Kontinuerliga variabler

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "Kontinuerliga variabler"

Transkript

1 Kontinuerlig vribler c 005 Eric Järpe Högskoln i Hlmstd Antg tt vi kunde mät med oändligt stor noggrnnhet hur stor strömstyrk en viss typ v motstånd klrr. Ing mätningr skulle då vr exkt lik. Om vi mätte 0 motstånd och plottde resultten mot respektive observtionsnummer skulle det kunn se ut någonting i den här stilen: Om mn indelr utfllsrummet i delintervll och räknr reltiv frekvenser inom respektive intervll skulle mn få något liknnde följnde histogrm. Density x Antg nu tt vi mäter ytterligre 980 motstånd och bildr motsvrnde histogrm. Då ser mn hur stplrn följer en mer jämn kurv. Density x Denn jämn kurv (den streckde kurvn i figuren) kn sägs vr börjn och slutet : slutet för den är gränsvärdeshistogrmmet med llt finre intervllindel-

2 ning, börjn för tt den teoretiskt beskriver snnolikhetsmssn (täthetsfunktionen) då mn sk börj gör observtionern. Vid diskret vribler kunde stplrn i histogrmmet svrt mot snnolikheten tt få värdet stpeln representerr. Vid kontinuerlig vribler representer kurvn som beskriver täthetsfunktionen för vribeln X snnolikheten på så sätt tt ren v ytn under kurvn på intervllet (x, x ) är snnolikehten tt P (x X x ). För kontinuerlig stokstisk vribler (dvs vribler som ntr värden ur ett överuppräkneligt värderum) hr mn, precis som för diskret, en fördelningsfunktion F (x) definierd v F (x) P (X x). Emellertid kn mn inte tl om någon snnolikhetsfunktion. Motsvrigheten är istället täthetsfunktionen (klld frekvensfunktion i Vännmn). Täthetsfunktionen f(x) hr dock inte tolkningen som en snnolikhet (som är fllet med snnolikhetsfunktionen) utn är br definerd v f(x) d P (X x) (den streckde kurvn ovn). dx När det gäller stokstisk vribler llmänhet och kontinuerlig vribler i synnerhet tjänr mn iblnd på tt tänk på täthetsfunktionen (och därmed fördelningsfunktionen som integrerd bit) ritd i ett koordintsystem. Förtjänsten vid resonemng om snnolikheter är ungefär densmm som tt t Venn-digrm till hjälp vid resonemng om mängder. b f(x) P ( X b) b f(x) dx Definition Om P (X x) x f(t) dt för ll x i värdemängden, så klls X kontinuerlig stokstisk vribel och f dess täthetsfunktion (eller frekvensfunktion). Eftersom P är ett snnolikhetsmått måste 0 P ( X b) för ll, b vilket innebär tt P (X b) P (X ) 0 b f(t) dt f(t) dt 0 b f(t) dt 0 för ll b f(x) 0 för ll x. Vidre är P (Ω) vrmed lim b P (X b) så f(x) dx. Eftersom F (x) är fördelningsfunktion är F (x) P (X x) x är P ( X b) P (X b) P (X ) F (b) F (). f(t) dt. Därmed Till skillnd mot det diskret fllet hr < och smm betydelse, och dito >

3 och. Dessutom, till skillnd mot diskret fllet, är P (X ) f(x) dx 0. Dett understryker tt f(x) P (X x), dvs mn hr inte tolkningen v täthetsfunktionen f(x) som en snnolikhet! Dett smmnftts i Sts A läs den! Vnlig kontinuerlig fördelningr ektngulärfördelning Beteckns X (, b) eller X U(, b). { x b b f(x) 0 nnrs Dett är den kontinuerlig motsvrigheten till (diskret) likformig fördelning (och klls iblnd istället just likformig fördelning ). ektngulärfördelningen fördelr snnolikhetsmssn jämnt över hel värdemängden (intervllet [, b]). Denn fördelning är det mn kn nt om mn ej hr någon informtion som indikerr tt något delintervll är mer snnolikt än ett nnt. (Ex. Tid kvr till näst buss då mn nländer till en busshållplts.) Exponentilfördelning Beteckns { X Exp(λ). 0 x < 0 f(x) λe λx x 0 X är t.ex. livslängden hos mång elektronisk komponenter såsom glödlmpor, trnsistorer etc. Övning Beräkn fördelningsfunktionenern för en rektngulärfördeld resp. en exponentilfördeld vribel. Normlfördelning Beteckns X N(µ, σ ). f(x) π e (x µ) /σ P.g.. ett v de viktigste resultten i hel snnolikhetslärn (den s.k. centrl gränsvärdesstsen som vi kommer till så småningom) är normlfördelningen pproximtiv fördelning för en mängd nturlig fenomen. Normlfördelningen är den i särklss viktigste fördelningen och därför kommer vi ägn den extr mycket uppmärksmhet. Exempel Antg tt vi nländer till en busshållplts där bussrn går vr tjugonde minut. Vd är snnolikheten tt bussen kommer inom 0 minuter men inte förr än efter minuter?

4 Lösning: Eftersom vi inte vet någonting om när vi nlänt i förhållnde till när bussrn kommer, endst tt vi inte sk behöv vänt mer än 0 minuter, är det end vi kn nt tt snnolikheten för bussens nkomst till hållpltsen är jämnt fördeld, dvs tt X (tiden vi behöver vänt på bussen) är fördeld (0, 0). Därmed är P (bussen kommer inom 0 min. men ej förr än om min.) P ( X 0) 0 dx [ x 0 0 ] Betingning med kontinuerlig vribler Om X och Y är kontinuerlig stokstisk vribler så är P (X x, Y y) y P (X x Y t)f Y (t) dt x P (Y y X t)f X(t) dt. Exempel I ett klssrum finns 0 prllellkopplde oberoende lysrörslmpor. För vrje lmp är snnolikheten tt den lyser mer är 000 timmr 0.8. Vd är snnolikheten tt det inte är helt mörkt i klssrummet då det ges en kvällskurs där efter timmrs brinntid? Lösning: Låt X i vr livslängden v den i:te lmpn. Då är P (X i x) e λx. 0.8 P (lmp i lyser i mer än 000 timmr) P (X i > 000) ( e λ000 ) e 000λ ln 0.8 λ Därmed är P (ej helt mörkt efter timmr) P (ll lmpor slut efter timmr) P ({X 0 000} {X 0 000} {X } P (X 0 000) 0 ( e ) 0 ( e. ) Exponentilfördelningens glömsk Antg tt vi vet tt en glödlmp lyst i timmr. Vd är då den betingde snnolikheten tt den fortsätter lys i ytterligre b timmr? Låt X vr livsängden hos glödlmpn i timmr. Då är X Exp(λ), dvs P (X x) F (x) e λx där x 0 och λ är en konstnt specifik för denn sorts lmpor. Vi vill vet vd snnolikheten är tt lmpn fungerr i + b timmr givet tt den redn hr lyst i timmr. P (X > + b X > ) P ({X > + b} {X > }) P (X > ) P (X > + b) P (X > ) P (X + b) P (X ) F ( + b) F ()

