Stochastische Modellen in Operations Management (153088)
|
|
- Leopold Bos
- 8 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Stochastische Modellen in Oerations Management (153088) S1 S2 Ack X ms X ms S0 240 ms R1 R2 R3 L1 L2 10 ms 10 ms D0 Internet D1 D2 Richard Boucherie Stochastische Oerations Research TW, Citadel 125 htt://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/ html
2 Stochastische Modellen in Oerations Management (153088) Doel van het vak / leerdoel begri, inzicht en creativiteit in het ontwikkelen van wiskundige modellen ten behoeve van stochastische beslissingsroblemen met behul van een aantal fundamentele basistechnieken elk van de behandelde modelleringstechnieken in voldoende mate beheersen, d.w.z. een model kunnen ostellen, dit model kunnen olossen, en deze olossing kunnen interreteren Tentamenstof Winston Hoofdstuk Uitreikstukken via website transaranten, uitwerkingen oefenogaven, syllabus OR2
3 Overzicht SMOM Hoor- en werkcolleges (14 HC, 4 WC, 1 vragenuur+oefentent.) Markov ketens (W 17, 2 HC, 1 WC) Stochastische Dynamisch Programmeren (W 19, 3 HC, 1 WC) Markov beslissingstheorie (W 19, 3 HC, 1 WC) Wachttijdtheorie (W 20 + dictaat OR2, 6 HC, 2 WC) Tentamen schriftelijk (4 ogaven) Literatuur Winston Hoofdstuk Uitreikstukken o website Transaranten
4 Vandaag: Introductie Stochastisch rocess Markov keten
5 Stochastisch Proces Observeer karakteristiek van een systeem o discrete tijdstien. X t is waarde systeem karakteristiek o tijd t. Vaak is X t niet met zekerheid bekend voor tijd t en kan gezien worden als stochastische variabele. Een discrete-tijd stochastisch roces is een beschrijving van de relatie tusen de stochastische variabelen X 0, X 1, X 2.
6 Een continue tijd stochastisch roces is een stochastisch rocess waarin de toestand van het systeem o ieder moment kan worden geobserveerd, niet alleen o discrete tijdstien. Voorbeeld: aantal klanten in suermarkt t tijdseenheden na winkeloening = continue tijd stochastisch roces. Voorbeeld: oeningskoers AEX = discrete-tijd stochastisch roces koersverloo gedurende dag = continue-tijd stochastisch roces Verwachting koers aan het eind van het jaar? Moet ik nu instaen? Otierijs?
7 Stochastisch rocess voor beurskoersen Stochastisch rocess voor koers beleggingsrekening Observeer oeningskoers discrete tijd roces (X t, t=0,1,2, ) Evolutie van stochastische variabele Koers over 100 dagen? P(X t+1 = i t+1 X t = i t, X t-1 =i t-1,,x 1 =i 1, X 0 =i 0 ) Best lastig robleem
8 Vandaag: Introductie Stochastisch rocess Markov keten
9 Markov Ketens Seciaal tye discrete-tijd stochastisch roces. Definitie: Een discrete-tijd stochastisch roces met toestandsruimte S is een Markov keten wanneer het, voor t = 0,1,2 en alle toestanden i 0, i 1,,i t, i t+1 S={0,1,,s} voldoet aan de Markov eigenscha: P(X t+1 = i t+1 X t = i t, X t-1 =i t-1,,x 1 =i 1, X 0 =i 0 ) = P(X t+1 =i t+1 X t = i t ) De kansverdeling van de toestand o tijdsti t+1 hangt uitsluitend af van de toestand o tijdsti t (i t ) en niet van de toestanden die de keten eerder heeft bezocht voorafgaande aan bezoek aan i t o tijdsti t.
10 We zullen verder aannemen dat P(X t+1 = j X t = i) onafhankelijk is van t voor alle toestanden i en j. We noemen zo n Markov keten homogeen. P(X t+1 = j X t = i) = ij ij is de kans dat systeem systeem zich in toestand j bevindt o tijdsti t+1 gegeven dat het zich in toestand i bevindt o tijdsti t. Wanneer systeem zich in een eriode beweegt van toestand i naar toestand j zeggen we dat een overgang of transitie van i naar j heeft laats gevonden. De ij s heten overgangskansen voor de Markov keten.
11 Markov keten voor beurskoersen Markov keten voor koersen beleggingsrekening Observeer oeningskoers : discrete tijd roces (X t,t=0,1,2, ) Evolutie van stochastische variabele Markov eigenscha (Aanname!!) P(X t+1 = i t+1 X t = i t, X t-1 =i t-1,,x 1 =i 1, X 0 =i 0 ) =P(X t+1 = i t+1 X t = i)= ij Stel i,i+1 =, i,i-1 =1- Dronkemanswandeling X t is aantal keren ko-munt na t woren met (on)zuivere munt htt://staff.feweb.vu.nl/aridder/alets/simrw/default.htm Verwachting koers over 100 dagen? Dit is best te doen!! Moet ik nu instaen? Otierijs?
