1 Beregnelighed. 1.1 Disposition. 1.2 Præsentation. Def. TM. Def. RE/R. Def. 5 egenskaber for RE/R. Def. NSA. Bevis. NSA!RE. Def. SA. Bevis. SA!
|
|
- Monika Christoffersen
- 7 år siden
- Visninger:
Transkript
1 1 Beregnelighed 1.1 Disposition Def. TM Def. RE/R Def. 5 egenskaber for RE/R Def. NSA Bevis. NSA!RE Def. SA Bevis. SA!R Bevis. SA RE Def. Beslutningsproblem Arg. Self-Accepting er uløselig 1.2 Præsentation Turing maskiner En turing maskine er en beregningsmodel ligesom CFG er, NFA er, NBA er mm. Forskellen ligger i, at Turing maskiner har en meget større udtrykskraft end tidligere formalismer vi har kigget på. En Turing maskine er formelt defineret som: Hvor... T = (Q, Σ, Γ, q 0, δ) Q : Et sæt af states Σ : Inputalfabettet Γ : Tapealfabettet q 0 : Initialtilstanden δ : Q (Γ { }) (Q {h a, h r }) (Γ { }) {R, L, S} Recursivt Enumerable & Recursive sprog Turing maskiner arbejder med såkaldte rekursivt enumerable og rekursive sprog, hvor de rekursive sprog er fuldkommen indeholdt i de rekursivt enumerable. Således kan vi sige at en Turing maskine T accepterer L hvis L(T ) = L og bestemmer L hvis maskinen beregner den karakteristiske funktion χ L : Σ {0, 1}. L siges således at være rekursivt enumerabel hvis der eksiterer en TM T der accepterer L og rekursiv hvis der findes en TM der bestemmer L. 1
2 x er accepteret hvis der eksisterer y, z (Γ { }) og a (Γ { }) således at (q 0, x) T (h a, yaz) Egenskaber for RE/R Theorem 10.1 Ethvert rekursivt sprog er rekursivt enumerabelt. Theorem 10.2 Hvis en TM med sprog L altid stopper, så er L rekursiv. Theorem 10.3 De rekursivt enumerable sprog er lukkede under snit og union. De rekursive sprog er lukkede under komplement, snit og uni- Theorem 10.4 on. Theorem 10.5 Hvis L er RE og L s komplement er RE, så er L rekursiv NSA/SA Vi definerer sproget NSA (non-self-accepting) som mængden af alle enkodninger af turingmaskiner der ikke accepterer sig selv. NSA = {w {0, 1} w = e(t ) for en TM T og w / L(T )} Bevis. NSA er ikke rekursiv enumerable For en given TM T, er enkodningen af T et element i NSA hvis og kun hvis T ikke accepterer (enkodningen af) sig selv. Men for at T kan acceptere NSA skal den netop kunne acceptere sig selv. Derfor kan ingen TM acceptere NSA. e(t ) NSA e(t ) / L(T ) L(T ) = NSA = e(t ) L(T ) Vi definerer desuden sproget SA (self-accepting) som mængden af alle enkodninger af turingmaskiner der accepterer sig selv. SA = {w {0, 1} w = e(t ) for en TM T og w L(T )} 2
3 Bevis. SA er ikke rekursiv Vi ved at mængden af alle enkodninger af Turing maskiner er E = NSA SA. E kan vi vise er rekursivt, ved at dele inputtet op i 5-tupler og teste for en række karakteristika, eks. retningsangivelserne er enten 0, 00, eller 000, svarende til S, L og R. Vi antager nu at SA er rekursiv. Men fordi rekursive sprog er lukkede under snit og komplement, så må NSA = SA E også være rekursiv, og vi får derfor modstrid. Bevis. SA er rekursivt enumerabel For at vise at SA er rekursivt enumerabel er det nok blot at give et konstruktivt bevis på hvorledes man ville kunne lave en TM der accepterer SA. Dette gøres ved at lave en TM der først tester om en input streng x = e(t ) for en eller anden TM T, således vi får testet om x E. Hvis dette ikke er tilfældet så går den til en reject tilstand med det samme. Hvis x E så beregner den den encodede version e(x) = e(e(t )) og concatenerer denne med x således vi har e(t )e(e(t )), som vi så sender igennem en universal TM som input. Resultatet af det her bliver en TM der accepterer hvis og kun hvis T accepterer e(t ) (encodningen af sig selv), altså præcis de strenge der accepteres af SA Beslutningsproblem Et beslutningsproblem er løseligt hvis det tilknyttede sprog Y (P) = {e(i) I er en JA-instans af P } er rekursivt Arg. Self-Accepting er uløselig Beslutningsproblemet Self-Accepting lyder: Self-Accepting Givet en TM T, accepterer T strengen e(t)? Bevis. Self-Accepting er uløselig At se Self-Accepting er uløselig er ganske simpelt, da vi kan se at SA præcis består af alle JA-instanser for Self-Accepting problemet, og vi har allerede vist SA ikke er rekursivt, men derimod rekursivt enumerabelt. Altså er det tilknyttede sprog Y (P ) ikke rekursivt og problemet er derved uløseligt. 2 Logik 2.1 Disposition Def. AL EksBevis. TI 3
