Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Mõõtmistulemuste võrrandite lahendamine vähimruutude meetodil.". Need materjalid aitavad sul teemat sügavamalt mõista.
maatriks, muutuja, parandid, mõõtmistulemuste, maatriksite, mõõtmistulemused, vähimruutude, kaalumaatriks, excel, hälbed, esimesest, kõigepealt, parameetrid, võrrandeid, jacobi, pöördmaatriks, praktikum, koostama, maatriksid, nendest, leidsime, veerud, vahetatud, korrutamisel, järjekord, tehted, järjestuses, käsklus, ctrl, shift, ühtibIseseisev töö nr 4. Mõõtmistulemuste võrrandite lahendamine vähimruutude meetodil. Ülesanne 1. Antud on kolm lineaarset mõõtmistulemuste parameetrilist võrrandit: 1) Leida tundmatute parameetrite X ja Y kõige tõenäolisemad väärtused vähimruutude meetodil. Mõõtmistulemused on võrdsete kaaludega. Kuna mõõtmistulemused on võrdsete kaaludega, siis paregusel juhul neid arvestama ei pea ja kaalumaatriksit arvutustes kasutada ei ole vaja. Vastavalt ette antud võrranditele kirjutame välja maatriksid A (Tabel 1) ja L (Tabel 2), mis vastavalt koosnevad tundmatute muutujate X ja Y kordajatest ning paremal pool võrdusmärki asetsevatest suurustest (mõõtmistulemustest). Tabel 1. Maatriks A 1 2 2 -3 2 -1 Tabel 2. Maatriks L 10.5 5.5 10
Praktikum nr 5. Nivelleerimisvõrgu tasandamine. Ülesanne 1. Tabelis 1 on antud lahtise nivelleerimiskäigu mõõtmisandmed. Lähtepunktide kõrgused on HA=34,286 m ja HB= 41,522 m. Koostada mõõtmistulemuste võrrandid ja maatriksid ning leida tundmatute punktide kõrgused ja standardhälbed ning mõõtmistulemuste parandid vähimruutude meetodil. Koostada tasandustulemuste koondtabel(Tabel 10). Tabel 1.Nivelleerimiskäigu mõõtmisandmed. Vastavalt lähteandmetele koostame parameetrilised võrandid geomeetrilise v nivelleerimise prototüüpvõrrandi Hj-He=ΔHej+ ΔH eeskujul. Vastavalt saame neli ej parameetrilist võrrandit: H1-HA=2,179+v1 H2-H1=3,243+v2 H3-H2=-3,797+v3 HB-H3=5,608+v4
radiaaniga sekundites (ρ= 206264,8’’). See on vajalik selleks, et maatriksiga K oleks ühikuline vastavus. Prototüüpvõrrand nurga BIF (Backsight-Instrument-Foresight) on: Maatriksi J esimene rida kujuneb , teine rida ja kolmanda rea elemendid võrrandiosa järgi. Viimased kaks rida maatriskis on joonelised elemendid. Need tulenevad jone IJ prototüüpvõrrandist: Tabel 4. Maatriks J - 103.33 113.84 28 8 63.411 233.33 59 94 - - 166.74 119.49 4 1 0.7404 0.6720 75 83 - 0.5824 0.8128 9 38 Maatriksi K (Tabel 5) 3 esimest elementi on mõõdetud ja arvutatud nurkade väärtuste vahe ning kaks viimast elementi on mõõdetud ja arvutatud joonepikkuste vahe. Nurgalised elemendid on läbi korrutatud 3600’ga ehk väärtused on sekundites. Tabel 5
Praktikum nr. 8. GPS võrgu tasandamine Tasandada joonisel 1 kujutatud GPS-võrk maatriksite abil. Koostage mõõtmistulemuste võrrandid, A, L ja W maatriksid. Lähtepunktide koordinaadid on antud tabelis 1. Mõõdetud vektorite pikkused kooskovariatsioonimaatriksi elementidega on toodud tabelis 2. Joonis 1. Tasandatav GPS-võrk Tabel 1. Lähtepunktide geotsentrilised koordinaadid (WGS84) Punkt X (m) Y (m) Z (m) - - 4390283. A 1683429.8 4369532.52 745
Determinandi väärtus ei muutu, kui tema mingi rea elementidele juurde liita mis tahes arv kordsed teise rea vastavad elemendid. 7. Kuna determinant on induktiivselt defineeritud (esmalt esimest järku, selle abil teist, selle abil kolmandat jne.), saame suuremaid determinante arvutada nende miinorite ehk alamdeterminantide summana. 8. Maatriksi ja determinantide korrutis on võrdne nende maatrikskorrutise determinandiga olenemata maatriksite järjekorrast . Miinorid ja alamdeterminandid. Elemendi aik miinoriks nimetatakse determinanti, mis saadakse antud maatriksist või determinandist i-nda rea ja k-nda veeru ärajätmisel. Miinorit tähistatakse Mik. Elemendi aik alamdeterminandiks nimetatakse selle elemendi miinorit, kui indeksite summa i+k on paarisarv ja miinorit märgiga -, kui indeksite summa on paaritu arv. Alamdeterminanti tähistatakse Dik .
