Detta ger oss att kanalkapaciteten för den ursprungliga kanalen är C = q 1 C 1 + q 2 C C =1 h ( ) 0.30.
|
|
- Daniel Kurt Hedlund
- för 4 år sedan
- Visningar:
Transkript
1 Lösning på problem a) Kanalen är symmetrisk och vi gör nedanstående uppdelning av den. Vi får två starkt symmetriska kanaler vilkas kanalkapacitet ges av C och C 2. Kanalerna väljes med sannolikheterna q = = 0.46 och q 2 = = q =0.46 q 2 =0.54 X 0 C = h ( ) Y X 0 C 2 = h Detta ger oss att kanalkapaciteten för den ursprungliga kanalen är C = q C + q 2 C b) Väljer vi att göra hård avkodning får vi en kanal med kanalkapaciteten C = h ( ) ( ) c) Det ovanstående visar att kanalkapaciteten ökar då vi har en kanal med fler utsymboler än insymboler, dvs. då vi nyttjar det som kallas mjuk avkodning. Givetvis finns det en övre gräns för vad som är möjligt att uppnå med kanalkapaciteten. För vår kanal med två insymboler kan kanalkapaciteten aldrig bli mer än bit per tidsenhet. Y 2 Bedömning av de olika delarna vid rättning Poängfördelningen är Endast en helt korrekt lösning ger 0 poäng.
2 Lösning på problem 2 Enligt problemställningen skall kodorden v väljas från koden B, dvs. v B= {0000, 0, 00, 0}. Koden är lineär, dvs. om v Boch v 2 Bså är v + v 2 = v 3 B. Vi har fyra kodord varför vi skall koda insekvenser av längden två (= x i x i+ )påkodord....x i x }{{ i+... Kodare } u v BSC r Avkodare û a) En lineär kodare kan specificeras på 6 olika sätt. Med hjälp av en generatormatris kan vi utföra kodningen. Nedan finns de möjliga matriserna. ( ) ( ) ( ) ( ) ( ) ( ) G =,G 00 2 =,G 0 3 =,G 0 4 =,G 0 5 = och G 0 6 = 00 Anmärkning: Totalt kan vi specificera 24 olika kodare varav 8 är olineära. b) Oberoende av hur kodningen sker är 0000 och 00 två kodord. Antag att mottagaren erhåller r = 000. Enligt problemställningen har vi att Pr(utsymbol insymbol) =0., dvs. ett fel är mer troligt än två fel. En ML-avkodare kan då välja något av kodorden 0000 och 00. Hur valet än sker, dvs. hur avkodaren specificeras, har det skett ett enkelfel. Slutsats: Vi kan ej specificera en ML-avkodare entydigt. c) En MAP-avkodare väljer det meddelande û som maximerar f(r, û) = Pr(r v)pr(û) där v är det kodord som skickas om meddelandet är û och r är den mottagna symbolen. För att vi skall kunna specificer an MAP-avkodare entydigt måste vi undvika att f(r, û )=f(r, û 2 ) för två olika meddelanden û och û 2. Om vi betecknar antalet fel vid en tänkt överföring med #fel och samtidigt låter #ettor beteckna antalet ettor i ett meddelande kan ovanstående uttryck skrivas som f(r, û) =0. #fel #fel 0.8 #ettor #ettor = #fel #ettor. En förutsättning för att f(r, û )=f(r, û 2 ) är att både û och û 2 innehåller lika många ettor, dvs. att de är meddelanden 0 och 0. En annan förutsättning för att f(r, û )=f(r, û 2 ) är att kodorden v och v 2 båda ligger lika långt från r, dvs. att#fel är lika för de båda fallen. Kan vi undvika detta kan vi specificera en unik MAP-avkodare. Vi skall undvika att meddelanden 0 och 0 avbildas på kodorden 0000 och 00 (olineär kodning). Vidare skall vi undvika att 0 och 0 avbildas på 0 och 0. Detsenare betyder att vi inte kan använda kodarna G 2 och G 5. Ej heller kan vi använda två av de olineära (Följdfråga: Vilka?).
3 Poängfördelningen är Endast en helt korrekt lösning ger 0 poäng.
4 Lösning på problem 3 Från tabellen i problemet får vi att totala försäljningsvolymen är 844 m 3. Vi sorterar tabellens innehåll efter sjunkande volym. Namn Volym Ödåkra Taffelaqvavit 7 Överste Brännvin 2 Gammal Norrlands Akvavit 34 Herrgårds Aquavit 62 Nyköpings Brännvin 05 O.P. Anderson 24 Skåne Akvavit 40 a) En optimal testalgoritm erhålles om vi först Huffmankodar objekten (=de kryddade brännvinssorterna) och därefter till varje nod associerar ett test som skiljer på de olika grenarna i trädet. För att koda objekten behövs deras relativa frekvens. Väl medvetna om den totala försäljningsvolymen räknar vi med de specificerade försäljningsvolymerna. Kodträdet ges nedan. 7 Ödåkra Taffelaqvavit 9 2 Överste Brännvin Gammal Norrlands Akvavit 5 62 Herrgårds Aquavit Nyköpings Brännvin O.P. Anderson Skåne Akvavit För att bestämma medelvärdet av antalet test använder vi path length lemma. E [antalet test] = I medel måste det drickas 2 snapsar. Är det fyror eller sexor? b) För att med hjälp av sällskapets personer att förverkliga en testalgoritm som avgör vilken av brännvinsorterna det är som avsmakas är vi i den lyckliga sitationen att det finns en person som kan besvara den första frågan som skall ställas i en optimal testalgoritm. Nisse kan, om han är närvarande, besvara frågan "Är det Skåne?". Därefter måste vi kunna skilja på de återstående sorterna om det nu inte är Skåne. Vi gör en beslutstabell.
