MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

Storlek: px
Starta visningen från sidan:

Download "MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I"

Transkript

1 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 / 19 Mägder Det eklaste sättet att beskriva e mägd är att räka upp de elemete i mägde, tex. A = {2, 4, 5, 8} och B = {4, 5, }. Ma skriver x A om x är ett elemet i A och x / A om x ite är det, så att tex. 2 A, 375 B me 6 / A och 3 / B. Mägdera {2, 3, 2} och {3, 2} är desamma eftersom de iehåller samma elemet och upprepigar och ordige ite har ågo betydelse. Ofta ages mägder som de elemet i e mägd A som har e viss egeskap P, dvs. B = { x A : P(x) } där P(x) för varje x A atige är sat eller falskt. Tex. är { x R : x 4 } alla reella tal som är midre eller lika med 4. = {} är de tomma mägde som ite har ågra elemet alls. A B = { x : x A eller x B } A B = { x : x A och x B } A \ B = { x : x A och x / B } A B om x B för alla x A A c = Ω \ A ifall A Ω och det är klart vad Ω är. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober / 19

2 Satslogik Om a och b är satser eller påståede som ka vara saa eller falska, me ite ågotig mitt emella, så gäller satse a & b är sa då a och b är saa, satse a b är sa då a eller b är sa (och också då både a och b är saa). satse!a är sa då a ite är sa, dvs. falsk. satse a b är sa då (!a) b är sa, dvs. då atige b är sa eller a är falsk. I matematisk logik aväds valige istället för &, istället för och istället för! och a b är e förkortig av (a b) & (b a). Implikatioe Observera att implikatioe a b som logisk sats ite alltid motsvarar vad ma i dagligt tal mear med e implikatio, dvs. av a följer b eftersom a b är sa då a är falsk och de ite ödvädigtvis har ågot med orsakssambad att göra. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober / 19 Predikatlogik Predikatlogike är e utvidgig av satslogike så att ma förutom satser har variabler x, y,... och predikat P, Q,... (eller hur ma u vill betecka dem). Predikate har ett ädligt atal argumet, tex. P(x), Q(x, y), osv. och ett predikat uta argumet är e sats. Förutom de operatioer (!, &, och ) som fis i satslogike aväder predikatlogike all- och existeskvatorera och som uttrycker för alla och det existerar. Förutom predikat ka ma också aväda fuktioer vars värde hör till det område som behadlas ( domai of discourse ). E fuktio med oll argumet är då e kostat. Fuktioer och kostater ka också uttryckas med hjälp av predikat, me det blir lätt oödigt klumpigt. Operatorordig Om ma ite vill aväda pareteser, som aturligtvis har högsta prioritet) ka ma utyttja att de logiska operatorera (valigtvis) evalueras i följade ordig: Först!, seda och, seda & och och till sist. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober / 19

3 Peaos axiom och de aturliga tale Vi har e kostat o ( det första talet, urspruglige 1, u ofta 0), e fuktio S(x) ( successor, dvs. följade tal ) och ett predikat L(x, y) med två argumet (som uttrycker att x och y är lika) som här skrivs i forme x == y. De två första axiome är P1 x(!(s(x) == o)) (det första talet följer ite efter ågot tal) P2 x( y((s(x) == S(y)) (x == y))) (om de följade tale är lika är tale lika) Det tredje axiomet är egetlige ett axiomschema eller oädligt måga axiom eftersom det skall gälla för alla predikat P: P3 (P(o) & ( x(p(x) P(S(x))))) ( xp(x)) (iduktiospricipe) Eftersom P3 egetlige säger vad som gäller för alla predikat, P är det här fråga om adra ordiges predikatkalkyl. Observera också att P3 säger att de aturliga tale är precis {o, S(o)), S(S(o)),...} och ite ågot mera. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober / 19 Iduktiospricipe Om P() är ett påståede (som för alla 0 atige är sat eller falskt) så att P( 0 ) är sat P(k + 1) är sat ifall P(k) är sat (dvs. P(k) P(k + 1)) då k 0 så är P() sat för alla 0. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober / 19

