7. ΜΗ ΓΡΑΜΜΙΚΑ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ
|
|
- Πηνελόπεια Ζάνος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 7. ΜΗ ΓΡΑΜΜΙΚΑ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ 7. Παραμετροποίηση αντιστρόφων προβλημάτων Τα διακριτά αντίστροφα προβλήµατα όπως έχουµε δει αντιµετωπίζουν σχέσεις παραµέτρων ενός φυσικού προβλήµατος και µετρήσεις κάποιου µεγέθους d που σχετίζεται µε τις παραµέτρους µέσω κάποιας σχέσης f(,d) = που την έχοµε χαρακτηρίσει «µοντέλο». Σε προηγούµενα κεφάλαια είδαµε πως µπορεί να αντιµετωπισθεί ένα αντίστροφο πρόβληµα όταν το µοντέλο είναι της γραµµικής µορφής G = d. Επίσης είδαµε πως µπορούν να ξιοποιηθούν εκ προοιµίου πλροφορίες για παραµέτρους και µετρήσεις µε την υπόθεση πάντα του γραµµικού µοντέλου. Στο σηµείο αυτό να παρατηρήσοµε ότι το είδος των µετρήσεων είναι σηµαντικός παράγοντας για την αντιµετώπιση ενός αντιστρόφου προβλήµατος. ιαφορετικό είδος µετρήσεων για τις ίδιες παραµέτρους µπορεί να οδηγήσει σε διαφορετικές εκτιµήσεις παραµέτρων. Για παράδειγµα ας δούµε την περίπτωση του υπολογισµού της εξίσωσης ευθείας που πρέπει να «περνά» από Ν σηµεία που αντιστοιχούν σε ισάριθµα ζεύγη ( z, d ). Εάν θεωρήσοµε ότι τα z, =,.. N υπολογίζονται ακριβώς αλλά όχι και τα d και µάλιστα ότι η µέτρηση γίνεται µε πιθανότητα λάθους που ακολουθεί κανονική κατανοµή, παίρνοµε λύση ελαχίστων τετραγώνων. Μπορεί όµως να θεωρήσοµε ότι τα ακριβή στοιχεία είναι τα d, =,.. N ενώ το µετρούµενο µε λάθος είναι το z. Εάν εφαρµόσουµε όσα γνωρίζοµε και αναζητήσοµε λύση ελαχίστων τετραγώνων θα πάροµε διαφορετική λύση, όπως µπορεί εύκολα κανείς να διαπιστώσει εάν επιχειρήσει να εκτιµήσει τις παραµέτρους της ευθείας που αντιστοιχεί στα ζεύγη (,), (,), (3,3), (4,5). Εάν θεωρήσοµε το πρώτο στοιχείο των ζευγών ως την ακριβή τετµηµένη θα πάροµε εξίσωση της µορφής d =.5+.3z. Εάν αντίθετα θεωρήσοµε το δεύτερο στοιχείο των ζευγών ως την ακριβή τετµηµένη, η νέα παραµετροποίηση θα αντιστοιχίσει το z d ' και το d z ' και η λύση ελαχίστων τετραγώνων θα δώσει d ' = z '. Με δεδοµένη την αντιστοίχηση στη νέα παραµετροποίηση µπορούµε να γράψοµε z ' = d ' Υπάρχει συνεπώς σηµαντική διαφορά ανάµεσα στις δύο ευθείες Η αλλαγή στην παραµετροποίηση έχει τις εξής συνέπειες στην αντιµετώπιση ενός αντιστρόφου προβλήµατος : 66
2 . Αλλαγή στη συνάρτηση πυκνότητας πιθανότητας για τις νέες παραµέτρους. Ας υποθέσοµε ότι έχοµε να αντιµετωπίσοµε ένα αντίστροφο πρόβληµα για το οποίο γνωρίζοµε ότι η συνάρτηση πυκνότητας πιθανότητας για τη µέτρηση d ακολουθεί οµοιόµορφη κατανοµή στο διάστηµα [,] (Σχήµα 7.) P(d) P(d ) d d α β Σχήµα 7. Συνάρτηση πυκνότητας πιθανότητας για τις d και d Εάν στη νέα παραµετροποίηση θεωρήσοµε ότι παίρνοµε d ' = d τότε η συνάρτηση πυκνότητας πιθανότητας για την d ' υπολογίζεται από τη γνωστή σχέση : για d ' = g( d). Έτσι στην περίπτωσή µας έχοµε : P( d ') = P( d) g '( d ) (7.) P( d ') = / ( d ') (7.) Τα παραπάνω αποτυπώνονται στο σχήµα 7.β στο οποίο φαίνεται η διαφορά στις δύο συναρτήσεις.. Αλλαγή στις εκτιµώµενες τιµές παραµέτρων του αντίστροφου προβλήµατος. Αυτό το είδαµε ήδη στο παράδειγµα της ευθείας γραµµής όταν ακολουθηθεί η µέθοδος επίλυσης µε ελάχιστα τετράγωνα. Μπορούµε να το δούµε και στην περίπτωση που ακολουθηθεί η µέθοδος µέγιστης πιθανοφάνειας. Στο ανωτέρω παράδειγµα εάν θεωρήσοµε ότι η αλλαγή στην παραµετροποίηση αφορά στη παράµετρο για την οποία ισχύει ' = και αναζητήσοµε λύση µέγιστης πιθανοφάνειας µέσω της συνάρτησης πυκνότητας πιθανότητας, βλέποµε ότι η παράµετρος δεν παρουσιάζει µέγιστο ενώ αντίθετα η έχει µέγιστο στο 67
3 ==. Εάν θελήσοµε να υπολογίσοµε το µέσο για τις δύο κατανοµές, θα πάροµε διαφορετικά αποτελέσµατα επίσης : E[ ] = P( ) = = (7.3) E[ '] = ' P( ') ' = ' ' = 3 (7.4) Συνεπώς ο αναµενόµενος µέσος του δεν αντιστοιχεί στο τετράγωνο του αναµενόµενου µέσου του. Βλέποµε λοιπόν µία ακόµη πτυχή των αντιστρόφων προβληµάτων που σχετίζεται µε την ιδιότητά τους να µην είναι καλώς τεθιµένα. Ωστόσο η αλλαγή παραµετροποίησης µπορεί να βοηθήσει πολύ στο να αλλάξουµε τη µορφή ενός αντιστρόφου προβλήµατος και για παράδειγµα από µη γραµµικό να γίνει γραµµικό και να λυθεί ευκολότερα. Στα πρώτα παραδείγµατα των σηµειώσεων είδαµε την περίπτωση της αξονικής τοµογραφίας και πως µπορούµε να καταλήξοµε σε ένα προσεγγιστικό γραµµικό αντίστροφο πρόβληµα. Θα δώσουµε εδώ ένα ακόµη παράδειγµα πριν προχωρήσοµε στην ανάλυση των µη γραµµικών αντιστρόφων προβληµάτων. Θεωρείστε ότι παράµετροι και µετρήσεις συνδέονται µέσω της σχέσης d = exp( z ) (7.5) Η αλλαγή στην παραµετροποίηση µεταφέρει σε ένα αντίστροφο πρόβληµα της µορφής = l( ), = και d = l( d ) µας ' ' ' ' ' ' d = + z (7.6) που επιλύεται µε τεχνικές που έχοµε ήδη δει, π.χ. µε ελάχιστα τετράγωνα στην ' περίπτωση που θεωρήσοµε ότι οι µετρήσεις των d υπόκεινται σε λάθη που ακολουθούν κανονική κατανοµή. Προσοχή όµως. Η τελευταία υπόθεση συνεπάγεται ότι οι αρχικές µετρήσεις d δεν πρέπει να ακολουθούν κανονική κατανοµή! Συνεπώς η γραµµικοποίηση πρέπει να εφαρµπόζεται µε προσοχή. Έχει συνεπώς µεγάλη σηµασία να δούµε πως µπορούν να αντιµετωπισθούν προβλήµατα στα οποία µετρήσεις και παράµετροι σχετίζονται µε µη γραµµικές σχέσεις. 68
