Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
|
|
- Birgit Thea Kristensen
- 4 år siden
- Visninger:
Transkript
1 Løsigsforslag til skriftlig eksame i Kombiatorik, sadsylighed og radomiserede algoritmer (DM58) Istitut for Matematik & Datalogi Syddask Uiversitet Madag de 3 Jauar 011, kl Alle sædvalige hjælpemidler (lærebøger, otater etc.) samt brug af lommereger er tilladt. Brug af computer er ikke tilladt. Eksamessættet består af 6 opgaver på 6 ummererede sider (1 6). Fuld besvarelse er besvarelse af alle 6 opgaver. De ekelte opgavers vægt ved bedømmelse er agivet i procet. Der må gere refereres til resultater fra læreboge, samt otere. Dette gælder også de opgaver der har været stillet til eksamiatoriere, eller til afleverig. Specielt må ma gere begrude e påstad med at hevise til, at det umiddelbart følger fra et resultat i læreboge, otere, eller é af de opgaver, der har været stillet på ugesedlere (hvis dette altså er sadt!). Hevisiger til adre bøger (ud over læreboge) accepteres ikke som besvarelse af et spørgsmål! Husk at begrude die svar! 1
2 OPGAVE 1 (10%) Gør rede for, at! = + 1 i=1 ( 1) i C(, i)( i). Hit: se på afbildiger der er 1-1 og på (fra e mægde med elemeter til e mægde med elemeter). Svar: Der er! fuktioer som er på fra e mægde med elemeter til e mægde med elemeter. Dette følger af at det i te elemet har i mulige billeder, år vi har fastlagt billedere af de første i. Højreside agiver også atallet af fuktioer som er på fra e mægde med elemeter til e mægde med elemeter. Dette følger af Theorem 1 side 509 i læreboge. OPGAVE (10%) Løs rekursiosligige a = 7a 1 1a, for og a 0 = 3, a 1 = 10. Svar: De karakteristiske ligig er r 7r+1 med rødder r 1 = 3, r = 4. Dvs a er på forme a = α α 4. Startbetigelsere giver at α 1 + α = 3 og 3 α α = 10 med løsig α 1 =, α = 1. Svaret er altså a = OPGAVE 3 (17%) Bestem atallet af positive heltal som er midre ed 10000, for hvilke summe af s cifre (også kaldet tværsumme) er 5. Det vil sige at d 1 + d + d 3 + d 4 = 5, hvor = d 1 d d 3 d 4 udtrykt i 10-tals systemet (0 d i 9 og vi tillader represetatioer som 0078). Hit: du ka for eksempel avede pricippet om iklusio-eksklusio.
3 Svar: Ude begræsiger på d i ere er der ( ) ( ) = 8 3 løsiger til ligige d 1 + d + d 3 + d 4 = 5 hvor d i 0 for alle i. Vi skal have sorteret dem fra hvor et eller flere af d i ere er større ed 9. Lad D i, i = 1,, 3, 4 være mægde af løsiger til ligige d 1 + d + d 3 + d 4 = 5 hvor d i 10. Så har vi at D i = ( ) Der er ialt 4 sådae led med samlet 4 (18 ) løsiger der skal trækkes fra. 3 Vi har u fratrukket løsiger hvor af d i ere er midst 10 to gage så de skal lægges til ige. Der gælder at D i D j = ( ) 8 3, så vi skal ialt lægge 6 (8) 3 til ige. Vi ka ikke have 3 eller flere forskellige di er større ed 9 samtidigt. Svaret bliver således, at der er ( ) ( ) ( ) heltal midre ed hvis ciffersum (tværsum) er 5. OPGAVE 4 (18%) I dee opgave ka du for eksempel beytte dig af formle i læreboge side 509 for atallet af fuktioer f : X Y som er på og hvor X = m og Y =. Spørgsmål a: På hvor mage forskellige måder ka ma fordele s forskellige emer i 5 forskellige kasser, så midst e af kassere er tom? Spørgsmål b: På hvor mage forskellige måder ka ma fordele s forskellige emer i 5 forskellige kasser, så præcis e af kassere er tom? Spørgsmål c: På hvor mage forskellige måder ka ma fordele s forskellige emer i 5 forskellige kasser, så midst to af kassere er tomme? 3
4 Spørgsmål d: Forklar hvorfor svaret i spørgsmål c ikke er lig med ( ) 5 3 s, som fås ved først at vælge to kasser, der skal være tomme og så tage alle mulige fordeliger af de s emer til de 3 sidste kasser. Svar: (a) Svaret er det samme som det samlede atal fordeliger (ude begræsiger) mius atallet af fordeliger hvor alle kasser har midst et elemet. Sidstævte er etop atallet af afbildiger fra e s-mægde til e 5-mægde der er på. Svaret er altså 5 s (5 s 5 4 s s 10 s +5) = 5 4 s 10 3 s + 10 s 5. (b) Her er svaret 5 gage atallet af afbildiger fra e s-mægde til e mægde med 4 elemeter som er på, dvs 5 (4 s 4 3 s + 6 s 4) = 5 4 s 0 3 s + 30 s 0. Vi har ikke talt oget dobbelt her, idet ige af de talte afbildiger misser mere ed et elemet bladt de 5. (c) Her skal vi blot trække svaret i (b) fra det i (a), så vi får at der er 5 4 s 10 3 s +10 s 5 (5 4 s 0 3 s +30 s 0) = 10 3 s 0 s +15 forskellige måder at fordele på så midst to kasser forbliver tomme. (d) Når vi vælger to kasser