Monte-Carlo simulatie voor financiële optieprijzen Studiepunten : 2

Maat: px
Weergave met pagina beginnen:

Download "Monte-Carlo simulatie voor financiële optieprijzen Studiepunten : 2"

Transcriptie

1 1 INLEIDING 1 Monte-Carlo simulatie voor financiële optieprijzen Studiepunten : 2 Volg stap voor stap de tekst en los de vragen op. Bedoeling is dat je op het einde van de rit een verzorgd verslag afgeeft dat een duidelijk geheel vormt. Het verslag bevat dus niet enkel de antwoorden op de vragen, maar vormt een mooie leesbare tekst. De bijhorende MATLAB-code wordt ook afgegeven. De code moet van voldoende commentaar voorzien worden. 1 Inleiding Stel dat u eigenaar bent van een Belgisch bedrijf dat wereldwijd producten verkoopt. Een bedrijf in Amerika plaatst een grote order om over een jaar voor 1 miljoen dollar aan producten te kopen. Als u dit bedrag over een jaar ontvangt, wilt u het graag omwisselen naar euro s. Het is echter niet duidelijk wat op dat moment de wisselkoers dollar-euro zal zijn. Met een financiële optie kunt u zich verzekeren tegen het risico dat over een jaar de dollar-euro koers ongunstig uitvalt. Een Europese put-optie 1 geeft de houder het recht, maar niet de plicht, om over T jaar een bepaald goed voor de waarde K te kunnen verkopen. De parameters T en K worden vooraf vastgelegd. In ons voorbeeld is T = 1. Als goed kiezen we het standaard bedrag van 1 dollar (de aanpassing naar andere bedragen is duidelijk). Het is natuurlijk om de waarde K in de buurt van de huidige wisselkoers S =.68 te kiezen. Als concreet voorbeeld nemen we K =.75. Financiële opties zijn niet gratis (waarom niet?). Cruciale vraag is wat een eerlijke prijs voor een optie is. In dit project zullen we een algemene aanpak voor het prijzen van financiële opties bekijken, toegepast op ons dollar-euro voorbeeld. Deze aanpak heet Monte Carlo simulatie. Het wordt naast de wiskunde en economie in vele wetenschappelijke gebieden (fysica, chemie, biologie, informatica,...) toegepast. Een belangrijk onderdeel is hierbij de numerieke oplossing van stochastische differentiaalvergelijkingen. 2 Brownse beweging We beginnen met het implementeren van de zgn. Brownse beweging, dat een belangrijke rol in het vervolg zal spelen. 1 De term Europese heeft geen geografische betekenis. Het wordt in de literatuur gebruikt voor opties die alleen op het einde van de looptijd kunnen worden uitgevoerd.

2 3 STOCHASTISCHE INTEGRALEN 2 Een stochastisch proces is een familie U(t) (t ) van stochastische variabelen op een gezamenlijke kansruimte (Ω, A, P). Eén trekking levert een functie van [, [ naar R. Dit noemt men een pad of realisatie. Een (standaard) Brownse beweging in R is een stochastisch proces W (t) (t ) zodanig dat W () = bijna zeker W (t) W (s) is normaal verdeeld met verwachting en variantie t s (voor s t) voor iedere = t < t 1 <... < t N zijn W (t j ) W (t j 1 ) (1 j N) onderling onafhankelijk Voor numerieke doeleinden beschouwen we een gediscretiseerde Brownse beweging, waarbij W (t) geëvalueerd wordt in discrete tijdspunten t [, T ]. Voor gegeven geheel getal N 1, zij t = T /N en t j = j t voor j =, 1, 2,..., N. Noteer de benadering van W (t j ) als W j. Zij Z j voor j = 1, 2,..., N onderling onafhankelijke, normaal verdeelde stochastische veranderlijken met verwachting en variantie 1. Definieer W = en W j = W j 1 + t Z j (j = 1, 2,..., N). (1) Dan heet W, W 1, W 2,..., W N een gediscretiseerde Brownse beweging. Vraag Hoe correspondeert (1) met de definitie van een Brownse beweging? Maak een efficiënt MATLAB-programma dat, voor willekeurig gegeven T > en N 1, een gediscretiseerde Brownse beweging genereert en in een grafiek uitzet tegen t, t 1, t 2,..., t N. Verbind hierbij opeenvolgende punten met lijnstukjes. Voor een efficiënte werking is het aan te bevelen het programma te vectoriseren en van het commando cumsum gebruik te maken (hoe?). Opmerking Gebruik steeds zo weinig mogelijk lussen in je MATLAB-code. mogelijk met vectoren te werken. Probeer zo veel Iedere nieuwe uitvoering van het programma zal een nieuw plaatje geven, aangezien het een stochastisch proces betreft. Eén realisatie van een gediscretiseerde Brownse beweging (met T = 1 en N = 4) is te zien in Figuur 1. Voor de experimenten verder in de opdracht is het nuttig om de uitkomsten vergelijkbaar te maken; hiervoor stellen we de beginstaat van de random number generator in. Stellen we bijvoorbeeld randn( state,1), dan zullen achtereenvolgende uitvoeringen van het programma dezelfde output produceren. 3 Stochastische integralen Gegeven een functie ϕ, dan kan de integraal T ϕ(t)dt benaderd worden door de Riemann som N ϕ(t j 1 )(t j t j 1 ), j=1 (2)

3 4 DE EULER-MARUYAMA METHODE W Figuur 1: Realisatie van een gediscretiseerde Brownse beweging met T = 1, N = 4. t met de discrete punten t j zoals hiervoor. De integraal is gedefinieerd door het nemen van de limiet t. Analoog kunnen we een som van de vorm N ϕ(t j 1 )(W j W j 1 ) (3) j=1 beschouwen, als benadering van de stochastische integraal T ϕ(t)dw (t). Hier integreren we ϕ met betrekking tot de Brownse beweging. Zo n integraal heet een Itô integraal. 4 De Euler-Maruyama methode Een scalaire, autonome stochastische differentiaalvergelijking (SDV) kan geschreven worden als t t S(t) = S + f (S(s))ds + g(s(s))dw (s) ( t T ), (4) waarbij f en g gegeven scalaire reëel-waardige functies zijn en de beginwaarde S een gegeven reëel getal is. Deze vorm van notatie noemen we de integraalvorm. We zullen niet verder toelichten wat het precies betekent dat S(t) een oplossing is van (4). In plaats daarvan definiëren we onmiddellijk een methode voor de numerieke oplossing van (4). Dikwijls wordt de SDV (4) herschreven in de (symbolische) differentiaalvorm ds(t) = f (S(t))dt + g(s(t))dw (t) ( t T ), S() = S. (5) Dit is niet meer dan een compacte schrijfwijze, die we verder zullen gebruiken. Om een numerieke methode toe te passen op (5), discretiseren we eerst het interval. Stel = T /L voor een positief geheel getal L, en τ j = j. De numerieke benadering van S(τ j ) zullen we noteren als S j. De Euler-Maruyama (EM) methode geeft: S j = S j 1 + f (S j 1 ) + g(s j 1 )(W (τ j ) W (τ j 1 )), j = 1, 2,..., L. (6)

