Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige. Histogrammetoden. Histogrammetoden.
|
|
- Simon Toft
- 5 år siden
- Visninger:
Transkript
1 For ( i, y i ) R 2, i =,, n, ser vi på den gennemsnitlige længde: z = n hvor z i = i 2 + yi 2 Indfør tabellen samt vægtene Da er z i = n 2 i + y 2 i a k = #{i 00z i = k}, k N 0 z ned := ν k = a k n 00kν k z z ned + 00 Slide /23 Niels Richard Hansen MI forelæsninger 27 November, 203 Heltallet a k er antallet af punkter med længde z i I k := [00k, 00k + 00) Approksimationen af z fås ved at samle led i summen n z i med z i I k, og bruge at Hvorved z i [00kν k, 00kν k + 00ν k ) n i I k z = n Slide 2/23 Niels Richard Hansen MI forelæsninger 27 November, 203 i I k z i [z ned, z ned + 00] y y Fordelingen af datapunkter, og histogram af værdierne 00z i /00 Fordelingen af datapunkter, og histogram af værdierne 5z i /5 Slide 3/23 Niels Richard Hansen MI forelæsninger 27 November, 203 Slide 3/23 Niels Richard Hansen MI forelæsninger 27 November, 203
2 Metoden udvides let til gennemsnit af funktioner af længden: g = n g(z i ) Hvis g er en voksende lipschitzfunktion med lipschitzkonstant C er g ned := Praktisk nytte: g(00k)ν k g g ned + C00 Komprimering (med tab) af store datamængder, og efterfølgende effektiv beregning (approksimation) af g for forskellige valg af g udnytter blot elementære regneregler for de reelle tal Slide 4/23 Niels Richard Hansen MI forelæsninger 27 November, 203 som en transformation Vi knytter histogrammetoden til integrationsteorien på følgende måde: Lad µ være et sandsynlighedsmål på (R 2, B 2 ) og lad punkterne ( i, y i ) være fordelt efter µ, som her konkret betyder at ( ν k µ {(, y) R 2 ) 2 + y 2 I k } () Med t : R 2 [0, ) givet ved og g : [0, ) R voksende er g t dµ t(, y) = 2 + y 2 g(00k)µ(t (I k )) g(00k)ν k = g ned ved approksimation med en simpel funktion og ved () Slide 5/23 Niels Richard Hansen MI forelæsninger 27 November, 203 og lebesgueintegralet blander i sin konkrete form riemann- og lebesgueintegralerne sammen: g ned approksimerer kun g t dµ hvis g er pæn (kontinuert) Den abstrakte ide er sund: g t dµ kan udregnes ved at overføre integrationsmålet µ til billedrummet af t Den resulterende abstrakte integraltransformationssætning (EH 08 og 09) for integraler svarer til den elementære sumidentitet g t( i, y i ) = i I k g(z i ) }{{} g(00k)a k Billedmål Lad (X, E, µ) være et målrum, (Y, K) et målbart rum, og t : X Y E K-målelig Let (X, E,µ) be a measurable space Definition Image measures Let (Y, K) be a measurable, and let t : X Y be E-K-measurable Billemålet t(µ) er målet på (Y, K) givet vet Definition: The image measure t(µ)(b) = µ ( t(µ) is t (B) ) the measure on (Y, K), whichis given by for alle B K t(µ)(b) =µ ( t (B) ) for all B K t Y X t (B) B Slide 6/23 Niels Richard Hansen MI forelæsninger 27 November, 203 Slide 7/23 Niels Richard Hansen MI forelæsninger 27 November, 203 p9/32
3 Billedmålet er et mål Totale masse af billedmål Lemma Billemålet t(µ) er et mål på (Y, K) Bevis: Per definition har vi t(µ)(a) = µ(t (A)) [0, ], og t(µ)( ) = µ ( t ( ) ) = µ ( ) = 0 Hvis B, B 2, er disjunkte K-mængder t (B i ) t (B j ) = t (B i B j ) = t ( ) =, og derfor gælder ( ) ( ( )) ( ) t(µ) B n = µ t B n = µ t (B n ) = µ ( t (B n ) ) = Slide 8/23 Niels Richard Hansen MI forelæsninger 27 November, 203 t(µ)(b n ) Observation: t(µ)(y) = µ ( t (Y) ) = µ(x ) Korollar Hvis µ er et sandsynlighedsmål, er t(µ) et sandsynlighedsmål Sandsynlighedsteori er essentielt en teori om billedmål givet et sandsynlighedsmål µ (en model på X ), og en afbindling t (en observabel med værdier i Y), hvad er t(µ)? Slide 9/23 Niels Richard Hansen MI forelæsninger 27 November, 203 Integraltransformation for M + Sætning Lad t : X Y være målelig og lad µ være et mål på X Så gælder g dt(µ) = g t dµ for alle g M + (Y, K) Bevis: Strategi: Vis formlen for ) indikatorfunktioner 2) simple funktioner Integraltransformation for L Sætning Lad t : X Y være målelig og lad µ være et mål på X En funktion g M(Y, K) er integrabel mht t(µ) hvis og kun hvis g t dµ < I så fald er g dt(µ) = g t dµ 3) M + -funktioner Punkt 3) vises fra 2) via monoton konvergens Slide 0/23 Niels Richard Hansen MI forelæsninger 27 November, 203 Slide /23 Niels Richard Hansen MI forelæsninger 27 November, 203