a, b som skal være tomme og tager alle de 3 måder at fordele elemeter de 3 tilovers bleve kasser c, d, e på, så tæller vi også de med hvor vi f.eks lægger alle elemeter i kasse e. Dee tælles derfor med 6 gage, svarede til de 6 måder at vælge bladt kassere a, b, c, d som skal forblive tomme. OPGAVE 5 (17%) E graf B = (V, E) er -delt, hvis vi ka opdele des puktmægde V i to disjukte mægder V 1, V, så ehver kat uv E opfylder at u V 1, v V eller u V, v V 1. Lad G = (V, E) være e graf som ikke ødvedigvis er -delt. E udspædede -delt delgraf af G er e -delt graf H = (V, E ) med de samme puktmægde som G og hvor katmægde E er e delmægde af G s kater (E E). Bemærk, at e såda H altid svarer til e opdelig 4
5 U, W af V (U W = og U W = V ) og E er så (ogle af) de kater fra E som har præcist et edepukt i U. E give H ka svare til flere sådae opdeliger. Di opgave er at bevise, at ehver graf G = (V, E) har e udspædede -delt delgraf H = (V, E ) som opfylder at E E /. Du ka for eksempel ete bevise dette ved at beskrive (og vise korrekthede af) e algoritme som givet G kostruerer e såda H, eller du ka bevise ved hjælp af de probabilistiske metode, at der eksisterer e såda udspædede -delt delgraf. Hvis du vælger de sidste metode, ka du med fordel betragte e tilfældig opdelig V = V 1 V, V 1 V = som er frembragt ved at lade v V tilhøre V 1 med sadsylighed 1 (og dermed V med samme sadsylighed). Se u på katere ekeltvis og vurder sadsylighede for, at e givet kat går mellem V 1 og V. Brug dette til at bestemme det forvetede atal kater, der har præcist et edepukt i V 1 (og dermed i V ) og forklar, hvorda ma ud fra dette atal ka kokludere eksistese af de påståede -delte udspædede delgraf. Svar: E løsig som de øskede ka kostrueres ved at starte med alle pukter i U (dvs W = ) og så getage følgede operatio så læge de ka avedes: Hvis der er e pukt i U eller W som har flere kater til pukter i si ege mægde ed til de ade, så flyt puktet til de ade mægde (Hvis f.eks v U har 4 kater til pukter ide i U og ku til pukter i W, så flytter vi v over i W ). Hver gag vi udfører dee operatio stiger atallet af kater mellem U og W, thi vi mister dem mellem v og de ade side, me vider tilgegæld alle dem (og der er flere af disse) fra v til si (idtil u) ege mægde. Dee algoritme vil termiere, da de ikke ka forbedre atallet af kater mellem de aktuelle U, W flere gage ed der er kater i G. Når de slutter har alle pukter midst halvdele af deres kater til de ade side, hvorfor dee opdelig har de øskede egeskab. 5
6 Probabilistisk argumet: Lad som foreslået et givet pukt tilhøre V 1 med sadsylighed 1 og lad V 1, V betege de opdelig af V der er resultatet af dee opsplitig. For e give kat uv E lader vi X uv være idikatorvariable for om kate uv går mellem V 1 og V. Dvs, { 1 Hvis u Vi og v V X uv = 3 i for i = 1 eller i = (1) 0 Hvis u, v V i for i = 1 eller i = Da u og v begge lader i e give mægde med sasylighed 1 får vi p(x uv = 1) = 1 1 = 1. Lad u X være atallet af kater som har præcist et edepukt i V 1, da er X = uv E(G) X uv og de forvetede værdi af X er E(X) = uv E(G) e(x uv ) = uv E(G) p(x uv = 1) = E(G). () Vi u vist at det forvetede atal kater i de -delte udspædede delgraf B = (V 1, V, X), som er resultatet af vores tilfældige opdelig, er E(G). Dette medfører sadsylighede for at vi opår e god opdelig som har midst E(G) kater er større ed ul, thi ellers kue vi tage et r < E(G) så der gælder at p(x r ) = 0 og så ville vi have at E(X) = X=r r p(x = r) = X r r p(x = r) + X r r p(x = r) = X r r p(x = r) < r X r p(x = r) = r < E(G), hvilket er i modstrid med beregige ovefor. Vi har altså at sadsylighede for at de tilfældige opdelig er god (har midst E(G) kater) er skarpt større ed 0 og deraf følger at e såda opdelig eksisterer. 6
7 OPGAVE 6 (8%) I dee opgave betragter vi tilfældige afbildiger f : S T fra e mægde S til e ade mægde T, hvor S = T = og. E tilfældig afbildig f : S T geereres ved at udføre følgede eksperimet Q: for hvert s S vælger vi uiformt (sadsylighed 1 for alle elemeter i T ) et tilældigt t T og vi sætter f(s) = t. Mægde f 1 (t) = {s S f(s) = t} består så af de s S som tildeles t som billede. Bemærk, at 0 f 1 (t) og t T f 1 (t) =. Spørgsmål a: Bestem sadsylighede for at de geererede afbildig f er 1-1 og på. Spørgsmål b: Gør rede for, at det for alle t T gælder, at det forvetede atal elemeter fra S som afbildes over i t er lig med 1. Hit: Betragt idikator variable X t,s som for s S idikerer om f(s) = t og udtryk f 1 (t) ved hjælp af disse. For ethvert t T lader vi U t, være hædelse at f 1 (t) = 1. Spørgsmål c: Gør rede for, at p(u t ) = ( 1 ) 1 Spørgsmål d: Bestem for t t de betigede sadsylighed p(u t U t ). Spørgsmål e: Er hædelsere U t og U t uafhægige år t t? 7