Kõrgema matemaatika kordamisküsimused 1. Maatriksi definitsioon. Maatriksi elemendid. Lineaarsed tehted maatriksitega (liitmine ja skalaariga korrutamine). Nullmaatriks. Transponeeritud maatriks 2. Maatriksite korrutise definitsioon. Korrutamise omadused ja seosed lineaarsete tehete ning korrutamise vahel. Ühikmaatriks. 3. Teist ja kolmandat järku determinandid. 4. Permutatsiooni definitsioon. Inversiooni definitsioon. n-järku determinandi definitsioon. Determinandi põhiomadused 5. Maatriksi elemendi minor. Alamdeterminant. Determinandi arendus rea ja veeru järgi. Determinantide teooria põhivalem. 6. Regulaarse maatriksi mõiste
KORDAMISKÜSIMUSED 2015/2016 Kõrgem matemaatika MTMM. 00.145 (6EAP) 1. Maatriksi mõiste, järk, tähistused, liigid. Maatriks on ristkülikukujuline arvude tabel, milles on m-rida ja n-veergu ja mis on ümbritsetud ümarsulgudega. Maatriksit tähistatakse suure tähega. Kui aij on reaalarvud ning i = 1; 2;...;m ja j = 1; 2;...; n, siis tabelit: nimetatakse täpsemalt (m x n)-maatriksiks ja kasutatakse tähistusi Am x n või Amn. Arvupaari (m; n) nimetatakse maatriksi A mõõtmeteks. Tabelis paiknevaid arve aij nimetatakse maatriksi elementideks. i reaindeks; j veeruindeks.
0 0 0 1 8. Maatriksit, mille kõik elemendid on nullid, nimetatakse nullmaatriksiks ja tähistatakse tähega O või . 2.Tehted maatriksitega Olgu antud maatriksid A = ( aik ) ja B = ( bik ). 1. Maatrikseid A ja B loetakse võrdseteks, kui nende vastavad elemendid aik ja bik on võrdsed. 2. Maatriksite A ja B summaks nimetatakse maatriksit C, mille elemendid cik = aik + bik; näiteks 1 5 3 6 4 -2 7 9 1 A= - 2 0 7 ja B= 5 -3 -3 , siis A + B = 3 -3 4. 5 -1 4 1 4 3 6 3 7
MAATRIKS: Maatriks nimetatakse ümarsulgudesse paigutatud reaalarvude tabelit, milles on eristatavad read ja veerud. Maatriksi mõõtmed Maatriksit, milles on m rida ja n veergu nimetatakse täpsemalt (m,n)- maatriksiks ning arvupaari (m,n) selle maatriksi mõõtmeteks. Maatriksi järk Omadus, mis esineb ainult ruutmaatriksil: Näiteks Mat(n,n) nim. n-järku maatriksiks. Maatriksi elemendid nimetatakse reaalarve, milledest maatriks koosneb. Maatriksi ja maatriksite hulga tähistused Maatrikseid tähistatakse tavaliselt suurte ladina tähtedega: A, B,....X, Y, Z. Maatriksite elemente tähistatakse vastavate väikeste ladina tähtedega, mis võivad olla varustatud ka indeksitega: a, b, c, jne. Kõigi (kõikvõimalike mõõtmetega) maatriksite hulka tähistame edaspidi Mat abil ning kõigi (m, n)-maatriksite hulka tähistame edaspidi Mat(m, n) abil. Ruutmaatriks maatriks, mille ridade arv on võrdne veergude arvuga, s.t. m=n
0 0 0 1 . E= 8. Maatriksit, mille kõik elemendid on nullid, nimetatakse nullmaatriksiks ja tähistatakse tähega O või . 2.Tehted maatriksitega Olgu antud maatriksid A = ( aik ) ja B = ( bik ). 1. Maatrikseid A ja B loetakse võrdseteks, kui nende vastavad elemendid aik ja bik on võrdsed. 2. Maatriksite A ja B summaks nimetatakse maatriksit C, mille elemendid cik = aik + bik; näiteks 1 5 3 6 4 - 2 7 9 1 - 2 0 7 5 - 3 - 3 3 - 3 4 5 -1 4 1 4 3 6 3 7 A= ja B= , siis A + B = . 3. Maatriksite A ja B vaheks nimetatakse maatriksit C, mille