4 Diskret integration Lad X være tællelig og τ tællemålet For en afbildning t : X Y vil vi gerne udregne g t dτ = g(t()) for g en positiv funktion Observer at ν(y) := t(τ)({y}) = τ(t ({y})) = #t ({y}) Dvs integraltransformationssætningen giver g(t()) = g(y)ν(y) y Eksempel Betragt transformationen t : {0, } n {0,,, n} defineret ved t(,, n ) = i Med τ tællemålet på {0, } n finder vi for m = 0,,, n at ( ) n t(τ)({m}) = t n! ({m} = = m m!(n m)! Dvs her har vi løst det kombinatoriske problem og fundet vægtene ( ) n ν(m) = m Beregning af vægtene ν(y) er et kombinatorisk problem Slide 2/23 Niels Richard Hansen MI forelæsninger 27 November, 203 Slide 3/23 Niels Richard Hansen MI forelæsninger 27 November, 203 Translationer i R k Definition (EH 00) Translationen med w R k er afbildningen τ w : R k R k defineret ved τ w () = + w for R k, Definition Et mål µ på (R k, B k ) er translationsinvariant hvis τ w (µ) = µ Slide 4/23 Niels Richard Hansen MI forelæsninger 27 November, 203 for alle w R k Lebesguemålet Sætning (EH 0, 03) Et mål µ på (R k, B k ), som er begrænset på begrænsede mængder, er translationsinvariant hvis og kun hvis for en konstant c 0 µ = cm k Hvis-delen bevises ved at observere at m k er translationsinvariant på åbne kasser Det er pga entydighed nok Kun-hvis-delen er lidt vanskeligere EH og Schilling giver elementære beviser ved brug af halvlukkede kasser med rationale endepunkter Beviserne benytter på afgørende måde de rationale tals egenskaber som en delmængde af R Jeg vil give et alternativt bevis, som er en anvendelse af Tonelli, og som kun benytter at (R k, +) er en gruppe Slide 5/23 Niels Richard Hansen MI forelæsninger 27 November, 203
5 Translationinvarians og lebesguemålet Translation og integration Bevis: Fiks B B k begrænset med m k (B) > 0 og A B k Observer at B (y) A ( + y) og B (y ) A (y) er i M + (R k R k, B k B k ) Bruger vi nu Tonellis sætning to gange for µ m k, samt translationsinvariansen af µ og m k, fås m k (B)µ(A) = B A dµdm k = B (y) A ( + y)dµ()dm k (y) = B (y) A ( + y)dm k (y)dµ() = B (y ) A (y)dm k (y)dµ() = A (y) B (y )dµ()dm k (y) = A (y) B ( )dµ()dm k (y) = µ( B)m k (A) Eksempel: Hvis f M + (R k ) og hvis f L(R k, µ) så gælder generelt f ( + w)dµ() = f τ w ()dµ() = f ()dτ w (µ)() og specielt for lebesguemålet f ( + w)d = f ()d for all w R k hvor B = { R k B} Resultatet følger med c = µ( B)/m k (B) Slide 6/23 Niels Richard Hansen MI forelæsninger 27 November, 203 Slide 7/23 Niels Richard Hansen MI forelæsninger 27 November, 203 Affine transformationer Hvis s() = A + w for w R k og A en invertibel k k matri er s (y) = A (y w) Dermed er g = g s s, og ved integraltransformationssætningen g() d = g s s dm k = g s ds(m k ) Vi viser, at s(m k ) = Deraf følger substitutionsformlen g() d = det A Slide 8/23 Niels Richard Hansen MI forelæsninger 27 November, 203 det A m k g(a (y w)) dy Isomorfier på R k Definition En isomorfi på R k er en afbildning A hvor A er en invertibel k k matri Lemma (04) for R k For enhver isomorfi A : R k R k er der et tal (A) 0 således at A(m k ) = (A) m k Bevis: Billedmålet A(m k ) er endeligt på begrænsede mængder og translationsinvariant Resultatet følger nu af EH sætning 03 (eller Schilling sætning 58 (ii)) Slide 9/23 Niels Richard Hansen MI forelæsninger 27 November, 203