5 ( e λ(+b) ) e λ e λ e λb e λ e λb ( e λb ) F (b) P (X > b) Dett innebär tt snnolikheten tt den sk fortsätt lys i b timmr då vi vet tt den redn lyst i timmr är densmm som snnolikheten tt den lyser i b timmr utn vetskp om hur länge den lyst innn!! På dett vis menr mn tt lmpn glömt tt den levt i timmr redn så det ej påverkr snnolikheten tt den lever i ytterligre b. (Obs Behöver ej läs om Weibullfördelning!) Definition Låt X vr en kontinuerlig stokstisk vribel med täthetsfunktion f(x). Väntevärdet för X är µ E(X) xf(x) dx. Vrinsen för X är σ V (X) (x µ) f(x) dx. äknereglern för väntevärde och vrins v kontinuerlig är desmm som reglern för diskret vribler med undntget tt om X är kontinuerlig så är E(g(X)) g(x)f(x) dx 5

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i snnolikhetsklkyl och sttistik Smmnfttning, del I G. Gripenerg Alto-universitetet 6 feruri 2015 1 Snnolikheter Oeroende Betingd snnolikhet Byes formel Klssisk snnolikhet och komintorik

Läs mer

Stokastiska variabler

Stokastiska variabler Kpitel 4 Stokstisk vribler Ett utfll v ett slumpmässigt försök är oft sådnt som inte direkt kn mäts. T.ex. försöket Kst med ett symmetriskt mynt hr utfllsrummet {kron, klve}. För tt kvntittivt nlyser försök

Läs mer

Integraler och statistik

Integraler och statistik Föreläsning 8 för TNIU Integrler och sttistik Krzysztof Mrcinik ITN, Cmpus Norrköping, krzm@itn.liu.se www.itn.liu.se/krzm ver. 4 - --8 Inledning - lite om sttistik Sttistik är en gren v tillämpd mtemtik

Läs mer

Generaliserade integraler

Generaliserade integraler Generliserde integrler Mtemtik Breddning 2.5 Frm till denn punkt hr vi endst studert integrler där funktionen som skll integrers vrit begränsd. Dessutom hr det intervll över vilket vi integrerr vrit begränst

Läs mer

SF1625 Envariabelanalys

SF1625 Envariabelanalys Modul 5: Integrler Institutionen för mtemtik KTH 30 november 4 december Integrler Integrler är vd vi sk håll på med denn veck och näst. Vi kommer tt gör följnde: En definition v vd begreppet betyder En

Läs mer

SF1625 Envariabelanalys

SF1625 Envariabelanalys SF1625 Envribelnlys Föreläsning 13 Institutionen för mtemtik KTH 27 september 2017 SF1625 Envribelnlys Anmäl er till tentn Anmäl er till tentn nu. Det görs vi min sidor. Om det inte går, mejl studentexpeditionen

Läs mer

Matematisk statistik för B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Exempel: Utsläpp från Källby reningsverk.

Matematisk statistik för B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Exempel: Utsläpp från Källby reningsverk. Mtemtisk sttistik för B, K, N, BME och Kemister Föreläsning 1 John Lindström 1 september 2014 John Lindström - johnl@mths.lth.se FMS086/MASB02 F1 2/26 Exempel Tillämpningr Signlbehndling Mtemtisk sttistik

Läs mer

1 Föreläsning V; Kontinuerlig förd.

1 Föreläsning V; Kontinuerlig förd. Föreläsning V; Kontinuerlig förd. Ufallsrummet har hittills varit dsikret, den stokastisk variabeln har endast kunnat anta ett antal värden. Ex.vis Poissonfördeln. är antal observationer inom ett tidsintervall

Läs mer

Reliability analysis in engineering applications

Reliability analysis in engineering applications Relibility nlysis in engineering pplictions Etremvärdesfördelningr Mimum och minimum Structurl Engineering - Lund University 1 Etremvärdesfördelningr Vrible lod, q Mvärdet under referensperioden Q 1 Q

Läs mer

9. Bestämda integraler

9. Bestämda integraler 77 9. Bestämd integrler Låt f vr en icke-negtiv, begränsd funktion på [,b]. Vi hr lltså 0 f(x) ll x [,b] för någon konstnt B. B för Problem: Beräkn ren A v den yt som begränss v kurvn y = f(x), x b, x-xeln

Läs mer

24 Integraler av masstyp

24 Integraler av masstyp Nr, mj -5, Ameli Integrler v msstyp Kurvintegrler v msstyp Vi hr hittills studert en typ v kurvintegrl, R F dr, där vi integrerr den komponent v ett vektorfält F som är tngentiell till kurvn ( dr) i punkter

Läs mer

TATA42: Föreläsning 4 Generaliserade integraler

TATA42: Föreläsning 4 Generaliserade integraler TATA42: Föreläsning 4 Generliserde integrler John Thim 29 mrs 27 Vi hr stött på begreppet tidigre när vi diskutert Riemnnintegrler i föregående kurs. Denn gång kommer vi lite mer tt fokuser på frågn om

Läs mer

LINJÄR ALGEBRA II LEKTION 1

LINJÄR ALGEBRA II LEKTION 1 LINJÄR ALGEBRA II LEKTION JOHAN ASPLUND INNEHÅLL. VEKTORRUM OCH DELRUM Hel kursen Linjär Algebr II hndlr om vektorrum och hur vektorrum (eller linjär rum, som de iblnd klls) beter sig. Tidigre hr mn ntgligen

