1 Løsning og mindste kvadraters løsninger af lineære ligningssystemer

Størrelse: px
Starte visningen fra side:

Download "1 Løsning og mindste kvadraters løsninger af lineære ligningssystemer"

Transkript

1 Løsg og mdste kadraters løsger af leære lggssystemer Def. Lære lggssystemer Et leært lggssystem er et system af m lgger ubekedte, hor dsse ka skres som: a a... a b a a... a b m m2 2 m m Dsse systemer ka også skres på matr form således: or løsgsmægde for systemer er de for hlket systemet er kosstet. s systemet ge løsger har, er løsgsmægde tom det sges at systemet er kosstet. eorem.2. [L] Et m homoget system af leære lgger har e kke-trel løsg hs A b m. Bes eorem.2. [L] Et homoget system er altd kosstet ( 0 er altd e løsg). REF forme af matrce har højst m kke-ul rækker. Dered er der også maksmalt m poter. Sde der er ubekedte og m så må der ære e eller flere fre arabler. De fre arabler ka derfor ble get arbtrære ærder og for eher ærd af de fre arable er der e løsg tl systemet. Def. Mdste kadrat Mdste kadrater er e metode bruger tl at lae et best ft af e ge mægde data, således at ma ka strukturere dsse som eksempels e ret lje eller oget tlsarede. Get et m leært lggssystem A b med m (oerdetermeret), så ka kke geerelt forete at fde et resdual: for hlket A b. Derfor hs b r b A m, så for ethert ka forme et Dstace mellem b og A er get ed: b A r or øsker at fde e ektor for hlket r l ære mmal. E ektor ˆ der gør dette sges at ære e mdste kadraters løsg tl systemet A b. Det følgede teorem garaterer at e såda tætteste ektor p kke blot ekssterer, me er uk:

2 eorem 5.3. [L] m Lad S ære et uderrum ogb m. Da er projektoe p af b på S uk og tættest påb. Altså: b y b p y S ^ y p m E ektor p S l desude ære tættest på e ektor b b p S Bes eorem 5.3. V ed at m S S m. V ka derfor skre b ukt som summe: b p z or p S og z S. Lad ys ^ y p, da gælder der (fra b trækkes p, ge lægges p tl og y trakkes fra): 2 2 b y b p p y Da b p z S og p y S ger Pythagoras lo (la eetuelt tegg): b y b p p y hor 2 py 0 da p y hlket ger 2 2 b y b p For at se at b p S hs p er ektore tættest på b, atag at qs ^ b q S, da er q p, og så følger samme argumet som oerståede (med y q) Proposto [N] 2 2 b q b p Systemet A A A b er kosstet, og z er e løsg tl dette system z er e mdste kadraters løsg tl A b. Bes Proposto Lad p P b Sø A Az p b Az Sø A b Az N A 0 A b Az A b A Az 0 A Az A b Det l sge z er e løsg tl hor p er mdste kadraters løsg tl A b. A Az A b Az p 2

3 eorem [N] Lad V ære et F ektorrum, lad,..., V,...,. Et elemet S ka og lad S spa udtrykkes etydgt som e leær kombato af,...,,..., er leært uafhægge. Bes eorem Da spa,..., ka skre a... a med a,..., a F. Lad os atage at også ka skres som b... b. Så er 0 a... a b... b a b... a b s,..., er leært uafhægge l lgge 0 c... c c 0,..., c. Dette l sge at a b 0 a b så ka skres ukt som e leær kombato af,...,. s,..., er leært afhæge l lgge 0 c... c hae e kke-trel løsg c,..., c så 0 c... c og får at 0 a... a c... c... a c a c or a c a for et eller adet,...,. Så ka kke skres ukt hs,..., er leært afhægge. 3

4 2 Vektorrum og uderrum Def. Uderum Et kke-tomt delmægde S af et F ektorum V kaldes et uderum hs: (tlsamme kaldet lukkethedsegeskaber) C: y S, af : ay S (skalamultplkato) C2: y, ws : y w S (ekteraddto) Def. Lear trasformato Lad VW, ære F ektorum. E leær trasformato L : V W er e afbldg som respekterer leære strukturer, det l sge følgede er opfyldt:, V, a, a F : L a a a L a L Def. Ker Lad L : V W ære e lear trasformato. Kere af L er da Ker L V L 0 W Def. Bllede Lad L : V W ære e lear trasformato, lad S V ære et uderrum, da er blledemægde L S ww w L, S eorem 4.. [L] s L : V W er e leær trasformato og S et uderrum afv. Så er. Ker L et uderrum af V 2. LS et uderrum af W Bes teorem 4.. For : Ker L er e kke-tom mægde da 0 V C (skalarmultplkato): Lad Ker V, a C2 (ektoradto):, w Ker L er da et uderum. V og 0 L0. W V F, da gælder La al a0w 0w Ker L Ker L, da gælder L w L Lw Ker L W W W 4

5 For 2: LS er kke-tom da 0W L0V LS. C: Lad af, w L for et S, da gælder aw al La. Da a S så La LS C2: Lad w L, w L, S, da gælder w w L L L for et S så L 2 LS LS er da et uderrum. Def. Spa Lad V ære et F ektorrum,,..., V udspæder V ( V spa ektor V ka skres som e lear kombato af,..., V eorem 3.4. [L] og da 2 2 2,..., ) hs og ku hs eher s spa,..., V, så er ethert sæt af m ektorer tlhørede V ære leært afhægge. Bes teorem 3.4. Det mulgt at opskre u for,..., m som e lear kombato af,...,. For e ektor V u a j j j, da ka skres som e lear kombato af u. u... mum m m u a j j j m a j j j m Lad os prøe at løse det homogee lggssystem a j 0. Dette er et lggssystem med m j arable (ubekedte) og lgger. Da m er der flere ubekedte ed der er lgger. Da ekssterer der e kke-trel løsg,..., c c c m. Dette betyder at følgede gælder m c u... c u c u 0 0 m m j j Dered er u,..., u m leært afhægge. 5

6 eorem [N] Lad V ære et F ektorrum, lad,..., V,...,. Et elemet S ka og lad S spa udtrykkes etydgt som e leær kombato af,...,,..., er leært uafhægge. Bes eorem Da spa,..., ka skre a... a med a,..., a F. Lad os atage at også ka skres som b... b. Så er 0 a... a b... b a b... a b s,..., er leært uafhægge l lgge 0 c... c c 0,..., c. Dette l sge at a b 0 a b så ka skres ukt som e leær kombato af,...,. s,..., er leært afhæge l lgge 0 c... c hae e kke-trel løsg c,..., c så 0 c... c og får at 0 a... a c... c... a c a c or a c a for et eller adet,...,. Så ka kke skres ukt hs,..., er leært afhægge. 6

7 3 Leær uafhægghed Def. Leær uafhægghed Lad V ære et F ektorrum, og lad,..., V Et sæt,..., af ektorer er leært uafhægge c... c 0 c 0,..., c 0 s der fdes e kke-trel løsg tl lggssystemet kaldes,..., afhægge og e af ektorere ka skres som e learkombato af de adre. Def. Spa Lad V ære et F ektorrum,,..., V udspæder V ( V spa ektor V ka skres som e lear kombato af,..., V eorem 3.3. [L] og lad X,..., Lad,...,. Så gælder der,..., ) hs og ku hs eher X er sgulær,..., er leært afhægge Bes eorem 3.3. V har e lgg c... c 0 Der ka skres på matrform: Xc 0 V ed at hs X er ertbel, så har lgge Xc 0 ku løsge c 0, da Xc 0 X Xc X 0 c 0. V ed også at hs lgge Xc 0 ku har løsge c 0 så er X ertbel. (Sætg.4.8 [N]) 7