5 Ödåkra Taffelaqvav Överste Brännvin Gammal Norrlands Herrgårds Aquavit Nyköpings Brännvin O.P. Anderson Innehåller snapsen kummin? ja ja ja ja nej ja Innehåller snapsen anis? nej nej ja nej ja ja Innehåller snapsen fänkål? ja nej ja ja nej ja Innehåller snapsen sherry? nej nej ja ja nej nej Tabellen visar att sällskapet kan bestämma brännvinssorten kolumnerna i tabellen är distinkta. För att göra en testalgoritm väljer vi att göra en första ordningens optimal testalgoritm. Frågan "Innehåller snapsen fänkål?" ger maximal entropi varför vi väljer denna. Om svaret är "nej" på frågan "Innehåller snapsen fänkål?" har vi det följande. Överste Brännvin Nyköpings Brännvin Innehåller snapsen kummin? ja nej Innehåller snapsen anis? nej ja Innehåller snapsen sherry? nej nej Meningslöst test Att testa efter kummin eller anis betämmer brännvinssorten. Om svaret är "ja" på frågan "Innehåller snapsen fänkål?" har vi det följande. Ödåkra Taffelaqvavit Gammal Norrlands Akvavit Herrgårds Aquavit O.P. Anderson Innehåller snapsen kummin? ja ja ja ja Meningslöst test Innehåller snapsen anis? nej ja nej ja Innehåller snapsen sherry? nej ja ja nej Frågan "Innehåller snapsen sherry?" ger maximal entropi varför vi väljer denna. Denna fråga måste i båda utfallen följas av frågan "Innehåller snapsen anis?", dvs. frågeordningen spelar ingen roll. Kommentar: Vi behöver aldrig ställa frågan "Innehåller snapsen kummin?".
6 testas. ja nej Skåne Skåne Akvavit Gammal Norrlands Akvavit Anis Sherry Herrgårds Aquavit O.P. Anderson Anis Fänkål Ödåkra Taffelaqvavit Nyköpings Brännvin Anis Överste Brännvin Antalet snapsar som sällskapet måste testa ges av: E [antalet test] = Bedömning av de olika delarna vid rättning Poängfördelningen är 6+4. Endast en helt korrekt lösning ger 0 poäng.
7 Lösning på problem 4 a) In- och utalfabeten är binära, dvs. X = X 2 = Y = {0, }. Kanalen ges av Y = X + X 2 mod 2. Enligt sats 6.4 är kapacitetsområdet R = co{(r,r 2 ); f X X 2 (x,x 2 )=f X (x ) f X2 (x 2 ) sådan att 0 R I(X ; Y X 2 )=H(Y X 2 ) }{{} =H(X ) H(Y X X 2 ) }{{} =0 = H(X ), 0 R 2 I(X 2 ; Y X )=H(X 2 ), R + R 2 I(X X 2 ; Y )=H(Y) H(Y X X 2 )=H(Y) } = = {(R,R 2 ); 0 R, 0 R 2,R + R 2 }, där den optimala funktionen för ingångssannolikheterna är f X X 2 (x,x 2 )= 4 R 2 för alla (x,x 2 ). R + R 2 betyder att det inte finns några bättre koder än vad vi kan uppnå med tidsdelning. R b) Vi har att Y = X + X 2 mod 2. Antag att vi är den vänstra sidan i figuren i problemformuleringen. Då känner vi utfallet av X samtidigt som vi observerar Y. X 2 beräknar vi enligt: Y = X + X 2 mod 2 X 2 = Y X mod 2 = Y + X mod 2 R 2 Allt i högerledet är känt för mottagaren varför vi alltid kan avkoda det som sändare 2 (högra sidan) skickar till mottagare (vänstra sidan). Kapacitetsområdet visas i figuren härintill till höger. R c) Nu har vi X {, }, X 2 {, } och Y = X X 2. Låt oss göra en multiplikationstabell, dvs. en tabell över kanalen. Som en jämförelse ger vi också tabellen för kanalen i deluppgift b). X X 2 Y X 2 X + X 2 mod 2 0 X Kanalerna visar att en omkodning, 0 och, överför den vänstra till den högra varför kapacitetsområdet är detsamma som i b). Bedömning av de olika delarna vid rättning Poängfördelningen är Endast en helt korrekt lösning ger 0 poäng.