Läs mer

Mat-1.1510 Grundkurs i matematik 1, del III

Mat-1.1510 Grundkurs i matematik 1, del III Mt-.50 Grundkurs i mtemtik, del III G. Gripenberg TKK december 00 G. Gripenberg TKK) Mt-.50 Grundkurs i mtemtik, del III december 00 / 59 Vribelbyte F gx))g x) dx = d F gx)) dx dx = / b F gx)) = F gb))

Läs mer

Integralen. f(x) dx exakt utan man får nöja sig med att beräkna

Integralen. f(x) dx exakt utan man får nöja sig med att beräkna CTH/GU STUDIO TMVb - / Mtemtisk vetenskper Integrlen Anlys och Linjär Algebr, del B, K/Kf/Bt Inledning Mn kn inte lltid bestämm integrler f() d ekt utn mn får nöj sig med tt beräkn pproimtioner. T.e. e

Läs mer

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

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

Läs mer

Sfärisk trigonometri

Sfärisk trigonometri Sfärisk trigonometri Inledning Vi vill nvänd den sfärisk trigonometrin för beräkningr på storcirkelrutter längs jordytn (för sjöfrt och luftfrt). En storcirkel är en cirkel på sfären vrs medelpunkt smmnfller

Läs mer

PASS 1. RÄKNEOPERATIONER MED DECIMALTAL OCH BRÅKTAL

PASS 1. RÄKNEOPERATIONER MED DECIMALTAL OCH BRÅKTAL PASS. RÄKNEOPERATIONER MED DECIMALTAL OCH BRÅKTAL. Tl, bråktl och decimltl Vd är ett tl för någonting? I de finländsk fmiljern brukr det vnligtvis finns två brn enligt Sttistikcentrlen (http://www.tilstokeskus.fi/tup/suoluk/suoluk_vesto_sv.html).

Läs mer

KOMPLETTERANDE MATERIAL TILL KURSEN MATEMATIK II, MATEMATISK ANALYS DEL A VT 2015

KOMPLETTERANDE MATERIAL TILL KURSEN MATEMATIK II, MATEMATISK ANALYS DEL A VT 2015 KOMPLETTERANDE MATERIAL TILL KURSEN MATEMATIK II, MATEMATISK ANALYS DEL A VT 2015 ANDRZEJ SZULKIN 1. Supremum, infimum och kontinuerlig funktioner I ppendix A3 i [PB2] definiers begreppen supremum och

Läs mer

Byt till den tjocka linsen och bestäm dess brännvidd.

Byt till den tjocka linsen och bestäm dess brännvidd. LINSER Uppgit: Mteriel: Teori: Att undersök den rytnde örmågn hos olik linser och tt veriier linsormeln Ljuskäll och linser ur Optik-Elin Med hjälp v en lmp och en ländre med ler öppningr år vi ler ljusstrålr,

Läs mer

Integraler. 1 Inledning. 2 Beräkningsmetoder. CTH/GU LABORATION 2 MVE /2013 Matematiska vetenskaper

Integraler. 1 Inledning. 2 Beräkningsmetoder. CTH/GU LABORATION 2 MVE /2013 Matematiska vetenskaper CTH/GU LABORATION MVE6 - / Mtemtisk vetenskper Inledning Integrler Iblnd kn mn inte bestämm integrler exkt utn mn får nöj sig med tt beräkn pproximtioner. T.ex. e x dx kn inte beräkns exkt, eftersom det

Läs mer

Vilken rät linje passar bäst till givna datapunkter?

Vilken rät linje passar bäst till givna datapunkter? Vilken rät linje pssr bäst till givn dtpunkter? Anders Källén MtemtikCentrum LTH nderskllen@gmil.com Smmnfttning I det här dokumentet diskuterr vi minst-kvdrtmetoden för skttning v en rät linje till dt.

Läs mer

V1. Intervallet [a,b] är ändligt, dvs gränserna a, b är reella tal och INTE ±. är begränsad i intervallet [a,b].

V1. Intervallet [a,b] är ändligt, dvs gränserna a, b är reella tal och INTE ±. är begränsad i intervallet [a,b]. Armin Hlilovic: ETRA ÖVNINGAR Generliserde integrler GENERALISERADE INTEGRALER När vi definierr Riemnnintegrl f ( ) d ntr vi tt följnde två krv är uppfylld: V. Intervllet [,] är ändligt, dvs gränsern,

Läs mer

TATA42: Tips inför tentan

TATA42: Tips inför tentan TATA42: Tips inför tentn John Thim 25 mj 205 Syfte Tnken med dett kort dokument är tt ge lite extr studietips inför tentn. Kursinnehållet definiers så klrt fortfrnde v kursplnen och kurslitterturen så

Läs mer

V1. Intervallet [a,b] är ändligt, dvs gränserna a, b är reella tal och INTE ±. är begränsad i intervallet [a,b].

V1. Intervallet [a,b] är ändligt, dvs gränserna a, b är reella tal och INTE ±. är begränsad i intervallet [a,b]. Armin Hlilovic: ETRA ÖVNINGAR Generliserde integrler GENERALISERADE INTEGRALER När vi definierr Riemnnintegrl f ( ) d ntr vi tt följnde två krv är uppfylld: V. Intervllet [,] är ändligt, dvs gränsern,

Läs mer

SERIER OCH GENERALISERADE INTEGRALER

SERIER OCH GENERALISERADE INTEGRALER SERIER OCH GENERALISERADE INTEGRALER MARTIN TAMM. Inledning Då och då hr vi i tidigre urser ställts inför problemet tt hnter summor med oändligt mång termer, t e Eempel. () eller Eempel. () = ( ) = + +

Läs mer

Volym och dubbelintegraler över en rektangel

Volym och dubbelintegraler över en rektangel Volym oh dubbelintegrler över en rektngel All funktioner nedn nts vr kontinuerlig. Om f (x i intervllet [, b], så är ren v mängden {(x, y : y f (x, x b} lik med integrlen b f (x dx. Låt = [, b] [, d] =

Läs mer

Trigonometri. 2 Godtyckliga trianglar och enhetscirkeln 2. 3 Triangelsatserna Areasatsen Sinussatsen Kosinussatsen...