4 5 MONTE-CARLO SIMULATIE 4 S τ Figuur 2: Een realisatie van het koersverloop horende bij r =.6 en σ =.2. Vraag Geef aan hoe men (6) in verband met (4) kan brengen. Voor de Brownse beweging gebruiken we steeds de stapgrootte t = T /N. De stapgrootte voor de numerieke methode kiezen we dan een geheel meervoud R 1 van t : = R t. Dit verzekert ons dat de verzameling punten {t j }, waarop het gediscretiseerde Brownse pad gebaseerd is, de punten {τ j }, waarop de EM oplossing wordt berekend, bevat. 5 Monte-Carlo simulatie We zullen de EM methode toepassen op de lineaire SDV ds(t) = rs(t)dt + σs(t)dw (t), S() = S, (7) waarbij r en σ zekere reële constantes zijn: r is de rente en σ de volatiliteit. Dit is een bekend model voor het verloop van wisselkoersen. S(t) duidt de koers aan op tijdstip t. We zullen (7) hier gebruiken als model voor de dollar-euro koers. Maak een efficiënt programma dat de dollar-euro koers simuleert op tijdstippen = τ < τ 1 < τ 2 <... < τ L = T met T = 1 en in een grafiek (τ j, S j ) uitzet verbonden met lijnstukjes. Gebruik hierbij stapgrootte t = 2 8 om de Brownse beweging te simuleren en pas EM toe met stapgrootte = R t met R = 4. Neem S =.68, r =.6 en σ =.2. Eén realisatie van het koersverloop is te zien in Figuur 2. We kunnen nu starten met het prijzen van de optie. De volgende formule geeft de eerlijke prijs van een Europese put-optie: V = exp( rt ) E[max(K S(T ), )] (8) waarbij E de verwachting aanduidt. We kunnen de verwachting goed benaderen door een gemiddelde waarde, waarbij een groot aantal realisaties M van het koersverloop wordt gekozen: V M = exp( rt ) 1 M M max(k s m,l, ) (9) m=1

5 6 STERKE CONVERGENTIE VAN DE EM METHODE 5 met s m,l de uitkomst voor S L in de m-de realisatie. Dit heet Monte-Carlo simulatie. Maak een efficiënt programma dat de benadering V M van de optieprijs V berekent voor willekeurige M. Pas het vervolgens toe met M = 1 3, 1 4, 1 5 om de dollar-euro put-optie te prijzen. Let op We willen hier M verschillende paden genereren van de dollar-euro koers. Dit betekent dus ook M verschillende paden van de Brownse beweging. Let daarom goed op waar je randn( state,1) zet, zodat je niet M keer dezelfde Brownse beweging genereert. Wel wil je dat wanneer tweemaal de benaderende optieprijs V M wordt berekend voor dezelfde waarde van M, je dezelfde uitkomst bekomt. Denk dus goed na waar je randn( state,1) gaat plaatsen! 6 Sterke convergentie van de EM methode Van SDV (7) is de exacte oplossing gekend, nl. ( S(t) = S exp (r 1 ) 2 σ2 )t + σw (t). (1) Benader nu met Monte-Carlo simulatie de optieprijs aan de hand van de exacte oplossing (1) en vergelijk met de reeds berekende benaderingen van de optieprijs. Geef vervolgens de exacte oplossing (1) van de dollar-euro koers op [, T ] samen met de benaderde EM oplossing in één figuur en bekijk het verschil. Wat gebeurt er als je de tijdstap bij de benaderende oplossing steeds kleiner neemt? Het voorgaande resultaat lijkt te wijzen op convergentie. Herinner dat S(τ n ) en S n stochastische variabelen zijn. Om over convergentie te kunnen spreken, is het belangrijk hoe het verschil wordt gemeten. Een methode heeft sterke orde van convergentie gelijk aan p als er een constante C bestaat zodat E S j S(τ j ) C p, (11) waarbij τ j = j [, T ] met j = 1, 2, 3,... en voldoende klein. Als f en g voldoen aan bepaalde voorwaarden, kan aangetoond worden dat EM sterke orde van convergentie p = 1 2 heeft. In onze numerieke voorbeelden zullen we ons richten op de fout in het eindpunt t = T, zodus laten we e strong := E S L S(T ) (12) de EM fout in het eindpunt aanduiden in de sterke zin. Als (11) geldt met p = 1 2 in [, T ], dan geldt dit zeker op het eindpunt. We hebben dus e strong C 1 2 op elk vast punt (13)

6 7 DE MILSTEIN METHODE 6 voor voldoende kleine. Maak een efficiënt programma dat de fout e strong berekent voor de dollar-eurokoers S(t). Neem voor de benadering van de verwachtingswaarde het gemiddelde over 1 gesimuleerde waardes S L. Gebruik t = 2 9 voor de gediscretiseerde Brownse beweging en pas EM toe met vijf verschillende stapgroottes: = 2 m 1 t met 1 m 5. Maak een loglog-grafiek waar de stapgrootte op de x-as staat en de bijhorende fout e strong op de y-as. Als de bovengrens (13) geldt met een benaderende gelijkheid, dan geldt log e strong log C + 1 log. (14) 2 Dit representeert een rechte met richtingscoëfficiënt 1 2. Fit nu een veelterm van graad 1 (in de kleinste kwadraten zin) door de 5 benaderingen van de fout e strong die je hebt berekend. (Hiervoor bestaat een commando in MATLAB. Welk?) Wat is de richtingscoëfficiënt die je bekomt? Komt deze overeen met wat we verwachten? 7 De Milstein methode We zagen dat de EM methode sterke orde van convergentie 1 2 heeft. Het is mogelijk deze sterke orde te verhogen door een correctie aan het stochastisch increment toe te voegen, S j =S j 1 + f (S j 1 ) + g(s j 1 )(W (τ j ) W (τ j 1 )) g(s j 1)g (S j 1 )((W (τ j ) W (τ j 1 )) 2 ), j = 1, 2,..., L. Dit heet de Milstein methode. Onderzoek met numerieke experimenten de sterke orde van convergentie van de Milstein methode. Welke orde bekom je? 8 Veralgemening model We zagen reeds dat (7) een bekend model is voor het verloop van wisselkoersen. Dit model kan veralgemeend worden tot ds(t) = r(t)s(t)dt + σ(t)s(t)dw (t), S() = S, (15) waarbij de rente r(t) en de volatiliteit σ(t) nu afhankelijk zijn van de tijd t T. Van deze SDV (15) is de exacte oplossing ook gekend, nl. ( t S(t) = S exp (r(s) 1 t ) 2 σ2 (s))ds + σ(s)dw (s). (16) Bereken voor S =.68, r(t) =.1e 2t +.6 en σ(t) = σ =.2 het koersverloop en de optieprijs en de sterke orde van convergentie voor de Euler-Maruyama en de Milstein methode.

