siis on tegemist sümmeetrilise usaldusvahemikuga. Vasakpoolne usaldusvahemik x i, E x = EX, D x = σ2
|
|
- Ίσις Ζάνος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Vahemikhinnangud Vahemikhinnangud Olgu α juhusliku suuruse X parameeter ja α = α (x 1,..., x n ) parameetri α hinnang. Kui ε > 0 on kindel suurus, siis vahemiku (α ε, α +ε) otspunktid on samuti juhuslikud suurused. P(α (α ε, α + ε)) = β. β usaldusnivoo, l β = (α ε, α + ε) usaldusvahemik α ε ja α + ε usalduspiirid Kui P(α α ε) = P(α α + ε) = 1 β, siis on tegemist sümmeetrilise usaldusvahemikuga. Vasakpoolne usaldusvahemik (, α v ) usaldusnivooga β määratakse seosest P(α < α v ) = β ja parempoolne usaldusvahemik (α p, + ) seosest P(α > α p ) = β. Üldkogumi keskväärtuse usaldusvahemik x = 1 n n i=1 x i, E x = EX, D x = σ n. Tsentraalse piirteoreemi kohaselt on x asümptootiliselt normaalne, st. kui n on küllalt suur, siis x on ligikaudu normaaljaotusega parameetritega EX ja D x = σ/ n. l β = ( x P(EX ( x ε β, x + ε β )) s n Φ 1 ( β ), x + s n Φ 1 ( β )). Näide. Olgu {x 1,..., x 1, y 1,..., y 1 } = {z 1,..., z 4 }. Siis z = 3, 58 ja s z = 8, 39. Kui β = 0, 9, siis ( ) 8, 39 0, 9 ε 0.9 Φ 1 = 1, 71 1, 645 =, 8, l 0,9 (0, 76; 6, 4) 4 1
2 Normaaljaotusele alluva üldkogumi keskväärtuse usalduspiirkond Kui X on normaaljaotusega, siis T n 1 = n( x EX) on Studenti jaotusega vabadusastmete arvuga n 1. ( ) n x EX nεβ P( x EX < ε β ) = β P < = β s s ( ) nεβ P T n 1 < = β s ε β = st ( β l β = x st β, x + st ) β. n n n Näide jätkub. Eeldame, et Z on normaaljaotusega. t 0,9;3 = 1, 71, ε 0,9 = 1, 71 1, 71 =, 93 l 0,9 = (0, 65; 6, 51) s Normaaljaotusele alluva üldkogumi dispersiooni usalduspiirkond Kui X on normaaljaotusega, siis Y n 1 vabadusastmete arvuga n 1. P(ν 1 < Y n 1 < ν ) = β, = (n 1)s /DX on χ jaotusega kus ja P(Y n 1 < ν 1 ) = 1 β ( ) ν 1 = χ 1 1 β n 1 P(Y n 1 < ν ) = 1 + β ( ) ν = χ β n 1. ( ) (n 1)s (n 1)s l β =,. ν ν 1
3 Näide jätkub. Eeldame, et Z on normaaljaotusega ning β = 0, 98. ν 1 = χ 3 1 (0, 01) = 10,, ν = χ 3 1 (0, 99) = 41, 64 ( ) 3 70, , 43 l β =, = (38, 9; 158, 8). 41, 64 10, Normaaljaotusele alluva üldkogumi standarhälbe usaldusvahemik Kui on teada dispersiooni usaldusvahemik siis ehk P(r 1 < DX < r ) = β, r 1 < DX < r r 1 < σ < r r 1 < σ < r P( r 1 < σ < r ) = β. Vahemik l β = ( r 1, r ) on standardhälbe usaldusvahemik usaldusnivool β. Näide jätkub. Eeldame, et Z on normaaljaotusega ning β = 0, 98. P(38, 9 < DX < 158, 8) = 0, 98 l β = ( 38, 9; 158, 8) = (6, ; 1, 6). Vahemikhinnang korrelatsioonikordajale Saab näidata, et juhuslik suurus T n = r 1 r n allub Studenti jaotusele vabadusastmete arvuga n ning juhuslikku suurust Z = 1 ln 1 + r 1 r 3
4 võib käsitleda normaaljaotusega juhusliku suurusena, mille standardhälbe hinnang on 1 s z =. n 3 Tähistame β = P( Z < ε β ) Φ z = 1 ( εβ s z ) ( ) β ε β s z Φ 1 ln 1 + r 1 r antud valimi põhjal leitud Z-i väärtust (s.t. kõigepealt on leitud korrelatsioonikordaja punktihinnang r). Z-i usaldusvahemik on seega P(Z (z ε β, z +ε β )) = β. Tähistame z 1 = z ε β ja z = z +ε β. Korrelatsioonikordaja usaldusvahemiku leiame valemiga ( e z 1 ) 1 P < r < ez 1 β. e z e z + 1 Kuna Z = 1 ln 1 + r 1 r = arth(r), siis r = tanh(z), s.t. P(tanh(z 1 ) < r < tanh(z )) β. Näide jätkub. Leiame korrelatsioonikordaja usaldusvahemiku usaldusnivool β = 0, 95. z = arth(0, 36) = 0, 377 s z = Leiame veel = 1 3 ε 1 3 Φ 1 ( 0, 95 z 1 = 0, 377 0, 653 = 0, 76 z = 0, , 653 = 1, 03. Korrelatsioonikordaja usaldusvahemik on l 0,95 = (tanh( 0, 76); tanh(1, 03)) = ( 0, 8; 0, 77). ) = 0, 653 4
5 Vahemikhinnang sündmuse tõenäosusele p Bernoulli piirteoreemi kohaselt koondub tõenäosuse järgi sündmuse A sagedus katsete arvu tõkestamatul kasvamisel sündmuse A toimumise tõenäosuseks. Kui X on binoomjaotusega, siis saab näidata, et p = k on parameetri n ( ) pq p nihketa hinnang ning X/n on ligikaudu normaaljaotusega N p,. n Tõenäosuse sümmeetrilise usaldusvahemiku leiame järgmiselt: millest β = P( p p < ε β ) Φ ε β p (1 p ) n ( ) β p ε β Φ 1 (1 p ), l β (p ε β, p + ε β ). n Vahemikhinnang sündmuse tõenäosusele p (näide) 1 Münti visati 100 korda ja 58 korral tuli kiri. Leidke 95% usaldusvahemik sündmuse mündi viskamisel tuleb kiri tõenäosusele. p = 58 = 0, 58, 100 ( ) 0, 95 0, 58 (1 0, 58) ε 0,95 Φ Usaldusvahemik ehk l 0,95 = (0, 48; 0, 68). P(0, 48 < p < 0, 68) 0, 95. = 1, 96 0, 05 = 0, 1 5