4 7. Μη γραμμικά αντίστροφα προβλήματα. 7.. Εισαγωγή Ένα γενικό διακριτό αντίστροφο πρόβληµα για δεδοµένα d διάστασης Ν και παραµέτρους διάστασης Μ είναι της µορφής f(,d ) =. Η µορφή είναι έµµεση όπως έχοµε πει αφού δεν διαχωρίζονται τα δεδοµένα από τις µετρήσεις. Υποθέτοµε ότι d( f ) = p M + N, υπόθεση που δεν είναι µακριά από την πραγµατικότητα στα περισσότερα αντίστροφα προβλήµατα που αντιµετωπίζοµε. Για να δούµε πως µπορούµε να τα αντιµετωπίσοµε στη γενική περίπτωση θα ξεκινήσοµε µε κάποιες υποθέσεις : Θεωρούµε ότι τα δεδοµένα µας d ακολουθούν κανονική κατανοµή µε [cov d] γνωστό και αντίστοιχα έχοµε αρχικές πληροφορίες για τις παραµέτρους ( < > και [cov ]) που επίσης ακολουθούν κανονική κατανοµή. ηµιουργούµε ένα καινούργιο διάνυσµα x= [ d, ] T για το οποίο ο πίνακας συνδιακύµανσης περιλαµβάνει τους πίνακες [cov d] και [cov ] σε διαγώνια µπλόκ. Γενικά τα µη διαγώνια στοιχεία θα µπορούσαν να είναι µη µηδενικά υποδεικνύοντας σχέση ανάµεσα στις παραµέτρους και στις µετρήσεις. εν θα µπούµε σε τόσο ειδικές περιπτώσεις πάντως. Με βάση όσα γνωρίζοµε µέχρι τώρα, µπορούµε από τις υποθέσεις που κάναµε να πάροµε την κατανοµή πιθανότητας του x από τη σχέση : όπου [ obs T < x>= d, < > ]. T PA ( ) exp[ ( ) [cov ] ( x )] x x < x > x < x > (7.7) Χρησιµοποιώντας την έννοια της µέγιστης πιθανοφάνειας, θα µπορούσαµε να θεωρήσοµε τη συνάρτηση PA ( x) ως συνάρτηση πιθανοφάνειας και να αναζητήσοµε λύση στην ελαχιστοποίηση του όρου τον περιορισµό f(x ) =. T Φ= [( x < x > ) [cov x ] ( x < x > )] κάτω από Χρησιµοποιώντας πολλαπλασιαστές Lagrage, παίρνοµε ένα σύστηµα εξισώσεων της µορφής : που γράφεται στη µορφή p Φ / x = λ f / x (7.8) j j j= [ ] [cov ] T Τ x < x> x = λ F (7.8α) 69
5 όπου λ είναι το διάνυσµα των πολλαπλασιαστών Lagrage και F είναι ο πίνακας των κλίσεων f. Από τη σχέση (7.8α) παίρνοµε διαδοχικά : Με αντικατάσταση στην 7.9α παίρνοµε : T Τ [ x < x> ] = [cov xλ ] F (7.9) [ x < x> ] = [cov x] F T λ (7.9α) F[ x < x> ] = F[cov x] F T λ (7.9β) απ όπου έχοµε : T λ= ( F[cov x] F ) F[ x < x > ] (7.) T T [ < > ] = [cov ] ( [cov ] ) [ < > ] x x x F F x F F x x (7.) Η εξίσωση αυτή πρέπει να λυθεί ταυτόχρονα µε την f(x ) = για να µας δώσει τις τιµές του x που δικαιολογούν µε τον καλύτερο τρόπο τις µετρήσεις τα στατιστικά των παραµέτρων. T T [ ] [cov ] ( [cov ] ) [ ] obs d µε δεδοµένα x < x> = x F F x F F x < x> f(x) (7.) Ωστόσο η εξίσωση 7. δεν είναι εύκολο να επιλυθεί, αφού τα στοιχεία x βρίσκονται και στα δύο µέρη και µάλιστα µε έµµεση µη γραµµική µορφή. 7.. Μία επαναληπτική μέθοδος για την επίλυση του μη γραμμικού προβλήματος. Θα αναφερθούµε στη συνέχεια σε µία επαναληπτική µέθοδο για την επίλυση της εξίσωσης 7.. εν θα συζητήσοµε την απόδειξη της σύγκλισης της µεθόδου, αλλά θα αρκεστούµε στην υπόθεση ότι εάν έχοµε µία ένδειξη για ένα αρχικό διάνυσµα x πολύ κοντά στη λύση µέγιστης πιθανοφάνειας, η µέθοδος θα συγκλίνει στο διάνυσµα µέγιστης πιθανοφάνειας. Ξεκινώντας λοιπόν από το x, δηµιουργούµε διαδοχικές προσεγγίσεις ως εξής : x x x F F x F F x x f(x ) (7.3) T T + =< >+ [cov ] ( [cov ] ) [ < > ] όπου τα µεγέθη µε δείκτη υπολογίζονται για τις τιµές x. 7
6 Η διαδικασία απλοποιείται εάν έχοµε άµεση µη γραµµική µορφή για το αντίστροφο πρόβληµα, δηλαδή όταν υπάρχει σχέση της µορφής : d= g( ) (7.4) όπου η µη γραµµικότητα αποδίδεται µέσω της διανυσµατικής συνάρτησης g. Στην περίπτωση αυτή παίρνοµε : όπου { } g + =< >+ G d g( ) + G [ < > (7.5) [cov ] {[cov ] [cov ] } T T T { } g T T G = G d + G G = = [cov ] + G [cov d] G G [cov d] (7.6) Τα στοιχεία του πίνακα G αντιστοιχούν στις παραγώγους [ G ] = g /, =,... N και j=,... M και υπολογίζονται για τα στοιχεία του διανύσµατος j j. Σηµειώνουµε εδώ ότι τα ανωτέρω ισχύουν για ακριβή θεωρία. Επίσης σηµειώνουµε ότι ο υπολογισµός του [cov ] δεν είναι εύκολος για µη κανονική κατανοµή του (η υπόθεση για κανονική κατανοµή αφορά στα στατιστικά του ). Ωστόσο µε την υπόθεση πάντα για µικρές διαφορές ανάµεσα σε και χρησιµοποιήσοµε τη γραµµική σχέση : g gt T [cov ] G [cov d] G + [ I R][cov ][ I R] µπορούµε να (7.7) όπου R = G G. g Σηµειώνουµε τέλος ότι επαναληπτικές σχέσεις για τον υπολογισµό του µπορούν να προκύψουν εάν θεωρήσοµε ανάπτυγµα Taylor στη µη γραµµική σχέση d= g( ) γύρω από µια αρχική τιµή και ανώτερους : Εποµένως γράφοµε : και. Έχουµε αγνοώντας όρους τάξης 7 [ ] = + g( ) g( ) + g[ ] = g( ) + G [ ] (7.8) G + = d g( ) (7.9) = + (7.) + +