6 for diagonalmatricer Lemma (EH 05) Lad A være en k k diagonalmatri, λ λ 2 0 A =, 0 0 λ k hvor alle diagonalindgangene er strengt positive Da er ( k ) (A) = λ i Bevis: A ( ) (a, b ) (a k, b k ) = Slide 20/23 Niels Richard Hansen MI forelæsninger 27 November, 203 ( a, b ) ( ak, b ) k λ λ λ k λ k Orthogonal matrices En k k matri Q er ortogonal hvis QQ T = Q T Q = I Dvs søjlerne (rækkerne) er ortonormale Lemma Hvis Q er an ortogonal k k matri, så er det Q = ± Lemma (EH 06) Hvis Q er en ortogonal k k matri, så er Slide 2/23 Niels Richard Hansen MI forelæsninger 27 November, 203 (Q) = er multiplikativ Lemma (07) For to invertible k k matricer A og B gælder at (A B) = (A) (B) Sætning (Spektralsætningen, EH E3) Hvis A er symmetrisk, så er der en ortogonal matri Q således at λ 0 0 Q T 0 λ 2 0 A Q = 0 0 λ k Slide 22/23 Niels Richard Hansen MI forelæsninger 27 November, 203 generelt Sætning (EH 08) For alle invertible k k matricer A gælder at (A) = det A Bevis: For A positiv definit følger det af spektralsætningen at λ 0 0 (A) = (Q T 0 λ 2 0 ) (A) (Q) = 0 0 λ k Tilsvarende for determinanten For generelle A er AA T = C 2 for C positiv definit, A = (AC )C og AC er ortogonale Dermed er (A) = (C) = Slide 23/23 Niels Richard Hansen MI forelæsninger 27 November, 203 det C = det A
Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige
Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige længde: z = 1 n hvor z i = xi 2 + yi 2. n z i = 1 n i=1 n i=1 x 2 i + y 2 i Indfør tabellen samt vægtene Da er a k = #{i
Læs mereIntegration m.h.t. mål med tæthed
Integration m.h.t. mål med tæthed Sætning (EH 11.7) Lad ν = f µ på (X, E). For alle g M + (X, E) gælder at gdν = g f dµ. Bevis: Standardbeviset: 1) indikatorfunktioner 2) simple funktioner 3) M + -funktioner.
Læs merestandard normalfordelingen på R 2.
Standard normalfordelingen på R 2 Lad f (x, y) = 1 x 2 +y 2 2π e 2. Vi har så f (x, y) = 1 2π e x2 2 1 2π e y2 2, og ved Tonelli f dm 2 = 1. Ved µ(a) = A f dm 2 defineres et sandsynlighedsmål på R 2 målet
Læs mereTonelli light. Eksistensbeviset for µ ν gav målet. for G E K ved succesiv integration. Alternativ definition:
Tonelli light Eksistensbeviset for µ ν gav målet ( ) λ(g) = G (x, y)dν(y) dµ(x) for G E K ved succesiv integration. Alternativ definition: ( ) λ(g) = G (x, y)dµ(x) dν(y). Som λ(a B) = µ(a)ν(b) gælder λ(a
Læs mereBorel-σ-algebraen. Definition (EH 1.23)
Borel-σ-algebraen Definition (EH 1.23) Borel-σ-algebraen B k på R k er σ-algebraen frembragt af de åbne mængder O k. Andre frembringersystemer for B k : De afsluttede mængder. De åbne kasser I k (k = 1,
Læs mereSandsynlighedsteori. Sandsynlighedsteori. Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et. Et Bayesiansk argument
Sandsynlighedsteori Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (, E, ν). Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål,
Læs mereIntegration m.h.t. mål med tæthed
Integration m.h.t. mål med tæthed Sætning (EH 11.7) Lad ν = f µ på (X, E). For alle g M + (X, E) gælder at gdν = g f dµ. Bevis: Standardbeviset: 1) indikatorfunktioner 2) simple funktioner 3) M + -funktioner.
Læs mereEt eksperiment beskrives af et udfaldsrum udstyret med et. alle mulige resultater af eksperimentet
Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (X, E, ν). Udfaldsrummet X indeholder alle mulige resultater af eksperimentet men ofte også yderligere elementer
Læs mereEksamen 2014/2015 Mål- og integralteori
Eksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål Ved bedømmelsen indgår de spørgsmål med samme vægt
Læs mereMomenter som deskriptive størrelser. Hvad vi mangler fra onsdag. Momenter for sandsynlighedsmål
Hvad vi mangler fra onsdag Momenter som deskriptive størrelser Sandsynlighedsmål er komplicerede objekter de tildeler numeriske værdier til alle hændelser i en σ-algebra. Vi har behov for simplere, deskriptive
Læs mereHvad vi mangler fra onsdag. Vi starter med at gennemgå slides fra onsdag.
Hvad vi mangler fra onsdag Vi starter med at gennemgå slides 34-38 fra onsdag. Slide 1/17 Niels Richard Hansen MI forelæsninger 6. December, 2013 Momenter som deskriptive størrelser Sandsynlighedsmål er
Læs mereMasterprojekt udarbejdet af Søren Naundrup Vejleder Steen Andersson
ELEMENTÆR MÅLTEORI SØREN NAUNDRUP Masterprojekt udarbejdet af Vejleder Steen Andersson Dato 19. december 2014. Indholdsfortegnelse 1. Indledning 3 2. σ-algebraer og deres egenskaber 3 2.1. Om σ-algebraer.
