Minimax lower bound 이광민 May Notation 모수공간 : Θ Action space : A Loss function : L : Θ A [0, ) Sample space : X Data : X P θ (Probability measure

Size: px
Start display at page:

Download "Minimax lower bound 이광민 May Notation 모수공간 : Θ Action space : A Loss function : L : Θ A [0, ) Sample space : X Data : X P θ (Probability measure"

Transcription

1 Minix lower bound 이광민 My 08 ottion 모수공간 : Θ Action spce : A Loss function : L : Θ A [0, Sple spce : Dt : θ (robbility esure on sple spce Decision rule : D : A Minix isk : inix := inf D sup θ Θ E θ L(θ, D( ottion for syptotic Sple spce : n Dt : (n n θ Decision rule : D (n : n A (robbility esure on sple spce Minix isk : (n inix := inf D sup θ Θ E θ L(θ, D( (n 목표 특정추정량 (D 이 inix 관점에서최적인추정량임을보장하기위해다음을만족해야함. sup E θ L(θ, D ( = inix θ Θ

2 따라서 inix 값을 계산할 필요가 있음. 그런데, 정확한 inix 를 구하기 힘들기 때문에 inix관점에서 최적인 추정량을 다음과 같이 재정의한다. (n sup Eθ L(θ, D (n ( inix θ Θ 즉 Minix risk가 최적의 수렴속도와 syptotic하게 일치하는 것으로 만족. (n 따라서 inix 를 계산해야 하고, 이를 정확하게 계산하는 것이 아닌 syptotic한 계산만으로 충분하다. 그리고 해당 발표의 주제는 일반적인 setting에서 inix 를 계산하기 위해 사용되는 방법들에 대해 다룬다. 즉 for soe, b > 0 다음 식을 만족하는 n 을 구하면 된다. (n inix n (n inix b n 이를 다시 표현하면, Upper bound에 대해서는 적당한 D (n 를 잡아서, supθ Θ Eθ L(θ, D (n ( 의 upper bound를 계산한다. (이를 un 이라 함. 그리고 lower bound에 대해서는 inf D supθ Θ Eθ L(θ, D( (n 의 lower bound를 계산한다. (이를 b ln 이라 함. 이때 un = ln 이 될때까지 최대한 upper, lower bound를 tight하게 만든다. lower bound를 계산하기 위해서 모든 조합들 다 고려해 봐야하는데, 이는 실질적으로 불가능하 고, 베이즈 위험에 바탕해 둔 lower bound 계산 기술들에 대해 다룬다. 3 베이즈 위험을 이용한 bound Definiton nd nottion Byes risk for prior w : Byes (w := inf D Θ Eθ L(θ, D(w(dθ B(w,L (x : inf A B(w,L (x

3 (x := B(w,L Θ L(θ, pθ (xw(dθ Since inix Byes (w, w Assuing the condition for interchnging of order of integrtion Z Eθ L(θ, D(w(dθ inix Θ Z Z = L(θ, D(xpθ (xw(dθµ(dx Z Θ Bw,L (xµ(dx inix에 대한 lower bound는 적당한 사전분포를 잘 잡아서 베이즈리스크 구하는 것으로 환원된다. 4 Stndrd Technique 앞장에서 사전분포 w를 잡을 때, 전체 모수공간에 대한 esure를 고려하는 것이 아닌, Finite set F Θ에 대해 사전분포를 부여하는 방식으로 베이즈 isk를 제시한다. 4. ottion d(θ, θ := inf{l(θ, + L(θ, : A} for θ, θ Θ d(θ, Θ := inf{d(θ, θ : θ Θ, θ Θ } for subsets Θ, Θ Θ finite set F Θ는 η-seperted if d(θ, θ η for ll θ, θ F θ 6= θ For esure on,..., on nd weights ρi Z r ρ (,..., := x [ρi pi (x]µ(dx, where pi := di /dµ i 3

4 (이는 lower bound를 표현하는 단위로서 중요한 역할을함 Hing distnce on hyper cube {0, } Γ(τ, τ 0 = {τi 6= τi0 } i= 4. Multiple Hypothesis Testing Assue Θ = A = {,..., } nd L(θ, = {θ 6= }. Then, inix r ρ (,..., for every prob ρ roof 정의에 의해 Bρ,L (x = { 6= i}pi (xρi = i= pi (xρi p (xρ i= Bρ,L (x = pi (xρi x pj (xρj i= j 이 성립하고 베이즈 리스크에 의한 bound를 그대로 적용하면 됨. 4.3 Generl Testing Bound 앞의 ultiple hypotesis testing은 일반적인 loss function에 적용가능한 것이 아니기에 실 질적으로는 의미 없는 정리이다. 하지만 이를 적용하여 다음 정리를 유도할 수 있다. For every η-seprted finite subset F of Θ we hve η ρθ = inix r ρ (θ, θ F for ll ρθ 0, θ F with θ F roof Since L(θ, (η/{l(θ, η/}, η ρθ pθ (x ρθ pθ (x{l(θ, < η/} θ F θ F η Bw,L (x ρθ pθ (x x[ρθ pθ (x] since F is η seprted θ F θ F Bw,L (x 4

5 4.4 Assoud s ethod Generl Hypothesis를 이용하였을때의 lower bound는 여전히 일반적인 상황에서 계산하기 용이하지 않다. 좀더 계산용이한 lower bound version하나 제시함. Suppose Θ, A = {0, }, L(θ, = Γ(θ, = i= {θi 6= i } Then, in θ θ0 Γ(θ,θ0 = inix roof Let prior w s unifor then Bw,Γ = i= Bw,Γ (x = in i= {θi 6= i }pθ (x θ {0,} θ:θi =0 pθ (x, θ:θi = pθ (x 따라서 그대로 대입하게되면, inix ( ( θ θ i= θ:θi =0 θ:θi =0 in θ θ0 Γ(θ,θ0 = 마지막 부등식은 다음 이유때문에 성립한다. i /d Qi /d = (i Qi /d T V i Qi /d x i Qi = in i Qi 4.5 Generl Assoud 마찬가지로 Assoud에서 정의한 loss function은 일반적으로 사용되기 힘든 loss이다. Consider ψ : {0, } Θ nd suppose ξ is positive rel nuber such tht d(ψ(τ, ψ(τ 0 ξγ(τ, τ 0 Then, inix ξ 4 in ψ(τ ψ(τ 0 Γ(θ,θ0 = roof Let τ := rginτ L(ψ(τ,, L(ψ(τ, L(ψ(τ, + L(ψ(τ, ξ Γ(τ, τ 5

6 이 되므로, 다음 이 성립한다. (x Bw,L ξ Γ(τ, τ pψ(τ (x θ {0,} ssoud에서와 같은 방법으로 증명 할수 있음 Finite한 공간에서의 probbility esure간의 거리는 비교적 쉽게 계산할 수있다. 4.6 Le C Θ, Θ 를 Θ의 subset이라 하고, 각각에 대해 prior w, w 라 한다. 그리고 i (x := Θi pθ (xwi (dθ라 할때, inix d(θ, Θ roof Let w = (w + w / Bw,L (x + Bw,L (x (x inf L(θ, + (x inf L(θ, θ Θ θ Θ in( (x, (xd(θ, Θ Bw,L (x = 마지막 부등식은 inf θ Θ L(θ, + inf θ Θ L(θ, inf θi Θi [L(θ, + L(θ, ] inf θi Θi d(θ, θ = d(θ, Θ 이므로 성립. 4.7 Fno inequlity F Θ 의 crdinlity가 이고 η-seprted 일 경우에 다음이 성립한다. log + θ F D (θ η inix log where := θ F θ /. Le 4. non negtive nuber,..., 에 대해 다음 부등식이 성립한다. (log x i i i= where := ( + + / 6 i log i

