Hoofdstuk 2. Aanvullingen Markovketens
|
|
- Petra de Groot
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Hoofdstuk 2. Aanvullingen Markovketens Betere formulering van Stelling Stelling. (St. 2.20) Laat C een gesloten klasse zijn, en j C. Dan geldt dat {µ ij } i C zijn de minimale niet-negatieve oplossing (in [0, ]) van et stelsel vergelijkingen x i = 1 + p ik x k, i C. k j Als er een eindige niet-negatieve oplossing is, dan is j positief recurrent. Als C eindig is, dan is de oplossing uniek en eindig. Hieruit volgt nu onmiddellijk: als C eindig en gesloten, dan zijn alle toestanden van C positief recurrent. Herformulering Stelling 2.21 en gevolgen. Laten R 1,..., R m, m, de recurrente klassen van de Markov keten zijn en T de verzameling van transiënte toestanden. Stelling. (St. 2.21) P = lim n n 1 t=0 P (t) /n bestaat met de eigenscappen (I) p jj = { 1 µ jj, als j k R k 0, als j T. (II) p ij = f ijp jj, i, j S (III) p jj = E( Y 1 1 t=0 1 {j}(x t ) X 0 = i ), voor i, j R k met i positief recurrent, 1 k m. Hierbij is Y 1 = min{t 1 X t = i}. De gevolgen a, b, c en d volgen ieruit, zoals in et dictaat staat. Op pagina 28, in onderdeel (d) staan typefoutjes. d) P P = P. Je kunt weer nagaan dat de enige niet-triviale gevallen zijn wanneer i T R k en j R k, met R k een positief recurrente klasse. Laat i R k. Dan geldt Dus n t=1 p(t) ij n = n 1 l R k t=0 p(t) il p lj n. p ij = lim inf n l R k l R k lim inf n = l R k p il p lj. n 1 t=0 p(t) il p lj n n 1 t=0 p(t) il p lj n 1
2 Stel nu, dat er een j R k is en ɛ > 0 met p ij ɛ + l R k p il p lj. Dan geldt 1 = p ij ɛ + p il p lj = ɛ + 1, j R k l,j R k tegenspraak. Dus geldt gelijkeid. Het geval dat i T en j R k volgt ieruit direct. Uit eigenscap (II) volgt dat de rijen van P van toestanden in dezelfde recurrente klassen allemaal gelijk zijn, en, zoals in et dictaat uitgelegd, een stationaire verdeling zijn. Stelling. (St. 2.25) Zij x een stationaire kansverdeling van P. Laten R k, 1 k m, m, de positief recurrente klassen zijn en R 0 de vereniging van all nul-recurrente klassen. Voor 1 k m, laat P i k de rij van een toestand i k R k zijn. Dan geldt dat er getallen c k 0, k = 1,..., m, met k c k = 1, zijn, zodat x = m k=1 c k P i k, d.w.z. dat P ik, 1 k m, alle stationaire verdelingen voortbrengen. Het gevolg iervan is, dat in een Markovketen met één positief recurrente klasse, er precies één stationaire verdeling is, en wel een rij van P beorend bij een positief recurrente toestand. Hoofdstuk 3. Aaanvullingen Vernieuwingsteorie Poissonproces Zij λ 0, en laten X 1, X 2,... onderling onafankelijk exp(λ) verdeelde stocastisce grooteden zijn, d.w.z. P{X i x} = e λx, x 0, en E(X i ) = 1/λ, i = 1, 2,.... Het geassocieerde vernieuwingsproces N(t), t 0, eet een Poisson proces met parameter λ. We ebben op college afgeleid, dat P{N(t) = n} = e λt (λt) n, n = 0, 1, 2,..., n! oftewel N(t) eeft een Poissonverdeling met parameter λt. Voor et bewijs ebben we gebruik gemaakt van et feit dat de kansverdeling van S n = n i=1 X d i een Gammaverdeling eeft met parameters (n, λ), notatie: S n = Γ(n, λ). D.w.z., de dicteid f (n,λ (t), t 0, van S n is gegeven door λt (λt)n 1 f (n,λ) (t) = λ e (n 1)!, t 0, en P{S n x} = x n 1 λx (λx)j f (n,λ) (t)dt = e, x 0. j! j=0 2
3 Verder adden we op college aangetoond dat de tijdsduur tot de eerstvolgende vernieuwing na tijdstip t een exponentiële verdeling eeft met parameter λ, formeel: P{S N(t)+1 t y} = e λy, y 0. De geeugenlooseid van de exponentiële verdeling zorgt voor nog enkele prettige eigenscappen, die we zonder bewijs noemen: 1) N(t + s) N(t) eeft dezelfde kansverdeling als N(s), s, t 0. 2) N(t + s) N(s) en N(s) zijn onderling onafankelijk, s, t 0. Hieronder bescouwen we nog enige andere eigenscappen van et Poisson proces. Opgave VT.1 Laten X en Y twee onderling onafankelijke stocasten zijn, die beide exponentieel verdeeld zijn met parameters respectievelijk λ en µ. a) Laat zien dat min(x, Y ) een exponentiële verdeling eeft met parameter λ + µ. Bereken P{X = min(x, Y )}. b) Zij t 0. Bewijs dat de tijdsduur tot de eerstvolgende vernieuwing na t onafankelijk is van N(t), m.a.w. bewijs dat P{N(t) = n, S N(t)+1 t > y} = P{N(t) = n} P{S N(t)+1 t > y}, y 0, n = 0, 1,.... c) Laten N 1 (t), t 0, en N 2 (t), t 0, onderling onafankelijke Poissonprocessen zijn, met parameters respectievelijk λ en µ. Stel dat X 1, X 2, X 3,... de tussentijden van N 1 (t) zijn en Y 1, Y 2, Y 3,... die van N 2 (t). Onafankelijkeid van de twee bovenstaande Poissonprocessen wil zeggen dat voor elke k, l N, en rijen niet-negatieve, reële getallen t 1, t 2,..., t k, s 1,..., s l, geldt dat P{X 1 t 1,..., X k t k, Y 1 s 1,..., Y l s l } = P{X 1 t 1,..., X k t k }P{Y 1 s 1,..., Y l s l }. Beargumenteer, dat N 1 (t) + N 2 (t), t 0, een Poisson proces is met parameter λ + µ. Opgave VT.2 Laat X 1, X 2,... een rij onafankelijke, exponentieel verdeelde stocasten zijn met parameter λ. Laat verder K een geometrisc verdeelde stocast zijn met succesparameter p, ofwel P{K = j} = (1 p) j 1 p, die onafankelijk is van X 1, X 2,.... Laat vervolgens de stocast Y gegeven zijn door Y = K j=1 X j. 3
