Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005
|
|
- Niels Davidsen
- 6 år siden
- Visninger:
Transkript
1 Vderegåede Algortmk Davd Psger, DIKU Reeksame, Aprl 5
2 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 afgørlghedsproblemet er gvet ved { } < V,E,k > : der fdes e bsecto af G = (V,E) MAX-BISECTION(V, E, k) = hvor k eller flere kater krydser sttet. Tlsvarede er MIN-BISECTION problemet gvet ved { MIN-BISECTION(V,E,k < V ) =,E,k } > : der fdes e bsecto af G = (V,E) hvor k eller færre kater krydser sttet. E stas af MAX-BISECTION ka omskrves tl e stas af MIN-BISECTION. Lad det følgede E betege komplemetærmægde af E deferet som (, ) E (, ) E. Q : Hvlke trasformato af MAX-BISECTION tl MIN-BISECTION er korrekt A) V := V, E := E og k := k. D) V := V, E := E og k = k V. B) V := V, E := E og k := V k. E) V := V, E := E og k := ( V /) k. C) V := V, E := E og k := V k. F) V := V, E := E og k := k Q : Hvlket af følgede udsag gælder med skkerhed A) MAX-BISECTION p MIN-BISECTION og MIN-BISECTION p MAX-BISECTION B) MAX-BISECTION p MIN-BISECTION og MIN-BISECTION p MAX-BISECTION C) MAX-BISECTION p MIN-BISECTION og MIN-BISECTION p MAX-BISECTION D) MAX-BISECTION p MIN-BISECTION og MIN-BISECTION p MAX-BISECTION E) MAX-BISECTION P F) MIN-BISECTION P Her betyder P p Q at der helt skkert kke fdes e polyomel redukto af P tl Q. Bsecto som optmergsproblem MIN-BISECTION(V,E,k ) ka formuleres som et mmergsproblem BISECTION-OPT gvet på forme: mmze subect to = = e x ( x ) x = / () = x {,}, =,...,. hvor = V. Kostatere e = hvs kate (, ) E, mes e = hvs kate (, ) E. Beslutgsvarablee ka fortolkes ved sammehæge x = S, og x = T. 5
3 Ved Lagrage-relaxerg af begræsge () fremkommer følgede problem ( ) mmze e x ( x ) + λ x / = = = x {,}, =,...,. Q : Hvad er de største mægde af værder af λ hvor () e relaxerg af ()? A) λ N,λ D) λ N,λ B) λ R,λ E) λ R,λ C) λ R,λ F) λ R () Betragt følgede stas af mmergsproblemet BISECTION-OPT, med = Q 4: Hvad er løsgsværde z af det relaxerede problem () for λ =? 4A) z = 4D) z = 6 4B) z = 4E) z = 8 4C) z = 4 4F) z = Kvadratsk - optmerg Det kvadratske - optmergsproblem QP er gvet ved maxmze d x x N N subect to x {,}, N deferet på mægde N = {,...,}, og med d R for, N. E stas af QP overholder følgede krterer: d R + for alle, N, d R for alle N Edvdere er matrce (d ) symmetrsk (f. Proektopgave ). For at løse stase trasformeres de tl e stas af MAXIMUM-FLOW ved at sætte V = N {s,t} og E = {s} N N N N {t}. Kapactete af katere sættes tl: c s = max{, N d }, c = d, c =, c t = max{, N d } Herved fremkommer følgede etværk, som v beteger N : 6 N, N, N N
