Supplerende noter II til MM04
|
|
- Finn Christoffersen
- 6 år siden
- Visninger:
Transkript
1 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 fra S til X siges at kovergere uiformt mod e fuktio f : S X, hvis der gælder: ε > N s S : d(f(s, f (s < ε. (1.1 Bemærk, at det er det samme, som ka bruges for alle s S, hvilket gør uiform koverges betydeligt stærkere ed blot at kræve, at f (s f(s for alle s S (puktvis koverges. I det følgede lader vi S betege et topologisk rum og (X, d et metrisk rum. De første sætig giver, at kotiuitet bibeholdes uder uiform koverges. Sætig 1.2 Hvis (f er e følge af kotiuerte fuktioer fra S til X, som kovergerer uiformt mod e fuktio f : S X, så er f kotiuert. Bevis: Lad s S være et vilkårligt pukt; vi skal vise, at f er kotiuert i s. Lad ε > være vilkårligt. Da (f går mod f uiformt, ka vi fide et N, således at d(f(s, f (s < ε for alle og alle s S. (1.2 Da f er kotiuert i s, ka vi fide e omeg V om s, således at: d(f (s, f (s < ε for alle s V. (1.3 For vilkårlige s V fider vi, at d(f(s, f(s d(f(s, f (s + d(f (s, f (s + d(f (s, f(s < 3ε, (1.4 hvor det første og det sidste led vurderes ved hjælp af (1.2, medes det midterste led vurderes ved (1.3. 1
2 Da ε var vilkårlig viser (1.4, at f er kotiuert i s. Hvis S er kompakt, er uiform koverges det samme som koverges i rummet C(S, X, hvilket de æste sætig viser. Sætig 1.3 Hvis S er kompakt, (f C(S, X og f C(S, X, så er følgede udsag ækvivalete: (i f f i C(S, X (ii (f kovergerer uiformt mod f. Bevis: Lad først (i gælde og lad ε > være vilkårligt. Da d (f, f for, ka vi fide et N, således at d (f, f < ε for alle. (1.5 Samme med defiitioe på d giver (1.5, at d(f (s, f(s d (f, f < ε for alle s S og alle, (1.6 hvilket viser, at (f går mod f uiformt. Lad os u atage, at (ii gælder og lad ε > være vilkårligt. Vi ka da fide et N, således at d(f(s, f (s < ε for alle s S og alle, (1.7 som medfører, at d (f, f = sup{d(f (s, f(s s S} ε for alle. (1.8 Dette viser, at d (f, f for. Lad u (f være e følge af fuktioer fra S til C og sæt s (x = k=1 f k(x for alle x S. Vi siger, at række =1 f kovergerer puktvist, hvis række =1 f (x er koverget for ethvert x S (d.v.s., at følge (s (x er koverget for ethvert x S. Række =1 f siges at kovergere uiformt, hvis følge (s er uiformt koverget. De sidste sætig i dette afsit giver et kriterium for uiform koverges af e række af fuktioer. Sætig 1.4 (Weierstrass M test Lad (f være e følge af fuktioer fra S til C og lad (M R +, således at (i f (x M for alle x S og alle N (ii =1 M er koverget. 2
3 Da vil række =1 f kovergere uiformt og absolut på S. Bevis: Lad os først vise, at række kovergerer absolut, d.v.s. vi skal vise, at =1 f (x er koverget for ethvert x S. Dette følger imidlertid direkte af (i og (ii og sammeligigskriteriet for rækker (se opgave 16 i de udleverede opgaver. Det følger derefter af opgave 15 i samme sæt, at også række =1 f (x er koverget for ethvert x S. Vi sætter u f(x = f (x for alle x S (1.9 =1 Vi vil vise, at =1 f kovergerer uiformt mod f, så lad dertil ε > være vilkårligt. Da (ii gælder, ka vi fide et N, således at = M < ε. Med dette valg af fider vi, at der for alle og alle x S gælder: f(x f k (x = k=1 k=+1 f k (x k=+1 k=+1 f k (x (1.1 M k < ε (1.1 viser, at følge ( k=1 f k kovergerer uiformt mod f. 2 Addedum til beviset for oteres Lemma 5.1 Vi vil bruge samme otatio som i otere. Beviset for Lemma 5.1 giver, at række =1 x kovergerer uiformt for x [ 1, 1] mod e fuktio f : [ 1, 1] R. Sætig 1.2 giver, at f er kotiuert. Vi magler at vise, at f(x = (1 + x 1/2 for alle x [ 1, 1]. Vi viser først, at f(x = (1 + x 1/2 for alle x ] 1, 1[. E sætig om potesrækker, som vi ikke vil vise her, giver, at f er differetiabel i ] 1, 1[, og differetialkvotiete fås ved at differetiere række ledvist. For ethvert gælder der: = 1/2 + 1, +1 således at vi har: ( 1/2 1/2 ( 1/2 = ( (2.1 3