4 Kartesisk produkt De kartesiska produkte X Y av två mägder X och Y består av alla ordade par (a, b) eller [a, b] där a X och b Y, dvs. X Y = { [a, b] : a X och b Y }. Det fis olika sätt att defiiera paret [a, b] edast med hjälp av mägdteoretiska beteckigar och ett ofta avät sätt är att säga att [a, b] är mägde {{a}, {a, b}}. Relatioer E relatio mella mägdera X och Y (eller i X om Y = X ) är e delmägd av de kartesiska produkte X Y. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober / 19 Vad är e graf? E graf består av e mägd oder och e mägd bågar mella odera, tex. såhär: I e riktad graf har varje båge e startpukt och e slutpukt, meda ma i e icke riktad graf ite gör skillad mella start och slutpukte. E riktad graf ka ekelt beskrivas som ett ordat par [V, E] (V som vertex, E som edge ) där V är e mägd (valigtvis ädlig och ite tom) och E V V, dvs. E är e relatio i V. E icke riktad graf ka beskrivas som ett ordat par [V, E] där V är e mägd (ige valigtvis ädlig och ite tom) och E { {a, b} : a V, b V }. E icke riktad graf ka förstås (?) också beskrivas som e riktad graf där relatioe E är symmetrisk, dvs. [a, b] E [b, a] E. Observera att med igedera av dessa defiitioer ka ma ha flera bågar mella samma oder me og e båge frå e od till samma od. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober / 19

5 Olika slag av relatioer i e mägd X E relatio W i mägde X är reflexiv ifall [x, x] W för alla x X. symmetrisk ifall [x, y] W [y, x] W för alla x och y X. trasitiv ifall [x, y] W & [y, z] W [x, z] W för alla x, y och z X. e ekvivalesrelatio om W är reflexiv, symmetrisk och trasitiv. atisymmetrisk om [x, y] W & x y [y, x] / W för alla x och y X. e partiell ordig om de är reflexiv, atisymmetrisk och trasitiv. asymmetrisk om [x, y] W [y, x] / W för alla x och y X. total om [x, y] w [y, x] W för alla x och y X. Ofta skrivar ma xwy istället för [x, y] W, tex. x < y (istället för [x, y] <). G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober / 19 Fuktioer Om X och Y är mägder så är e fuktio f : X Y e relatio mella X och Y dvs. e delmägd i X Y så att för varje x X fis det ett y Y så att [x, y] f. om [x, y 1 ] f och [x, y 2 ] f så är y 1 = y 2. Valigtvis skriver ma relatioe så att [x, y] f om och edast om y = f (x), äve om y = xf eller y = x.f kude vara bättre om ma läser frå väster till höger. Med adra ord, e fuktio f frå X till Y är e regel som för varje x X ger som svar ett etydigt elemet y = f (x) i Y. Mägde { f : f är e fuktio frå X till Y } beteckas ofta med Y X. Ijektioer, surjektioer och bijektioer E fuktio f : X Y är e ijektio om f (x 1 ) = f (x 2 ) x 1 = x 2 för alla x 1, x 2 X. surjektio om det för varje y Y fis ett x X så att f (x) = y. bijektio om de är e ijektio och e surjektio. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19

6 Sammasatta och iversa fuktioer Om f : X Y och g : Y Z är två fuktioer så är h = g f : X Z fuktioe h(x) = g(f (x)). Om f : X Y, g : Y Z och h : Z W är fuktioer så är (h g) f = h (g f ) så att dea fuktio ka skrivas som h g f. Om f : X Y är e fuktio så att det fis e fuktio g : Y X så att (g f )(x) = x och (f g)(y) = y för alla x X och y Y så är f iverterbar, g är dess ivers och ma skriver ofta g = f 1. E fuktio f : X Y är iverterbar om och edast om de är e bijektio. Om f : X Y är iverterbar så är (f 1 ) 1 = f. Observera att f 1 ite är samma sak som fuktioe h(x) = f (x) 1 som förutsätter att ma i Y ka räka iverser, vilket är fallet i R \ {0} me ite i Z. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19 Ordo eller Stora O: f O(g) Om g är e fuktio som är defiierad för alla tillräckligt stora heltal så betyder f O(g) att f också är defiierad för alla tillräckligt stora heltal och att det fis e kostat C och ett heltal 0 så att f () C g(), 0, Avädige av dea beteckig betyder också att ma ite är speciellt itresserad av, eller ite exakt vet, vad C och 0 är. Ofta skriver ma f () = O(g()) istället för f O(g), me om ma då istället för O() + O( 2 ) O( 2 ) skriver O() + O( 2 ) = O( 2 ) så måste ma ise att ma ite ka förkorta bort O( 2 )! Det är iget speciellt med att fuktioera här atas vara defiierade bara för (edel) heltal och att ma ser vad som häder då. Tex. gäller också x 4 x 3 x 3 +x 2 O(x) då x 0. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19