7 Ωστόσο η σχέση 7.9 µας παραπέµπει σε γραµµικό αντίστροφο πρόβληµα της µορφής που έχοµε συναντήσει ήδη σε προηγούµενα κεφάλαια. Συνεπώς µπορεί να λυθεί µε κάποια από τις µεθόδους που έχοµε επεξεργαστεί στια παρούσες σηµειώσεις. Με αρχική υπόθεση για το συνεπώς προκύπτουν διαδοχικά οι εκτιµήσεις για τα. Ως εφαρµογή ας δούµε την απλή περίπτωση που έχοµε δεδοµένα ασυσχέτιστα µε ενιαία διασπορά σ d χωρίς εκ προοιµίου πληροφορία για τις παραµέτρους. Ο συνδυασµός της λύσης της 7.9 µε ελάχιστα τετράγωνα και της 7. θα µας δώσει λύση της µορφής : G G G d g (7.) = + T T [ ] [ + ( )] Κλείνοντας το εισαγωγικό κεφάλαιο για τα µη γραµµικά αντίστροφα προβλήµατα υπογραµµίζοµε ότι οι απλοποιηµένες θεωρήσεις που είδαµε µέχρι τώρα αφορούν περιπτώσεις που τα σηµεία µέγιστης πιθανοφάνειας είναι καλά ορισµένα και οι αρχικές εκτιµήσεις για τη λύση κοντά στα εν λόγω σηµεία. υστυχώς στα περισσότερα προβλήµατα η συνάρτηση πιθανοφάνειας παρουσιάζει πολλά τοπικά µέγιστα και η επιλογή ανάµεσα σε αυτά της βέλτιστης λύσης δεν είναι πάντα εύκολη. Αντίστοιχα οι αρχικές εκτιµήσεις για το µπορεί να οδηγήσουν σε τοπικά µέγιστα που δεν αντιστοιχούν στη βέλτιστη λύση. Για όλους αυτούς τους λόγους η συζήτηση για την επίλυση µη γραµµικών αντιστρόφων προβληµάτων είναι στην πραγµατικότητα ατέρµων και εξειδικεύεται ανάλογα µε το είδος του αντίστροφου προβλήµατος, χρησιµοποιώντας την ανάλυση της θεωρίας (µοντέλου). 7
1.4 Λύσεις αντιστρόφων προβλημάτων.
.4 Λύσεις αντιστρόφων προβλημάτων. Ο τρόπος παρουσίασης της λύσης ενός αντίστροφου προβλήµατος µπορεί να διαφέρει ανάλογα µε τη «φιλοσοφία» επίλυσης που ακολουθείται και τη δυνατότητα παροχής πρόσθετης
Διαβάστε περισσότερα5. ΜΕΘΟΔΟΙ ΜΕΓΙΣΤΗΣ ΠΙΘΑΝΟΦΑΝΕΙΑΣ
5. ΜΕΘΟΔΟΙ ΜΕΓΙΣΤΗΣ ΠΙΘΑΟΦΑΕΙΑΣ 5. Η συνάρτηση μέγιστης πιθανοφάνειας Έστω µία τυχαία µεταβλητή η οποία αντιπροσωπεύει την µέτρηση κάποιας συγκεκριµένης ποσότητας µε πραγµατική αλλά άγνωστη τιµή θ σε ένα
Διαβάστε περισσότερα3.9 Πίνακας συνδιακύμανσης των παραμέτρων
Στην περίπτωσή µας έχοµε p= 1περιορισµό της µορφής : που γράφεται ως : ' = m + m z ' (3.47) 1 m Fm 1 = [1 z '] = [ '] = h m. (3.48) Η εξίσωση 3.46 στην περίπτωση αυτή χρησιµοποιώντας τους πίνακες που είδαµε
Διαβάστε περισσότερα3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ
3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ 3. Διαφορά μετρήσεων από εκτιμήσεις μετρήσεων. Όταν επιλύοµε ένα αντίστροφο πρόβληµα υπολογίζοµε ένα διάνυσµα παραµέτρων est m το οποίο αντιπροσωπεύει
Διαβάστε περισσότερα6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ
6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ 6. Διανυσματικοί χώροι παραμέτρων και μετρήσεων. Θα δανειστούµε για µία ακόµη φορά έννοιες της Γραµµικής Άλγεβρας προκειµένου να δούµε πως µπορούµε να χειριστούµε
Διαβάστε περισσότερα3.6 Μεικτά ορισμένα προβλήματα. 2. Γράφοµε τις ανωτέρω σχέσεις για q= 1,... Mσε διανυσµατική µορφή : G λ (3.30)
. Γράφοµε τις ανωτέρω σχέσεις για q=,... Mσε διανυσµατική µορφή : = G λ (3.30) 3. Επειδή ισχύει παράλληλα και d = G, αντικαθιστώντας το από την 3.30 στην αρχική εξίσωση παίρνοµε : d= G G λ / (3.3) 4. Εάν
Διαβάστε περισσότερα' ' ' ' ' ' ' e G G G G. G M ' ' ' ' G '
µετασχηµατισµό τέτοιο ώστε επιδρώντας στο λάθος πρόβλεψης e, ( e = e) να οδηγεί σε ελαχιστοποίηση του E = e e όταν ελαχιστοποιείται το Ε, να µετασχηµατίζει τον πίνακα G στον πίνακα G που να έχει άνω τριγωνική
Διαβάστε περισσότεραΣυστήµατα Μη-Γραµµικών Εξισώσεων Μέθοδος Newton-Raphson
Ιαν. 009 Συστήµατα Μη-Γραµµικών Εξισώσεων Μέθοδος Newton-Raphson Έστω y, y,, yn παρατηρήσεις µιας m -διάστατης τυχαίας µεταβλητής µε συνάρτηση πυκνότητας πιθανότητας p( y; θ) η οποία περιγράφεται από ένα
Διαβάστε περισσότεραιακριτά Αντίστροφα Προβλήµατα
Πανεπιστήµιο Κρήτης Τµήµα Μαθηµατικών ιακριτά Αντίστροφα Προβλήµατα Σηµειώσεις του Μαθήµατος βασισµένες κυρίως στο Βιβλίο : Geophyscal Data Analyss : Dscrete Inverse heory του Wllam Menke Μιχάλης Ταρουδάκης
Διαβάστε περισσότεραιακριτά Αντίστροφα Προβλήµατα
Πανεπιστήµιο Κρήτης Τµήµα Μαθηµατικών ιακριτά Αντίστροφα Προβλήµατα Σηµειώσεις του Μαθήµατος βασισµένες κυρίως στο Βιβλίο : Geophyscal Data Analyss : Dscrete Inverse Theory του Wllam Menke Μιχάλης Ταρουδάκης
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 7. Ροπή και Στροφορµή Μέρος πρώτο
ΚΕΦΑΛΑΙΟ 7 Ροπή και Στροφορµή Μέρος πρώτο Μέχρι εδώ εξετάσαµε την κίνηση ενός υλικού σηµείου υπό την επίδραση µιας δύναµης. Τα πράγµατα αλλάζουν δραµατικά αν αντί υλικού σηµείου έχοµε ένα στερεό σώµα.