4 a) Laat zien dat Y exponentieel verdeeld is met parameter λp. Bescouw een Poisson proces N(t), t 0, met parameter λ. Stel dat we elke gebeurtenis gegenereerd door dit Poisson proces registreren met kans p. Dit gebeurt onderling onafankelijk: et al dan niet registreren van de ene gebeurtenis geeft geen informatie over of we een andere gebeurtenis wel of niet zullen registreren. Laat R(t) et aantal geregistreerde gebeurtenissen tot tijdstip t. We noemen R(t), t 0, vervolgens een uitgedund telproces. b) Bereken P{R(t) = k N(t) = n}. c) Bewijs dat R(t), t 0, een Poisson proces is met parameter λp. Opgave VT.3 Laat N(t), t 0 een Poisson proces zijn met parameter λ, met tussentijden X 1, X 2,.... Laten U 1,..., U k onderling onafankelijke continue stocasten zijn met een uniforme verdeling op (0, t) (d.w.z. P{U i s} = 1 s/t, s (0, t)). a) Laat zien dat P{(X 1 s N(t) = k) = 1 (1 s t )k, s t. Hint: aan welke eigenscap moet N(s) voldoen als X 1 s? b) Laat zien dat P{min(U 1,..., U k ) s} = 1 (1 s t )k, s t. c) Kennelijk geldt dat P{(X 1 s N(t) = k) = P{min(U 1,..., U k ) s}. Geef iervoor een intuïtieve uitleg. N.B. Bij de onderstaande opgaven mag gebruik gemaakt worden van de eigenscappen van et Poisson proces die boven vermeld staan (al dan niet in een opgave!). Opgave VT.4 De voetbalclubs Ajax en R.K.S.V. Nuenen spelen in de Amsterdam ArenA een voetbalwedstrijd, die bestaat uit twee elften van elk precies 45 minuten. De verwacting van et aantal doelpunten dat in een willekeurige elft valt is gelijk aan 5. Doelpunten van Ajax en doelpunten van R.K.S.V. Nuenen vallen elk volgens een Poisson proces. Je mag er van uit gaan dat deze twee processen onafankelijk zijn. Verder is gegeven dat Ajax gemiddeld gesproken anderalf keer zoveel doelpunten maakt als R.K.S.V. Nuenen, en dat er in de eerste elft in totaal precies 3 doelpunten vallen. Lict je antwoorden bij onderstaande opgaven kort toe! a) Wat is de kans dat er in de eerste 10 minuten van de eerste elft twee doelpunten vallen? b) Wat is de kans dat er in de eerste 10 minuten van de tweede elft twee doelpunten vallen voor Ajax, en een voor R.K.S.V. Nuenen? c) Wat is de kans dat Ajax meer doelpunten maakt dan R.K.S.V. Nuenen in de eerste elft? d) Wat is de kans dat de wedstrijd met 4-0 wordt afgesloten in et voordeel van Ajax? 4
5 Opgave VT.5 In de immer zo pittoreske gemeente Ermelo in Gelderland liggen 10 dorpen, waarvan één ook de naam Ermelo draagt. Uit statistisce analyse blijkt dat de tijd tussen twee elektriciteitsstoringen in de gemeente exponentieel verdeeld is met verwacting een alf jaar. Tijden tussen twee elektriciteitsstoringen zijn onderling onafankelijk. Ook blijkt dat een elektriciteitsstoring in de gemeente met kans 0,75 niet et dorp zelf treft, onafankelijk van eerdere of toekomstige elektriciteitsstoringen. Lict je antwoorden bij onderstaande opgaven kort toe. a) Wat is de kans dat in et komende alf jaar zic drie elektriciteitsstoringen in et dorp Ermelo voordoen, en twee in de overige 9 dorpen? b) Wat is de kans dat van de eerstvolgende vijf elektriciteitsstoringen in de gemeente, zic twee in et dorp Ermelo voordoen? c) Wat is de kans dat de eerstvolgende elektriciteitsstoring in et dorp Ermelo zic pas na et komende jaar voordoet? d) Stel dat er, bij wijze van oge uitzondering, zic de komende week drie elektriciteitsstoringen voordoen. Hoe lang duurt et naar verwacting vanaf nu totdat de eerste van de drie zic voordoet? Opgave VT.6 De illustere meneer X vervangt de batterij van zijn telefoon wanneer deze kapot gaat. Het vervangen van een batterij kost een negeerbare oeveeleid tijd. De tijd (ofwel de levensduur) totdat een telefoonbatterij van meneer X et begeeft, gemeten vanaf de installatie, is uniform(6) verdeeld, gemeten in maanden. De levensduren van verscillende batterijen zijn