Læs mereNote om endelige legemer
Note om endelige legemer Leif K. Jørgensen 1 Legemer af primtalsorden Vi har i Lauritzen afsnit 2.1.1 set følgende: Proposition 1 Lad n være et positivt helt tal. Vi kan da definere en komposition + på
Læs mereReeksamen 2014/2015 Mål- og integralteori
Reeksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål. Ved bedømmelsen indgår de spørgsmål med samme vægt.
Læs mereFortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20.
Foldning af sandsnlighedsmål Lad µ og ν være to sandsnlighedsmål på (R, B). Fortolkning Lad φ : R R være φ(, ) = + for (, ) R. Lad X og Y være to reelle stokastiske variable defineret på (Ω, F, P). Definition
Læs mere[BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001.
INTEGRATIONS- OG FOURIERTEORI 2. februar 2009 Oversigt nr. 1 Lærebogen for kurset er [BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den skulle være
Læs mereDel II. Den lineære normale model
Del II Den lineære normale model 301 302 Kapitel 9 Normalfordelinger på vektorrum Vi vil i dette kapitel give en fremstilling af teorien for normalfordelinger (også kaldet Gaussiske fordelinger) på endeligdimensionale
Læs mere[BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001.
INTEGRATIONS- OG FOURIERTEORI 31. januar 2012 Oversigt nr. 1 Lærebogen for kurset er [BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den skulle være
Læs mereDifferentialregning i R k
Differentialregning i R k Lad U R k være åben, og lad h : U R m være differentiabel. Den afledte i et punkt x U er Dh(x) = h 1 (x) x 1 h 2 (x) x 1. h m (x) x 1 h 1 (x) x 2... h 2 (x) x 2.... h m (x) x
Læs mereAntag at. 1) f : R k R m er differentiabel i x, 2) g : R m R p er differentiabel i y = f(x), . p.1/18
Differentialregning i R k Kæderegel Lad U R k være åben, og lad h : U R m være differentiabel Antag at Den afledte i et punkt x U er Dh(x) = 1) f : R k R m er differentiabel i x, 2) g : R m R p er differentiabel
Læs mereAnalyse 2. Bevis af Fatous lemma (Theorem 9.11) Supplerende opgave 1. Øvelser
Analyse 2 Øvelser Rasmus Sylvester Bryder 24. og 27. september 203 Bevis af Fatous lemma (Theorem 9.) Hvis (u j ) j er en følge af positive, målelige, numeriske funktioner (dvs. med værdier i [, ]) over
Læs mereOversigt nr. 1. n+2. n(n + 2) n=1. konvergerer ikke uniformt på [0, 1], så teknikkerne fra
INTEGRATIONSTEORI 1. februar 2019 Oversigt nr. 1 Lærebog. I dette kursus følger vi i store træk mine noter, som I kan finde på moodle-siden. Det vil løbende blive opdateret, så nøjes venligst med at printe
Læs mereSupplerende opgaver. S1.3.1 Lad A, B og C være delmængder af X. Vis at
Supplerende opgaver Analyse Jørgen Vesterstrøm Forår 2004 S.3. Lad A, B og C være delmængder af X. Vis at (A B C) (A B C) (A B) C og find en nødvendig og tilstrækkelig betingelse for at der gælder lighedstegn
Læs mereBetingning med en uafhængig variabel
Betingning med en uafhængig variabel Sætning Hvis X er en reel stokastisk variabel med første moment og Y er en stokastisk variabel uafhængig af X, så er E(X Y ) = EX. Bevis: Observer at D σ(y ) har formen
Læs mereMATEMATIK 6 INTEGRATIONSTEORI 3. marts 2015 Oversigt nr. 1
INTEGRATIONSTEORI 3. marts 2015 Oversigt nr. 1 Lærebogen for kurset er [BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den kan nok købes på KU, men kan
Læs mereDette materiale er ophavsretligt beskyttet og må ikke videregives
Grundlæggende mål- og integralteori Grundlæggende mål- og integralteori Steen Thorbjørnsen Aarhus Universitetsforlag Grundlæggende mål- og integralteori Steen Thorbjørnsen og Aarhus Universitetsforlag
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder
Læs mereKlassisk Taylors formel
p. 1/17 Klassisk Taylors formel Sætning Lad f : (a, b) R være n gange differentiabel. For x 0, x (a, b) findes et ξ mellem x 0 og x der opfylder at f(x) = f(x 0 )+ f (x 0 ) 1! (x x 0 )+...+ f(n 1) (x 0
Læs mereNATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4 Sættet består af 3 opgaver med ialt 15 delopgaver. Besvarelsen vil blive forkastet, medmindre der er gjort et
Læs mereEksamensnoter til Analyse 1
ksamensnoter til Analyse 1 Martin Geisler gimpster@daimi.au.dk Sommer 23 Indledning Disse noter gennemgår de 26 spørgsmål stillet til den mundtlige eksamen i Analyse 1 ved Aarhus Universitet sommeren 23.