4 Lad u x ] 1, 1[ vaere vilkårlig. Ved differetiatio fider vi: 1/2 = f (x = x x =1 =1 x 1 = eller med adre ord at f opfylder differetialligige: f (x = ( 1/2 ( + 1 x = ( = x 1 = 1/2f(x xf (x, 1 f(x for alle x ] 1, 1[ (2.3 2(1 + x Det ses umiddelbart, at fuktioe (1 + x 1/2 er løsig til dee ligig, og da f( = 1, fås af etydighedssætige for løsiger til differetialligiger (det er faktisk MAT A stof, me sætige i vore oter ka aturligvis også beyttes!, at f(x = (1 + x 1/2 for alle x ] 1, 1[. Da begge fuktioer er kotiuerte, er mægde A = {x [ 1, 1] f(x (1 + x 1/2 = } e lukket delmægde af itervallet [ 1, 1]. Da ] 1, 1[ A, må A = [ 1, 1]. Vi har dermed vist, at f(x = (1 + x 1/2 for alle x [ 1, 1] 3 Bemærkiger til oteres Eksempel 5.1 Vi ka formulere koklusioe i eksemplet i følgede sætig: Sætig 3.1 Lad S = {z C z 1}, og lad A være delalgebrae af C(S, C beståede af alle polyomier i de variable z. Hvis f C(S, C er defieret ved f(z = z for alle z S, så vil f A. A er altså ikke tæt i C(S, C til trods for, at de ideholder de kostate fuktioer og separerer pukter i S. Bevis: Lad of atage, at f A. Vi ka da fide et polyomium P, således at Hvis er grade af polyomiet, så har P forme z P (z < 1/2 for alle z S. (3.1 P (z = a k z k for alle z S, (3.2 hvor {a, a 2,,, a } C Hvis t 2π, sætter vi e it = cos t + i si t. Der gælder da, at e it = 1, e it = e it og (e it k = e ikt (de sidste ligig vises ved iduktio og beyttelse af additiosformlere for cos og si. 4
5 Idsætter vi z = e it i (3.1, fås: e it a k e ikt < 1/2 for alle t [, 2π]. (3.3 Ved multiplikatio af dee ligig med e it = 1, fider vi at: 1 a k e it(k+1 < 1/2 for alle t [, 2π]. (3.4 Det følger umiddelbart af defiitioe, at 2π e ikt dt = for alle hele tal k med k. Ved beyttelse af dette får vi ved itegratio af (3.4: 2π = 2π (1 a k e i(k+1t dt 2π 1 a k e i(k+1t dt < π, (3.5 hvilket klart er e modstrid. 5
cos(t), v(t) = , w(t) = e t, z(t) = e t.
Aalyse Øvelser Rasmus Sylvester Bryder. og. oktober 3 Bevis for Cotiuity lemma Theorem. Geemgås af Michael Staal-Olse. Bevis for Lemma.8 Dee har vi faktisk allerede vist; se Opgave 9.5 fra Uge. Det er
Læs 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 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 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 mereBaggrundsnote til sandsynlighedsregning
Baggrudsote til sadsylighedsregig Kombiatorik. Multiplikatiospricippet E mægde beståede af forskellige elemeter kaldes her e -mægde. Elemetere i e m-mægde og elemetere i e -mægde ka parres på i alt m forskellige
Læs mereTalfølger og -rækker
Da Beltoft og Klaus Thomse Aarhus Uiversitet 2009 Talfølger og -rækker Itroduktio til Matematisk Aalyse Zeos paradoks om Achilleus og skildpadde Achilleus løber om kap med e skildpadde. Achilleus løber
Læs 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 mereSandsynlighedsteori 1.2
Forelæsigsoter til Sadsylighedsteori.2 Sved Erik Graverse Jauar 2006 Istitut for Matematiske Fag Det Naturvideskabelige Fakultet Aarhus Uiversitet. Mometproblemet. I dette afsit beteger X e stokastisk
Læs mereProjekt 4.11 Produkt- og brøkreglerne for differentiation
ISBN 978-87-766-98- Projekter: Kapitel. Projekt. Produkt- o brøkrelere for differetiatio Projekt. Produkt- o brøkrelere for differetiatio Materialere i dette projekt idår for e stor del i rudboe til A-iveau.