7 8 VERALGEMENING MODEL 7 Geef steeds de figuren of resultaten die je bekomt in je verslag weer. Bekijk ook eens de rente r(t). Is dit een logisch verloop of vind je van niet? Opmerking Om de eerlijke prijs van de Europese put-optie te bepalen, gebruiken we nu volgende formule: V = exp( T r(t)dt) E[max(K S(T ), )]. (17)

Monte-Carlo simulatie voor financiële optieprijzen Studiepunten : 3

Monte-Carlo simulatie voor financiële optieprijzen Studiepunten : 3 1 INLEIDING 1 Monte-Carlo simulatie voor financiële optieprijzen Studiepunten : 3 Volg stap voor stap de tekst en los de vragen op. Bedoeling is dat je op het einde van de rit een verzorgd verslag afgeeft

Nadere informatie

NUMERIEKE METHODEN VOOR DE VAN DER POL VERGELIJKING. Docent: Karel in t Hout. Studiepunten: 3

NUMERIEKE METHODEN VOOR DE VAN DER POL VERGELIJKING. Docent: Karel in t Hout. Studiepunten: 3 NUMERIEKE METHODEN VOOR DE VAN DER POL VERGELIJKING Docent: Karel in t Hout Studiepunten: 3 Over deze opgave dien je een verslag te schrijven waarin de antwoorden op alle vragen zijn verwerkt. Richtlijnen

Nadere informatie

Opdracht 2. Deadline maandag 28 september 2015, 24:00 uur.

Opdracht 2. Deadline maandag 28 september 2015, 24:00 uur. Opdracht 2. Deadline maandag 28 september 2015, 24:00 uur. Deze opdracht bestaat uit vier onderdelen; in elk onderdeel wordt gevraagd een Matlabprogramma te schrijven. De vier bijbehore bestanden stuur

Nadere informatie

Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening

Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Statistiek voor Natuurkunde Opgavenserie 1: Kansrekening Inleveren: 12 januari 2011, VOOR het college Afspraken Serie 1 mag gemaakt en ingeleverd worden in tweetallen. Schrijf duidelijk je naam, e-mail

Nadere informatie

Deel 2. Basiskennis wiskunde

Deel 2. Basiskennis wiskunde Deel 2. Basiskennis wiskunde Vraag 26 Definieer de functie f : R R : 7 cos(2 ). Bepaal de afgeleide van de functie f in het punt 2π/2. (A) f 0 ( 2π/2) = π (B) f 0 ( 2π/2) = 2π (C) f 0 ( 2π/2) = 2π (D)

Nadere informatie

Tweede Programmeeropgave Numerieke Wiskunde 1 De golfplaat Uiterste inleverdatum : vrijdag 16 mei 2003

Tweede Programmeeropgave Numerieke Wiskunde 1 De golfplaat Uiterste inleverdatum : vrijdag 16 mei 2003 Tweede Programmeeropgave Numerieke Wiskunde 1 De golfplaat Uiterste inleverdatum : vrijdag 16 mei 2003 I Doelstelling en testcase In deze programmeeropgave zullen we een drietal numerieke integratiemethoden

Nadere informatie

Het Heston model. Carlo Kuiper 27 augustus 2011. Bachelorscriptie. Begeleiding: dr. Peter Spreij

Het Heston model. Carlo Kuiper 27 augustus 2011. Bachelorscriptie. Begeleiding: dr. Peter Spreij Het Heston model Carlo Kuiper 27 augustus 2011 Bachelorscriptie Begeleiding: dr. Peter Spreij waarde 4 2 2 4 6 8 10 t 2 KdV Instituut voor wiskunde Faculteit der Natuurwetenschappen, Wiskunde en Informatica

Nadere informatie

Inleiding MATLAB (2) november 2001

Inleiding MATLAB (2) november 2001 Inleiding MATLAB (2) Stefan Becuwe Johan Vervloet november 2 Octave gratis MATLAB kloon Min of meer MATLAB compatibel http://www.octave.org/ % Script PlotVb % % Plot regelmatige driehoek t/m tienhoek PlotVb.m

Nadere informatie

Toegepaste Wiskunde 2: Het Kalman-filter

Toegepaste 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 informatie

Zomercursus Wiskunde. Module 4 Limieten en asymptoten van rationale functies (versie 22 augustus 2011)

Zomercursus Wiskunde. Module 4 Limieten en asymptoten van rationale functies (versie 22 augustus 2011) Katholieke Universiteit Leuven September 20 Module 4 Limieten en asymptoten van rationale functies (versie 22 augustus 20) Inhoudsopgave Rationale functies. Inleiding....................................2

Nadere informatie

Zomercursus Wiskunde. Katholieke Universiteit Leuven Groep Wetenschap & Technologie. September 2008

Zomercursus Wiskunde. Katholieke Universiteit Leuven Groep Wetenschap & Technologie. September 2008 Katholieke Universiteit Leuven September 2008 Limieten en asymptoten van rationale functies (versie juli 2008) Rationale functies. Inleiding Functies als f : 5 5, f 2 : 2 3 + 2 f 3 : 32 + 7 4 en f 4 :

Nadere informatie

Dossier 4 VECTOREN. Dr. Luc Gheysens. bouwstenen van de lineaire algebra

Dossier 4 VECTOREN. Dr. Luc Gheysens. bouwstenen van de lineaire algebra Dossier 4 VECTOREN bouwstenen van de lineaire algebra Dr. Luc Gheysens 1 Coördinaat van een vector In het vlak π 0 is het punt O de oorsprong en de punten E 1 en E 2 zijn zodanig gekozen dat OE 1 OE 2

Nadere informatie

aandeelprijs op t = T 8.5 e 9 e 9.5 e 10 e 10.5 e 11 e 11.5 e

aandeelprijs op t = T 8.5 e 9 e 9.5 e 10 e 10.5 e 11 e 11.5 e 1 Technische Universiteit Delft Fac. Elektrotechniek, Wiskunde en Informatica Tussentoets Waarderen van Derivaten, Wi 3405TU Vrijdag november 01 9:00-11:00 ( uurs tentamen) 1. a. De koers van het aandeel

Nadere informatie

Optieprijzen in een formule

Optieprijzen in een formule Optieprijzen in een formule Op de financiële markt worden allerlei soorten opties verhandeld. Banken en andere financiële instellingen willen een redelijke prijs bepalen voor zulke producten. Hoewel de

Nadere informatie

Technische Universiteit Delft. ANTWOORDEN van Tentamen Gewone differentiaalvergelijkingen, TW2030 Vrijdag 30 januari 2015,