Læs mereEksempler Determinanten af en kvadratisk matrix. Calculus Uge
Oversigt [LA] 8 Her skal du lære om 1. Helt simple determinanter 2. En udvidelse der vil noget 3. Effektive regneregler 4. Genkend determinant nul 5. Produktreglen 6. Inversreglen 7. Potensreglen 8. Entydig
Læs mere12.1 Cayley-Hamilton-Sætningen
SEKTION 12.1 CAYLEY-HAMILTON-SÆTNINGEN 12.1 Cayley-Hamilton-Sætningen Sætning 12.1.1 (Cayley-Hamilton) Lad A Mat n,n (C). Så gælder p A (A) =. Sætningen gælder faktisk over et vilkårligt legeme, men vi
Læs mereNøgleord og begreber
Oversigt [LA] 9 Nøgleord og begreber Helt simple determinanter Determinant defineret Effektive regneregler Genkend determinant nul Test determinant nul Produktreglen Inversreglen Test inversregel og produktregel
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en
Læs mereSymmetriske matricer
Symmetriske matricer Preben Alsholm 17. november 008 1 Symmetriske matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = a ij kaldes symmetrisk, hvis aij = a ji for alle i og j. Altså hvis A
Læs mereSymmetriske og ortogonale matricer Uge 7
Symmetriske og ortogonale matricer Uge 7 Preben Alsholm Efterår 2009 1 Symmetriske og ortogonale matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = [ a ij kaldes symmetrisk, hvis aij = a ji
Læs mereMatematik YY Foråret Kapitel 1. Grupper og restklasseringe.
Matematik YY Foråret 2004 Elementær talteori Søren Jøndrup og Jørn Olsson Kapitel 1. Grupper og restklasseringe. Vi vil i første omgang betragte forskellige typer ligninger og søge efter heltalsløsninger
Læs mereSymmetriske og ortogonale matricer Uge 6
Symmetriske og ortogonale matricer Uge 6 Preben Alsholm Efterår 2010 1 Symmetriske og ortogonale matricer 1.1 Skalarprodukt og Cauchy-Schwarz ulighed Skalarprodukt og Cauchy-Schwarz ulighed Det sædvanlige
Læs mereDesignMat Kvadratiske matricer, invers matrix, determinant
DesignMat Kvadratiske matricer, invers matrix, determinant Preben Alsholm Uge 5 Forår 010 1 Kvadratiske matricer, invers matrix, determinant 1.1 Invers matrix I Invers matrix I Definition. En n n-matrix
Læs mereTidligere Eksamensopgaver MM505 Lineær Algebra
Institut for Matematik og Datalogi Syddansk Universitet Tidligere Eksamensopgaver MM55 Lineær Algebra Indhold Typisk forside.................. 2 Juni 27.................... 3 Oktober 27..................
Læs mereIndledning. 1 Martingalerepræsentationssætningen
Indledning I disse noter vil uddybe nogle af Øksendals resultater i afsnittene 4 og 7 samt give andre beviser for dem. Disse resultater er gennemgået til forelæsningerne. 1 Martingalerepræsentationssætningen
Læs merePunktmængdetopologi. Mikkel Stouby Petersen. 1. marts 2013
Punktmængdetopologi Mikkel Stouby Petersen 1. marts 2013 I kurset Matematisk Analyse 1 er et metrisk rum et af de mest grundlæggende begreber. Et metrisk rum (X, d) er en mængde X sammen med en metrik
Læs mereTeoretisk Statistik, 16. februar Generel teori,repetition
1 Uge 8 Teoretisk Statistik, 16. februar 2004 1. Generel teori, repetition 2. Diskret udfaldsrum punktssh. 3. Fordelingsfunktionen 4. Tæthed 5. Transformationer 6. Diskrete vs. Kontinuerte stokastiske
Læs mereKonvergens i L 1 -forstand. Definition af L 1 -seminorm. Topologi i pseudometrisk rum. Seminorm til norm
Definition af L 1 -seminorm Konvergens i L 1 -forstand Lad (X, E, µ) være et målrum. Husk at L(µ) er et reelt vektorrum. Vi definerer f 1 = f dµ for f L Definition En følge af funktioner f 1, f 2, L siges
Læs mereEkstremum for funktion af flere variable
Ekstremum for funktion af flere variable Preben Alsholm 28. april 2008 1 Ekstremum for funktion af flere variable 1.1 Hessematricen I Hessematricen I Et stationært punkt for en funktion af flere variable
Læs mereØlopgaver i lineær algebra
Ølopgaver i lineær algebra 30. maj, 2010 En stor del af de fænomener, vi observerer, er af lineær natur. De naturlige matematiske objekter i beskrivelsen heraf bliver vektorrum rum hvor man kan lægge elementer
Læs mereEksempel 9.1. Areal = (a 1 + b 1 )(a 2 + b 2 ) a 1 a 2 b 1 b 2 2a 2 b 1 = a 1 b 2 a 2 b 1 a 1 a 2 = b 1 b 2
Oversigt [LA] 9 Nøgleord og begreber Helt simple determinanter Determinant defineret Effektive regneregler Genkend determinant nul Test determinant nul Produktreglen Inversreglen Test inversregel og produktregel
Læs meren+2 n(n + 2) n=1 konvergerer ikke uniformt på [0, 1], så teknikkerne fra
INTEGRATIONSTEORI 1. februar 2018 Oversigt nr. 1 Lærebog. I dette kursus følger vi i store træk [BM] Mål- og integralteori; Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den kan
Læs mere6.1 Reelle Indre Produkter
SEKTION 6.1 REELLE INDRE PRODUKTER 6.1 Reelle Indre Produkter Definition 6.1.1 Et indre produkt på et reelt vektorrum V er en funktion, : V V R således at, for alle x, y V, I x, x 0 med lighed x = 0, II
Læs mereMATEMATIK 6 INTEGRATIONSTEORI 28. januar 2016 Oversigt nr. 1
INTEGRATIONSTEORI 28. januar 2016 Oversigt nr. 1 Lærebogen for kurset er [BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den kan tilgås via nettet: http://www.math.ku.dk/uddannelser/noter/
Læs mereDeskriptiv teori i flere dimensioner
Kapitel 17 Deskriptiv teori i flere dimensioner I kapitel 13 og 14 udviklede vi en række deskriptive værktøjer til at beskrive sandsynlighedsmål på (R, B). Vi vil i dette kapitel forsøge at udvikle varianter
Læs mereModule 1: Lineære modeller og lineær algebra
Module : Lineære modeller og lineær algebra. Lineære normale modeller og lineær algebra......2 Lineær algebra...................... 6.2. Vektorer i R n................... 6.2.2 Regneregler for vektorrum...........