A = ||aij|| = (aij R iga i ja j korral) Erikujulised maatriksid: 1. ruutmaatriksid (m=n) 2. diagonaalmaatriks (m=n; aij = 0 ij) 3. skalaarmaatriks (m=n; aij = 0 ij; a11 = a22 = ... = ann) Lineaarsed tehted maatriksitega A = ||aij|| Kmxn; B = ||bij|| Kmxn; c K 1. liitmine: A + B = ||cij|| Kmxn; cij = aij + bij i,j 2. skalaariga korrutamine: cA = ||dij|| Kmxn; dij = caij i,j Samad omadused kui vektorite korral, kus = A, = B, = C, V = Rnxm 7. Maatriksite korrutamine. Korrutamise omadused ja seos lineaarsete tehetega. A = ||aij|| Kmxn; B = ||bjk|| Knxp A reavektorid: 1 = (a11; a12; ...; a1n) Kn ... m = (am1; am2; ...; amn) Kn B veeruvektorid: 1 = (b11; b21; ...; bn1) Kn ... p = (b1p; b2p; ...; bnp) Kn AB = A*B = ||ik|| Kmxp; reavektorid: 1 = (11; 12; ...; 1p) Kn ... m = (m1; m2; ...; mp) Kp Maatriksite korrutamise omadused 1. maatriksite korrutamine pole kommutatiivne, st üldjuhul AB BA; kui AB =
I. Maatriksid ja determinandid 1. Maatriksi m~oiste. Tehted ja nende omadused . . . . . . . . . . . . . . . . . . . . . . 4 2. Permutatsioonid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3. Determinandi m~oiste. Omadused . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 4. Laplace'i teoreem. Determinandi arendamine rea ja veeru j¨argi . . . 34 5. Teoreem maatriksite korrutise determinandist . . . . . . . . . . . . . . . . . . . . 40 6. P¨o¨ordmaatriks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 II. Vektorruum u ¨le reaalarvude 7. Vektorruumi m~oiste. Omadused . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 8. Vektorruumi alamruum
I. Maatriksid ja determinandid 1. Maatriksi m˜oiste. Tehted ja nende omadused . . . . . . . . . . . . . . . . . . . . . . 4 2. Permutatsioonid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3. Determinandi m˜oiste. Omadused . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 4. Laplace’i teoreem. Determinandi arendamine rea ja veeru j¨argi . . . 34 5. Teoreem maatriksite korrutise determinandist . . . . . . . . . . . . . . . . . . . . 40 6. P¨o¨ordmaatriks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 II. Vektorruum u ¨le reaalarvude 7. Vektorruumi m˜oiste. Omadused . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 8. Vektorruumi alamruum
a = aij A = (aij ) = ij , (1.1) kus i = 1,...,n on rea number, j = 1,...,m on veeru number. Arve aij nimetatakse maatriksi elementideks. Nii et esimene alumine indeks näitab, mitmendas reas asub element , ja teine alumine indeks - mitmendas veerus asub element. Maatriksi suurust saab väljendada valemiga: ridade arv x veergude arv. Antud maatriks (1.1) on suurusega n x m ja seda saab kirjutada järgmiselt : An x m või dim A = n x m (dimensioon suurus). 3 - 4 2 A = Näide 1: Antud maatriks 0 1 - 6,5 . Siin A , a = - 4, a = -6,5 . 2x3 12 23 Maatriksid on võrdsed oma vahel , kui on võrdsed kõik vastavad elemendid antud matriksites, s.t. A = B , kui aij = bij , i = 1,...,n , j = 1,...,m
püstjoontega): A = (aij ) = [aij ] = aij , (1.1) kus i = 1,...,n on rea number, j = 1,...,m on veeru number. Arve aij nimetatakse maatriksi elementideks. Nii et esimene alumine indeks näitab, mitmendas reas asub element , ja teine alumine indeks - mitmendas veerus asub element. Maatriksi suurust saab väljendada valemiga: ridade arv x veergude arv. Antud maatriks (1.1) on suurusega n x m ja seda saab kirjutada järgmiselt : An x m või dim A = n x m (dimensioon suurus). 3 -4 2 Näide 1: Antud maatriks A = . Siin A2x3 , a12 = - 4, a23 = -6,5 . 0 1 - 6,5 Maatriksid on võrdsed oma vahel , kui on võrdsed kõik vastavad elemendid antud matriksites, s.t. A = B , kui aij = bij , i = 1,...,n , j = 1,...,m . Definitsioon 2