Trigonometri. 2 Godtyckliga trianglar och enhetscirkeln 2. 3 Triangelsatserna Areasatsen Sinussatsen Kosinussatsen... Trigonometri Innehåll 1 Rätvinklig tringlr 1 Godtyklig tringlr oh enhetsirkeln 3 Tringelstsern 4 3.1 restsen.............................. 4 3. Sinusstsen.............................. 5 3.3 Kosinusstsen.............................

Läs mer

Kvalificeringstävling den 2 oktober 2007

Kvalificeringstävling den 2 oktober 2007 SKOLORNAS MATEMATIKTÄVLING Svensk Mtemtikersmfundet Kvlifieringstävling den oktober 007 Förslg till lösningr 1 I en skol hr vr oh en v de 0 klssern ett studieråd med 5 ledmöter vrder Per är den ende v

Läs mer

Läsanvisningar för MATEMATIK I, ANALYS

Läsanvisningar för MATEMATIK I, ANALYS Läsnvisningr för MATEMATIK I, ANALYS Läsnvisningrn är tänkt i först hnd för dig som läser kursen mtemtik I på distns, och de sk vägled dig på din res genom nlysen. Stoffet är i stort sett portionert på

Läs mer

TMV151/TMV181. Fredrik Lindgren. 19 november 2013

TMV151/TMV181. Fredrik Lindgren. 19 november 2013 TMV151/TMV181 Fredrik Lindgren Mtemtisk vetenskper Chlmers teknisk högskol och Göteborgs universitet 19 november 2013 F. Lindgren (Chlmers&GU) Envribelnlys 19 november 2013 1 / 24 Outline 1 Mss, moment

Läs mer

Tillämpning av integraler

Tillämpning av integraler CTH/GU LABORATION 3 MVE6 - /3 Mtemtisk vetenskper Inledning Tillämpning v integrler Vi skll se på två tillämpningr v integrler. Först ren oh volymen v rottionskropp sedn omkretsen v en ellips. Rottionskroppr

Läs mer

Tillämpning - Ray Tracing och Bézier Ytor. TANA09 Föreläsning 3. Icke-Linjära Ekvationer. Ekvationslösning. Tillämpning.

Tillämpning - Ray Tracing och Bézier Ytor. TANA09 Föreläsning 3. Icke-Linjära Ekvationer. Ekvationslösning. Tillämpning. TANA09 Föreläsning 3 Tillämpning - Ry Trcing och Bézier Ytor z = B(x, y) q o Ekvtionslösning Tillämpning Existens Itertion Konvergens Intervllhlveringsmetoden Fixpuntsitertion Newton-Rphsons metod Anlys

Läs mer

Läsanvisningar till kapitel

Läsanvisningar till kapitel Läsnvisningr till kpitel 4.1 4.6 4.1 Konturer Dett är ett vsnitt om kurvor och hur mn prmetriserr kurvor, som borde vr en repetition från lägre kurser. Låt oss gå igenom lite ändå. Definition 4.1. Låt

Läs mer

SF1911: Statistik för bioteknik

SF1911: Statistik för bioteknik SF1911: Statistik för bioteknik Föreläsning 6. TK 14.11.2016 TK Matematisk statistik 14.11.2016 1 / 38 Lärandemål Stokastiska modeller för kontinuerliga datatyper Fördelningsfunktion (cdf) Sannolikhetstäthetsfunktion

Läs mer

Ett förspel till Z -transformen Fibonaccitalen

Ett förspel till Z -transformen Fibonaccitalen Ett förspel till Z -trnsformen Fibonccitlen Leonrdo Pisno vnligen klld Leonrdo Fiboncci, den knske störste mtemtiker som Europ frmburit före renässnsen skrev år 10 en bok (Liber bci) i räknelär. J, fktiskt.

Läs mer

10. Tillämpningar av integraler

10. Tillämpningar av integraler 90 10 TILLÄMPNINGAR AV INTEGRALER 10. Tillämpningr v integrler 10.1. Riemnnsummor I det här vsnittet sk vi se hur integrler nvänds för tt beräkn re v en pln t, volm v rottionskroppr, längd v en kurv, re

Läs mer

Uppgiftssamling 5B1493, lektionerna 1 6. Lektion 1

Uppgiftssamling 5B1493, lektionerna 1 6. Lektion 1 Uppgiftssmling 5B1493, lektionern 1 6 Lektion 1 4. (Räkning med oändlig decimlbråk) Låt x = 0, 1 2 3 n och y = 0,b 1 b 2 b 3 b n ( i och b i siffror 0, 1,, 9).. Kn Du beskriv något förfrnde som säkert

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Aalto-universitetet 28 januari 2014 G. Gripenberg (Aalto-universitetet) MS-A0509 Grundkurs i sannolikhetskalkyl

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I G. Gripenberg Sannolikheter Slumpvariabler Centrala gränsvärdessatsen Aalto-universitetet 8 januari 04 3 Tvådimensionella slumpvariabler

Läs mer

Laborationstillfälle 3 Numerisk integration

Laborationstillfälle 3 Numerisk integration Lbortionstillfälle 3 Numerisk integrtion Målsättning vid lbtillfälle 3: Klr v lbortionsuppgift. Innn dess läser mn hel texten nog. I mån v tid görs övning, men den är gnsk svår. Numerisk integrtion Oft

Läs mer

Exempel för diskreta och kontinuerliga stokastiska variabler

Exempel för diskreta och kontinuerliga stokastiska variabler Stokastisk variabel ( slumpvariabel) Sannolikhet och statistik Stokastiska variabler HT 2008 Uwe.Menzel@math.uu.se http://www.math.uu.se/ uwe/ Stokastisk variabel, slumpvariabel (s.v.): Funktion: Resultat

Läs mer

Mat Grundkurs i matematik 1, del II

Mat Grundkurs i matematik 1, del II Mt-1.1510 Grundkurs i mtemtik 1, del II G. Gripenberg TKK 12 november 2009 G. Gripenberg (TKK) Mt-1.1510 Grundkurs i mtemtik 1, del II 12 november 2009 1 / 44 Mx och min Om A R så är mx A det störst elementet