Technische Universiteit Delft. ANTWOORDEN van Tentamen Gewone differentiaalvergelijkingen, TW2030 Vrijdag 30 januari 2015, Technische Universiteit Delft Faculteit EWI ANTWOORDEN van Tentamen Gewone differentiaalvergelijkingen, TW23 Vrijdag 3 januari 25, 4.-7. Dit tentamen bestaat uit 6 opgaven. Alle antwoorden dienen beargumenteerd

Nadere informatie

Wetenschappelijk Rekenen

Wetenschappelijk Rekenen Wetenschappelijk Rekenen Examen - Derde bachelor informatica Oefeningen 0 mei 0. Gegeven is het beginwaardeprobleem y y 0, 04y + 0000y y y (0) = y = 0, 04y 0000y y 0 7 y y, y (0) = 0 0 7 y y (0) 0 Los

Nadere informatie

Deze week: Steekproefverdelingen. Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen. Kwaliteit van schatter. Overzicht Schatten

Deze week: Steekproefverdelingen. Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen. Kwaliteit van schatter. Overzicht Schatten Deze week: Steekproefverdelingen Statistiek voor Informatica Hoofdstuk 7: Steekproefverdelingen Cursusjaar 29 Peter de Waal Zuivere Schatters Betrouwbaarheidsintervallen Departement Informatica Hfdstk

Nadere informatie

Aanvullingen bij Hoofdstuk 6

Aanvullingen bij Hoofdstuk 6 Aanvullingen bij Hoofdstuk 6 We veralgemenen eerst Stelling 6.4 tot een willekeurige lineaire transformatie tussen twee vectorruimten en de overgang naar twee nieuwe basissen. Stelling 6.4. Zij A : V W

Nadere informatie

( ) Hoofdstuk 4 Verloop van functies. 4.1 De grafiek van ( ) 4.1.1 Spiegelen t.o.v. de x-as, y-as en de oorsprong

( ) Hoofdstuk 4 Verloop van functies. 4.1 De grafiek van ( ) 4.1.1 Spiegelen t.o.v. de x-as, y-as en de oorsprong Hoofdstuk 4 Verloop van functies Met DERIVE is het mogelijk om tal van eigenschappen van functies experimenteel te ontdekken. In een eerste paragraaf onderzoeken we het verband tussen de grafieken van

Nadere informatie

Zomercursus Wiskunde. Katholieke Universiteit Leuven Groep Wetenschap & Technologie. September 2008

Zomercursus Wiskunde. Katholieke Universiteit Leuven Groep Wetenschap & Technologie. September 2008 Katholieke Universiteit Leuven September 008 Algebraïsch rekenen (versie 7 juni 008) Inleiding In deze module worden een aantal basisrekentechnieken herhaald. De nadruk ligt vooral op het symbolisch rekenen.

Nadere informatie

8. Differentiaal- en integraalrekening

8. Differentiaal- en integraalrekening Computeralgebra met Maxima 8. Differentiaal- en integraalrekening 8.1. Sommeren Voor de berekening van sommen kent Maxima de opdracht: sum (expr, index, laag, hoog) Hierbij is expr een Maxima-expressie,

Nadere informatie

1 Vlaamse Wiskunde Olympiade : Tweede Ronde.

1 Vlaamse Wiskunde Olympiade : Tweede Ronde. Vlaamse Wiskunde Olympiade 97-9: Tweede Ronde Vlaamse Wiskunde Olympiade vzw is een officiële foreign coordinator voor de welbekende AHSME-competitie (Annual High School Mathematics Examination - USA en

Nadere informatie

De grafiek van een lineair verband is altijd een rechte lijn.

De grafiek van een lineair verband is altijd een rechte lijn. 2. Verbanden Verbanden Als er tussen twee variabelen x en y een verband bestaat kunnen we dat op meerdere manieren vastleggen: door een vergelijking, door een grafiek of door een tabel. Stel dat het verband

Nadere informatie

Bepaling energie en soortelijke warmte 2D-atoomrooster m.b.v. de Metropolis Monte Carlo methode

Bepaling energie en soortelijke warmte 2D-atoomrooster m.b.v. de Metropolis Monte Carlo methode Bepaling energie en soortelijke warmte 2D-atoomrooster m.b.v. de Metropolis Monte Carlo methode Verslag Computational Physics Sietze van Buuren Begeleider: Prof.Dr. H. de Raedt 29 december 25 Samenvatting

Nadere informatie

3.0 Voorkennis. Voorbeeld 1: Los op: 6x + 28 = 30 10x.

3.0 Voorkennis. Voorbeeld 1: Los op: 6x + 28 = 30 10x. 3.0 Voorkennis Voorbeeld 1: Los op: 6x + 28 = 30 10x. 6x + 28 = 30 10x +10x +10x 16x + 28 = 30-28 -28 16x = 2 :16 :16 x = 2 1 16 8 Stappenplan: 1) Zorg dat alles met x links van het = teken komt te staan;

Nadere informatie

Moleculaire Dynamica en Monte Carlo Simulaties Case Study 17 Solid-Liquid Equilibrium of Hard Spheres. Joost van Bruggen 0123226 6 juli 2004

Moleculaire Dynamica en Monte Carlo Simulaties Case Study 17 Solid-Liquid Equilibrium of Hard Spheres. Joost van Bruggen 0123226 6 juli 2004 Moleculaire Dynamica en Monte Carlo Simulaties Case Study 17 Solid-Liquid Equilibrium of Hard Spheres Joost van Bruggen 0123226 6 juli 2004 1 Inhoudsopgave 1 Thermaliseren 2 2 Waarde van λ max 2 3 Integreren

Nadere informatie

We illustreren deze werkwijze opnieuw a.h.v. de steekproef van de geboortegewichten

We illustreren deze werkwijze opnieuw a.h.v. de steekproef van de geboortegewichten Hoofdstuk 8 Betrouwbaarheidsintervallen In het vorige hoofdstuk lieten we zien hoe het mogelijk is om over een ongekende karakteristiek van een populatie hypothesen te formuleren. Een andere manier van

Nadere informatie

Meten en experimenteren

Meten en experimenteren Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 3 oktober 006 Deel I Toevallige veranderlijken Steekproef Beschrijving van gegevens Histogram Gemiddelde en standaarddeviatie

Nadere informatie

Ijkingstoets industrieel ingenieur aangeboden door UGent en VUB op 30 juni 2014: algemene feedback

Ijkingstoets industrieel ingenieur aangeboden door UGent en VUB op 30 juni 2014: algemene feedback IJkingstoets juni 4 - reeks - p. / Ijkingstoets industrieel ingenieur aangeboden door UGent en VUB op juni 4: algemene feedback In totaal namen studenten deel aan deze ijkingstoets industrieel ingenieur

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 4 J.Keijsper

Nadere informatie

HOOFDSTUK VII REGRESSIE ANALYSE

HOOFDSTUK VII REGRESSIE ANALYSE HOOFDSTUK VII REGRESSIE ANALYSE 1 DOEL VAN REGRESSIE ANALYSE De relatie te bestuderen tussen een response variabele en een verzameling verklarende variabelen 1. LINEAIRE REGRESSIE Veronderstel dat gegevens

Nadere informatie

Je moet nu voor jezelf een overzicht zien te krijgen over het onderwerp Complexe getallen. Een eigen samenvatting maken is nuttig.