7 Atalet elemet i e mägd Två mägder A och B har samma atal elemet (eller kardialiteter) A och B om det fis e bijektio A B. Mägde A har färre ä eller lika måga elemet som mägde B, dvs., A B, om det fis e ijektio A B. Mägde A har färre elemet ä mägde B, dvs., A < B, om det fis e ijektio A B me ige bijektio A B. Ifall A = {0, 1, 2,..., 1} så är A =. E mägd A sägs vara ädlig om det fis e bijektio A {0, 1, 2,..., 1} för ågot heltal 0, dvs., om A =. Obs! För att dessa defiitioer skall vara föruftiga måste ma visa att det fis e bijektio {0, 1, 2,..., 1} {0, 1, 2,..., m 1} om och edast om m = och att ifall det fis ijektioer A B och B A så fis det e bijektio A B. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19 Summerigsregel, ekel form Om A och B är två (ädliga) mägder så att A B = så är A B = A + B. Av detta följer att om B A så är A \ B = A B. Produktregel, ekel form Om A och B är två (ädliga) mägder så är A B = A B. Lådpricipe: Ekel me yttig! Ifall m 1 föremål placeras i 1 lådor så måste e låda iehålla mist m föremål! Varför? Om det största atalet föremål som fis i ågo av lådora är k så är k m så att k m och eftersom m defiieras som det mista heltal som är m så måste vi ha k m. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19

8 Summerigs eller iklusios-exklusiospricipe Om A och B är två (ädliga) mägder så är A B = A + B A B, och mera allmät (förutsatt att alla mägder A j eda är ädliga) Ifall k A j = j=1 k ( 1) r+1 r=1 E allmä form av produktregel 1 j 1 <j 2 <...<j r k r. A ji C = { (x 1, x 2,..., x k ) : x 1 A 1, x 2 A 2,x1,..., x k A k,x1,...,x k 1 }, där A 1 = 1, for varje x 1 A 1 gäller A 2,x1 = 2 och så vidare så att för alla x 1 A 1, x 2 A 2,x1,..., x k 1 A k 1,x1,...,x k 2 gäller A j,x1,x 2,...,x j 1 = j, 1 j k, så är C = k. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19 i=1 Välj r föremål ur e mägd med föremål eller elemet Det fis (åtmistoe) två sätt skilja på olika situatioer: Ordat val: Det har betydelse vid vilket val föremålet väljs Ite ordat val: Det har ite ågo betydelse vid vilket val föremålet väljs. Ige upprepig: ett föremål ka väljas bara e gåg Upprepig möjlig: samma föremål ka väljas måga gåger. Atalet olika sätt på vilket detta ka göras blir därför: Ige upprepig Upprepig möjlig Ordat ( 1). (.. ) ( r + 1) ( r ) + r 1 Ite ordat r r ( ) m m! Här är = j j! (m j)!. Upprepig ka både tolkas så att ma väljer ett föremål, oterar vilket det är, och sätter tillbaka det, och så att elemete i mägde är de olika slag av föremål som ma ka välja. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19

9 Plocka bollar ur e låda eller sätta bollar i e låda? Ett aat sätt att se på situatioe där ma väljer r föremål ur e mägd med föremål (med ett ordat eller ite ordat val, med upprepigar eller uta) är att täka på föremåle i mägde, ite som bollar i e låda, uta som lådor i vilka ma väljer att placera ett föremål, tex. e boll, som i det ordade fallet ka vara umrerade eller på aat sätt idetifierbara och i det ite ordade fallet idetiska. Ett val uta upprepigar iebär då att i varje låda ka sättas högst e boll och ett val med upprepigar att flera bollar ka sättas i samma låda. I ett ordat val är det alltså ite ordige som är det viktiga, det avgörade att vale är olika på ågot aat sätt ä blad vilka föremål det görs, dvs. bollara som sätts i lådor är ite idetiska. Om ma seda på ågo sätt ordar de valda föremåle eller lådora i det ite ordade fallet har ige betydelse. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19 Atalet fuktioer A B Atag A = m och B =. Atalet fuktioer: A B is är m (och därför är det föruftigt att betecka mägde av fuktioer A B med B A ). Observera att e fuktio är ett ordat val med upprepigar av m elemet ur e mägd med elemet. Atalet ijektioer A B är ( 1)... ( m + 1) =! ( m)! m. Varför? Orda elemete i A och gör seda ett ordat val uta upprepigar av m elemet ur mägde B (som har elemet) så att de blir värdea av fuktioe. ( ) Atalet surjektioer A B är ( 1) r r m. r r=0 Varför? Atalet surjektioer är atalet fuktioer mius atalet fuktioer till e strikt delmägd av B och detta seare atal ka ma räka med hjälp av iklusios-exklusiospricipe vilket efter diverse räkigar ger formel ova. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19