Lahendskeem: (A!E)- >Gaussi teisend->(E!A-1). N: 248 -2 0 2 468 2. Leontjevi staatiline mudel 1 2 lõpptoodang y kogutoodang x 1 100=x11 160=x12 240 500 2 275 40 85 400 sisemine tarbimine Leontjevi mudel aitab leida samasugust tabelit järgmise aasta jaoks, kui uus lõpptoodang y=(200, 100) Otsekulude maatriks A, aij=xij/xj (1) 100/500 160/400 A= 275/500 40/400 Ax+y=x (2) tasakaaluvõrrand sisemise tarbimise, lõpp- ja kogutoodangu vahel Teades lõpptoodangu uut vektorit same koostada sarnase tabeli järgmise aasta jaoks. Selleks teisendame valemit 2. x-Ax=y (E-A)x=y x=(E-A)-1y=By (3) B on täiskulude maatriks. Leiame E-A ning selle pöördmaatriksi ning same uue kogutoodangu maatriksi: Uusx=By a11=0,2=uusx11/uusx1=uusx11/440, uusx11=0,2*440=88
1. Diferentsiaalvõrrandi üld- ja erilahend. Väärtus ja raja ülesanne Def 1.1 Võrrandit, milles osalevad sõltumatu muutuja, tundmatu funktsioon ja selle tuletised nim diferentsiaalvõrrandiks. (1.1) F(x, y(), y'(), ...)=0 Kui otsitav funktsioon y sõltub ainult ühest muutujast, siis seda nim harilikuks diferentsiaalvõrrandiks. Kui otsitav funktsioon sõltub mitmest muutujast, siis on tegemist osatuletistega diferentsiaalvõrranditega. Kõrgema järguga tuletis dif.võr määrab ära selle võrrandi järgu. Esimest järku dif võrrand on (1.2) Def 1.2 N-järku dif.võr (1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 ÜLESANNETE VASTUSED . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 8. MAATRIKSID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 Maatriksi mõiste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 Maatriksite liitmine ja lahutamine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 Maatriksi korrutamine skalaariga. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 ©Audentese Ülikool, 2003. Koostanud A. Sauga MAJANDUSMATEMAATIKA I Mudelid Maatriksi transponeerimine. . . . . . . . . . . . .
süsteemil eripärased. Matemaatilise mudeli muutujad (ajast sõltuvad liikmed) kirjeldavad süsteemis toimuvaid dünaamilisi protsesse ja on üldiselt (vähemalt põhimõtteliselt) mõõdetavad. Orienteeritud süsteemis, kus on valdavalt tegemist informatsioonilise protsessidega, nimetatakse muutujaid tihti ka signaalideks. Kõik süsteemi muutujad on esitatavad reaalarvuliste hetkväärtustega aja funktsioonidena. Mistahes muutuja hetkväärtused võivad sõltuda teiste muutujate samadele või varasematele ajamomentidele vastavatest hetkväärtustest, kuid mitte tulevaste ajamomentide hetkväärtustest. Süsteemi (või selle elementide) parameetrid on süsteemi või tema elementide iseloomustus-suurused, mis esinevad enamasti dimensiooniga kordajatena süsteemi või mõnda elementi iseloomustavais võrrandeis (matemaatilises mudelis). Parameetrid võivad olla konstandid, sõltuda ajast või mudeli muutujatest
toimivate füüsikaliste või muu päritoluga protsesside seaduspärasuste alusel koostatud matemaatiliste seoste (võrrandite) kogum, mis orienteeritud süsteemi puhul seob oleku- ja väljundmuutujaid sõltumatute sisendmuutujatega, võimaldades arvutada süsteemis toimuvaid ajalisi protsesse. Enamasti matemaatiline mudel esitatakse süsteemi ja ülekande iseloomule sobivas kokkuleppeliselt standardses vormis. Matemaatilise mudeli kirjeldamiseks tuleb iga muutuja jaoks valida sobiv mõõtühik, mille kaudu saadakse nii muutujate kui ka parameetrite arvulised väärtused. Vatavate füüsikaliste suuruste põhiühikute kasutamine pole vajalik, oluline on vaid võrrandites kasutatavate muutujate ühikute kooskõla. Süsteemi matemaatilised mudelid võimaldavad loodava süsteemi omadusi nii teoreetiliselt kui ka arvutuslikult uurida. Algolek ja selle sisu: Algolek on süsteemi muutujate või parameetrite teadaolevad väärtused