8 Spørgsmål f: Gør rede for, at det forvetede atal elemeter t T for hvilke hædelse U t idtræffer er ( 1 ) 1. Atag u at vi getager eksperimetet Q i alt r gage og at vi for et givet t T lader X t betege atallet af disse eksperimeter i hvilket hædelse U t idtræffer. Spørgsmål g: Hvad er de forvetede værdi E(X t ) af X t for et fast t T? Spørgsmål h: Brug Cheroff bouds til at vurdere sadsylighede for at X t r ( 1 ) 1. Du skal blot opskrive de relevate ulighed som de kommer til at se ud, samt argumetere for, at du ka avede Cheroff bouds til dee vurderig. Svar: (a) Der er (ifølge Opgave 1)! afbildiger fra e -mægde til e - mægde som er på og totalt er der afbildiger. Svaret bliver altså at sadsylighede for at de geererede afbildig er på er!. (b) Lad X st være idikator variable som er 1 år s parres med t og 0 ellers. Dvs p(x st = 1) = 1, da s vælger uiformt fra T. Atallet af elemeter fra S der afbildes id i t er så Z t = s S X st og de forvetede værdi bliver E(Z t ) = s S E(X st ) = s S 1 = 1 = 1. (c) Der er måder at vælge et s S som ka afbildes over i t. De resterede 1 elemeter i S skal samtidig vælge e af de resterede 1 elemeter i T så sadsylighede bliver p(u t ) = 1 (1 1 ) 1 = ( 1 ) 1. (d) Vi har at p(u t U t ) = p(ut U t ) p(u t). Vi keder allerede p(u t ) og skal altså blot bestemme p(u t U t ). Her ka vi vælge s, s som afbildes over i heholdsvis t og t på 1 måder. Sadsylighede for at et sådat 8
9 givet par s, s vælger heholdvis t og t medes alle adre vælger et t T {t, t } er 1 1 (1 ). Dvs p(u t U t ) = ( 1) 1 1 (1 ) = ( 1) 1 ( ). Idsættes dette i udtrykket for p(u t U t ) = p(ut U t ) p(u t) får vi p(u t U t ) = (e) Hædelsere U t og U t 1 ( 1) ( ) ( 1 = ( ) 1 1 ). er ikke uafhægige idet. p(u t U t ) = ( 1 ) ( 1 ) 1 = p(u t ) (f) Lad Y = t T Y t hvor Y t er idikatorvariable for hædelse U t. Så er Y atallet af elemeter i T for hvilke hædelse U t idtræffer. Vi får u E(Y ) = t T E(Y t ) = t T p(u t ) = ( 1 ) 1 (g) Lad Y ti være idikator variable som er 1 hvis U t idtræffer i de i te udførelse af eksperimetet Q. Så er X t = r i=1 Y ti atallet af gage U t idtræffer og vi får at E(X t ) = r i=1 E(Y ti ) = r i=1 p(u t ) = r ( 1 ) 1. (h) Vi aveder formel (13.4) i otere med µ = E(X t ) = r ( 1 δ = 1 og får ved idsættelse: p[x t > r ( 1 ) 1 ] < [ e ]r ( 1 ) 1. 4 ) 1 og Vi ka avede Cheroff bouds eftersom X t er e sum af idikator variablee Y t1, Y t,..., Y tr og disse er uafhægige, fordi de refererer til hædelser i forskellige getagelser af Q. 9
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Institut for Matematik & Datalogi Syddansk Universitet Mandag den 3 Januar 2011, kl. 9 13 Alle sædvanlige hjælpemidler
Læs mereGamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)
Gamle eksamesopgaver Diskret Matematik med Avedelser (DM72) & Diskrete Strukturer(DM504) Istitut for Matematik& Datalogi Syddask Uiversitet, Odese Alle sædvalige hjælpemidler(lærebøger, otater etc.), samt
Læs mereantal gange krone sker i første n kast = n
1 Uge 15 Teoretisk Statistik, 5. april 004 1. Store tals lov Eksempel: møtkast Koverges i sadsylighed Tchebychevs ulighed Sætig: Store tals lov. De cetrale græseværdisætig 3. Approksimatio af sadsyligheder
Læs mereElementær Matematik. Polynomier
Elemetær Matematik Polyomier Ole Witt-Hase 2008 Køge Gymasium Idhold 1. Geerelle polyomier...1 2. Divisio med hele tal....1 3. Polyomiers divisio...2 4. Polyomiers rødder....4 5. Bestemmelse af røddere
Læs mereNoter om Kombinatorik 2, Kirsten Rosenkilde, februar
Noter om Kombiatori, Kirste Roseilde, februar 008 1 Kombiatori Disse oter itroducerer ogle cetrale metoder som ofte beyttes i ombiatoriopgaver, og ræver et grudlæggede edsab til ombiatori (se fx Kombiatori
Læs mereMeningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017
Meigsmåliger KLADDE Thomas Heide-Jørgese, Rosborg Gymasium & HF, 2017 Idhold 1 Meigsmåliger 2 1.1 Idledig................................. 2 1.2 Hvorda skal usikkerhede forstås?................... 3 1.3
Læs mereDe reelle tal. Morten Grud Rasmussen 5. november Se Sætning 3.6 og 3.7 for forskellige formuleringer af egenskaben og dens negation.