Läs mer

Teorifrå gor kåp. 5.2 9.3

Teorifrå gor kåp. 5.2 9.3 Teorifrå gor kåp. 5. 9.3 Repetition ) Härled formeln för prtiell integrtion ur nednstående smbnd: d F(x)g(x) = f(x)g(x) F(x)g (x) dx ) Vilken typ v elementär funktion brukr mn oftst välj tt deriver lltså

Läs mer

x 12 12 = 32 12 x 11 + 11 = 26 + 11 x 20 + 20 = 45 + 20 x=3 x=5 x=6 42 = 10x x + 10 = 15 x + 10 10 = 15 10 11 + 9 = 20 x = 65 x + 36 = 46

x 12 12 = 32 12 x 11 + 11 = 26 + 11 x 20 + 20 = 45 + 20 x=3 x=5 x=6 42 = 10x x + 10 = 15 x + 10 10 = 15 10 11 + 9 = 20 x = 65 x + 36 = 46 Vilket tl sk stå i rutn så tt likheten stämmer? + Lös ekvtionen så tt likheten stämmer. = + 9 = + = + = = Det sk stå 9 i rutn. Subtrher båd leden med. r -termen sk vr kvr i vänstr ledet. Skriv rätt tl

Läs mer

1.1 Sfäriska koordinater

1.1 Sfäriska koordinater Föreläsning 3 Mång fysiklisk problem hr någon slgs symmetri. Mest vnligt förekommnde är sfärisk cylinisk. Det visr sig tt mn kn förenkl beräkningr betydligt om mn nvänder sfärisk /eller cylinisk koordinter..

Läs mer

Föreläsning 5, FMSF45 Summor och väntevärden

Föreläsning 5, FMSF45 Summor och väntevärden Föreläsning 5, FMSF45 Summor och väntevärden Stas Volkov 2017-09-19 Stanislav Volkov s.volkov@maths.lth.se FMSFF45 F5: väntevärden 1/18 2D stokastisk variabel Tvådimensionella stokastisk variabel (X, Y)

Läs mer

Tentamen i Matematisk Statistik, 7.5 hp

Tentamen i Matematisk Statistik, 7.5 hp Tentamen i Matematisk Statistik, 7.5 hp Distanskurs 15 januari, 2011 kl. 9.00 13.00 Maxpoäng: 30p. Betygsgränser: 12p: betyg G, 21p: betyg VG. Hjälpmedel: Miniräknare samt formelsamling som medföljer tentamenstexten.

Läs mer

0 a. a -Â n 2 p n. beskriver på sedvanligt sätt en a-periodisk utvidgning av f. Nedanför ritas en partialsumma av Fourierserien.

0 a. a -Â n 2 p n. beskriver på sedvanligt sätt en a-periodisk utvidgning av f. Nedanför ritas en partialsumma av Fourierserien. Sinus- och cosinusserier I slutet v kursen där vi skll lös differentilekvtioner på ändlig intervll v typen H, L, behöver vi konstruer Fourierserier med en viss typ v uppförnde i intervllens ändpunkter.

Läs mer

Induktion LCB 2000/2001

Induktion LCB 2000/2001 Indution LCB 2/2 Ersätter Grimldi 4. Reursion och indution; enl fll n 2 En tlföljd n nturligtvis definiers genom tt mn nger en explicit formel för uträning v n dess 2 element, som till exempel n 2 () n

Läs mer

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson Uppsl Universitet Mtemtisk Institutionen Thoms Erlndsson RÄTA LINJER, PLAN, SKALÄRPRODUKT, ORTOGONALITET MM VERSION MER OM EKVATIONSSYSTEM Linjär ekvtionssystem och den geometri mn kn härled ur dess är

Läs mer

6 Formella språk. Matematik för språkteknologer (5LN445) UPPSALA UNIVERSITET

6 Formella språk. Matematik för språkteknologer (5LN445) UPPSALA UNIVERSITET UPPSALA UNIVERSITET Mtemtik för språkteknologer (5LN445) Institutionen för lingvistik och filologi VT 2014 Förfttre: Mrco Kuhlmnn 2013 (mindre revision Mts Dhllöf 2014) 6 Formell språk Det mänsklig språket

Läs mer

Geometri. 4. Fyra kopior av en rätvinklig triangel kan alltid sättas ihop till en kvadrat med hål som i följande figur varför?

Geometri. 4. Fyra kopior av en rätvinklig triangel kan alltid sättas ihop till en kvadrat med hål som i följande figur varför? Geometri 1. Linjen är isektris till vinkeln. Sträkorn, oh är lik lång. Hur stor är vinkeln? vgör utn mätningr! 4. Fyr kopior v en rätvinklig tringel kn lltid sätts ihop till en kvdrt med hål som i följnde

Läs mer

9 Dubbelintegralens definition

9 Dubbelintegralens definition Nr 9, 5 pril -5, Ameli 9 ubbelintegrlens definition 9. Enkelintegrlen En ursprunglig tolkning v en enkelintegrl är ren under dess grf dvs ren melln funktionsgrfen oh x-xeln. å räkns reor under (söder om)

Läs mer

GOLV. Norgips Golvskivor används som underlag för golv av trä, vinyl, mattor och andra beläggningar. Här de tre viktigaste konstruktionerna

GOLV. Norgips Golvskivor används som underlag för golv av trä, vinyl, mattor och andra beläggningar. Här de tre viktigaste konstruktionerna GOLV Norgips Golvskivor nvänds som underlg för golv v trä, vinyl, mttor och ndr beläggningr. Här de tre viktigste konstruktionern 1. Ett lg golvskivor på träunderlg 2. Flytnde golv med två lg golvskiv

Läs mer

Föreläsning 2, Matematisk statistik för M

Föreläsning 2, Matematisk statistik för M Repetition Stok. Var. Diskret Kont. Fördelningsfnk. Föreläsning 2, Matematisk statistik för M Erik Lindström 25 mars 2015 Erik Lindström - erikl@maths.lth.se FMS012 F2 1/16 Repetition Stok. Var. Diskret