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 mereOpgave 1. a) f : [a, b] R er en begrænset funktion for hvilken. A ε = {x [a + ε, b] f(x) 0}
Opgve ) f : [, b] R er e begræset fuktio for hvilke er edelig for ethvert < ε < b. Vi skl vise t f er itegrbel og t A ε = { [ + ε, b] } d =. Vi bemærker først t f er itegrbel på [, b] hvis og ku hvis de
Læs mereMatematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter
Matematikkes mysterier - på et obligatorisk iveau af Keeth Hase 7. Ligiger, polyomier og asymptoter Hvad er e asymotote? Og hvorda fides de? 7. Ligiger, polyomier og asymptoter Idhold 7.0 Idledig 7.1 Udsag
Læs merer n E[ X n ]/n! for alle r > 0 ifølge monoton konvergens, giver potensrækketeori, at ( ) er ækvivalent med, at ρ n E[ X n ]/n!
Mometproblemet. Lad i dette afsit X betege e stokastisk variabel med mometer af ehver orde. Mometfølge (E[X ]) er derfor e vel defieret reel talfølge bestemt ved fordelige, og spørgsmålet om, de omvedt
Læs merea b cos. n=1 er positiv på N. Vi kan nu benytte sammenligningskriteriet (sætning ) og sammenligne 2a sin ( )
Opgve Vi skl bestemme de tlpr (, for hvilke række b cos = er koverget. Først beytter vi divergeskriteriet (sætig 2..4) til t kræve t leddee må gå mod ul for gåede mod uedelig. Dette giver os t = b cos()
Læs mereOm Følger og Rækker. Nyttige Grænseværdier. Nyttige Rækker. Carsten Lunde Petersen. lim. lim = 0. lim (1 + x n n )n = e x. n n n.
IMFUFA Carste Lude Peterse Om Følger og Ræer Nyttige Græseværdier lim = 1 lim! = x = 0! lim lim (1 + x ) = e x! lim = e 1 Nyttige Ræer 1 p < p > 1 1 log p ( + 1) < p > 1 x = = x 1 x for x < 1 og Z, diverget
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 mereMOGENS ODDERSHEDE LARSEN. Fourieranalyse
MOGENS ODDERSHEDE LARSEN Fourieraalyse. udgave 7 FORORD Dette otat giver e kort idførig i teorie for fourierrækker og fouriertrasformatio. Det forudsættes i dette otat, at ma har rådighed over matematiklommeregere
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 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 mereDenne kaldes også potensmængden over Ω og betegnes ofte 2 Ω. Notationen beror på, at man via relationen
Idledig. De modere sadsylighedsteori, hvis aksiomatiske basis blev formuleret af russere A.N. Kolmogorov i 1933 i boge Grudbegriffe der Wahrscheilichkeitrechug, er bygget op omkrig et tripel ofte beteget
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 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 mereIndre, ydre, rand og afslutning 2.2. Åbne og afsluttede mængder 2.3. Topologiske begreber. Ækvivalente metrikker 2.4.
MATEMATIK 2~ MATEMATISK ANALYSE 1984-85 Kapitel I. METRISKE RUM 1. Metriske rum. Normerede rum. 1. 1. Metrik 1.2. Normeret rum 1. 3. Kugler i et metrisk rum 1.4. Kovergete følger Opgaver til 1 r. 1.1 r.
Læs mereBjørn Grøn. Analysens grundlag
Bjør Grø Aalyses grudlag Aalyses grudlag Side af 4 Idholdsfortegelse Kotiuerte og differetiable fuktioer 3 Differetial- og itegralregiges udviklig 5 3 Hovedsætiger om differetiable fuktioer 8 Opgaver til
Læs mereStudyGuide til Matematik B.