Læs mereMATEMATIK 6 INTEGRATIONSTEORI 1. februar 2017 Oversigt nr. 1
INTEGRATIONSTEORI 1. februar 2017 Oversigt nr. 1 Lærebog. I dette kursus følger vi [BM] Mål- og integralteori; Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den kan tilgås via nettet:
Læs mere1.1. n u i v i, (u, v) = i=1
1.1 1. Hilbert rum 1.1. Hilbert rum og deres geometri. Definition 1.1. Et komplekst vektor rum V kaldes et indre produkt rum (eller præ-hilbert rum), når det er forsynet med en funktion (, ): V V C, som
Læs mereTransformation: tætheder pår k
Kapitel 19 Transformation: tætheder pår k I dette kapitel vil vi angribe følgende version af transformationsproblemet: Lad X 1,, X k være reelle stokastiske variable, defineret på (Ω,F, P), sådan at den
Læs mereGult Foredrag Om Net
Gult Foredrag Om Net University of Aarhus Århus 8 th March, 2010 Introduktion I: Fra Metriske til Topologiske Rum Et metrisk rum er en mængde udstyret med en afstandsfunktion. Afstandsfunktionen bruges
Læs mere4.1 Lineære Transformationer
SEKTION 41 LINEÆRE TRANSFORMATIONER 41 Lineære Transformationer Definition 411 ([L], s 175) Lad V, W være F-vektorrum En lineær transformation L : V W er en afbildning, som respekterer lineær struktur,
Læs merez 1 = z 1z 1z 1 z 1 2 = z z2z 1 z 2 2
M å l e p u n k t R i e m a n n s k G e o m e t r i E 8 J a ko b L i n d b l a d B l a ava n d 2 5 3 6 7 5 27 oktober 28 I n s t i t u t fo r M at e m at i s k e Fag A a r h u s U n i v e r s i t e t indledning
Læs mereWigner s semi-cirkel lov
Wigner s semi-cirkel lov 12. december 2009 Eulers Venner Steen Thorbjørnsen Institut for Matematiske Fag Århus Universitet Diagonalisering af selvadjungeret matrix Lad H være en n n matrix med komplekse
Læs mereSylvesters kriterium. Nej, ikke mit kriterium. Sætning 9. Rasmus Sylvester Bryder
Sætning 9 Sylvesters kriterium Nej, ikke mit kriterium Rasmus Sylvester Bryder Inspireret af en statistikers manglende råd om hvornår en kvadratisk matrix er positivt definit uden at skulle ud i at bestemme
Læs mereJ n (λ) = dvs. n n-jordan blokken med λ i diagonalen. Proposition 1.2. For k 0 gælder. nullity (J n (λ) λi) k 1) 1 for 1 k n. n for k n.
. Jordan normalform Målet med dette notat er at vise hvorledes man ud fra en given matrix beregner dens Jordan normalform. Definition.. For n og λ C sættes λ 0... 0. 0 λ... J n λ).......... 0....... λ
Læs mereVektorer og lineær regression. Peter Harremoës Niels Brock
Vektorer og lineær regression Peter Harremoës Niels Brock April 2013 1 Planproduktet Vi har set, at man kan gange en vektor med et tal. Et oplagt spørgsmål er, om man også kan gange to vektorer med hinanden.