aga ka võimalus mudeli parameetreid piisava täpsusega määrata. 1.3, Muutujad ja parameetrid Matemaatilise mudeli muutujad (ajast sõltuvad liikmed) kirjeldavad süsteemis toimuvaid dünaamilisi protsesse ja on üldiselt (vähemalt põhimõtteliselt) mõõdetavad. Orienteeritud süsteemis, kus on valdavalt tegemist informatsioonilise protsessidega, nimetatakse muutujaid tihti ka signaalideks. Kõik süsteemi muutujad on esitatavad reaalarvuliste hetkväärtustega aja funktsioonidena. Mistahes muutuja hetkväärtused võivad sõltuda teiste muutujate samadele või varasematele ajamomentidele vastavatest hetkväärtustest, kuid mitte tulevaste ajamomentide hetkväärtustest. Süsteemi (või selle elementide) parameetrid on süsteemi või tema elementide iseloomustus-suurused, mis esinevad enamasti dimensiooniga kordajatena süsteemi või mõnda elementi iseloomustavais võrrandeis (matemaatilises mudelis). Parameetrid võivad olla konstandid, sõltuda ajast või mudeli muutujatest
Ar- vupaari k × n := (k, n) nimetatakse maatriksi A j¨ arguks. Selguse huvides v~oib maatriksi j¨arku n¨aidata ka t¨ahistuses, nt (aij )k × n . Kui k = n, siis ¨oeldakse, et A on ruutmaatriks. Ruutmaatriksi j¨arguks nimetame lihtsalt selle maatriksi ridade (ehk veergude) ar- vu. Elementide j¨arjendit a11 , a22 , . . . nimetatakse (ruut)maatriksi A peadiagonaaliks. K~oigi k × n-j¨arku reaalarvuliste elementidega maatriksite hul- ka t¨ahistame edaspidi Matk × n := Matk × n (R). 1.2 Aritmeetilised vektorid ¨ Uherealisi ja u ¨heveerulisi maatrikseid nimetatakse ka (aritmeeti- listeks) vektoriteks. Aritmeetiliste vektorite elemente nimetatakse tavaliselt vektori koordinaatideks ehk komponentideks. Aritmeetiliste vektorite hulgadeks on seega Mat1 × n ja Matk × 1 . Maatriksi ridadest moodustatud u ¨herealisi maatrikseid nime- tatakse maatriksi reavektoriteks
Praktikum nr 3. Mõõtmiste kaalud. Sõltumatute mõõtmiste kovariatsioonimaatriks ja kaalumaatriks Ülesanne 1. Algandmetena on antud polügonomeetriakäigus kolme täisvõttega mõõdetud parempoolsed nurgad ja nende standardhälbed. Leia nurkade kaalud. Koosta mõõtmise kaalu- ja kovariatsioonimaatriksid. Nurgamõõtmiste kaalud leiame nende standardhälvete S järgi. Nurga kaaluks on tema 1 w=
majandusnähtuste vahelise seose tugevuse ja usaldatavuse ning samas ka seose funktsionaalse vormi. Regressioonianalüüsi põhiülesanded:1) hinnata kvantitatiivselt majandusnähtuste vaheliste seoste suunda, tugevust ja kuju; 2)prognoosida maj. nähtuste ja protsesside tõenäosuslikku arengut; 3)kontrollida empiiriliselt maj. teoreetiliste seisukohtade ja hüpoteesi paika pidavust. Regressioonivõrrandiks on lineaarne mitme muutuja funktsioon. Regressioonikordaja i näitab mitme ühiku võrra muutub sõltuv muutuja Yt kui sõltumatu muutuja Xi muutub 1 ühiku võrra. Kui regressioonmudelis on 1 sõltumatu muutuja, siis on tegemist lihtsa regressioonvõrrandiga Y=b0+ b1xi+ei, i=1,2...n. Kui sõltumatuid muutujaid on vähemalt 2 (k>2), siis on tegemist mitmese regressioonimudeliga. Enim praktikas kasutusel olev mittelineaarne regressioonvõrrand on ruutmudel e. parabool. Parabooli abil on
leiab ökonomeetriliste mudelite koostamisel kõige enam kasutamist mitmene lineaarne regressioonimudel. Taolise regressioonimudeli koostamist nim. ka klassikaliseks regressioonianalüüsiks. Antud juhul eeldatakse, et sõltuvat muutujat Y mõjutavad mitu sõltumatut muutujat X1, X2,-;Xn ning nende mõju sõltuvale muutujale on lineaarne. Regressioonivõrrand-;-;-;-;-;-;-;-;-;-;-;-;-;-;-;-; Mudeli parameetrite hindamiseks kasutatakse üldtuntud vähimruutude meetodit. Regressioonivõrrandi parameetrite -;-;-;-;-;-;-;-;-;. .väärtuste ehk täpsemalt väljendades nende parameetrite hinnangute b1, b2, -;bn kindlaksmääramineon ökonomeetrilise analüüsi üheks peaülesandeks. Mitmese lineaarse regressioonivõrrandi parameetrid (regressioonikordajad) võimaldavad nende majanduslikku tõlgendamist. Igal regressioonikordajal on majanduslik sisu. Mittelineaarse regressioonivõrrandi parameetrid ei ole üldjujhul sisuliselt tõlgendatavad