12 Begin verdeling: q i is de kans dat keten in toestand i o tijdsti 0: P(X 0 =i) = q i. Vector q= [q 1, q 2, q s ] de initiële of begin verdeling. Overgangskansen matrix P Voor iedere i S j = s j= 1 ij = 1 Voor alle i,j S ij 0. Dus: alle elementen van de overgangskansen matrix niet negatief, en rijsommen 1 Karakterisatie overgangskansen matrix. P = 11 M 21 s M s 2 K K K 1s 2 s M ss
13 n-stas overgangskansen Belangrijke vraag voor Markov ketens: Als Markov keten in toestand i is o tijdsti m, wat is dan de kans dat Markov keten n tijdstien later in toestand j is? Deze kans hangt niet af van m, P(X m+n =j X m = i) = P(X n =j X 0 = i) = P ij (n) P ij (n) is de n-stas overgangskans voor een transitie van toestand i naar toestand j. Moeilijk te bealen? P ij (n) = ij element van P n
14 Bewijs P (2) ij ik kj k = 1 s = Chaman Kolmogorov vergelijkingen s P ( m n) P ( n) P ( m) + = ij ik kj k = 1 Pas nu toe voor m=1, n=0,1,2,
15 Markov keten voor beurskoersen Markov keten voor koersen beleggingsrekening i,i+1 =, i,i-1 =1- Dronkemanswandeling htt:// Beaalde n stas overgangskansen Verwachting koersstijging in 100 dagen? Dit is best te doen!! Andere voorbeelden? Algemene uitsraken? Volgende keer
16 Samenvatting Markov keten is een stochastisch roces dat voldoet aan de de Markov eigenscha: P(X t+1 = i t+1 X t = i t, X t-1 =i t-1,,x 1 =i 1, X 0 =i 0 ) =P(X t+1 =i t+1 X t = i t ) Homogeen P(X t+1 = j X t = i) = ij ij overgangskansen voor de Markov keten P ij (n)= P(X m+n =j X m = i) = P(X n =j X 0 = i) is de n-stas overgangskans voor een transitie van i naar j. P ij (n) = ij element van P n
17 Food for thought: geheugen in Markov keten? Weerman: Kans regen hangt af van weer van vandaag (regen of droog) Toestand 1 : regen; toestand 2 : droog 11 =P(morgen regen vandaag regen)= 21 =P(morgen regen vandaag droog)= X n = toestand weer o dag n Markov keten? P = = α β 1 α 1 β
18 Food for thought: geheugen in Markov keten? Betere weerman? Kans regen hangt af van weer vandaag en gisteren P(morgen regen vandaag en gister regen)= 0.7 P(morgen regen vandaag regen, gister droog)= 0.5 P(morgen regen vandaag droog, gister regen)= 0.4 P(morgen regen vandaag en gister droog)= 0.2 Toestand weer o dag n? Markov keten?
19 RJ9 Food for thought: geheugen in Markov keten? Betere weerman? Kans regen hangt af van weer vandaag en gisteren maak Markov keten X n = toestand weer o dag n en dag n-1 Toestand 1 : regen vandaag en gisteren Toestand 2 : regen vandaag, droog gisteren Toestand 3: droog vandaag, regen gisteren Toestand 4: droog vandaag en gisteren 11 =P(morgen regen vandaag en gisteren regen)= =P(morgen regen vandaag regen, gisteren droog)= =P(morgen regen vandaag droog, gisteren regen)= =P(morgen regen vandaag en gisteren droog)= 0.2 P = =
20 Slide 19 RJ9 let o, bij betere weerman noemen dat voor Xn+1 vandaag en gisteren komt overeen met voor Xn morgen en vandaag!! Geef laatje betere weerman o bord van Markov keten!! Boucherie;
Stochastische Modellen in Operations Management (153088)
Stochastische Modellen in Oerations Management (15388) S1 S2 Ack X ms X ms S 24 ms R1 R2 R3 L1 L2 1 ms 1 ms D Internet D1 D2 Richard Boucherie Stochastische Oerations Research TW, Ravelijn H 219 htt://wwwhome.math.utwente.nl/~boucherierj/onderwijs/15388/15388.html
Nadere informatieWachttijdtheorie (vakcode )
Wachttidtheorie vacode 153087 Doel Introductie theorie netweren van wachtrien met nadru o exacte analytische olossingen. Omvang 3 SP 5 ECTS volgend aar Ca 18 bieenomsten Plaats: 4.2 Vorm: Hoorcollege /
Nadere informatieP (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i). P (X n+1 = j X n = i) MARKOV KETENS. Definitie van Markov keten:
Definitie van Markov keten: MARKOV KETENS Een stochastisch proces {X n, n 0} met toestandsruimte S heet een discrete-tijd Markov keten (DTMC) als voor alle i en j in S geldt P (X n+1 = j X n = i, X n 1,...,
Nadere informatieINLEIDING. Definitie Stochastisch Proces:
Definitie Stochastisch Proces: INLEIDING Verzameling van stochastische variabelen die het gedrag in de tijd beschrijven van een systeem dat onderhevig is aan toeval. Tijdparameter: discreet: {X n, n 0};
Nadere informatieDeel 2 van Wiskunde 2
Deel 2 van Wiskunde 2 Organisatorische informatie Wat Dag Tijd Zaal Docent College Tue 5+6 Aud 6+15 Jacques Resing Thu 1+2 Aud 1+4 Jacques Resing Werkcollege Tue 7+8 Aud 6+15 Jacques Resing Instructie