Læs mereTeoretiske Øvelsesopgaver:
Teoretiske Øvelsesopgaver: TØ-Opgave 1 Subtraktion division i legemer: Er subtraktion division med elementer 0 i legemer veldefinerede, eller kan et element b have mere end ét modsat element -b eller mere
Læs mereIntegration og desintegration af mål
Kapitel 20 Integration og desintegration af mål Lad som i kapitel 8 (X,E) og (Y,K) være to målbare rum. Vi vil i dette kapitel gå i detaljer med forholdet mellem mål på (X Y, E K) og mål på de to faktorrum
Læs mereTaylors formel. Kapitel Klassiske sætninger i en dimension
Kapitel 3 Taylors formel 3.1 Klassiske sætninger i en dimension Sætning 3.1 (Rolles sætning) Lad f : [a, b] R være kontinuert, og antag at f er differentiabel i det åbne interval (a, b). Hvis f (a) = f
Læs mereExponentielle familer, ark 2
1 Exponentielle familer, ark 2 Eksponentielle familier OPGAVE 21 Beksriv den eksponentielle familie på (R, B) givet ved følgende data: V er R med det sædvanlige indre produkt, den kanoniske stikprøvefunktion
Læs mereAarhus Universitet 5. februar Meddelelse 2
fdeling for Teoretisk Statistik IOSTTISTIK Institut for Matematiske Fag Preben læsild arhus Universitet 5. februar 2003 Meddelelse 2 Forelæsningerne i uge 6 (3-7.2) Ved forelæsningen den 4.2 gav Frank
Læs mereFunktionsrum. Kapitel 1. 1.1 Funktionsrummet L = L(X, E, µ)
Kapitel Funktionsrum. Funktionsrummet L = L(X, E, µ) For et vilkårligt målrum (X,E,µ) er mængdenl=l(x,e,µ) afµ-integrable funktioner f :X R et reelt vektorrum ifølge Theorem 7.3 i [EH]. Hvis vi indfører
Læs mereDen Brownske Bevægelse
Den Brownske Bevægelse N.J. Nielsen 1 Notation I dette notesæt vil vi generelt benytte samme notation som i det øvrige undervisningsmateriale i MM23. For ethvert n N betegner B n Borelalgebraen på R, og
Læs mereLineær Algebra eksamen, noter
Lineær Algebra eksamen, noter Stig Døssing, 20094584 June 6, 2011 1 Emne 1: Løsninger og least squares - Løsning, ligningssystem RREF (ERO) løsninger Bevis at RREF matrix findes Løsninger til system (0,
Læs mereBesvarelses forslag til Tag-hjemeksamen Vinteren 02 03
IMFUFA Carsten Lunde Petersen Besvarelses forslag til Tag-hjemeksamen Vinteren 02 0 Hvor ikke andet er angivet er henvisninger til W.R.Wade An Introduction to analysis. Opgave a) Idet udtrykket e x2 cos
Læs mereLineær Algebra F08, MØ
Lineær Algebra F08, MØ Vejledende besvarelser af udvalgte opgaver fra Ugeseddel 3 og 4 Ansvarsfraskrivelse: Den følgende vejledning er kun vejledende. Opgaverne kommer i vilkårlig rækkefølge. Visse steder
Læs mereSvag konvergens. Kapitel Historisk indledning
Kapitel 4 Svag konvergens 4.1 Historisk indledning I første halvdel af 1700-tallet var stort set al sandsynlighedsregning af kombinatorisk natur. Hovedværker fra perioden er Abraham de Moivres The Doctrine
Læs mereSandsynlighedsteori 1.1 Uge 44.
Institut for Matematiske Fag Aarhus Universitet Den 18. oktober 2004. Sandsynlighedsteori 1.1 Uge 44. Forelæsninger: Vi afslutter foreløbigt den rene mål- og integralteori med at gennemgå afsnittet Produktmål,
Læs mereOversigt [LA] 10, 11; [S] 9.3
Oversigt [LA] 1, 11; [S] 9.3 Nøgleord og begreber Repetition: enhedsvektor og identitetsmatrix Diagonalmatricer Diagonalisering og egenvektorer Matrixpotens August 22, opgave 2 Skalarprodukt Længde Calculus
Læs mereLineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable
E6 efterår 999 Notat 8 Jørgen Larsen 22. november 999 Lineære normale modeller ) udkast Ved hjælp af lineær algebra kan man formulere og analysere de såkaldte lineære normale modeller meget overskueligt
Læs mereSandsynlighedsregning Oversigt over begreber og fordelinger
Tue Tjur Marts 2007 Sandsynlighedsregning Oversigt over begreber og fordelinger Stat. MØK 2. år Kapitel : Sandsynlighedsfordelinger og stokastiske variable En sandsynlighedsfunktion på en mængde E (udfaldsrummet)
Læs mereVektorer og lineær regression
Vektorer og lineær regression Peter Harremoës Niels Brock April 03 Planproduktet Vi har set, at man kan gange en vektor med et tal Et oplagt spørgsmål er, om man også kan gange to vektorer med hinanden
Læs mereDeskriptiv teori: den karakteristiske funktion
Kapitel 15 Deskriptiv teori: den karakteristiske funktion Når man forsøger at karakterisere et sandsynlighedsmål ν på R ved hjælp af dets momenter, fortæller man essentielt hvordan man skal integrere polynomier
Læs mereDiagonalisering. Definition (diagonaliserbar)
1 Diagonalisering 2 Definition (diagonaliserbar) Lad A være en n n-matrix. A siges at være diagonaliserbar hvis A er similær med en diagonal matrix, dvs. A = PDP 1, hvor D er en n n diagonal matrix og
Læs mereKarakteristiske funktioner og Den Centrale Grænseværdisætning
E6 efterår 1999 Notat 10 Jørgen Larsen 20. oktober 1999 Karakteristiske funktioner og Den Centrale Grænseværdisætning Karakteristiske funktioner som er nære slægtninge til Fourier-transformationen) er
Læs mereGrundlæggende Matematik
Grundlæggende Matematik Hayati Balo, AAMS August 2012 1. Matematiske symboler For at udtrykke de verbale udsagn matematisk korrekt, så det bliver lettere og hurtigere at skrive, indføres en række matematiske
Læs mereHilbert rum. Chapter 3. 3.1 Indre produkt rum
Chapter 3 Hilbert rum 3.1 Indre produkt rum I det følgende skal vi gøre brug af komplekse såvel som reelle vektorrum. Idet L betegner enten R eller C minder vi om, at et vektorrum over L er en mængde E
Læs mereMeddelelse 2. Forelæsningerne i uge 6 ( ) Gennemgangen af BPT fortsættes. Vi afslutter Kapitel 4 og når sikkert et godt stykke ind i Kapitel 5.