6 Hüpoteeside kontroll Hüpoteeside kontroll Definitsioon 1. Iga oletust tundmatu jaotusseaduse kuju või parameetrite kohta nimetatakse (statistiliseks) hüpoteesiks. Kontrollitavat hüpoteesi nimetatakse tavaliselt nullhüpoteesiks ja tähistatakse H 0. Kõrvuti nullhüpoteesiga vaadeldakse konkureerivat ehk alternatiivset hüpoteesi H 1, st H 0 ja H 1 on teineteist välistavad. Hüpoteesi H 0 kontrollimiseks kasutatakse valimi x 1, x,..., x n põhjal spetsiaalselt koostatud statistikut θn(x 1, x,..., x n ), mille kui juhusliku suuruse täpne või ligikaudne jaotus on teada. Statistiku θn kõigi võimalike väärtuste hulk jaotatakse kaheks mittelõikuvaks osahulgaks: kriitiliseks hulgaks 1 (hüpoteesi H 0 tagasilükkamise piirkond) ja lubatud hulgaks 0 (hüpoteesi H 0 vastuvõtmise piirkond). Valimi jaotuse põhjal määratakse 1 selliselt, et kui hüpotees H 0 on õige, siis P(θn 1 ) = α, kus α on etteantud väike arv. Lihtsamad kriitilised hulgad 1 on: 1. parempoolne kriitiline hulk (θ kr, + );. vasakpoolne kriitiline hulk (, θ kr ); 3. kahepoolne kriitiline hulk (, θ krv ) (θ krp, + ), kusjuures P(θ n (, θ krv )) = P(θ n (θ krp, + )); 4. sümmeetriline kriitiline hulk (, θ kr ) (θ kr, + ). Parempoolse kriitilise hulga (θ kr, + ) korral: θ n > θ kr hüpotees H 0 lükatakse tagasi, θ n < θ kr hüpotees H 0 võetakse vastu. Vasakpoolse kriitilise hulga (, θ kr ) korral: θ n < θ kr hüpotees H 0 lükatakse tagasi, θ n > θ kr hüpotees H 0 võetakse vastu. 6
7 Kahepoolse kriitilise hulga korral: θn < θ krv θn > θ krp hüpotees H 0 lükatakse tagasi, θ kr < θn < θ krp hüpotees H 0 võetakse vastu. Sümmeetrilise kriitilise hulga korral: θn > θ kr hüpotees H 0 lükatakse tagasi, θ n < θ kr hüpotees H 0 võetakse vastu. hüpotees H 0 võetakse vastu lükatakse tagasi õige õige otsus esimest liiki viga vale teist liiki viga õige otsus Definitsioon. Esimest liiki vea lubatavuse tõenäosust α nimetatakse kriteeriumi olulisuse nivooks. β teist liiki vea lubatavuse tõenäosus. Definitsioon 3. Teist liiki vea mittelubatavuse tõenäosust 1 β nimetatakse kriteeriumi võimsuseks. α = P[(θ n 1 )(H 0 on õige)] β = P[(H 0 on vale)(θ n 0 )] Kahe jaotuse keskväärtuste võrdsuse kontrollimine Olgu teada DX ja DY ning sõltumatud valimid {x 1,..., x n }, {y 1,..., y m } Kontrollime keskväärtuste võrdsust, st. H 0 : EX = EY olulisuse nivool α. E x = EX, Eȳ = EY, σ x = σ X / n, σ x = σ Y / m. 7
8 Ligikaudu x N(EX, σ X / n) ja ȳ N(EY, σ Y / m). Kui H 0 on õige, siis teststatistik θ x ȳ = N(0, 1). σ X /n + σy /m Valimi põhjal arvutatakse θ. Kriitilise piirkonna valik sõltub konkureerivast hüpoteesist: ( ) 1 α H 1 : EX EY Kasutame sümmeetrilist kriitilist hulka, kus θ kr = Φ 1. H 1 : EX > EY Kasutame parempoolset kriitilist hulka, kus θ kr = Φ 1 (1 α). H 1 : EX < EY Kasutame vasakpoolset kriitilist hulka, kus θ kr = Φ 1 (1 α). Näide. Olgu DX = 80, DY = 70 ning n = 50 ja m = 40. Valimitest saadi, et x = 60 ja ȳ = 67. Kontrollime olulisuse nivool 0, 0 hüpoteesi, et H 0 : EX = EY. θ = 3, 8. 80/ /40 H 1 : EX EY θ kr = Φ 1 (0, 49) =, 33. Kuna θ > θ kr, siis lükkame H 0 tagasi. H 1 : EX > EY θ kr = Φ 1 (0, 48), 054. Kuna θ < θ kr, siis ei ole alust H 0 tagasi lükata. H 1 : EX < EY θ kr = Φ 1 (0, 48), 054. Kuna θ < θ kr, siis lükkame H 0 tagasi. Valimi keskväärtuste võrdsuse kontrollimine normaaljaotusega üldkogumi keskmisega Üldkogumi dispersioon σ on teada, kuid oletatakse, et EX = a 0. Teststatistik arvutatakse valimist mahuga n järgmiselt θ = ( x a 0) n σ N(0, 1). Näide. (Ül. 13) ühes ja samas terase sulamis mõõdeti kroomi sisaldust protsentides: 17, 4 17, 9 8, 1 0, 3 1, 7 19, 1, 7 8
9 Kas olulisuse nivool nivool 0, 05 on mõõtmistulemus 8, 1 usaldusväärne, kui üldkogumi standardhälve on %? x = 0, 9 θ = (0, 9 8, 1) 7 = 9, 5 θ kr = Φ 1 (0, 475) = 1, 96 Kuna θ > θ kr, siis lükkame hüpoteesi H 0 tagasi. Üldkogumi dispersioon ei ole teada, kuid oletatakse, et EX = a 0. Teststatistik arvutatakse valimist mahuga n järgmiselt θ = ( x a 0) n s T n 1 ja allub t-jaotusele vabadusastmete arvuga n 1. Näide. (Ül. 19) Polümerisatsiooni oletatav keskmine kiirus on 4% tunnis, mida kontrolliti kaheksa proovi uurimisel: 3, 6, 8 7 4, 8 6, 4 4, 3 3, 9 5, 0 Otsustada olulisuse nivool 0, 1, kas nende tulemuste põhjal on piisavalt alust väita, et kiirus erineb oletatavast väärtusest. x = 4, 73 s = 1, 41 θ = (4, 73 4) 8 = 1, 45 1, 41 ) ( Kuna θ kr = t , 1 = t 1 7 (0, 95) = 1, 89, siis θ < θ kr. Hüpoteesi H 0 ei saa tagasi lükata. Märkus. Kui valimi maht on küllalt suur n 30, siis võib lugeda s σ ning sel juhul θ = ( x a 0) n s N(0, 1) Valimi dispersiooni võrdlemine normaaljaotusega üldkogumi dispersiooniga Üldkogumi dispersioon σ ei ole teada, kuid oletatakse, et σ = σ0. Teststatistik θ (n 1)s = χ σ0 n 1 allub hii-ruut jaotusele vabadusastmete arvuga n 1. 9