Nadere informatieStochastische Modellen in Operations Management (153088)
S1 S2 X ms X ms Stochastische Modellen in Operations Management (153088) R1 S0 240 ms Ack Internet R2 L1 R3 L2 10 ms 1 10 ms D1 Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieStochastische Modellen in Operations Management (153088)
S1 S2 X ms X ms Stochastische Modellen in Operations Management (153088) R1 S0 240 ms Ack Internet R2 L1 R3 L2 10 ms 1 10 ms D1 Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieP (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i). P (X n+1 = j X n = i) MARKOV KETENS. Definitie van Markov keten:
Definitie van Markov keten: MARKOV KETENS Een stochastisch proces {X n, n 0} met toestandsruimte S heet een discrete-tijd Markov keten (DTMC) als voor alle i en j in S geldt P (X n+ = j X n = i, X n,...,
Nadere informatieStochastische Modellen in Operations Management (153088)
Stochastische Modellen in Operations Management (153088) S1 S2 X ms X ms R1 S0 240 ms Ack L1 R2 10 ms Internet R3 L2 D0 10 ms D1 D2 Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219
Nadere informatie0.97 0.03 0 0 0.008 0.982 0.01 0 0.02 0 0.975 0.005 0.01 0 0 0.99
COHORTE MODELLEN Markov ketens worden vaak gebruikt bij de bestudering van een groep van personen of objecten. We spreken dan meestal over Cohorte modellen. Een voorbeeld van zo n situatie is het personeelsplanning
Nadere informatieStochastische Modellen in Operations Management (153088)
R1 L1 R2 S0 Stochastische Modellen in Operations Management (153088) 240 ms 10 ms Ack Internet Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieStochastische Modellen in Operations Management (153088)
S1 S2 X ms X ms Stochastische Modellen in Operations Management (153088) R1 S0 240 ms Ack Internet R2 L1 R3 L2 10 ms 1 10 ms D1 Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieStochastische Modellen in Operations Management (153088)
R1 L1 R2 1 S0 Stochastische Modellen in Operations Management (153088) 240 ms 10 ms Ack Internet Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieMARKOV KETENS, OF: WAT IS DE KANS DAT MEVROUW DE VRIES NAT ZAL WORDEN?
MARKOV KETENS, OF: WAT IS DE KANS DAT MEVROUW DE VRIES NAT ZAL WORDEN? KARMA DAJANI In deze lezing gaan we over een bijzonder model in kansrekening spreken Maar eerst een paar woorden vooraf Wat doen we
Nadere informatieMARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen.
MARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen. voorraadmodel: voorraadkosten personeelsplanningmodel: salariskosten machineonderhoudsmodel: reparatiekosten
Nadere informatieP (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i).
MARKOV PROCESSEN Continue-tijd Markov ketens (CTMCs) In de voorafgaande colleges hebben we uitgebreid gekeken naar discrete-tijd Markov ketens (DTMCs). Definitie van discrete-tijd Markov keten: Een stochastisch
Nadere informatieQ is het deel van de overgangsmatrix dat correspondeert met overgangen
COHORTE MODELLEN Stel we hebben een groep personen, waarvan het gedrag van ieder persoon afzonderlijk beschreven wordt door een Markov keten met toestandsruimte S = {0, 1, 2,..., N} en overgangsmatrix
Nadere informatieNETWERKEN VAN WACHTRIJEN
NETWERKEN VAN WACHTRIJEN Tot nog toe keken we naar wachtrijmodellen bestaande uit 1 station. Klanten komen aan bij het station,... staan (al dan niet) een tijdje in de wachtrij,... worden bediend door
Nadere informatieLIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS
LIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS Hoofdstelling over limietgedrag van continue-tijd Markov ketens. Stelling: Een irreducibele, continue-tijd Markov keten met toestandsruimte S = {1, 2,..., N}
Nadere informatieP = LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten:
LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten: Voorbeeld: Zoek de unieke oplossing van het stelsel π = π P waarvoor bovendien geldt dat i S π i = 1. P = 0 1/4
Nadere informatie0 2λ µ 0
Example 6.7 Machine werkplaats met vier onafhankelijke machines 1, 2, 3 en 4. Bedrijfsduur machine i (i = 1, 2, 3, 4) is B i Exp(µ), reparatieduur wegens defect machine i is R i Exp(λ). Er zijn twee reparateurs
Nadere informatieMARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen.
MARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen. voorraadmodel: voorraadkosten personeelsplanningmodel: salariskosten machineonderhoudsmodel: reparatiekosten
Nadere informatieTentamen Inleiding Kansrekening 9 juni 2016, 10:00 13:00 Docent: Prof. dr. F. den Hollander
Tentamen Inleiding Kansrekening 9 juni 6, : 3: Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebruik van boek en aantekeningen niet toegestaan. Er zijn 8 vragen, elk met onderdelen. Elk onderdeel
Nadere informatieVragen die je wilt beantwoorden zijn:
Net als bij een discrete-tijd Markov keten is men bij de bestudering van een continue-tijd Markov keten zowel geïnteresseerd in het korte-termijn gedrag als in het lange-termijn gedrag. Vragen die je wilt
Nadere informatieCover Page. The handle holds various files of this Leiden University dissertation
Cover Page The handle http://hdl.handle.net/1887/39637 holds various files of this Leiden University dissertation Author: Smit, Laurens Title: Steady-state analysis of large scale systems : the successive
Nadere informatieTentamen Inleiding Kansrekening wi juni 2010, uur
Technische Universiteit Delft Mekelweg Faculteit Electrotechniek, Wiskunde en Informatica 8 CD Delft Tentamen Inleiding Kansrekening wi juni, 9.. uur Bij dit examen is het gebruik van een (evt. grafische
Nadere informatieZoek de unieke oplossing van het stelsel π = π P waarvoor bovendien geldt dat i S π i = 1.
LIMIETGEDRAG VAN REDUCIBELE MARKOV KETEN In het voorgaande hebben we gezien hoe we de limietverdeling van een irreducibele, aperiodieke Markov keten kunnen berekenen: Voorbeeld 1: Zoek de unieke oplossing
Nadere informatieStochastische Modellen in Operations Management (153088)
Stochastische Modellen in Operations Management (53088) S S Ack X ms X ms S0 40 ms R R R3 L L 0 ms 0 ms D0 Internet D D Richard Boucherie Stochastische Operations Research TW, Ravelijn H 9 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/53088/53088.html
Nadere informatieDe dimensie van een deelruimte
De dimensie van een deelruimte Een deelruimte van R n is een deelverzameling die op zichzelf ook een vectorruimte is. Ter herinnering : Definitie. Een deelverzameling H van R n heet een deelruimte van
Nadere informatieS n = tijdstip van de n-de gebeurtenis, T n = S n S n 1 = tijd tussen n-de en (n 1)-de gebeurtenis.
HET POISSON PROCES In veel praktische toepassingen kan het aaankomstproces van personen, orders,..., gemodelleerd worden door een zogenaamd Poisson proces. Definitie van een Poisson proces: Een Poisson
Nadere informatieStochastische Modellen in Operations Management (153088)
Stochastische Modellen in Operations Management (53088) S S Ack X ms X ms S0 40 ms R R R3 L L 0 ms 0 ms D0 Internet D D Richard Boucherie Stochastische Operations Research TW, Ravelijn H 9 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/53088/53088.html
Nadere informatieToepassingen op differentievergelijkingen
Toepassingen op differentievergelijkingen We beschouwen lineaire differentievergelijkingen of lineaire recurrente betrekkingen van de vorm a 0 y k+n + a y k+n + + a n y k+ + a n y k = z k, k = 0,,, Hierbij
Nadere informatieUitwerking Tentamen Inleiding Kansrekening 11 juni 2015, uur Docent: Prof. dr. F. den Hollander
Uitwerking Tentamen Inleiding Kansrekening juni 25,. 3. uur Docent: Prof. dr. F. den Hollander () [6] Zij F een gebeurtenissenruimte. Laat zien dat voor elke B F de verzameling G {A B : A F} opnieuw een
Nadere informatieHertentamen Inleiding Kansrekening 5 juli 2017, 14:00 17:00 Docent: Prof. dr. F. den Hollander
Hertentamen Inleiding Kansrekening 5 juli 07, 4:00 7:00 Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebruik van boek en aantekeningen niet toegestaan, wel het gebruik van rekenmachine. Er
Nadere informatieuitwerkingen OefenTentamen kansrekening 2007
Universiteit Utrecht *Universiteit-Utrecht Boedaestlaan Mathematisch Instituut 3584 CD Utrecht uitweringen OefenTentamen ansreening 2007 Uitwering van Ogave Ogave Veronderstel dat α de ans is dat van een
Nadere informatieDefinitie van continue-tijd Markov keten:
Definitie van continue-tijd Markov keten: Een stochastisch proces {X(t), t 0} met toestandsruimte S heet een continue-tijd Markov keten (CTMC) als voor alle i en j in S en voor alle tijden s, t 0 geldt
Nadere informatieHertentamen Biostatistiek 3 / Biomedische wiskunde
Hertentamen Biostatistiek 3 / Biomedische wiskunde 2 juni 2014; 18:30-20:30 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau. Het
Nadere informatieDefinitie van continue-tijd Markov keten:
Definitie van continue-tijd Markov keten: Een stochastisch proces {X(t), t 0} met toestandsruimte S heet een continue-tijd Markov keten (CTMC) als voor alle i en j in S en voor alle tijden s, t 0 geldt
Nadere informatieo Dit tentamen bestaat uit vier opgaven o Beantwoord de opgaven 1 en 2 enerzijds, en de opgaven 3 en 4 anderzijds op aparte vellen papier
Toets Stochastic Models (theorie) Maandag 22 rnei 2OL7 van 8.45-1-1-.45 uur Onderdeel van de modules: o Modelling and analysis of stochastic processes for MATH (20L400434) o Modelling and analysis of stochastic
Nadere informatieStochastische Modellen in Operations Management (vakcode )
Stochatche Modelle Oerato Maagemet (vakcode 5388) Rchard Bouchere Stochatche Oerato Reearch -- TW INF-2e htt://wwwhome.math.utwete.l/~boucherer/oderw/5388/5388.html AE Cotu, er muut, er dag Toevalroce:
Nadere informatieTentamen Biostatistiek 3 / Biomedische wiskunde
Tentamen Biostatistiek 3 / Biomedische wiskunde 25 maart 2014; 12:00-14:00 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau. Het
Nadere informatiep j r j = LIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS Hoofdstelling over het limietgedrag van continue-tijd Markov ketens formuleren.
LIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS Hoofdstelling over het limietgedrag van continue-tijd Markov ketens formuleren. Stelling: Een irreducibele, continue-tijd Markov keten met toestandsruimte S
Nadere informatieVU University Amsterdam 2018, juli 11.
Department of Mathematics Herexamen: Voortgezette biostatistiek VU University Amsterdam 018, juli 11. c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting bij de antwoorden.
Nadere informatieMobiele communicatie: reken maar!
Mobiele communicatie: reken maar! Richard J. Boucherie Stochastische Operationele Research Toen : telefooncentrale Erlang verliesmodel Nu : GSM Straks : Video on demand Toen : CPU Processor sharing model
Nadere informatiemodule SC 12 Inleiding Risicotheorie donderdag 7 november uur
module SC 1 Inleiding Risicotheorie donderdag 7 november 013 13.30-16.30 uur Examen module SC 1 Inleiding Risicotheorie donderdag 7 november 013 Voordat u met de beantwoording van de vragen van dit examen
Nadere informatieCTB1002 deel 1 - Lineaire algebra 1
CTB100 deel 1 - Lineaire algebra 1 College 5 5 februari 014 1 Opbouw college Vandaag behandelen we hoofdstuk 1.7 en deel van 1.8 Voor de pauze: hoofdstuk 1.7 Na de pauze: hoofdstuk 1.8 Verschillende notaties
Nadere informatieTentamen Kansrekening en Statistiek (2WS04), woensdag 30 juni 2010, van 9.00 12.00 uur.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (WS4), woensdag 3 juni, van 9.. uur. Dit is een tentamen met gesloten boek. De uitwerkingen van de
Nadere informatieModellen en Simulatie Lesliematrices Markovketens
Utrecht, 6 april 3 Modellen en Simulatie Lesliematrices Markovketens Program Meerdere leeftijdsklassen Leslie matrices Eigenwaarden en eigenvectoren Dominante eigenvector Irreducibele, a-periodieke matrices
Nadere informatieCorrectievoorschrift VWO. wiskunde B1 (nieuwe stijl)
wiskunde B (nieuwe stijl) Correctievoorschrift VWO Voorbereidend Wetenschaelijk Onderwijs 0 04 Tijdvak inzenden scores Verwerk de scores van de alfabetisch eerste vijf kandidaten er school in het rogramma
Nadere informatieTentamen Kansrekening en Statistiek (2WS04), dinsdag 17 juni 2008, van uur.
Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (2WS4, dinsdag 17 juni 28, van 9. 12. uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieVrije Universiteit Amsterdam Opleiding Wiskunde - Bachelorscriptie. Vernieuwingsrijen. Arno E. Weber. studentnummer:
Vrije Universiteit Amsterdam Opleiding Wiskunde - Bachelorscriptie Vernieuwingsrijen Arno E. Weber studentnummer: 1275437 email: aeweber@cs.vu.nl augustus 2004 Inhoudsopgave Voorwoord iii 1 Inleiding
Nadere informatieStatistiek voor A.I. College 4. Donderdag 20 September 2012
Statistiek voor A.I. College 4 Donderdag 20 September 2012 1 / 30 2 Deductieve statistiek Kansrekening 2 / 30 Cycle 3 / 30 Context 4 / 30 2 Deductieve statistiek Vandaag: Eigenschappen kansen Oneindige
Nadere informatieVU University Amsterdam 2018, Maart 27
Department of Mathematics Exam: Voortgezette biostatistiek VU University Amsterdam 2018, Maart 27 c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting bij de antwoorden.
Nadere informatieHet tentamen heeft 25 onderdelen. Met ieder onderdeel kan maximaal 2 punten verdiend worden.