De reelle tal Morte Grud Rasmusse 5. ovember 2015 Ordede mægder Defiitio 3.1 (Ordet mægde). pm, ăq kaldes e ordet mægde såfremt: For alle x, y P M gælder etop ét af følgede: x ă y, x y, y ă x @x, y, z
Læs mereUge 37 opgaver. Opgave 1. Svar : Starter med at definere sup (M) og inf (M) :
Uge 37 opgaver Opgave Svar : a) Starter med at defiere sup (M) og if (M) : Kigge u på side 3 i kompedie og aveder aksiom (.3) Kotiuitetsaksiomet A = x i x 2 < 2 Note til mig selv : Har søgt på ordet (iequalities)
Læs mereNoter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik
Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt
Læs mereDATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Bi Packig Problemet David Pisiger, Projektopgave 2 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse.
Læs merevejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.
enote 5 enote 5 Determiater I dee enote ser vi på kvadratiske matricer. Deres type er altså for 2, se enote 4. Det er e fordel, me ikke absolut ødvedigt, at kede determiatbegrebet for (2 2)-matricer på
Læs merehvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i
Normalfordeliger For at e stokastisk variabel X ka være ormalfordelt, skal X agive værdie af e eller ade målig, f.eks. tid, lægde, vægt, beløb osv. Notatioe er: Xi ~ N( μ, σ hvor i er observatiosummeret,
Læs mereProjekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning
Hvad er matematik? Projekter: Kaitel 9 Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Sætig : Regeregler
Læs merex-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasium Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 SANDSYNLIGHEDSFELT... 3 DE STORE TALS LOV... 4 Sadsyligheder og frekveser:... 4 STOKASTISK
Læs merePraktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.
Praktisk ifo Liste med rettelser og meigsforstyrrede trykfejl i DS på Absalo. Statistisk aalyse af e ekelt stikprøve: kedt eller ukedt varias Sadsylighedsregig og Statistik (SaSt) Helle Sørese Projekt
Læs mere9. Binomialfordelingen
9. Biomialfordelige 9.. Gekedelse Hvert forsøg ka ku resultere i to mulige udfald; succes og fiasko. I modsætig til poissofordelige er atallet af forsøg edeligt. 9.. Model X : Stokastisk variabel, der
Læs mereNoter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik
Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt
Læs mereProjekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner
Projekter: Kapitel 4 Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Kotiuitet og kotiuerte fuktioer Ord som kotiuert og kotiuerlig
Læs mereMatematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.
Matematik A Studetereksame Forsøg med digitale eksamesopgaver med adgag til iterettet Forberedelsesmateriale Vejledede opgave Forår 0 til stx-a-net MATEMATIK Der skal afsættes 6 timer af holdets sædvalige
Læs mereAnalyse 1, Prøve maj 2009
Aalyse, Prøve 5. maj 009 Alle hevisiger til TL er hevisiger til Kalkulus (006, Tom Lidstrøm). Direkte opgavehevisiger til Kalkulus er agivet med TLO, ellers er alle hevisiger til steder i de overordede
Læs mereLys og gitterligningen
Fysik rapport: Lys og gitterligige Forfatter: Bastia Emil Jørgese.z Øvelse blev udført osdag de 25. jauar 202 samme med Lise Kjærgaard Paulse 2 - Bastia Emil Jørgese Fysik rapport (4 elevtimer), februar
Læs mereSandsynlighedsteori 1.2 og 2 Uge 5.
Istitut for Matematiske Fag Aarhus Uiversitet De 27. jauar 25. Sadsylighedsteori.2 og 2 Uge 5. Forelæsiger: Geemgage af emere karakteristiske fuktioer og Mometproblemet afsluttes, og vi starter på afsittet
Læs mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Repetitio: Normalfordelige Ladmåliges fejlteori Lektio Trasformatio af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet
Læs mereNoter om polynomier, Kirsten Rosenkilde, Marts Polynomier
Noter om polyomier, Kirste Rosekilde, Marts 2006 1 Polyomier Disse oter giver e kort itroduktio til polyomier, og de fleste sætiger æves ude bevis. Udervejs er der forholdsvis emme opgaver, mes der til
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab
Statistik ved Bachelor-uddaelse i folkesudhedsvideskab Græseværdisætiger Det hadler om geemsit Statistikere elsker geemsit Det er oplagt e god ide at tage geemsit. Hvis jeg f.eks skal gætte på vægte af
Læs mere1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2
Idhold 1 Pukt- og itervalestimatio 2 1.1 Puktestimatorer: Cetralitet(bias) og efficies.................... 2 2 Kofidesiterval 3 2.1 Kofidesiterval for adel................................ 4 2.2 Kofidesiterval
Læs mereMotivation. En tegning
Motivatio Scatter-plot at det mådelige salg mod det måedlige reklamebudget. R: plot(salg ~ budget, data = salg) Økoometri Lektio Simpel Lieær Regressio salg 400 450 500 550 20 25 30 35 40 45 50 budget
Læs mereDATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Følsomhed af Kapsack Problemet David Pisiger, Projektopgave 1 Dette er de første obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig
Læs mereog Fermats lille sætning
Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( { 0 }, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage
Læs mereMatematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter
Matematikkes mysterier - på et obligatorisk iveau af Keeth Hase 7. Ligiger, polyomier og asymptoter Hvad er e asymotote? Og hvorda fides de? 7. Ligiger, polyomier og asymptoter Idhold 7.0 Idledig 7.1 Udsag
Læs mereSkriftlig Eksamen Algoritmer og sandsynlighed (DM538)
Skriftlig Eksamen Algoritmer og sandsynlighed (DM538) Institut for Matematik & Datalogi Syddansk Universitet Fredag den 9 Januar 2015, kl. 10 14 Alle sædvanlige hjælpemidler(lærebøger, notater etc.) samt
Læs mereKvadratisk 0-1 programmering. David Pisinger
Kvadratisk - programmerig David Pisiger 27-8 MAX-CUT problemet Givet e ikke-orieteret graf G = (V, E) er MAX-CUT problemet defieret som MAX-CUT = {< G > : fid et sit S, T i grafe G som maksimerer atal
Læs mereRenteformlen. Erik Vestergaard
Reteformle Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 2010. Billeder: Forside: istock.com/ilbusca Side 4: istock.com/adresrimagig Desude ege illustratioer. Erik Vestergaard
Læs mereProjekt 3.2 Anlægsøkonomien i Storebæltsforbindelsen. Indhold. Hvad er matematik? 1 ISBN
Projekt 3.2 Alægsøkoomie i Storebæltsforbidelse Dette projekt hadler, hvorda økoomie var skruet samme, da ma byggede storebæltsforbidelse. Store alægsprojekter er æste altid helt eller delvist låefiasieret.