4 Def. Truth Valuation & Tautologier Bevis. Soundness for AL Bevis. Consistency 2.2 Præsentation Def. Axiomatic System for Propositional Logic Indenfor logikken har vi mange forskellige former for logiske bevissystemer, hvoraf nogle er mere udtryksfulde end andre. Det jeg vil fokusere på er Axiomatiske bevissystemer, specifikt AL for Propositional Logik. Lad os først lige tage et kig på hvad et axiomatisk bevissystem egentlig er. Et formelt axiomatisk system har 4 ingredienser: 1. Σ: Et alfabet af symboler. 2. WF : Et sæt af well-formed formulae, WF Σ. 3. Ax: Et sæt af axiomer, Ax WF. 4. R: Et sæt af deduktionsregler. I AL er disse defineret således at vi har følgende: 1. Σ = {,, (, ), p 1, p 2,, p n, } 2. WF = {x x = p i, for i = 1, 2,, n, x = ( A), hvor A W F x = (A B), hvor A W F, B W F }. 3. Ax = Ax1 : A (B A) Ax2 : (A (B C)) ((A B) (A C)) Ax3 : ( A B) (B A). 4. R = F 1, F 2,, F n således at for hver i (1 i n) : (a) F i er et axiom (b) F i er en hypotese (c) F i er afledt vha. modus ponens fra F j, F k hvor j, k < i. Hvor p i erne kaldes propositions symboler og A, B kaldes propositions variabler. En deduktion i AL er således beskrevet vha. R og man bruger så disse til at udføre logiske beviser indenfor et given domæne. 4
5 2.2.2 Bevis. Transitivity of Implication Et eksempel bevis vha. AL kunne så være Transitivity of Implication, hvor vi bruger vore deduktioner fra tidligere. Vi har følgende påstand: Bevis. AL TI Bevis {A B, B C} A C Her skal vi deducere A C fra vore hypoteser A B og B C. Vi begynder således med den anden af dem B C. 1. B C Hypothesis 2. (B C) (A (B C)) Ax1 3. A (B C) MP on 1 and 2 4. (A (B C)) ((A B) (A C)) Ax2 5. (A B) (A C) MP on 3 and 4 6. A B Hypothesis 7. A C MP on 5 and 6 Derved konkluderer vi: {A B, B C} A C. At jeg lige netop valgte det her meta-theorem fremfor en af de andre millard, er at denne faktisk bidrager til en afledt rule of deduction, TI, som blot siger at implikationspilen er transitiv Def. Truth Valuation & Tautologier Vi skal så nu kigge på 2 andre koncepter der har stor betydning for Soundness, som jeg vil komme ind på senere. Først og fremmest Truth Valuation funktionen. En truth valuation, er en funktion f fra mængden af wff til {T, F }. Altså basalt set en funktion der for ethvert statement siger om det er sandt eller falsk. Denne truth valuation funktion opfylder: 1. v( A) v(a) 2. v(a B) = F hvis og kun hvis v(a) = T og v(b) = F. 5
6 Definitionen for en truth valuation bringer os så direkte videre til definitionen af en tautologi! En wff A er en tautologi hvis for enhver truth valuation v, v(a) = T. Altså intuitivt, en tautologi er en wff der altid er sand. En taulogi skrives så som: A Bevis for Soundness Med alle de her byggesten kan vi nu tage fat på Soundness Theoremet. Et bevissystem er sound eller sundt, såfremt ethvert theorem er en tautologi, altså formelt: A A Bevissystemet AL er således sound såfremt ethvert meta-theorem i AL er en tautologi. Bevis. Soundness Theoremet Beviset er et induktionsbevis i antallet af trin i beviserne af meta-theoremerne i AL. Vi starter derfor således med et basistilfælde med n = 1, hvilket således er alle de theoremer, som er axiomer, da de er de eneste der kan bevises i et trin. Vi tager derfor hver af de 3 axiomer, et efter et. Basistilfælde Axiom 1 (Ax1): A (B A) For at v(a (B A)) = F for en valuation v, så skal: v(a) = T og v(b A) = F, og derved må: v(b) = T og v(a) = F, men det er umuligt for en truth valuation v, da denne ikke kan tildele 2 forskellige værdier til samme wff. Derfor er Ax1 en tautologi Axiom 2 (Ax2): (A (B C)) ((A B) (A C)) For at v((a (B C)) ((A B) (A C))) = F for en valuation v, så skal: v((a (B C))) = T og v(((a B) (A C))) = F. Så for at den sidste del skal være falsk må: v(a B) = T og v(a C) = F, og igen for at v(a C) = F, så skal v(a) = T og v(c) = F, og for at v(a B) = T, så skal v(b) = T. Men nu, for at første del skal være sand, så skal: v(b C) = T da v(a) = T. Derfor skal 6