8 eorem 3.4. [L] s spa,..., V, så er ethert sæt af m ektorer tlhørede V ære leært afhægge. Bes teorem 3.4. Det mulgt at opskre u for,..., m som e lear kombato af,...,. For e ektor V u a j j j, da ka skres som e lear kombato af u. u... mum m m u a j j j m a j j j m Lad os prøe at løse det homogee lggssystem a j 0. Dette er et lggssystem med m j arable (ubekedte) og lgger. Da m er der flere ubekedte ed der er lgger. Da ekssterer der e kke-trel løsg,..., c c c m. Dette betyder at følgede gælder m c u... c u c u 0 0 m m j j Dered er u,..., u m leært afhægge. 8

9 eorem [N] Lad V ære et F ektorrum, lad,..., V,...,. Et elemet S ka og lad S spa udtrykkes etydgt som e leær kombato af,...,,..., er leært uafhægge. Bes eorem Da spa,..., ka skre a... a med a,..., a F. Lad os atage at også ka skres som b... b. Så er 0 a... a b... b a b... a b s,..., er leært uafhægge l lgge 0 c... c c 0,..., c. Dette l sge at a b 0 a b så ka skres ukt som e leær kombato af,...,. s,..., er leært afhæge l lgge 0 c... c hae e kke-trel løsg c,..., c så 0 c... c og får at 0 a... a c... c... a c a c or a c a for et eller adet,...,. Så ka kke skres ukt hs,..., er leært afhægge. 9

10 4 Bass for ektorrum; koordatserg Def. Ordet bass Lad V ære et F ektorrum, og lad,..., V,..., er e ordet bass for V hs.,..., er leært uafhægge 2.,..., udspæder V Normalt er rækkefølge rreleat, me sse tlfælde ka det ære ødedgt at hae dem ordet (lket det bl.a. er for koordatserg) eorem 3..3 [N] Lad V ære et F ektorrum, e bass deholdt,..., V 0, som er udspædt af edelg mage ektorer,...,. Da har V Bes eorem 3..3 [N] Idukto. Altså dukto atallet af ektorer de udspædede mægde. Bass : V ed at for V. V 0 og at V spa, derfor er 0 så Iduktoshypotese V atager at udsaget gælder for et ektorrum udspædt af ektorer. Iduktosskrdt V l gere se at det gælder for et ektorrum udspædt af ektorer. Lad V spa,...,. er leært uafhægge, så er s,...,,..., e bass for V. er leært uafhægge og derfor e bass s,..., er leært afhægge, så ka é af dem skres som e leærkombato af de adre. Efter omummererg ka atage at c... c duktoshypotese har V e bass deholdt,...,. I begge tlfælde har V e bass deholdt,...,. Def. Koordatserg Lad V spa,..., og følge. Me så er,..., ære e ordet bass for V. Lad V ; ka skres etydgt som e leær kombato af,...,, c... c. 0

11 c Der fdes således et etydgt elemet... F, som ager koordatere for mht. V. Dette kaldes c koordatektore for mht. V og skrer Lemma [N] Koordatserg bearer leær struktur, ds:. w w 2. r r c... c Bes Lemma : Lad w,, skr c... c, w d... d. w c d c d og så gælder der Da er... c d c d c d c d w w 2: Lad, skr c... c da er r rc... rc og rc c rc c r... r... r Proposto [N] Lad U u,..., u, V,..., Lad b b ære to ordede baser for et F ektorrum W. K Mat, Der gælder. K er ertbel F ære get ed søjleform som 2. ww : w K w Vb Ub u u... Vb Vb 3. K er de etydge matr Mat F således at, 2 gælder.

12 Bes Proposto : Atag at K... 0 så V b... u 0 u... u u VB Idet at koordatserg bearer leær struktur. Så u... u 0 og da u,..., u er leært uafhægge, er de eeste løsg tl K 0 løsge 0. Da 0 er de este løsg er K ertbel. 2: V udtrykker u som e leær kombato af,..., Vb u k... k hor k... k u Vb som er de te søjle K Skr w cu... cu så w U b c... c V dsætter u c k... c k... c k... c k w c k k c k k så kc... k c w Kc K w Vb k c... kc Ub 2

13 3: Atag at w K ' w for alle w W Vb Ub Dette gælder specelt for u for,..., ' te søjle K u K ' u K ' e ì ' te søjle K ' K og K ' har altså samme søjler og derfor er Note for bes: u e ' te plads Ub V b Ub K' K da u udtrykket s ege base er u

14 5 Matrcer og leære trasformatoer Def. Lear trasformato Lad VW, ære F ektorrum. E leær trasformato L : V W er e afbldg som respekterer leære strukturer, det l sge følgede er opfyldt: Sætg 4.2. [N] Lad L :, V, a, a F : L a a a L a L m F F ære e leær trasformato. Defer M LMat m, Så er L M L for alle Bes Sætg 4.2. Lad F. M L L e,..., L e F, ka da skres som... F ed ML er de etydge matr med dee egeskab. e e. V bereger der leær trasformato på dee... Le... Le L L e e Le,..., Le... M L Atag at der u fdes e ade matr M ' LMat F med ' Søjlere ML og dee egeskab. m, ì ' tesøjle M L Le M ' Le ì ' tesøjle M ' L M ' L er es, og da er M ' L M L. L M L. Så gælder der at M L er da de etydge matr med 4

15 Dagram V l gere se at dette dagram kommuterer: Sætg [N] Lad, VW ære F ektorrum. Lad V og W w w b,.., Lad L : V W ære e lear trasformato. Defer Så er L M L egeskab. for alle V Wb Wb, Vb Vb MW, V L L,..., L W b b b Wb, og at M b,..., ære ordede baser for V og W. Wb, Vb Bes Sætg Lad V så ka skres som... og dered er L er de etydge matr med dee V b... La u de leære trasformato på. Lad os u se på koordatserge af dee... L... L L L... L L L W b Wb... L L W b Wb L,..., L... W b Wb M L Wb, Vb Vb 5

16 Lad os u atage der fdes e ade matr M ' LMat F hor L M ' L Dette gælder specelt for,..., så Wb, Vb m, Wb Wb, Vb Vb ì ' te søjle M L, L M ', L M ', L e ì ' te søjle M ', L W V W V W V W V Så søjlere M Wb, Vb b b W b b V b b b b b b M L og M' L er es og derfor er M ' L M L Wb, Vb Wb, Vb L de etydge matr med dee egeskab. Def. Ker Lad L : V W ære e lear trasformato. Kere af L er da Ker L V L 0 W Wb, Vb Wb, Vb. Derfor er Def. Bllede Lad L : V W ære e lear trasformato, lad S V ære et uderrum, da er blledemægde L S ww w L, S eorem 4.. [L] s L : V W er e leær trasformato og S et uderrum afv. Så er 3. Ker L et uderrum af V 4. LS et uderrum af W Bes teorem 4.. For : Ker L er e kke-tom mægde da 0 V C (skalarmultplkato): Lad Ker V, a C2 (ektoradto):, w Ker L er da et uderum. V og 0 L0. W V F, da gælder La al a0w 0w Ker L Ker L, da gælder L w L Lw Ker L W W W For 2: LS er kke-tom da 0W L0V LS. C: Lad af, w L for et S, da gælder aw al La. Da a S så La LS C2: Lad w L, w L, S, da gælder w w L L L for et S så L 2 LS LS er da et uderrum. og da

17 6 Determater Def. Determat l eher For e For e matr er det mulgt at assocere e skalar det A a. matr er matr er A a A a A det... med de te række og j te søjle slettet. A j kaldes kofaktor for A og det A. hor j Aj det Mj M j kaldes morer af A Det er lgegyldgt om hlke række eller søjle udkler fra eorem 2..2 [L] F, da gælder at det A det A Lad A Mat, Bes eorem 2..2 Dette er et duktosbes oer Bass : Dette gælder tralt da A A det A det A Iduktoshypotese: V atager at det gælder for alle kk matrcer. Iduktosskrdt: V skal se det gælder for alle k k matrcer. Lad AMat kk, F da er og M j er matrce A A a M a M a M det det det... det 2 2 er er alle M matrcer kk og ka bruge duktoshypotese: j A a M a2 M2 a M det det det... det Da a det M a2 det M2... a det M blot er det det A det A A udklet efter første søjle: 7