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 8. Ροπή και Στροφορµή Μέρος δεύτερο
ΚΕΦΑΛΑΙΟ 8 Ροπή και Στροφορµή Μέρος δεύτερο Στο προηγούµενο Κεφάλαιο εξετάσαµε την περιστροφή στερεού σώµατος περί σταθερό άξονα. Εδώ θα εξετάσοµε την εξίσωση κίνησης στερεού σώµατος γενικώς. Πριν το κάνοµε
Διαβάστε περισσότεραΑκρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange
64 Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrage Ας υποθέσουµε ότι ένας δεδοµένος χώρος θερµαίνεται και η θερµοκρασία στο σηµείο,, Τ, y, z Ας υποθέσουµε ότι ( y z ) αυτού του χώρου δίδεται από
Διαβάστε περισσότεραΠαρουσίαση 2 η : Αρχές εκτίμησης παραμέτρων Μέρος 1 ο
Εφαρμογές Ανάλυσης Σήματος στη Γεωδαισία Παρουσίαση η : Αρχές εκτίμησης παραμέτρων Μέρος ο Βασίλειος Δ. Ανδριτσάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2. Τρισδιάστατες κινήσεις
ΚΕΦΑΛΑΙΟ Τρισδιάστατες κινήσεις Οι µονοδιάστατες κινήσεις είναι εύκολες αλλά ζούµε σε τρισδιάστατο χώρο Θα δούµε λοιπόν τώρα πως θα αντιµετωπίζοµε την κίνηση υλικού σηµείου στις τρεις διαστάσεις Ας θεωρήσοµε
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 4. ιατήρηση ορµής
ΚΕΦΑΛΑΙΟ 4 ιατήρηση ορµής Ας θεωρήσοµε δυο υλικά σηµεία και µε µάζες και αντιστοίχως που βρίσκονται την τυχούσα χρονική στιγµή στις αντίστοιχες διανυσµατικές ακτίνες και και έχουν αντίστοιχες ταχύτητες
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 11. Παγκόσµια έλξη
ΚΕΦΑΛΑΙΟ Παγκόσµια έλξη ύναµη µεταξύ υλικών σηµείων Σε ένα αδρανειακό σύστηµα συντεταγµένων θεωρούµε δυο σηµειακές µάζες και Η µάζα είναι ακίνητη στην αρχή των αξόνων και η µάζα βρίσκεται στη διανυσµατική
Διαβάστε περισσότεραMEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ Y= g( X1, X2,..., Xn)
MEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ g( Έστω τυχαίες µεταβλητές οι οποίες έχουν κάποια από κοινού κατανοµή Ας υποθέσουµε ότι επιθυµούµε να προσδιορίσουµε την κατανοµή της τυχαίας µεταβλητής g( Η θεωρία των ένα-προς-ένα
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 10. Ταλαντώσεις
ΚΕΦΑΛΑΙΟ 0 Ταλαντώσεις Στο Παράδειγµα 9 είδαµε τη µελέτη της κίνησης υλικού σηµείου µάζας, που βρίσκεται στο ένα άκρο ελατηρίου µε το άλλο άκρο του ελατηρίου σταθερό Θα επανεετάσοµε το ίδιο πρόβληµα εδώ
Διαβάστε περισσότεραQ 12. c 3 Q 23. h 12 + h 23 + h 31 = 0 (6)
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Πολιτικών Μηχανικών Τοµέας Υδατικών Πόρων Μάθηµα: Τυπικά Υδραυλικά Έργα Μέρος 2: ίκτυα διανοµής Άσκηση E0: Μαθηµατική διατύπωση µοντέλου επίλυσης απλού δικτύου διανοµής
Διαβάστε περισσότεραΜέθοδοι πολυδιάστατης ελαχιστοποίησης
Μέθοδοι πολυδιάστατης ελαχιστοποίησης με παραγώγους Μέθοδοι πολυδιάστατης ελαχιστοποίησης Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc64.materials.uoi.gr/dpapageo
Διαβάστε περισσότερα11ο Πανελλήνιο Συνέδριο της ΕΕΦ, Λάρισα 30-31/03, 1-2/04/2006. Πρακτικά Συνεδρίου
ο Πανελλήνιο Συνέδριο της ΕΕΦ, Λάρισα 30-3/03, -/04/006. Πρακτικά Συνεδρίου Έµµεσες µετρήσεις φυσικών µεγεθών. Παράδειγµα: Ο πειραµατικός υπολογισµός του g µέσω της µέτρησης του χρόνου των αιωρήσεων απλού
Διαβάστε περισσότεραKεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων
4 Εισαγωγή Kεφάλαιο 4 Συστήµατα διαφορικών εξισώσεων Εστω διανυσµατικό πεδίο F: : F=F( r), όπου r = ( x, ) και Fr είναι η ταχύτητα στο σηµείο r πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουµε τις τροχιές
Διαβάστε περισσότερα( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η
Έστω Κλίση και επιφάνειες στάθµης µιας συνάρτησης ανοικτό και σταθερά ( µε κ f ( ) ορίζει µια επιφάνεια S στον f : ) τότε η εξίσωση, ονοµάζεται συνήθως επιφάνεια στάθµης της f. εξίσωση, C συνάρτηση. Αν
Διαβάστε περισσότεραΜέθοδος μέγιστης πιθανοφάνειας
Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σ.κ. της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα
Διαβάστε περισσότεραπροβλήµατος Το φίλτρο Kalman διαφέρει από τα συνηθισµένα προβλήµατα ΜΕΤ σε δύο χαρακτηριστικά: παραµέτρων αγνώστων
Φίλτρα Kalman Εξαγωγή των εξισώσεων τους µε βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραµµα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του
Διαβάστε περισσότεραΣτατιστική περιγραφή τουπεδίουβαρύτητας
Στατιστική περιγραφή τουπεδίουβαρύτητας ΣΤΑΤΙΣΤΙΚΗ ΠΕΡΙΓΡΑΦΗ ΤΟΥ ΠΕ ΙΟΥ ΒΑΡΥΤΗΤΑΣ Οι ανωµαλίες της βαρύτητας σε παγκόσµια κλίµακα θεωρούνται στατιστικά µεγέθη µε µέση τιµή µηδέν Τα στατιστικά χαρακτηριστικά
Διαβάστε περισσότεραΠρακτική µε στοιχεία στατιστικής ανάλυσης
Πρακτική µε στοιχεία στατιστικής ανάλυσης 1. Για να υπολογίσουµε µια ποσότητα q = x 2 y xy 2, µετρήσαµε τα µεγέθη x και y και βρήκαµε x = 3.0 ± 0.1και y = 2.0 ± 0.1. Να βρεθεί η ποσότητα q και η αβεβαιότητά
Διαβάστε περισσότεραx 2 = x 2 1 + x 2 2. x 2 = u 2 + x 2 3 Χρησιµοποιώντας το συµβολισµό του ανάστροφου, αυτό γράφεται x 2 = x T x. = x T x.