4 s 8 v v v 4 v 4 t v 5 Q 5: Hvad er de tlhørede stas (d ) af QP? 5A) D) B) E) C) F) Q 6: Fd et mmalt st (S,T ) etværket N. Hvad er kapactete af dette st? 6A) c(s,t ) = 4 6D) c(s,t ) = 7 6B) c(s,t ) = 5 6E) c(s,t ) = 8 6C) c(s,t ) = 6 6F) c(s,t ) = 9 Q 7: Hvad er de optmale løsgsværd z af de tlhørede QP-stas? 7A) z = 7D) z = 4 7B) z = 7E) z = 5 7C) z = 7F) z = 6 7
5 Q 8: Kapactete af kate (s,) etværket N sættes u tl værde c s = β, således at v får følgede etværk: s β v v v 4 v 4 t v 5 For hvlke værder af β vl de optmale løsg (x,x,x,x 4,x 5 ) tl de tlhørede QP stas være de samme som spørgsmål Q7? 8A) β 8D) β 8B) β 8E) β 8C) β 6 8F) β 6 Approxmatosalgortmer Q 9: Gvet e uvægtet graf G = (V, E), spørger MAX-CUT optmergsproblemet om at fde e opdelg af V S og T = V \ S som maksmerer atallet af kater som krydser sttet. Afgørlghedsproblemet vdes at være N P -fuldstædgt. APPROX-MAX-CUT(V, E) S / T V whle v V så flytg af v, ete fra S tl T eller fra T tl S, øger sttets værd do flyt v retur (S, T ) Bevs at APPROX-MAX-CUT er e polyomeltds -approxmatosalgortme ved at svare på følgede spørgsmål. Det atages at algortme har fået grafe G = (V,E) som ddata og at de returerer sttet (S,T ). a) Argumeter at APPROX-MAX-CUT kører polyomel td. b) For et vlkårlgt v V, lad Ev c være mægde af kater cdete med v som dgår sttet (S,T ), og lad Ev være mægde af kater cdete som kke dgår sttet. Hvorledes forholder Ev c sg tl E v? c) Agv e edre græse for atal kater sttet (S, T) udtrykt ved E. d) Fuldfør bevset for at APPROX-MAX-CUT er e polyomeltds -approxmatosalgortme for MAX-CUT optmergsproblemet. 8
6 Talteor og kryptograf Q : a) Brug EXTENDED-EUCLID tl at fde d = gcd(a,b) = ax + by for a = 9 og b = 48. Vs alle mellemregger f.eks. ved brug af e tabel. b) Alce og Bob bruger RSA kryptosystemet år de kommukerer med hade. Alces offetlge øgle er (e,) = (9,65). Bob bruger dee øgle tl at sede hede e kodet besked C(M) = 4. Faktorser = 65 og brug dette tl at fde de orgale besked M. 9
7 Veledede svar S De rgtge trasformato er at sætte: V := V, E := E og k := ( V /) k. Med dee trasformato vl v vse at MAX-BISECTION(V,E,k) = hvs og ku hvs MIN-BISECTION(V,E,k ) =. Atag for e graf G = (V,E) at MAX-BISECTION(V,E,k) =, dvs. der fdes et st (S,T ) hvor mdst k kater krydser sttet. Da S = T = V / vl der e komplet graf være ( V /) kater over sttet. Hvs v beytter samme st (S,T) gælder for komplemetærgrafe at der høst er ( V /) k kater over sttet. De modsatte mplkato vses tlsvarede. Så det rgtge svar er E). S Fra forrge svar ses let at MAX-BISECTION p MIN-BISECTION samt at MIN-BISECTION p MAX-BISECTION Det rgtge svar er C). S Der er tale om e relaxerg for alle λ R. For at dse dette ses at obektfukto og løsgsmægde for det orgale problem er { } f (x) = = = e x ( x ) S = (x,...,x ) {,} =x = / Det Lagrage relaxerede problem har obektfukto og løsgsmægde ( ) } g(x) = e x ( x ) + λ x / T = {(x,...,x ) {,} = = = Det ses let at g(x) = f (x) år x S det det sdste led g(x) blver ul for alle værder af λ R. Samtdg gælder der oplagt at S T. Så F) er korrekt. S 4 Ved Lagrage relaxerg med λ = fås problemet mmze = = x {,}, e x x + = =,...,. x () Der ka omskrves tl et maksmergsproblem maxmze = = e x x x {,}, = x (4) =,...,. Dette er et kvadratsk - optmergsproblem QP gvet ved matrce De optmale løsg tl dette problem er at vælge alle x =. Dette kue v også have dset ved at betragte det orgale problem (), som oplagt atager st mmum hvs alle kuder er samme mægde, dvs. f.eks. x = for alle. Så det rgtge svar er 4.A). 6
8 S 5 De rgtge stas er hvor summe af hver søle er agvet ederste række. Det rgtge svar er 5.A). S 6 Det mmale st er markeret på fgure: s 8 v v v 4 v 4 t v 5 Kapactete af sttet er c(s,t) = 6. Så det rgtge svar er 6.C). S 7 Fra max-flow-m-cut sætge vdes at de maksmale strømg etværk N har værde f = c(s,t) = 6. Fra proektopgave vdes at de optmale løsg tl QP har løsgsværd z = V c s f = ( ) 6 =. Det rgtge svar er 7B). S 8 Fra fgure svar S6 ses at det mmale st er S = {s,} og T = {t,,,4,5}. Fra proektopgave erdres at de optmale løsg tl QP problemet fdes som x = hvs og ku hvs S. Så læge β c(s,t) er sttet uædret. Så det rgtge svar er 8.F). S 9 De ekelte spørgsmål besvares som: a) I hver terato øges obektfuktoe (sttets værd) med mdst. Obektfuktoe ka kke blve større ed E, så v udfører høst O(E) teratoer som hver tager høst O(V ) td. Dermed er det vst at APPROX-MAX-CUT kører O(V E) td. b) For et vlkårlgt v V må der gælde at E v c E v år algortme termerer det v ellers vlle have flyttet kude tl de modsatte mægde. c) Ved at summere resultatet fra forrge delspørgsmål for alle kuder v, må der gælde at atal kater E c over sttet er større ed atal øvrge kater E. Da E c + E = E må der gælde at E c E /. d) E optmal løsg C er opadtl begræset af E. Approxmatosalgortme fder e løsg C A som mdst er E /. Dermed har v C /C A = ρ. Dermed er det vst at APPROX-MAX-CUT er e polyomeltds -approxmatosalgortme for MAX-CUT. 7
9 S a) V fder d = gcd(a,b) = ax + by som = ( ). a b a/b d x y Dermed ser v også at de multplkatvt verse af 9 gruppe Z 48 er 5. b) Alce har offetlg øgle (e, ) = (9, 65). Da = 5 fder v φ() = (5 )( ) = 48. De multplkatvt verse af e modulo φ() er d = 5, som vst opgave a). De verse trasformato er M = C(M) d mod = 4 5 mod = 4 mod 65 = 49 8
Induktionsbevis og sum af række side 1/7
Iduktosbevs og sum af række sde /7 Skrver ma,,,...,,..., =, 2, 3,... 2 3 taler ma om e talfølge, eller blot e følge. Adre eksempler på følger er, -,, -,, -,..., (-) +,..., =, 2, 3,..., 2, 3, 4,...,,...,
Læs 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 mereTALTEORI Følger og den kinesiske restklassesætning.