10 1. parempoolse kriitilise hulga korral arvutatakse θ kr = χ n 1 1 (1 α),. vasakpoolse kriitilise hulga korral arvutatakse θ kr = χ n 1 1 (α), 3. kahepoolse kriitilise hulga korral arvutatakse θ krv = χ n 1 1 (α/) ja θ krp = χ n 1 1 (1 α/). Näide. (Ül. 117) Mõõteriista täpsust kontrollitakse mõõtmistulemuste dispersiooni järgi, mis ei tohi ületada 0, 04. Kontrollida olulisuse nivool 0, 01 hüpoteesi, et mõõteriista piisavalt suure täpsuse kohta järgmiste tulemuste alusel: 5, 5, 1 4, 8 5, 5 5, 8 4, 9 5, 5, 8 5, 4 H 0 : σ 0, 04 H 1 : σ > 0, 04 Valimist leiame s = 0, 18. Kriitiliseks hulgaks on parempoolne kriitiline hulk. θ 8 0, 18 = = 5, 6 θ kr = χ (1 0, 01) = χ 8 1 (0, 99) = 0, 09 0, 04 Kuna θ > θ kr, siis hüpotees H 0 lükatakse tagasi. Suhtelise sageduse võrdlemine tõenäosusega Sündmuse A esinemise tõenäosus ei ole teada, kuid oletatakse, et see võrdub arvuga p 0. Valimist mahuga n arvutatakse sündmuse A toimumise suhteline sagedus p = n A /n. Teststatistik hüpoteesi H 0 : p = p 0 kontrollimiseks θ = (p p 0 ) n p0 (1 p 0 ) on valimi küllalt suure mahu korral ligikaudu normeeritud normaaljaotusega. Kahepoolse kriitilise piirkonna korral θ kr = Φ 1 ((1 α)/). Näide (Ül. 138) Antud täringu kohta on teada, et sündmus S= viie või kuue silma saamine ühel viskel esineb tõenäosusega 1/3. Täringut visatakse 100 korda, kusjuures sündmus S esines 5 korda. Kontrollida olulisuse nivool α = 0, 05 hüpoteesi H 0 : p = 1/3. Valime alternatiivseks hüpoteesiks H 1 : p 1/3. Lähteandmetest saame θ = (0, 5 1/3) 100 1/3 (1 1/3) = 1, 77, θ kr = Φ 1 (0, 475) = 1, 96 Kuna θ < θ kr, siis nullhüpoteesi tagasi ei lükata. 10
11 Normaaljaotusega üldkogumite dispersioonide võrdlemine Hüpoteeside paarid: Teststatistik z = H 0 : DX 1 = DX, H 1 : DX 1 > DX, (n 1 1)s 1 1 σ n 1 1 (n 1)s 1 σ n 1 = s 1 s H 0 : DX 1 = DX, H 1 : DX 1 DX, F (n 1 1, n 1) on nullhüpoteesi kehtivuse korral F-jaotusega (ehk Fisheri) jaotusega vabadusastmete arvuga n 1 1 (lugeja) ja n 1 (nimetaja). 1. Kui H 1 : DX 1 > DX, siis kasutatakse parempoolset kriitilist piirkonda, kus z kr = F 1 (1 α; n 1 1, n 1).. Kui H 1 : DX 1 DX, siis kasutatakse kahepoolset kriitilist piirkonda, kus z krv = F 1 (α/; n 1 1, n 1), z krp = F 1 (1 α/; n 1 1, n 1). Normaaljaotusega üldkogumite keskväärtuste võrdlemine (n < 30) Olgu uuritav tunnus mõlemas üldkogumis normaaljaotusega ja sama dispersiooniga. Ühise standardhälbe hinnang (n 1 1)s 1 + (n 1)s s = n 1 + n ja valimkeskmiste standardhälve s s x1 x = + s 1 = s + 1. n 1 n n 1 n Juhuslik suurus t = x 1 x 1 s + 1 = n 1 n x 1 x (n1 1)s 1 + (n 1)s n 1 + n 11 1 n n
12 on t-jaotusega vabadusastmete arvuga n 1 + n. Hüpoteeside paarid: H 0 : EX 1 = EX, H 1 : EX 1 > EX, H 0 : EX 1 = EX, H 1 : EX 1 < EX, H 0 : EX 1 = EX, H 1 : EX 1 EX, Teststatistik nullhüpoteesi kehtivuse korral on t = x 1 x (n1 1)s 1 + (n 1)s n 1 + n 1 n n Parempoolse (vasakpoolse) kriitilise piirkonna korral t kr = t 1 n 1 +n (1 α) (t kr = t 1 n 1 +n (α)). Kahepoolse kriitilise piirkonna korral t kr = t 1 n 1 +n (1 α/). Näide. Olgu antud juhusliku vektori (X, Y ) valim x i y i Kontrollime olulisuse nivool 0, 05 hüpoteesi H 0 : EX = EY. Selleks kontrollime kõigepealt hüpoteesi H 0 : DX = DY. Valime H 1 : DX DY. z = s x s y = 76, 7 70, 75 = 1, 08. z krv = F 1 (0, 05; 11, 11) = 0, 9, z krp = F 1 (0, 975; 11, 11) = 3, 47 Kuna z krv < z < z krp, siis ei saa hüpoteesi H 0 : DX = DY tagasi lükata. t = 3, 9 3, , , = 0, 19 Alternatiivse hüpoteesi EX EY korral t kr = t 1 (0, 975) =, 07. 1
13 Korrelatsioonikordaja hinnangu usaldatavus Teststatistik H 0 : ρ = 0, H 1 : ρ 0, t = r s r = r 1 r n allub t-jaotusele vabadusastmete arvuga n (r on korrelatsioonikordaja punkthinnang). Kahepoolne kriitiline piirkond t kr = t 1 n (1 α/), kus α on olulisuse nivoo. Näide jätkub. Kontrollime usaldusnivool 0, 1 hüpoteesi ρ 0., r = 0, 36 t = 0, , 36 = 1, 1 Kuna t kr = t 1 10 (0, 95) = 1, 81, siis ei saa nullhüpoteesi tagasi lükata. χ -test: kahe tunnuse sõltumatuse kontrollimine Olgu reatunnusel r võimalikku väärtust ja veerutunnusel v võimalikku väärtust. Koostame sagedustabeli (r rida ja v veergu) ning püstitame hüpoteesid H 0 : read ja veerud on sõltumatud ja H 1: read ja veerud on sõltuvad. Näide (Ül. 66) Valijate suhtumine erakonda: Positiivne Erapooletu Negatiivne Mehed Naised Arvutatakse ridade ja veergude sageduste summad: n r i = v n ij, n v j = j=1 r n ij, n = i=1 r n r i = i=1 v n v j. j=1 13
14 χ -test: kahe tunnuse sõltumatuse kontrollimine 0 Kui eeldame sõltumatust st. kehtib nullhüpotees, siis ilmselt ñ ij n = nr i n nv j n, Nullhüpoteesile vastav teststatistik ñ ij = nr i n v j n. θ = r v (n ij ñ ij ) ñ i=1 j=1 ij allub χ jaotusele vabadusastmete arvuga k = (r 1) (v 1). Kriitiliseks piirkonnaks on parempoolne kriitiline piirkond θ kr = χ k 1 (1 α), kus α on usaldusnivoo. Näide NB! χ testi kasutamisel n ij 5. Näide (Ül. 66) Valijate suhtumine erakonda: Positiivne Erapooletu Negatiivne Mehed Naised Kas olulisuse nivool 0, 05 võib väita, et suhtumine erakonda sõltub valija soost? 3,3 46,7 13,0 1,7 43,3 1,0 θ = (4 3, 3) (41 46, 7) + + 3, 3 46, 7 (49 43, 3) (7 1) , 3 1 (18 13) 13 + (1 1, 7) 1, 7 = 5, 5 θ kr = χ 1 (0, 95) = 6,
Funktsiooni diferentsiaal
Diferentsiaal Funktsiooni diferentsiaal Argumendi muut Δx ja sellele vastav funktsiooni y = f (x) muut kohal x Eeldusel, et f D(x), saame Δy = f (x + Δx) f (x). f (x) = ehk piisavalt väikese Δx korral
Διαβάστε περισσότεραAndmeanalüüs molekulaarbioloogias
Andmeanalüüs molekulaarbioloogias Praktikum 3 Kahe grupi keskväärtuste võrdlemine Studenti t-test 1 Hüpoteeside testimise peamised etapid 1. Püstitame ENNE UURINGU ALGUST uurimishüpoteesi ja nullhüpoteesi.