10 Multiomialtal ( ) = 1, 2,..., k! 1! 2!... k! = k. Om ma har valt föremål med upprepigar frå e mägd med k elemet så att ma har tagit 1 av typ y 1, 2 av typ y 2 och så vidare, då är ( ) 1, 2,..., k atalet sätt på vilka dessa föremål ka ordas så att föremål av samma typ ite ka skiljas åt. Om A är e mägd med elemet och B = {y 1,..., y k } är e mägd med k elemet och 1, 2,..., k är icke-egativa tal så att k = så då är ( ) 1, 2,..., k atalet fuktioer f : A B så att { x A : f (x) = y j } = j. Om 0 och k 1 så är (x x k ) = k = j 0 ( 1, 2,..., k ) x x k k. G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2 oktober I / 19

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

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

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1 duktio LCB 2000 Ersätter Grimaldi 4. Rekursio och iduktio; ekla fall E talföljd a a 0 a a 2 ka aturligtvis defiieras geom att ma ager e explicit formel för uträkig av dess elemet, som till exempel () a

Läs mer

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b]. MÄNGDER Stadardtalmägder: N={0,, 2, 3, } mägde av alla aturliga tal (I ågra böcker N={,2,3, }) Z={ 3, 2,,0,, 2, 3, 4, } mägde av alla hela tal m Q={, där m, är hela tal och 0 } mägde av alla ratioella

Läs mer

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren? Problemlösig. G. Polya ger i si utmärkta lilla bok How to solve it (Priceto Uiversity press, 946) ett schema att följa vid problemlösig. I de flod av böcker om problemlösig som har följt på Polyas bok

Läs mer

DEL I. Matematiska Institutionen KTH

DEL I. Matematiska Institutionen KTH 1 Matematiska Istitutioe KTH Lösig till tetamesskrivig på kurse Diskret Matematik, momet A, för D2 och F, SF1631 och SF1630, de 5 jui 2009 kl 08.00-13.00. DEL I 1. (3p) Bestäm e lösig till de diofatiska

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

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion. Idutio och Biomialsatse Vi fortsätter att visa hur matematisa påståede bevisas med idutio. Defiitio. ( )! = ( över ).!( )! Betydelse av talet studeras seare. Med idutio a vi u visa SATS (Biomialsatse).

Läs mer

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

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist Föreläsig VI Mikael P. Sudqvist Aritmetisk summa, exempel Exempel I ett sällskap på 100 persoer skakar alla persoer had med varadra (precis e gåg). Hur måga hadskakigar sker? Defiitio I e aritmetisk summa

Läs mer

MS-A0409 Grundkurs i diskret matematik I

MS-A0409 Grundkurs i diskret matematik I MS-A0409 Grundkurs i diskret matematik I G. Gripenberg Aalto-universitetet oktober 014 G. Gripenberg (Aalto-universitetet) MS-A0409 Grundkurs i diskret matematik I oktober 014 1 / 44 Mängder (naiv, inte

Läs mer

MS-A0409 Grundkurs i diskret matematik I

MS-A0409 Grundkurs i diskret matematik I MS-A0409 Grundkurs i diskret matematik I G. Gripenberg Aalto-universitetet oktober 04 G. Gripenberg (Aalto-universitetet) MS-A0409 Grundkurs i diskret matematik I oktober 04 / 45 Mängder och logik Relationer

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

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

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

Föreläsning 10: Kombinatorik

Föreläsning 10: Kombinatorik DD2458, Problemlösig och programmerig uder press Föreläsig 10: Kombiatorik Datum: 2009-11-18 Skribeter: Cecilia Roes, A-Soe Lidblom, Ollata Cuba Gylleste Föreläsare: Fredrik Niemelä 1 Delmägder E delmägd

Läs mer

b 1 och har för olika värden på den reella konstanten a.

b 1 och har för olika värden på den reella konstanten a. Första häftet 649. a) A och B spelar cigarr, vilket som bekat tillgår på följade sätt. Omväxlade placerar de ibördes lika, jämtjocka cigarrer på ett rektagulärt bord, varvid varje y cigarr måste placeras

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

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

H1009, Introduktionskurs i matematik Armin Halilovic. använder vi oftast induktionsbevis.