7 v(c) = T, da v(b) = T, men nu har vi to modstridende krav til v(c), hvorved vi kan konkludere: Ax2 en tautologi Axiom 3 (Ax3): ( A B) (B A) For at v(( A B) (B A)) = F for en valuation v, så skal: v( A B) = T og v(b A) = F For at sidste del skal være falsk, så skal: v(b) = T og v(a) = F, hvilket negeret er v( B) = F og v( A) = T. For at første del så skal være sand og fordi vi ved v( B) = F, så har vi at: v( A) = F. Men vi ved allerede v( A) = T, så vi har modstridende krav. Derfor er Ax3 en tautologi Induktionshypotese Hvis A i n eller færre skridt, så gælder der at A. (Altså hvis et theorem A, kan deduceres i n eller færre skridt, så er A en tautologi. Induktionsskridt Vi antager nu at A i n + 1 skridt. Hvis A ikke er et axiom, må det følge som modus ponens fra to tidligere wff er: A i, A i A i beviset for A. Siden A i og A i A er bevist i n eller færre skridt, så siger induktionshypotesen, at begge disse er tautologier. Derfor må A også være en tautologi, da vi ved at v(a i ) = T, og hvis v(a) = F, så ville v(a i A) = F, hvilket er en modstrid til vores induktionshypotese. Derved er det bevist at AL er et sound bevissystem Bevis for Consistency (FEJLBEHÆFTET - Tjek bogen) En anden rar ting man gerne vil have ens bevissystem er, er at man gerne vil have det er konsistent. Et bevissystem er konsistent hvis ikke både A og A kan bevises: Bevis. Bevis Consistency for AL Vi vil nu gerne vise at AL er konsistent. Dette gør vi simpelt ved at kigge tilbage på vores netop afsluttede bevis med soundness. Vi antager at A og A. Så har vi at v(a) = T og v( A) = T, altså med andre ord v(a) = v( A), hvilket ikke kan lade sig gøre jvf. definitionen af truth valuation funktionen v. Derved er AL konsistent. 7
DM517:Supplerende noter om uafgørlighedsbeviser:
DM517:Supplerende noter om uafgørlighedsbeviser: Jørgen Bang-Jensen October 9, 2013 Abstract Formålet med denne note er at give en form for kogebogsopskrift på, hvorledes man bygger et uafgørlighedsbevis
Læs mereRegularitet og Automater. Tobias Brixen Q4-2012
Regularitet og Automater Tobias Brixen Q4-2012 1 Noterne er skrevet med inspiration fra http://cs.au.dk/ illio/courses/dregaut/dregautnoter.pdf Contents 1 Regulære udtryk 3 1.1 RegEx.................................
Læs mereRegularitet & Automater Eksamensnotater
Regularitet & Automater Eksamensnotater Michael Lind Mortensen, 20071202, DAT4 10. juni 2008 Indhold 1 Regulære udtryk (1.5 & 3.1) 4 1.1 Disposition............................ 4 1.2 Noter...............................
Læs mereUgens emner. Regulære sprog og digitale billeder. Adressering af områder. Et alfabet. Dette billede: kan repræsenteres af en FA med 832 tilstande
Ugens emner Regulære sprog og digitale billeder Digitale billeder og regulære sprog Regulære udtryk i Java og Unix Dette billede: Turing-maskiner [uddrag af Martin kap. 9-0] Church-Turing tesen, beregnelighed
Læs mereJa! det beviste vi uge 16+17
Ugens emner Lukketheds- og afgørlighedsegenskaber [5.3-5.5] lukkethed under,,,, * lukkethed under homomorfi og invers homomorfi pumping -lemmaet beslutningsproblemer: membership, emptiness, finiteness
Læs mereOpgaver i logik, torsdag den 20. april
Opgaver i logik, torsdag den 20. april Opgave 1 Oversæt følgende udsagn til logiske udtryk. c) Hvis Jones ikke bliver valgt til leder af partiet, så vil enten Smith eller Robinson forlade kabinettet, og
Læs mereDivide-and-Conquer algoritmer
Divide-and-Conquer algoritmer Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. 1. Opdel problem i mindre delproblemer
Læs mereNoter til DM517 Beregnelighed
Noter til DM517 Beregnelighed Jonas Nyrup 23. oktober 2011 Indhold 1 Et par noter 2 2 Regulære sprog 2 2.1 DFA................................. 2 2.1.1 Eksempler.......................... 3 2.2 NFA.................................