Διαβάστε περισσότερα2.2.1 Geomeetriline interpretatsioon
2.2. MAATRIKSI P X OMADUSED 19 2.2.1 Geomeetriline interpretatsioon Maatriksi X (dimensioonidega n k) veergude poolt moodustatav vektorruum (inglise k. column space) C(X) on defineeritud järgmiselt: Defineerides
Διαβάστε περισσότεραKompleksarvu algebraline kuju
Kompleksarvud p. 1/15 Kompleksarvud Kompleksarvu algebraline kuju Mati Väljas mati.valjas@ttu.ee Tallinna Tehnikaülikool Kompleksarvud p. 2/15 Hulk Hulk on kaasaegse matemaatika algmõiste, mida ei saa
Διαβάστε περισσότερα4 T~oenäosuse piirteoreemid Tsentraalne piirteoreem Suurte arvude seadus (Law of Large Numbers)... 32
Sisukord 1 Sündmused ja t~oenäosused 4 1.1 Sündmused................................... 4 1.2 T~oenäosus.................................... 7 1.2.1 T~oenäosuse arvutamise konkreetsed meetodid (üldise
Διαβάστε περισσότεραSisukord. 4 Tõenäosuse piirteoreemid 36
Sisukord Sündmused ja tõenäosused 5. Sündmused................................... 5.2 Tõenäosus.................................... 8.2. Tõenäosuse arvutamise konkreetsed meetodid (üldise definitsiooni
Διαβάστε περισσότεραSisukord. 3 T~oenäosuse piirteoreemid Suurte arvude seadus (Law of Large Numbers)... 32
Sisukord Sündmused ja t~oenäosused 4. Sündmused................................... 4.2 T~oenäosus.................................... 7.2. T~oenäosuse arvutamise konkreetsed meetodid (üldise definitsiooni
Διαβάστε περισσότερα7.7 Hii-ruut test 7.7. HII-RUUT TEST 85
7.7. HII-RUUT TEST 85 7.7 Hii-ruut test Üks universaalsemaid ja sagedamini kasutust leidev test on hii-ruut (χ 2 -test, inglise keeles ka chi-square test). Oletame, et sooritataval katsel on k erinevat
Διαβάστε περισσότεραLokaalsed ekstreemumid
Lokaalsed ekstreemumid Öeldakse, et funktsioonil f (x) on punktis x lokaalne maksimum, kui leidub selline positiivne arv δ, et 0 < Δx < δ Δy 0. Öeldakse, et funktsioonil f (x) on punktis x lokaalne miinimum,
Διαβάστε περισσότεραT~OENÄOSUSTEOORIA JA MATEMAATILINE STATISTIKA
http://wwwttuee http://wwwstaffttuee/ math TALLINNA TEHNIKAÜLIKOOL MATEMAATIKAINSTITUUT http://wwwstaffttuee/ itammeraid Ivar Tammeraid T~OENÄOSUSTEOORIA JA MATEMAATILINE STATISTIKA Elektrooniline ~oppematerjal
Διαβάστε περισσότεραGeomeetrilised vektorid
Vektorid Geomeetrilised vektorid Skalaarideks nimetatakse suurusi, mida saab esitada ühe arvuga suuruse arvulise väärtusega. Skalaari iseloomuga suurusi nimetatakse skalaarseteks suurusteks. Skalaarse
Διαβάστε περισσότεραHULGATEOORIA ELEMENTE
HULGATEOORIA ELEMENTE Teema 2.2. Hulga elementide loendamine Jaan Penjam, email: jaan@cs.ioc.ee Diskreetne Matemaatika II: Hulgateooria 1 / 31 Loengu kava 2 Hulga elementide loendamine Hulga võimsus Loenduvad
Διαβάστε περισσότεραMATEMAATIKA TÄIENDUSÕPE MÕISTED, VALEMID, NÄITED, ÜLESANDED LEA PALLAS VII OSA
MATEMAATIKA TÄIENDUSÕPE MÕISTED, VALEMID, NÄITED, ÜLESANDED LEA PALLAS VII OSA SISUKORD 57 Joone uutuja Näited 8 58 Ülesanded uutuja võrrandi koostamisest 57 Joone uutuja Näited Funktsiooni tuletisel on
Διαβάστε περισσότεραMATEMAATIKA TÄIENDUSÕPE MÕISTED, VALEMID, NÄITED LEA PALLAS XII OSA
MATEMAATIKA TÄIENDUSÕPE MÕISTED, VALEMID, NÄITED LEA PALLAS XII OSA SISUKORD 8 MÄÄRAMATA INTEGRAAL 56 8 Algfunktsioon ja määramata integraal 56 8 Integraalide tabel 57 8 Määramata integraali omadusi 58
Διαβάστε περισσότεραRuumilise jõusüsteemi taandamine lihtsaimale kujule
Kodutöö nr.1 uumilise jõusüsteemi taandamine lihtsaimale kujule Ülesanne Taandada antud jõusüsteem lihtsaimale kujule. isttahuka (joonis 1.) mõõdud ning jõudude moodulid ja suunad on antud tabelis 1. D
Διαβάστε περισσότεραITI 0041 Loogika arvutiteaduses Sügis 2005 / Tarmo Uustalu Loeng 4 PREDIKAATLOOGIKA
PREDIKAATLOOGIKA Predikaatloogika on lauseloogika tugev laiendus. Predikaatloogikas saab nimetada asju ning rääkida nende omadustest. Väljendusvõimsuselt on predikaatloogika seega oluliselt peenekoelisem
Διαβάστε περισσότεραWilcoxoni astakmärgitest (Wilcoxon Signed-Rank Test)
Peatükk 2 Wilcoxoni astakmärgitest (Wilcoxon Signed-Rank Test) 2.1 Motivatsioon ja teststatistik Wilcoxoni astakmärgitesti kasutatakse kahe s~oltuva valimi v~ordlemiseks. Oletame näiteks, et soovime v~orrelda,
Διαβάστε περισσότεραPLASTSED DEFORMATSIOONID
PLAED DEFORMAIOONID Misese vlavustingimus (pinegte ruumis) () Dimensineerimisega saab kõrvaldada ainsa materjali parameetri. Purunemise (tugevuse) kriteeriumid:. Maksimaalse pinge kirteerium Laminaat puruneb
Διαβάστε περισσότεραMatemaatiline analüüs I iseseisvad ülesanded
Matemaatiline analüüs I iseseisvad ülesanded Leidke funktsiooni y = log( ) + + 5 määramispiirkond Leidke funktsiooni y = + arcsin 5 määramispiirkond Leidke funktsiooni y = sin + 6 määramispiirkond 4 Leidke
Διαβάστε περισσότεραVektorid II. Analüütiline geomeetria 3D Modelleerimise ja visualiseerimise erialale
Vektorid II Analüütiline geomeetria 3D Modelleerimise ja visualiseerimise erialale Vektorid Vektorid on arvude järjestatud hulgad (s.t. iga komponendi väärtus ja positsioon hulgas on tähenduslikud) Vektori
Διαβάστε περισσότεραKOMBINATSIOONID, PERMUTATSIOOND JA BINOOMKORDAJAD
KOMBINATSIOONID, PERMUTATSIOOND JA BINOOMKORDAJAD Teema 3.1 (Õpiku peatükid 1 ja 3) Jaan Penjam, email: jaan@cs.ioc.ee Diskreetne Matemaatika II: Kombinatoorika 1 / 31 Loengu kava 1 Tähistusi 2 Kombinatoorsed
Διαβάστε περισσότεραExcel Statistilised funktsioonid
Excel2016 - Statistilised funktsioonid Statistilised funktsioonid aitavad meil kiiresti leida kõige väiksemat arvu, keskmist, koguarvu, tühjaks jäänud lahtreid jne jne. Alla on lisatud sellesse gruppi
Διαβάστε περισσότεραVeaarvutus ja määramatus
TARTU ÜLIKOOL Tartu Ülikooli Teaduskool Veaarvutus ja määramatus Urmo Visk Tartu 2005 Sisukord 1 Tähistused 2 2 Sissejuhatus 3 3 Viga 4 3.1 Mõõteriistade vead................................... 4 3.2 Tehted
Διαβάστε περισσότερα1 Entroopia ja informatsioon
Kirjadus: T.M. Cover, J.A. Thomas "Elemets of iformatio theory", Wiley, 99 ja 2006. Yeug, Raymod W. "A first course of iformatio theory", Kluwer, 2002. Mackay, D. "Iformatio theory, iferece ad learig algorithms",
Διαβάστε περισσότερα9. AM ja FM detektorid
1 9. AM ja FM detektorid IRO0070 Kõrgsageduslik signaalitöötlus Demodulaator Eraldab moduleeritud signaalist informatiivse osa. Konkreetne lahendus sõltub modulatsiooniviisist. Eristatakse Amplituuddetektoreid
Διαβάστε περισσότεραMatemaatiline analüüs I iseseisvad ülesanded
Matemaatiline analüüs I iseseisvad ülesanded. Leidke funktsiooni y = log( ) + + 5 määramispiirkond.. Leidke funktsiooni y = + arcsin 5 määramispiirkond.. Leidke funktsiooni y = sin + 6 määramispiirkond.