Je moet nu voor jezelf een overzicht zien te krijgen over het onderwerp Complexe getallen. Een eigen samenvatting maken is nuttig. 6 Totaalbeeld Samenvatten Je moet nu voor jezelf een overzicht zien te krijgen over het onderwerp Complexe getallen. Een eigen samenvatting maken is nuttig. Begrippenlijst: 21: complex getal reëel deel

Nadere informatie

Wiskundige vaardigheden

Wiskundige vaardigheden Inleiding Bij het vak natuurkunde ga je veel rekenstappen zetten. Het is noodzakelijk dat je deze rekenstappen goed en snel kunt uitvoeren. In deze presentatie behandelen we de belangrijkste wiskundige

Nadere informatie

Korte handleiding Maple, bestemd voor gebruik bij de cursus Wiskunde

Korte handleiding Maple, bestemd voor gebruik bij de cursus Wiskunde Korte handleiding Maple, bestemd voor gebruik bij de cursus Wiskunde voor B. 1 Eenvoudige operaties en functies. 1. De bewerkingen optellen aftrekken, vermenigvuldigen, delen en machtsverheffen worden

Nadere informatie

Hoofdstuk 3. Matrices en stelsels. 3.1 Matrices. [[1,7]],[[12,8] ] of [ 1, 7; 12,8 ] bepaalt de matrix

Hoofdstuk 3. Matrices en stelsels. 3.1 Matrices. [[1,7]],[[12,8] ] of [ 1, 7; 12,8 ] bepaalt de matrix Hoofdstuk 3 Matrices en stelsels 3.1 Matrices Een matrix is in DERIVE gedefinieerd als een vector van vectoren. De rijen van de matrix zijn de elementen van de vector. Op de volgende manier kan je een

Nadere informatie

Het warmteverlies van het lichaamsoppervlak aan de wordt gegeven door de volgende formule:

Het warmteverlies van het lichaamsoppervlak aan de wordt gegeven door de volgende formule: Opgave 1. (4 punten) Inleiding: Een vleermuis is een warmbloedig zoogdier. Dat wil zeggen dat hij zijn lichaamstemperatuur op een konstante waarde moet zien te houden. Als de omgeving kouder is dan de

Nadere informatie

Meten en experimenteren

Meten en experimenteren Meten en experimenteren Statistische verwerking van gegevens Een korte inleiding 6 oktober 009 Catherine De Clercq Statistische verwerking van gegevens Kursus statistiek voor fysici door Jorgen D Hondt

Nadere informatie

Numerieke aspecten van de vergelijking van Cantor. Opgedragen aan Th. J. Dekker. H. W. Lenstra, Jr.

Numerieke aspecten van de vergelijking van Cantor. Opgedragen aan Th. J. Dekker. H. W. Lenstra, Jr. Numerieke aspecten van de vergelijking van Cantor Opgedragen aan Th. J. Dekker H. W. Lenstra, Jr. Uit de lineaire algebra is bekend dat het aantal oplossingen van een systeem lineaire vergelijkingen gelijk

Nadere informatie

Aanvullende tekst bij hoofdstuk 1

Aanvullende tekst bij hoofdstuk 1 Aanvullende tekst bij hoofdstuk 1 Wortels uit willekeurige getallen In paragraaf 1.3.5 hebben we het worteltrekalgoritme besproken. Dat deden we aan de hand van de relatie tussen de (van tevoren gegeven)

Nadere informatie

Statistiek: Spreiding en dispersie 6/12/2013. dr. Brenda Casteleyn

Statistiek: Spreiding en dispersie 6/12/2013. dr. Brenda Casteleyn Statistiek: Spreiding en dispersie 6/12/2013 dr. Brenda Casteleyn dr. Brenda Casteleyn www.keu6.be Page 2 1. Theorie Met spreiding willen we in één getal uitdrukken hoe verspreid de gegevens zijn: in hoeveel

Nadere informatie

2. Een eerste kennismaking met Maxima

2. Een eerste kennismaking met Maxima . Een eerste kennismaking met Maxima Als u nog niet eerder kennis heeft gemaakt met CAS (Computer Algebra System) software, dan lijkt Maxima misschien erg gecompliceerd en moeilijk, zelfs voor het oplossen

Nadere informatie

Monte Carlo-analyses waarschijnlijkheids- en nauwkeurigheidsberekeningen van

Monte Carlo-analyses waarschijnlijkheids- en nauwkeurigheidsberekeningen van Waarom gebruiken we Monte Carlo analyses? Bert Brandts Monte Carlo-analyses waarschijnlijkheids- en nauwkeurigheidsberekeningen van gebeurtenissen kunnen een bruikbaar instrument zijn om de post Onvoorzien

Nadere informatie

Tentamen Inleiding Kansrekening wi juni 2010, uur

Tentamen 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 informatie

Uitwerkingen Mei 2012. Eindexamen VWO Wiskunde C. Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek

Uitwerkingen Mei 2012. Eindexamen VWO Wiskunde C. Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek Uitwerkingen Mei 2012 Eindexamen VWO Wiskunde C Nederlands Mathematisch Instituut Voor Onderwijs en Onderzoek I Tjing Opgave 1. Het aantal hoofdstukken in de I Tjing correspondeert met het totale aantal

Nadere informatie

2 n 1. OPGAVEN 1 Hoeveel cijfers heeft het grootste bekende Mersenne-priemgetal? Met dit getal vult men 320 krantenpagina s.

2 n 1. OPGAVEN 1 Hoeveel cijfers heeft het grootste bekende Mersenne-priemgetal? Met dit getal vult men 320 krantenpagina s. Hoofdstuk 1 Getallenleer 1.1 Priemgetallen 1.1.1 Definitie en eigenschappen Een priemgetal is een natuurlijk getal groter dan 1 dat slechts deelbaar is door 1 en door zichzelf. Om technische redenen wordt

Nadere informatie

Zomercursus Wiskunde. Module 10 De afgeleide functie: Rekenregels en Toepassingen (versie 22 augustus 2011)

Zomercursus Wiskunde. Module 10 De afgeleide functie: Rekenregels en Toepassingen (versie 22 augustus 2011) Katholieke Universiteit Leuven September 2011 Module 10 De afgeleide functie: Rekenregels en Toepassingen (versie 22 augustus 2011) Inhoudsopgave 1 Definitie Betekenis van de afgeleide 1 2 Standaardafgeleiden

Nadere informatie

12. Uitwerkingen van de opgaven

12. Uitwerkingen van de opgaven 12. Uitwerkingen van de opgaven 12.1. Uitwerkingen opgaven van hoofdstuk 3 Opgave 3.1 3,87 0,152 641, 2 Bereken met behulp van Maxima: 2,13 7,29 78 0,62 45 (%i1) 3.87*0.152*641.2/(2.13*7.29*78*0.62*45);