Læs mereDivide-and-Conquer algoritmer
Divide-and-Conquer algoritmer Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. 1. Opdel problem i mindre delproblemer (af samme type). 2. Løs delproblemerne ved rekursion (dvs. kald algoritmen
Læs mereBevisteknikker. Bevisteknikker (relevant både ved design og verifikation) Matematisk induktion. Matematisk induktion uformel beskrivelse
Bevisteknikker Bevisteknikker (relevant både ved design og verifikation) Bevisførelse ved modstrid (indirekte bevis) Antag, at det givne teorem er falsk Konkluder, at dette vil føre til en modstrid Teorem:
Læs mere1. Seminar EVU RegAut
1. Seminar EVU RegAut Sigurd Meldgaard Datalogisk Institut Århus Universitet stm@cs.au.dk 27/08 2010 S. Meldgaard (AU) 1. Seminar EVU RegAut 27/08 2010 1 / 105 Plan Introduktion Hvad er Regularitet og
Læs mereDivide-and-Conquer algoritmer
Divide-and-Conquer algoritmer Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. 1. Opdel problem i mindre delproblemer
Læs meret a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42
Slide 1/42 Hvad er matematik? 1) Den matematiske metode 2) Hvad vil det sige at bevise noget? 3) Hvor begynder det hele? 4) Hvordan vælger man et sæt aksiomer? Slide 2/42 Indhold 1 2 3 4 Slide 3/42 Mængder
Læs meredks Noter Michael Lind Mortensen, illio 24. juni 2010
dks Noter Michael Lind Mortensen, illio 24. juni 2010 Indhold 1 P, NP and NPC. 4 1.1 Disposition............................ 4 1.2 Emne detaljer........................... 4 1.2.1 Def. Problemer, Sprog,
Læs mereSkriftlig Eksamen Beregnelighed (DM517)
Skriftlig Eksamen Beregnelighed (DM517) Institut for Matematik & Datalogi Syddansk Universitet Torsdag den 1 November 212, kl. 1 14 Alle sædvanlige hjælpemidler (lærebøger, notater etc.) samt brug af computer
Læs mereMM537 Introduktion til Matematiske Metoder
MM537 Introduktion til Matematiske Metoder Spørgsmål 1 (11%) Hvilke udsagn er sande? Husk, at symbolet betyder går op i. Which propositions are true? Recall that the symbol means divides. Svar 1.a: n Z:
Læs mereDM547 Diskret Matematik
DM547 Diskret Matematik Spørgsmål 1 (11%) Hvilke udsagn er sande? Husk, at symbolet betyder går op i. Which propositions are true? Recall that the symbol means divides. Svar 1.a: n Z: 2n > n + 2 Svar 1.b:
Læs mereDivide-and-Conquer algoritmer
Divide-and-Conquer algoritmer Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. 1. Opdel problem i mindre delproblemer
Læs mereBevisteknikker (relevant både ved design og verifikation)
Bevisteknikker 1 Bevisteknikker (relevant både ved design og verifikation) Bevisførelse ved modstrid (indirekte bevis) Antag, at det givne teorem er falsk Konkluder, at dette vil føre til en modstrid Teorem:
Læs mereEksamensopgaver i DM17, Januar 2003
Eksamensopgaver i DM17, Januar 2003 Skriftlig Eksamen Automatteori og Beregnelighed (DM17) Institut for Matematik & Datalogi Syddansk Universitet Odense Universitet Lørdag, den 18. Januar 2003 Alle sædvanlige
Læs mereRegulære udtryk og endelige automater. Ugens emner
Ugens emner Endelige automater [Martin, kap. 3.2-3.5] endelige automater og deres sprog skelnelighed produktkonstruktionen Java: dregaut.fa klassen automater til modellering og verifikation Regulære udtryk
Læs mereDM13-1. Obligatorisk opgave E.05. Jacob Aae Mikkelsen
DM13-1. Obligatorisk opgave E.05 Jacob Aae Mikkelsen - 191076 26. september 2005 Indhold Analyse af problemstillingen........................ 2 Spørgsmål 1................................. 3 Spørgsmål
Læs mereVinkelrette linjer. Frank Villa. 4. november 2014
Vinkelrette linjer Frank Villa 4. november 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Læs mereElementær Matematik. Mængder og udsagn
Elementær Matematik Mængder og udsagn Ole Witt-Hansen 2011 Indhold 1. Mængder...1 1.1 Intervaller...4 2. Matematisk Logik. Udsagnslogik...5 3. Åbne udsagn...9 Mængder og Udsagn 1 1. Mængder En mængde er
Læs mereOm matematisk logik. Henning Christiansen, Troels Andreasen
Om matematisk logik Henning Christiansen, Troels Andreasen Contents 1 Indledning 3 2 Propositionel logik 5 2.1 Propositionelle logiksprog..................... 5 2.1.1 Syntaks...........................
Læs mereGödel: Über formal unentschiedbare Sätze der Principia Mathematica und verwandter Systeme I, 1931
Kommentar til 1 Gödel: Über formal unentschiedbare Sätze der Principia Mathematica und verwandter Systeme I, 1931 Denne afhandling af den 24-årige Kurt Gödel er blevet en klassiker. Det er vist den eneste
Læs mere01017 Diskret Matematik E12 Alle bokse fra logikdelens slides
01017 Diskret Matematik E12 Alle bokse fra logikdelens slides Thomas Bolander 1 Udsagnslogik 1.1 Formler og sandhedstildelinger symbol står for ikke eller og ( A And) hvis... så... hvis og kun hvis...