StudyGuide til Matematik B. OVERSIGT. Dee study guide ideholder følgede afsit Geerel itroduktio. Emeliste. Eksame. Bilag 1: Udervisigsmiisteriets bekedtgørelse for matematik B. Bilag 2: Bilag 3: Uddrag
Læs mereRettevejledning til HJEMMEOPGAVE 1 Makro 1, 2. årsprøve, foråret 2007 Peter Birch Sørensen
Rettevejledig til HJEMMEOPGAVE Makro, 2. årsprøve, foråret 2007 Peter Birch Sørese Opgave... Udsaget er forkert. De omtalte skatteomlægig må atages at øge beskæftigelse p.gr.a. e positiv substitutioseffekt
Læs mereRegularitetsbetingelserne i simple modeller
Kapitel 7 Regularitetsbetigelsere i simple modeller I dette kapitel vil vi udersøge forskellige modeller med uafhægige, idetisk fordelte variable, rækkede fra det trivielle til det gaske geerelle. Målet
Læs mereDeskriptiv teori: momenter
Kapitel 13 Deskriptiv teori: mometer Vi vil i dette og det følgede kapitel idføre e række begreber der bruges til at beskrive sadsylighedsmål på (R, B). Samtlige begreber udspriger i e eller ade forstad
Læs mereProgram. Middelværdi af Y = t(x ) Transformationssætningen
Program Statistik og Sadsylighedsregig 2 Trasformatio af kotiuerte fordeliger på R, flerdimesioale kotiuerte fordeliger, mere om ormalfordelige Helle Sørese Uge 7, osdag I formiddag: Opfølgig på trasformatiossætige
Læs mereNogle Asymptotiske Resultater. Jens Ledet Jensen Matematisk Institut, Aarhus Universitet. 1 Indledning 1
Nogle Asymptotiske Resultater Jes Ledet Jese Matematisk Istitut, Aarhus Uiversitet Idhold Idhold i Idledig 2 Resultater i et geerelt set-up 7 2. Eksistes af et kosistet estimat............... 7 2.2 Asymptotisk
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 mereM Å L T E O R I S A N D S Y N L I G H E D S T E O R I 1. 1 F O R E L Æ S N I N G S N O T E R S V E N D E R I K G R A V E R S E N O G
F O R E L Æ S N I N G S N O T E R T I L M Å L T E O R I O G S A N D S Y N L I G H E D S T E O R I 1. 1 S V E N D E R I K G R A V E R S E N A U G U S T 2 0 0 5 I N S T I T U T F O R M A T E M A T I S K
Læs merej 0 1 -x dx = -log( 1-b) - k~1 -k-.
KBENHAVNS UNIVERSI'I'E'I' Naturvideskabelig embedseksame sommere 1975. MA'I'EMATIK 1 2 Skriftlig p~ve. Alle hjrelpemidlcr ka medbl~iges. Opgve r. 1 1 Lad b E [,1 [. Vis, st for =,1,2, grelder (b x+1 ~1
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 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 mere1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2
Idhold 1 Pukt- og itervalestimatio 2 1.1 Puktestimatorer: Cetralitet(bias) og efficies.................... 2 2 Kofidesiterval 3 2.1 Kofidesiterval for adel................................ 4 2.2 Kofidesiterval
Læs 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 mereR E E L L E F U N K T I O N E R.