Nadere informatie

Airyfunctie. b + π 3 + xt dt. (2) cos

Airyfunctie. b + π 3 + xt dt. (2) cos LaTeX opdracht Bewijzen en Redeneren 1ste fase bachelor in Fysica, Wiskunde Werk de volgende opdracht individueel uit. U moet hier alleen aan werken. Geef ook geen files door aan anderen. Ingediende opdrachten

Nadere informatie

Vlakke meetkunde. Module 6. 6.1 Geijkte rechte. 6.1.1 Afstand tussen twee punten. 6.1.2 Midden van een lijnstuk

Vlakke meetkunde. Module 6. 6.1 Geijkte rechte. 6.1.1 Afstand tussen twee punten. 6.1.2 Midden van een lijnstuk Module 6 Vlakke meetkunde 6. Geijkte rechte Beschouw een rechte L en kies op deze rechte een punt o als oorsprong en een punt e als eenheidspunt. Indien men aan o en e respectievelijk de getallen 0 en

Nadere informatie

De studie van vlakke krommen gegeven in parametervorm. Lieve Lemmens en Andy Snoecx

De studie van vlakke krommen gegeven in parametervorm. Lieve Lemmens en Andy Snoecx De studie van vlakke krommen gegeven in parametervorm Doelstellingen Lieve Lemmens en An Snoecx Deze tekst stelt een voorbeeld van de analyse van een kromme met de Texas TI-NSpire (en/of computersoftware)

Nadere informatie

De Laplace-transformatie

De Laplace-transformatie De Laplace-transformatie De Laplace-transformatie is een instrument dat functies omzet in andere functies. Deze omzetting, de transformatie, heeft nette wiskundige eigenschappen. Zowel in de kansrekening

Nadere informatie

1.0 Voorkennis. Voorbeeld 1: Los op: 6x + 28 = 30 10x.

1.0 Voorkennis. Voorbeeld 1: Los op: 6x + 28 = 30 10x. 1.0 Voorkennis Voorbeeld 1: Los op: 6x + 28 = 30 10x. 6x + 28 = 30 10x +10x +10x 16x + 28 = 30-28 -28 16x = 2 :16 :16 x = 2 1 16 8 Stappenplan: 1) Zorg dat alles met x links van het = teken komt te staan;

Nadere informatie

Werkbladen vergelijking van een rechte

Werkbladen vergelijking van een rechte In deze werktekst proberen wij de vergelijkingen op te stellen van rechten die aan bepaalde voorwaarden voldoen. Wij onderscheiden volgende gevallen: 1. Vergelijking van een rechte gaande door de oorsprong

Nadere informatie

1. Orthogonale Hyperbolen

1. Orthogonale Hyperbolen . Orthogonale Hyperbolen a + b In dit hoofdstuk wordt de grafiek van functies van de vorm y besproken. Functies c + d van deze vorm noemen we gebroken lineaire functies. De grafieken van dit soort functies

Nadere informatie

De dimensie van een deelruimte

De 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 informatie

2.1 Lineaire formules [1]

2.1 Lineaire formules [1] 2.1 Lineaire formules [1] De lijn heeft een helling (richtingscoëfficiënt) van 1; De lijn gaat in het punt (0,2) door de y-as; In het plaatje is de lijn y = x + 2 getekend. Omdat de grafiek een rechte

Nadere informatie

Getallenleer Inleiding op codeertheorie. Cursus voor de vrije ruimte

Getallenleer Inleiding op codeertheorie. Cursus voor de vrije ruimte Getallenleer Inleiding op codeertheorie Liliane Van Maldeghem Hendrik Van Maldeghem Cursus voor de vrije ruimte 2 Hoofdstuk 1 Getallenleer 1.1 Priemgetallen 1.1.1 Definitie en eigenschappen Een priemgetal

Nadere informatie

Oefening 1. Welke van de volgende functies is injectief? (E) f : N N N : (n, m) 7 2m+n. m n. Oefening 2

Oefening 1. Welke van de volgende functies is injectief? (E) f : N N N : (n, m) 7 2m+n. m n. Oefening 2 IJkingstoets 30 juni 04 - reeks - p. /5 Oefening Een functie f : A B : 7 f () van verzameling A naar verzameling B is injectief als voor alle, A geldt: als 6=, dan is f () 6= f (). Welke van de volgende

Nadere informatie

Examen VWO. wiskunde B1,2 (nieuwe stijl)

Examen VWO. wiskunde B1,2 (nieuwe stijl) wiskunde B, (nieuwe stijl) Examen VWO Voorbereidend Wetenschappelijk Onderwijs Tijdvak Woensdag 3 juni 3.30 6.30 uur 0 04 Voor dit examen zijn maximaal 87 punten te behalen; het examen bestaat uit 9 vragen.

Nadere informatie

Hoofdstuk 5. Dobbelen, echt en virtueel. > Maak in SPSS een nieuwe data-verzameling (File > New > Data). We gaan hier de

Hoofdstuk 5. Dobbelen, echt en virtueel. > Maak in SPSS een nieuwe data-verzameling (File > New > Data). We gaan hier de Hoofdstuk 5 Dobbelen, echt en virtueel 5.1 dobbelen In dit hoofdstukje gaan we de variabiliteit in een steekproef onderzoeken. Daarbij maken we gebruik van een beproefd stochastisch proces, nl het gooien

Nadere informatie

Griepepidemie. Modelleren B. Javiér Sijen. Janine Sinke

Griepepidemie. Modelleren B. Javiér Sijen. Janine Sinke Javiér Sijen Janine Sinke Griepepidemie Modelleren B Om de uitbraak van een epidemie te voorspellen, wordt de verspreiding van een griepvirus gemodelleerd. Hierbij wordt zowel een detailbenadering als

Nadere informatie

Opdracht 3: Baanintegratie: Planeet in een dubbelstersysteem

Opdracht 3: Baanintegratie: Planeet in een dubbelstersysteem PLANETENSTELSELS - WERKCOLLEGE 3 EN 4 Opdracht 3: Baanintegratie: Planeet in een dubbelstersysteem In de vorige werkcolleges heb je je pythonkennis opgefrist. Je hebt een aantal fysische constanten ingelezen,

Nadere informatie

HOOFDSTUK I - INLEIDENDE BEGRIPPEN

HOOFDSTUK I - INLEIDENDE BEGRIPPEN HOOFDSTUK I - INLEIDENDE BEGRIPPEN 1.2 Kansveranderlijken en verdelingen 1 Veranderlijken Beschouw een toevallig experiment met uitkomstenverzameling V (eindig of oneindig), de verzameling van alle gebeurtenissen

Nadere informatie

Het installatiepakket haal je af van de website http://www.gedesasoft.be/.