H1009, Introduktionskurs i matematik Armin Halilovic. använder vi oftast induktionsbevis. MATEMATISK INDUKTION För att bevisa att ett påståede P() är sat för alla heltal 0 aväder vi oftast iduktiosbevis Iduktiossatse Låt P() vara ett påståede vars saigsvärde beror av heltalet 0 där 0 är ett

Läs mer

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P( Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycket av type a a a 0 ( där är ett icke-egativt heltal) Defiitio Låt P( a a a0 vara ett polyom där a 0, då

Läs mer

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson Uppsala Uiversitet Matematisa Istitutioe Thomas Erladsso LÄSANVISNINGAR VECKA -5 BINOMIALSATSEN Ett uttryc av forme a + b allas ett biom eftersom det är summa av två moom. För uttrycet (a + b) gäller de

Läs mer

101. och sista termen 1

101. och sista termen 1 Lektio, Evariabelaalys de ovember 999 5.. Uttryck summa j uta summasymbole. j + Termera är idexerade frå j = till j = och varje term är blir j j+. Summa Skriver vi upp summa uta summasymbole blir de +

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

= (1 1) + (1 1) + (1 1) +... = = 0

= (1 1) + (1 1) + (1 1) +... = = 0 TALFÖLJDER OCH SERIER Läs avsitte - och 5 Lös övigara, abcd, 4, 5, 7-9, -5, 7-9, -abcd, 4, 5 Läsavisigar Avsitt Defiitioe av talföljd i boe är ågot ryptis, me egetlige är det ågot väldigt eelt: e talföljd

Läs mer

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING Defiitio Polyom är ett uttryck av följade typ P( ) a a a, där är ett icke-egativt heltal (Kortare 0 P k ( ) a a 0 k ) k Defiitio

Läs mer

RESTARITMETIKER. Avsnitt 4. När man adderar eller multiplicerar två tal som t ex

RESTARITMETIKER. Avsnitt 4. När man adderar eller multiplicerar två tal som t ex Avsitt 4 RESTARITMETIKER När ma adderar eller multiplicerar två tal som t ex 128 + 39..7 128 43..4 så bestämmer ma först de sista siffra. De operatioer som leder till resultatet kallas additio och multiplikatio

Läs mer

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet. Stokastiska rocesser Defiitio E stokastisk rocess är e mägd familj av stokastiska variabler Xt arameter t är oftast me ite alltid e tidsvariabel rocesse kallas diskret om Xt är e diskret s v för varje

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

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

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

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R. P Potesserier Med e potesserie mear vi e serie av type c x, där c, c, c,... är giva (reella eller komplexa) kostater, s.k. koefficieter, och där x är e (reell eller komplex) variabel. För varje eskilt

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

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig

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

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

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

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

Fourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL

Fourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL Fourierserie fortsättig Ortogoalitetsrelatioera och Parsevals formel Med hjälp av ortogoalitetsrelatioera Y Â m W t, Â W t ] =, m ¹, m = () där Xf, g\ = Ÿ T f HtL g HtL, där W ã p, ka ma bevisa följade

Läs mer

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

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II Stickprov MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig del II G Gripeberg Aalto-uiversitetet 4 februari 04 Estimerig 3 Kofidesitervall 4 Hypotesprövig 5 Korrelatio och regressio G Gripeberg

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

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process.

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process. Armi Halilovic: EXTRA ÖVNINGAR aplace-ekvatioe APACES EKVATION Vi etraktar följade PDE u, u,, a, ekv1 som kallas aplaces ekvatio Ekvatioe ekv1 ka eskriva e sk statioär tillståd stead-state för e fsikalisk

Läs mer

Inledande matematisk analys. 1. Utred med bevis vilket eller vilka av följande påståenden är sana:

Inledande matematisk analys. 1. Utred med bevis vilket eller vilka av följande påståenden är sana: TATA79/TEN3 Tetame, 08-04-06 Iledade matematisk aalys. Utred med bevis vilket eller vilka av följade påståede är saa: (a) Om x 7 är x(x 3) 5; (b) Om (x )(x 6) 0 är x 6; (c) (x + 6)(x ) > 0 om x > 6. Solutio:

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

Lösningar och kommentarer till uppgifter i 1.1

Lösningar och kommentarer till uppgifter i 1.1 Lösigar och kommetarer till uppgifter i. 407 d) 408 d) 40 a) 3 /5 5) 5 3 0 ) 0) 3 5 5 4 0 6 5 x 5 x) 5 x + 5 x 5 x 5 x 5 x + 5 x 40 Om det u är eklare så här a x a 3x + a x) a 4x + 43 a) 43 45 5 3 5 )

Läs mer

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p) Avd Matematisk statistik TENTAMEN I SF922, SF923 och SF924 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 29:E MAJ 208 KL 0800 300 Examiator för SF922/SF923: Tatjaa Pavleko, 08-790 84 66 Examiator för SF924:

Läs mer

Föreläsning 2: Punktskattningar

Föreläsning 2: Punktskattningar Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,

Läs mer

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik 03-0-4 F4 Matematirep Summatece Summatecet Potesräig Logaritmer Kombiatori Säg att vi har styce tal x,, x Summa av dessa tal (alltså x + + x ) srivs ortfattat med hjälp av summatece: x i i summa x i då

Läs mer

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

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistiksammafattig,

Läs mer

Räkning med potensserier

Räkning med potensserier Räkig med potesserier Serier (termiologi fis i [P,4-4]!) av type P + + + + 4 +... k ( om < ) k + + + + P 4 4 +... k k! ( e för alla ) k och de i [P, sid.9, formler 7-] som ärmast skulle kua beskrivas som

Läs mer

1. Test av anpassning.

1. Test av anpassning. χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler

Läs mer

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6 SF69 - DIFFERENTIALEKVATIONER OCH TRANSFORMER II - ÖVNING 4 KARL JONSSON Iehåll. Egeskaper hos Fouriertrasforme. Kapitel 3: Z-Trasform.. Upp. 3.44a-b: Bestämig av Z-trasforme för olika talföljder.. Upp.

Läs mer

Datorövning 2 Fördelningar inom säkerhetsanalys

Datorövning 2 Fördelningar inom säkerhetsanalys Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade frå saolikhetsteori:

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

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

Andra ordningens lineära differensekvationer

Andra ordningens lineära differensekvationer Adra ordiges lieära differesekvatioer Differese Differese f H + L - f HL mäter hur mycket f :s värde förädras då argumetet förädras med de mista ehete. Låt oss betecka ämda differes med H Df L HL. Eftersom

Läs mer

Universitetet: ER-diagram e-namn

Universitetet: ER-diagram e-namn Databaser Desig och programmerig Fortsättig på relatiosmodelle: Normaliserig fuktioella beroede ormalformer iformatiosbevarade relatiosschemauppdelig Varför ormalisera? Metod att skydda oss frå dum desig

Läs mer

Uppgifter 3: Talföljder och induktionsbevis

Uppgifter 3: Talföljder och induktionsbevis Gruder i matematik och logik (017) Uppgifter 3: Talföljder och iduktiosbevis Ur Matematik Origo 5 Talföljder och summor 3.01 101. E talföljd defiieras geom formel a 8 + 6. a) Är det e rekursiv eller e

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

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs SAMMANFATTNING TAMS79 Matematisk statistik, grudkurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, HT 2015 Versio: 1.0 Seast reviderad: 2016-02-01 Författare: Viktor Cheg

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

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare "Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma

Läs mer

Tentamen i Sannolikhetsteori III 13 januari 2000

Tentamen i Sannolikhetsteori III 13 januari 2000 STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klitberg Lösigar Tetame i Saolikhetsteori III 13 jauari 2000 Uppgift 1 a) Det mest detaljerade utfallsrummet är med uppebara beteckigar Ω = {(B1, B2),

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

Inledande kombinatorik LCB 2001

Inledande kombinatorik LCB 2001 Iledade kombiatorik LCB 2001 Ersätter Grimaldi 1.1 1.4, 3.1 (delvis) 1 Additios- och multiplikatiospricipera Kombiatorik hadlar om koste att räka atalet av saker och tig. Hur måga gåger geomlöpes e viss

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

Digital signalbehandling Alternativa sätt att se på faltning

Digital signalbehandling Alternativa sätt att se på faltning Istitutioe för data- oc elektrotekik 2-2- Digital sigalbeadlig Alterativa sätt att se på faltig Faltig ka uppfattas som ett kostigt begrepp me adlar i grude ite om aat ä att utgåede frå e isigal x [],

Läs mer

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x Uppgift 1 a) Vi iför slackvariabler x 4, x 5 och x 6 och löser problemet med hjälp av simplexalgoritme. Z -2-1 1 0 0 0 0 x 4 1 1-1 1 0 0 20 x 5 2 1 1 0 1 0 30 x 6 1-1 2 0 0 1 10 x 1 blir igåede basvariabel