7 roof WLOG i =, = x i i then, (log x i i i log i= ( i ā = = 0 i= i= ( ā ( ā i log + log i ( ( i log + log i roof generl testing bound 에의해 5 Bounds vi f-divergences 5. f-divergence 의정의 inix (η/ r( θ, θ F pi / log p i p log log + θ F D ( θ log Definition 5. Let f : (0, convex function with f( = 0, f(0 := li x 0+ f(x, f( := li x f(x/x D f ( Q := Qf(p/q + f ( {q = 0} Exple 5. f(x = x / 인경우 D f ( Q = Q T V power divergence D α ( Q := D fα ( Q x α for α / [0, ] x α for α (0, f α (x = x log x for α = log x for α = 0 α = 인경우, D ( Q = KL( Q α = /인경우, D /( Q = pqdµ (Hellinger distnce 7

8 Theore 5. f 가 convex on (0, 이고, f ( = 0인 경우 다음 부등식이 성립한다. Df (i Q g(r i= where g( := f ( ( + ( f ( roof 먼저 임의의 non negtive,..., 에 대해 다음 부등식이 성립한다. i= 왜냐하면 x i i i= i f (i f (x i + ( f i i= f (i = f ( +( i (f (i /( f ( +( f pi (x i 이 성립(by Jensen 그리고,..., n << Q인 경우 가정(아닌 경우는 생략, 비슷한 아이디어 pi := di /dq라 할때, 다음 부등식이 성립한다. i= p x p i i i= i f (pi f (x pi + ( f i 이때 각 변을 Q로 적분한다면, Z Z f (pi dq i= Z f (x pi dq + ( i p x p i i i= i f dq 좌변은 정의에 의해 i= Df (i Q가 되고, f (xi pi dq f ( xi pi dq = f ( ( r i= pi xi pi i= pi xi pi r f dq f ( dq = f ( erk 위 정리의 사용 r 은 [0, / ]사이의 값을 갖고 g는 [0, / ]에서 감소하기 때문에 g에 역함수통해 r 의 lower bound를 구할 수 있고, 이에 따라 inix lower bound계산가능 Exple 5. Totl vrition의 경우 f (x = x /이고 g(x = r 이 된다. 따라서 i Q T V r i= 8

9 Liner pproxition for g g는 convex이고 non-incresing이기때문에 (0, /] 에대해, g( r g( + g L(( r 따라서 D f ( i Q g( + g L(( r i= Df ( i Q g( r + g L ( 9

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포 생존분석의 추정과 비교 : 보충자료 이용희 December, 8 Cotets 생존함수와 위험함수. 생존함수와 위험함수....................................... 예제: 지수분포.......................................... 예제: 와이블분포.........................................

More information

함수공간 함수공간, 점열린위상 Definition 0.1. X와 Y 는임의의집합이고 F(X, Y ) 를 X에서 Y 로의모든함수족이라하자. 집합 F(X, Y ) 에위상을정의할때이것을함수공간 (function space) 이라한다. F(X, Y ) 는다음과같이적당한적집합과

함수공간 함수공간, 점열린위상 Definition 0.1. X와 Y 는임의의집합이고 F(X, Y ) 를 X에서 Y 로의모든함수족이라하자. 집합 F(X, Y ) 에위상을정의할때이것을함수공간 (function space) 이라한다. F(X, Y ) 는다음과같이적당한적집합과 함수공간 함수공간, 점열린위상 Definition.1. X와 Y 는임의의집합이고 F(X, Y ) 를 X에서 Y 로의모든함수족이라하자. 집합 F(X, Y ) 에위상을정의할때이것을함수공간 (function spce) 이라한다. F(X, Y ) 는다음과같이적당한적집합과같음을볼수있다. 각 x X에대해 Y x = Y 라하자. 그리고 F := Y x x X 이라하자.

More information

untitled

untitled 3. hmks@dongguk.c.kr..,, Type 3 (N. Chomsky) RLG : A tb, A t LLG : A Bt, A t where, A,B V N nd t V T *. LLG RLG,. ) G : S R S c R Sb L(G) = { n cb n n } is cfl. () A grmmr is regulr if ech rule is i) A

More information

100, Jan. 21, 호, Jan. 21, , Jan. 21, 2005

100, Jan. 21, 호, Jan. 21, , Jan. 21, 2005 100 Bond Issue Performance Evaluation Risk management 100, Jan. 21, 2005 100, Jan. 21, 200 5 100호, Jan. 21, 2005 2 100, Jan. 21, 2005 3 100, Jan. 21, 2005 4 100, Jan. 21, 2005 5 100, Jan. 21, 2005 6 100,

More information

제 5 장복소수함수적분 5 이므로 z = r(cosθ + i sin θ) = re iθ (5.3) 와같이나타낼수도있는데이표현식을복소수의 극형식 (polar form) 이라부른다. 복소함수의미분은실함수미분의정의와같이 d f(z + z) f(z) f(z) = lim z z

제 5 장복소수함수적분 5 이므로 z = r(cosθ + i sin θ) = re iθ (5.3) 와같이나타낼수도있는데이표현식을복소수의 극형식 (polar form) 이라부른다. 복소함수의미분은실함수미분의정의와같이 d f(z + z) f(z) f(z) = lim z z 제 5 장 복소수함수적분 복소수는 z = x + iy (5.1) 와같이두실수로정의된수이므로실수를수직선에나타내듯이복소수는 그림과같은복소평면에나타낼수있다. y z = x + yi r θ x 윗그림에서 x = r cos θ, y = r sin θ, r = x + y (5.) 51 제 5 장복소수함수적분 5 이므로 z = r(cosθ + i sin θ) = re iθ

More information

1 n dn dt = f v = 4 π m 2kT 3/ 2 v 2 mv exp 2kT 2 f v dfv = 0 v = 0, v = /// fv = max = 0 dv 2kT v p = m 1/ 2 vfvdv 0 2 2kT = = vav = v f dv π m

1 n dn dt = f v = 4 π m 2kT 3/ 2 v 2 mv exp 2kT 2 f v dfv = 0 v = 0, v = /// fv = max = 0 dv 2kT v p = m 1/ 2 vfvdv 0 2 2kT = = vav = v f dv π m n dn dt f v 4 π m kt 3/ v mv exp kt f v dfv 0 v 0, v /// fv max 0 dv kt v p m / vfvdv 0 kt vav. 8v f dv π m k m 0 v / R0 4 T vav.45 0 cm / sec M M p v v fvdv 0 3 fvdv 0 kt m / 3kT v v. 5 m rms v p n dn

More information

INDUS-8.HWP

INDUS-8.HWP i iii iv v vi vii viii ix x xi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64

More information

CONTENTS.HWP

CONTENTS.HWP i ii iii iv v vi vii viii ix x xi - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - - 20 - - 21 - - 22 - - 23 - - 24 - - 25 -

More information

- i - - ii - - i - - ii - - i - - ii - - iii - - iv - - v - - vi - - vii - - viii - - ix - - x - - xi - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 -

More information

104 이윤종 이진우 정교성 Tble 1. Annul chnge in the number of licensed orgniztions Yer Industry Public Medicl School Institute Militry Totl 2005 2006 2007 2008

104 이윤종 이진우 정교성 Tble 1. Annul chnge in the number of licensed orgniztions Yer Industry Public Medicl School Institute Militry Totl 2005 2006 2007 2008 Journl of Rdition Industry 9 (2) : 103 ~ 109 (2015) Technicl Pper 방사성 물질 등의 이용 증가에 따른 안전 관리 문제점 고찰 이윤종 1, * 이진우 1 정교성 1 1 한국원자력연구원 첨단방사선연구소 방사선안전방호팀 The Incresed Use of Rdition Requires Enhnced Activities

More information

1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut

1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut 경영학을 위한 수학 Fial Eam 5//(토) :-5: 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오.. (각 6점) 다음 적분을 구하시오 4 ( ) (a) ( )4 8 8 (b) d이 성립한다. d C C log log (c) 이다. 양변에 적분을 취하면 log C (d) 라 하자. 그러면 d 4이다. 9 9 4 / si (e) cos si