18 eorem [L] F er sgulær A A Mat, det 0 Bes eorem Det er mulgt at rækkereducere A tl RREF ed edelgt mage rækkeoperatoer, så V tager u determate på begge sder Da det 0 A E... k E A Ek E A det E...det E det A det det... E for,..., k ford E er e elemetær rækkeoperato, så gælder der at k det 0 det 0. s A er sgulær så l hae e ul-række og ka udkle lags dee og få det 0. s A er ertbel så l I og da er eorem 2.3. [L] (Cramers regel) Lad AMat, F ære ertbel og lad bf. Lad søjle A med b. De etydge løsg ˆ tl systemet A Bes eorem 2.3. A b er de etydge løsg tl A Og for,..., det A ˆ,,..., det A b. Så har det. A ære matrce der fås ed erstatte de te b er get ed; ˆ A b adj A b det A ' te række adj Ab det A det det det A b A... A b A A 8

19 7 Egeærder og egeektorer Def. Egeærd og egeektor Lad AMat F F er e egeærd for A hs der fdes F \ 0,, A kaldes da for e egeektore tl A assoceret tl. Def. Egerum Ved omskrg af deftoe oefor får Løsgsrummet N A I egeektorer tl e ge egeærd. Def. Smlartet Lad B A B AI 0 kaldes for egerummet tl matrce A. Egerummet består af alle Mat F. B sges at ære smlar tl A hs der ekssterer e matr,, S AS eorem 6.. [L] Lad A, BMat, F ære smlare. Da er pa pb Bes eorem 6.. Da A og B er smlare ka B skres som Lad os berege pb B B S AS. det p B I det det det det det det p A S AS I S A I S S det A I S S det A I I det A I AI, så S Mat, F så: 9

20 Def. Dagoalserbar F. A er dagoalserbar hs der ekssterer e ertbel matr Lad A Mat, V Mat, F så or D er dagoal. eorem [L] Lad A Mat, D V AV F. A er dagoalserbar A har lear uafhægge egeektorer Bes eorem Lad,..., ære lear uafhægge egeektorer tl A med tlhørede egeærd. Lad X,..., da er AX A,..., A,...,,..., XD Da X har leært uafhægge søjleektorer, så er X ertbel. Så A er altså dagoalserbar. A er u dagoalserbar og derfor AX XD X AX X XD X AX D X AX D XX AX XD AX XD d X,...,, D d Lad så d XD d d d,...,,..., 20

21 Da AX XD ( ka gage med e på begge sder for at plle første søjle ud) må d,..., d må ære egeærder for A med tlhørede egeektorer,...,. Ford X er ertbel er,..., lear uafhægge. 2

22 8 Dagoalserg Def. Egeærd og egeektor Lad AMat F F er e egeærd for A hs der fdes F \ 0,, A kaldes da for e egeektore tl A assoceret tl. Def. Dagoalserbar F. A er dagoalserbar hs der ekssterer e ertbel matr Lad A Mat,, så V Mat, F så or D er dagoal. eorem [L] Lad A Mat, D V AV F. A er dagoalserbar A har lear uafhægge egeektorer Bes eorem Lad,..., ære lear uafhægge egeektorer tl A med tlhørede egeærd. Lad X,..., da er AX A,..., A,...,,..., XD Da X har leært uafhægge søjleektorer, så er X ertbel. Så A er altså dagoalserbar. A er u dagoalserbar og derfor AX XD X AX X XD X AX D X AX D XX AX XD AX XD 22

23 d X,...,, D d Lad så Da AX d XD d d d,...,,..., XD ( ka gage med e på begge sder for at plle første søjle ud) må d,..., d må ære egeærder for A med tlhørede egeektorer,...,. Ford X er ertbel er,..., lear uafhægge. Def. Utær U Mat, er utær, hs søjlere U udgør e ortoormalbass for E matr. Def. ermtsk matr A Mat, er hermte sk hs E matr eorem..9 [N] (Schurs teorem) A A A Lad. Der fdes e utær matr A Mat, Bes eorem..9 Beser er ed dukto oer. Bass relt det alle matrcer er øretragulære. Iduktoshypotese U Mat, så Mat. V atager at udsaget gælder for alle matrcer Iduktosskrdt A Mat, Lad, U AU er e øretrekatsmatr. og lad ære e egeærd for A, med tlsarede egeektor. V ka arragere at. ka uddes tl e bass for dee bass, får e ortoormalbass,..., for Lad U Mat,,...,. U er da utær ed kostrukto. V har da ( pller først søjle af U AU ud) U AU e U A U U U e e., og ed at aede Gram-schmdt på V ka altså skre 23

24 U AU 0 r A or 0 er e søjleektor og r er e rækkeektor med dgage. C Mat, så Ifølge duktoshypotese så ekssterer der e matr øretrekatsmtr. Defer u U C C AC er øre e Matrce U 2 er utær da de sdste søjler udgør e ortoormal mægde, og her for sg er ortogoale på de første søjle, som er e ehedsektor. Så er produktet U UU 2også utær. V l se at U AU er øre-tragulær. Da blokstørelsere matrcere er es ka bruge blok matr multplkato. U AU U U AU U C 0 A 0 C 0 C A 0 C 0 r 0 r rc C AC rc B Dee matr er øre tragulær da B (fra duktoshypotese) er det. 24

25 eorem..0 [N] (Spektralsætg for hermte ske matrcer) Lad A Mat, så U Mat, ære hermte sk. Så ka A dagoalseres, ds der fdes e utær matr Er dagoal med reelle dagoaldgage. Bes eorem..0 U AU U Mat, så Ifølge Schurs sætg fdes der e utær matr øretrekatsmatr. er hermte sk da: Me U AU U U A U AU U AU er e t t t, t t t Da må t, j 0 for j og da t, t, må t, ære reel. er da e dagoalmatr med reelle dgage. 25

26 9 Idre produkt Def. Idre produkt Et dre produkt på et reelt ektorrum V er e fukto, :VV, således at for alle, y, z V, a, b :., 0 med lghed 0 2., y y, 3. a by, z a, z b y, z Def. Norm og ortogoaltet Lad V ære et ektorrum med dre produkt,. Norme, også kaldt lægde af V er da deferet tl, y V er ortogoale hs, eorem 6..4 [N] (Pythagoras) y, 0 Lad V ære et reelt ektorrum med dre produkt,, og lad u, V ære ortogoale. Da gælder u u Bes eorem 6..4 V bereger 2 u ed brug af dre produkt, : 2 u u, u u, u, 2 u, u, u, u u, forsder da u. 26

27 Def. Vektorprojekto Lad V ære et reelt ektorrum med dre produkt,, og lad u, V med 0 så er p u,, Vektorprojektoe af u på. jælpelemma 6..6 [N] (ge bes) Lad V ære et reelt ektorrum med dre produkt,, og lad u, V med 0 og lad p ære ektorprojektoe af u på.. u p, er ortogoale 2. u p u er et skalarmultplum af eorem 6..7 [N] (Cauchy-Schwarz ulghede) Lad V ære et reelt ektorrum med dre produkt,, og lad u, V. Da gælder u, u Og lghed gælder hs, og ku hs, u, er leært afhægge. Bes eorem 6..7 s 0, da er u, 0 u og u, er klart leært afhægge. s 0, så lad p ære ektorprojektoe af u på. u p, er da ortogoale (følge lemma 6..6) og derfor er u p, p det også. Pythagoras ger da: u u p p lket ger at hs ma løser forhold tl 2 p og dsætter deftoe af p 2 Som ka løses forhold tl u, : u u p p u, 2 2 u, 2 u 2 2 u p 2 2 u 2 2 lket da ger u, u 27