Følger og den knesske restklassesætnng, december 2006, Krsten Rosenklde 1 TALTEORI Følger og den knesske restklassesætnng Dsse noter forudsætter et grundlæggende kendskab tl talteor som man kan få Maranne
Læs mereKvadratisk 0-1 programmering. David Pisinger
Kvadratisk - programmerig David Pisiger 27-8 MAX-CUT problemet Givet e ikke-orieteret graf G = (V, E) er MAX-CUT problemet defieret som MAX-CUT = {< G > : fid et sit S, T i grafe G som maksimerer atal
Læs 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 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 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 mereBEVISER TIL KAPITEL 7
BEVISER TIL KAPITEL 7 A. Komplemetærhædelse Det er klart, at e hædelse A og de komplemetære hædelse A udgør hele udfaldsrummet U, dvs. A A = Da fås P(U = U P(A A = P (A + P(A = da de to hædelser er dsjukte
Læs 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 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 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 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 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 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 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 mereOverlappende stationsoplande: Bestemmelse af passagerpotentialer
Resumé Overlappede statosoplade: Bestemmelse af passagerpotetaler Valdemar Warburg, stud.polyt., valde@post.com Ibe Rue, stud.polyt., berue@hotmal.com Ceter for Trafk og Trasport (CTT), Damarks Tekske
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 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 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 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 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 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 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 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 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 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 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 mere1 Løsning og mindste kvadraters løsninger af lineære ligningssystemer
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 2 2... a a... a b m m2 2 m m Dsse systemer
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 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 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 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 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 mereχ 2 -fordelte variable
χ -fordelte varable Defnton af χ -fordelngen Kvadratsummen V n af n uafhængge standardserede normalfordelte stokastske varable sges at være χ -fordelt med n frhedsgrader. V n fremkommer altså som V n =
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 merePension PO1 PO2 FO1 FO2 GRL 7) Arbejds markeds pension 5) ATPbidrag
Løbehadlgsoversgt De 4 koloer 'opsamlg tl løatk' vser, hvorda lødele/-feltet dgår løatkkere. Neder oversgte fder du e forklarg tl opsamlge af de ævte ILtyper Lødele/-feltet ka bruges eidkom med/: pegegvede
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 mereNOTAT: Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2013
Beskæftgelse, Socal og Økonom Økonom og Ejendomme Sagsnr. 260912 Brevd. 1957603 Ref. LAOL Dr. tlf. 4631 3152 lasseo@rosklde.dk NOTAT: Benchmarkng: Rosklde Kommunes servceudgfter regnskab 2013 19. august
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 mereNOTAT:Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2014
Beskæftgelse, Socal og Økonom Økonom og Ejendomme Sagsnr. 271218 Brevd. 2118731 Ref. KASH Dr. tlf. 4631 3066 katrnesh@rosklde.dk NOTAT:Benchmarkng: Rosklde Kommunes servceudgfter regnskab 2014 17. august
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 mereForberedelse til den obligatoriske selvvalgte opgave
MnFremtd tl OSO 10. klasse Forberedelse tl den oblgatorske selvvalgte opgave Emnet for dn oblgatorske selvvalgte opgave (OSO) skal tage udgangspunkt dn uddannelsesplan og dt valg af ungdomsuddannelse.
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 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 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 mereSpørgsmål 3 (5 %) Bestem sandsynligheden for at et tilfældigt valgt vindue har en fejl ved listerne, når man ved at der er fejl i glasset.
STATISTIK Skriftlig evaluerig, 3. semester, madag de 30. auar 006 kl. 9.00-3.00. Alle hælpemidler er tilladt. Opgaveløsige forsyes med av og CPR-r. OPGAVE Ved e produktio af viduer er der mulighed for,
Læs 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 mereKogebog: 5. Beregn F d
tattk 8. gag KONFIDENINERVALLER Kofdetervaller: kaptel Valg og tet af fordelgfukto tattk 8. gag. KONFIDEN INERVALLER Et kofde terval udtrykker tervallet hvor de rgtge værd af parametere K, med γ % adylghed
Læs mereForén og find. Forén og find. Forén og find. Anvendelser
Phlp Blle (unon-fnd). Vedlgehold en dynamsk famle af mængder under operatoner: INIT(n): opret mængder {}, {},, {n} UNION(,): forener de to mængder der ndeholder og. Hvs og er samme mængde skal der ngentng
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 mereForén og find. Forén og find. Forén og find. Forén og find
Phlp Blle (unon-fnd). Vedlgehold en dynamsk famle af mængder under operatoner: INIT(n): opret mængder {}, {},, {n-} UNION(,): forener de to mængder der ndeholder og. Hvs og er samme mængde skal der ngentng
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 mereLys og gitterligningen
Fysik rapport: Lys og gitterligige Forfatter: Bastia Emil Jørgese.z Øvelse blev udført osdag de 25. jauar 202 samme med Lise Kjærgaard Paulse 2 - Bastia Emil Jørgese Fysik rapport (4 elevtimer), februar
Læs 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 mereDATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Bi Packig Problemet David Pisiger, Projektopgave 2 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse.