Κεφάλαιο 4 Μήκη και ορθές γωνίες Μήκος διανύσµατος Στο επίπεδο, R 2, ϐρίσκουµε το µήκος ενός διανύσµατος x = (x 1, x 2 ) χρησιµοποιώντας το Πυθαγόρειο ϑεώρηµα : x 2 = x 2 1 + x 2 2. Στο χώρο R 3, εφαρµόζουµε
Διαβάστε περισσότεραΜάθηµα 1. Κεφάλαιο 1o: Συστήµατα. γ R παριστάνει ευθεία και καλείται γραµµική εξίσωση µε δύο αγνώστους.
Μάθηµα 1 Κεφάλαιο 1o: Συστήµατα Θεµατικές Ενότητες: A. Συστήµατα Γραµµικών Εξισώσεων B. Συστήµατα 3x3 Α. ΣΥΣΤΗΜΑΤΑ ΓΡΑΜΜΙΚΩΝ ΕΞΙΣΩΣΕΩΝ Ορισµοί Κάθε εξίσωση της µορφής α x+β =γ, µε α, β, γ R παριστάνει
Διαβάστε περισσότεραΠροσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων (RLS Recursive Least Squares)
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Προσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων RLS Rcrsiv Last Sqars 27 iclas sapatslis
Διαβάστε περισσότερα10. ΚΑΝΟΝΙΚΗ ΘΕΩΡΙΑ ΔΙΑΤΑΡΑΧΩΝ
334 ΚΑΝΟΝΙΚΗ ΘΕΩΡΙΑ ΔΙΑΤΑΡΑΧΩΝ Η μέγιστη πλειονότητα των πάσης φύσεως προβλημάτων της Φυσικής, ειδικότερα αυτά που αναφέρονται σε πραγματικές καταστάσεις δεν έχουν ακριβείς λύσεις Το ίδιο ισχύει και για
Διαβάστε περισσότεραΜέθοδος μέγιστης πιθανοφάνειας
Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σκ της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα Χ=(Χ, Χ,, Χ ) από πληθυσμό το
Διαβάστε περισσότεραΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)
ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια) Χαράλαµπος Α. Χαραλαµπίδης 11 Ιανουαρίου 21 Η δεσµευµένη µέση τιµή µιας τυχαίας µεταβλητής Y σε δεδοµένο σηµείο µιας άλλης τυχαίας µεταϐλητής X = x, συµϐολιϲόµενη
Διαβάστε περισσότεραΗ ΤΕΧΝΗ ΤΟΥ ΙΑΒΑΣΜΑΤΟΣ ΜΕΤΑΞΥ ΤΩΝ ΑΡΙΘΜΩΝ (ΠΑΡΕΜΒΟΛΗ ΚΑΙ ΠΡΟΣΕΓΓΙΣΗ)
Η ΤΕΧΝΗ ΤΟΥ ΙΑΒΑΣΜΑΤΟΣ ΜΕΤΑΞΥ ΤΩΝ ΑΡΙΘΜΩΝ (ΠΑΡΕΜΒΟΛΗ ΚΑΙ ΠΡΟΣΕΓΓΙΣΗ) ΜΙΧΑΛΗΣ ΤΖΟΥΜΑΣ ΕΣΠΟΤΑΤΟΥ 3 ΑΓΡΙΝΙΟ. ΠΕΡΙΛΗΨΗ Η έννοια της συνάρτησης είναι στενά συνυφασµένη µε τον πίνακα τιµών και τη γραφική παράσταση.
Διαβάστε περισσότεραΣΕΙΡΕΣ TAYLOR. Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων. Πολυώνυµο είναι κάθε συνάρτηση της µορφής:
ΣΕΙΡΕΣ TAYLOR Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων Πολυώνυµο είναι κάθε συνάρτηση της µορφής: p( ) = a + a + a + a + + a, όπου οι συντελεστές α i θα θεωρούνται
Διαβάστε περισσότερα3.6 Ευθεία και Αντίστροφη υναµική
3.6 Ευθεία και Αντίστροφη υναµική Στη δυναµική µας απασχολούν δύο ειδών προβλήµατα, το ευθύ δυναµικό πρόβληµα και το αντίστροφο δυναµικό πρόβληµα. Το αντίστροφο πρόβληµα αφορά στον προσδιορισµό των ροπών
Διαβάστε περισσότεραΚεφάλαιο 2. Μέθοδος πεπερασµένων διαφορών προβλήµατα οριακών τιµών µε Σ Ε
Κεφάλαιο Μέθοδος πεπερασµένων διαφορών προβλήµατα οριακών τιµών µε Σ Ε. Εισαγωγή Η µέθοδος των πεπερασµένων διαφορών είναι από τις παλαιότερες και πλέον συνηθισµένες και διαδεδοµένες υπολογιστικές τεχνικές
Διαβάστε περισσότεραΆσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:
Άσκηση 1: Δύο τυχαίες μεταβλητές Χ και Υ έχουν στατιστικές μέσες τιμές 0 και διασπορές 25 και 36 αντίστοιχα. Ο συντελεστής συσχέτισης των 2 τυχαίων μεταβλητών είναι 0.4. Να υπολογισθούν η διασπορά του
Διαβάστε περισσότεραΟι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή.