Købehavs Uiversitets Hateratiske Istitut M A T E M A T I K 2 1962-63 B. Jesse Forelæsiger over R E E L L E F U N K T I O N E R. Mat 2, 1962-63 MI Kap.l Idledig. l. Weierstrass 11 approksimatiossætig. l,
Læs mereUdtrykkelige mængder og Cantorrækker
Udtrykkelige mægder og Catorrækker Expressible sets ad Cator series Matematisk speciale Simo Bruo Aderse 20303870 Vejleder: Simo Kristese Istitut for Matematik Aarhus Uiversitet 208 Abstract This thesis
Læs mereMOGENS ODDERSHEDE LARSEN. Komplekse tal
MOGENS ODDERSHEDE LARSEN Komplekse tal a b. udgave 004 FORORD Dette otat giver e kort idførig i teorie for komplekse tal, regeregler, røddere i polyomier bl.a. med heblik på avedelser ved løsig af lieære
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 mereSandsynlighedsregning 9. forelæsning Bo Friis Nielsen
Dages eer afsit 5.3 og 5.4 Siultae kotiuerte fordeliger P(X dx,y dy = f(x,ydxdy Sadsylighedsregig 9. forelæsig Bo Friis Nielse Mateatik og Coputer Sciece Daarks Tekiske Uiversitet 8 Kgs. Lygby Daark Eail:
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 mereRiemann-integraler. enote Indledning
enote 1 1 enote 1 Riema-itegraler I dee enote vil vi opstille og give eksempler på de tekikker, metoder, og resultater, som er helt ødvedige hjælpemidler år vi skal fide lægder af kurver, arealer af plae
Læs mereDen hurtige Fouriertransformation. Jean Baptiste Joseph Fourier ( )
De hurtige Fouriertrasformatio Jea Baptiste Joseph Fourier (768-83) Polyomier Polyomium: p + 2 3 4 ( x) = 5 + 2x + 8x + 3x 4x Geerelt: p(x) = eller! " i= a i x i p(x) = a + a x + a 2 x 2 +!+ a! x! 2 Evaluerig
Læs mereFUNKTIONER del 1 Funktionsbegrebet Lineære funktioner Eksponentialfunktioner Logaritmefunktioner Rentesregning Indekstal
FUNKTIONER del Fuktiosbegrebet Lieære fuktioer Ekspoetialfuktioer Logaritmefuktioer Retesregig Idekstal -klassere Gammel Hellerup Gymasium November 08 ; Michael Szymaski ; mz@ghg.dk Idholdsfortegelse FUNKTIONSBEGREBET...
Læs mereØkonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006
Dages program Økoometri De multiple regressiosmodel 5. februar 006 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.-3.3+appedix E.-E.) Defiitio og motivatio Fortolkig af parametree
Læs mereForelæsningsnoter til Stokastiske Processer E05. Svend-Erik Graversen Revideret af Jan Pedersen Kapitel 12 og Appendix B og G af Jan Pedersen
Forelæsigsoter til Stokastiske Processer E5 Sved-Erik Graverse Revideret af Ja Pederse Kapitel 12 og Appedix B og G af Ja Pederse 16. august 25 Forord Nærværede otesæt skal bruges i forbidelse med kurset
Læs mereSandsynlighedsregning 9. forelæsning Bo Friis Nielsen
Dages eer afsit 5.3 og 5.4 Siultae kotiuerte fordeliger P(X dx,y dy f(x,ydxdy Sadsylighedsregig 9. forelæsig Bo Friis Nielse Mateatik og Coputer Sciece Daarks Tekiske Uiversitet 8 Kgs. Lygby Daark Eail:
Læs mereDiskrete og kontinuerte stokastiske variable
Diskrete og kotiuerte stokastiske variable Beroulli Biomial fordelig Negativ biomial fordelig Hypergeometrisk fordelig Poisso fordelig Kotiuerte stokastiske variable Uiform fordelig Ekspoetial fordelig
Læs mereog Fermats lille sætning
Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( { 0 }, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage
Læs 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 mereDagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro
Dages forelæsig Grudlæggede itroduktio til obligatioer Claus Muk kap. - 3 Betaligsrækker og låeformer Det daske obligatiosmarked Effektive reter 2 Obligatioer Grudlæggede Itro Obligatioer Grudlæggede Itro
Læs mereClaus Munk. kap. 1-3
Claus Muk kap. 1-3 1 Dages forelæsig Grudlæggede itroduktio til obligatioer Betaligsrækker og låeformer Det daske obligatiosmarked Pris og kurs Effektive reter 2 1 Obligatioer Grudlæggede Itro Debitor
Læs 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 mereGamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)
Gamle eksamesopgaver Diskret Matematik med Avedelser (DM72) & Diskrete Strukturer(DM504) Istitut for Matematik& Datalogi Syddask Uiversitet, Odese Alle sædvalige hjælpemidler(lærebøger, otater etc.), samt
Læs 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 mereAnvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse
Avedt Statistik Lektio 3 Pukt- og itervalestimater Kofidesitervaller Valg af stikprøvestørrelse Pukt- og itervalestimater: Motivatio Motiverede eksempel: I e udersøgelse er adele af rygere 0.27. Det aslås
Læs mereGeorg Mohr Konkurrencen Noter om uligheder. Søren Galatius Smith
Georg Mohr Kokurrece Noter om uligheder Søre Galatius Smith. juli 2000 Resumé Kapitel geemgår visse metoder fra gymasiepesum, som ka bruges til at løse ulighedsopgaver, og ideholder ikke egetligt yt stof.