Hertentamen Inleiding Kansrekening WI64. 9 augustus, 9:-: Het tentamen heeft 5 onderdelen. Met ieder onderdeel kan maximaal punten verdiend worden. Het tentamen is open boek. Boeken, nota s en een (eventueel
Nadere informatieGezamenlijke kansverdeling van twee stochasten
Gezamenlijke kansverdeling van twee stochasten Voorbeeld: V = de windsnelheid H = hoogte van het waterniveau in een rivier/zee De combinatie (V, H) is van belang voor een overstroming en niet zozeer V
Nadere informatieDepartment of Mathematics Exam: Voortgezette biostatistiek / Biomedische wiskunde VU University Amsterdam 2017, Juni 7
Department of Mathematics Exam: Voortgezette biostatistiek / Biomedische wiskunde VU University Amsterdam 07, Juni 7 c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2, Vrijdag 23 januari 25, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven dienen
Nadere informatieTentamen Inleiding Kansrekening 25 juni 2009, uur Docent: F. den Hollander
Universiteit Leiden Niels Bohrweg Tentamen Inleiding Kansrekening 25 juni 2009, 0.00 3.00 uur Docent: F. den Hollander Mathematisch Instituut 2333 CA Leiden Bij dit tentamen is het gebruik van een (grafische)
Nadere informatieGaap, ja, nog een keer. In één variabele hebben we deze formule nu al een paar keer gezien:
Van de opgaven met een letter en dus zonder nummer staat het antwoord achterin. De vragen met een nummer behoren tot het huiswerk. Spieken achterin helpt je niets in het beter snappen... 1 Stelling van
Nadere informatieHoofdstuk 7 : Continue distributies als stochastische modellen. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent
Hoofdstuk 7 : Continue distributies als stochastische modellen Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Continue distributies als stochastische
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 8 Donderdag 13 Oktober 1 / 23 2 Statistiek Vandaag: Stochast en populatie Experimenten herhalen Wet van de Grote Getallen Centrale Limietstelling 2 / 23 Stochast en populatie
Nadere informatieb) Uit Bayes volgt, gebruik makend van onderdeel a) P (T V )P (V ) P (T ) = (0.09)(0.07)
Uitwerkingen tentamen 6 juli 22. We stellen T de gebeurtenis test geeft positief resultaat, F de gebeurtenis, chauffeur heeft gefraudeerd, V de gebeurtenis, chauffeur heeft vergissing gemaakt C de gebeurtenis,
Nadere informatieStochastisch Dynamisch Programmeren
Stochastisch Dynamisch Programmeren Ger Koole Vrije Universiteit, De Boelelaan 1081a, 1081 HV Amsterdam, The Netherlands 17 juni 2005 Samenvatting We introduceren de principes van stochastisch dynamisch
Nadere informatieOptimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University
Optimalisering en Complexiteit, College 1 Han Hoogeveen, Utrecht University Gegevens Docent : Han Hoogeveen : j.a.hoogeveen@uu.nl Vak website : http://www.cs.uu.nl/docs/vakken/opt/ Student assistenten
Nadere informatieChapter 4: Continuous-time Markov Chains (Part I)
Stochastic Operations Research I (2014/2015) Selection of exercises from book and previous exams. Chapter 4: Continuous-time Markov Chains (Part I) 1.1 Book pp 179 185 These are useful exercises to learn
Nadere informatieHoofdstuk 5. Toevalsveranderlijken en waarschijnlijkheidsdistributies. Marnix Van Daele. Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent
Hoofdstuk 5 Toevalsveranderlijken en waarschijnlijkheidsdistributies Marnix Van Daele MarnixVanDaele@UGentbe Vakgroep Toegepaste Wiskunde en Informatica Universiteit Gent Toevalsveranderlijken en waarschijnlijkheidsdistributies
Nadere informatieTien competenties voor de 21 e eeuw
Tien competenties voor de 21 e eeuw Natuurlijk leren in de 21 e eeuw 28 september, Keete Voerman en Anne Remmerswaal Programma Introductie Waar denk je aan? Uitwerking model Aan de slag met aanpak voor
Nadere informatieCursus Statistiek Hoofdstuk 4. Statistiek voor Informatica Hoofdstuk 4: Verwachtingen. Definitie (Verwachting van discrete stochast) Voorbeeld (1)
Cursus Statistiek Hoofdstuk 4 Statistiek voor Informatica Hoofdstuk 4: Verwachtingen Cursusjaar 29 Peter de Waal Departement Informatica Inhoud Verwachtingen Variantie Momenten en Momentengenererende functie
Nadere informatieUitwerking Hertentamen Inleiding Kansrekening 6 juli 2015, uur Docent: Prof. dr. F. den Hollander
Uitwerking Hertentamen Inleiding Kansrekening 6 jli 5, 4. 7. r Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebrik van boek en aantekeningen niet toegestaan. Er zijn vragen. Elke vraag is
Nadere informatieModel: Er is één bediende en de capaciteit van de wachtrij is onbegrensd. 1/19. 1 ) = σ 2 + τ 2 = s 2.