Læs mereSandsynlighedsregning
Sadsylighedsregig E ote om sadsylighedsregig. Via basal sadsylighedsregig gøres læsere klar til forstå biomialfordelige. Herik S. Hase, Sct. Kud Versio 5.0 Opgaver til hæftet ka hetes her. PDF Facit til
Læs mereDagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro
Dages forelæsig Grudlæggede itroduktio til obligatioer Claus Muk kap. - 3 Betaligsrækker og låeformer Det daske obligatiosmarked Effektive reter 2 Obligatioer Grudlæggede Itro Obligatioer Grudlæggede Itro
Læs mereClaus Munk. kap. 1-3
Claus Muk kap. 1-3 1 Dages forelæsig Grudlæggede itroduktio til obligatioer Betaligsrækker og låeformer Det daske obligatiosmarked Pris og kurs Effektive reter 2 1 Obligatioer Grudlæggede Itro Debitor
Læs mereProjekt 9.10 St. Petersborg paradokset
Hvad er matematik? ISBN 978877066879 Projekt 9.0 St. Petersborg paradokset. De store tals lov & viderchacer I grudboges kapitel 9 omtales de store tals lov, som ka formuleres således: Hvis e spiller i
Læs mereog Fermats lille Projekt 0.4 Modulo-regning, restklassegrupperne sætning ..., 44, 20,4,28,52,... Hvad er matematik? 3 ISBN
Projekt 0.4 Modulo-regig, restklassegruppere sætig ( p 0, ) og Fermats lille Vi aveder moduloregig og restklasser mage gage om dage, emlig år vi taler om tid, om hvad klokke er, om hvor lag tid der er
Læs mereSupplerende noter II til MM04
Supplerede oter II til MM4 N.J. Nielse 1 Uiform koverges af følger af fuktioer Vi starter med følgede defiitio: Defiitio 1.1 Lad S være e vilkårlig mægde og (X, d et metrisk rum. E følge (f af fuktioer
Læs mereTankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353
Takegagskompetece Hesigte med de følgede afsit er først og fremmest at skabe klarhed over de mere avacerede regeregler i skole og give resultatet i de almee form, der er karakteristisk for algebra. Vi
Læs mereIntroduktion til uligheder
Itroduktio til uligheder, marts 0, Kirste Rosekilde Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og
Læs mere13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )
3. februar 003 Epidemiologi og biostatistik. Uge, torag d. 3. februar 003 Morte Frydeberg, Istitut for Biostatistik. Type og type fejl Nogle specielle metoder: Test i RxC tabeller Test i x tabeller Fishers
Læs mereDen grådige metode 2
Algoritmedesig 1 De grådige metode De grådige metode Et problem løses ved at foretage e række beslutiger Beslutigere træffes e ad gage i e eller ade rækkefølge Hver beslutig er baseret på et grådighedskriterium
Læs mereBachelorprojekt for BSc-graden i matematik
D E T N A T U R V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T Bachelorprojekt for BSc-grade i matematik Mikkel Abrahamse & Sue Precht Reeh Ekstremal grafteori Vejleder:
Læs mereIntroduktion til uligheder
Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og det kvadratiske geemsit. Først skal vi ved fælles
Læs mereMikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007
Mikroøkoomi, matematik og statistik Eksameshjemmeopgave 14. 20. december 2007 Helle Buzel, Tom Egsted og Michael H.J. Stæhr 14. december 2007 R E T N I N G S L I N I E R F O R E K S A M E N S H J E M M
Læs mereMatematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a
Matematik A Højere hadelseksame hhx151-mat/a-26052015 Tirsdag de 26. maj 2015 kl. 9.00-14.00 Matematik A Prøve består af to delprøver. Delprøve ude hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.
Læs mereGENEREL INTRODUKTION.
Study Guide til Matematik C. OVERSIGT. Dee study guide ideholder følgede afsit - Geerel itroduktio. - Emeliste. - Eksame. - Bilag. Udervisigsmiisteriets bekedtgørelse for matematik C. GENEREL INTRODUKTION.