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 5/11 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 2 8

Läs mer

Tommy Färnqvist, IDA, Linköpings universitet

Tommy Färnqvist, IDA, Linköpings universitet Föreläsig 2 Algoritmaalys TDDC70/91: DALG Utskriftsversio av föreläsig i Datastrukturer och algoritmer 5 september 2013 Tommy Färqvist, IDA, Liköpigs uiversitet 2.1 Iehåll Iehåll 1 Aalys av värsta fallet

Läs mer

Digital signalbehandling Fönsterfunktioner

Digital signalbehandling Fönsterfunktioner Istitutioe för data- och elektrotekik Digital sigalbehadlig Fösterfuktioer 2-2-7 Fösterfuktioer aväds för att apassa mätserie vid frekvesaalys via DFT och FFT samt vid dimesioerig av FIR-filter via ivers

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

Universitetet: ER-diagram e-namn

Universitetet: ER-diagram e-namn Databaser Desig och programmerig Fortsättig på relatiosmodelle: Normaliserig fuktioella beroede ormalformer iformatiosbevarade relatiosschemauppdelig Varför ormalisera? Metod att skydda oss frå dum desig

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel etc., del II G. Gripeberg Aalto-uiversitetet 14 februari 014 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistikexempel

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

Kontrollskrivning 2 till Diskret Matematik SF1610, för CINTE1, vt 2019 Examinator: Armin Halilovic Datum: To Σ p P/F Extra Bonus

Kontrollskrivning 2 till Diskret Matematik SF1610, för CINTE1, vt 2019 Examinator: Armin Halilovic Datum: To Σ p P/F Extra Bonus Kotrollsrivig till Disret Matemati SF60, för CINTE, vt 09 Eamiator: Armi Halilovic Datum: To 09-04-5 Versio B Resultat: Σ p P/F Etra Bous Iga hjälpmedel tillåta Mist 8 poäg ger godät Godäd KS r medför

Läs mer

Lycka till! I(X i t) 1 om A 0 annars I(A) =

Lycka till! I(X i t) 1 om A 0 annars I(A) = Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig

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

Databaser - Design och programmering. Databasdesign. Funktioner. Relationsmodellen. Relationsmodellen. Funktion = avbildning (mappning) Y=X 2

Databaser - Design och programmering. Databasdesign. Funktioner. Relationsmodellen. Relationsmodellen. Funktion = avbildning (mappning) Y=X 2 Databaser Desig och programmerig Relatiosmodelle Databasdesig Förstudie, behovsaalys defiitioer ER-modell -> relatiosmodell ycklar Relatiosmodelle Itroducerades av Edward Codd 1970 Mycket valig Stödjer

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

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

TAMS79: Föreläsning 9 Approximationer och stokastiska processer TAMS79: Föreläsig 9 Approximatioer och stokastiska processer Joha Thim 18 ovember 2018 9.1 Biomialfördelig Vi har reda stött på dea fördelig flera gåger. Situatioe är att ett slumpförsök har två möjliga

Läs mer

Bertrands postulat. Kjell Elfström

Bertrands postulat. Kjell Elfström F r å g a L u d o m m a t e m a t i k Matematikcetrum Matematik NF Bertrads ostulat Kjell Elfström Bertrads ostulat är satse, som säger, att om > är ett heltal, så fis det ett rimtal, sådat att < < 2 2.

Läs mer

Kontrollskrivning 3 i SF1676, Differentialekvationer med tillämpningar. Tisdag kl 8:15-10

Kontrollskrivning 3 i SF1676, Differentialekvationer med tillämpningar. Tisdag kl 8:15-10 KH Matematik Kotrollskrivig 3 i SF676, Differetialekvatioer med tillämpigar isdag 7-5-6 kl 8:5 - illåtet hjälpmedel på lappskrivigara är formelsamlige BEA För godkäd på module räcker 5 poäg Bara väl motiverade

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

TATM79: Föreläsning 2 Absolutbelopp, olikheter och binomialkoefficienter

TATM79: Föreläsning 2 Absolutbelopp, olikheter och binomialkoefficienter TATM79: Föreläsig Absolutbelopp, oliheter och biomialoefficieter Joha Thim augusti 018 1 Absolutbelopp Absolutbelopp Defiitio. För varje reellt x defiieras absolutbeloppet x eligt { x, x 0 x x, x < 0.