8 Lösning på problem 5 Vi inför en hjälpvariabel Z för signalen mellan modulerna i respektive system. System X modul Z modul 2 Y a) Här utfördes först kodning och därefter kryptering. Systemet kan beskrivas av nedanstående tabell. X Z Y K =0 K = Från tabellen konstaterar vi att Y kan anta alla möjliga kombinationer av tre binära variabler, dvs. Y {000, 00,...,}. Vidare ser vi att varje värde förekommer endast en gång. Slutsats: Den funktion som systemet realiserar Y = f(x) är inverterbar varför H(X Y )=0. Här råder ingen osäkerhet. Enligt problemformuleringen är "Alla meddelanden är lika sannolika" vilket ger att I(X; Y )=H(X) =log4=2. b) Här utfördes först kryptering och därefter kodning. Systemet kan beskrivas av nedanstående tabell. K =0 K = X Z Y Z Y För detta system ges Y av koden (dvs. mängden av kodord), dvs. Y {000, 0, 0, 0}. För varje värde på Y finns två olika värden på X. Detta ger att H(X Y )=H(K) =log2= ty nyckeln K är "likafördelad". Vi erhåller I(X; Y )=H(X) H(X Y )=2 =. c) Kryptering skall givetvis genomföras före kanalkodning. System är kass ur sekretessynpunkt ty genom att observera kryptotexten kan vi med lätthet beräkna klartexten. Bedömning av de olika delarna vid rättning Poängfördelningen är Endast en helt korrekt lösning ger 0 poäng.
Krafts olikhet. En momentant avkodbar kod (prefixkod) med kodordslängderna l 1,...,l N existerar om och endast om. 2 l i. 1 i=1
Datakompression fö 2 p.1 Krafts olikhet En momentant avkodbar kod (prefixkod) med kodordslängderna l 1,...,l N existerar om och endast om N 2 l i 1 Bevis: Antag att vi har en trädkod. Låt l max =max{l
Läs merLösningsförslag till övningsuppgifter, del V
Lösningsförslag till övningsuppgifter, del V Obs! Preliminär version! Ö.1. (a) Vi kan lösa uppgiften genom att helt enkelt räkna ut avståndet mellan vart och ett av de ( 7 ) = 1 paren. Först noterar vi
Läs merKällkodning. Egenskaper hos koder. Några exempel
Källkodning Källkodning innebär att vi avbildar sekvenser av symboler ur en källas alfabet på binära sekvenser (kallade kodord). Mängden av alla kodord kalls för en kod. (Man kan förstås tänka sig att
Läs merOptimala koder. Övre gräns för optimala koder. Gränser. Övre gräns för optimala koder, forts.
Datakompression fö 3 p.3 Datakompression fö 3 p.4 Optimala koder Övre gräns för optimala koder En prefixkod kallas optimal om det inte existerar någon annan kod (för samma alfabet och sannolikhetsfördelning)
Läs merOptimala koder. Det existerar förstås flera koder som har samma kodordsmedellängd. Enklaste fallet är att bara byta 0:or mot 1:or.
Datakompression fö 3 p.1 Optimala koder En prefixkod kallas optimal om det inte existerar någon annan kod (för samma alfabet och sannolikhetsfördelning) som har lägre kodordsmedellängd. Det existerar förstås
Läs merAritmetisk kodning. F (0) = 0 Exempel: A = {1, 2, 3} k=1. Källkodning fö 5 p.1/12
Aritmetisk kodning Vi identifierar varje sekvens av källsymboler med ett tal i intervallet [0, 1). Vi gör det med hjälp av fördelningsfunktionen (cumulative distribution function) F. För enkelhets skull
Läs merLösningar till SF1861/SF1851 Optimeringslära, 24/5 2013
Lösningar till SF86/SF85 Optimeringslära, 4/5 03 Uppgift (a) Inför de 3 variablerna x ij = kvantitet (i sorten ton) som fabrik nr i åläggs att tillverka av produkt nr j, samt t = tiden (i sorten timmar)
Läs merDEL I. Matematiska Institutionen KTH
Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Diskret Matematik, moment B, för D2 och F, SF63 och SF63, den 25 maj 2 kl 8.-3.. Hjälpmedel: Inga hjälpmedel är tillåtna på tentamensskrivningen.
Läs merTräd och koder. Anders Björner KTH
27 Träd och koder Anders Björner KTH 1. Inledning. Det är i flera sammanhang viktigt att representera information digitalt (d.v.s omvandla till sviter av nollor och ettor). Beroende på vilka villkor som
Läs merModelltentamen. Ditt svar ska vara ett ändligt uttryck utan summationstecken.