Læs mereKvantemekanik 4 Side 1 af 11 Energi og tid. Hamiltonoperatoren
Kvateekaik 4 Side 1 af 11 ergi og tid Hailtooperatore Af KM3 fregik det, at ehver observabel er repræseteret ved e operator, f.eks. jf. udtryk (3.1) og (3.). Ispireret af det klassiske udtryk for kietisk
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 mereTankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353
Takegagskompetece Hesigte med de følgede afsit er først og fremmest at skabe klarhed over de mere avacerede regeregler i skole og give resultatet i de almee form, der er karakteristisk for algebra. Vi
Læs mereog Fermats lille Projekt 0.4 Modulo-regning, restklassegrupperne sætning ..., 44, 20,4,28,52,... Hvad er matematik? 3 ISBN
Projekt 0.4 Modulo-regig, restklassegruppere sætig ( p 0, ) og Fermats lille Vi aveder moduloregig og restklasser mage gage om dage, emlig år vi taler om tid, om hvad klokke er, om hvor lag tid der er
Læs 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 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 mereAsymptotisk optimalitet af MLE
Kapitel 4 Asymptotisk optimalitet af MLE Lad Y 1, Y 2,... være uafhægige, idetisk fordelte variable med værdier i et rum (Y,K). Vi har givet e model (ν θ ) θ Θ for fordelige af Y 1 (og dermed også for
Læs 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 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 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 mereEksempel 10.1 En autoregressiv proces af orden 1 (ofte blot kaldet en AR(1)- proces) pårhar et opdateringsskema (10.1) med funktionen. for y R.
Kapitel 0 Markovkæder Vi vil i det følgede studere processer Y 0, Y, Y 2,... med værdier irgivet på forme Y = f (Y +ǫ for =, 2,... (0. Her erǫ,ǫ 2,... e følge af iid støjvariable med middelværdi 0, alle
Læs mereBachelorprojekt for BSc-graden i matematik
D E T N A T U R V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T Bachelorprojekt for BSc-grade i matematik Mikkel Abrahamse & Sue Precht Reeh Ekstremal grafteori Vejleder:
Læs mereKOMPLEKSE TAL x-klasserne Gammel Hellerup Gymnasium
KOMPLEKSE TAL x-klassere Gammel Hellerup Gymasium Februar 09 ; Michael Symaski ; m@ghg.dk Idholdsfortegelse E kort historie om imagiært og virkeligt... Tallegemet De Komplekse Tal... Idførelse af realdel
Læs mereStikprøvefordelinger og konfidensintervaller
Stikprøvefordeliger og kofidesitervaller Stikprøvefordelige for middelværdi De Cetrale Græseværdi Sætig Egeskaber Ved Estimatore Kofidesitervaller t-fordelige Estimator og estimat E stikprøve statistik
Læs 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 mereHovedpointer fra SaSt
Hovedpoiter fra SaSt Marti Nørgaard Peterse 13. februar 2018 Følgede geemgår udvalgte begreber fra E Itroduktio til Sadsylighedsregig af M. Sørese (9. udgave), Itroductio to Likelihood-based Estimatio
Læs mereTermodynamik. Indhold. Termodynamik. Første og anden hovedsætning 1/18
ermodyamik. Første og ade hovedsætig /8 ermodyamik Idhold. Isoterme og adiabatiske tilstadsædriger for gasser...3 3. ermodyamikkes. hovedsætig....5 4. Reversibilitet...6 5. Reversibel maskie og maksimalt
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 mereAsymptotisk estimationsteori
Kapitel 5 Asymptotisk estimatiosteori De fleste eksperimeter har e idbygget størrelse, som regel kaldet eller N. Dette repræseterer typisk atallet af foretage måliger, atallet af udersøgte idivider, atallet
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 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 mereDe Platoniske legemer De fem regulære polyeder
De Platoiske legemer De fem regulære polyeder Ole Witt-Hase jauar 7 Idhold. Polygoer.... Nogle topologiske betragtiger.... Eulers polyedersætig.... Typer af et på e kugleflade.... Toplasvikle i e regulær
Læs 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 mereStatistik Lektion 8. Test for ens varians
Statitik Lektio 8 Tet for e varia ra tidligere Hvi populatioe er ormalfordelt med varia, å gælder ( ) S ~ χ hvor er tikprøve tørrele og S er tikprøvevariae. χ -fordelig med - frihedgrader χ Tet af Variae
Læs mereForslag til besvarelser af opgaver m.m. i ε-bogen, Matematik for lærerstuderende
Forslag til besvarelser af opgaver m.m. i ε-boge, Matematik for lærerstuderede Dette er førsteudgave af opgavebesvarelser udarbejdet i sommere 008. Dokumetet ideholder forslag til besvarelser af de fleste
Læs merex-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasium Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 SANDSYNLIGHEDSFELT... 3 DE STORE TALS LOV... 4 Sadsyligheder og frekveser:... 4 STOKASTISK
Læs 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 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 mereAnalyse 1, Prøve maj Lemma 2. Enhver konstant funktion f : R R, hvor f(x) = a, a R, er kontinuert.