Η Αριθµητική Ανάλυση χρησιµοποιεί απλές αριθµητικές πράξεις για την επίλυση σύνθετων µαθηµατικών προβληµάτων. Τις περισσότερες φορές τα προβλήµατα αυτά είναι ή πολύ περίπλοκα ή δεν έχουν ακριβή αναλυτική
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 3: Στοχαστικά Συστήματα Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραKΕΦΑΛΑΙΟ 3. Πλεγµένες συναρτήσεις- Ανάπτυγµα Taylor-Aκρότατα
KΕΦΑΛΑΙΟ 3 Πλεγµένες συναρτήσεις- Ανάπτυγµα Talor-Aκρότατα 3 Πλεγµένες συναρτήσεις Σε πολλές περιπτώσεις συναντούµε µία (ή και περισσότερες) εξισώσεις µεταξύ διαφόρων µεταβλητών πχ της µορφής e + συν (
Διαβάστε περισσότεραΚλασικη ιαφορικη Γεωµετρια
Αριστοτελειο Πανεπιστηµιο Θεσσαλονικης Σχολη Θετικων Επιστηµων, Τµηµα Μαθηµατικων, Τοµεας Γεωµετριας Κλασικη ιαφορικη Γεωµετρια Πρώτη Εργασία, 2018-19 1 Προαπαιτούµενες γνώσεις και ϐασική προετοιµασία
Διαβάστε περισσότεραΕπίλυση Γραµµικών Συστηµάτων
Κεφάλαιο 3 Επίλυση Γραµµικών Συστηµάτων 31 Εισαγωγή Αριθµητική λύση γενικών γραµµικών συστηµάτων n n A n n x n 1 b n 1, όπου a 11 a 12 a 1n a 21 a 22 a 2n A [a i j, x a n1 a n2 a nn x n, b b 1 b 2 b n
Διαβάστε περισσότεραA Τελική Εξέταση του μαθήματος «Αριθμητική Ανάλυση» Σχολή Θετικών Επιστημών, Τμήμα Μαθηματικών, Πανεπιστήμιο Αιγαίου
A Τελική Εξέταση του μαθήματος «Αριθμητική Ανάλυση» Εξεταστική περίοδος Ιουνίου 6, Διδάσκων: Κώστας Χουσιάδας Διάρκεια εξέτασης: ώρες (Σε παρένθεση δίνεται η βαθμολογική αξία κάθε υπο-ερωτήματος. Σύνολο
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ
ΘΕΜΑ ο 2.5 µονάδες ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 7 Ιανουαρίου 2005 ιάρκεια εξέτασης: 5:00-8:00 Έστω ότι
Διαβάστε περισσότεραΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ
ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις,
Διαβάστε περισσότεραΜέθοδοι Μηχανών Μάθησης για Ευφυή Αναγνώριση και ιάγνωση Ιατρικών εδοµένων
Μέθοδοι Μηχανών Μάθησης για Ευφυή Αναγνώριση και ιάγνωση Ιατρικών εδοµένων Εισηγητής: ρ Ηλίας Ζαφειρόπουλος Εισαγωγή Ιατρικά δεδοµένα: Συλλογή Οργάνωση Αξιοποίηση Data Mining ιαχείριση εδοµένων Εκπαίδευση
Διαβάστε περισσότερα3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ
20 3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ ΟΡΙΣΜΟΣ ΤΗΣ ΜΕΣΗΣ ΤΙΜΗΣ Μια πολύ σηµαντική έννοια στη θεωρία πιθανοτήτων και τη στατιστική είναι η έννοια της µαθηµατικής ελπίδας ή αναµενόµενης τιµής ή µέσης τιµής µιας τυχαίας
Διαβάστε περισσότεραΌρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)
Όρια συναρτήσεων 5 Ορισµός Έστω, : Α συνάρτηση συσσώρευσης του Α και b σηµείο Λέµε ότι η έχει ως όριο το διάνυσµα b καθώς το τείνει προς το και συµβολίζουµε li ή b b αν και µόνο αν, για κάθε ε > υπάρχει
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΟΜΑ Α ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Στην εικόνα παρακάτω φαίνεται ένα νευρωνικό
Διαβάστε περισσότεραΜΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΙΣΗ
ΜΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΙΣΗ Τα μη γραμμικά μοντέλα έχουν την πιο κάτω μορφή: η μορφή αυτή μοιάζει με τη μορφή που έχουμε για τα γραμμικά μοντέλα ( δηλαδή η παρατήρηση Y i είναι το άθροισμα της αναμενόμενης
Διαβάστε περισσότεραΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών
54 ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών ιαφόριση συναρτήσεων πολλών µεταβλητών Ένας στέρεος ορισµός της παραγώγισης για συναρτήσεις πολλών µεταβλητών ανάλογος µε τον ορισµό για συναρτήσεις µιας µεταβλητής
Διαβάστε περισσότεραΠολύγωνο αθροιστικών σχετικών συχνοτήτων και διάµεσος µιας τυχαίας µεταβλητής ρ. Παναγιώτης Λ. Θεοδωρόπουλος πρώην Σχολικός Σύµβουλος ΠΕ03 e-mail@p-theodoropoulos.gr Πρόλογος Στην εργασία αυτή αναλύονται
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@e.aegea.gr Τηλ: 7035468 Μέθοδος Υπολογισμού
Διαβάστε περισσότεραKεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων.
4 Εισαγωγή Kεφάλαιο 4 Συστήµατα διαφορικών εξισώσεων Εστω διανυσµατικό πεδίο F: : F=F( r), όπου r = ( x, ) και Fr είναι η ταχύτητα στο σηµείο r πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουµε τις τροχιές
Διαβάστε περισσότεραΘα λύσετε ένα από τα έξι πακέτα ασκήσεων που ακολουθούν, τα οποία είναι αριθµηµένα από 0 έως5. Ο κάθε φοιτητής βρίσκει το πακέτο που του αντιστοιχεί
Θα λύσετε ένα από τα έξι πακέτα ασκήσεων που ακολουθούν, τα οποία είναι αριθµηµένα από 0 έως5. Ο κάθε φοιτητής βρίσκει το πακέτο που του αντιστοιχεί από τον αριθµό µητρώου του. Συγκεκριµένα υπολογίζει
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων Η Κανονική Κατανομή
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
Διαβάστε περισσότεραΠαρουσίαση 1 ΙΑΝΥΣΜΑΤΑ
Παρουσίαση ΙΑΝΥΣΜΑΤΑ Παρουσίαση η Κάθετες συνιστώσες διανύσµατος Παράδειγµα Θα αναλύσουµε το διάνυσµα v (, ) σε δύο κάθετες µεταξύ τους συνιστώσες από τις οποίες η µία να είναι παράλληλη στο α (3,) Πραγµατικά