Læs mereOpgave 1. Hej, vi hedder Albert og Rose. Vi bor i det gule hus. I dag skal vi gå i skole. Hjælp os med at finde den sikreste vej.
Opgave 1 Hej, v hedder Albert og Rose. V bor det gule hus. I dag skal v gå skole. Hjælp os med at fnde den skreste vej. L S M R P Den skreste skolevej ender ved bogstavet: Den skreste vej er kke nødvendgvs
Læs mereSalg af kirkegrunden ved Vejleå Kirke - opførelse af seniorboliger. hovedprincipper for et salg af kirkegrunden, som vi drøftede på voii møde.
Ishøj Kommune Att.: Kommunaldrektør Anders Hvd Jensen Ishøj Store Torv 20 2635 Ishøj Lett Advokatfrma Rådhuspladsen 4 1550 København V Tlr. 33 34 00 00 Fax 33 34 00 01 lettl lett.dk www.lett.dk Kære Anders
Læs mereTransmissionsteknik \ Automatisering \ Systemintegration \ Service. Håndbog. Fremstilling af specialkabler Kabler til synkrone servomotorer
Trasmssostekk \ Automatserg \ Systemtegrato \ Servce Hådbog Fremstllg a specalkabler Kabler tl sykroe servomotorer Udgave 12/2011 19301693 / DA SEW-EURODRIVE Drvg the world Idholdsortegelse 1 Crmpværktøj...
Læs mereLængde [cm] Der er frit vandspejle i sandkassen. Herudover er sandkassen åben i højden cm i venstresiden og 0-20 cm i højresiden.
Vadtrasportmodel Formål For beregig af vadtrasporte i sadkasse er der lavet e boksmodel. Formålet med boksmodelle er at beskrive vadtrasporte i sadkasse. Herover er formålet at bestemme de hydrauliske
Læs mereSUPPLEMENT til Anvendt statistik
SUPPLEMET tl Avedt statstk IDHOLD A BEVISER VEDRØREDE ORMALFORDELIGE 3A χ - FORDELIE 3 3B t - FORDELIGE 6 3C F - FORDELIGE 7 4A DEFIITIOER OG EKSEMPLER PÅ CETRALE OG EFFEKTIVE ESTIMATORER 9 4B BEVISER
Læs mereMatematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a
Matematik A Højere hadelseksame hhx151-mat/a-26052015 Tirsdag de 26. maj 2015 kl. 9.00-14.00 Matematik A Prøve består af to delprøver. Delprøve ude hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.
Læs mereDATV: Introduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem
DATV: Itroduktio til optimerig og operatiosaalyse Asymmetric Travelig Salesma Problem David Pisiger, Efterår 2004 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og
Læs mereIndeks over udviklingen i biltrafikken i Danmark
Ideks over udvklge bltrafkke Damark Afdelgsgeør Alla Crstese, Vejdrektoratet, og cvlgeør, p.d. Crsta Overgård ase, TetraPla A/S. Baggrud og formål. Baggrud Vejdrektoratet ar sde 978 regelmæssgt udgvet
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 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 mereTO-BE BRUGERREJSE // Tænder
TO-BE BRUGERREJSE // Tænder PROCES FØR SITUATION / HANDLING Jørgen er 75 år og folkepensonst. Da han er vanskelgt stllet økonomsk, har han tdlgere modtaget hjælp fra kommunen, bl.a. forbndelse med fodbehandlng
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 mereDefinition Ved et kompleks tal forstås et udtryk. Eksempel
Ovesgt [S] App. I, App. H. Komplekse tal Nøgleod og begebe Komplekse tal Test komplekse tal Polæe koodate Kompleks polafom De Moves sætg Test komplekse tal Komplekse ødde Kompleks ekspoetalfukto Ved et
Læs mereDe reelle tal. Morten Grud Rasmussen 5. november Se Sætning 3.6 og 3.7 for forskellige formuleringer af egenskaben og dens negation.