28 Lghed gælder hs, og ku hs V, og derfor leært afhægge. 2 u p 0 u p. Lemma 6..6 sger at så er u et skalarmultplum af 28

29 0 Ortogoalkomplemet og projekto Def. Ortogoalkomplemet Lad Y ære et uderrum Y y 0y Y Kaldes ortogoalkomplemetet tl Y. jælpelemma 5..6 [N] A Mat, så er N A Sø A eorem [N] Lad S ære et uderrum. Da er S også et uderrum med dms dms Bes eorem s S 0, så er s S, lad,..., R S S og dm S dm s 0. 0 r ære e bass for S. Lad X,..., r. Da er S Sø X Sø X Lemma 5..6 sger da at S Sø X N X proposto 2..8). Dmesoe udreges: dm. N X atal søjler X rak X rak X r dm S. Derfor må N X er et uderrum (følge 29

30 eorem [N] s S e bass for 0, S, og,..., r er e bass for S og,..., r er e bass for S, så er,...,. Bes eorem Ifølge sætg 3..4 er det ok at se at,..., er uafhægge. Atag at c... c c... c 0 r r r r Lad da y c... cr r, z cr r... c. Så y S, z S. Så har y z 0 y z y, z S S 0 Dette betyder altså at: For y : c... cr r 0 c 0,..., cr 0 For w : cr r... c 0 cr 0,..., c 0 lsamme ger dette: c... cr r cr r... c 0 c 0,..., c 0 og dered er,..., uafhægge. 30

31 eorem [L] Lad S ære et uderrum af et dreproduktrum V med dre produkt,. Lad,..., ære e ortoormalbass for S og lad V. s or p c c, Så p S. Bes eorem [Ædret ldt] V l gere se at p, y 0 y S Lad y a... a da: p, y p, a... a p, a j j j j j j 0 a p, a p,, a c, c a c, c a c c 3

32 Ortogoale og ortoormale baser Def. Ortogoal mægde Lad V ære et dre-produkt rum. Lad mægde.,..., \ 0 V. s, 0, j er,..., e ortogoal j eorem 5.5. [L] Lad V ære et dre-produkt rum. Lad,..., V ære e ortogoal mægde, så er,..., leært uafhægge. Bes eorem 5.5. Atag at c... c 0 For j,..., tag det dre produkt på begge sder af udregge Da, 0 år j fås j c,..., 0 j c j c c, 0 j j j j j 2 0 Da er e del af e ortogoal mægde er 0, hlket medfører at j,..., er dered leært uafhægge. j 2 0. Dered må c 0 og j j Def. Bass Lad V ære et F ektorrum, og lad,..., V,..., er e bass hs.,..., er leært uafhægge 2.,..., udspæder V Def. Ortoormal mægde E ortogoal mægde u u er ortoormal u, u hor j j j 0 j j 32

33 eorem 5.6. [L] (Gram-Schmdt processe) Lad V ære et dre-produktrum med dre produkt,. Lad,..., ære e bass for V. Defer Og defer u,..., 2 u rekurst ed u p k k k k pk or for k,..., Altså de ortogoale projekto af k Da er,..., k u p, u u..., u u k k k k k spa u u. på k u u e ortoormal bass for ortoormal bass for V. Bes eorem 5.6. Lad S spa k Idukto k : Bass k :,..., k for k,...,. spa,..., k for k,..., Det er klart at u er e ehedsektor med samme retg som Iduktoshypotese: Atag at,..., k Iduktosskrdt: Lad u u er e ortoormal bass for p k ære projektoe af k Da k k og p på S spa u u k u,..., u e. Specelt er spa u spa S. og at spa,..., k Sk for k,..., k. Sætg ger da p, u u..., u u k k k k k S ka de skres som e lear kombato af,..., k. p c... c k k k k pk k c... ck k 0 33

34 Da højresde er e kke-trel ( c' er er kke alle 0) learkombato af,..., k. Desude er p spa,..., S k k k k Ifølge sætg så er k p k S og dered er k k pk u for,..., k. Lad u uk k pk. Så er u,..., uk e ortoormal mægde og er deholdt Sk. p k k Da u,..., uk er k uafhægge elemeter rummet Sk af dmeso k udgør de e bass, og u,..., uk er e ortoormal bass for k S. Iduktosskrdtet er taget og resultatet dermed best. 34

35 2 Ortogoale og utære matrcer Def. Ortoormalt mægde E ortogoal mægde u u er ortoormal u, u hor j j j 0 j j Def. Ortogoalmatr Q Mat, er e ortogoalmatr hs søjlere Q udgør e ortoormalbass for E matr eorem [L] Q Mat, er e ortogoalmatr Q Q I Bes eorem Lad os berege QQ,j te dgag. Q Q q q j q, q j j j 0 j j Q Mat, Derfor gælder det at er e ortogoalmatr Q Q I. Def. Utær U Mat, er utær, hs søjlere U udgør e ortoormalbass for E matr. Def. ermtsk matr A Mat, er hermte sk hs E matr eorem..9 [N] (Schurs teorem) A A A Lad. Der fdes e utær matr A Mat, Bes eorem..9 Beser er ed dukto oer. Bass relt det alle matrcer er øretragulære. Iduktoshypotese U Mat, så Mat. V atager at udsaget gælder for alle matrcer, U AU er e øretrekatsmatr. 35

36 Iduktosskrdt A Mat, og lad ære e egeærd for A, med tlsarede egeektor. Lad V ka arragere at. ka uddes tl e bass for dee bass, får e ortoormalbass,..., for Lad U Mat,,...,. U er da utær ed kostrukto. V har da ( pller først søjle af U AU ud) V ka altså skre U AU e U A U U U e e., og ed at aede Gram-schmdt på U AU 0 r A or 0 er e søjleektor og r er e rækkeektor med dgage. C Mat, så Ifølge duktoshypotese så ekssterer der e matr øretrekatsmtr. Defer u U C C AC er øre e Matrce U 2 er utær da de sdste søjler udgør e ortoormal mægde, og her for sg er ortogoale på de første søjle, som er e ehedsektor. Så er produktet U UU 2også utær. V l se at U AU er øre-tragulær. Da blokstørelsere matrcere er es ka bruge blok matr multplkato. U AU U U AU U C 0 A 0 C 0 C A 0 C 0 r 0 r rc C AC rc B Dee matr er øre tragulær da B (fra duktoshypotese) er det. 36

37 eorem..0 [N] (Spektralsætg for hermte ske matrcer) Lad A Mat, så U Mat, ære hermte sk. Så ka A dagoalseres, ds der fdes e utær matr Er dagoal med reelle dagoaldgage. Bes eorem..0 U AU U Mat, så Ifølge Schurs sætg fdes der e utær matr øretrekatsmatr. er hermte sk da: Me U AU U U A U AU U AU er e t t t, t t t Da må t, j 0 for j og da t, t, må t, ære reel. er da e dagoalmatr med reelle dgage. 37

38 3 Utær dagoalserg Def. Utær U Mat, er utær, hs søjlere U udgør e ortoormalbass for E matr. Def. ermtsk matr A Mat, er hermte sk hs E matr eorem..9 [N] (Schurs teorem) A A A Lad. Der fdes e utær matr A Mat, Bes eorem..9 Beser er ed dukto oer. Bass relt det alle matrcer er øretragulære. Iduktoshypotese U Mat, så Mat. V atager at udsaget gælder for alle matrcer Iduktosskrdt A Mat, Lad, U AU er e øretrekatsmatr. og lad ære e egeærd for A, med tlsarede egeektor. V ka arragere at. ka uddes tl e bass for dee bass, får e ortoormalbass,..., for Lad U Mat,,...,. U er da utær ed kostrukto. V har da ( pller først søjle af U AU ud) U AU e U A U U U e e., og ed at aede Gram-schmdt på V ka altså skre U AU 0 r A or 0 er e søjleektor og r er e rækkeektor med dgage. C Mat, så Ifølge duktoshypotese så ekssterer der e matr øretrekatsmatr. Defer u U C C AC er øre e 38