Het installatiepakket haal je af van de website http://www.gedesasoft.be/. Softmaths 1 Softmaths Het installatiepakket haal je af van de website http://www.gedesasoft.be/. De code kan je bekomen op de school. Goniometrie en driehoeken Oplossen van driehoeken - Start van het programma:

Nadere informatie

Numerieke berekening van integralen met DERIVE

Numerieke berekening van integralen met DERIVE Numerieke berekening van integralen met DERIVE Dirk Danckaert Sint-Norbertusinstituut Duffel In deze tekst maak je kennis met enkele eenvoudige algoritmen voor de numerieke berekening van bepaalde integralen.

Nadere informatie

Wisnet-HBO. update maart. 2010

Wisnet-HBO. update maart. 2010 Wat is Differentiëren? 1 Wat is differentiëren? Wisnet-HBO update maart. 2010 Differentiëren is eigenlijk het differentiaalquotient bepalen. Je begint met het delen van uiterst kleine verschillen op elkaar.

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Eindtentamen Kansrekening en Statistiek (WS), Tussentoets Kansrekening en Statistiek (WS), Vrijdag 8 april, om 9:-:. Dit is een tentamen

Nadere informatie

vwo: Het maken van een natuurkunde-verslag vs 21062011

vwo: Het maken van een natuurkunde-verslag vs 21062011 Het maken van een verslag voor natuurkunde, vwo versie Deze tekst vind je op www.agtijmensen.nl: Een voorbeeld van een verslag Daar vind je ook een po of pws verslag dat wat uitgebreider is. Gebruik volledige

Nadere informatie

VISUALISATIE VAN KROMMEN EN OPPERVLAKKEN. 1. Inleiding

VISUALISATIE VAN KROMMEN EN OPPERVLAKKEN. 1. Inleiding VISUALISATIE VAN KROMMEN EN OPPERVLAKKEN IGNACE VAN DE WOESTNE. Inleiding In diverse wetenschappelijke disciplines maakt men gebruik van functies om fenomenen of processen te beschrijven. Hiervoor biedt

Nadere informatie

4 + 3i 4 3i (7 + 24i)(4 3i) 4 + 3i

4 + 3i 4 3i (7 + 24i)(4 3i) 4 + 3i COMPLEXE GETALLEN Invoering van de complexe getallen Definitie Optellen en vermenigvuldigen Delen De complexe getallen zijn al behoorlijk oud; in de zestiende eeuw doken ze op bij het oplossen van algebraïsche

Nadere informatie

Grafieken, functies en verzamelingen. Eerst enkele begrippen. Grafiek. Assenstelsel. Oorsprong. Coördinaten. Stapgrootte.

Grafieken, functies en verzamelingen. Eerst enkele begrippen. Grafiek. Assenstelsel. Oorsprong. Coördinaten. Stapgrootte. Grafieken, functies en verzamelingen Eerst enkele begrippen Grafiek In een assenstelsel teken je een grafiek. Assenstelsel Een assenstelsel bestaat uit twee assen die elkaar snijden: een horizontale en

Nadere informatie

Kansrekening en Statistiek

Kansrekening en Statistiek Kansrekening en Statistiek College 3 Dinsdag 21 September 1 / 21 1 Kansrekening Indeling: Uniforme verdelingen Cumulatieve distributiefuncties 2 / 21 Vragen: lengte Een lineaal wordt op een willekeurig

Nadere informatie

VOOR HET SECUNDAIR ONDERWIJS

VOOR HET SECUNDAIR ONDERWIJS VOOR HET SECUNDAIR ONDERWIJS Steekproefmodellen en normaal verdeelde steekproefgrootheden 5. Werktekst voor de leerling Prof. dr. Herman Callaert Hans Bekaert Cecile Goethals Lies Provoost Marc Vancaudenberg

Nadere informatie

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 2 april 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 3

Modelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 2 april 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 3 Modelleren C Appels Christian Vleugels Sander Verkerk Richard Both 2 april 2010 Inhoudsopgave 1 Inleiding 2 2 Probleembeschrijving 2 3 Data 3 4 Aanpak 3 5 Data-analyse 4 5.1 Data-analyse: per product.............................

Nadere informatie

1 Vlaamse Wiskunde Olympiade : eerste ronde

1 Vlaamse Wiskunde Olympiade : eerste ronde 1 Vlaamse Wiskunde Olympiade 2005-2006: eerste ronde 1 11 3 11 = () 11 2 3 () 11 5 6 () 11 1 12 11 1 4 11 1 6 2 ls a en b twee verschillende reële getallen verschillend van 0 zijn en 1 x + 1 b = 1, dan

Nadere informatie

Examen VWO. wiskunde B1,2

Examen VWO. wiskunde B1,2 wiskunde B, Examen VWO Voorbereidend Wetenschappelijk Onderwijs Tijdvak Dinsdag 3 mei 3.3 6.3 uur 6 Voor dit examen zijn maximaal 88 punten te behalen; het examen bestaat uit 9 vragen. Voor elk vraagnummer

Nadere informatie

Tentamen Kansrekening en Statistiek (2WS04), dinsdag 17 juni 2008, van uur.

Tentamen 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 informatie

SOFTWARE RELIABILITY

SOFTWARE RELIABILITY SOFTWARE RELIABILITY 1. Inleiding Het software-bedrijf MathWorks ontwikkelt wiskundige software voor bedrijven en overheidsinstellingen. Op dit moment is de software voor het statistische pakket StatWorks

Nadere informatie

8.0 Voorkennis ,93 NIEUW

8.0 Voorkennis ,93 NIEUW 8.0 Voorkennis Voorbeeld: In 2014 waren er 12.500 speciaalzaken. Sinds 2012 is het aantal speciaalzaken afgenomen met 7%. Bereken hoeveel speciaalzaken er in 2012 waren. Aantal 2014 = 0,93 Aantal 2012

Nadere informatie

Korte handleiding Maple, bestemd voor gebruik bij de cursus Wiskunde

Korte handleiding Maple, bestemd voor gebruik bij de cursus Wiskunde Korte handleiding Maple, bestemd voor gebruik bij de cursus Wiskunde 3 voor B. Functies van twee variabelen.. Een functie fx, y) van twee variabelen kan analoog aan een functie van één variabele in Maple

Nadere informatie

Bespreking van het examen Complexe Analyse (tweede zittijd)

Bespreking van het examen Complexe Analyse (tweede zittijd) Bespreking van het examen Complexe Analyse (tweede zittijd) Bekijk ook de bespreking van het examen van de eerste zittijd (op Toledo). Het valt hier op dat de scores op sommige vragen wel heel slecht zijn.

Nadere informatie

GEOGEBRA 4. R. Van Nieuwenhuyze. Hoofdlector wiskunde, lerarenopleiding HUB, Brussel. Auteur Van Basis tot Limiet. roger.van.nieuwenhuyze@skynet.