SF2715 Tillämpad kombinatorik, våren 2009 Jakob Jonsson Modelltentamen Denna modelltentamen är tänkt att illustrera svårighetsgraden på en riktig tentamen. Att en viss typ av uppgift dyker upp här innebär
Läs mer1 Konvexa optimeringsproblem grundläggande egenskaper
Krister Svanberg, april 2012 1 Konvexa optimeringsproblem grundläggande egenskaper Ett optimeringsproblem är i viss mening godartat om det tillåtna området är en konvex mängd och den målfunktion som ska
Läs merLösning till tentamensskrivning i Diskret Matematik för CINTE, CL2 och Media 1, SF1610 och 5B1118, onsdagen den 17 augusti 2011, kl
Matematiska Institutionen KTH Lösning till tentamensskrivning i Diskret Matematik för CINTE, CL och Media, SF60 och 5B8, onsdagen den 7 augusti 0, kl 4.00-9.00. Examinator: Olof Heden Hjälpmedel: Inga
Läs merFöreläsning 7. Felrättande koder
Föreläsning 7 Felrättande koder Antag att vi vill skicka ett meddelande som består av bokstäver a,b,c,d. Vi kan koda a,b,c,d. Antag att det finns en viss sannolikhet att en bit i ett meddelande som skickas
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 mer5B1146 med Matlab. Laborationsr. Laborationsgrupp: Sebastian Johnson Erik Lundberg, Ann-Sofi Åhn ( endst tal1-3
1 Revision 4 2006-12-16 2. SIDFÖRTECKNING 5B1146 med Matlab Laborationsr Laborationsgrupp: Sebastian Johnson, Ann-Sofi Åhn ( endst tal1-3 Titel Sida 1. Uppgift 1.8.1....3 2. Uppgift 1.8.2....6 3. Uppgift
Läs merEtt besök till Spritlandet Sverige med kryddmästare Jonas.
Ett besök till Spritlandet Sverige med kryddmästare Jonas. I Galärskjulen på Djurgården i Stockholm ligger sedan 2012 Spritmuseum ett museum om alkoholkulturen i Sverige. Här finns både temporära utställningar
Läs merFöreläsninsanteckningar till föreläsning 3: Entropi
Föreläsninsanteckningar till föreläsning 3: Entropi Johan Håstad, transkriberat av Pehr Söderman 2006-01-20 1 Entropi Entropi är, inom kryptografin, ett mått på informationsinnehållet i en slumpvariabel.
Läs merDEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 15 mars 2010 kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 15 mars 010 kl 14.00-19.00. Hjälpmedel: Inga hjälpmedel är tillåtna på tentamensskrivningen. Betygsgränser:
Läs merTentamen i Linjär algebra (TATA31/TEN1) ,
Linköpings universitet Matematiska institutionen Ulf Janfalk Kurskod: TATA Provkod: TEN Tentamen i Linjär algebra TATA/TEN) 8, 9. Inga hjälpmedel. Ej räknedosa. För godkänt räcker 9 poäng och minst uppgifter
Läs merInformationsteori. Repetition Kanalkapaciteten C. Repetition Källkodhastigheten R 2. Repetition Kanalkodhastigheten R 1. Huffmans algoritm: D-när kod
Informationsteori Repetition Kanalkapaciteten C Källkodare Kanalkodare X Kanal Mats Cedervall Mottagare vkodare Kanalavkodare Y Kanalkodningssatsen C =supi(x; Y ) p(x) Informationsteori, fl#7 1 Informationsteori,
Läs merTentamen i Digitala system - EITA15 15hp varav denna tentamen 4,5hp
Tentamen i Digitala system - EITA15 15hp varav denna tentamen 4,5hp Institutionen för elektro- och informationsteknik Campus Helsingborg, LTH 2018-01-09 8.00-13.00 (förlängd 14.00) Uppgifterna i tentamen
Läs merÖvning 6 - Tillämpad datalogi 2012
/home/lindahlm/activity-phd/teaching/12dd1320/exercise6/exercise6.py October 2, 20121 0 # coding : latin Övning 6 - Tillämpad datalogi 2012 Sammanfattning Idag gick vi igenom komprimering, kryptering och
Läs merTentamen, Algoritmer och datastrukturer
UNDS TEKNISKA ÖGSKOA (6) Institutionen för datavetenskap Tentamen, Algoritmer och datastrukturer 23 8 29, 8. 3. Anvisningar: Denna tentamen består av fem uppgifter. Totalt är skrivningen på 36 poäng och
Läs merTentamen Bildanalys (TDBC30) 5p
Tentamen Bildanalys (TDBC30) 5p Skrivtid: 9-15 Hjälpmedel: kursboken Digital Image Processing Svara på alla frågor på nytt blad. Märk alla blad med namn och frågenummer. Disponera tiden mellan frågorna
Läs mer1 Positivt definita och positivt semidefinita matriser
Krister Svanberg, april 1 1 Positivt definita och positivt semidefinita matriser Inom ickelinjär optimering, speciellt kvadratisk optimering, är det viktigt att på ett effektivt sätt kunna avgöra huruvida
Läs merDIGITAL KOMMUNIKATION
EN KOR SAMMANFANING AV EORIN INOM DIGIAL KOMMUNIKAION Linjär kod En binär linjär kod kännetecknas av att summan av två kodord också är ett kodord. Ett specialfall är summan av ett kodord med sig själv
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: januari 2013 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merLab 3 Kodningsmetoder
Lab 3. Kodningsmetoder 15 Lab 3 Kodningsmetoder Starta Matlab och ladda ner följande filer från kurswebben till er lab-katalog: lab3blocks.mdl okodat.mdl repetitionskod.mdl hammingkod.mdl planet.mat Denna
Läs mera) Beräkna sannolikheten att en följd avkodas fel, det vill säga en ursprungliga 1:a tolkas som en 0:a eller omvänt, i fallet N = 3.