39 Matrce U 2 er utær da de sdste søjler udgør e ortoormal mægde, og her for sg er ortogoale på de første søjle, som er e ehedsektor. Så er produktet U UU 2også utær. V l se at U AU er øre-tragulær. Da blokstørelsere matrcere er es ka bruge blok matr multplkato. U AU U U AU U C 0 A 0 C 0 C A 0 C 0 r 0 r rc C AC rc B Dee matr er øre tragulær da B (fra duktoshypotese) er det. eorem..0 [N] (Spektralsætg for hermte ske matrcer) Lad A Mat, så U Mat, ære hermte sk. Så ka A dagoalseres, ds der fdes e utær matr Er dagoal med reelle dagoaldgage. Bes eorem..0 U AU Ifølge Schurs sætg fdes der e utær matr øretrekatsmatr. er hermte sk da: Me U Mat, så U AU U U A U AU U AU er e 39

40 t t t, t t t Da må t, j 0 for j og da t, t, må t, ære reel. er da e dagoalmatr med reelle dgage. 40

41 4 Kadratske former Def. Kadratsk form E kadratsk form er e fukto : Grude tl de kaldes e kadratsk form er: s Så f A f get ed..., A a j, hor a a f a a a... a a... a a a a a A Mat, V ser at alle led dgår der mdst to er, hlket er grude tl at de kaldes e kadratsk form. Eksempel 0 y 2y y y y 2y y y y 2 2 eorem.3.3 (oedaksesætge) A Mat, ære symmetrsk, og lad,..., ære A s egeærder, talt med multplctet. Lad R Mat, Der fdes e rotatosmatr og e tlsarede rotato af koordater u R så A u... u 2 2 For alle 4

42 Bes teorem.3.3 Ifølge spektralsætge så fdes der e ortoormal bass,..., for egeektorer. Så,..., er e ortoormal matr. Lad beståede af A s,..., hsdet,..., R,..., hsdet,..., R er da e rotatosmatr, hs søjler er egeektorer for A og som udgør e ortoormal bass for V har da. R AR, or,..., er egeærdere tl,...,, så A R R V har da for alle A R R u u hor u R u... u 2 2 Def. Post deft Lad A Mat, A er post deft hs: \ 0 : A 0 eorem [L] A Mat, ære symmetrsk. Lad A er post deft A s egeærder alle er poste. 42

43 Bes eorem Lad ære e egeærd for A med tlhørede egeektor. Da A 2 Dette medfører A 0 2 Det l sge at eher egeærd er post. Da A symmetrsk ka A følge spektralsætge dagoalseres og der ekssterer e ortoormalbass,..., for hor,..., er A s egeektorer. Lad \ 0 så ka skres som e lear kombato af,..., a... a or a, for,..., og 2 2 a (bare bereg, a... a, a... a ) a... a a A... a A a... a a... a A a a A a a j a... a a 2 a a m j j (usk at 0 hs j j 43

44 5 Leære dfferetallgger Def. Leære dfferetallgger Et geerelt dfferetallggsystem skres som f,..., ' f,..., ' Et leær dfferetaltlggssystem er på forme er et system hor afbldge trasformato. De har da e stadard matr repræsetato A. I kke-matr form: a... a ' f er e leær a... a ' or er e dfferetabel fukto. Dette ka skres kompakt på matrform s har lgge Som l ble løst æste bes. Lemma 0.. [N] Lad,a lgge ar e etydg løsg : Bes 0.. s c d ' ' ' A a t z med z0 a get ed z t e t e cd t ct dt e e ct e cos dt s dt e a 44

45 d dt e e dt dt e d dt d dt ct e c d dt dt t ct ct cos s s cos e ct cos s dt e ct dt e e e e cd t t Så e opfyldet ' me har startærd. V gager derfor t geem hele beregge oefor. V fder derfor ud af at startærd z0 a. Er dee så etydg? V atager at der ekssterer e fukto startærd y0 a. V kgger på fuktoe e t y t t z t t e med a som er e kostat, som går e a er e løsg tl ' med yt som er e løsg tl og l se horda dee ædrer sg, dffereterer altså d e t y t e t y t e t y t dt ' t e y ' t y t t e y t y t 0 ' med Så fuktoe e de ger: t y t er altså kostat. Derfor må dsætte hlke som helst ærd for t og se had Dee lgg løser forhold tl Altså er yt zt de etydge løsg tl t e y t e y y a ' t e y t a y t y t a e ae t z t t med startærd z0 a. 45

46 eorem (Putzers algortme) Lad Lad P0 A Mat, I og for k,..., or Så gælder. Lad,..., ære egeærder for A, talt med multplctet. k, Pk A ji og defer j Qt r t Pk k k0 r t e t og defer r k duktt for k 2,..., ed Q0 Bes eorem V ser at Så V ser at A kommuterer med med t kt I og Q' t AQt Qt A. r t 0 ks rk e e rk s ds e 0 0 k0 0 k s k k : r t e e r s ds 0 k Qt. Dette ger os at Qt A AQt V l u gere se at Q' t AQt Så har derfor at Q 0 r 0 P P I k k k k0 A I for,..., så de kommuterer med P0,..., P og derfor også.. Først l dfferetere r k for k. t d r t e e r s ds e e r t dt kt k s kt kt k k k k 0 t kt ks k k k 0 k k k e e r s ds r t r t r t 46

47 k k 0 k 0 Q ' t r ' t P k r t r t P k k k k Og har at Q ' t AQ t r t r t P A r t P k k k k k k k0 k0 k 0 k 0 0 r t A I P r t P k k k k k r t P r t P r k k k k t P Det sdste gælder da Cayley amlto sætge sger at Q' t AQ t 0 Q' t AQ t og sætge er best. A I... A I P 0. Da 47

48 6 Marko Processor Def. Marko Process E Marko Process er e sekes af hædelser med følgede egeskaber. Sættet af tlstade er edelgt 2. De æste tlstad afhæger ku af de forrge tlstad 3. Sadsylghedere ed hædelsesskft er kostate Def. Sasyelghedsektor E ektor med kke-egate dgage og såda at summe af des dgage er kaldes e sadsylghedsektor. Def. Stokastsk Matr A Mat, er e stokastsk matr hs her af des søjler her er e sadsylghedsektor. E matr Eksempel 0,8 0 0,2 er e sadsylghedsektor. De fortæller at 80% kører Lambogh og 20% kører Fat. A 0, 0, 2 0,9 0,8 fortæller at 0% af dem der kører Lambogh gør det også ed e hædelse, mes 20% af dem der kører Fat skfter tl Lambogh. 90% skfter fra Lambogh tl Fat og 80% af dem der kører Fat bler ed med det. A 0 0, 0, 2 0,8 0,9 0,8 0, 2 0,0,8 0,20,2 0,9 0,8 0,8 0,2 0,08 0,04 0, 72 0,6 0,2 0,88 48

49 Lemma [N] Lad e.... Lad 2. Lad. A Mat, med kke-egate dgage, er e sadsylghedsektor e ære e matr med kke-egate dgage. A er stokastsk e A e Bes Lemma : e... hs og ku hs er e sadsylghedsektor. 2: Skr A a a,...,. Så:,..., e A e a e a,..., e s og ku hs a,..., a er sadsylghedsektorer. Lemma [N] A Mat, ære e stokastsk matr. Lad Så er e egeærd for A. Bes Lemma Lad os berege Ae V ser at e er e egeektor tl for A e e e A e A. Derfor er Så p 0 og derfor er e egeærd tl A. A A p 0. Me: A det p A I det det p A AI A I 49

50 eorem [L] s A er e stokastsk matr med domat egeærd så l Marko række koergere mod e steady-state ektor. Bes eorem s A er dagoalserbar: Lad y ære egeektore tl (Så A YDY ), så år k. Lad Y y y,..., ære e matr der dagoalserer A D k k k 0 E k 0 Og hs 0 er e sadsylghedsektor og Så cy bler steady-state ektore. c Y 0 så: A YD Y YD c YEc Y c e c y k k k k 0 0 s A kke er dagoalserbar ka dette stadg beses, me dette er ude for pesum. 50