onafankelijk. Lict je antwoorden kort toe. a) Laat meneer X 3 maanden geleden een nieuwe batterij geïnstalleerd ebben. Wat is et verwacte aantal batterijen dat door meneer X sindsdien tot nu toe is geïnstalleerd? Hint: zie Voorbeeld 3.3. b) Meneer X is et vervangen van kapotte batterijen eigenlijk spuugzat, en ij besluit om per direct zijn strategie te veranderen. Wanneer een batterij al kapot gaat voordat deze 3 maanden oud is, dan vervangt meneer X deze. Ecter, als een batterij na 3 maanden nog steeds functioneert, dan vervangt meneer X em nu ook preventief, ook al functioneert ij nog steeds. Wat is bij deze nieuwe strategie de verwacte tijd tussen twee vervangingen van batterijen in de telefoon van meneer X? Wat is dus de lange-termijn vervangingsfrequentie van batterijen in de telefoon van meneer X? c) Laat Z een uniform(6)-verdeelde stocast zijn. Toon aan, dat P{Z s Z 3} = s/3, s [0, 3]. Bereken ieruit E(Z Z 3}. Op de lange termijn, oe vaak per maand moet meneer X naar verwacting zijn batterij vervangen omdat deze is stukgegaan? 5
6 Opgave VT.7 Meneer X besluit op willekeurige tijdstippen zijn telefoonbatterij door te meten en deze gegevens bij te ouden. De meting geeft als resultaat een uitslag oe lang de batterij nog mee gaat. Na een paar jaar middelt ij de verkregen uitkomsten. Hij verwact dat dit ongeveer de elft van de door de fabrikant opgegeven levensduur zal zijn. Tot zijn verbazing is et gemiddelde groter dan de elft. Wat is ier aan de and? Laten X 1,... onderling onafankelijke, identiek verdeelde, niet-negatieve stocasten zijn, met 0 < EX 1 <, en EX 2 1 <. Laat u [0, ), en Ru de tijdsduur tot de volgende vernieuwing. M.a.w. R u = S N(u)+1 u. Op college ebben we aangetoond, dat E [0,t) Ru du t 1 2 EX2 1 EX 1 > 1 2 EX 1, t, tenzij X n deterministisce variabelen zijn, dus met kans 1 gelijk aan de verwacting. Toegepast op et batterijenvoorbeeld: de gemiddelde verwacte resterende levensduur van een batterij is groter dan of gelijk aan de alve verwacte levensduur van een batterij. Hij is dan en slects dan gelijk aan de alve verwacte levensduur, als de levensduur een deterministisce stocast is, dus met kans 1 gelijk aan zijn verwacting. A u. Stel dat we geïnteresseerd zijn in de tijdsduur sinds de laatste vernieuwing voor u, noem dit i) Bewijs dat E [0,t) Au du t 1 2 EX2 1 EX 1 > 1 2 EX 1. ii) Uit bovenstaande kunnen we direct concluderen wat de gemiddelde verwacte duur van een willekeurig gekozen vernieuwingsinterval is. Hoe groot is deze? Kun je dit intuïtief verklaren? Om de intuïtie te verkrijgen, kun je bijvoorbeeld denken aan et geval dat de vernieuwingsintervallen met kans 1/2 duur 1 ebben en met kans 1/2 duur 2. Bewijs Lemma 4.2 Merk op, dat Dus zodat Voor j i, met ν j ν i geldt Hoofdstuk 4. Aanvullingen Markovprocessen p ii () = P{X() = i X(0) = i} P{T i > X(0) = i} = e ν i. p ii () 1 lim inf 0 e νi 1, p ii () 1 ν i. p ij () P{T i <, X(T i ) = j, T i + T j > X(0) = i} = p ij e νj( s) e νis ds = ν ip ij ν i ν j ( e ν j e ν i ). 6 0
7 Daaruit volgt dat lim inf 0 p ij () lim inf 0 ν i ν i ν j ( e ν j s e ν is ) = ν i p ij. Als ν i = ν j, dan volgt dezelfde liminf op analoge wijze. Nu krijgen we p ij () lim sup 0 lim sup 1 p ii() 1 e ν i lim sup 0 = lim inf 0 e ν i 1 ν i. Anderzijds, lim inf 0 1 p ii () p ij () lim inf p ij () lim inf ν i p ij = ν i. 0 0 In de tweede ongelijkeid ebben we gebruik gemaakt van et Lemma van Fatou, en et feit dat p ij () 0. Combinatie van bovenstaande ongelijkeden levert op, dat lim sup 1 p ii () analoog: lim 0 = lim inf 0 1 p ii () p ij () = ν i. analoog: lim inf 0 p ij() = ν i. = ν i, zodat lim 0 1 p ii () bestaat en gelijk is aan ν i. We moeten nog zien te bewijzen dat lim 0 p ij () bestaat en gelijk is aan ν i p ij. Stel dat de limiet voor zekere (i, j 0 ) niet bestaat. Dan is lim sup 0 p ij () > lim inf 0 p ij0 () ν i p ij0. Dus is er een rij { n } n, n 0, n, en ɛ > 0 zodat Dus geldt Tegenspraak! p ij0 ( n ) p ij0 () lim = lim sup = ν i p ij0 + ɛ. n n 0 p ij ( n ) ν i = lim p ij ( n ) lim inf ν i p ij0 + ɛ + ν i p ij = ν i + ɛ. n n n n,j 0 p We gebruiken ier, dat lim inf ij ( n) p n n lim inf ij () 0 ν i p ij voor j j 0, i (je neemt et liminf over de kleinere collectie { n } n, dus dat kan nooit iets kleiners opleveren dan de liminf p over de collectie [0, )). Verder, is lim inf ij ( n) p n n = lim ij ( n) n n = ν i p ij0 + ɛ. Opm. De ongelijkeden en zijn gelijkeden als de som van de kansen gelijk is aan 1, etgeen we ier veronderstellen. In de algemene teorie van Markovprocessen is et niet altijd opportuun 7