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 14:E MARS 017 KL 08.00 13.00. Examinator: Thomas Önskog, 08 790 84 55. Tillåtna hjälpmedel: Formel- och tabellsamling
Läs merInnehåll. Föreläsning 11. Organisation av Trie. Trie Ytterligare en variant av träd. Vi har tidigare sett: Informell specifikation
Innehåll Föreläsning 11 Trie Sökträd Trie och Sökträd 356 357 Trie Ytterligare en variant av träd. Vi har tidigare sett: Oordnat träd där barnen till en nod bildar en mängd Ordnat träd där barnen till
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP8/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 10 januari 201 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Läs merTSBK04 Datakompression. Övningsuppgifter
TSBK04 Datakompression Övningsuppgifter Innehåll 1 Informationsteoretiska begrepp........................ 1 2 Källkodning................................... 4 Copyright c 2004 Bildkodningsgruppen, Linköpings
Läs merTSBK04 Datakompression Övningsuppgifter
TSBK04 Datakompression Övningsuppgifter Innehåll 1 Informationsteoretiska begrepp........................ 1 2 Källkodning................................... 4 Copyright c 2004 Bildkodningsgruppen, Linköpings
Läs merAlgoritmer, datastrukturer och komplexitet
Algoritmer, datastrukturer och komplexitet Övning 10 Anton Grensjö grensjo@csc.kth.se 9 november 2017 1 Idag En konstruktionsreduktion Fler bevis av NP-fullständighet 2 Teori Repetition Ett problem tillhör
Läs mer1. (3p) Ett RSA-krypto har parametrarna n = 77 och e = 37. Dekryptera meddelandet 3, dvs bestäm D(3). 60 = = =
Matematiska Institutionen KTH Lösningar till tentamensskrivning på kursen Diskret Matematik, moment B, för D2 och F, SF63 och SF630, den 20 maj 2009 kl 08.00-3.00. Hjälpmedel: Inga hjälpmedel är tillåtna
Läs merI en deterministisk omgivning beror nästa tillstånd bara av agentens handling och nuvarande tillstånd.
OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervalsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs mer1 Minkostnadsflödesproblem i nätverk
Krister Svanberg, april 2012 1 Minkostnadsflödesproblem i nätverk Ett nätverk består av en given mängd noder numrerade från 1 till m (där m är antalet noder) samt en given mängd riktade bågar mellan vissa
Läs merLösning till tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610 och 5B1118, tisdagen den 7 januari 2014, kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610 och 5B1118, tisdagen den 7 januari 2014, kl 14.00-19.00. Examinator: Olof Heden Hjälpmedel:
Läs merFöreläsning 7: Kvadratisk optimering. 4. Kvadratisk optimering under linjära bivillkor
Föreläsning 7: Kvadratisk optimering 1. Kvadratisk optimering utan bivillkor 2. Positivt definita och semidefinita matriser 3. LDL T faktorisering 4. Kvadratisk optimering under linjära bivillkor 5. Minsta
Läs merTentamen i EDA320 Digitalteknik för D2
CHALMERS TEKNISKA HÖGSKOLA Institutionen för datorteknik Tentamen i EDA320 Digitalteknik för D2 Tentamenstid: onsdagen den 2 mars 997 kl 4.5-8.5. Sal: vv Examinator: Peter Dahlgren Tel. expedition 03-772677.
Läs mer6. Matriser Definition av matriser 62 6 MATRISER. En matris är ett rektangulärt schema av tal: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A =
62 6 MATRISER 6 Matriser 6 Definition av matriser En matris är ett rektangulärt schema av tal: A a a 2 a 3 a n a 2 a 22 a 23 a 2n a m a m2 a m3 a mn Matrisen A säges vara av typ m n, där m är antalet rader
Läs merLösningsförslag, Tentamen, Differentialekvationer och transformer II, del 2, för CTFYS2 och CMEDT3, SF1629, den 9 juni 2011, kl.
Lösningsförslag, Tentamen, Differentialekvationer och transformer II, del 2, för CTFYS2 och CMEDT3, SF629, den 9 juni 2, kl. 8: 3: Uppgift (av 8 (5 poäng. i. sant, ii. falskt, iii. falskt, iv. sant, v.