Institut for Matematiske Fag arhus Universitet STTISTIK(2003-ordning) Jens Ledet Jensen Jørgen Granfeldt 2. februar 2006 Meddelelse 2 Forelæsningerne i uge 5 (30.1 5.2) Ved forelæsningen mandag den 30.
Læs mereMatematisk modellering og numeriske metoder. Lektion 5
Matematisk modellering og numeriske metoder Lektion 5 Morten Grud Rasmussen 19. september, 2013 1 Euler-Cauchy-ligninger [Bogens afsnit 2.5, side 71] 1.1 De tre typer af Euler-Cauchy-ligninger Efter at
Læs mere1.1 Legemer. Legemer er talsystemer udstyret med addition og multiplikation, hvor vi kan regner som vi plejer at gøre med de reelle tal.
SEKTION 11 LEGEMER 11 Legemer Legemer er talsystemer udstyret med addition og multiplikation, hvor vi kan regner som vi plejer at gøre med de reelle tal Definition 111 Et legeme F er en mængde udstyret
Læs mereBesvarelser til Lineær Algebra Ordinær eksamen - 6. Juni 2016
Besvarelser til Lineær Algebra Ordinær eksamen - 6. Juni 2016 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereBilledbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)
; C ED 6 > Billedbehandling og mønstergenkendelse Lidt elementær statistik (version 1) Klaus Hansen 24 september 2003 1 Elementære empiriske mål Hvis vi har observationer kan vi udregne gennemsnit og varians
Læs mereDefinition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.
Oversigt [LA] 3, 4, 5 Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse matricer Test invers
Læs mereNøgleord og begreber. Definition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.
Oversigt [LA] 3, 4, 5 Matrix multiplikation Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse
Læs mereEndeligdimensionale vektorrum
Endeligdimensionale vektorrum I det følgende betegner X, Y og Z endeligdimensionale vektorrum Gerne udstyret med en norm, evt et indre produkt Eksempel: En skævt beliggende plan i rummet, X = {v R 3 v,
Læs mereSandsynlighedsregning 5. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 3.5 og 4.1 Poissonfordelingen
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Normalfordelingen og transformation af kontinuerte fordelinger Helle Sørensen Uge 7, mandag SaSt2 (Uge 7, mandag) Normalford. og transformation 1 / 16 Program Paretofordelingen,
Læs mereEndeligdimensionale vektorrum
Endeligdimensionale vektorrum I det følgende betegner X, Y og Z endeligdimensionale vektorrum Gerne udstyret med en norm, evt et indre produkt Eksempel: En skævt beliggende plan i rummet, X = {v R 3 v,
Læs mere9.1 Egenværdier og egenvektorer
SEKTION 9.1 EGENVÆRDIER OG EGENVEKTORER 9.1 Egenværdier og egenvektorer Definition 9.1.1 1. Lad V være et F-vektorrum; og lad T : V V være en lineær transformation. λ F er en egenværdi for T, hvis der
Læs mereSandsynlighedsregning: endeligt udfaldsrum (repetition)
Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)
Læs mere13 Markovprocesser med transitionssemigruppe
13 Markovprocesser med transitionssemigruppe I nærværende kapitel vil vi antage at tilstandsrummet er polsk, hvilket sikrer, at der findes regulære betingede fordelinger. Vi skal se på eksistensen af Markovprocesser.
Læs mereModul 2: Sandsynlighedsmodeller og diskrete stokastiske variable
Forskningsenheden for Statistik ST501: Science Statistik Bent Jørgensen Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable 2.1 Sandsynlighedsbegrebet............................... 1 2.1.1
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Uafhængighed og reelle transformationer Helle Sørensen Uge 8, mandag SaSt2 (Uge 8, mandag) Uafh. og relle transf. 1 / 16 Program I dag: Uafhængighed af kontinuerte
Læs mere