Läs mer

Lektion 3 Kärnan Bindningsenergi och massdefekt

Lektion 3 Kärnan Bindningsenergi och massdefekt Lektio 3 Kära Bidigseergi och assdefekt Några begre och beteckigar Nuklid Nukleo Isotoer Isobarer Masstal A Atouer Z E ato ed ett bestät atal rotoer och eutroer. Beteckas ofta A ed skrivsättet Z Xx där

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grudläggade matematisk statistik Puktskattig Uwe Mezel, 2018 uwe.mezel@slu.se; uwe.mezel@matstat.de www.matstat.de Saolikhetsteori: Saolikhetsteori och statistikteori vad vi gjorde t.o.m. u vi hade e give

Läs mer

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P(

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P( Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycet av type a a a 0, eller ortare a 0, ( där är ett ice-egativt heltal) Defiitio Låt P( a a a0 vara ett

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

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

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del II MS-A0509 Grudkurs i saolikhetskalkyl och statistik Sammafattig, del II G. Gripeberg Aalto-uiversitetet 13 februari 015 G. Gripeberg (Aalto-uiversitetet) MS-A0509 Grudkurs i saolikhetskalkyl och statistik

Läs mer

TFM. Avdelningen för matematik Sundsvall Diskret analys. En studie av polynom och talföljder med tillämpningar i interpolation

TFM. Avdelningen för matematik Sundsvall Diskret analys. En studie av polynom och talföljder med tillämpningar i interpolation C-UPPSATS 00:0 TFM. Avdelige för matematik MITTHÖGSKOLAN 85 70 Sudsvall 060-4 86 00 Diskret aalys E studie av polyom och talföljder med tillämpigar i iterpolatio p(x + ) p(x + ) p(x + 3) p(x + 4) d p (x

Läs mer

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Följande begrepp används ofta vid beskrivning av ett statistiskt material: Armi Halilovic: EXTRA ÖVNINGAR Besrivade statisti BESKRIVANDE STATISTIK. GRUNDBEGREPP Följade begrepp aväds ofta vid besrivig av ett statistist material: LÄGESMÅTT (medelvärde, media och typvärde): Låt

Läs mer

Visst kan man faktorisera x 4 + 1

Visst kan man faktorisera x 4 + 1 Visst ka ma faktorisera + 1 Per-Eskil Persso Faktoriserig av polyomuttryck har alltid utgjort e svår del av algebra. Reda i slutet av grudskola möter elever i regel dea omvädig till multiplikatio med hjälp

Läs mer

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

Binomialsatsen och lite kombinatorik

Binomialsatsen och lite kombinatorik Biomialsatse och lite ombiatori Sammafattig Aders Källé MatematiCetrum LTH adersalle@gmail.com Här disuteras e del grudläggade ombiatori, som utgår ifrå biomialoefficieteras ombiatorisa betydelse. Vi härleder

Läs mer

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II MS-A0509 Grudkurs i saolikhetskalkyl och statistik Exempel, del II Estimerig 2 Kofidesitervall G. Gripeberg Aalto-uiversitetet 3 februari 205 3 Hypotesprövig 4 Korrelatio och regressio G. Gripeberg Aalto-uiversitetet

Läs mer

TAMS15: SS1 Markovprocesser

TAMS15: SS1 Markovprocesser TAMS15: SS1 Markovprocesser Joha Thim (joha.thim@liu.se) 21 ovember 218 Vad häder om vi i e Markovkedja har kotiuerlig tid istället för diskreta steg? Detta är ett specialfall av e kategori stokastiska

Läs mer

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1). Harald Lag Formelsamlig och Tabeller i Statistik och Saolikhetsteori (15/11-10) Datareducerig Om x 1,..., x är ett stickprov ur e populatio så defiieras medelvärdet x x = 1 k=1 x k och stadardavvikelse

Läs mer

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN Armi Halilovic: EXTRA ÖVNINGAR, SF7 LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN INLEDNING LINJÄRA DIFFERENTIAL EKVATIONER E DE är lijär om de är lijär med avseede å de obekata fuktioe oc dess derivator

Läs mer

Cartesisk produkt. Multiplikationsprincipen Ï Ï Ï

Cartesisk produkt. Multiplikationsprincipen Ï Ï Ï Kombiatorik Kombiatorik hadlar oftast om att räka hur måga arragemag det fis av e viss typ. Sådaa kalkyler uderlättas om ma ka hitta relevata represetatioer av de ibladade arragemage ågot som illustreras

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