Läs merTentamen i IE1204/5 Digital Design måndagen den 15/
Tentamen i IE1204/5 Digital Design måndagen den 15/10 2012 9.00-13.00 Allmän information Examinator: Ingo Sander. Ansvarig lärare: William Sandqvist, tel 08-790 4487 (Kista IE1204), Tentamensuppgifterna
Läs merLösning av tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, tisdagen den 27 maj 2014, kl
1 Matematiska Institutionen KTH Lösning av tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, tisdagen den 27 maj 2014, kl 14.00-19.00. Examinator: Olof Heden Hjälpmedel: Inga hjälpmedel
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 2018-08-31 Kaj Holmberg Lösningar Uppgift 1 1a: Inför slackvariabler x 5, x 6 och
Läs merAlgoritmer och datastrukturer 2012, fo rela sning 8
lgoritmer och datastrukturer 01, fo rela sning 8 Komplexitet för binära sökträd De viktigaste operationerna på binära sökträd är insert, find och remove Tiden det tar att utföra en operation bestäms till
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping TAOP88 Matematiska Institutionen Lösning till tentamen Optimeringslära 9--7 Kaj Holmberg Lösningar Uppgift a: Inför slackvariabler x 5, x 6 och x 7 Starta med slackvariablerna
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: augusti 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken
Läs merLösningar till 5B1762 Optimeringslära för T, 24/5-07
Lösningar till 5B76 Optimeringslära för T, 4/5-7 Uppgift (a) Först använder vi Gauss Jordans metod på den givna matrisen A = Addition av gånger första raden till andra raden ger till resultat matrisen
Läs merTentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, onsdagen den 20 augusti 2014, kl
1 Matematiska Institutionen KTH Tentamensskrivning i Diskret Matematik för CINTE och CMETE, SF1610, onsdagen den 20 augusti 2014, kl 14.00-19.00. Examinator: Olof Heden Hjälpmedel: Inga hjälpmedel är tillåtna
Läs mer8 Minsta kvadratmetoden
Nr, april -, Amelia Minsta kvadratmetoden. Ekvationssystem med en lösning, -fallet Ett linjärt ekvationssystem, som ½ +7y = y = har en entydig lösning om koefficientdeterminanten, här 7, är skild från
Läs merLinjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin
Linjärprogramming EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin 1 Kursmål Formulera korttidsplaneringsproblem för vatten- och värmekraftsystem. 2 Tillämpad matematisk programming Korttidsplanering
Läs merOptimalitetsvillkor. Optimum? Matematisk notation. Optimum? Definition. Definition
Optimum? När man har formulerat sin optimeringsmodell vill man lösa den Dvs finna en optimal lösning, x, till modellen Nästan alltid: Sökmetoder: Stå i en punkt, gå till en annan (bättre Upprepa, tills
Läs merHemtenta 2 i Telekommunikation
Hemtenta 2 i Telekommunikation Tentamen omfattar 4*4=16 poäng. För godkänt krävs minst 8 poäng. Individuell Inlämning senast 2005-10-07 till Jan-Åke Olofsson jan-ake.olofsson@tfe.umu.se eller Björn Ekenstam,
Läs merSkurlängdskodning. aaaabbbbbbbccbbbbaaaa. Man beskriver alltså sekvensen med ett annat alfabet än det ursprungliga.
Datakompression fö 4 p1 Skurlängdskodning Ibland har man källor som producerar långa delsekvenser av samma symbol Det kan då vara praktiskt att istället för att beskriva sekvensen som en följd av enstaka
Läs merSannolikheten att vinna ett spel med upprepade myntkast
Matematik Gymnasieskola Modul: Matematikundervisning med digitala verktyg Del 7: Matematiska undersökningar med kalkylprogram Sannolikheten att vinna ett spel med upprepade myntkast Håkan Sollervall, Malmö
Läs merrepetitionskoder blockkoder Felrättande koder
Antag att en följd av nollor och ettor ska skickas genom en kanal: 0 0 0 0 0 0... Om det finns en viss risk (sannolikhet) för fel kanske vi får ut: 0 0 0 0 0 0... Hur kan man rätta till felen med så lite
Läs merSystemkonstruktion Z3 (Kurs nr: SSY-046)
Systemkonstruktion Z3 (Kurs nr: SSY-046) Tentamen 23 oktober 2008 em 14:00-18:00 Tid: 4 timmar. Lokal: "Väg och vatten"-salar. Lärare: Nikolce Murgovski, 772 4800 Tentamenssalarna besöks efter ca 1 timme
Läs merRSA-kryptering och primalitetstest
Matematik, KTH Bengt Ek augusti 2016 Material till kurserna SF1630 och SF1679, Diskret matematik: RSA-kryptering och primalitetstest Hemliga koder (dvs koder som används för att göra meddelanden oläsbara
Läs merIE1204/IE1205 Digital Design
TENTAMEN IE1204/IE1205 Digital Design 2012-12-13, 09.00-13.00 Inga hjälpmedel är tillåtna! Hjälpmedel Tentamen består av tre delar med sammanlagd tolv uppgifter, och totalt 30 poäng. Del A1 (Analys) innehåller
Läs merFöreläsning 5: Giriga algoritmer. Kruskals och Prims algoritmer
Föreläsning 5: Giriga algoritmer Kruskals och Prims algoritmer Spännande träd: Om G är en sammanhängande graf så är ett spännande träd ett träd som innehåller alla noder i V (G). Viantarattviharkantvikterw(e)