3. Lihtne regressioon, regressioonivõrrandi põhikuju. Determineeritud regressioonivõrrand. Lineaarse regressiooni korral kirjeldatakse seost uuritavate muutujate väärtuste vahel sirge abil võrrandiga Y = a0+a1X Eesmärgiks on leida punktiparvega antud X ja Y vahelist seost iseloomustava parima sirge võrrand Lineaarse kahe muutujaga determineeritud regressioonimudeli korral eeldatakse, et juhusliku suuruse Y tingliku keskväärtuse ja sõltumatu muutuja X vahel on seos E(YX ) = 0+ 1X Determineeritud regressioonivõrrand kirjeldab seost endogeense ehk sõltuva muutuja Y keskväärtuse ja eksogeensete ehk sõltumatute muutujate Xi vahel. Võrrandi vasakul pool on tinglikud keskväärtused, mis ei sõltu juhusest 4. Stohhastiline regressioonivõrrand. Juhuslik komponent (regressioonijääk). Visualiseerimine (joonis). Stohhastiline regressioonivõrrand sisaldab juhuslikku liiget i
. . . . . . . . . . . 4 0.4 Summa sümbol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1 Maatriksid ja determinandid 7 1.1 Maatriksi mõiste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.2 Tehted maatriksitega . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.3 Maatriksite korrutamine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.4 Teist ja kolmandat järku determinant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.5 Kõrgemat järku determinant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.6 Determinantide omadused . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2 Pöördmaatriks
Niisugust lubatavate lahendite hulka, mille korral Z on max või min nimetatakse optimaalseks lahendiks ehk optim plaaniks. DUAALÜLESANDED LPÜ teisendamine max-kanoonilisele kujule 1) Kui Z nõutakse miinimumi, siis seda saab esitada max nõudele Min z=max (z´= -z)=-c1x1-c2x2.. 2) Kui kitsendused on esitatud võrratustena, tuleb sisse tuua täiendavad muutujat (abimuutujad, ülejäägi näitajad) 3) Kui mõne muutuja kohta pole esitatud mittenegatiivsuse nõuet, siis seda võib defineerida kahe mittenegatiivse muutuja vahena x2=x2´-x2´´ x2 ≥0, x2´´≥0 LPÜ-ga duaalne ülesanne max-põhikujul LPÜ duaalne ülesanne 1. Esialgse ül igale kitsenduele seame vastavusse duaalse ül tundmatud: y1, y2,..,ym 2. Duaalse ül kitsenduste süsteemi vabaliikmeteks on esialgse ül sihifunktsiooni kordajad c1,c2 Duaalse ül kitsenduste arv sõltub esialgse ül muutujate arvuga 3
kehtib ka B. Tõestame 10. Üldisuse kvantoriga väite tõestamine induktsiooniga naturaalarvudel. [2, 3, L15 slaidid] Kvantoreid sisaldavate valemite korral eeldame, et on fikseeritud mingi universaalne hulk ja tähendab: „iga korral hulgast kehtib “, tähendab: „leidub selline , et kehtib “. Vaatame nüüd läbi kõik loogilised seosed. Alustame nendest, mis esinesid ülaltoodud näites. Tavaline üldisuse kvantoriga väite tõestamise esimene samm on selline: Tähistagu muutuja suvalist universaalse hulga elementi. Formaalselt tähendab suvalisus seda, et peame valima uue tähise, et eeldustes ei oleks elemendi kohta midagi väidetud. Sealhulgas võib tähisena kasutada ka sedasama muutujat , kui ta ei esine eeldustes (vaba muutujana). 11. **Kvantorite distributeerumine konjunktsiooni ja disjunktsiooniga. **Kvantorite ettetoomine. [3] o Kvantorite distributiivsus: 8x(F(x) & G(x)) = 8xF(x) &8xG(x), 9x(F(x) v G(x)) = 9xF(x) v9xG(x).