Læs mereTalfølger og -rækker
Da Beltoft og Klaus Thomse Aarhus Uiversitet 2009 Talfølger og -rækker Itroduktio til Matematisk Aalyse Zeos paradoks om Achilleus og skildpadde Achilleus løber om kap med e skildpadde. Achilleus løber
Læs mereForslag til besvarelser af opgaver m.m. i ε-bogen, Matematik for lærerstuderende
Forslag til besvarelser af opgaver m.m. i ε-boge, Matematik for lærerstuderede Dette er førsteudgave af opgavebesvarelser udarbejdet i sommere 008. Dokumetet ideholder forslag til besvarelser af de fleste
Læs mereNOTAT Det daglige arbejde med blisterpakninger
Sige Friis Christiase 7. maj 2015 NOTAT Det daglige arbejde med blisterpakiger I paeludersøgelse 55 i DSRs medlemspael blev deltagere stillet e række spørgsmål om deres arbejde med blisterpakiger. Afrapporterige
Læs mereFUNKTIONER del 1 Funktionsbegrebet Lineære funktioner Eksponentialfunktioner Logaritmefunktioner Rentesregning Indekstal
FUNKTIONER del Fuktiosbegrebet Lieære fuktioer Ekspoetialfuktioer Logaritmefuktioer Retesregig Idekstal -klassere Gammel Hellerup Gymasium November 08 ; Michael Szymaski ; mz@ghg.dk Idholdsfortegelse FUNKTIONSBEGREBET...
Læs mereDagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)
Dages program Estimatio: Kapitel 9.4-9.7 Eksempler på middelrette og/eller kosistete estimator (de sidste fra sidste forelæsig) Ko desiterval for store datasæt kap. 9.4 Ko desiterval for små datasæt kap.
Læs mereSkriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM58) Institut for Matematik & Datalogi Syddansk Universitet Torsdag den 7 Januar 010, kl. 9 13 Alle sædvanlige hjælpemidler (lærebøger,
Læs mereAnalyse af algoritmer. Algoritmedesign med internetanvendelser ved Keld Helsgaun. Køretid. Algoritmebegrebet D. E. Knuth (1968)
Algoritmedesig med iteretavedelser ved Keld Helsgau Aalyse af algoritmer Iput Algoritme Output E algoritme er e trivis metode til løsig af et problem i edelig tid 1 2 Algoritmebegrebet D. E. Kuth (1968)
Læs mereSætning: Middelværdi og varians for linearkombinationer. Lad X 1,X 2,...,X n være stokastiske variable. Da gælder. Var ( a 0 + a 1 X a n X n
Ladmåliges fejlteori Lektio 3 Estimatio af σ Dobbeltmåliger Geometrisk ivellemet Lieariserig - rw@math.aau.dk Istitut for Matematiske Fag Aalborg Uiversitet Repetitio: Middelværdi og Varias Sætig: Middelværdi
Læs mereVejledende besvarelser til opgaver i kapitel 15
Vejledede besvarelser til opgaver i apitel 5 Opgave a) De teststatistier, ma aveder til at teste om to middelværdier er es, består af et estimat på forselle mellem middelværdiere,, divideret med et udtry
Læs mereDe Platoniske legemer De fem regulære polyeder
De Platoiske legemer De fem regulære polyeder Ole Witt-Hase jauar 7 Idhold. Polygoer.... Nogle topologiske betragtiger.... Eulers polyedersætig.... Typer af et på e kugleflade.... Toplasvikle i e regulær
Læs mereVelkommen. Program. Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R. Praktiske ting og sager
Program Statistik og Sadsylighedsregig 2 Sadsylighedstætheder og kotiuerte fordeliger på R Helle Sørese Uge 6, madag Velkomme I dag: Praktiske bemærkiger Hvad skal vi lave på SaSt2? Sadsylighedstætheder
Læs mereBaggrundsnote til sandsynlighedsregning
Baggrudsote til sadsylighedsregig Kombiatorik. Multiplikatiospricippet E mægde beståede af forskellige elemeter kaldes her e -mægde. Elemetere i e m-mægde og elemetere i e -mægde ka parres på i alt m forskellige
Læs mereDiskrete og kontinuerte stokastiske variable
Diskrete og kotiuerte stokastiske variable Beroulli Biomial fordelig Negativ biomial fordelig Hypergeometrisk fordelig Poisso fordelig Kotiuerte stokastiske variable Uiform fordelig Ekspoetial fordelig
Læs mereØkonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1
Økoometri 1 Iferes i de lieære regressiosmodel 9. september 006 Økoometri 1: F7 1 Dages program Opsamlig af hemmeopgave om Mote Carlo eksperimeter Mere om hypotesetest: Ekelt lieær restriktio på koefficieter
Læs mereVejledende opgavebesvarelser
Vejledede opgavebesvarelser 1. Atal hæder er lig med K(52,5), altså 2598960. Ved brug af multiplikatiospricippet ka atal hæder med 3 ruder og 2 spar udreges som K(13, 3) K(13, 2), hvilket giver 22308.
Læs mereInduktionsbevis og sum af række side 1/7
Iduktosbevs og sum af række sde /7 Skrver ma,,,...,,..., =, 2, 3,... 2 3 taler ma om e talfølge, eller blot e følge. Adre eksempler på følger er, -,, -,, -,..., (-) +,..., =, 2, 3,..., 2, 3, 4,...,,...,
Læs mereMen tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.