8 deze aanname te maken (er kan ook kansmassa verdwijnen ), maar in dat geval gaat de ele afleiding nog wel op door de gebruikte ongelijkeden in te zetten. Herformulering Stelling 4.7 (ii) (de zuinigste vorm totnutoe) Stel et MP eeft één gesloten klasse, zeg C, C S. Stel er is een oplossing van et stelsel x i q ij = 0, j S. i S Dan is x i 0 voor all i S, of x i 0, voor alle i S. Als i x i <, dan is P i := x i / j x j, i C, de stationaire verdeling op C, d.w.z. dat lim t P ij (t) = P j, i, j C. Als voor alle i C geldt dat P{ t : X(t) C X(0) = i} = 1, dan is lim t P ij (t) = P j voor i, j S. Opgave VT.8 Een databank eeft N verscillende items die gebruikt worden voor transacties. Een transactie eeft m items nodig met kans 1/M, 1 m N, voor zekere M N. Gegeven dat een transactie m items nodig eeft, is elke deelverzameling van m gevraagde items even waarscijnlijk. Aanvragen voor transacties komen binnen volgens een Poisson proces met parameter λ. De verwerkingstijd van een transactie die bestaat uit m items, is exp(µ) verdeeld. Een item dat gebruikt wordt bij de beandeling van een transactie, is niet bescikbaar voor andere transacties zolang de verwerking duurt. Aanvragen voor transacties waarvoor niet alle items bescikbaar zijn, gaan verloren. Dit model kan bescreven worden door een Markovproces met als toestanden (n 1, n 2,..., n M ), waarbij n m et aantal lopende transacties is met m items, 1 m M. a) Bepaal de overgangsintensiteiten van et Markovproces. b) Toon voor N = 4 en M = 2 aan dat et proces reversibel is. Zal dit ook voor algemene N en M waar zijn? c) Bepaal de stationaire verdeling voor N = 4 en M = 2. Reversibiliteit voor een discrete-tijdsmarkovketen Laat {X n } n {, } een discretetijdsmarkovketen zijn, die al oneindig lang loopt. We veronderstellen dat de keten irreducibel is en positief recurrent. Het ele reversibiliteitsbegrip kan analoog worden opgezet. De rol van Q in continue tijd wordt nu weer gespeeld door de overgangsmatrix P. We krijgen dan dat de Markovketen reversibel is d.e.s.d.a. P i p ij = P j p ji, i, j S, waarbij {P i } i S de stationaire verdeling van de Markovketen is. Dit is et analogon van (4.6.1) in et dictaat. Hiermee kunnen we ook Stelling 4.8 erformuleren voor et discrete-tijdsgeval. Stelling 0.1. De Markovketen is reversibel d.e.s.d.a. voor elke pijlenronde in de geassocieerde graaf geldt dat et product van de overgangskansen langs de pijlenronde gelijk is aan et product van de overgangskansen langs de omgekeerde ronde. 8
9 Je kunt iermee gemakkelijk laten zien dat een stocastisce wandeling op een ongericte graaf (zoals de webgraaf, die gebruikt wordt voor et berekenen van de Google PageRank), reversibel is. Opgave VT.9 Laat G = (V, E) een ongericte graaf zijn, met knooppuntenverzameling V = {1,..., n}, en takkenverzameling E een verzameling van ongeordende paren knooppunten. Laat d(i) de graad van knooppunt i zijn, d.w.z. et aantal takken dat aan knooppunt i grenst, i V. Een stocastisce wandelaar loopt over de graaf, en kiest in elk knooppunt geeel willekeurig een aangrenzende tak. Dit is een discrete-tijdsmarkovketen met overgangsmatrix P, waarbij p ij = 1/d(i), voor alle knooppunten j met (i, j) E. a) Laat zien dat de Markovketen reversibel is. b) Leidt een formule voor de stationaire verdeling af, en toon de correcteid iervan aan. c) Bescouw nu een scaakbord met de gebruikelijke 64 velden. Zet een paard in één van de oekpunten, en laat et over et scaakbord springen door steeds geeel willekeurig één van de mogelijke sprongen te kiezen. Hoe lang doet et paard er in verwacting over om in ditzelfde oekpunt terug te keren? En oe lang wanneer je et paard op één van de naburige velden laat beginnen? Hoofdstuk 8. Aanvullingen Markov beslissingsteorie Opgave VT.10 Het bewijs van Stelling 8.19 in et dictaat is gebaseerd op een argument dat gebruikt maakt van superarmonisce vectoren. Een alternatief bewijs maakt gebruik van strategieverbetering. Kies strategie f 0, met f 0(i) = 1 (stoppen) als i S 0, en f 0 (i) is willekeurig voor i S 0. Dan geldt dat v i (f 0 ) = r i, i S 0. Algoritme 8.2 toepassen geeft een optimale strategie in eindig veel iteraties, zeg N. De strategie f N is dus optimaal. a) Laat zien dat f n (i) = 1, voor i S 0, n = 1,.... Bij gevolg is stoppen op S 0 optimaal. b) Vervolgens willen we aantonen dat doorgaan in i S 0 { } optimaal is. Neem daartoe aan dat f N (i) = 1 voor een toestand i S 0 { } en leidt een tegenspraak af. 9