Læs mere1. Seminar EVU RegAut
1. Seminar EVU RegAut Sigurd Meldgaard Datalogisk Institut Århus Universitet stm@cs.au.dk 27/08 2010 S. Meldgaard (AU) 1. Seminar EVU RegAut 27/08 2010 1 / 105 Plan Introduktion Hvad er Regularitet og
Læs mereReeksamen i Diskret Matematik
Reeksamen i Diskret Matematik Første studieår ved Det Teknisk-Naturvidenskabelige Fakultet 23. august, 2016, 9.00-13.00 Dette eksamenssæt består af 11 nummerede sider med 16 opgaver. Alle opgaver er multiple
Læs mereDM549 Diskrete Metoder til Datalogi
DM549 Diskrete Metoder til Datalogi Spørgsmål 1 (8%) Hvilke udsagn er sande? Husk, at symbolet betyder går op i. Which propositions are true? Recall that the symbol means divides. Svar 1.a: n Z: 2n > n
Læs mereOm at løse problemer En opgave-workshop Beregnelighed og kompleksitet
Om at løse problemer En opgave-workshop Beregnelighed og kompleksitet Hans Hüttel 27. oktober 2004 Mathematics, you see, is not a spectator sport. To understand mathematics means to be able to do mathematics.
Læs mereRegularitet og Automater
Plan dregaut 2007 Regularitet og Automater Hvad er Regularitet og Automater? Praktiske oplysninger om kurset Ugens emner Introduktion til ugens opgaver 2 Regularitet og Automater Formål med kurset: at
Læs mereMatematikkens fundament i krise
Matematikkens fundament i krise Videnskabsfagprojekt ved IMFUFA, RUC David Hilbert 1862-1943 Gottlob Frege Georg Cantor 1845-1918 Gottlob Frege Henri Poincaré 1854-1912 Gottlob Frege Bertrand Russell 1872-1970
Læs mereRegulære udtryk og endelige automater
Regulære udtryk og endelige automater Regulære udtryk: deklarative dvs. ofte velegnede til at specificere regulære sprog Endelige automater: operationelle dvs. bedre egnet til at afgøre om en given streng
Læs mereEksempel på den aksiomatisk deduktive metode
Eksempel på den aksiomatisk deduktive metode Et rigtig godt eksempel på et aksiomatisk deduktivt system er Euklids Elementer. Euklid var græker og skrev Elemeterne omkring 300 f.kr. Værket består af 13
Læs mereLogik. Af Peter Harremoës Niels Brock
Logik Af Peter Harremoës Niels Brock December 2009 1 Indledning Disse noter om matematisk logik er en videreudbygning af det, som står i bogen MAT A [1]. Vi vil her gå lidt mere systematisk frem og være
Læs mereBrug og Misbrug af logiske tegn
Brug og Misbrug af logiske tegn Frank Nasser 20. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk:
Læs mereSkriftlig eksamen - med besvarelse Topologi I (MM508)
INSTITUT FOR MATEMATIK OG DATALOGI SYDDANSK UNIVERSITET, ODENSE Skriftlig eksamen - med besvarelse Topologi I (MM508) Mandag d. 14. januar 2007 2 timer med alle sædvanlige hjælpemidler tilladt. Opgavesættet
Læs mere13.1 Matrixpotenser og den spektrale radius
SEKTION 3 MATRIXPOTENSER OG DEN SPEKTRALE RADIUS 3 Matrixpotenser og den spektrale radius Cayley-Hamilton-sætningen kan anvendes til at beregne matrixpotenser: Proposition 3 (Lasalles algoritme) Lad A
Læs mereNoter til Perspektiver i Matematikken
Noter til Perspektiver i Matematikken Henrik Stetkær 25. august 2003 1 Indledning I dette kursus (Perspektiver i Matematikken) skal vi studere de hele tal og deres egenskaber. Vi lader Z betegne mængden
Læs mere1 < 2 og 1 > 2 (2.1) er begge udsagn. Det første er sandt det andet er falsk. Derimod er
Kapitel 2 Logik Dette kapitel omhandler matematiske udsagn og prædikater. I et formelt kursus om logik opstiller man helt præcise regler for hvilke tegnstrenge, der kan tillades i opbygningen af udsagn
Læs mereMatematiske metoder - Opgaver
Matematiske metoder - Opgaver Anders Friis, Anne Ryelund 25. oktober 2014 Logik Opgave 1 Find selv på tre udtalelser (gerne sproglige). To af dem skal være udsagn, mens det tredje ikke må være et udsagn.