More information

, ( ) 1) *.. I. (batch). (production planning). (downstream stage) (stockout).... (endangered). (utilization). *

, ( ) 1) *.. I. (batch). (production planning). (downstream stage) (stockout).... (endangered). (utilization). * , 40 12 (2006 6) 1) *.. I. (batch). (production planning). (downstream stage) (stockout).... (endangered). (utilization). * 40, 40 12 (EPQ; economic production quantity). (setup cost) (setup time) Bradley

More information

untitled

untitled Mathematcal Statstcs / 6. 87 Chapter 6 radom varable probablty desty ucto. dstrbuto ucto.. jot desty ucto... k k margal desty ucto k m.. Statstcs ; θ ereces Y... p. ~ ; θ d radom sample... ; θ ~ statstc

More information

λx.x (λz.λx.x z) (λx.x)(λz.(λx.x)z) (λz.(λx.x) z) Call-by Name. Normal Order. (λz.z)

λx.x (λz.λx.x z) (λx.x)(λz.(λx.x)z) (λz.(λx.x) z) Call-by Name. Normal Order. (λz.z) λx.x (λz.λx.x z) (λx.x)(λz.(λx.x)z) (λz.(λx.x) z) Call-by Name. Normal Order. (λz.z) Simple Type System - - 1+malloc(), {x:=1,y:=2}+2,... (stuck) { } { } ADD σ,m e 1 n 1,M σ,m e 1 σ,m e 2 n 2,M + e 2 n

More information

소성해석

소성해석 3 강유한요소법 3 강목차 3. 미분방정식의근사해법-Ritz법 3. 미분방정식의근사해법 가중오차법 3.3 유한요소법개념 3.4 편미분방정식의유한요소법 . CAD 전처리프로그램 (Preprocessor) DXF, STL 파일 입력데이타 유한요소솔버 (Finite Element Solver) 자연법칙지배방정식유한요소방정식파생변수의계산 질량보존법칙 연속방정식 뉴톤의운동법칙평형방정식대수방정식

More information

FGB-P 학번수학과권혁준 2008 년 5 월 19 일 Lemma 1 p 를 C([0, 1]) 에속하는음수가되지않는함수라하자. 이때 y C 2 (0, 1) C([0, 1]) 가미분방정식 y (t) + p(t)y(t) = 0, t (0, 1), y(0)

FGB-P 학번수학과권혁준 2008 년 5 월 19 일 Lemma 1 p 를 C([0, 1]) 에속하는음수가되지않는함수라하자. 이때 y C 2 (0, 1) C([0, 1]) 가미분방정식 y (t) + p(t)y(t) = 0, t (0, 1), y(0) FGB-P8-3 8 학번수학과권혁준 8 년 5 월 9 일 Lemma p 를 C[, ] 에속하는음수가되지않는함수라하자. 이때 y C, C[, ] 가미분방정식 y t + ptyt, t,, y y 을만족하는해라고하면, y 는, 에서연속적인이계도함수를가지게확 장될수있다. Proof y 은 y 의도함수이므로미적분학의기본정리에의하여, y 은 y 의어떤원시 함수와적분상수의합으로표시될수있다.

More information

public key private key Encryption Algorithm Decryption Algorithm 1

public key private key Encryption Algorithm Decryption Algorithm 1 public key private key Encryption Algorithm Decryption Algorithm 1 One-Way Function ( ) A function which is easy to compute in one direction, but difficult to invert - given x, y = f(x) is easy - given

More information

p103~241 Á¦2Àå-ÆíÇù°ú¾ð·ÐÀÚÀ¯

p103~241 Á¦2Àå-ÆíÇù°ú¾ð·ÐÀÚÀ¯ 4 19 5 16 ( ). ( ) ( ), ( ). 38. 88,. 4,,,. 60 6 8,. 133 >>> ( ),,. ( ). 4 19 IPI,., 61 4 15,. 5 16.,,,, 4 19.,. 7 30, 9 12. ( ) ( ) ( ) ( ) ( ) ( ) 5, ( ) ( ) ( ) 3 ( ). 134 64 3 2 81 27. 6, 3, 5, 4,

More information

Microsoft PowerPoint - ºÐÆ÷ÃßÁ¤(ÀüÄ¡Çõ).ppt

Microsoft PowerPoint - ºÐÆ÷ÃßÁ¤(ÀüÄ¡Çõ).ppt 수명분포및신뢰도의 통계적추정 포항공과대학교산업공학과전치혁.. 수명및수명분포 수명 - 고장 까지의시간 - 확률변수로간주 - 통상잘알려진분포를따른다고가정 수명분포 - 확률밀도함수또는 누적 분포함수로표현 - 신뢰도, 고장률, MTTF 등신뢰성지표는수명분포로부터도출 - 수명분포추정은분포함수관련모수의추정 누적분포함수및확률밀도함수 누적분포함수 cumulav dsbuo

More information

3.2 함수의정의 Theorem 6 함수 f : X Y 와 Y W 인집합 W 에대하여 f : X W 는함수이다. Proof. f : X Y 가함수이므로 f X Y 이고, Y W 이므로 f X W 이므로 F0이만족된다. 함수의정의 F1, F2은 f : X Y 가함수이므로

3.2 함수의정의 Theorem 6 함수 f : X Y 와 Y W 인집합 W 에대하여 f : X W 는함수이다. Proof. f : X Y 가함수이므로 f X Y 이고, Y W 이므로 f X W 이므로 F0이만족된다. 함수의정의 F1, F2은 f : X Y 가함수이므로 3.2 함수의정의 Theorem 6 함수 f : X Y 와 Y W 인집합 W 에대하여 f : X W 는함수이다. Proof. f : X Y 가함수이므로 f X Y 이고, Y W 이므로 f X W 이므로 F0이만족된다. 함수의정의 F1, F2은 f : X Y 가함수이므로성립한다. Theorem 7 두함수 f : X Y 와 g : X Y 에대하여, f = g f(x)

More information

Microsoft PowerPoint - m05_Equation1(Print) [호환 모드]

Microsoft PowerPoint - m05_Equation1(Print) [호환 모드] Chap. 5 비선형방정식의해법 (1) - 구간법 CAE 기본개념소개 비선형방정식의개요 증분탐색법 이분법 가위치법 1 Chap.5 비선형방정식 (1) 비선형방정식 (Nonlinear Equation) 선형방정식 : Ax = b 해석적인방법으로방정식을만족하는해의계산이용이함한번의계산으로해를구할수있음 x = A -1 b (Direct calculation) Example:

More information

완비거리공간 완비거리공간 Definition 0.1. (X, d) 는거리공간일때 X의점렬 < a n > 이모든 ɛ > 0에대해 n o N such that n, m > n o = d(a n, a m ) < ɛ 을만족하면이점렬을코시열 (Cauchy sequence) 이라

완비거리공간 완비거리공간 Definition 0.1. (X, d) 는거리공간일때 X의점렬 < a n > 이모든 ɛ > 0에대해 n o N such that n, m > n o = d(a n, a m ) < ɛ 을만족하면이점렬을코시열 (Cauchy sequence) 이라 완비거리공간 완비거리공간 Definition 0.1. (X, d) 는거리공간일때 X의점렬 < a n > 이모든 ɛ > 0에대해 n o N such that n, m > n o = d(a n, a m ) < ɛ 을만족하면이점렬을코시열 (Cauchy sequence) 이라한다. Example 0.2. < a n > 이 p에수렴하는점렬이면모든 ɛ > 0에대해 n

More information

?읜춎킴잖?