Läs mer

6. Flerdimensionella stokastiska variabler

6. Flerdimensionella stokastiska variabler 6 Flerdimensionella stokastiska variabler 61 Simultana fördelningar Den simultana fördelningsfunktionen av X och Y, vilka som helst två stokastiska variabler, definieras F(a,b) = F X,Y (a,b) = P(X a,y

Läs mer

RÄTTNINGSMALL TILL KEMIOLYMPIADEN 2014, OMGÅNG 2

RÄTTNINGSMALL TILL KEMIOLYMPIADEN 2014, OMGÅNG 2 RÄTTNINGSMALL TILL EMIOLYMPIADEN 201, OMGÅNG 2 Nmn: Födelsedtum: Skol: Hemdress: e-post: Uppg. Endst svr ing uträkningr Poäng L 1 b c d e f 2 2 b c d e 2,1 cm 2 0,20 mol/dm 2 b 1 kp 2 5 2ClO 2 + 2OH ClO

Läs mer

Analys 360 En webbaserad analyskurs Grundbok. Integralkalkyl. MatematikCentrum LTH

Analys 360 En webbaserad analyskurs Grundbok. Integralkalkyl. MatematikCentrum LTH Anlys 360 En webbserd nlyskurs Grundbok Integrlklkyl Anders Källén MtemtikCentrum LTH nderskllen@gmil.com Integrlklkyl (3) Introduktion Vi sk här introducer den bestämd integrlen f(x) dx. Den hr nästn

Läs mer

Skriv tydligt! Uppgift 1 (5p)

Skriv tydligt! Uppgift 1 (5p) 1(1) IF1611 Ingenjörsmetodik för IT och ME, HT 1 Tentmen Gäller även studenter som är registrerde på B1116 Torsdgen den 1 okt, 1, kl. 14.-19. Skriv tydligt! Skriv nmn och personnummer på ll inlämnde ppper!

Läs mer

ENVARIABELANALYS - ETT KOMPLEMENT

ENVARIABELANALYS - ETT KOMPLEMENT ENVARIABELANALYS - ETT KOMPLEMENT DAN STRÄNGBERG Innehåll Smmnfttning. Vd som börjde som föreläsningsnteckningr till en repetitionskurs i envribelnlys hr utvecklts till dett kompendium som är ment som

Läs mer

Numerisk Integration En inledning för Z1

Numerisk Integration En inledning för Z1 Numerisk Integrtion En inledning för Z1 Jörgen Löfström Reviderd v TG 1 Olik typer v fel 1.1 Avrundningsfel och trunkeringsfel Vid ll numerisk beräkning förekommer två huvudtyper v fel, vrundningsfel och

Läs mer

Kan det vara möjligt att med endast

Kan det vara möjligt att med endast ORIO TORIOTO yllene snittet med origmi ed endst någr få vikningr kn mn få frm gyllene snittet och också konstruer en regelbunden femhörning. I ämnren nr 2, 2002 beskrev förfttren hur mn kn rbet med hjälp

Läs mer

Analys grundkurs B lab 1. Stefan Gustafsson Per Jönsson Fakulteten för Teknik och Samhälle, 2013

Analys grundkurs B lab 1. Stefan Gustafsson Per Jönsson Fakulteten för Teknik och Samhälle, 2013 Anlys grundkurs B lb 1 Stefn Gustfsson Per Jönsson Fkulteten för Teknik och Smhälle, 13 1 Viktig informtion om lbortionern Lbortionsdelen på kursen i kursen Anlys grundkurs B exminers genom tt mn gör två

Läs mer

Analys o 3D Linjär algebra. Lektion 16.. p.1/53

Analys o 3D Linjär algebra. Lektion 16.. p.1/53 Anlys o 3D Linjär lgebr Lektion 16. p.1/53 . p.2/53 v 3D Linjär lgebr Hr betrktt vektorer v typen etc resp dvs ordnde triplr v typen. reell tl 3D Linjär lgebr Punkt-vektor dulismen En ordnd tripel v typen

Läs mer

Materiens Struktur. Lösningar

Materiens Struktur. Lösningar Mteriens Struktur Räkneövning 1 Lösningr 1. I ntriumklorid är vrje N-jon omgiven v sex Cl-joner. Det intertomär vståndet är,8 Å. Ifll tomern br skulle växelverk med Coulombväxelverkn oh br med de närmste

Läs mer

Lösningar basuppgifter 6.1 Partikelns kinetik. Historik, grundläggande lagar och begrepp

Lösningar basuppgifter 6.1 Partikelns kinetik. Historik, grundläggande lagar och begrepp Lösningr bsuppgifter 6.1 Prtikelns kinetik. Historik, grundläggnde lgr och begrepp B6.1 1-2) Korrekt 3) elktig (Enheten skll inte vr med här; om exempelvis m 2 = 10 kg, så är m 2 g = 98,1. Uttrycket m

Läs mer

9. Vektorrum (linjära rum)

9. Vektorrum (linjära rum) 9. Vektorrum (linjär rum) 43. Vektorrum (linjärt rum) : definition och xiom 44. Exempel på vektorrum v funktioner. 45. Hur definierr mn subtrktion i ett vektorrum? 46. Underrum 47. Linjärkombintioner,

Läs mer

Föreläsning 7: Trigonometri

Föreläsning 7: Trigonometri ht06 Föreläsning 7: Trigonometri Trigonometrisk identiteter En identitet är en likhet som håller för ll värden på någon vriel. Tex så gäller tt ( + ) + + för ll,. Dett skrivs ilnd som ( + ) + +, men vi

Läs mer

Spelteori: En studie av hur pokerproblemet delvis lösts. Mika Gustafsson

Spelteori: En studie av hur pokerproblemet delvis lösts. Mika Gustafsson Spelteori: En studie v hur pokerproblemet delvis lösts Mik Gustfsson Smmnfttning Spelteorin föddes 198 då von Neumnn mtemtiskt lyckdes påvis bluffens nödvändighet i spel med ofullständig informtion. Dett

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics

Läs mer

GEOMETRISKA VEKTORER Vektorer i rummet.