De reelle tal Morte Grud Rasmusse 5. ovember 2015 Ordede mægder Defiitio 3.1 (Ordet mægde). pm, ăq kaldes e ordet mægde såfremt: For alle x, y P M gælder etop ét af følgede: x ă y, x y, y ă x @x, y, z
Læs mereUge 37 opgaver. Opgave 1. Svar : Starter med at definere sup (M) og inf (M) :
Uge 37 opgaver Opgave Svar : a) Starter med at defiere sup (M) og if (M) : Kigge u på side 3 i kompedie og aveder aksiom (.3) Kotiuitetsaksiomet A = x i x 2 < 2 Note til mig selv : Har søgt på ordet (iequalities)
Læs mereAlgoritmedesign Den grådige metode
Agortmedesg De grådge metode 1 De grådge metode De grådge metode Et probem øses ved at foretage e række besutger Besutgere træffes e ad gage e eer ade rækkeføge Hver besutg er baseret på et grådgedskrterum
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 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 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 mereSpændingskvalitet. Tilslutningsbetingelserne med hensyn til spændingskvalitet for forbrugsanlæg tilsluttet transmissionsnettet
Teknsk forskrft TF 3.4.1 pændngskvaltet Tlslutnngsbetngelserne med hensyn tl spændngskvaltet for forbrugsanlæg tlsluttet transmssonsnettet 02.04.2013 02.04.2013 02.04.2013 09.04.2013 DATE 1.3 PHT FBC FJ
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 mereG Skriverens Kryptologi
G Skrverens Kryptolog Nels Juul Munch, Mdtsjællands Gymnasum Matematk Indlednng I den foregående artkel G Skrverens Hstore blev det hstorske forløb om G Skrveren beskrevet og set sammenhæng med Sverges
Læs mereReferat fra Bestyrelsesmøde Mandag den 4. marts 2013 - kl. 19.00 i Holmsland Idræts- og Kulturcenter
Bestyrelsesmøde Holmsland Sogneforenng. Bestyrelsesmedlemmer er ndkaldt tl bestyrelsesmøde som ovenfor anført. Fremmødte: Iver Poulsen, Chrstan Holm Nelsen, Bodl Schmdt, Bjarne Vogt, Lars Provstgaard,
Læs mereIntroduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem
Itroduktio til optimerig og operatiosaalyse Asymmetric Travelig Salesma Problem David Pisiger, Efterår 2003 Dette er de ade obligatoriske projektopgave på kurset Itroduktio til optimerig og operatiosaalyse.
Læs mereer ikke kun for voksne
junor Coacng Coacng er kke kun for voksne Fre ungdomsryttere fra Sanrum Rklub aft mulged for at møs med en coac. Koort været at booste troen egne evner Tekst og foto: Tet R asmussen D e fleste nesker forbnr
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 mereSERVICE BLUEPRINTS KY selvbetjening 2013
SERVICE BLUEPRINTS KY selvbetjenng 2013 EFTER Desgn by Research BRUGERREJSE Ada / KONTANTHJÆLP Navn: Ada Alder: 35 år Uddannelse: cand. mag Matchgruppe: 1 Ada er opvokset Danmark med bosnske forældre.