?읜춎킴잖? 口 특집/갑오경장 100 년 기념 캅오경장기의 문법 우 교수) 1. 서 론 개화기싼 팍써사얘서는 정흉서1 국어와 근대국어에서 현대픽써 단계효 넙써가는 중요한 과도기작 성쩍윷 밀 썩 q 그동안 중세국어와 현대꽉어쩌11 엽꾸어l 비해서 근 대국어에 대한 연구는 상대척으로 소흘하였으며 특히 개화기 시대는 과도기로 취급되 어 독자적인 연구대상으로 주목율 크게 받지

More information

cat_data3.PDF

cat_data3.PDF ( ) IxJ ( 5 0% ) Pearson Fsher s exact test χ, LR Ch-square( G ) x, Odds Rato θ, Ch-square Ch-square (Goodness of ft) Pearson cross moment ( Mantel-Haenszel ), Ph-coeffcent, Gamma (γ ), Kendall τ (bnary)

More information

<28C3D6C1BEC0CEBCE2BFEB29BCADBFEFBDC3B0F8B0F8C5F5C0DABBE7BEF7B0FCB8AEC7D5B8AEC8ADB9E6BEC82E687770>

<28C3D6C1BEC0CEBCE2BFEB29BCADBFEFBDC3B0F8B0F8C5F5C0DABBE7BEF7B0FCB8AEC7D5B8AEC8ADB9E6BEC82E687770> 서울시 공공투자사업관리 합리화 방안 -투자심사 및 민간투자사업 제도를 중심으로- Improvement on Management of Public Investment Projects in Seoul Metropolitan Government 2009 서울시정개발연구원 SEOUL DEVELOPMENT INSTITUTE 연구진 연구책임 연 구 원 이 세 구 창의시정연구본부

More information

에너지경제연구 제2권 제2호 ( )

에너지경제연구 제2권 제2호 ( ) 차 례 유가변동에대한거시경제의반응 : 도입단가와국제현물유가의차이를중심으로김영덕 1 On Asian Premium of Crude Oil: Causes, Patterns and Counter Measures Young-Seok Moon & Dal-Sok Lee 31 Does Credit Transfer Reduce Emission Transfer? Hojeong

More information

2005 7

2005 7 2005 7 ii 1 3 1...................... 3 2...................... 4 3.................... 6 4............................. 8 2 11 1........................... 11 2.................... 13 3......................

More information

歯Product1.PDF

歯Product1.PDF A B,, D, E, F...... A.. B.. D. E. F. .,. 1980,, 1990..,.....,.., (price-cap regulation) - 1 - .,,,.,..... 3SLS... - 2 - ...,. 1). Denny, Fuss & Waverman(1981) Divisia,,. Kiss(1983), Denny, et al., Tornqvist,.

More information

(Transer Function) X(w) Y(w) H(w) Y(w) X(w) H ( w) φ H(w) H(w) X(w) Y(w). Vo ( w) H v ( w) V ( w) I o( w) H i ( w) I ( w) V ( w) H z ( w) I ( w) I ( w

(Transer Function) X(w) Y(w) H(w) Y(w) X(w) H ( w) φ H(w) H(w) X(w) Y(w). Vo ( w) H v ( w) V ( w) I o( w) H i ( w) I ( w) V ( w) H z ( w) I ( w) I ( w 4 Bode plot( ) Pspice The McGraw-Hill Copanies, Inc.,? A(j) db A db. A 3 db,, ΘG(), L 9 o 8. o L H H (rad/s) (rad/s) : 3 3 : 35~ The McGraw-Hill Copanies, Inc., (Transer Function) X(w) Y(w) H(w) Y(w) X(w)

More information

(Microsoft PowerPoint - Ch21_NumAnalysis.ppt [\310\243\310\257 \270\360\265\345])

(Microsoft PowerPoint - Ch21_NumAnalysis.ppt [\310\243\310\257 \270\360\265\345]) 수치해석 161009 Ch21. Numerical Differentiation 21.1 소개및배경 (1/2) 미분 도함수 : 독립변수에대한종속변수의변화율 y = x f ( xi + x) f ( xi ) x dy dx f ( xi + x) f ( xi ) = lim = y = f ( xi ) x 0 x 차분근사 도함수 1 차도함수 : 곡선의한점에서접선의구배 21.1

More information

nonpara1.PDF

nonpara1.PDF Chapter 1 Introduction 1 Introduction (parameter) (assumption) (rank), (median) p-value distribution free, assumption free, statistical inference based on ranks 11 Nonparametric? John Arbuthnot (1710)

More information

09 강제근로의 금지 폭행의 금지 공민권 행사의 보장 38 10 중간착취의 금지 41 - 대판 2008.9.25, 2006도7660 [근로기준법위반] (쌍용자동차 취업알선 사례) 11 균등대우의 원칙 43 - 대판 2003.3.14, 2002도3883 [남녀고용평등법위

09 강제근로의 금지 폭행의 금지 공민권 행사의 보장 38 10 중간착취의 금지 41 - 대판 2008.9.25, 2006도7660 [근로기준법위반] (쌍용자동차 취업알선 사례) 11 균등대우의 원칙 43 - 대판 2003.3.14, 2002도3883 [남녀고용평등법위 01 노동법 법원으로서의 노동관행 15 - 대판 2002.4.23, 2000다50701 [퇴직금] (한국전력공사 사례) 02 노동법과 신의성실의 원칙 17 - 대판 1994.9.30, 94다9092 [고용관계존재확인등] (대한조선공사 사례) 03 퇴직금 청구권 사전 포기 약정의 효력 19 - 대판 1998.3.27, 97다49732 [퇴직금] (아시아나 항공

More information

-주의- 본 교재는 최 상위권을 위한 고난이도 모의고사로 임산부 및 노약자의 건강에 해로울 수 있습니다.

-주의- 본 교재는 최 상위권을 위한 고난이도 모의고사로 임산부 및 노약자의 건강에 해로울 수 있습니다. Intensive Math 극악 모의고사 - 인문계 등급 6점, 등급 점으로 난이도를 조절하여 상위권 학생들도 불필요한 문제에 대한 시간 낭비 없이 보다 많은 문제에서 배움을 얻을 수 있도록 구성하였습니다. 단순히 어렵기만 한 문제들의 나열이 아니라 수능에 필요한 대표 유형을 분류 하고 일반적인 수험환경에서 흔하게 배울 수 있는 내용들은 과감하게 삭제 수능시험장

More information

untitled

untitled Math. Statistics: Statistics? 1 What is Statistics? 1. (collection), (summarization), (analyzing), (presentation) (information) (statistics).., Survey, :, : : QC, 6-sigma, Data Mining(CRM) (Econometrics)

More information

Microsoft PowerPoint - 27.pptx

Microsoft PowerPoint - 27.pptx 이산수학 () n-항관계 (n-ary Relations) 2011년봄학기 강원대학교컴퓨터과학전공문양세 n-ary Relations (n-항관계 ) An n-ary relation R on sets A 1,,A n, written R:A 1,,A n, is a subset R A 1 A n. (A 1,,A n 에대한 n- 항관계 R 은 A 1 A n 의부분집합이다.)

More information

113±è¹ÎÁ¤

113±è¹ÎÁ¤ 113 Fig. 1. Composition of tissue mimicking ner field phntom. A commercilly ville tissue mimicking phntom composed with filments nd msses. The filments re mde from stinless steel with dimeter of 0.1 mm.