Het M/G/1 model In veel toepassingen is de aanname van exponentiële bedieningstijden niet realistisch (denk bijv. aan produktietijden). Daarom zullen we nu naar het model kijken met willekeurig verdeelde
Nadere informatieWachtrijmodellen voor optimalisatie in het dagelijks leven
Wachtrijmodellen voor optimalisatie in het dagelijks leven Richard J. Boucherie Stochastische Operationele Research Abstract Wachten doen we allemaal: bij de kassa van de supermarkt, in het verkeer, maar
Nadere informatieKwantitatieve Economie / Faculteit Economie en Bedrijfskunde / Universiteit van Amsterdam. Schrijf je naam en studentnummer op alles dat je inlevert.
Kwantitatieve Economie / Faculteit Economie en Bedrijfskunde / Universiteit van Amsterdam Tentamen Lineaire Algebra A (met uitwerking) Maandag juni 00, van 9:00 tot :00 (4 opgaven) Schrijf je naam en studentnummer
Nadere informatieMigrerende euromunten
Migrerende euromunten Inleiding Op 1 januari 2002 werden in vijftien Europese landen (twaalf grote en drie heel kleine) euromunten en - biljetten in omloop gebracht. Wat de munten betreft, ging het in
Nadere informatieS n = tijdstip van de n-de gebeurtenis, T n = S n S n 1 = tijd tussen n-de en (n 1)-de gebeurtenis.
VERNIEUWINGSPROCESSEN In hoofdstuk 6 hebben we gezien wat een Poisson proces is. Definitie van een Poisson proces: Een Poisson proces met intensiteit λ (notatie P P (λ)) is een stochastisch proces {N(t),
Nadere informatieStatistiek voor A.I. College 10. Dinsdag 16 Oktober
Statistiek voor A.I. College 10 Dinsdag 16 Oktober 1 / 30 Jullie - onderzoek Geert-Jan, Joris, Brechje Horizontaal: lengte Verticaal: lengte tussen topjes middelvingers met gestrekte armen. DIII 170 175
Nadere informatieWiskunde B - Tentamen 1
Wiskunde B - Tentamen Tentamen 57 Wiskunde B voor CiT vrijdag januari 5 van 9. tot. uur Dit tentamen bestaat uit 6 opgaven, formulebladen en tabellen. Vermeld ook uw studentnummer op uw werk en tentamenbriefje.
Nadere informatieDiscrete Wiskunde 2WC15, Lente Jan Draisma
Discrete Wiskunde 2WC15, Lente 2010 Jan Draisma HOOFDSTUK 2 Gröbnerbases 1. Vragen We hebben gezien dat de studie van stelsels polynoomvergelijkingen in meerdere variabelen op natuurlijke manier leidt
Nadere informatieToegepaste Wiskunde 2: Het Kalman-filter
Toegepaste Wiskunde 2: Het Kalman-filter 25 februari, 2008 Hans Maassen 1. Inleiding Het Kalman filter schat de toestand van een systeem op basis van een reeks, door ruis verstoorde waarnemingen. Een meer
Nadere informatieOude tentamenopgaven
Oude tentamenopgaven (met enkele uitwerkingen Vraag De omvang (n van een celpopulatie over de tijd (t, 2, 3,... laat zich beschrijven middels een eerste orde Markov proces. Voor elke tijdstap, is het mogelijk
Nadere informatieS n = tijdstip van de n-de gebeurtenis, T n = S n S n 1 = tijd tussen n-de en (n 1)-de gebeurtenis.
VERNIEUWINGSPROCESSEN In hoofdstuk 3 hebben we gezien wat een Poisson proces is. Definitie van een Poisson proces: Een Poisson proces met intensiteit λ (notatie P P (λ)) is een stochastisch proces {N(t),
Nadere informatieHertentamen Voortgezette biostatistiek / Biomedische wiskunde
Hertentamen Voortgezette biostatistiek / Biomedische wiskunde 1 juni 2016; 18:30-20:30 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau.
