1 Løsning og mindste kvadraters løsninger af lineære ligningssystemer
|
|
- Per Rasmussen
- 6 år siden
- Visninger:
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 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 mereLøsningsformel 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 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 mereRepetition. 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 mereSimpel 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 mereVideregående 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 mereStatistik 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 mereØkonometri 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 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 mereKvalitet 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 mereElementær 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 merex-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasum Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 Sadsylghedsfelt... 3 Edelge sadsylghedsfelter (sadsylghedsfordelger):... 3 Uedelge
Læs mereIKKE-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 mereFORDELINGER: 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 mereØkonometri 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 mereFACITLISTE 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 mereVi 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 mereKombinatorik. 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 mereLøsningsforslag 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 mereHvorfor 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 mereEksempel: 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 mereFordelingen 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 mereScorer 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 merePearsons 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 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 mereSupplement 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 mereØkonometri 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 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 mereKombinatorik. 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 mereLineære 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 mereKombinatorik. 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 mereKombinatoriknoter 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 mereRegressions 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 mereSpørgsmål 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 mereStatistisk 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 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 mereVariansanalyse. 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 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 merebestemmes. 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 mereNote 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 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 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 mereKontrol 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 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 mere24. 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 mere17 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 mereKvantitative 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 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 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 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 mereStatistik 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 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 mereBølgeudbredelse 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 mere1.0 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 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 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 mereBranchevejledning. 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 mereFY01 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 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 mereBetænkning 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 mere6 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 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 mere12.1 Cayley-Hamilton-Sætningen
SEKTION 12.1 CAYLEY-HAMILTON-SÆTNINGEN 12.1 Cayley-Hamilton-Sætningen Sætning 12.1.1 (Cayley-Hamilton) Lad A Mat n,n (C). Så gælder p A (A) =. Sætningen gælder faktisk over et vilkårligt legeme, men vi
Læs 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 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 mere4.1 Lineære Transformationer
SEKTION 41 LINEÆRE TRANSFORMATIONER 41 Lineære Transformationer Definition 411 ([L], s 175) Lad V, W være F-vektorrum En lineær transformation L : V W er en afbildning, som respekterer lineær struktur,
Læs 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 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 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 mereTest 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 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 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 mereØkonometri 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 mereVej 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 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 mereRettevejledning 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 mereSammenligning 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 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 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 mereBilag 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 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 mereDanmarks 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 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 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 mereL 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 mere3y 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 mereKvantitative 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 mereDOKUMENT: Dato/løbenummer: TINGLYSNINGSDATO:
side 1 ================================================================================ DOKUMENTAKTUELHENT ================================================================================ DOKUMENT: Dato/løbenummer:
Læs mereSamlet 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 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 mereFinanskalkulationer 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 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 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 mereBYPLANVEDTÆGT 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 mereBranchevejledning. 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 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 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 mereUndersøgelse 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 mereStatistik 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