Διαβάστε περισσότεραGraafiteooria üldmõisteid. Graaf G ( X, A ) Tippude hulk: X={ x 1, x 2,.., x n } Servade (kaarte) hulk: A={ a 1, a 2,.., a m } Orienteeritud graafid
Graafiteooria üldmõisteid Graaf G ( X, A ) Tippude hulk: X={ x 1, x 2,.., x n } Servade (kaarte) hulk: A={ a 1, a 2,.., a m } Orienteeritud graafid Orienteerimata graafid G(x i )={ x k < x i, x k > A}
Διαβάστε περισσότεραKATEGOORIATEOORIA. Kevad 2010
KTEGOORITEOORI Kevad 2010 Loengukonspekt Lektor: Valdis Laan 1 1. Kategooriad 1.1. Hulgateoreetilistest alustest On hästi teada, et kõigi hulkade hulka ei ole olemas. Samas kategooriateoorias sooviks me
Διαβάστε περισσότεραTuletis ja diferentsiaal
Peatükk 3 Tuletis ja diferentsiaal 3.1 Tuletise ja diferentseeruva funktsiooni mõisted. Olgu antud funktsioon f ja kuulugu punkt a selle funktsiooni määramispiirkonda. Tuletis ja diferentseeruv funktsioon.
Διαβάστε περισσότεραKoduseid ülesandeid IMO 2017 Eesti võistkonna kandidaatidele vol 4 lahendused
Koduseid ülesandeid IMO 017 Eesti võistkonna kandidaatidele vol 4 lahendused 17. juuni 017 1. Olgu a,, c positiivsed reaalarvud, nii et ac = 1. Tõesta, et a 1 + 1 ) 1 + 1 ) c 1 + 1 ) 1. c a Lahendus. Kuna
Διαβάστε περισσότερα1 Funktsioon, piirväärtus, pidevus
Funktsioon, piirväärtus, pidevus. Funktsioon.. Tähistused Arvuhulki tähistatakse üldlevinud viisil: N - naturaalarvude hulk, Z - täisarvude hulk, Q - ratsionaalarvude hulk, R - reaalarvude hulk. Piirkonnaks
Διαβάστε περισσότεραsin 2 α + cos 2 sin cos cos 2α = cos² - sin² tan 2α =
KORDAMINE RIIGIEKSAMIKS III TRIGONOMEETRIA ) põhiseosed sin α + cos sin cos α =, tanα =, cotα =, cos sin + tan =, tanα cotα = cos ) trigonomeetriliste funktsioonide täpsed väärtused α 5 6 9 sin α cos α
Διαβάστε περισσότερα5. TUGEVUSARVUTUSED PAINDELE
TTÜ EHHTROONKNSTTUUT HE00 - SNTEHNK.5P/ETS 5 - -0-- E, S 5. TUGEVUSRVUTUSE PNELE Staatika üesandes (Toereaktsioonide eidmine) vaadatud näidete ause koostada taade sisejõuepüürid (põikjõud ja paindemoment)
Διαβάστε περισσότεραMatemaatiline analüüs IV praktikumiülesannete kogu a. kevadsemester
Matemaatiline analüüs IV praktikumiülesannete kogu 4. a. kevadsemester . Alamhulgad ruumis R m. Koonduvad jadad. Tõestage, et ruumis R a) iga kera s.o. ring) U r A) sisaldab ruutu keskpunktiga A = a,b),
Διαβάστε περισσότεραMatemaatiline statistika ja modelleerimine
Matemaatiline statistika ja modelleerimine Kirjeldav statistika EMÜ doktorikool DK.7 Tanel Kaart Sagedused ja osakaalud diskreetne tunnus Mittearvuliste või diskreetsete tunnuste (erinevate väärtuste arv
Διαβάστε περισσότεραStatistiline andmetöötlus, VL-0435 sügis, 2008
Praktikum 6 Salvestage kursuse kodulehelt omale arvutisse andmestik lehmageen.xls. Praktikum püüab kirjeldada mõningaid võimalusi tunnuste vaheliste seoste uurimiseks. Kommentaarid andmestiku kohta Konkreetselt
Διαβάστε περισσότερα,millest avaldub 21) 23)
II kursus TRIGONOMEETRIA * laia matemaatika teemad TRIGONOMEETRILISTE FUNKTSIOONIDE PÕHISEOSED: sin α s α sin α + s α,millest avaldu s α sin α sα tan α, * t α,millest järeldu * tα s α tα tan α + s α Ülesanne.
Διαβάστε περισσότεραELEKTRIMÕÕTMISTE TÄIENDKOOLITUS
Meede 1.1 projekt nr 1.0101-0386/IN660 Elektrotehnilise personali täiendkoolitussüsteemi väljaarendamine ELEKTRIMÕÕTMISTE TÄIENDKOOLITUS Täiendkoolituse õppematerjal Koostanud Raivo Teemets Tallinn 2007
Διαβάστε περισσότεραKrüptoloogia II: Sissejuhatus teoreetilisse krüptograafiasse. Ahto Buldas
Krüptoloogia II: Sissejuhatus teoreetilisse krüptograafiasse Ahto Buldas 22. september 2003 2 Sisukord Saateks v 1 Entroopia ja infohulk 1 1.1 Sissejuhatus............................ 1 1.2 Kombinatoorne
Διαβάστε περισσότεραKATEGOORIATEOORIA. Kevad 2016
KTEGOORITEOORI Kevad 2016 Loengukonspekt Lektor: Valdis Laan 1 1. Kategooriad 1.1. Hulgateoreetilistest alustest On hästi teada, et kõigi hulkade hulka ei ole olemas. Samas kategooriateoorias sooviks me
Διαβάστε περισσότερα(Raud)betoonkonstruktsioonide üldkursus 33
(Raud)betoonkonstruktsioonide üldkursus 33 Normaallõike tugevusarvutuse alused. Arvutuslikud pinge-deormatsioonidiagrammid Elemendi normaallõige (ristlõige) on elemendi pikiteljega risti olev lõige (s.o.
Διαβάστε περισσότερα6 Mitme muutuja funktsioonid
6 Mitme muutu funktsioonid Reaalarvude järjestatud paaride (x, ) hulga tasandi punktide hulga vahel on üksühene vastavus, st igale paarile vastab üks kindel punkt tasandil igale tasandi punktile vastavad
Διαβάστε περισσότεραYMM3740 Matemaatilne analüüs II
YMM3740 Matemaatilne analüüs II Gert Tamberg Matemaatikainstituut Tallinna Tehnikaülikool gert.tamberg@ttu.ee http://www.ttu.ee/gert-tamberg G. Tamberg (TTÜ) YMM3740 Matemaatilne analüüs II 1 / 29 Sisu
Διαβάστε περισσότεραMatemaatika VI kursus Tõenäosus, statistika KLASS 11 TUNDIDE ARV 35
Matemaatika VI kursus Tõenäosus, statistika Permutatsioonid, kombinatsioonid ja variatsioonid. Sündmus. Sündmuste liigid. Klassikaline tõenäosus. Geomeetriline tõenäosus. Sündmuste liigid: sõltuvad ja
Διαβάστε περισσότεραKORDAMINE RIIGIEKSAMIKS VII teema Vektor. Joone võrrandid.