More information

ANOVA 란? ANalysis Of VAriance Ø 3개이상의모집단의평균의차이를검정하는방법 Ø 3개의모집단일경우 H0 : μ1 = μ2 = μ3 H0기각 : μ1 μ2 = μ3 or μ1 = μ2 μ3 or μ1 μ2 μ3 àpost hoc test 수행

ANOVA 란? ANalysis Of VAriance Ø 3개이상의모집단의평균의차이를검정하는방법 Ø 3개의모집단일경우 H0 : μ1 = μ2 = μ3 H0기각 : μ1 μ2 = μ3 or μ1 = μ2 μ3 or μ1 μ2 μ3 àpost hoc test 수행 Ch4 one-way ANOVA ANOVA 란? ANalysis Of VAriance Ø 3개이상의모집단의평균의차이를검정하는방법 Ø 3개의모집단일경우 H0 : μ1 = μ2 = μ3 H0기각 : μ1 μ2 = μ3 or μ1 = μ2 μ3 or μ1 μ2 μ3 àpost hoc test 수행 One-way ANOVA 란? Group Sex pvas NSAID

More information

hwp

hwp 2005. 12 80.0 70.0 60.0 농림어업 광공업 사회간접자본및서비스업 50.0 40.0 30.0 20.0 10.0 0.0 1973 1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 9.0 8.0 실업률 7.0 6.0 5.0 4.0 전체남자여자

More information

Artificial Intelligence: Assignment 3 Seung-Hoon Na November 30, Sarsa와 Q-learning Windy Gridworld Windy gridworld는 (Sutton 교재 연습문제 6.5) 다음

Artificial Intelligence: Assignment 3 Seung-Hoon Na November 30, Sarsa와 Q-learning Windy Gridworld Windy gridworld는 (Sutton 교재 연습문제 6.5) 다음 Artificil Intelligence: Assignment 3 Seung-Hoon N November 30, 2017 1 1.1 Srs와 Q-lerning Windy Gridworld Windy gridworld는 (Sutton 교재 연습문제 6.5) 다음 그림과 같이 8 7 Grid world 로, Agent는 up, down, right, left의

More information

歯엑셀모델링

歯엑셀모델링 I II II III III I VBA Understanding Excel VBA - 'VB & VBA In a Nutshell' by Paul Lomax, October,1998 To enter code: Tools/Macro/visual basic editor At editor: Insert/Module Type code, then compile by:

More information

Microsoft PowerPoint Relations.pptx

Microsoft PowerPoint Relations.pptx 이산수학 () 관계와그특성 (Relations and Its Properties) 2010년봄학기강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계

More information

2013unihangulchar {45380} 2unihangulchar {54617}unihangulchar {44592} unihangulchar {49328}unihangulchar {50629}unihangulchar {51312}unihangulchar {51

2013unihangulchar {45380} 2unihangulchar {54617}unihangulchar {44592} unihangulchar {49328}unihangulchar {50629}unihangulchar {51312}unihangulchar {51 Proem Se 4 산업조직론 (ECM004N) Fall 03. 독점기업이 다음과 같은 수요함수를 각각 가지고 있는 두 개의 소비자 그룹에게 제품을 공급한다고 하자. 한 단위 제품을 생산하는 데 드는 비용은 상수 이다. 다음 질문에 답하시오. P = A B Q P = A B Q () 두 그룹에 대하여 가격차별을 하고자 할 때 각 그룹의 균형생산량(Q, Q )과

More information

입법예고 인천광역시입법예고 제2013-40 호 ( 인천광역시 제증명 등 수수료 징수 조례 일부개정 조례안 입법예고) 99 인천광역시입법예고 제2013-41 호 ( 인천광역시 행정기구 설치 조례 시행규칙 일부개정 규칙( 안) 입법예고) 111 인천광역시입법예고 제2013

입법예고 인천광역시입법예고 제2013-40 호 ( 인천광역시 제증명 등 수수료 징수 조례 일부개정 조례안 입법예고) 99 인천광역시입법예고 제2013-41 호 ( 인천광역시 행정기구 설치 조례 시행규칙 일부개정 규칙( 안) 입법예고) 111 인천광역시입법예고 제2013 시 보 선 람 시보는 공문서로서의 효력을 갖는다. 제1320호 2013년 5월 6일 월요일 목 차 고 시 인천광역시고시 제2013-67 호 ( 인천도시관리계획( 계양도시자연공원) 조성계획결정( 변경) 고시) 3 인천광역시고시 제2013-68 호 ( 인천광역시 무형문화재 지정 및 기 예능보유자 등 인정 ( 선정) 고시) 15 인천광역시경제자유구역청고시 제2013-126

More information

歯

歯 (in % of EU GNI) G i n i C V u w T 1 Gini = ( 2n 2 CVuw = T = n X i i =1 n i

More information

歯TC프로그래밍매뉴얼

歯TC프로그래밍매뉴얼 Turning Center (TC) HX - Programming Manual Serial No. : PG-20011119 HX - Programming Manual Turning Center (TC) 1...!. 2 (Program)...19 3 (G )...33 4 (Interpolation Functions)...37 5 (Feed Function)...73

More information

歯4차학술대회원고(장지연).PDF

歯4차학술대회원고(장지연).PDF * 1)., Heckman Selection. 50.,. 1990 40, -. I.,., (the young old) (active aging). 1/3. 55 60 70.,. 2001 55 64 55%, 60%,,. 65 75%. 55 64 25%, 32% , 65 55%, 53% (, 2001)... 1998, 8% 41.5% ( 1998). 2002 7.8%

More information

기본자료형만으로이루어진인자를받아서함수를결과값으로반환하는고차함수 기본자료형과함수를인자와결과값에모두이용하는고차함수 다음절에서는여러가지예를통해서고차함수가어떤경우에유용한지를설명한다. 2 고차함수의 예??장에서대상체만바뀌고중간과정은동일한계산이반복될때함수를이용하면전체연산식을간 단

기본자료형만으로이루어진인자를받아서함수를결과값으로반환하는고차함수 기본자료형과함수를인자와결과값에모두이용하는고차함수 다음절에서는여러가지예를통해서고차함수가어떤경우에유용한지를설명한다. 2 고차함수의 예??장에서대상체만바뀌고중간과정은동일한계산이반복될때함수를이용하면전체연산식을간 단 EECS-101 전자계산입문 고차함수 박성우 2008년5월 29일 지금까지정수나부동소수와같은기본적인자료형의조합을인자로받고결과값으로반환하는 함수에대해서배웠다. 이번강의에서는함수자체를다른함수의인자로이용하거나결과값으로 이용하는 방법을 배운다. 1 고차함수의 의미 계산은무엇을어떻게처리하여결과값을얻는지설명하는것으로이루어진다. 여기서 무엇 과 결 과값 은계산의대상체로서정수나부동소수와같은기본자료형의조합으로표현하며,

More information

Microsoft PowerPoint - 26.pptx

Microsoft PowerPoint - 26.pptx 이산수학 () 관계와그특성 (Relations and Its Properties) 2011년봄학기 강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계

More information

PDF

PDF SAE 009 Annual onference oyriht c 009 SAE 비구형기어를이용한자기강화브레이크시스템의강인제어로직개발 박희람 * 1) 최세범 1) 김주곤 ) 김명준 ) The eveloment of Robust Loic for Self-Enerizin Brake system usin Noncircular Gear Heeram Park *1) Seibum

More information

체검사에서 낙방한 뒤 잠시 방황하다 다시 이를 악물고 공부해 상위 권대학에 합격하게 되었습니다. 대학생 시절 10.26이며 12.12며 하는 어수선한 시절을 보내고 군대를 제대한 뒤 고시 공부에 다시 도전해 보았지만 경제력이 없는 저로서는 일단 계획을 뒤로 미루고 직장

체검사에서 낙방한 뒤 잠시 방황하다 다시 이를 악물고 공부해 상위 권대학에 합격하게 되었습니다. 대학생 시절 10.26이며 12.12며 하는 어수선한 시절을 보내고 군대를 제대한 뒤 고시 공부에 다시 도전해 보았지만 경제력이 없는 저로서는 일단 계획을 뒤로 미루고 직장 가을, 어느 맑은 날의 斷 想 세상에는 성공한 사람과 실패한 사람이 존재합니다. 성공의 기준이야 저마다의 철학에 따라 다소 차이는 있겠지만 일반적인 성공의 의미에 대해 우리 대부분은 의견을 같이 합니다. 무릇 성공한 사람은 자기가 남보다 잘 할 수 있는 것을 좋아하고 끝없이 추구하여 무언가를 일구 어낸 사람이고, 반면 실패한 사람 또는 성공하지 못한 사람은