BEVISER TIL KAPITEL 7

BEVISER 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 mere

Løsningsformel til Tredjegradsligningen

Løsningsformel til Tredjegradsligningen Løsgsformel tl Tredjegrdslgge Ole Wtt-Hse 8 966 Løsgsformel for tredjegrdslgge olyomer f tredje grd Formålet er t forsøge t fde røddere et tredjegrdsolyomm:. Hor koeffcetere er reelle tl og er forskellg

Læs mere

Induktionsbevis og sum af række side 1/7

Induktionsbevis 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 mere

Repetition. Forårets højdepunkter

Repetition. Forårets højdepunkter Repetto Forårets højdepukter Forårets højdepukter Smpel Leær Regresso Smpel leær regresso: Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures (X ad Sales (Y Et scatterplot

Læs mere

Simpel Lineær Regression - repetition

Simpel Lineær Regression - repetition Smpel Leær Regresso - repetto Spørgsmål: Afhæger leært af?. Model: β + β + ε ε d N(0, σ 0 ) Sstematsk kompoet + Stokastsk kompoet Estmato - repetto Vha. Mdste Kvadraters Metode fder v regressosle hvor

Læs mere

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005 Vderegåede Algortmk Davd Psger, DIKU Reeksame, Aprl 5 Bsecto problemet Gvet e uvægtet graf G = (V, E) samt et heltal k. E bsecto af grafe G er e opdelg af kudere V to lge store mægder S og T. MAX-BISECTION

Læs mere

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation Statstk Lekto 4 Smpel Leær Regresso Smpel leær regresso Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures ( ad Sales ( Et scatterplot vser par (, af observatoer.

Læs mere

Økonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005

Økonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005 Dages program Økoometr De smple regressosmodel 4. september 5 Dee forelæsg drejer sg stadg om de smple regressosmodel (Wooldrdge kap.4-.6) Fuktoel form Hvorår er OLS mddelret? Varase på OLS estmatore Regressosmodelle

Læs mere

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.

Men 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 mere

Kvalitet af indsendte måledata

Kvalitet af indsendte måledata Notat ELT2004-112 Aktørafregg Dato: 23. aprl 2004 Sagsr.: 5584 Dok.r.: 185972 v1 Referece: NIF/AFJ Kvaltet af dsedte måledata I Damark er det etvrksomhederes opgave at måle slutforbrug, produkto og udvekslg

Læs mere

Elementær Matematik. Sandsynlighedsregning

Elementær Matematik. Sandsynlighedsregning lemetær Matematk Sadsylghedsregg Ole Wtt-Hase Køge Gymasum 008 INDHOLD KAP. KOMBINATORIK.... MULTIPLIKATIONS- OG ADDTIONSPRINCIPPT.... PRMUTATIONR... 3. KOMBINATIONR...3 KAP. NDLIGT SANDSYNLIGHDSFLT...7.

Læs mere

x-klasserne Gammel Hellerup Gymnasium

x-klasserne Gammel Hellerup Gymnasium SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasum Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 Sadsylghedsfelt... 3 Edelge sadsylghedsfelter (sadsylghedsfordelger):... 3 Uedelge

Læs mere

IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON

IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON IE-ONTINUERTE (DISRETE) STOASTISE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRIS, BINOMIAL, POISSON Edelgt sadsylghedsfelt V reeterer: Et sadsylghedsfelt ( P ) U, kaldes edelgt, hvs

Læs mere

FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( )

FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( ) FORDELINGER: HYERGEOMETRIS FORDELING, BINOMIALFORDELING MIDDELVÆRDI Mddelværd MIDDELVÆRDI (TYS: ERWARTUNGSWERT ) DEFINITION X er e stokastsk varabel på et edelgt sadsylghedsfelt U, ( ) Mddelværde af X

Læs mere

Økonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004

Økonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004 Dages program Økoometr De multple regressosmodel. september 004 Emet for dee forelæsg er stadg de multple regressosmodel (Wooldrdge kap. 3.4-3.5) Praktske bemærkg Opsamlg fra sdst Irrelevate varable og

Læs mere

FACITLISTE TIL KOMPLEKSE TAL

FACITLISTE TIL KOMPLEKSE TAL FACITLISTE TIL KOMPLEKSE TAL Kaptel Opgave Opgave Opgave Det emmeste check af lgge er at opløfte begge sder tl. potes. Bombells metode gver følgede lgger: a a b = 5 ( ) b a b = 09 = 7. Løs dem med et CAS

Læs mere

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser Uge 37 I Teoretsk Statstk, 9.sept. 003. Fordelger kyttet tl N-ford. Gvet: uafhægge observatoer af samme N(µ,σ )-fordelte stokastske varabel. Formelt: X,X,,X uafhægge, alle N(µ,σ )-fordelt. Mddelværd µ

Læs mere

Kombinatorik. 1 Kombinationer. Indhold

Kombinatorik. 1 Kombinationer. Indhold Kombator, marts 04, Krste Roselde Georg Mohr-Kourrece Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger

Læs mere

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Løsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Løsigsforslag til skriftlig eksame i Kombiatorik, sadsylighed og radomiserede algoritmer (DM58) Istitut for Matematik & Datalogi Syddask Uiversitet Madag de 3 Jauar 011, kl. 9 13 Alle sædvalige hjælpemidler

Læs mere

Hvorfor n-1 i stikprøvevariansen?

Hvorfor n-1 i stikprøvevariansen? Erk Vestergaard www.matematkfysk.dk Hvorfor - stkprøvevarase? Lad os sge, at e fabrk producerer e bestemt type halogepærer. Det vser sg, at levetde for e såda elpære varerer efter e ormalfordelg. Nogle

Læs mere

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik. Epdemolog og bostatstk. Uge, trsdag. Erk Parer, Isttut for Bostatstk. Geerelt om statstk Dataaalyse - Deskrptv statstk - Statstsk feres Sammelgg af to grupper med kotuerte data - Geemst og spredg - Parametre

Læs mere

Fordelingen af gentagne observationer (målinger) kan beskrives ved hjælp af et histogram, der viser antallet af målinger i et givet interval.

Fordelingen af gentagne observationer (målinger) kan beskrives ved hjælp af et histogram, der viser antallet af målinger i et givet interval. H:\excerc\geodstat.doc, sdste ædrg: ov. 5, 3.. 3. Geodætsk statstk og mdste kvadraters metode. 3.. Statstske grudbegreber. 3.. Fordelger. Fordelge af getage observatoer (målger ka beskrves ved hælp af

Læs mere

Scorer FCK "for mange" mål i det sidste kvarter?

Scorer FCK for mange mål i det sidste kvarter? Uge 7 I Teoretsk Statstk, 9. aprl 2004. Hvor er v? Hvor var v: opstllg af statstske modeller Hvor skal v he: tro om estmato og test 2. Eksempel: FCK Estmato (tutvt) Test Maksmum lkelhood estmato Scorer

Læs mere

Pearsons formel for χ 2 test. Den teoretiske forklaring

Pearsons formel for χ 2 test. Den teoretiske forklaring Pearsos formel for χ test De teoretse forlarg Ole Wtt-Hase 04 Idhold. Normalfordelge og χ.... Pearsos formel for χ test... 3. Forlarg på Pearsos formel....4 Pearsos formel for χ test. Normalfordelge og

Læs mere

De 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. 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 mere

Supplement til sandsynlighedsregning og matematisk statistik

Supplement til sandsynlighedsregning og matematisk statistik Supplemet tl sadsylghedsregg og matematsk statstk 1. Bevs for lgg (4b) 22.4 ( 23.3) 8. (7.) udgave. Teorem 3 (4): Atallet af forskellge kombatoer med k elemeter, der ka daes ud af forskellge elemeter,

Læs mere

Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS

Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS y = cy ( c 0 ) Pla for IV geemgag Økoometr Istrumetvarabelestmato 6. ovember 004 F9: Hvad er IV estmato: Bvarat model, et strumet: Kap.5. + afst -4 ote. F0: IV estmato det multple tlfælde (eksakt detfceret):

Læs mere

Den flerdimensionale normalfordeling

Den 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 mere

Kombinatorik. Indhold. Georg Mohr-Konkurrencen. 1 Kombinationer 2

Kombinatorik. Indhold. Georg Mohr-Konkurrencen. 1 Kombinationer 2 Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger I otere troduceres helt grudlæggede måder

Læs mere

Lineære Normale Modeller

Lineære Normale Modeller Note tl Leære Normale Modeller Bo Rosbjerg. marts 009 Tegger udført af Herk Ve Chrstese Idhold E smpel leær ormal model 5. Modelbestemmelse........................... 5. Mdste kvadraters estmat......................