KORDMINE RIIGIEKSMIKS VII teema Vektor Joone võrrandid Vektoriaalseid suuruseid iseloomustavad a) siht b) suund c) pikkus Vektoriks nimetatakse suunatud sirglõiku Vektori alguspunktiks on ja lõpp-punktiks
Διαβάστε περισσότεραSuhteline salajasus. Peeter Laud. Tartu Ülikool. peeter TTÜ, p.1/27
Suhteline salajasus Peeter Laud peeter l@ut.ee Tartu Ülikool TTÜ, 11.12.2003 p.1/27 Probleemi olemus salajased sisendid avalikud väljundid Program muud väljundid muud sisendid mittesalajased väljundid
Διαβάστε περισσότεραKontekstivabad keeled
Kontekstivabad keeled Teema 2.1 Jaan Penjam, email: jaan@cs.ioc.ee Rekursiooni- ja keerukusteooria: KV keeled 1 / 27 Loengu kava 1 Kontekstivabad grammatikad 2 Süntaksipuud 3 Chomsky normaalkuju Jaan Penjam,
Διαβάστε περισσότεραSissejuhatus mehhatroonikasse MHK0120
Sissejuhatus mehhatroonikasse MHK0120 2. nädala loeng Raavo Josepson raavo.josepson@ttu.ee Loenguslaidid Materjalid D. Halliday,R. Resnick, J. Walker. Füüsika põhikursus : õpik kõrgkoolile I köide. Eesti
Διαβάστε περισσότεραEhitusmehaanika harjutus
Ehitusmehaanika harjutus Sõrestik 2. Mõjujooned /25 2 6 8 0 2 6 C 000 3 5 7 9 3 5 "" 00 x C 2 C 3 z Andres Lahe Mehaanikainstituut Tallinna Tehnikaülikool Tallinn 2007 See töö on litsentsi all Creative
Διαβάστε περισσότεραSkalaar, vektor, tensor
Peatükk 2 Skalaar, vektor, tensor 1 2.1. Sissejuhatus 2-2 2.1 Sissejuhatus Skalaar Üks arv, mille väärtus ei sõltu koordinaatsüsteemi (baasi) valikust Tüüpiline näide temperatuur Vektor Füüsikaline suurus,
Διαβάστε περισσότεραKORDAMINE RIIGIEKSAMIKS V teema Vektor. Joone võrrandid.
KORDMINE RIIGIEKSMIKS V teema Vektor Joone võrrandid Vektoriaalseid suuruseid iseloomustavad a) siht b) suund c) pikkus Vektoriks nimetatakse suunatud sirglõiku Vektori alguspunktiks on ja lõpp-punktiks
Διαβάστε περισσότεραHAPE-ALUS TASAKAAL. Teema nr 2
PE-LUS TSL Teema nr Tugevad happed Tugevad happed on lahuses täielikult dissotiseerunud + sisaldus lahuses on võrdne happe analüütilise kontsentratsiooniga Nt NO Cl SO 4 (esimeses astmes) p a väärtused
Διαβάστε περισσότεραKirjeldab kuidas toimub programmide täitmine Tähendus spetsifitseeritakse olekuteisendussüsteemi abil Loomulik semantika
Operatsioonsemantika Kirjeldab kuidas toimub programmide täitmine Tähendus spetsifitseeritakse olekuteisendussüsteemi abil Loomulik semantika kirjeldab kuidas j~outakse l~oppolekusse Struktuurne semantika
Διαβάστε περισσότερα1.1. NATURAAL-, TÄIS- JA RATSIONAALARVUD
1. Reaalarvud 1.1. NATURAAL-, TÄIS- JA RATSIONAALARVUD Arvu mõiste hakkas kujunema aastatuhandeid tagasi, täiustudes ja üldistudes koos inimkonna arenguga. Juba ürgühiskonnas tekkis vajadus teatavaid hulki
Διαβάστε περισσότεραFormaalsete keelte teooria. Mati Pentus
Formaalsete keelte teooria Mati Pentus http://lpcs.math.msu.su/~pentus/ftp/fkt/ 2009 13. november 2009. a. Formaalsete keelte teooria 2 Peatükk 1. Keeled ja grammatikad Definitsioon 1.1. Naturaalarvudeks
Διαβάστε περισσότεραSkalaar, vektor, tensor
Peatükk 2 Skalaar, vektor, tensor 1 2.1. Sissejuhatus 2-2 2.1 Sissejuhatus Skalaar Üks arv, mille väärtus ei sõltu koordinaatsüsteemi (baasi) valikust Tüüpiline näide temperatuur Vektor Füüsikaline suurus,
Διαβάστε περισσότεραEesti koolinoorte XLVIII täppisteaduste olümpiaadi
Eesti koolinoorte XLVIII täppisteaduste olümpiaadi lõppvoor MATEMAATIKAS Tartus, 9. märtsil 001. a. Lahendused ja vastused IX klass 1. Vastus: x = 171. Teisendame võrrandi kujule 111(4 + x) = 14 45 ning
Διαβάστε περισσότεραPlaneedi Maa kaardistamine G O R. Planeedi Maa kõige lihtsamaks mudeliks on kera. Joon 1
laneedi Maa kaadistamine laneedi Maa kõige lihtsamaks mudeliks on kea. G Joon 1 Maapinna kaadistamine põhineb kea ümbeingjoontel, millest pikimat nimetatakse suuingjooneks. Need suuingjooned, mis läbivad
Διαβάστε περισσότεραSeminar II: Mitmemõõtmeline dispersioonanalüüs (MANOVA)
Kursus: Mitmemõõtmeline statistika Seminar II: Mitmemõõtmeline dispersioonanalüüs (MANOVA) Õppejõud: Katrin Niglas PhD, dotsent informaatika instituut Statistilise olulisustesti põhisammud: E I: Analüüsisin
Διαβάστε περισσότεραArvuteooria. Diskreetse matemaatika elemendid. Sügis 2008
Sügis 2008 Jaguvus Olgu a ja b täisarvud. Kui leidub selline täisarv m, et b = am, siis ütleme, et arv a jagab arvu b ehk arv b jagub arvuga a. Tähistused: a b b. a Näiteks arv a jagab arvu b arv b jagub
Διαβάστε περισσότεραT~oestatavalt korrektne transleerimine
T~oestatavalt korrektne transleerimine Transleerimisel koostatakse lähtekeelsele programmile vastav sihtkeelne programm. Transleerimine on korrektne, kui transleerimisel programmi tähendus säilib. Formaalsemalt:
Διαβάστε περισσότερα4.1 Funktsiooni lähendamine. Taylori polünoom.