More information

<4D F736F F F696E74202D2035BBF3C6F2C7FC5FBCF8BCF6B9B0C1FA2E BC8A3C8AF20B8F0B5E55D>

<4D F736F F F696E74202D2035BBF3C6F2C7FC5FBCF8BCF6B9B0C1FA2E BC8A3C8AF20B8F0B5E55D> 5. 상평형 : 순수물질 이광남 5. 상평형 : 순수물질 상전이 phase transition 서론 ~ 조성의변화없는상변화 5. 상평형 : 순수물질 전이열역학 5. 안정성조건 G ng ng n G G 자발적변화 G < 0 G > G or 물질은가장낮은몰Gibbs 에너지를갖는상 가장안정한상 으로변화하려는경향 5. 상평형 : 순수물질 3 5. 압력에따른Gibbs

More information

TOPOLOGY-WEEK 6 & 7 KI-HEON YUN 1. Quotient space( 상공간 ) X 가위상공간이고 Y 가집합이며 f : X Y 가전사함수일때, X 의위상을사용하여 Y 에위상을정의할수있는방법은? Definition 1.1. X 가위상공간, f : X

TOPOLOGY-WEEK 6 & 7 KI-HEON YUN 1. Quotient space( 상공간 ) X 가위상공간이고 Y 가집합이며 f : X Y 가전사함수일때, X 의위상을사용하여 Y 에위상을정의할수있는방법은? Definition 1.1. X 가위상공간, f : X TOPOLOGY-WEEK 6 & 7 KI-HEON YUN 1. Quotient space( 상공간 ) X 가위상공간이고 Y 가집합이며 f : X Y 가전사함수일때, X 의위상을사용하여 Y 에위상을정의할수있는방법은? Definition 1.1. X 가위상공간, f : X Y 가전사함수일때, T Y = {U Y f 1 (U) is open set in X} 로정의하면

More information

사용자 설명서 SERVO DRIVE (FARA-CSD,CSDP-XX)

사용자 설명서 SERVO DRIVE (FARA-CSD,CSDP-XX) A3 : 30W 10 : 1kW A5 : 50W 15 : 1.5kW 01 : 100W 20 : 2kW.... 08 : 800W 50 : 5kW CSD series CSDD series CSDF series CSDS series CSDH series CSDN series CSDX series A : AC110V B : AC220V S : / P : 20?C

More information

436 8., {(x, y) R 2 : y = x, < x 1} (, 1] φ(t) = (t, t), (, 2] ψ(t) = (t/2, t/2), [1, ) σ(t) = (1/t, 1/t).. ψ φ, σ φ. (φ, I) φ(i) φ : I φ(i). 8.2 I =

436 8., {(x, y) R 2 : y = x, < x 1} (, 1] φ(t) = (t, t), (, 2] ψ(t) = (t/2, t/2), [1, ) σ(t) = (1/t, 1/t).. ψ φ, σ φ. (φ, I) φ(i) φ : I φ(i). 8.2 I = 8. 8.1 ( ).,,,.. 8.1 C I R φ : I R m φ (φ I ) φ(i) = {x R m : x = φ(t), t I} C, t, I. C C = (φ, I). x R m C C. 1 x, a R m. φ(t) := ta + x R ( 2). x a. R m. 2 φ(t) = (cos t, sin t) [, 2π].. 435 436 8.,

More information

선형대수

선형대수 fundamentals: ; ; 1, 1, basis; ; complement, sum, direct sum; ; isomorphism ; quotient space ; quotient space ; duality: linear function, coordinate function linear function characterization; dual space,

More information

Communications of the Korean Statistical Society Vol. 15, No. 4, 2008, pp 국소적 강력 단위근 검정 최보승1), 우진욱2), 박유성3) 요약 시계열 자료를 분석할 때, 시계열 자료가 가지고 있는

Communications of the Korean Statistical Society Vol. 15, No. 4, 2008, pp 국소적 강력 단위근 검정 최보승1), 우진욱2), 박유성3) 요약 시계열 자료를 분석할 때, 시계열 자료가 가지고 있는 Communications of the Korean Statistical Society Vol 5, No 4, 2008, pp 53 542 국소적 강력 단위근 검정 최보승), 우진욱2), 박유성3) 요약 시계열 자료를 분석할 때, 시계열 자료가 가지고 있는 추세를 제거하기 위하여 결 정적 추세인 경우 회귀모형을 이용하고, 확률적 추세인 경우 차분하는 방법을

More information

13-darkenergy

13-darkenergy Special Topics in Nuclear and Particle Physics Astroparticle Physics Lecture 13 Inflation & Dark Energy Dec., 15 Sun Kee Kim Seoul National University (CMB) : 1 1 LSS? (Horizon problem) LSS sound horizon

More information

제 12강 함수수열의 평등수렴

제 12강 함수수열의 평등수렴 제 강함수수열의평등수렴 함수의수열과극한 정의 ( 점별수렴 ): 주어진집합 과각각의자연수 에대하여함수 f : 이있다고가정하자. 이때 을집합 에서로가는함수의수열이라고한다. 모든 x 에대하여 f 수열 f ( x) lim f ( x) 가성립할때함수수열 { f } 이집합 에서함수 f 로수렴한다고한다. 또 함수 f 을집합 에서의함수수열 { f } 의극한 ( 함수 ) 이라고한다.

More information

Microsoft PowerPoint - 27-Circuits.ppt

Microsoft PowerPoint - 27-Circuits.ppt 27. 회로 (circuits) 기전력 - Electromotive fore (emf) Kirchhoff 법칙 Loop ule (Energy is conserved) Junction ule (Chrge is conserved) ΔV closed i 저항연결 (esistors in Series & Prllel) 지난시간에 전류밀도 (J) 전기저항 (resistnce)

More information

1 11 111 111-1 p, q, r A, B, C (1 p

More information

¼º¿øÁø Ãâ·Â-1

¼º¿øÁø Ãâ·Â-1 Bandwidth Efficiency Analysis for Cooperative Transmission Methods of Downlink Signals using Distributed Antennas In this paper, the performance of cooperative transmission methods for downlink transmission

More information

Y 1 Y β α β Independence p qp pq q if X and Y are independent then E(XY)=E(X)*E(Y) so Cov(X,Y) = 0 Covariance can be a measure of departure from independence q Conditional Probability if A and B are

More information

<C1A4C3A5BFACB1B82031312D3420C1A4BDC5C1FAC8AFC0DAC0C720C6EDB0DFC7D8BCD220B9D720C0CEBDC4B0B3BCB1C0BB20C0A7C7D120B4EBBBF3BAB020C0CEB1C720B1B3C0B020C7C1B7CEB1D7B7A520B0B3B9DF20BAB8B0EDBCAD28C7A5C1F6C0AF292E687770>

<C1A4C3A5BFACB1B82031312D3420C1A4BDC5C1FAC8AFC0DAC0C720C6EDB0DFC7D8BCD220B9D720C0CEBDC4B0B3BCB1C0BB20C0A7C7D120B4EBBBF3BAB020C0CEB1C720B1B3C0B020C7C1B7CEB1D7B7A520B0B3B9DF20BAB8B0EDBCAD28C7A5C1F6C0AF292E687770> 제 출 문 보건복지부장관 귀 하 이 보고서를 정신질환자의 편견 해소 및 인식 개선을 위한 대상별 인권 교육프로그램 개발 연구의 결과보고서로 제출합니다 주관연구기관명 서울여자간호대학 산학협력단 연 구 책 임 자 김 경 희 연 구 원 김 계 하 문 용 훈 염 형 국 오 영 아 윤 희 상 이 명 수 홍 선 미 연 구 보 조 원 임 주 리 보 조 원 이 난 희 요