Vragen 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 informatieTentamen Inleiding Kansrekening 11 augustus 2011, uur
Mathematisch Instituut Niels Bohrweg Universiteit Leiden 2 CA Leiden Delft Tentamen Inleiding Kansrekening augustus 20, 09.00 2.00 uur Bij dit examen is het gebruik van een evt. grafische) rekenmachine
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 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 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 informatieDe Wachttijd-paradox
De Wachttijd-paradox Korteweg-de Vries Instituut voor Wiskunde Universiteit van Amsterdam Mastercourse 15 november 25 Peter Spreij spreij@science.uva.nl 1 Het probleem In deze mastercourse behandelen
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 informatieStatistiek 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 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 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 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 informatieKansrekening en statistiek wi2105in deel I 29 januari 2010, uur
Kansrekening en statistiek wi20in deel I 29 januari 200, 400 700 uur Bij dit examen is het gebruik van een (evt grafische rekenmachine toegestaan Tevens krijgt u een formuleblad uitgereikt na afloop inleveren
Nadere informatieTECHNISCHE 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 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 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 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 informatieVrije Universiteit Amsterdam Opleiding Wiskunde Vak Poisson Processen. Poisson Processen. Arno Weber.
Vrije Universiteit Amsterdam Opleiding Wiskunde Vak Poisson Processen Poisson Processen Arno Weber email: aeweber@cs.vu.nl Januari 2003 1 Inhoudsopgave 1. Computersimulaties 3 2. Wachttijd-paradox 6 3.
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 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 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 informatieb. de aantallen aankomsten in disjuncte tijdsintervallen zijn onafhankelijk van elkaar
APPENDIX: HET POISSON PROCES Een stochastisch proces dat onlosmakelijk verbonden is met de Poisson verdeling is het Poisson proces. Dit is een telproces dat het aantal optredens van een bepaalde gebeurtenis
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 informatieKansrekening en stochastische processen 2S610
Kansrekening en stochastische processen 2S610 Docent : Jacques Resing E-mail: j.a.c.resing@tue.nl http://www.win.tue.nl/wsk/onderwijs/2s610 1/39 Een stochastisch proces (stochastic proces) X (t) bestaat
Nadere informatieStatistische analyse van inserties in het genoom van muizen
Statistisce analyse van inserties in et genoom van muizen Anne de Haan 30 juni 008 Bacelorscriptie Begeleiding: Prof. Dr. M.R.H. Mandjes KdV Instituut voor wiskunde Faculteit der Natuurwetenscappen, Wiskunde
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 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 informatieWe zullen de volgende modellen bekijken: Het M/M/ model 1/14
De analyse en resultaten van de voorgaande twee modellen (het M/M/1/K model en het M/M/1 model) kunnen uitgebreid worden naar modellen met meerdere bediendes. We zullen de volgende modellen bekijken: Het
Nadere informatieZo geldt voor o.o. continue s.v.-en en X en Y dat de kansdichtheid van X + Y gegeven wordt door
APP.1 Appendix A.1 Erlang verdeling verdeling met parameters n en λ Voor o.o. discrete s.v.-en X en Y geldt P (X + Y = z) =P (X = x 1 en Y = z x 1 )+P(X = x en Y = z x )+... = P (X = x 1 )P (Y = z x 1
Nadere informatieen-splitsingen: een aantal alternatieven worden parallel toegepast, of-splitsingen: van een aantal alternatieven wordt er één toegepast,
Kansrekening voor Informatiekunde, 25 Les 8 Proces analyse Veel processen laten zich door netwerken beschrijven, waarin knopen acties aangeven en opdrachten langs verbindingen tussen de knopen verwerkt
Nadere informatie(iii) intervallen, bijvoorbeeld afgesloten intervallen zoals D = [0, 1] := {x en halfopen intervallen zoals D = (0, 1] := {x R 0 < x 1},
Hoofdstuk II Calculus Les Differentiatie van functies Waarscijnlijk eeft iedereen wel een idee ervan wat een functie is, maar voor de duidelijkeid zal et andig zijn om de meest belangrijke begrippen na
Nadere informatiea) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n.