Læs mereTrin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse
Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ
Læs mereReeksamen i Diskret Matematik
Reeksamen i Diskret Matematik Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet 21. august 2015 Nærværende eksamenssæt består af 10 nummererede sider med ialt 17 opgaver. Tilladte hjælpemidler:
Læs mereOm hypoteseprøvning (1)
E6 efterår 1999 Notat 16 Jørgen Larsen 11. november 1999 Om hypoteseprøvning 1) Det grundlæggende problem kan generelt formuleres sådan: Man har en statistisk model parametriseret med en parameter θ Ω;
Læs mereSkriftlig Eksamen Beregnelighed (DM517)
Skriftlig Eksamen Beregnelighed (DM517) Institut for Matematik & Datalogi Syddansk Universitet Mandag den 31 Oktober 2011, kl. 9 13 Alle sædvanlige hjælpemidler (lærebøger, notater etc.) samt brug af lommeregner
Læs mereVidenskabslogik - Semmelweis Noter af Mogens Lilleør, 1998
A Videnskabslogik - Semmelweis Noter af Mogens Lilleør, 1998 Semmelweis er læge. Wiensk hospital i 1840'erne. Unormal forekomst af barselsfeber. Semmelweis foretager en række undersøgelser af mulige årsager
Læs mereTema. Dagens tema: Indfør centrale statistiske begreber.
Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i
Læs mereNogle grundlæggende begreber
BE2-kursus 2010 Jørgen Larsen 5. februar 2010 Nogle grundlæggende begreber Lidt simpel mængdelære Mængder består af elementer; mængden bestående af ingen elementer er, den tomme mængde. At x er element
Læs mereMatematisk induktion
Induktionsbeviser MT01.0.07 1 1 Induktionsbeviser Matematisk induktion Sætninger der udtaler sig om hvad der gælder for alle naturlige tal n N, kan undertiden bevises ved matematisk induktion. Idéen bag
Læs mereKlasserne af problemer, der kan løses i deterministisk og i ikke-deterministisk polynomiel tid; polynomiel reduktion; N P-fuldstændighed
Klasserne af problemer, der kan løses i deterministisk og i ikke-deterministisk polynomiel tid; polynomiel reduktion; N P-fuldstændighed Videregående algoritmik Cormen et al. 34.1 34.3 Fredag den 12. december
Læs mereKursusgang Rekursive definitioner. 14. april Mystiske eksempler. Hvad er en rekursiv definition egentlig? Partielle ordninger
Kursusgang 15 14. april 2011 1 Rekursive definitioner Hvad er en rekursiv definition egentlig? Partielle ordninger cpo er (fuldstændige partielle) ordninger Monotone og kontinente funktioner Sætning om
Læs mere1 Program for forelæsningen
1 Program for forelæsningen Udvidelser af Bims (Kontrolstrukturer) Repeat-løkker For-løkker Non-determinisme God Ond parallelitet Alle emner hører under semantisk ækvivalens. 1.0.1 Fra tidligere.. Bims
Læs mereDM72 Diskret matematik med anvendelser
DM72 Diskret matematik med anvendelser En hurtig gennemgang af de vigtigste resultater. (Dvs. ikke alle resultater). Logik Åbne udsagn 2 + 3 = 5 Prædikater og kvantorer P (x) := x er et primtal x N : n
Læs mereSeminar 1 Regularitet og Automater 28/1-2012
Seminar 1 Regularitet og Automater 28/1-2012 Jesper Gulmann Henriksen jgh@wincubate.net Agenda Introduktion Hvad er Regularitet og Automater? Praktiske Oplysninger om Kurset Regulære Udtryk + Øvelser Induktion
Læs mereSelvreference i begrænsningsresultaterne
Selvreference i begrænsningsresultaterne Thomas Bolander, IMM, DTU. tb@imm.dtu.dk To pointer: (1) Der skal kun meget lidt udover selvreference til for at få de klassiske logiske begrænsningsresultater.
Læs mereMatematisk modellering og numeriske metoder. Lektion 16
Matematisk modellering og numeriske metoder Lektion 16 Morten Grud Rasmussen 6. november, 2013 1 Interpolation [Bogens afsnit 19.3 side 805] 1.1 Interpolationspolynomier Enhver kontinuert funktion f på
Læs mereHamilton-veje og kredse:
Hamilton-veje og kredse: Definition: En sti x 1, x 2,...,x n i en simpel graf G = (V, E) kaldes en hamiltonvej hvis V = n og x i x j for 1 i < j n. En kreds x 1, x 2,...,x n, x 1 i G kaldes en hamiltonkreds
Læs mereMatematisk Metode. Jesper Lützen og Ian Kiming
Matematisk Metode Jesper Lützen og Ian Kiming 17. oktober 2008 ii Contents Introduktion. Den aksiomatisk-deduktive metode ix 1 Logik 1 1.1 Udsagn og prædikater........................ 1 1.2 Sammensatte
Læs mereKapitel 3: Præferencer. Hvordan skal vi modellere præferencer?