More information

Chapter4.hwp

Chapter4.hwp Ch. 4. Spectral Density & Correlation 4.1 Energy Spectral Density 4.2 Power Spectral Density 4.3 Time-Averaged Noise Representation 4.4 Correlation Functions 4.5 Properties of Correlation Functions 4.6

More information

2016-국가봄-6-정은숙(143-151).hwp

2016-국가봄-6-정은숙(143-151).hwp 서 평 21세기 글로벌 세력균형과 미국의 역할 미국의 세기는 끝났는가 / 정은숙 21세기 글로벌 세력균형과 미국의 역할 미국의 세기는 끝났는가 정 은 숙 * Joseph S. Nye, Jr., Is the American Century Over? (Cambridge: Polity Press, 2015) 미국의 세기는 끝나지 않았다 는 완곡( 婉 曲 )한 설명

More information

<3235B0AD20BCF6BFADC0C720B1D8C7D120C2FC20B0C5C1FE20322E687770>

<3235B0AD20BCF6BFADC0C720B1D8C7D120C2FC20B0C5C1FE20322E687770> 25 강. 수열의극한참거짓 2 두수열 { }, {b n } 의극한에대한 < 보기 > 의설명중옳은것을모두고르면? Ⅰ. < b n 이고 lim = 이면 lim b n =이다. Ⅱ. 두수열 { }, {b n } 이수렴할때 < b n 이면 lim < lim b n 이다. Ⅲ. lim b n =0이면 lim =0또는 lim b n =0이다. Ⅰ 2Ⅱ 3Ⅲ 4Ⅰ,Ⅱ 5Ⅰ,Ⅲ

More information

2.2, Wm -2 K -1 Wm -2 K -2 m 2 () m 2 m 2 ( ) m -1 s, Wm -2 K -1 Wsm -3 K -1, Wm -2 K -1 Wm -2 K -2 Jm -3 K -1 Wm -2 K -1 Jm -2 K -1 sm -1 Jkg -1 K -1

2.2, Wm -2 K -1 Wm -2 K -2 m 2 () m 2 m 2 ( ) m -1 s, Wm -2 K -1 Wsm -3 K -1, Wm -2 K -1 Wm -2 K -2 Jm -3 K -1 Wm -2 K -1 Jm -2 K -1 sm -1 Jkg -1 K -1 KS B ISO 9806-2 - 2 1. ( ) ( ),. 2. 2.1 (1) :, (2) :,. (3) :, CPC(Compound Parabolic Concentrator) (4) : (5). (6) () (7) :. (8) :. (9) () :,., CPC. (10) : 2.2, Wm -2 K -1 Wm -2 K -2 m 2 () m 2 m 2 (

More information

제1장 군 제1절 소개와 예 제2절 이항연산 2.1 보기. 다음은 정수방정식 a + x = b를 푸는 과정이다. (1) 준식에 a를 더하여 ( a) + (a + x) = ( a) + b. (2) 결합법칙을 사용하면 (( a) + a) + x = ( a) + b. (3)

제1장 군 제1절 소개와 예 제2절 이항연산 2.1 보기. 다음은 정수방정식 a + x = b를 푸는 과정이다. (1) 준식에 a를 더하여 ( a) + (a + x) = ( a) + b. (2) 결합법칙을 사용하면 (( a) + a) + x = ( a) + b. (3) 제장 군 제절 소개와 예 제절 이항연산. 보기. 다음은 정수방정식 + x = b를 푸는 과정이다. () 준식에 를 더하여 ( ) + ( + x) = ( ) + b. () 결합법칙을 사용하면 (( ) + ) + x = ( ) + b. () ( ) + = 임을 이용하면 + x = ( ) + b. (4) + x = x 이므로 x = ( ) + b. 이를 유리수방정식

More information

°æÁ¦Àü¸Á-µ¼º¸.PDF

°æÁ¦Àü¸Á-µ¼º¸.PDF www.keri.org i ii iii iv v vi vii viii ix x xi xii xiii xiv xv 3 4 5 6 7 8 9 10 11 12 13 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 47 48 49 50 51 52 53

More information

모수 θ의 추정량은 추출한 개의 표본값을 어떤 규칙에 의해 처리를 해서 모수의 값을 추정하는 방법입니다. 추정량에서 사용되는 규칙은 어떤 표본을 추출했냐에 따라 변하는 것이 아닌 고정된 규칙입니다. 예를 들어 우리의 관심 모수가 모집단의 평균이라고 하겠습니다. 즉 θ

모수 θ의 추정량은 추출한 개의 표본값을 어떤 규칙에 의해 처리를 해서 모수의 값을 추정하는 방법입니다. 추정량에서 사용되는 규칙은 어떤 표본을 추출했냐에 따라 변하는 것이 아닌 고정된 규칙입니다. 예를 들어 우리의 관심 모수가 모집단의 평균이라고 하겠습니다. 즉 θ 수리통계학(Mathematical Statistics)의 기초 I. 들어가며 지금부터 계량경제학이나 실험 및 준실험 연구설계 기법을 공부할 때 도움이 되는 수리통계 학의 기초에 대해 다룰 것입니다. 이 노트에서 다루게 될 내용은 어떤 추정량(estimator)이 지니고 있는 성질입니다. 한 가지 말씀 드릴 것은 이 노트에 나오는 대부분의 성질들은 지금까 지

More information

슬라이드 1

슬라이드 1 3 장유도전동기의동특성해석법 3-1 αβ좌표계에서 IM의지배방정식 [2] abc 좌표계에서유도전동기전압방정식 1 (1) 유도전동기의전압방정식 dλas dλbs dλcs vas = Ri s as +, vbs = Ri s bs +, vcs = Ri s cs + dt dt dt dλar dλbr dλcr var = Ri r ar +, vbr = Ri r br +,

More information

= ``...(2011), , (.)''

= ``...(2011), , (.)'' Finance Lecture Note Series 사회과학과 수학 제2강. 미분 조 승 모2 영남대학교 경제금융학부 학습목표. 미분의 개념: 미분과 도함수의 개념에 대해 알아본다. : 실제로 미분을 어떻게 하는지 알아본다. : 극값의 개념을 알아보고 미분을 통해 어떻게 구하는지 알아본다. 4. 미분과 극한: 미분을 이용하여 극한값을 구하는 방법에 대해 알아본다.

More information

<4D F736F F F696E74202D203428B8E9C0FB20B9D720C3BCC0FBC0FBBAD0292E BC8A3C8AF20B8F0B5E55D>

<4D F736F F F696E74202D203428B8E9C0FB20B9D720C3BCC0FBC0FBBAD0292E BC8A3C8AF20B8F0B5E55D> 면적및체적적분 Metl Formng CE L. Deprtment of Mecncl Engneerng Geongsng Ntonl Unverst, Kore 역학에서의면적및체적적분사례 면성치 (re propertes) : 면적, 도심, 단면 차 ( 극 ) 관성모멘트 체성치 (Volume or mss propertes) : 체적, 무게중심, 질량관성모멘트 정역학및동역학

More information

27(5A)-15(5868).fm

27(5A)-15(5868).fm ª Œª Œ 27ƒ 5A Á 2007 9œ pp. 701 ~ 711 ª x 3 k w Radial 3-D Elastodynamic Infinite Elements Á Á½ Seo, Choon-GyoÁYun, Chung-BangÁKim, Jae-Min Abstract This paper presents new three dimensional radial infinite

More information

2 0 1 1 4 2011 1 2 Part I. 1-1 1-2 1-3 1-4 1-5 1-6 1-7 1-8 Part II. 2-1 2-2 2-3 2-4 2-5 2-6 2-7 2-8 2-9 2-10 2-11 2-12 2-13 2-14 2-15 2-16 2-17 2-18 2-19 2-20 2-21 2-22 2-23 2-24 2-25 2-26 2-27 2-28