Tunnuse X2 väärtused: x21, x22,...x2n ... yn b1 b2 x2 n b3 x3n ... bk xkn un Tunnuse X3 väärtused: x31, x32,...x3n Üldiselt tunnuse Xj väärtused: xj1, xj2, xjn Kasutame maatrikseid · Parameetrite hinnangud leitakse vähimruutude meetodil y1 1 x21 x31 xk1 b1 u1 1 u (OLS) y x22 x31 xk 2 b
mistamisel kui ka kursuse iseseisval läbimisel. See sisaldab ülesandeid põhiliste teoreetilise kursuse käigus läbivõetavate teemade kohta. Igas peatükis on nn näidisülesanded (täieliku lahenduskäiguga) ja ülesanded iseseisvaks lahendamiseks (mille kohta on ülesannete kogu lõpus toodud vastused ja mõnikord ka vahetulemused). Autorid on kasutanud samu tähiseid, mis on kasutusel H. Sillamaa raamatus, välja arvatud diskreetsete süsteemide maatriksite tähistus, kus F ja G asemel kasutatakse kreeka tähti ja . Selle aine õpetamise pikaajaline kogemus näitas sellise ülesannete kogu vajalikkust. Kõik märkused, soovitused ja teated avastatud vigadest on teretulnud. Autorid tänavad oma kolleegi professor Ennu Rüsterni asjalike märkuste ja soovituste eest ülesannete kogu ettevalmistamise käigus. 3 SISUKORD Eessõna .........................
saab rakendada optimeerimisülesande lahendamisel. Olgu vaja leida rangelt kumera funktsiooni maksimum y muutujate lubatavuspiirkonnas. Optimeerimisülesande lahendiks on juhitavate parameetrite optimaalsed ja ühtlasi lubatavad väärtused , mille puhul sihifunktsiooni väärtus on maksimaalne. Rangelt kumer funktsioon saavutab optimeerimisülesandes maksimumi vaid lubatava piirkonna tippudes. Seega optimumi tingimused on: . Ühe muutuja funktsioonil võib olla üks või kaks maksimumi. Rangelt kumeral n muutujaga funktsioonil on üldjuhul palju lokaalseid maksimume kuni 2n . Üks maksimumidest n globaalne maksimum. Optimumide tingimused rangelt nõguse funktsioonidega ülesannetes: Olgu vaja leida rangelt nõgusi funktsiooni maksimum Y-muutujate lubatavas piirkonnas. Optimeerimisülesande lahendiks on juhitavate parameetrite optimaalsed ja ühtlasi lubatavad väärtused, mille puhul sihifunktsiooni väärtus on maksimaalne
.......................................... 59 9.1 Statistilise uurimistöö etapid................................................................................................. 59 9.2 Statistiline vaatlus ................................................................................................................. 59 9.3 Andmete olemus ja andmete kogumine ............................................................................... 60 9.4 Objekt-tunnus maatriks......................................................................................................... 61 10 Andmete kirjeldamine......................................................................................................... 63 10.1 Sagedusjaotused ................................................................................................................... 63 10.2 Keskmised .........................................................................................
annaabi.ee 