Læs mere

Kombinatorik. Indhold. Georg Mohr-Konkurrencen. 1 Kombinationer 2

Kombinatorik. Indhold. Georg Mohr-Konkurrencen. 1 Kombinationer 2 Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger I otere troduceres helt grudlæggede måder

Læs mere

Kombinatoriknoter 2012, Kirsten Rosenkilde 1

Kombinatoriknoter 2012, Kirsten Rosenkilde 1 Kombatoroter 0, Krste Roselde Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger. I otere troduceres

Læs mere

Regressions modeller Hvad regresserer vi på og hvorfor? Anders Stockmarr Axelborg statistikgruppe 6/

Regressions modeller Hvad regresserer vi på og hvorfor? Anders Stockmarr Axelborg statistikgruppe 6/ Regressos modeller Hvad regresserer v på og hvorfor? Aders Sockmarr Aelborg saskgruppe 6/ 0 Geerel Regresso Y f( ) ε f er e UKENDT fuko der beskrver relaoe mellem de uafhægge varabel og de afhægge varabel

Læs mere

Spørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer.

Spørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer. TATITIK krftlg evaluerg, 3. semester, fredag de 4. jauar 3 kl. 9.-3.. Alle hjælpemdler er tlladt. Opgaveløsge forsyes med av og CR-r. OGAVE Et batter har e levetd tmer med de tlkyttede tæthedsfukto f (

Læs mere

Statistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter:

Statistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter: Statstsk aalyse Vurderg af uskkerhed forbdelse med statstske opgørelser forudsætter: Kvattatve mål for varato og spredg forbdelse med statstske opgørelser varas og stadardafvgelse Kvattatve mål for tlfældgheder

Læs mere

Motivation. En tegning

Motivation. 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 mere

Variansanalyse. på normalfordelte observationer af Jens Friis

Variansanalyse. på normalfordelte observationer af Jens Friis Varasaalyse på ormalfordelte observatoer af Jes Frs Esdg varasaalyse Model eelt ormalfordelt observatosræe Lad X, X, X er dbyrdes uafhægge N(μ, σ ) - fordelt stoastse varable Det tlhørede observatossæt

Læs mere

vejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.

vejer (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 mere

bestemmes. kendes ( ) A i Subjektiv information + objektiv information Bayesiansk statistik (gang 10) Bayes sætning

bestemmes. kendes ( ) A i Subjektiv information + objektiv information Bayesiansk statistik (gang 10) Bayes sætning Statstk. gag BAYESIANSKE METOER Objektv formato f.eks. forsøgs resultater klasssk statstk gag -9 Subjektv formato objektv formato Bayesask statstk gag Bayes sætg E E A A E A A... E A A A E A E E E A A

Læs mere

Note til Spilteori Mikro 2. år 2. semester Erik Bennike. Note til Spilteori

Note til Spilteori Mikro 2. år 2. semester Erik Bennike. Note til Spilteori Note tl Splteor Mkro. år. semester Erk Beke Note tl Splteor Gos s. - Splteor eskæftger sg med sttoer hvor der er strtegsk fhægghed geter mellem. Nytte for de ekelte get fhæger således kke lee f ege hdlger

Læs mere

Noter om polynomier, Kirsten Rosenkilde, Marts Polynomier

Noter 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 mere

Dagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)

Dagens 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 mere

Kontrol af udledninger ved produktion af ørred til havbrugsfisk

Kontrol af udledninger ved produktion af ørred til havbrugsfisk Kotrol af udledger ved produto af ørred tl havbrugsfs Notat fra DCE - Natoalt Ceter for Mljø og Eerg Dato: 19. december 013 Rettet: 4. jauar 014 og de 8. marts 014 Søre Er Larse 1 & Lars M. Svedse 1 Isttut

Læs mere

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i

hvor 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 mere

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik.

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Epidemiologi og biostatistik. Forelæsig Uge, tirsdag. Niels Trolle Aderse, Afdelige for Biostatistik. Geerelt om kurset: - Formål - Forelæsiger - Øvelser - Forelæsigsoter - Bøger - EpiBasic: http://www.biostat.au.dk/teachig/software

Læs mere

17 B 17 A 19 B 1 9 C A. Antal boliger: 37 Bolig størrelse: m2. 12 J 7000aa 31 J F 3 31 N 31 M. Tiltag:

17 B 17 A 19 B 1 9 C A. Antal boliger: 37 Bolig størrelse: m2. 12 J 7000aa 31 J F 3 31 N 31 M. Tiltag: 000p bb cg u F C D L z C ay ac bt 0af ae bi Nav: Tøreha resse: Søgae tal bolig: olig størrelse: - m 0ao s 0am bq 0p Nav: øgeha resse: Tøre -J tal bolig: 0 olig størrelse: m bl bx H y G br 000ak 0l bk bv

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Program for dag: Kvattatve metoder Iferes de leære regressosmodel 9. marts 007 Opsamlg vedr. feres e leær regressosmodel uder Gauss-Markov atagelser (W.4-5) Eksempel med flere restrktoer (F-test) Lagrage

Læs mere

Elementær Matematik. Polynomier

Elementær 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 mere

antal gange krone sker i første n kast = n

antal 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 mere

Supplerende noter II til MM04

Supplerende 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 mere

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model)

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model) Statstk 9. gag REGRESSIONSANALYSE Korrelato kotrol af model Regresso tlpasg af model Statstk 9. gag KORRELATIONS ANALYSE. Grad af fælles varato mellem X og Y. Område og fordelg af sample data 3. Optræde

Læs mere

Projekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner

Projekt 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 mere

Bølgeudbredelse ved jordskælv

Bølgeudbredelse ved jordskælv rojekt: Jordskæl Bølgeudbredelse ed jordskæl IAG 2005 Bølgeudbredelse ed jordskæl V skal dette projekt studere bølgeudbredelse ed jordskæl. Her kommer så ldt teor om bølger. Bølger Man tegner næsten altd

Læs mere

1.0 FORSIKRINGSFORMER

1.0 FORSIKRINGSFORMER eam Lv forskrgsakteselskab Bereggsgrudlaget sgrp217 tl præmeberegg for gruppeforskrg e-am Lv forskrgsakteselskab 1. FORIKRINGFORMER 1.1 Oblgatorske ordger Alle gruppeforskrgsordger teget på dette grudlag

Læs mere

Introduktion til uligheder

Introduktion 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 mere

Noter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik

Noter 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 mere

Branchevejledning. ulykker indenfor. godschauffør. området. Branchearbejdsmiljørådet for transport og engros

Branchevejledning. ulykker indenfor. godschauffør. området. Branchearbejdsmiljørådet for transport og engros Brachevejledig ulykker idefor godschauffør området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse

Læs mere

FY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder

FY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder FY0 Oblgatorsk laboratoreøvelse O p t k Hold E: Hold: D Jacob Chrstase Alevergsdato: 3. aprl 003 Morte Olese Adreas Lyder Idholdsortegelse Idholdsortegelse Forål...3 Måleresultater...4. Salelser...4. Spredelse...5.3

Læs mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

Statistik 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 mere

Betænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj)

Betænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj) Betækg om kommueres udgftsbehov Blag (med metodedskusso af professor Aders Mlhøj) Betækg r. 36 Oktober 998 Kommueres Udgftsbehov Betækg om kommueres udgftsbehov - Redegørelse fra arbejdsgruppe uder Idergsmsterets

Læs mere

6 Populære fordelinger

6 Populære fordelinger 6 Populære fordeliger I apitel 4 itroducerede vi stoastise variabler so e åde at repræsetere udfald af et esperiet på. De stoastise variabler ue være både disrete (fx terigslag) og otiuerte (fx vareægder).