. Oefen opgaven Opgave... Gegeven zijn de lijnen l : 2 + λ m : 2 2 + λ 3 n : 3 6 4 + λ 3 6 4 a) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n. b) Bepaal de afstand tussen die lijn
Nadere informatieCombinatoriek groep 2
Combinatoriek groep 2 Recursie Trainingsdag 3, 2 april 2009 Homogene lineaire recurrente betrekkingen We kunnen een rij getallen a 0, a 1, a 2,... op twee manieren definiëren: direct of recursief. Een
Nadere informatieKansrekening en stochastische processen 2DE18
Kansrekening en stochastische processen 2DE18 Docent : Jacques Resing E-mail: resing@win.tue.nl 1/23 Voor een verzameling stochastische variabelen X 1,..., X n, de verwachting van W n = X 1 + + X n is
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 informatieUitwerking Tweede Quiz Speltheorie,
Uitwerking Tweede Quiz Speltheorie, 28-11-2012 Attentie! Maak van de onderstaande drie opgaven er slechts twee naar eigen keuze! Opgave 1 [50 pt]. Van het tweepersoons nulsomspel met de 2 4-uitbetalingsmatrix
Nadere informatieGESLOTEN NETWERKEN VAN WACHTRIJEN
GESLOTEN NETWERKEN VAN WACHTRIJEN In het vorige college hebben we gekeken naar een model waarbij klanten van buitenaf het netwerk inkomen, een (stochastisch) aantal keren van het ene station naar het andere
Nadere informatieTentamen Lineaire Algebra UITWERKINGEN
Tentamen Lineaire Algebra 29 januari 29, 3:3-6:3 uur UITWERKINGEN Gegeven een drietal lijnen in R 3 in parametervoorstelling, l : 2, m : n : ν (a (/2 pt Laat zien dat l en m elkaar kruisen (dat wil zeggen
Nadere informatieBekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { De tweede vergelijking van de eerste aftrekken geeft:
Determinanten Invoeren van het begrip determinant Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { a x + b y = c a 2 a 2 x + b 2 y = c 2 a Dit levert op: { a a 2 x
Nadere informatieHoofdstuk 20 Wachtrijentheorie
Hoofdstuk 20 Wachtrijentheorie Beschrijving Iedereen van ons heeft al tijd gespendeerd in een wachtrij: b.v. aanschuiven in de Alma restaurants. In dit hoofdstuk onwikkelen we mathematische modellen voor
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 informatieLineaire algebra I (wiskundigen)
Lineaire algebra I (wiskundigen) Toets, donderdag 22 oktober, 2009 Oplossingen (1) Zij V het vlak in R 3 door de punten P 1 = (1, 2, 1), P 2 = (0, 1, 1) en P 3 = ( 1, 1, 3). (a) Geef een parametrisatie
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 informatieTweede huiswerkopdracht Lineaire algebra 1 Uitwerking en opmerkingen
Tweede huiswerkopdracht Lineaire algebra 1 en opmerkingen November 10, 2009 Opgave 1 Gegeven een vectorruimte V met deelruimtes U 1 en U 2. Als er geldt dim U 1 = 7, dimu 2 = 9, en dim(u 1 U 2 ) = 4, wat
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 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 informatieNumerieke Analyse - Week 03
Numerieke Analyse - Week 3 Jan Brandts Woensdag 21 september 211 1. Samenvatting en opgaven We zoeken een polynoom p P k (I) waarvan de functiewaarden in k + 1 verscillende punten x,..., x k I overeenstemmen
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 2 Donderdag 16 September 1 / 31 1 Kansrekening Indeling: Eigenschappen van kansen Continue uitkomstenruimtes Continue stochasten 2 / 31 Vragen: cirkels Een computer genereert
Nadere informatieInleiding Analyse 2009
Inleiding Analyse 2009 Inleveropgaven A). Stel f(, y) = In (0, 0) is f niet gedefinieerd. We bestuderen y2 2 + y 4. lim f(, y). (,y) (0,0) 1. Bepaal de waarde van f(, y) op een willekeurige rechte lijn
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 informatieZ.O.Z. Radboud Universiteit Nijmegen Tentamen Analyse 1 WP001B 16 juni 2016, 12:30 15:30 (16:30)
Radboud Universiteit Nijmegen Tentamen Analyse 1 WP001B 16 juni 016, 1:30 15:30 (16:30) Het gebruik van een rekenmachine, telefoon of tablet is niet toegestaan. U mag geen gebruik maken van aantekeningen
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Kansrekening en Statistiek (2S27), dinsdag 14 juni 25, 9. - 12. uur. Dit is een tentamen met gesloten boek. De uitwerkingen
Nadere informatieKansrekening en stochastische processen 2S610
Kansrekening en stochastische processen 2S610 Docent : Jacques Resing E-mail: j.a.c.resing@tue.nl http://www.win.tue.nl/wsk/onderwijs/2s610 1/28 Schatten van de verwachting We hebben een stochast X en
Nadere informatieopgaven formele structuren tellen Opgave 1. Zij A een oneindige verzameling en B een eindige. Dat wil zeggen (zie pagina 6 van het dictaat): 2 a 2.