Læs mereFRIE ABELSKE GRUPPER. Hvis X er delmængde af en abelsk gruppe, har vi idet vi som sædvanligt i en abelsk gruppe bruger additiv notation at:
FRIE ABELSKE GRUPPER. IAN KIMING Hvs X er delmængde af en abelsk gruppe, har v det v som sædvanlgt en abelsk gruppe bruger addtv notaton at: X = {k 1 x 1 +... + k t x t k Z, x X} (jfr. tdlgere sætnng angående
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 mereReferat fra Bestyrelsesmøde
Bestyrelsesmøde Holmsland Sogneforenng. Fremmødte: Iver Poulsen, Chrstan Holm Nelsen, Tage Rasmussen, Kresten Bundgaard, Maranne Dderksen, Bjarne Vogt, Vggo Kofod Fraværende: Ingen Dagsorden for mødet
Læs mereSkriftlig Eksamen. Datastrukturer og Algoritmer (DM02) Institut for Matematik og Datalogi. Odense Universitet. Onsdag den 18. juni 1997, kl.
Skrftlg Eksamen Datastrukturer og Algortmer (DM02) Insttut for Matematk og Datalog Odense Unverstet Onsdag den 18. jun 1997, kl. 9{13 Alle sdvanlge hjlpemdler (lrebger, notater, etc.) samt brug af lommeregner
Læs mereIkke-parametriske tests af forskel i central tendens. Tests for forskel i central tendens for data på ordinal- og intervalskala
Statstk for bologer 5-6, moul 7: Tests for forskel cetral tees for ata på oral- og tervalskala Ikke-parametrske tests af forskel cetral tees Vægter forskel mea ve hjælp af ragtal Data skal være på mst
Læs mereTEORETISKE MÅL FOR EMNET:
TEORETISKE MÅL FOR EMNET: Kende begreberne ampltude, frekvens og bølgelængde samt vde, hvad begreberne betyder Kende (og kende forskel på) tværbølger og længdebølger Kende lysets fart Kende lysets bølgeegenskaber
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 mereNote til Generel Ligevægt
Mkro. år. semester Note tl Generel Lgevægt Varan kap. 9 Generel lgevægt bytteøkonom Modsat partel lgevægt betragter v nu hele økonomen på én gang; v betragter kke længere nogle prser for gvet etc. Den
Læs mereDATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Følsomhed af Kapsack Problemet David Pisiger, Projektopgave 1 Dette er de første obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig
Læs mereBinomialfordelingen. Erik Vestergaard
Bnomalfordelngen Erk Vestergaard Erk Vestergaard www.matematkfysk.dk Erk Vestergaard,. Blleder: Forsde: Stock.com/gnevre Sde : Stock.com/jaroon Sde : Stock.com/pod Desuden egne fotos og llustratoner. Erk
Læs mereLineær regressionsanalyse8
Lneær regressonsanalyse8 336 8. Lneær regressonsanalyse Lneær regressonsanalyse Fra kaptel 4 Mat C-bogen ved v, at man kan ndtegne en række punkter et koordnatsystem, for at afgøre, hvor tæt på en ret
Læs mereEKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13
EKSAMEN I MATEMATIK-STATISTIK, 7. JANUAR 006, KL 9-13 [HER STARTER STATISTIKDELEN] Opgave 3 (5%): Bologsk baggrundsnformaton tl forståelse af opgaven: Dr producerer kke altd lge meget afkom af hvert køn.
Læs mere6. december. Motivation. Internettet: Login til DIKU (med password) Handel med dankort Fortrolig besked Digital signatur
6. december Talteoretiske algoritmer, RSA kryptosystemet, Primtalstest Motivation Definitioner Euclids algoritme Udvidet Euclid RSA kryptosystemet Randominserede algoritmer Rabin-Miller primtalstest Svært
Læs mereElektromagnetisk induktion
Elektromagnetsme 11 Sde 1 af 8 Elektromotorsk kraft Elektromagnetsk ndukton Den elektromotorske kraft en lukket kreds er defneret som det elektromagnetske arbede pr. ladnng på en prøveladnng q, der føres
Læs mereUgeseddel 8. Gruppearbejde:
Ugeseddel 8 Gruppearbejde: 1. Ved at nkludere en dummyvarabel for et bestemt landeområde, svarer tl at konstatere, at dsse lande har nogle unkke karakterstka, som har betydnng for væksten, som kke gør
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 mere