Kapitel 3: Præferencer Hvordan skal vi modellere præferencer? 1. Paradigme (husk fra forrige kapitel): Forbrugeren vælger det bedste varebundt som han/hun har råd til. 2. Vi har set på hvordan man kan
Læs mereImplikationer og Negationer
Implikationer og Negationer Frank Villa 5. april 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Læs merePrimtal - hvor mange, hvordan og hvorfor?
Johan P. Hansen 1 1 Institut for Matematiske Fag, Aarhus Universitet Gult foredrag, EULERs Venner, oktober 2009 Disposition 1 EUKLIDs sætning. Der er uendelig mange primtal! EUKLIDs bevis Bevis baseret
Læs mereAnalyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X).
Analyse 2 Øvelser Rasmus Sylvester Bryder 3. og 6. september 2013 Gennemgå bevis for Sætning 2.10 Sætning 1. For alle mængder X gælder #X < #P(X). Bevis. Der findes en injektion X P(X), fx givet ved x
Læs mereGrafer og graf-gennemløb
Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges).
Læs mereGrafer og graf-gennemløb
Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges).
Læs mereAalborg University. Synopsis. Titel: Traveling Salesman Problem
Aalborg University Department of Computer Science. Fredrik Bajers Vej 7E, 9220 Aalborg Ø. Titel: Traveling Salesman Problem Projektperiode: 16. maj 2003 til 20. juni 2003 Semester: BOS03 Gruppebetegnelse:
Læs mereMindste udspændende træ
Mindste udspændende træ Introduktion Repræsentation af vægtede grafer Egenskaber for mindste udspændende træer Prims algoritme Kruskals algoritme Philip Bille Mindste udspændende træ Introduktion Repræsentation
Læs mereHvad er formel logik?
Kapitel 1 Hvad er formel logik? Hvad er logik? I daglig tale betyder logisk tænkning den rationelt overbevisende tænkning. Og logik kan tilsvarende defineres som den rationelle tænknings videnskab. Betragt
Læs mereHenrik Bulskov Styltsvig
Matematisk logik Henrik Bulskov Styltsvig Datalogiafdelingen, hus 42.1 Roskilde Universitetscenter Universitetsvej 1 Postboks 260 4000 Roskilde Telefon: 4674 2000 Fax: 4674 3072 www.dat.ruc.dk Disposition
Læs mereMatematiske metoder - Opgavesæt
Matematiske metoder - Opgavesæt Anders Friis, Anne Ryelund, Mads Friis, Signe Baggesen 24. maj 208 Beskrivelse af opgavesættet I dette opgavesæt vil du støde på opgaver, der er markeret med enten 0, eller
Læs mereHvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05
Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ
Læs mereGrådige algoritmer. Et algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.
Grådige algoritmer Grådige algoritmer Et algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer. Grådige algoritmer Et algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.
Læs mereEuklids algoritme og kædebrøker
Euklids algoritme og kædebrøker Michael Knudsen I denne note vil vi med Z, Q og R betegne mængden af henholdsvis de hele, de rationale og de reelle tal. Altså er { m } Z = {..., 2,, 0,, 2,...} og Q = n
Læs mereOrienterede grafer. Introduktion Repræsentation Søgning Topologisk sortering og DAGs Stærke sammenhængskomponenter Implicitte grafer.
Orienterede grafer Introduktion Repræsentation Søgning Topologisk sortering og DAGs Stærke sammenhængskomponenter Implicitte grafer Philip Bille Orienterede grafer Introduktion Repræsentation Søgning Topologisk
Læs mereGEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α )
GEOMETRI-TØ, UGE 8 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imf.au.dk. Opvarmningsopgave 1. Lad X være en mængde og T familien af alle delmængder
Læs mere= λ([ x, y)) + λ((y, x]) = ( y ( x)) + (x y) = 2(x y).
Analyse 2 Øvelser Rasmus Sylvester Bryder 17. og 20. september 2013 Supplerende opgave 1 Lad λ være Lebesgue-målet på R og lad A B(R). Definér en funktion f : [0, ) R ved f(x) = λ(a [ x, x]). Vis, at f(x)
Læs mereEt generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer. Ideen er simpel:
Grådige algoritmer Grådige algoritmer Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer. Ideen er simpel: Opbyg løsningen skridt for skridt ved hele tiden af vælge lige
Læs mereReeksamen i Diskret Matematik
Reeksamen i Diskret Matematik Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet 15. august 2017. Kl. 9-13. Nærværende eksamenssæt består af 11
Læs mereDe rigtige reelle tal
De rigtige reelle tal Frank Villa 17. januar 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Læs meret-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program ( ): 1. repetition: fordeling af observatorer X, S 2 og t.
t-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program (8.15-10): 1. repetition: fordeling af observatorer X, S 2 og t. 2. konfidens-intervaller, hypotese test, type I og type II fejl, styrke,
Læs mereDiskrete Matematiske Metoder. Jesper Lützen
Diskrete Matematiske Metoder Jesper Lützen Juni 2013 ii Indhold Introduktion. ix 0.1 Den aksiomatisk-deduktive metode................. ix 0.2 Diskret matematik; hvad er det?.................. x 1 Tal,
Læs mereLogik. Helge Elbrønd Jensen og Tom Høholdt Fortolket af Michael Elmegård og Øistein Wind-Willassen.