opgaven formele structuren tellen Opgave 1. Zij A een oneindige verzameling en B een eindige. Dat wil zeggen (zie pagina 6 van het dictaat): ℵ 0 #A, B = {b 0,..., b n 1 } voor een zeker natuurlijk getal
Nadere informatieClassificatie van Markovbeslissingsketens
Classificatie van Markovbeslissingsketens Complexiteit van het multichainclassificatieprobleem Wendy Ellens 21 augustus 2008 Bachelorscriptie, Mathematisch Instituut, Universiteit Leiden Begeleider: Prof.
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 informatieWe zullen in deze les kijken hoe we netwerken kunnen analyseren, om bijvoorbeeld de volgende vragen te kunnen beantwoorden:
Wiskunde voor kunstmatige intelligentie, 24 Les 5 Proces analyse Veel processen laten zich door netwerken beschrijven, waarin een aantal knopen acties aangeeft en opdrachten langs verbindingen tussen de
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 2 Donderdag 15 September 1 / 42 1 Kansrekening Vandaag: Vragen Eigenschappen van kansen Oneindige discrete uitkomstenruimtes Continue uitkomstenruimtes Continue stochasten
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 5 J.Keijsper (TUE)
Nadere informatieExamen G0U13 Bewijzen en Redeneren Bachelor of Science Fysica en Wiskunde. vrijdag 3 februari 2012, 8:30 12:30
Examen G0U13 Bewijzen en Redeneren Bachelor of Science Fysica en Wiskunde vrijdag 3 februari 2012, 8:30 12:30 Naam: Geef uw antwoorden in volledige, goed lopende zinnen. Het examen bestaat uit 5 vragen.
Nadere informatieTentamen Inleiding Kansrekening 12 augustus 2010, 10.00 13.00 uur Docent: F. den Hollander
Universiteit Leiden Niels Bohrweg Mathematisch Instituut 333 CA Leiden Tentamen Inleiding Kansrekening augustus,. 3. uur Docent: F. den Hollander Bij dit tentamen is het gebruik van een (grafische) rekenmachine
Nadere informatieSpeciale functies. 2.1 Exponentiële functie en natuurlijke logaritme
Wiskunde voor kunstmatige intelligentie, 006 Les Speciale functies We ebben in de vorige les een aantal elementaire functies bekeken en iervoor gezien oe we deze functies kunnen afleiden. In wezen waren
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 informatieTentamen Kansrekening (NB004B)
NB4B: Kansrekening Dinsdag november 2 Tentamen Kansrekening (NB4B) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan. Vermeld op ieder blad je naam en
Nadere informatieTECHNISCHE 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 informatieWe beginnen met de eigenschappen van de gehele getallen.
II.2 Gehele getallen We beginnen met de eigenschappen van de gehele getallen. Axioma s voor Z De gegevens zijn: (a) een verzameling Z; (b) elementen 0 en 1 in Z; (c) een afbeelding +: Z Z Z, de optelling;
Nadere informatieJe mag Zorich deel I en II gebruiken, maar geen ander hulpmiddelen (zoals andere boeken, aantekeningen, rekenmachine etc.)!
Tentamen Analyse II. Najaar 6 (.1.7) Toelicting: Je mag Zoric deel I en II gebruiken, maar geen ander ulpmiddelen (zoals andere boeken, aantekeningen, rekenmacine etc.)! Als je bekende stellingen gebruikt
Nadere informatieEerste deeltentamen Lineaire Algebra A. De opgaven
Eerste deeltentamen Lineaire Algebra A 3 november 9, 3-6 uur Bij dit tentamen mogen dictaat en/of rekenmachine niet gebruikt worden. Schrijf op elk vel je naam, collegekaartnummer en naam van de practicumleider
Nadere informatieUitwerking tentamen Analyse B
Uitwerking tentamen Analyse B 30 juni 20, 7:00 20:00 uur De hieronder gegeven uitwerkingen moeten worden opgevat als voorbeelden van correcte oplossingen. In veel gevallen zijn andere correcte oplossingen
Nadere informatieDe enveloppenparadox
De enveloppenparadox Mats Vermeeren Berlin Mathematical School) 6 april 013 1 Inleiding Een spel gaat als volgt. Je krijgt twee identiek uitziende enveloppen aangeboden, waarvan je er één moet kiezen.