Alyse, Prøve. mj 9 Alle hevisiger til TL er hevisiger til Klkulus 6, Tom Lidstrøm. Direkte opgvehevisiger til Klkulus er givet med TLO, ellers er lle hevisiger til steder i de overordede fsit. Hevises
Læs mereProgram. Ensidet variansanalyse Normalfordelingen. Antibiotika og nedbrydning af organisk materiale. Tegninger
Faculty of Life Scieces Program Esidet variasaalyse Normalfordelige Claus Ekstrøm E-mail: ekstrom@life.ku.dk Esidet variasaalyse (oe-way ANOVA) Hvilke type data? Hvad er problemstillige? Variatio mellem
Læs mereAfgør for hver af følgende rækker om den er divergent, betinget konvergent eller absolut konvergent. 2 n. n=1 2n (n + 1)2 1 = 2(n + n+1
Analyse Reeksamen 00 Rasmus Sylvester Bryder 5. august 0 Opgave Afgør for hver af følgende rækker om den er divergent, betinget konvergent eller absolut konvergent. ( ) n n +3n+7 n= n + For alle n N vil
Læs mereKOMPLEKSE TAL x-klasserne Gammel Hellerup Gymnasium
KOMPLEKSE TAL x-klassere Gammel Hellerup Gymasium Idholdsfortegelse E kort historie om imagiært og virkeligt... Tallegemet De Komplekse Tal... Idførelse af realdel og imagiærdel samt i... 8 Subtraktio,
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 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 mereNotater til Analyse 1
Alyse 1 Jørge Vesterstrøm Forår 2004 Notter til Alyse 1 Idhold Forord 1 1. Om dobbeltsummer 1 2. Eksistes f e ikke målelig mægde 2 3. Bevis for e del f Prop. 3.15 3 4. Riem-itegrlet og trppefuktioer 4
Læs mereØvelser til fremme af forståelsen af den kvantemekaniske bølgemekanik
Syddask Uiversitet, Tekisk Fakultet Øvelser til fremme af forståelse af de kvatemekaiske bølgemekaik FY521, projekt r.1 Simo Holst Traberg-Larse og Søre Emil Weger Peterse d. 15. februar 2013 Dette projektdokumet
Læs mereKap. 1: Integralregning byggende på stamfunktioner.
- - Kp. : Itegrlregig yggede på stmfuktioer... Specielle egesker ved fuktioer. Defiitio... E fuktio f siges t være egræset i et itervl I, hvis f er defieret i itervllet, og hvis der fides to tl k og K,
Læs merePrisfastsættelse af digitale goder - Microsoft
Iteretøkoomi: risfastsættelse af digitale goder Afleveret d. 9 maj 003 Af Julie ech og Malee Aja org risfastsættelse af digitale goder - Microsoft Af Julie ech og Malee Aja org.0.0 DIGITALE GODER....0.0
Læs mereKompendie Komplekse tal
Kompedie Komplekse tal Prebe Holm 08-06-003 "!#!%$'&($)+*-,. cos(s + t) )0/ si(s + t) Trigoometri er måske ikke så relevat, år ma såda umiddelbart sakker om komplekse tal. Me faktisk avedes de trigoometriske
Læs 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 mereØkonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1
Økoometri 1 Iferes i de lieære regressiosmodel 9. september 006 Økoometri 1: F7 1 Dages program Opsamlig af hemmeopgave om Mote Carlo eksperimeter Mere om hypotesetest: Ekelt lieær restriktio på koefficieter
Læs mere