GEOGEBRA 4. R. Van Nieuwenhuyze. Hoofdlector wiskunde, lerarenopleiding HUB, Brussel. Auteur Van Basis tot Limiet. roger.van.nieuwenhuyze@skynet. ? GEOGEBRA 4 R. Van Nieuwenhuyze Hoofdlector wiskunde, lerarenopleiding HUB, Brussel. Auteur Van Basis tot Limiet. roger.van.nieuwenhuyze@skynet.be Roger Van Nieuwenhuyze GeoGebra 4 Pagina 1 1. Schermen

Nadere informatie

7. Tweedimensionale grafieken

7. Tweedimensionale grafieken 7. Tweedimensionale grafieken 7.1. Grafieken van functies Maxima beschikt over meerdere opdrachten om grafieken te laten tekenen. Grafieken kunnen met wxplotd in de wxmaxima-omgeving ingebed worden (inline).

Nadere informatie

1 Vlaamse Wiskunde Olympiade : Eerste Ronde.

1 Vlaamse Wiskunde Olympiade : Eerste Ronde. Vlaamse Wiskunde Olympiade 986 987: Eerste Ronde De eerste ronde bestaat uit 0 meerkeuzevragen Het quoteringssysteem werkt als volgt : een deelnemer start met 0 punten Per goed antwoord krijgt hij of zij

Nadere informatie

De geïmpliceerde boom en de scheefheid van Black-Scholes

De geïmpliceerde boom en de scheefheid van Black-Scholes Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics De geïmpliceerde boom en de scheefheid van Black-Scholes Verslag ten behoeve van

Nadere informatie

P = LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten:

P = 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 informatie

Wiskunde B - Tentamen 2

Wiskunde B - Tentamen 2 Wiskunde B - Tentamen Tentamen van Wiskunde B voor CiT (57) Donderdag 4 april 005 van 900 tot 00 uur Dit tentamen bestaat uit 8 opgaven, 3 tabellen en formulebladen Vermeld ook je studentnummer op je werk

Nadere informatie

Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics

Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics Prijsbepaling Parijse optie met onderliggende waarde die een sprong-diffusie proces

Nadere informatie

Eindexamen wiskunde B1-2 vwo 2002-II

Eindexamen wiskunde B1-2 vwo 2002-II ppervlakte Gegeven is de functie f ( x) x. De lijn k raakt aan de grafiek van f in het punt (0, 3). Zie figuur. figuur y k f x 5p Stel met behulp van differentiëren een vergelijking op van k. De grafiek

Nadere informatie

Zomercursus Wiskunde. Katholieke Universiteit Leuven Groep Wetenschap & Technologie. September 2008

Zomercursus Wiskunde. Katholieke Universiteit Leuven Groep Wetenschap & Technologie. September 2008 Katholieke Universiteit Leuven September 2008 (versie 27 juni 2008) Inleiding In deze module zullen we het gebruik van het sommatieteken en de faculteitsoperatie herhalen en bespreken adhv voorbeeldoefeningen

Nadere informatie

(x x 1 ) + y 1. x x 1 x k x x x k 1

(x x 1 ) + y 1. x x 1 x k x x x k 1 Les Taylor reeksen We hebben in Wiskunde een aantal belangrijke reële functies gezien, bijvoorbeeld de exponentiële functie exp(x) of de trigonometrische functies sin(x) en cos(x) Toen hebben we wel eigenschappen

Nadere informatie

Hoofdstuk 2: Grafieken en formules

Hoofdstuk 2: Grafieken en formules Hoofdstuk 2: Grafieken en formules Wiskunde VMBO 2011/2012 www.lyceo.nl Hoofdstuk 2: Grafieken en formules Wiskunde 1. Basisvaardigheden 2. Grafieken en formules 3. Algebraïsche verbanden 4. Meetkunde

Nadere informatie

Wat is een optie waard?

Wat is een optie waard? Hoofdstuk III Wat is een optie waard? Herold Dehling 1. Inleiding In het najaar van 1997 werd de Nobelprijs voor Economie uitgereikt aan de Amerikaanse hoogleraren Robert C. Merton en Myron S. Scholes

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening (2WS2), Vrijdag 24 januari 24, om 9:-2:. Dit is een tentamen met gesloten boek. De uitwerkingen van de opgaven

Nadere informatie

Wetenschappelijk Rekenen

Wetenschappelijk Rekenen Wetenschappelijk Rekenen Examen - Bacheloropleiding informatica Oefeningen 3 september 204. Beschouw de matrix A = 8 6 3 5 7 4 9 2 Deze matrix heeft 5 als dominante eigenwaarde. We proberen deze eigenwaarde

Nadere informatie

dx; (ii) * Bewijs dat voor elke f, continu ondersteld in [0, a]: dx te berekenen.(oef cursus) Gegeven is de bepaalde integraal I n = π

dx; (ii) * Bewijs dat voor elke f, continu ondersteld in [0, a]: dx te berekenen.(oef cursus) Gegeven is de bepaalde integraal I n = π Analyse. (i) Bereken A = π sin d; +cos 2 (ii) * Bewijs dat voor elke f, continu ondersteld in [, a]: a f()d = a f(a )d (iii) Gebruik (i) en (ii) om de integraal J = π sin d te berekenen.(oef +cos 2 cursus)

Nadere informatie

T.A. Horsmeier. Hoeken en kromming. In genormeerde ruimten zonder inprodukt. Bachelorscriptie, 25 augustus 2009

T.A. Horsmeier. Hoeken en kromming. In genormeerde ruimten zonder inprodukt. Bachelorscriptie, 25 augustus 2009 T.A. Horsmeier Hoeken en kromming In genormeerde ruimten zonder inprodukt Bachelorscriptie, 25 augustus 2009 Scriptiebegeleider: Dr. O.W. van Gaans Mathematisch Instituut, Universiteit Leiden Inhoudsopgave

Nadere informatie

Eindexamen wiskunde A pilot havo 2011 - II

Eindexamen wiskunde A pilot havo 2011 - II Eindexamen wiskunde A pilot havo 0 - II Beoordelingsmodel Woningvoorraad maximumscore 3 b = 3 6 3 a = = 0, 30 0 Opmerkingen Als voor het verschil in jaren 3 9 genomen is, hiervoor geen scorepunten in mindering

Nadere informatie

Tuyaux 3de Bachelor Wiskunde WINAK

Tuyaux 3de Bachelor Wiskunde WINAK Tuyaux 3de Bachelor Wiskunde WINAK Eerste Semester 2011-2012 Inhoudsopgave 1 Inleiding 2 2 Maattheorie 3 2.1 Theorie....................................... 3 2.2 Oefeningen.....................................

Nadere informatie

Werkbladen 3 Terugzoeken

Werkbladen 3 Terugzoeken Werkbladen Terugzoeken We keren nu de vraag om. Bij een gegeven percentage (oppervlakte zoeken we de bijbehorende grenswaarde(n. Als voorbeeld zoeken we hoe groot een Nederlandse vrouw anno 97 moest zijn

Nadere informatie