Διαβάστε περισσότεραιανυσµατικά πεδία Όπως έχουµε ήδη αναφέρει ένα διανυσµατικό πεδίο είναι µια συνάρτηση
44 ιανυσµατικά πεδία Όπως έχουµε ήδη αναφέρει ένα διανυσµατικό πεδίο είναι µια συνάρτηση F : U R R. Για εµάς φυσικά µια τέτοια συνάρτηση θα θεωρείται ότι είναι τουλάχιστον συνεχής και συνήθως C και βέβαια
Διαβάστε περισσότεραΠανεπιστήμιο Κύπρου Πολυτεχνική Σχολή
Πανεπιστήμιο Κύπρου Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ΗΜΜΥ 795: ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ Ακαδημαϊκό έτος 2010-11 Χειμερινό Εξάμηνο Practice final exam 1. Έστω ότι για
Διαβάστε περισσότεραοµή δικτύου ΣΧΗΜΑ 8.1
8. ίκτυα Kohonen Το µοντέλο αυτό των δικτύων προτάθηκε το 1984 από τον Kοhonen, και αφορά διαδικασία εκµάθησης χωρίς επίβλεψη, δηλαδή δεν δίδεται καµία εξωτερική επέµβαση σχετικά µε τους στόχους που πρέπει
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) TEΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 4 Ιουνίου 7 Από τα κάτωθι Θέµατα καλείστε να λύσετε το ο που περιλαµβάνει ερωτήµατα από όλη την ύλη
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. nn n n
ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ 3 Ο αλγόριθµος Gauss Eστω =,3,, µε τον όρο γραµµικά συστήµατα, εννοούµε συστήµατα εξισώσεων µε αγνώστους της µορφής: a x + + a x = b a x + + a x = b a
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΠΛΗΡΟΦΟΡΙΚΗ (ΘΕ ΠΛΗ ) ΠΡΟΤΕΙΝΟΜΕΝΕΣ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ TEΛΙΚΗΣ ΕΞΕΤΑΣΗΣ 7 Ιουνίου 8 Θέµα ο ( µονάδες) α) ( µονάδες) yz yz του διανυσµατικού
Διαβάστε περισσότεραΆσκηση 2: Y=BX+C. Λύση:
Άσκηση 2: Η τιμή ενός σήματος x(t) για τη χρονική στιγμή t=t θεωρείται ότι είναι τυχαία μεταβλητή Χ=x(t ) με κανονική κατανομή 0,. Να υπολογιστεί η πιθανότητα της τυχαίας μεταβλητής Y=y(t ) να έχει τιμή
Διαβάστε περισσότεραΚλασικη ιαφορικη Γεωµετρια
Αριστοτελειο Πανεπιστηµιο Θεσσαλονικης Σχολη Θετικων Επιστηµων, Τµηµα Μαθηµατικων, Τοµεας Γεωµετριας Κλασικη ιαφορικη Γεωµετρια Τρίτη Εργασία, 2018-19 Επιφάνειες Εξάσκηση µε ϐασικούς υπολογισµούς κινούµενης
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3. ιατηρητικές δυνάµεις
ΚΕΦΑΛΑΙΟ 3 ιατηρητικές δυνάµεις Στο υποκεφάλαιο.4 είδαµε ότι, για µονοδιάστατες κινήσεις στον άξονα x, όλες οι δυνάµεις της µορφής F F(x) είναι διατηρητικές. Για κίνηση λοιπόν στις τρεις διαστάσεις, µπορούµε
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Συσχέτιση (Correlation) - Copulas
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ Συσχέτιση (Correlation) - Copulas Σημασία της μέτρησης της συσχέτισης Έστω μία εταιρεία που είναι εκτεθειμένη σε δύο μεταβλητές της αγοράς. Πιθανή αύξηση των 2 μεταβλητών
Διαβάστε περισσότεραΑνάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τοµέας Μαθηµατικών, Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόµενα Εισαγωγή στη
Διαβάστε περισσότεραΕργασία στο µάθηµα Ανάλυση εδοµένων
Μεταπτυχιακό Υπολογιστικής Φυσικής Εργασία στο µάθηµα Ανάλυση εδοµένων ηµήτρης Κουγιουµτζής E-mail: dkugiu@auth.gr 30 Ιανουαρίου 2018 Οδηγίες : Σχετικά µε την παράδοση της εργασίας ϑα πρέπει : Το κείµενο
Διαβάστε περισσότεραΑνασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων
Τοπογραφικά Δίκτυα και Υπολογισμοί 5 ο εξάμηνο, Ακαδημαϊκό Έτος 2016-2017 Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων Τοπογράφων Μηχανικών
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12)
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ η Ηµεροµηνία Αποστολής στον Φοιτητή: 5 Οκτωβρίου 006 Ηµεροµηνία παράδοσης της Εργασίας: 0 Νοεµβρίου 006.
Διαβάστε περισσότεραΒέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow
Διαβάστε περισσότεραΑνασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων
Τοπογραφικά Δίκτυα και Υπολογισμοί 5 ο εξάμηνο, Ακαδημαϊκό Έτος 2017-2018 Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων και Τοπογράφων
Διαβάστε περισσότεραΓραµµική Άλγεβρα. Εισαγωγικά. Μέθοδος Απαλοιφής του Gauss
Γραµµική Άλγεβρα Εισαγωγικά Υπάρχουν δύο βασικά αριθµητικά προβλήµατα στη Γραµµική Άλγεβρα. Το πρώτο είναι η λύση γραµµικών συστηµάτων Aλγεβρικών εξισώσεων και το δεύτερο είναι η εύρεση των ιδιοτιµών και
Διαβάστε περισσότεραKΕΦΑΛΑΙΟ 6 ΥΝΑΜΟΣΕΙΡΕΣ-ΣΕΙΡΕΣ TAYLOR
KΕΦΑΛΑΙΟ 6 ΥΝΑΜΟΣΕΙΡΕΣ-ΣΕΙΡΕΣ TAYLOR 6 Ορισµοί Ορισµός 6 Εστω α είναι µία πραγµατική ακολουθία και είναι πραγµατικοί αριθµοί Ένα άπειρο πολυώνυµο της µορφής: a ( ) () = καλείται δυναµοσειρά µε κέντρο το
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 8. Ροπή και Στροφορµή Μέρος δεύτερο
ΚΕΦΑΛΑΙΟ 8 Ροπή και Σοφορµή Μέρος δεύτερο Στο προηγούµενο Κεφάλαιο εξετάσαµε την περισοφή στερεού σώµατος περί σταθερό άξονα Εδώ θα εξετάσοµε την εξίσωση κίνησης στερεού σώµατος γενικώς Πριν το κάνοµε
Διαβάστε περισσότεραΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ. 1. 0 F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3.
ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ Έστω Χ = (Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ. Χ την: F(x) = P(X 1 x 1,, X x ), x = (x 1,,x ) T 1. 0 F(x) 1, x.. Η F είναι μη
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ : ΠΛΗ «ΜΑΘΗΜΑΤΙΚΑ Ι» Τελική Εξέταση 5 Ιουνίου 00 Απαντήστε όλα τα κάτωθι ερωτήµατα, παρέχοντας επεξηγηµατικά σχόλια όπου
Διαβάστε περισσότεραΕπίλυση δικτύων διανοµής
Επίλυση δικτύων διανοµής Σηµειώσεις στα πλαίσια του µαθήµατος: Τυπικά υδραυλικά έργα Ακαδηµαϊκό έτος 00-06 Ανδρέας Ευστρατιάδης & ηµήτρης Κουτσογιάννης Εθνικό Μετσόβιο Πολυτεχνείο Τοµέας Υδατικών Πόρων
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΠΙΛΥΣΗΣ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΚΕΦΑΛΑΙΟ IV ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΠΙΛΥΣΗΣ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ IV. Γενικές επαναληπτικές µέθοδοι Όπως είδαµε η ανάλυση της µεθόδου Guss έδειξε ότι η υπολογιστική προσπάθεια της µεθόδου για τη λύση ενός
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ
ΘΕΜΑ ο (.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις Πέµπτη 7 Ιανουαρίου 8 5:-8: Σχεδιάστε έναν αισθητήρα (perceptron)
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017
Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 2 Εισαγωγή Η ανάλυση παλινδρόμησης περιλαμβάνει το σύνολο των μεθόδων της στατιστικής που αναφέρονται σε ποσοτικές σχέσεις μεταξύ μεταβλητών Πρότυπα παλινδρόμησης
Διαβάστε περισσότεραΦίλτρα Kalman. Αναλυτικές μέθοδοι στη Γεωπληροφορική. ιατύπωση του βασικού προβλήματος. προβλήματος. μοντέλο. Πρωτεύων μοντέλο
Φίλτρα Kalman Εξαγωγή των εξισώσεων τους με βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραμμα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του
Διαβάστε περισσότερα2. Στοιχεία Πολυδιάστατων Κατανοµών
Στοιχεία Πολυδιάστατων Κατανοµών Είναι φανερό ότι έως τώρα η µελέτη µας επικεντρώνεται κάθε φορά σε πιθανότητες που αφορούν µία τυχαία µεταβλητή Σε αρκετές όµως περιπτώσεις ενδιαφερόµαστε να εξετάσουµε
Διαβάστε περισσότεραΑριθµητική Ανάλυση 1 εκεµβρίου / 43
Αριθµητική Ανάλυση 1 εκεµβρίου 2014 Αριθµητική Ανάλυση 1 εκεµβρίου 2014 1 / 43 Κεφ.5. Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων ίνεται ένας πίνακας A C n n και Ϲητούνται να προσδιορισθούν οι
Διαβάστε περισσότεραΌρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)
Όρια συναρτήσεων.5. Ορισµός. Έστω, f : Α συνάρτηση συσσώρευσης του Α και b σηµείο. Λέµε ότι η f έχει ως όριο το διάνυσµα b καθώς το τείνει προς το και συµβολίζουµε li = ή f b f b αν και µόνο αν, για κάθε
Διαβάστε περισσότεραΤίτλος Μαθήματος: Συνήθεις Διαφορικές Εξισώσεις Ι
Τίτλος Μαθήματος: Συνήθεις Διαφορικές Εξισώσεις Ι Ενότητα: Θεώρημα ύπαρξης και μοναδικότητας της λύσης του Π.Α.Τ.: y = f ( x, y), y( x ) (Θεώρημα Picard) ' Όνομα Καθηγητή: Χρυσή Κοκολογιαννάκη Τμήμα: Μαθηματικών
Διαβάστε περισσότεραΚεφάλαιο 1. Αριθµητική ολοκλήρωση συνήθων διαφορικών εξισώσεων και συστηµάτων
Κεφάλαιο Αριθµητική ολοκλήρωση συνήθων διαφορικών εξισώσεων και συστηµάτων. Εισαγωγή Η µοντελοποίηση πολλών φυσικών φαινοµένων και συστηµάτων και κυρίως αυτών που εξελίσσονται στο χρόνο επιτυγχάνεται µε
Διαβάστε περισσότεραmin f(x) x R n (1) x g (2)
KΕΦΑΛΑΙΟ Κλασσικές Μέθοδοι Βελτιστοποίησης Με Περιορισµούς Ισότητες. ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΙΣΟΤΗΤΕΣ Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν την αντικειµενική συνάρτηση κάτω από
Διαβάστε περισσότεραΑσκήσεις. Κεφάλαιο 6. a = a 0 + x 1 b 1 + x 2 b 2 + x 3 b 3, όπου b i = a i a 0, i = 1, 2, 3, P 2 = {(x, y, z) R 3 : x 2y + 3z = 2}.
Κεφάλαιο 6 Ασκήσεις 1. (αʹ) ώστε δράση του Χ R 2 στο αφινικό επίπεδο P = {(x, y, z) R 3 : x = 2}. Επίσης, δώστε µία αφινική ϐάση τριών σηµείων (a 0, a 1, a 2 ) και ϐρείτε τις ϐαρυκεντρικές συντεταγµένες
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 5. Συστήµατα µεταβλητής µάζας
ΚΕΦΑΛΑΙΟ 5 Συστµατα µεταβλητς µάζας Μέχρι τώρα µελετσαµε την κίνηση υλικού σηµείου µε συγκεκριµένη µάζα m, η οποία παραµένει σταθερ. Θα εξετάσοµε τώρα την περίπτωση που η µάζα δεν είναι σταθερ, αλλά µεταβάλλεται
Διαβάστε περισσότεραΕισαγωγή στον Προγραµµατισµό. Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί)
Εισαγωγή στον Προγραµµατισµό Αριθµητική Ανάλυση (ή Επιστηµονικοί Υπολογισµοί) ιδάσκοντες: Καθηγητής Ν. Μισυρλής, Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 8 εκεµβρίου 2014 Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί)
Διαβάστε περισσότεραΘΕΜΑΤΑ ΕΞΕΤΑΣΗΣ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟ ΟΣ:
ΘΕΜΑΤΑ ΕΞΕΤΑΣΗΣ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟ ΟΣ: Ιανουάριος-Φεβρουάριος 7 ΜΑΘΗΜΑ: Αριθµητική Ανάλυση ΕΞΑΜΗΝΟ: ο Ι ΑΣΚΩΝ: Ε Κοφίδης Όλα τα ερωτήµατα είναι ισοδύναµα Καλή επιτυχία! Θέµα ο α Χρησιµοποιείστε
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2
013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ
Διαβάστε περισσότεραΜαθηµατικό Παράρτηµα 5 Επίλυση Υποδειγµάτων µε Ορθολογικές Προσδοκίες
Γιώργος Αλογοσκούφης, Δυναµική Μακροοικονοµική, Αθήνα 2015 Μαθηµατικό Παράρτηµα 5 Επίλυση Υποδειγµάτων µε Ορθολογικές Προσδοκίες Στο παράρτηµα αυτό εξετάζουµε τις ιδιότητες και τις µεθόδους επίλυσης υποδειγµάτων
Διαβάστε περισσότεραmin f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) +
KΕΦΑΛΑΙΟ 4 Κλασσικές Μέθοδοι Βελτιστοποίησης Με Περιορισµούς Ανισότητες 4. ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΑΝΙΣΟΤΗΤΕΣ Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν την αντικειµενική συνάρτηση
Διαβάστε περισσότεραΠεριεχόμενα. 1. Ειδικές συναρτήσεις. 2. Μιγαδικές Συναρτήσεις. 3. Η Έννοια του Τελεστή. Κεφάλαιο - Ενότητα
Περιεχόμενα Κεφάλαιο - Ενότητα σελ 1. Ειδικές συναρτήσεις 1.0 Εισαγωγή 1.1 Εξίσωση του Laplace Συστήματα συντεταγμένων 1.2 Συνάρτηση δ του Dirac 1.3 Συνάρτηση του Heaviside 1.4 Οι συναρτήσεις Β, Γ και
Διαβάστε περισσότερα