiasaalys AB Referesmaual för Vikig FutureLook Översikt Futurelook är ett uikt och mycket kraftfult verktyg för fiasaalytiker och kapitalplacerare. Med FutureLook är det möjligt

Läs mer

Så här kommer byggherren och entreprenören överens om energianvändningen

Så här kommer byggherren och entreprenören överens om energianvändningen Så här kommer byggherre och etrepreöre överes om eergiavädige Så här kommer byggherre och etrepreöre överes om eergiavädige Sveby står för Stadardisera och verifiera eergiprestada i byggader och är ett

Läs mer

Bilaga 1 Schematisk skiss

Bilaga 1 Schematisk skiss Bilaga 1 Schematisk skiss Kalkylbilaga till PM fördjupig JU140 2010-02-01 Baverket Norrbotiabaa Järvägsutredig 140 Dele läsgräse AC/BD - Piteå Bilaga 12 till PM Fördjupigg JU140 Iehållsförteckig Sida 1

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 6, Ht 2 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

Läs mer

Matematikdelen av introduktionskursen för Samhällsbyggnadsprogrammet 2009

Matematikdelen av introduktionskursen för Samhällsbyggnadsprogrammet 2009 29-8-17 Matematikdele av itroduktioskurse för Samhällsbyggadsprogrammet 29 Syftet med matematikrepetitioe uder mottagigsveckora är att repetera vissa delar av gymasiematematike som är väsetliga för de

Läs mer

Utlandskyrkans krisberedskap

Utlandskyrkans krisberedskap Utladskyrkas krisberedskap hadbok för beredskapsplaerig Kyrkokasliet Uppsala Sveska kyrkas kriscetrum 2 Kotaktiformatio veska kyrka i utladet S Kyrkokasliet 751 70 Uppsala Tel. 018-16 95 00 www.sveskakyrka.se

Läs mer

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad Saolikhetslära c 201 Eric Järpe Högskola i Halmstad Saolikhetslära hadlar om att mäta hur saolikt (dvs hur ofta ) ma ka förväta sig att ågot iträffar. Därför sorterar saolikhetslära uder de matematiska

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

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in. Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt

Läs mer

Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n

Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n Tolkig av saolikhet Statistikes gruder, 15p dagtid HT 01 Föreläsigar F4-F6 Frekvetistisk A / A) då Klassisk atal(a) / atal(ω) = A) storlek(a) / storlek(ω) = A) Subjektiv (persolig) isats/total vist = A)

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

ICKE KONVENTIONELLT AVFALL

ICKE KONVENTIONELLT AVFALL ICKE KONVENTIONELLT AVFALL Avfall Biologiskt avfall Cytostatikaavfall Geetiskt modifierade mikroorgaismer Läkemedelsavfall Kemiskt avfall Radioaktivt avfall Skärade/stickade avfall Smittförade avfall Sida

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

INSTALLATIONSMANUAL COBRA 8800/8900 CAN

INSTALLATIONSMANUAL COBRA 8800/8900 CAN INSTALLATIONSMANUAL COBRA 8800/8900 CAN DRA UT MITTSEKTIONEN MED INSTALLATIONSSCHEMAT. INNEHÅLL 8808 8805 Larmehet 03CB0364A 10SA0623A Kablage Moterigspåse KA0001STSAA Ultraljudsesorer 04PC3600B 8800USER

Läs mer

SKÄRDATAREKOMMENDATIONER UDDEHOLM NIMAX

SKÄRDATAREKOMMENDATIONER UDDEHOLM NIMAX SKÄRATAREKOMMENATIONER UEHOLM NIMAX Lämpliga bearbetigsdata beror alltid på de aktuella operatioe, verktygsmaskie och vilket verktyg som aväds. e data som ages i det här bladet är geerella riktlijer som

Läs mer

Design och konstruktion av användargränssnitt (distans) Mänsklig styrning av höghastighetsbåtar. Avdelningen för Människadatorinteraktion (fd.

Design och konstruktion av användargränssnitt (distans) Mänsklig styrning av höghastighetsbåtar. Avdelningen för Människadatorinteraktion (fd. Gula Ja Gullikse Docet, PhD, MSc Ja.Gullikse@hci.uu.se Desig och kostruktio av avädargrässitt (distas) Uppsala Uiversitet Istitutioe för Avdelige för Mäiskadatoriteraktio (fd. CMD) Mäsklig styrig av komplexa

Läs mer

5. Linjer och plan Linjer 48 5 LINJER OCH PLAN

5. Linjer och plan Linjer 48 5 LINJER OCH PLAN 48 5 LINJER OCH PLAN 5. Lijer och pla 5.. Lijer Eempel 5.. Låt L ara e lije i rummet. Atag att P är e pukt på L och att L är parallell med e ektor, lijes riktigsektor. Då gäller att e pukt P ligger på

Läs mer

Doktorandernas uppfattningar om sin forskarutbildning vid Uppsala universitet

Doktorandernas uppfattningar om sin forskarutbildning vid Uppsala universitet Doktoraderas uppfattigar om si forskarutbildig vid Uppsala uiversitet Resultat frå e uiversitetsövergripade ekätudersökig: Språkveteskapliga fakultete Ehete för kvalitet och utvärderig Maria Wolters Maj

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

TRIBECA Finansutveckling

TRIBECA Finansutveckling TRIBECA Rådgivare iom fiasiella helhetslösigar TRIBECA a s k r e i v g S f a s k r i e v g S f g g r r e e a r a r e e i i f f TRIBECA s målsättig är att bidra med råd & produkter som hela tide gör 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

MTC. Förstklassig forskning och utbildning i internationell miljö

MTC. Förstklassig forskning och utbildning i internationell miljö Istitutioe för Mikrobiologi, Tumör- och Cellbiologi (MTC) MTC Förstklassig forskig och utbildig i iteratioell miljö Fakta om MTC Talare, moderatorer och orgaisatörer vid MTCs 15-årsjubileumssymposium på

Läs mer