χ test matematkudervsge χ - test gymasets matematkudervsg I jauar ummeret 8 af LMFK bladet havde jeg e artkel, hvor jeg harcelerede ldt over, at regresso og sær χ fordelg havde fudet dpas matematkudervsge
Læs mereMaja Tarp AARHUS UNIVERSITET
AARHUS UNIVERSITET Maja Tarp AARHUS UNIVERSITET HVEM ER JEG? Maja Tarp, 4 år Folkeskole i Ulsted i Nordjyllad Studet år 005 fra Droiglud Gymasium Efter gymasiet: Militæret Australie Startede på matematik
Læs mereSprednings problemer. David Pisinger
Spredigs problemer David Pisiger 2001 Idledig Jukfood A/S er e amerikask kæde af familierestaurater der etop er ved at etablere sig i Damark. E massiv reklamekampage med de to slogas vores fritter er de
Læs mereAnvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse
Avedt Statistik Lektio 3 Pukt- og itervalestimater Kofidesitervaller Valg af stikprøvestørrelse Pukt- og itervalestimater: Motivatio Motiverede eksempel: I e udersøgelse er adele af rygere 0.27. Det aslås
Læs mereBEVISER TIL KAPITEL 7
BEVISER TIL KAPITEL 7 A. Komplemetærhædelse Det er klart, at e hædelse A og de komplemetære hædelse A udgør hele udfaldsrummet U, dvs. A A = Da fås P(U = U P(A A = P (A + P(A = da de to hædelser er dsjukte
Læs mereBjørn Grøn. Analysens grundlag
Bjør Grø Aalyses grudlag Aalyses grudlag Side af 4 Idholdsfortegelse Kotiuerte og differetiable fuktioer 3 Differetial- og itegralregiges udviklig 5 3 Hovedsætiger om differetiable fuktioer 8 Opgaver til
Læs merecos(t), v(t) = , w(t) = e t, z(t) = e t.
Aalyse Øvelser Rasmus Sylvester Bryder. og. oktober 3 Bevis for Cotiuity lemma Theorem. Geemgås af Michael Staal-Olse. Bevis for Lemma.8 Dee har vi faktisk allerede vist; se Opgave 9.5 fra Uge. Det er
Læs mereHovedpointer fra SaSt
Hovedpoiter fra SaSt Marti Nørgaard Peterse 13. februar 2018 Følgede geemgår udvalgte begreber fra E Itroduktio til Sadsylighedsregig af M. Sørese (9. udgave), Itroductio to Likelihood-based Estimatio
Læs mereEstimation ved momentmetoden. Estimation af middelværdiparameter
Statistik og Sadsylighedsregig 1 STAT kapitel 4.2 4.3 Susae Ditlevse Istitut for Matematiske Fag Email: susae@math.ku.dk http://math.ku.dk/ susae Estimatio ved mometmetode Idimellem ka det være svært (eller
Læs mere29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.
Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer
Læs mereFormelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6
Dee udgave er til geemkig på ettet. Boge ka købes for kr. 5 hos EH-Mat. E y og udvidet udgave med title»symbol- og formelskrivig«er udkommet september 00. Se mere om de her. Idholdsfortegelse Formelskrivig
Læs mereHASTIGHEDSKORT FOR DANMARK VHA. GPS
HASTIGHEDSKORT FOR DANMARK VHA. GPS Ove Aderse xcalibur@cs.aau.dk Istitut for Datalogi Aalborg Uiversitet Harry Lahrma lahrma@pla.aau.dk Trafikforskigsgruppe Aalborg Uiversitet Kristia Torp torp@cs.aau.dk
Læs mereAsymptotisk optimalitet af MLE
Kapitel 4 Asymptotisk optimalitet af MLE Lad Y 1, Y 2,... være uafhægige, idetisk fordelte variable med værdier i et rum (Y,K). Vi har givet e model (ν θ ) θ Θ for fordelige af Y 1 (og dermed også for
Læs mereDen flerdimensionale normalfordeling
De flerdimesioale ormalfordelig Stokastiske vektorer Ved e stokastisk vektor skal vi forstå e vektor, hvor de ekelte kompoeter er sædvalige stokastiske variable. For de stokastiske vektor Y = Y,..., Y
Læs mereProjekt 9.8 Betingede sandsynligheder og paradokser i sandsynlighedsregningen
Projekt 9.8 Betigede sadsyligheder og paradokser i sadsylighedsregige Et forløb om betigede sadsyligheder ka itroduceres via et selvstædigt elevarbejde med materialet i projekt 9.7 Testet positiv? samme
Læs mere30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.
30. august 005 Epidemiologi og biostatistik. Forelæsig 3 Uge, torag d. 8. september 005 Michael Væth, Afdelig for Biostatistik. Mere om kategoriske data Test for uafhægighed I RxC tabeller Test for uafhægighed
Læs mereCensorvejledning engelsk B, HF 2017-læreplan
Cesorvejledig egelsk B, HF 2017-lærepla December 2018 Lie Flitholm, fagkosulet lie.flitholm@stukuvm.dk 33925383 Idholdsfortegelse Cesorvejledig egelsk B, HF 2017-lærepla... 1 Det skriftlige opgavesæt HF
Læs mereSandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
Statistik for biologer 005-6, modul 5: Sadsylighedsfordeliger for kotiuerte data på iterval/ratioskala M6, slide Gægse matematiske sadsylighedsfordeliger: Diskrete data: De positive biomialfordelig Poisso-fordelige
Læs mereGeorg Mohr Konkurrencen Noter om uligheder. Søren Galatius Smith
Georg Mohr Kokurrece Noter om uligheder Søre Galatius Smith. juli 2000 Resumé Kapitel geemgår visse metoder fra gymasiepesum, som ka bruges til at løse ulighedsopgaver, og ideholder ikke egetligt yt stof.