Peatükk 4 Tuletise rakendusi 4.1 Funktsiooni lähendamine. Talori polünoom. Mitmetes matemaatika rakendustes on vaja leida keerulistele funktsioonidele lihtsaid lähendeid. Enamasti konstrueeritakse taolised
Διαβάστε περισσότεραMATEMAATILISEST LOOGIKAST (Lausearvutus)
TARTU ÜLIKOOL Teaduskool MATEMAATILISEST LOOGIKAST (Lausearvutus) Õppematerjal TÜ Teaduskooli õpilastele Koostanud E. Mitt TARTU 2003 1. LAUSE MÕISTE Matemaatilise loogika ühe osa - lausearvutuse - põhiliseks
Διαβάστε περισσότεραMatemaatiline statistika ja modelleerimine
Matemaatiline statistika ja modelleerimine Kahe arvtunnuse ühine käitumine, korrelatsioon- ja regressioonanalüüs EMÜ doktorikool DK.0007 Tanel Kaart Lineaarne e Pearsoni korrelatsioonikordaja Millal kasutada
Διαβάστε περισσότεραPeatükk 1 SISSEJUHATUS
Peatükk SISSEJUHATUS Sidesüsteemides ja -seadmetes tehtavad mõõtmised on klassikalise mõõtetehnika rakendamine uues ja kiiresti arenevas valdkonnas, milleks on telekommunikatsioonitehnika. On terve rida
Διαβάστε περισσότεραStatistiline andmetöötlus VL.0435
Tanel Kaart ügi, 009 Statitiline andmetöötlu VL.0435 Loeng 3 Hüpoteeide tatitiline kontrollimine Kekmite võrdlemine http://www.eau.ee/~ktanel/vl_0435/ Hüpoteeide kontroll Näiteid hüpoteeidet Ka jogurti
Διαβάστε περισσότεραEpidemioloogiliste terminite lühisõnastik
Epidemioloogiliste terminite lühisõnastik Andmed [Data] - informatsioon, mistahes laadi faktid. Data on mitmuses, datum on ainsuses. Andmestik [Data set] süstematiseeritud infokogum, tavaliselt elektroonilisel
Διαβάστε περισσότεραEnam kui kahe grupi keskmiste võrdlus
Bomeetra Enam ku kahe populatsoon keskväärtuste võrdlemne dspersoonanalüüs Enam ku kahe grup keskmste võrdlus H 0 : 1 = 2 = = k H 1 : leduvad sellsed grupd,j, et Eeldustel, et j uurtav (sõltuv) tunnus
Διαβάστε περισσότεραMATEMAATILINE ANAL U US II Juhend TT U kaug oppe- uli opilastele
MATEMAATILINE ANALÜÜS II Juhend TTÜ kaugõppe-üliõpilastele TALLINNA TEHNIKAÜLIKOOL Matemaatikainstituut MATEMAATILINE ANALÜÜS II Juhend TTÜ kaugõppe-üliõpilastele Tallinn 24 3 MATEMAATILINE ANALÜÜS II
Διαβάστε περισσότεραALGEBRA I. Kevad Lektor: Valdis Laan
ALGEBRA I Kevad 2013 Lektor: Valdis Laan Sisukord 1 Maatriksid 5 1.1 Sissejuhatus....................................... 5 1.2 Maatriksi mõiste.................................... 6 1.3 Reaalarvudest ja
Διαβάστε περισσότεραRein Teinberg: "Põllumajandusloomade geneetika", 7. POPULATSIOONIGENEETIKA. toimetanud M. Viikmaa, "Valgus", Tallinn, 1978.
Rein Teinberg: "Põllumajandusloomade geneetika", toimetanud M. Viikmaa, "Valgus", Tallinn, 1978 7. POPULATSIOONIGENEETIKA lk 202-215 Põllumajandusloomade geneetika üheks iseärasuseks, võrreldes üldgeneetikaga
Διαβάστε περισσότερα3. LOENDAMISE JA KOMBINATOORIKA ELEMENTE
3. LOENDAMISE JA KOMBINATOORIKA ELEMENTE 3.1. Loendamise põhireeglid Kombinatoorika on diskreetse matemaatika osa, mis uurib probleeme, kus on tegemist kas diskreetse hulga mingis mõttes eristatavate osahulkadega
Διαβάστε περισσότεραAvaliku võtmega krüptograafia
Avaliku võtmega krüptograafia Ahto Buldas Motiivid Salajase võtme vahetus on tülikas! Kas ei oleks võimalik salajases võtmes kokku leppida üle avaliku kanali? 2 Probleem piiramatu vastasega! Kui vastane
Διαβάστε περισσότεραJoonis 1. Teist järku aperioodilise lüli ülekandefunktsiooni saab teisendada võnkelüli ülekandefunktsiooni kujul, kui
Ülesnded j lhendused utomtjuhtimisest Ülesnne. Süsteem oosneb hest jdmisi ühendtud erioodilisest lülist, mille jonstndid on 0,08 j 0,5 ning õimendustegurid stlt 0 j 50. Leid süsteemi summrne ülendefuntsioon.
Διαβάστε περισσότερα5.4. Sagedusjuhtimisega ajamid
5.4. Sagedusjuhtimisega ajamid Asünkroon- ja sünkroonmootori kiiruse reguleerimine on tekitanud palju probleeme Sobivate lahenduste otsingud on kestsid peaaegu terve sajandi. Vaatamata tuntud tõsiasjale,
Διαβάστε περισσότερα2. FÜÜSIKALISE SUURUSE MÕISTE
Soojusõpetus 2 1 2. FÜÜSIKALISE SUURUSE MÕISTE 2.1. Mõõtmisteooria Füüsikalise suuruse üldise mõiste avab mõõtmisteooria. Mõõtmisteooria loogiline koht on enne füüsikakursust. Probleemide komplitseerituse
Διαβάστε περισσότεραJätkusuutlikud isolatsioonilahendused. U-arvude koondtabel. VÄLISSEIN - COLUMBIA TÄISVALATUD ÕÕNESPLOKK 190 mm + SOOJUSTUS + KROHV
U-arvude koondtabel lk 1 lk 2 lk 3 lk 4 lk 5 lk 6 lk 7 lk 8 lk 9 lk 10 lk 11 lk 12 lk 13 lk 14 lk 15 lk 16 VÄLISSEIN - FIBO 3 CLASSIC 200 mm + SOOJUSTUS + KROHV VÄLISSEIN - AEROC CLASSIC 200 mm + SOOJUSTUS
Διαβάστε περισσότερα20. SIRGE VÕRRANDID. Joonis 20.1
κ ËÁÊ Â Ì Ë Æ Á 20. SIRGE VÕRRANDID Sirget me võime vaadelda kas tasandil E 2 või ruumis E 3. Sirget vaadelda sirgel E 1 ei oma mõtet, sest tegemist on ühe ja sama sirgega. Esialgu on meie käsitlus nii
Διαβάστε περισσότεραPunktide jaotus: kodutööd 15, nädalatestid 5, kontrolltööd 20+20, eksam 40, lisapunktid Kontrolltööd sisaldavad ka testile vastamist
Loeng 2 Punktide jaotus: kodutööd 15, nädalatestid 5, kontrolltööd 20+20, eksam 40, lisapunktid Kontrolltööd sisaldavad ka testile vastamist P2 - tuleb P1 lahendus T P~Q = { x P(x)~Q(x) = t} = = {x P(x)
Διαβάστε περισσότεραAnnegrete Peek. Üldistatud aditiivne mudel. Bakalaureusetöö (6 EAP)
TARTU ÜLIKOOL MATEMAATIKA-INFORMAATIKATEADUSKOND MATEMAATILISE STATISTIKA INSTITUUT Annegrete Peek Üldistatud aditiivne mudel Bakalaureusetöö (6 EAP) Juhendaja: Märt Möls, PhD Tartu 2014 Üldistatud aditiivne
Διαβάστε περισσότερα1 Kompleksarvud Imaginaararvud Praktiline väärtus Kõige ilusam valem? Kompleksarvu erinevad kujud...