GEOMETRISKA VEKTORER Vektorer i rummet. GEOMETRISKA VEKTORER Vektorer i rummet. v 6 Någr v de storheter som förekommer inom nturvetenskp kn specificers genom tt ders mätetl nges med ett end reellt tl. Exempel på sådn storheter, som klls sklär

Läs mer

FÖRELÄSNING 3 ANALYS MN1 DISTANS HT06

FÖRELÄSNING 3 ANALYS MN1 DISTANS HT06 FÖRELÄSNING 3 ANALYS MN1 DISTANS HT06 JONAS ELIASSON Dett är föreläsningsnteckningr för distnskursen Mtemtik A - nlysdelen vid Uppsl universitet höstterminen 2006. 1. Integrler I denn sektion går vi igenom

Läs mer

Kap 2. Sannolikhetsteorins grunder

Kap 2. Sannolikhetsteorins grunder Kap 2. Sannolikhetsteorins grunder Olika händelser och deras mängbetäckningar Sats 2.7 Dragning utan återläggning av k element ur n (utan hänsyn till ordning) kan ske på ( n ) olika sätt k För två händelser

Läs mer

UPPTÄCK OCH DEFINIERA SAMBANDET MELLAN TVÅ OMRÅDEN SOM DELAS AV GRAFEN TILL EN POTENSFUNKTION

UPPTÄCK OCH DEFINIERA SAMBANDET MELLAN TVÅ OMRÅDEN SOM DELAS AV GRAFEN TILL EN POTENSFUNKTION OLIVI KVRNLÖ UPPTÄCK OCH DEINIER SMNDET MELLN TVÅ OMRÅDEN SOM DELS V GREN TILL EN POTENSUNKTION Konsultudrg rågeställning I den här ugiften sk vi undersök smbndet melln reorn i en kvdrt med sidn l.e. i

Läs mer

Repetition. Repetition. Repetition. X: slumpvariabel (s.v.) betraktas innan ett försök är genomfört. x: observerat värde efter försöket är genomfört.

Repetition. Repetition. Repetition. X: slumpvariabel (s.v.) betraktas innan ett försök är genomfört. x: observerat värde efter försöket är genomfört. X: slumpvrel (s.v.) etrkts nnn ett försök är genomfört. : oservert värde efter försöket är genomfört. En s.v. är kontnuerlg om den kn nt ll tänkr värden ett ntervll. Fördelnngsfunkton (cdf): F () = P(X

Läs mer

Repetitionsföreläsning

Repetitionsföreläsning Slumpförsök Repetitionsföreläsning Föreläsning 15 Sannolikhet och Statistik 5 hp Med händelser A B... avses delmängder av ett utfallsrum. Slumpförsök = utfallsrummet + ett sannolikhetsmått P. Fredrik Jonsson

Läs mer

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik Matematisk statistik KTH Formel- och tabellsamling i matematisk statistik Varterminen 2005 . Kombinatorik n = k n! k!n k!. Tolkning: n k mängd med n element. 2. Stokastiska variabler V X = EX 2 EX 2 =

Läs mer

16 Area- och volymberäkningar, areor av buktiga

16 Area- och volymberäkningar, areor av buktiga Nr 6, ril -5, Ameli 6 Are- och volmberäkningr, reor v buktig tor 6. Någr reberäkningr Eemel (96e) Beräkn ren som begränss v =,=, = och =. 3.5.5.5.5.5.5 3 Lösning: En möjlighet är tt del tn enligt den streckde

Läs mer

Gauss och Stokes analoga satser och fältsingulariteter: källor och virvlar Mats Persson

Gauss och Stokes analoga satser och fältsingulariteter: källor och virvlar Mats Persson Föreläsning 14/9 Guss och tokes nlog stser och fältsingulriteter: källor och virvlr Mts Persson 1 tser nlog med Guss och tokes stser 1.1 tser nlog med Guss sts Det finns ett pr stser som är mycket när

Läs mer

Kompletterande teori för Envariabelanalys del A på I

Kompletterande teori för Envariabelanalys del A på I Kompletternde teori för Envrielnlys del A på I J A S, ht-04 1 Gränsvärden 1.1 Definitioner och räkneregler Att f(x) A (går mot A) när x (går mot ) sk etyd tt värden till funktionen f sk ligg när tlet A

Läs mer

Lösningar till tentamen i Matematisk Statistik, 5p

Lösningar till tentamen i Matematisk Statistik, 5p Lösningar till tentamen i Matematisk Statistik, 5p LGR00 6 juni, 200 kl. 9.00 1.00 Kursansvarig: Eric Järpe Maxpoäng: 0 Betygsgränser: 12p: G, 21p: VG Hjälpmedel: Miniräknare samt tabell- och formelsamling

Läs mer

Rationella uttryck. Förlängning och förkortning

Rationella uttryck. Förlängning och förkortning Sidor i boken 8-9, 0- Rtionell uttryck. Förlängning och förkortning Först någr begrepp. Aritmetik eller räknelär är den mest grundläggnde formen v mtemtik. Ett ritmetiskt uttryck innehåller tl, men ing

Läs mer

Tentamen ellära 92FY21 och 27

Tentamen ellära 92FY21 och 27 Tentmen ellär 92FY21 och 27 201-08-22 kl. 8 13 Svren nges på seprt ppper. Fullständig lösningr med ll steg motiverde och eteckningr utstt sk redoviss för tt få full poäng. Poängen för en helt korrekt löst

Läs mer

Listor = generaliserade strängar. Introduktion till programmering SMD180. Föreläsning 8: Listor. Fler listor. Listindexering.