Læs mereSpørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset.
STATISTIK Skriftlig evaluerig, 3. semester, madag de 30. auar 006 kl. 9.00-3.00. Alle hælpemidler er tilladt. Opgaveløsige forsyes med av og CPR-r. OPGAVE Ved e produktio af viduer er der mulighed for,
Læs mereStikprøvefordelinger og konfidensintervaller
Stikprøvefordeliger og kofidesitervaller Stikprøvefordelige for middelværdi De Cetrale Græseværdi Sætig Egeskaber Ved Estimatore Kofidesitervaller t-fordelige Estimator og estimat E stikprøve statistik
Læs mereLøsninger til kapitel 7
Løsiger til kapitel 7 Opgave 7.1 a) HpoStat giver resultatet: Pop. varias er ukedt, me 30, så Normalf. bruges approksimativt = 54,400 s 1.069,90 = 00,000 0,95 49,868 58,93 Dette betder, at med 95% sikkerhed
Læs mereProjekt 2.3 Det gyldne snit og Fibonaccitallene
Projekter: Kapitel Projekt.3 Det glde sit og Fiboaccitallee Forslag til hvorda klasses arbejde med projektet ka tilrettelægges: Forløbet:. Præsetatio af emet med vægt på det glde sit.. Grppere arbejder
Læs mereStatistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer
Statistik Lektio 7 Hpotesetest og kritiske værdier Tpe I og Tpe II fejl Strke af e test Sammeligig af to populatioer 1 Tri I e Hpotesetest E hpotesetest består af 5 elemeter: I. Atagelser Primært hvilke
Læs mereSandsynlighedsregning i biologi
Om begrebet sadsylighed Sadsylighedsregig i biologi Hvis vi kaster e almidelig, symmetrisk terig, er det klart for de fleste af os, hvad vi meer, år vi siger, at sadsylighede for at få e femmer er 1/6.
Læs mereProjekt 1.3 Brydningsloven
Projekt 1.3 Brydigslove Når e bølge, fx e lysbølge, rammer e græseflade mellem to stoffer, vil bølge ormalt blive spaltet i to: Noget af bølge kastes tilbage (spejlig), hvor udfaldsvikle u er de samme
Læs mereEstimation og test i normalfordelingen
af Birger Stjerholm Made Samfudlitteratur 07 Etimatio og tet i ormalfordelige Dee tekt ideholder et overblik over ogle grudlæggede pricipper for etimatio og tet i ormalfordelige i hyppigt forekommede ituatioer:
Læs mereDATV: Introduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem
DATV: Itroduktio til optimerig og operatiosaalyse Asymmetric Travelig Salesma Problem David Pisiger, Efterår 2004 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og
Læs mere- et værktøj til fejlrettende QR-koder. Projekt 0.3 Galois-legemerne. Indhold. Hvad er matematik? A, i-bog
Projekt 0.3 Galois-legemere GF é ëp û - et værktøj til fejlrettede QR-koder Idhold De karakteristiske egeskaber ved de tre mest almidelige talsystemer, og... De kommutative, associative og distributive
Læs mereTeoretisk Statistik, 9. februar Beskrivende statistik
Uge 7 I Teoretisk Statistik, 9 februar 004 Beskrivede statistik Kategoriserede variable 3 Kvatitative variable 4 Fraktiler for ugrupperede observatioer 5 Fraktiler for grupperede observatioer 6 Beliggeheds-
Læs mereBølgefunktioner Alle partikler, som har en hvilemasse, er kendetegnet ved en kompleks bølgefunktion
Modere Fysik 4 Side af 7 Schrödigerligige Forrige to gage: Idførelse af kvatiserigsbegrebet (for lyseergi og for elektroers eergi) samt partikel-bølge-dualitete, hvilket førte til e helt y teori, kvatemekaikke
Læs mereM Å L T E O R I S A N D S Y N L I G H E D S T E O R I 1. 1 F O R E L Æ S N I N G S N O T E R S V E N D E R I K G R A V E R S E N O G
F O R E L Æ S N I N G S N O T E R T I L M Å L T E O R I O G S A N D S Y N L I G H E D S T E O R I 1. 1 S V E N D E R I K G R A V E R S E N A U G U S T 2 0 0 5 I N S T I T U T F O R M A T E M A T I S K
Læs mereFinitisme og Konstruktivisme. 22. November 2010
Fiitisme og Kostruktivisme 22. November 2010 Frktler Hilbert Mdelbrot Feigebum Lorez Lorez-Ligigere σ = 10 β = 8/3 ρ =28 Logistisk vækst x -> rx(1-x) Mdelbrots frktl z -> P c (z) = z 2 +c 0-> P c (0) ->P
Læs mereKompendie Komplekse tal
Kompedie Komplekse tal Prebe Holm 08-06-003 "!#!%$'&($)+*-,. cos(s + t) )0/ si(s + t) Trigoometri er måske ikke så relevat, år ma såda umiddelbart sakker om komplekse tal. Me faktisk avedes de trigoometriske
Læs mereSTATISTISKE GRUNDBEGREBER
MOGENS ODDERSHEDE LARSEN STATISTISKE GRUNDBEGREBER 18 15 1 9 6 3 0 Histogram for ph 6,9 7,1 7,3 7,5 7,7 7,9 ph 13 udgave 013 FORORD Der er i dee bog søgt at give letlæst og askuelig fremstillig af de statistiske
Læs mere