Nadere informatieHoofdstuk 9. Vectorruimten. 9.1 Scalairen
Hoofdstuk 9 Vectorruimten 9.1 Scalairen In de lineaire algebra tot nu toe, hebben we steeds met reële getallen als coëfficienten gewerkt. Niets houdt ons tegen om ook matrices, lineaire vergelijkingen
Nadere informatieStatistiek voor A.I. College 6. Donderdag 27 September
Statistiek voor A.I. College 6 Donderdag 27 September 1 / 1 2 Deductieve statistiek Kansrekening 2 / 1 Vraag: Afghanistan In het leger wordt uit een groep van 6 vrouwelijke en 14 mannelijke soldaten een
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 informatieCombinatoriek groep 1 & 2: Recursie
Combinatoriek groep 1 & : Recursie Trainingsweek juni 008 Inleiding Bij een recursieve definitie van een rij wordt elke volgende term berekend uit de vorige. Een voorbeeld van zo n recursieve definitie
Nadere informatieVrije Universiteit Faculteit der Economische Wetenschappen en Bedrijfskunde Afdeling Econometrie
Vrije Universiteit Faculteit der Economische Wetenschappen en Bedrijfskunde Afdeling Econometrie Tentamen: Convexe Analyse en Optimalisering Opleiding: Bacheloropleiding Econometrie Vakcode: 64200 Datum:
Nadere informatieV.2 Limieten van functies
V.2 Limieten van functies Beschouw een deelverzameling D R, een functie f: D R en zij c R. We willen het gedrag van f in de buurt van c bestuderen. De functiewaarde in c is daarvoor niet belangrijk, de
Nadere informatieKansrekening en statistiek WI2105IN deel I 4 november 2011, uur
Kansrekening en statistiek WI05IN deel I 4 november 0, 4.00 7.00 uur Bij dit examen is het gebruik van een (evt. grafische) rekenmachine toegestaan. Een formuleblad wordt uitgereikt. Meerkeuzevragen Toelichting:
Nadere informatiex 1 (t) = ve rt = (a + ib) e (λ+iµ)t = (a + ib) e λt (cos µt + i sin µt) x 2 (t) = ve rt = e λt (a cos µt b sin µt) ie λt (a sin µt + b cos µt).
76 Complexe eigenwaarden Ook dit hebben we reeds gezien bij Lineaire Algebra Zie: Lay, 57 Als xt ve rt een oplossing is van de homogene differentiaalvergelijking x t Axt, dan moet r een eigenwaarde van
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 informatieBESLISKUNDE A. Najaar 2016 Deel 1. L.C.M. KALLENBERG en F.M. SPIEKSMA
BESLISKUNDE A Najaar 26 Deel L.C.M. KALLENBERG en F.M. SPIEKSMA UNIVERSITEIT LEIDEN Inhoudsopgave DISCRETE MARKOV KETENS. Inleiding en voorbeelden..................................2 Klassificatie van
Nadere informatieBetrouwbaarheid en levensduur
Kansrekening voor Informatiekunde, 26 Les 7 Betrouwbaarheid en levensduur 7.1 Betrouwbaarheid van systemen Als een systeem of netwerk uit verschillende componenten bestaat, kan men zich de vraag stellen
Nadere informatieHertentamen Topologie, Najaar 2009
Hertentamen Topologie, Najaar 2009 Toelichting: 06.05.2010 Je mag geen hulpmiddelen (zoals aantekeningen, rekenmachine etc.) gebruiken, behalve het boek van Runde en het aanvullende dictaat. Als je stellingen
Nadere informatieFundamentele begrippen in de financiële wiskunde
Fundamentele begrippen in de financiële wiskunde Peter Spreij Leve de Wiskunde!, 8 april 2011 Inhoud Doel 1 Doel 2 3 Arbitrage Replicatie, hedging 4 5 6 Peter Spreij Financiële Wiskunde 1/ 60 Inhoud Doel
Nadere informatieTentamen Discrete Wiskunde 1 10 april 2012, 14:00 17:00 uur
Tentamen Discrete Wiskunde 0 april 0, :00 7:00 uur Schrijf je naam op ieder blad dat je inlevert. Onderbouw je antwoorden, met een goede argumentatie zijn ook punten te verdienen. Veel succes! Opgave.
Nadere informatieTentamen Numerieke Wiskunde dinsdag, 28 januari 2014,
Tentamen Numerieke Wiskunde dinsdag, 8 januari 04, 3.30 6.30. Zet op ieder vel dat je inlevert je naam en op et eerste vel bovendien nog je studentnummer.. Je mag et dictaat gebruiken, de uitwerkingen
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 informatie