Listor = generaliserade strängar. Introduktion till programmering SMD180. Föreläsning 8: Listor. Fler listor. Listindexering. 1 Introduktion till progrmmering SMD180 Föreläsning 8: Listor 2 Listor = generliserde strängr Strängr = sekvenser v tecken Listor = sekvenser v vd som helst [10, 20, 30, 40] # en list v heltl ["spm", "ungee",

Läs mer

Exponentiella förändringar

Exponentiella förändringar Eonentiell förändringr Eonentilfunktionen - llmänt Eonentilfunktionen r du tidigre stött å i åde kurs oc 2. En nyet är den eonentilfunktion som skrivs y = e. (Se fig. nedn) Tlet e, som är mycket centrlt

Läs mer

FORMELLA SPRÅK, AUTOMATER OCH BERÄKNINGSTEORI ÖVNINGSUPPGIFTER PÅ REGULJÄRA SPRÅK

FORMELLA SPRÅK, AUTOMATER OCH BERÄKNINGSTEORI ÖVNINGSUPPGIFTER PÅ REGULJÄRA SPRÅK FORMELLA SPRÅK, AUTOMATER OCH BERÄKNINGSTEORI ÖVNINGSUPPGIFTER PÅ REGULJÄRA SPRÅK Förord Dett kompendium innehåller övningr inom reguljär språk för kursen Formell språk, utomter och eräkningsteori som

Läs mer

Väntevärde och varians

Väntevärde och varians TNG6 F5 19-4-216 Väntevärde och varians Exempel 5.1. En grupp teknologer vid ITN slår sig ihop för att starta ett företag som utvecklar datorspel. Man vet att det är 8% chans för ett felfritt spel som

Läs mer

Gör slag i saken! Frank Bach

Gör slag i saken! Frank Bach Gör slg i sken! Frnk ch På kppseglingsbnn ser mn tävlnde båtr stgvänd lite då och då under kryssrn. En del v båtrn seglr för styrbords hlsr och ndr för bbords. Mn kn undr vem som gör rätt och hur mn kn

Läs mer

INNEHALL. 7 7.1 7.2 7.2.1 7.2.2 7.2.3 7.2.4 7.2.5 7.2.6 7.2.7 7.2.8 t.3

INNEHALL. 7 7.1 7.2 7.2.1 7.2.2 7.2.3 7.2.4 7.2.5 7.2.6 7.2.7 7.2.8 t.3 INNEHALL 7 7.1 7.2 7.2.1 7.2.2 7.2.3 7.2.4 7.2.5 7.2.6 7.2.7 7.2.8 t.3 DATORER Allmänt Digitl dtorer Orgnistion Ordmm Minnesenheten Aritmetisk enheten Styrenheten In/utenheten Avbrott Spräk och proglmm

Läs mer

Lösningar till uppgifter från Milton-Arnold, kap 3 4 Matematisk statistik

Lösningar till uppgifter från Milton-Arnold, kap 3 4 Matematisk statistik Sida 1 Lösningar till uppgifter från Milton-Arnold, kap 3 4 Matematisk statistik 3.7, 3.11 Ympning används för att få en planta att växa på ett rotsystem tillhörande en annan växt. Elementarsannolikheterna

Läs mer

N atom m tot. r = Z m atom

N atom m tot. r = Z m atom Räkneövning fri elektroner och reciprok gittret 1. Silver, Ag, hr fcc-struktur, tomnummer 47, tomvikten 17,87 u, yttre elektronkonfigurtionen 4d 1 5s 1 och densiteten 149 kg/m 3. ) Beräkn tätheten n v

Läs mer

Matematiska uppgifter

Matematiska uppgifter Element Årgång 59, 976 Årgång 59, 976 Först häftet 3020. Lös på enklste sätt ekvtionssystemet (Svr: x = v = 2 och y = u = 2) x + 7y + 3v + 5u = 6 8x + 4y + 6v + 2u = 6 2x + 6y + 4v + 8u = 6 5x + 3y + 7v

Läs mer

Kapitel 5 Multivariata sannolikhetsfördelningar

Kapitel 5 Multivariata sannolikhetsfördelningar Sannolikhetslära och inferens II Kapitel 5 Multivariata sannolikhetsfördelningar 1 Multivariata sannolikhetsfördelningar En slumpvariabel som, när slumpförsöket utförs, antar exakt ett värde sägs vara

Läs mer

Laboration i matematik Envariabelanalys 2

Laboration i matematik Envariabelanalys 2 Lbortion i mtemtik Envribelnlys Per-Anders Boo Institutionen för mtemtik och mtemtisk sttistik Umeå universitet Jnuri Regler och llmän informtion om lbortionen I denn lbortion finns uppgifter som skll

Läs mer

Statistiska metoder för säkerhetsanalys

Statistiska metoder för säkerhetsanalys F3: Slumpvariaber och fördelningar Diskret Kontinuerlig Slumpvariabler Slumpvariabler = stokastiska variabler = random variables = s.v. Heter ofta X, Y, T. Diskreta kan anta ändligt eller uppräkneligt

Läs mer

NATIONELLT KURSPROV I MATEMATIK KURS C VÅREN 2005 3. Del I, 10 uppgifter utan miniräknare 4. Del II, 8 uppgifter med miniräknare 6

NATIONELLT KURSPROV I MATEMATIK KURS C VÅREN 2005 3. Del I, 10 uppgifter utan miniräknare 4. Del II, 8 uppgifter med miniräknare 6 Kurs plnering.se NpMC vt005 (5) Innehåll Förord NATIONELLT KURSPROV I MATEMATIK KURS C VÅREN 005 Del I, 0 uppgifter utn miniräknre 4 Del II, 8 uppgifter med miniräknre 6 Förslg på lösningr till uppgifter

Läs mer

GENETIK. en introduktion av Ingela Carlén 1988 och 1999

GENETIK. en introduktion av Ingela Carlén 1988 och 1999 GENETIK en introduktion v Ingel Crlén 1988 och 1999 Innehållsförteckning Innehåll Sidn Förord 3 Kromosomer 4 DN 4 Muttioner 5 Gregor Mendel 5 Mendels metod 6 Mendelklyvning (monohybrid) 6 Dihybrid klyvning

Läs mer

Vi tittar också på Makehams fördelning som är den mest tillämpade livslängdsmodellen i Sverige. Historia om livslängdstabeller 2

Vi tittar också på Makehams fördelning som är den mest tillämpade livslängdsmodellen i Sverige. Historia om livslängdstabeller 2 Abstract Den här föreläsningen introducerar en stokastisk modell för livslängder. Speciellt definierar vi livslängd, fördelningsfunktion, dödlighetsintensitet och överlevelsefunktion. Vi tittar också på

Läs mer

Nya regler för plåtbalkar-eurokod 3-1-5

Nya regler för plåtbalkar-eurokod 3-1-5 Bernt Johnsson 008-0-5 Ny regler för plåtlkr-eurokod --5 Bkgrund Med plåtlk mens en lk som är uppyggd v smmnsvetsde plåtr på engelsk plted structure. Plåtlkr nvänds när vlsde lkr inte räcker till eller

Läs mer