Läs merLösning till tentamensskrivning i Diskret Matematik för CINTE och CMETE, m fl, SF1610, tisdagen den 2 juni 2015, kl
1 Matematiska Institutionen KTH Lösning till tentamensskrivning i Diskret Matematik för CINTE och CMETE, m fl, SF1610, tisdagen den juni 015, kl 1.00-19.00. Examinator: Olof Heden Hjälpmedel: Inga hjälpmedel
Läs merLösning till tentamensskrivning på kursen Diskret Matematik, moment B, för D2 och F, SF1631 och SF1630, den 1 juni 2011 kl
Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Diskret Matematik moment B för D2 och F SF63 och SF63 den juni 2 kl 8.- 3.. Examinator: Olof Heden tel. 7354789. Hjälpmedel: Inga
Läs merFLAC (Free Lossless Audio Coding)
Datakompression fö 9 p.1 FLAC (Free Lossless Audio Coding) Distorsionsfri kodning av ljud Ljudsignalen delas in i block (typiskt några tusen sampel). Koda summa/skillnad av de två stereokanalerna om det
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 29 maj 20 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTentamen Datastrukturer, DAT037 (DAT036)
Tentamen Datastrukturer, DAT037 (DAT036) Datum och tid för tentamen: 2017-01-11, 14:00 18:00. Ansvarig: Fredrik Lindblad. Nås på tel nr. 031-772 2038. Besöker tentamenssalarna ca 15:00 och ca 17:00. Godkända
Läs merHärledning av Black-Littermans formel mha allmänna linjära modellen
Härledning av Black-Littermans formel mha allmänna linjära modellen Ett sätt att få fram Black-Littermans formel är att formulera problemet att hitta lämpliga justerade avkastningar som ett skattningsproblem
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar II Innehåll Repetition:
Läs merBasbyten och linjära avbildningar
Föreläsning 11, Linjär algebra IT VT2008 1 Basbyten och linjära avbildningar Innan vi fortsätter med egenvärden så ska vi titta på hur matrisen för en linjär avbildning beror på vilken bas vi använder.
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: januari 2016 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTentamen i IE1204/5 Digital Design onsdagen den 5/
Tentamen i IE1204/5 Digital Design onsdagen den 5/6 2013 9.00-13.00 Tentamensfrågor med lösningsförslag Allmän information Examinator: Ingo Sander. Ansvarig lärare: William Sandqvist, tel 08-790 4487 (Kista
Läs merTentamen i Digitalteknik, EITF65
Elektro- och informationsteknik Tentamen i Digitalteknik, EITF65 3 januari 2018, kl. 14-19 Skriv anonymkod och identifierare, eller personnummer, på alla papper. Börja en ny uppgift på ett nytt papper.
Läs merBlandade problem från elektro- och datateknik
Blandade problem från elektro- och datateknik Sannolikhetsteori (Kapitel 1-10) E1. En viss typ av elektroniska komponenter anses ha exponentialfördelade livslängder. Efter 3000 timmar brukar 90 % av komponenterna
Läs merLinjära avbildningar. Låt R n vara mängden av alla vektorer med n komponenter, d.v.s. x 1 x 2. x = R n = x n
Linjära avbildningar Låt R n vara mängden av alla vektorer med n komponenter, d.v.s. R n = { x = x x. x n } x, x,..., x n R. Vi räknar med vektorer x, y likandant som i planet och i rymden. vektorsumma:
Läs merTentamen LMA 200 Matematisk statistik,
Tentamen LMA Matematisk statistik, Tentamen består av åtta uppgifter motsvarande totalt poäng. Det krävs minst poäng för betyg, minst poäng för 4 och minst 4 poäng för. Examinator: Ulla Blomqvist, ankn
Läs merSKRIVNING I VEKTORGEOMETRI
SKRIVNING I VEKTORGEOMETRI Delkurs 207 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas. Baser i rummet kan dessutom antas vara positivt orienterade.. För
Läs merOptimeringslära Kaj Holmberg. Lösningar/svar. Iteration 2: x 2 s
Tekniska Högskolan i Linköping Optimering av realistiska sammansatta s Matematiska Institutionen Lösning till tentamen Optimeringslära 2014-01-15 Kaj Holmberg Lösningar/svar Uppgift 1 1a: (Detta problem
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 merTentamen TEN1 HI
Tentamen TEN1 HI1029 2014-03-14 Skrivtid: 8.15-13.00 Hjälpmedel: Referensblad (utdelas), papper (tomma), penna Logga in med tentamenskontot ni får av skrivvakten. Det kommer att ta tid att logga in ha
Läs merBurrows-Wheelers transform
Datakompression fö 7 p.1 Burrows-Wheelers transform Transformen själv ger ingen kompression, men gör det lättare att koda signalen med en enkel kodare. Antag att vi vill koda en sekvens av längd n. Skapa
Läs merMIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING
Läs merNorm och QR-faktorisering
Norm och QR-faktorisering Skalärprodukten på C n (R n ) hänger ihop med några viktiga klasser av matriser. För en komplex matris A betecknar vi med A H det Hermitiska konjugatet till A, dvs A H = A T.