Læs mere

Noter om Kombinatorik 2, Kirsten Rosenkilde, februar

Noter 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 mere

12.1 Cayley-Hamilton-Sætningen

12.1 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 mere

Analyse 1, Prøve maj 2009

Analyse 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 mere

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Definition: 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 mere

4.1 Lineære Transformationer

4.1 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 mere

Statistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer

Statistik 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 mere

Matematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.

Matematik 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 mere

Vejledende besvarelser til opgaver i kapitel 15

Vejledende 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 mere

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk! Test i to populatioer Hypotesetest for parrede observatioer Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og

Læs mere

Meningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017

Meningsmålinger 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 mere

Renteformlen. Erik Vestergaard

Renteformlen. 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 mere

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005 Dages program Økoometr De multple regressosmodel. september 005 Emet for dee forelæsg er de multple regressosmodel (Wooldrdge kap 3.-3.3+appedx E.-E.) Defto og motvato Fortolkg af parametree de multple

Læs mere

Vej Nr. Matr.nr. Areal m² Heraf vej Parter Arresødalvej

Vej Nr. Matr.nr. Areal m² Heraf vej Parter Arresødalvej Samlet partsfortegnelse for Karsemosen Landvindingslag Gammel partsfordeling. Opstillet i adresseorden Erik B. Aksig 10. oktober 2013 Parter Parter Gribskov Halsnæs Arresødalvej 79 17 72540 357 357 Birkevænget

Læs mere

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )

13. 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 mere

Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1 Rettevejledg tl Økoomsk Kaddateksame 6I, Økoometr Vurdergsgrudlaget er selve opgavebesvarelse og blaget. Programmer og data, som er afleveret på dskette/cd, bedømmes som såda kke, me er avedt f.eks. tl

Læs mere

Sammenligning af to grupper

Sammenligning af to grupper Sammeligig af to gruer Reetitio, heruder om kritiske værdier Sammeligig af to gruer Sammeligig af to middelværdier Sammeligig af to adele Sammeligig af to variaser yoteser og hyotesetest. E hyotese er

Læs mere

Introduktion til uligheder

Introduktion 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 mere

Formelskrivning 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

Formelskrivning 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 mere

Bilag 2 - Spildevandsplan 2011-2021

Bilag 2 - Spildevandsplan 2011-2021 Bilag 2 - Spildevandsplan 2011-2021 Alle eksisterende ejendomme på følgende matrikler skal separatkloakeres Arninge 4c Ore By, Arninge 2016-2021 Arninge 4e Ore By, Arninge 2016-2021 Arninge 4f Ore By,

Læs mere

9. Binomialfordelingen

9. 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 mere

Danmarks Tekniske Universitet

Danmarks Tekniske Universitet Dmk ekke Uetet Sde f 6 de Skftlg pøe, de 4. deceme, Kuu yk Kuu. //4 Vghed: 4 tme lle hjælpemdle: Ige hjælpemdle "Vægtg": eele edømme om e helhed. Alle kl egude med mde det e get. Alle mellemegge kl mege.

Læs mere

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.

29. 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 mere

Noter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik

Noter 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 mere

L komponent produceret i linie 1

L komponent produceret i linie 1 Statstk. gag BAYESIANSKE METOER Obektv ormato (.eks. orsøgs resultater klasssk statstk (gag -9 Subektv ormato + obektv ormato Bayesask statstk (gag Bayes sætg ( E ( E A ( A + ( E A ( A +... ( E A ( + (

Læs mere

3y MA, Steen Toft Jørgensen side 1/5 Helsingør Gymnasium. Definitioner, formler, sætninger og ideen i beviserne så det er muligt at huske beviserne.

3y MA, Steen Toft Jørgensen side 1/5 Helsingør Gymnasium. Definitioner, formler, sætninger og ideen i beviserne så det er muligt at huske beviserne. 3y MA, Stee Toft Jørgese side /5 Helsigør Gymasium Vektorregig i 3D Formålet er at skabe overblik over emet. Boge Mat3A af Jes Carstese, kapitel 3 og 4, side 83-5. Defiitioer, formler, sætiger og idee

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Dages program Kvatitative metoder De multiple regressiosmodel 6. februar 007 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.- 3.+appedix E.) Defiitio og motivatio Fortolkig af

Læs mere

DOKUMENT: Dato/løbenummer: TINGLYSNINGSDATO:

DOKUMENT: Dato/løbenummer: TINGLYSNINGSDATO: side 1 ================================================================================ DOKUMENTAKTUELHENT ================================================================================ DOKUMENT: Dato/løbenummer:

Læs mere

Samlet partsfortegnelse for Karsemosen Landvindingslag Opstillet i adresseorden

Samlet partsfortegnelse for Karsemosen Landvindingslag Opstillet i adresseorden Samlet partsfortegnelse for Karsemosen Landvindingslag Opstillet i adresseorden Udarbejdet 21. august 2013. Revideret 31. jan. 2018. Revideret 8. februar. Revideret 31. januar 2018 af Stine Holm, Halsnæs

Læs mere

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

Praktisk 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 mere

Finanskalkulationer Side 1/19 Steen Toft Jørgensen. Finanskalkulationer. avanceret rentesregning. matematiske modeller i økonomi

Finanskalkulationer Side 1/19 Steen Toft Jørgensen. Finanskalkulationer. avanceret rentesregning. matematiske modeller i økonomi Faskalkulatoe Sde /9 Stee Toft Jøgese Faskalkulatoe avaceet etesegg matematske modelle økoom Idholdsfotegelse: Kaptel : Rete Retebegebet Omkostge Retefomle Effektv ete Kotuet foetg Tdsdagam Flytg af kaptal

Læs mere

Projekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning

Projekt 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 mere

Sandsynlighedsteori 1.2 og 2 Uge 5.

Sandsynlighedsteori 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 mere

BYPLANVEDTÆGT FOR NØDEBO-OMRÅDET. Byplanvedtægt nr. 41

BYPLANVEDTÆGT FOR NØDEBO-OMRÅDET. Byplanvedtægt nr. 41 BYPLANVEDTÆGT FOR NØDEBO-OMRÅDET Byplanvedtægt nr. 41 Byplanvedtægt nr. 41 - for Nødebo-området I medfør af byplanloven (lovbekendtgørelse nr. 63 af 20. februar 1970) fastsættes følgende bestemmelser for

Læs mere

Branchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros

Branchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros Brachevejledig ulykker idefor lager området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse

Læs mere

Analyse af algoritmer. Algoritmedesign med internetanvendelser ved Keld Helsgaun. Køretid. Algoritmebegrebet D. E. Knuth (1968)

Analyse 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 mere

Velkommen. Program. Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R. Praktiske ting og sager

Velkommen. 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 mere

Undersøgelse af numeriske modeller

Undersøgelse af numeriske modeller Udersøgelse af umeriske modeller Formål E del af målsætige med dette delprojekt er at give kedskab til de begræsiger, fejl og usikkerheder, som optræder ved modellerig. I de forbidelse er følgede udersøgelse

Læs mere

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk! Statistik Lektio 8 Parrede test Test for forskel i adele Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og kviders

Læs mere