Logik Helge Elbrønd Jensen og Tom Høholdt Fortolket af Michael Elmegård og Øistein Wind-Willassen. 25. juni 2014 2 Indhold 1 Matematisk Logik 5 1.1 Udsagnslogik.................................... 5 1.2
Læs mereArchimedes Princip. Frank Nasser. 12. april 2011
Archimedes Princip Frank Nasser 12. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk: Dette er
Læs mereOrienterede grafer. Orienterede grafer. Orienterede grafer. Orienterede grafer
Philip Bille Orienteret graf. Mængde af knuder forbundet parvis med orienterede kanter. deg + (7) =, deg - (7) = Lemma. v V deg - (v) = v V deg + (v) = m. Bevis. Hver kant har netop en startknude og slutknude.
Læs mere83 - Karakterisation af intervaller
83 - Karakterisation af intervaller I denne opgave skal du bevise, at hvis A er en delmængde af R med følgende egenskab: x, y, z R : x, y A og x < z < y z A (1) så er A enten et interval eller en mængde
Læs mereProgram. 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18
Program 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18 Fordeling af X Stikprøve X 1,X 2,...,X n stokastisk X stokastisk. Ex (normalfordelt stikprøve)
Læs mereInduktive og rekursive definitioner
Induktive og rekursive definitioner Denne note omhandler matematiske objekter, som formelt er opbygget fra et antal basale byggesten, kaldet basistilfælde eller blot basis, ved gentagen brug af et antal
Læs mere1 Om funktioner. 1.1 Hvad er en funktion?
1 Om funktioner 1.1 Hvad er en funktion? Man lærer allerede om funktioner i folkeskolen, hvor funktioner typisk bliver introduceret som maskiner, der tager et tal ind, og spytter et tal ud. Dette er også
Læs mereOrienterede grafer. Orienterede grafer. Orienterede grafer. Vejnetværk
Philip Bille Orienteret graf (directed graph). Mængde af knuder forbundet parvis med orienterede kanter. Vejnetværk Knude = vejkryds, kant = ensrettet vej. deg + (6) =, deg - (6) = sti fra til 6 8 7 9
Læs mereGödels ufuldstændighedssætninger
Gödels ufuldstændighedssætninger Thomas Bolander, DTU Informatik Matematik: Videnskaben om det uendelige 2 Folkeuniversitetet i København, efteråret 2011 Thomas Bolander, FUKBH 11 s. 1/21 Gödels ufuldstændighedssætning
Læs mereTALTEORI Følger og den kinesiske restklassesætning.
Følger og den kinesiske restklassesætning, december 2006, Kirsten Rosenkilde 1 TALTEORI Følger og den kinesiske restklassesætning Disse noter forudsætter et grundlæggende kendskab til talteori som man
Læs merePythagoras Sætning. Frank Nasser. 20. april 2011
Pythagoras Sætning Frank Nasser 20. april 2011 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk: Dette er
Læs mereGrafer og graf-gennemløb
Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges).
Læs mereIntroduktion til prædikatlogik
Introduktion til prædikatlogik Torben Braüner Datalogisk Afdeling Roskilde Universitetscenter 1 Plan Symbolisering af sætninger Syntaks Semantik 2 Udsagnslogik Sætningen er den mindste syntaktiske enhed
Læs mereLandmålingens fejlteori - Repetition - Fordeling af slutfejl - Lektion 8
Landmålingens fejlteori Repetition - Fordeling af slutfejl Lektion 8 - tvede@math.aau.dk http://www.math.aau.dk/ tvede/teaching/l4 Institut for Matematiske Fag Aalborg Universitet 15. maj 2008 1/13 Fordeling
Læs mereAnalyse 2. Bevis af Fatous lemma (Theorem 9.11) Supplerende opgave 1. Øvelser
Analyse 2 Øvelser Rasmus Sylvester Bryder 24. og 27. september 203 Bevis af Fatous lemma (Theorem 9.) Hvis (u j ) j er en følge af positive, målelige, numeriske funktioner (dvs. med værdier i [, ]) over
Læs mereGrafer og graf-gennemløb
Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges).
Læs mereGrådige algoritmer. Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.
Grådige algoritmer Grådige algoritmer Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer. Grådige algoritmer Et generelt algoritme-konstruktionsprincip ( paradigme ) for
Læs mereGEOMETRI-TØ, UGE 12. A σ (R) = A f σ (f(r))
GEOMETRI-TØ, UGE 12 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1, [P] 632 Vis at Ennepers flade σ(u, v) = ( u u 3 /3
Læs mere