Läs merStokastiska vektorer
TNG006 F2 9-05-206 Stokastiska vektorer 2 Kovarians och korrelation Definition 2 Antag att de sv X och Y har väntevärde och standardavvikelse µ X och σ X resp µ Y och σ Y Då kallas för kovariansen mellan
Läs merLösningsförslag till Problem i kapitel 7 i Mobil Radiokommunikation
Lösningsförslag till Problem i kapitel 7 i Mobil adiokommunikation 7. 7. Två lognormalt fördelade stokastiska variabler X och Y med log-standardavvikelserna σ logx och σ logy. Att den stokastiska variabeln
Läs merP(ξ > 1) = 1 P( 1) = 1 (P(ξ = 0)+P(ξ = 1)) = 1 0.34. ξ = 2ξ 1 3ξ 2
Lösningsförslag TMSB18 Matematisk statistik IL 101015 Tid: 12.00-17.00 Telefon: 101620, Examinator: F Abrahamsson 1. Varje dag levereras en last med 100 maskindetaljer till ett företag. Man tar då ett
Läs merTentamen Datastrukturer (DAT036/DAT037/DIT960)
Tentamen Datastrukturer (DAT036/DAT037/DIT960) Datum och tid för tentamen: 2016-04-07, 14:00 18:00. Författare: Nils Anders Danielsson. (Tack till Per Hallgren och Nick Smallbone för feedback.) Ansvarig:
Läs merFöreläsningen ger en introduktion till differentialekvationer och behandlar stoff från delkapitel 18.1, 18.3 och 7.9 i Adams. 18.
Föreläsningen ger en introduktion till differentialekvationer och behandlar stoff från delkapitel 18.1, 18.3 och 7.9 i Adams. 18.1 Delkapitlet introducerar en del terminologi och beteckningar som används.
Läs merLösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 11 april, 2002
Institutionen för matematik, KTH Mats Boij och Niklas Eriksen Lösningsförslag till Tentamen i 5B1118 Diskret matematik 5p 11 april, 2002 1. Bestäm det minsta positiva heltal n sådant att 31n + 13 är delbart
Läs mer1 Föreläsning I, Mängdlära och elementär sannolikhetsteori,
1 Föreläsning I, Mängdlära och elementär sannolikhetsteori, LMA201, LMA521 1.1 Mängd (Kapitel 1) En (oordnad) mängd A är en uppsättning av element. En sådan mängd kan innehålla ändligt eller oändlligt
Läs merTentamen i Linjär algebra (TATA31/TEN1) ,
Linköpings universitet Matematiska institutionen Ulf Janfalk Kurskod: TATA Provkod: TEN Tentamen i Linjär algebra (TATA/TEN) 7 9, 9. Inga hjälpmedel. Ej räknedosa. För godkänt räcker 9 poäng och minst
Läs mer729G04 - Diskret matematik. Hemuppgift.
729G04 - Diskret matematik. Hemuppgift. 2016-08-31 Instruktioner Dessa uppgifter utgör en del av examinationen i kursen 729G04 Programmering och diskret matematik. Uppgifterna ska utföras individuellt
Läs merLösningsförslag till skrivningen i Vektorgeometri (MAA702) måndagen den 30 maj 2005
VÄXJÖ UNIVERSITET Matematiska och systemtekniska institutionen Per-Anders Svensson Lösningsförslag till skrivningen i Vektorgeometri (MAA702) måndagen den 30 maj 2005 Uppgift. Bestäm samtliga vektorer
Läs mer1 Ickelinjär optimering under bivillkor
Krister Svanberg, maj 2012 1 Ickelinjär optimering under bivillkor Hittills har vi behandlat optimeringsproblem där alla variabler x j kunnat röra sig fritt, oberoende av varann, och anta hur stora eller
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: 0 maj 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken får
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 8 januari 201 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
Läs merLösningar till SF1861 Optimeringslära, 28 maj 2012
Lösningar till SF86 Optimeringslära, 28 maj 202 Uppgift.(a) Då det primala problemet P är så är det motsvarande duala problemet D minimera 3x + x 2 då 3x + 2x 2 6 x + 2x 2 4 x j 0, j =, 2. maximera 6 +
Läs merPartiella differentialekvationer av första ordningen
Partiella differentialekvationer av första ordningen Kjell Holmåker 23 februari 2005 En kvasilinjär partiell differentialekvation av första ordningen är av formen P (x, y, u)u x + Q(x, y, u)u y = R(x,
Läs merLösningar till tentan i 5B1760 Linjär och kvadratisk optimering, 17 december 2003.
Lösningar till tentan i 5B7 Linjär och kvadratisk optimering, 7 december 3 Uppgift (a) 3 Vi använder Gauss-Jordans metod för att överföra A 3 5 till trappstegsform 3 7 Addition av ( ) gånger första raden
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 2 oktober 2013 Tid:.00-13.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.
Läs mer