Marek Kolk, Tartu Ülikool, 2012 1 Kompleksarvud Tegemist on failiga, kuhu ma olen kogunud enda arvates huvitavat ja esiletõstmist vajavat materjali ning on mõeldud lugeja teadmiste täiendamiseks. Seega
Διαβάστε περισσότερα2017/2018. õa keemiaolümpiaadi lõppvooru ülesannete lahendused klass
217/218. õa keemiaolümpiaadi lõppvooru ülesannete lahendused 11. 12. klass 1. a) Vee temperatuur ei muutu. (1) b) A gaasiline, B tahke, C vedel Kõik õiged (2), üks õige (1) c) ja d) Joone õige asukoht
Διαβάστε περισσότεραTARTU ÜLIKOOL Teaduskool. STAATIKA TASAKAALUSTAMISTINGIMUSED Koostanud J. Lellep, L. Roots
TARTU ÜLIKOOL Teaduskool STAATIKA TASAKAALUSTAMISTINGIMUSED Koostanud J. Lellep, L. Roots Tartu 2008 Eessõna Käesoleva õppevahendi kasutajana on mõeldud eelkõige täppisteaduste vastu huvi tundvaid gümnaasiumi
Διαβάστε περισσότερα1 Reaalarvud ja kompleksarvud Reaalarvud Kompleksarvud Kompleksarvu algebraline kuju... 5
1. Marek Kolk, Kõrgem matemaatika, Tartu Ülikool, 2013-14. 1 Reaalarvud ja kompleksarvud Sisukord 1 Reaalarvud ja kompleksarvud 1 1.1 Reaalarvud................................... 2 1.2 Kompleksarvud.................................
Διαβάστε περισσότερα2. HULGATEOORIA ELEMENTE
2. HULGATEOORIA ELEMENTE 2.1. Hulgad, nende esitusviisid. Alamhulgad Hulga mõiste on matemaatika algmõiste ja seda ei saa def ineerida. Me võime vaid selgitada, kuidas seda abstraktset mõistet endale kujundada.
Διαβάστε περισσότεραVektoralgebra seisukohalt võib ka selle võrduse kirja panna skalaarkorrutise
Jõu töö Konstanse jõu tööks lõigul (nihkel) A A nimetatakse jõu mooduli korrutist teepikkusega s = A A ning jõu siirde vahelise nurga koosinusega Fscos ektoralgebra seisukohalt võib ka selle võrduse kirja
Διαβάστε περισσότεραMitmest lülist koosneva mehhanismi punktide kiiruste ja kiirenduste leidmine
TALLINNA TEHNIKAÜLIKOOL MEHAANIKAINSTITUUT Dünaamika kodutöö nr. 1 Mitmest lülist koosnea mehhanismi punktide kiiruste ja kiirenduste leidmine ariant ZZ Lahendusnäide Üliõpilane: Xxx Yyy Üliõpilase kood:
Διαβάστε περισσότεραÜlesanne 4.1. Õhukese raudbetoonist gravitatsioontugiseina arvutus
Ülesanne 4.1. Õhukese raudbetoonist gravitatsioontugiseina arvutus Antud: Õhuke raudbetoonist gravitatsioontugisein maapinna kõrguste vahega h = 4,5 m ja taldmiku sügavusega d = 1,5 m. Maapinnal tugiseina
Διαβάστε περισσότεραFunktsioonide õpetamisest põhikooli matemaatikakursuses
Funktsioonide õpetamisest põhikooli matemaatikakursuses Allar Veelmaa, Loo Keskkool Funktsioon on üldtähenduses eesmärgipärane omadus, ülesanne, otstarve. Mõiste funktsioon ei ole kasutusel ainult matemaatikas,
Διαβάστε περισσότεραEnergiabilanss netoenergiavajadus
Energiabilanss netoenergiajadus 1/26 Eelmisel loengul soojuskadude arvutus (võimsus) φ + + + tot = φ φ φ juht v inf φ sv Energia = tunnivõimsuste summa kwh Netoenergiajadus (ruumis), energiakasutus (tehnosüsteemis)
Διαβάστε περισσότεραMudeliteooria. Kursust luges: Kalle Kaarli september a. 1 Käesoleva konspekti on L A TEX-kujule viinud Indrek Zolk.
Mudeliteooria Kursust luges: Kalle Kaarli 1 20. september 2004. a. 1 Käesoleva konspekti on L A TEX-kujule viinud Indrek Zolk. 2 Sisukord 1 Põhimõisted 9 1.1 Signatuur ja struktuur.................. 9
Διαβάστε περισσότεραKEEMIAÜLESANNETE LAHENDAMISE LAHTINE VÕISTLUS
KEEMIAÜLESANNETE LAHENDAMISE LAHTINE VÕISTLUS Nooem aste (9. ja 10. klass) Tallinn, Tatu, Kuessaae, Nava, Pänu, Kohtla-Jäve 11. novembe 2006 Ülesannete lahendused 1. a) M (E) = 40,08 / 0,876 = 10,2 letades,
Διαβάστε περισσότεραAlgebraliste võrrandite lahenduvus radikaalides. Raido Paas Juhendaja: Mart Abel
Algebraliste võrrandite lahenduvus radikaalides Magistritöö Raido Paas Juhendaja: Mart Abel Tartu 2013 Sisukord Sissejuhatus Ajalooline sissejuhatus iii v 1 Rühmateooria elemente 1 1.1 Substitutsioonide
Διαβάστε περισσότεραI. Keemiline termodünaamika. II. Keemiline kineetika ja tasakaal
I. Keemiline termdünaamika I. Keemiline termdünaamika 1. Arvutage etüüni tekke-entalpia ΔH f lähtudes ainete põlemisentalpiatest: ΔH c [C(gr)] = -394 kj/ml; ΔH c [H 2 (g)] = -286 kj/ml; ΔH c [C 2 H 2 (g)]
Διαβάστε περισσότερα6.6 Ühtlaselt koormatud plaatide lihtsamad
6.6. Ühtlaselt koormatud plaatide lihtsamad paindeülesanded 263 6.6 Ühtlaselt koormatud plaatide lihtsamad paindeülesanded 6.6.1 Silindriline paine Kui ristkülikuline plaat on pika ristküliku kujuline
Διαβάστε περισσότεραSELEKTSIOONIINDEKSID
VL09 VI SELEKTSIOONIINDEKSID Kuigi geneetiliste parameetrite (päritavuskoefitsiendid, geneetilised korrelatsioonikordajad, aretusväärtused) hindamiseks reaalsetes, suurtes ja väga erinevatel sugulusastmetel
Διαβάστε περισσότεραAnalüütilise geomeetria praktikum II. L. Tuulmets
Analüütilise geomeetria praktikum II L. Tuulmets Tartu 1985 2 Peatükk 4 Sirge tasandil 1. Sirge tasandil Kui tasandil on antud afiinne reeper, siis iga sirge tasandil on selle reeperi suhtes määratud lineaarvõrrandiga
Διαβάστε περισσότερα5. OPTIMEERIMISÜLESANDED MAJANDUSES
5. OPTIMEERIMISÜLESNDED MJNDUSES nts asma Sissejuhatus Majanduses, aga ka mitmete igapäevaste probleemide lahendamisel on piiratud võimalusi arvestades vaja leida võimalikult kasulik toimimisviis. Ettevõtete,
Διαβάστε περισσότεραEesti elektrienergia hinna analüüs ja ühesammuline prognoosimine ARIMA tüüpi mudelitega
TARTU ÜLIKOOL MATEMAATIKA INFORMAATIKATEADUSKOND Matemaatilise statistika instituut Finants- ja kindlustusmatemaatika eriala Kärt Päll Eesti elektrienergia hinna analüüs ja ühesammuline prognoosimine ARIMA
Διαβάστε περισσότεραKrüptoräsid (Hash- funktsioonid) ja autentimine. Kasutatavaimad algoritmid. MD5, SHA-1, SHA-2. Erika Matsak, PhD
Krüptoräsid (Hash- funktsioonid) ja autentimine. Kasutatavaimad algoritmid. MD5, SHA-1, SHA-2. Erika Matsak, PhD 1 Nõudmised krüptoräsidele (Hash-funktsionidele) Krüptoräsiks nimetatakse ühesuunaline funktsioon
Διαβάστε περισσότερα