Nadere informatieVandaag. Onderzoeksmethoden: Statistiek 2. Basisbegrippen. Theoretische kansverdelingen
Vandaag Onderzoeksmethoden: Statistiek 2 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Theoretische kansverdelingen
Nadere informatieProeftentamen met uitwerking
Wiskundige Economie A, academisch jaar 006-007, blok 3 Proeftentamen met uiterking Dit roeftentamen bestaat uit vier ogaven Als dit roeftentamen een echt tentamen zou zijn, zouden de ogaven een gelijk
Nadere informatieSensornetwerk controleert omgeving
Sensornetwerk controleert omgeving Wiskunde repareert imperfectie van een sensornetwerk en spoort zo indringers op. Een draadloos sensornetwerk kan gebruikt worden om een omgeving in de gaten te houden,
Nadere informatieTentamen Kunstmatige Intelligentie (INFOB2KI)
Tentamen Kunstmatige Intelligentie (INFOB2KI) 12 december 2014 8:30-10:30 Vooraf Mobiele telefoons en dergelijke dienen uitgeschakeld te zijn. Het eerste deel van het tentamen bestaat uit 8 multiple-choice
Nadere informatieHoofdstuk 5: Enthalpie
Hoofdstuk 5: Enthalie 5.1 DEFINITIE De secifieke enthalie h, eenheid J/kg, wordt gedefinieerd als: h = u + v (5.1) Aangezien u, en v toestandsfuncties zijn is h dat ook. Het is dus mogelijk van de enthalie
Nadere informatieBESLISKUNDE 2 Deel 2 najaar L.C.M. KALLENBERG en F.M. SPIEKSMA UNIVERSITEIT LEIDEN
BESLISKUNDE 2 Deel 2 najaar 203 L.C.M. KALLENBERG en F.M. SPIEKSMA UNIVERSITEIT LEIDEN Inhoudsopgave MARKOVPROCESSEN. Inleiding...........................................2 Differentiaalvergelijkingen
Nadere informatieTentamen Inleiding Kansrekening 16 juni 2017, 14:00 17:00 Docent: Prof. dr. F. den Hollander
Tentamen Inleiding Kansrekening 6 juni 7, : 7: Docent: Prof. dr. F. den Hollander Bij dit tentamen is het gebruik van boek en aantekeningen niet toegestaan. Er zijn 8 vragen, elk met twee of drie onderdelen.
Nadere informatieTU/e 2DD50: Wiskunde 2
TU/e 2DD50: Wiskunde 2 Enkele mededelingen Tussentoets: 26 november, tijdens de instructies Tentamenstof: LP; Simplex; dualiteit (= colleges 1 4) Bij de tussentoets mag een eenvoudige (niet programmeerbare)
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Beknopte uitwerking Examen Neurale Netwerken (2L490) d.d. 11-8-2004.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Beknopte uitwerking Eamen Neurale Netwerken (2L490) d.d. 11-8-2004. 1. Beschouw de volgende configuratie in het platte vlak. l 1 l 2
Nadere informatieFACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie Lineaire Algebra, tentamen Uitwerkingen vrijdag 4 januari 0, 9 uur Gebruik van een formuleblad of rekenmachine is niet toegestaan. De
Nadere informatieintroductie populatie- steekproef- steekproevenverdeling pauze parameters aannames ten slotte
toetsende statistiek week 1: kansen en random variabelen week 2: de steekproevenverdeling Moore, McCabe, and Craig. Introduction to the Practice of Statistics Chapter 5: Sampling Distributions 5.1: The
Nadere informatieInleiding Modelmatige beschrijving Kansverdelingen Het overgangsdiagram De stellingen van Little M/M/1 M/M/1/N Afsluiti.
11 juni 2013 Maartje van de Vrugt, CHOIR Wat is het belang van wachtrijtheorie? Inleiding Modelmatige beschrijving Kansverdelingen Het overgangsdiagram De stellingen van Little M/M/1 Evenwichtskansen Wachtrij
Nadere informatieVoorblad bij Tentamen
Studentnaam: Studentnummer: Voorblad bij Tentamen (in te vullen door de examinator) Vaknaam: Simulaties van Biochemische Systemen Vakcode: 8CB19 Datum: 06-04-016 Begintijd: 13:30 Eindtijd: 16:30 Aantal
Nadere informatieOPERATIONS RESEARCH TECHNIEKEN L.C.M. KALLENBERG UNIVERSITEIT LEIDEN
OPERATIONS RESEARCH TECHNIEKEN L.C.M. KALLENBERG UNIVERSITEIT LEIDEN VOORJAAR 2003 Inhoudsopgave 1 Inleiding 1 1.1 Wat is Operations Research?.............................. 1 1.2 Overzicht van de te behandelen
Nadere informatieVU University Amsterdam 2019, maart 28.
Department of Mathematics Examen: Voortgezette biostatistiek (MNW) VU University Amsterdam 2019, maart 28. Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting bij de antwoorden.
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 2 Leo van Iersel Technische Universiteit Delft 14 september 2016 Leo van Iersel (TUD) TW2020 Optimalisering 14 september 2016 1 / 30 Modelleren van LP en ILP problemen
Nadere informatieLineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie
Lineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie Ruud Pellikaan g.r.pellikaan@tue.nl /k 205-206 Definitie opspansel 2/35 Stel S = {v,..., v n } is een deelverzameling van de vectorruimte
Nadere informatieTentamen Voortgezette biostatistiek / Biomedische wiskunde
Tentamen Voortgezette biostatistiek / Biomedische wiskunde 27 maart 2015; 15:15-17:15 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau.
Nadere informatieConcrete markt: vragers, aanbieders, product op een bepaalde plaats.
Concrete markt: vragers, aanbieders, roduct o een beaalde laats. Abstracte markt: vraag en aanbod bealen de rijs (denkmodel) Volkomen concurrentie Kenmerken: Veel aanbieders Homogeen goed Transarante markt
Nadere informatie