More information

책임연구기관

책임연구기관 2009. 2. 책임연구기관 - i - - ii - - iii - - iv - 6.3.1 Sample Collection and Analysis 161 6.3.1.1 Sample Collection 161 6.3.1.2 Sample Analysis 161 6.3.2 Results 162 6.3.2.1 Dalian 162 6.3.2.2 Xiamen 163 6.3.3

More information

<4D F736F F F696E74202D20B0FCBCF6B7CEC0C720C1A4BBF3B7F9205BC8A3C8AF20B8F0B5E55D>

<4D F736F F F696E74202D20B0FCBCF6B7CEC0C720C1A4BBF3B7F9205BC8A3C8AF20B8F0B5E55D> log L 관수로흐름 층류 (Laminar) 와난류 (Turbulent) 난류 C 난류 난류 난류 층류 A 층류 B O 층류 층류천이영역난류 log A B : 상한계유속 ( 층류 난류) : 하한계유속 ( 난류 층류) A점에서의 Re 한계 Reynolds 수 Reynolds 수로분류 Re ν ρ [ 무차원] μ 관수로흐름 예제 ) cm ν 0.0 cm /sec

More information

지도서 14단원

지도서 14단원 14-1 14-2 14-3 14-4 14-1 14-2 14-2 14-3 14-3 14-4 14-1 Zn ± Zn ± 14-2 (-) (+) H H± H± H± H± W W e s 14-2 (+) (-) 1 S E B m 0 VIR V R I V I R DQ NqLDa DI NqLDa Dt Dt Da INqva q N PVI W P t PFv 14-3 F qe

More information

장연립방정식을풀기위한반복법 12.1 선형시스템 : Gauss-Seidel 12.2 비선형시스템 12.1 선형시스템 : Gauss-Seidel (1/10) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. G-S 방법은선형대수방정

장연립방정식을풀기위한반복법 12.1 선형시스템 : Gauss-Seidel 12.2 비선형시스템 12.1 선형시스템 : Gauss-Seidel (1/10) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. G-S 방법은선형대수방정 . 선형시스템 : GussSedel. 비선형시스템. 선형시스템 : GussSedel (/0) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. GS 방법은선형대수방정식을푸는반복법중에서 가장보편적으로사용되는방법이다. 개의방정식에서 인 ( 대각원소들이모두 0 이아닌 ) 경우를다루자. j j b j j b j j 여기서 j b j j j 현재반복단계

More information

untitled

untitled Mathematics 4 Statistics / 6. 89 Chapter 6 ( ), ( /) (Euclid geometry ( ), (( + )* /).? Archimedes,... (standard normal distriution, Gaussian distriution) X (..) (a, ). = ep{ } π σ a 6. f ( F ( = F( f

More information

200220427.hwp

200220427.hwp 碩 士 學 位 論 文 주거환경개선을 위한 주민 요구의 도 결정방법에 관한 연구 全 南 大 學 校 大 學 院 建 築 工 學 科 최 우 람 指 導 敎 授 申 南 秀 2004 年 2 月 주거환경개선을 위한 주민요구의 도 결정방법에 관한 연구 全 南 大 學 校 大 學 院 建 築 工 學 科 최 우 람 上 記 者 의 工 學 碩 士 學 位 論 文 을 認 准 함 所 屬 職

More information

Multi-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구

Multi-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구 Machine Learning Linear Regression siga α 2015.06.06. siga α Issues siga α 2 Issues https://www.facebook.co/architecturearts/videos/ 1107531579263808/ 8 살짜리조카에게데이터베이스 (DB) 가무엇인지 3 줄의문장으로설명하시오 6 개월동안최대

More information

세계 비지니스 정보

세계 비지니스 정보 1.... 1 2. /2005... 3 3.... 6 4.... 8 5. /... 9 6....12 7. /...17 8....23 9. /...26 10....28 11....29 12....30 13. /...31 14....32 15....33 16. /...35 17....39 - i 18....43 19....46 20....51 21....53 22....56

More information

Buy one get one with discount promotional strategy

Buy one get one with discount promotional strategy Buy one get one with discount Promotional Strategy Kyong-Kuk Kim, Chi-Ghun Lee and Sunggyun Park ISysE Department, FEG 002079 Contents Introduction Literature Review Model Solution Further research 2 ISysE

More information

2 ㆍ 大 韓 政 治 學 會 報 ( 第 20輯 1 號 ) 도에서는 고려 말에 주자학을 받아들인 사대부들을 중심으로 보급되기 시작하였고, 이후 조선시대에 들어와서는 국가적인 정책을 통해 민간에까지 보급되면서 주자 성리학의 심 화에 커다란 역할을 담당하였다. 1) 조선시대

2 ㆍ 大 韓 政 治 學 會 報 ( 第 20輯 1 號 ) 도에서는 고려 말에 주자학을 받아들인 사대부들을 중심으로 보급되기 시작하였고, 이후 조선시대에 들어와서는 국가적인 정책을 통해 민간에까지 보급되면서 주자 성리학의 심 화에 커다란 역할을 담당하였다. 1) 조선시대 대한정치학회보 20집 1호 2012년 6월: 77~99 세종과 소학( 小 學 ) : 민풍( 民 風 ) 과 사풍( 士 風 ) 의 교화* 1) 박홍규 ㆍ송재혁 고려대학교 요 약 2 기존 소학 에 대한 연구들은 주로 중종( 中 宗 ) 시대 사림( 士 林 ) 과의 연관선상에서 소학 의 의미를 모색하고 있다. 그러나 소학 에 대한 존숭 의식은 이미 조선 전기 관학파들도

More information

[96_RE11]LMOs(......).HWP

[96_RE11]LMOs(......).HWP - i - - ii - - iii - - iv - - v - - vi - - vii - 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54

More information

À½¾ÇÁöµµ¼�¥³-14~261S

À½¾ÇÁöµµ¼�¥³-14~261S Harmony 1 2 3 4 244 IV. Harmony Harmony IV.Harmony Harmony IV. IV. Harmony 245 245 01 246 IV. Harmony 247 p.234 1. 2. 3. 1 234 IV. Harmony 248 IV. Harmony p.235 1 2 3 4 5 6 7 8 235 249 p.236 WhenI findmy-self

More information

슬라이드 1

슬라이드 1 Chapter 8. Root Locus Techique Thigs to kow The defiitio of root locus How to sketch the root locus How to use the root locus to fid the poles of a closed-loop syste How to use the root locus to desig

More information

ETL_project_best_practice1.ppt

ETL_project_best_practice1.ppt ETL ETL Data,., Data Warehouse DataData Warehouse ETL tool/system: ETL, ETL Process Data Warehouse Platform Database, Access Method Data Source Data Operational Data Near Real-Time Data Modeling Refresh/Replication

More information

2.1.1 Stochastic Processes: Preliminaries and Definitions 2/32

2.1.1 Stochastic Processes: Preliminaries and Definitions 2/32 Mathematical Foundations of Infinite-Dimensional Statistical Models Ch.2 Gaussian Processes 2.1 Definitions, Separability, 0-1 Law, Concentration 이상엽 June 29, 2018 2.1.1 Stochastic Processes: Preliminaries

More information

SERVO DRIVE (FARA CSDJ-XX) 사용자 설명서

SERVO DRIVE (FARA CSDJ-XX) 사용자 설명서 CSM serise CSMG serise CSMD serise CSMF serise CSMS serise CSMH serise CSMN serise CSMX serise CSMP serise CSMQ serise CSMZ serise B: 1 : (Coupling ) 2 : 2Slice (Set Screw ) 3 : Key 4 : Tapper 5 : 6 :

More information

adfasdfasfdasfasfadf

adfasdfasfdasfasfadf C 4.5 Source code Pt.3 ISL / 강한솔 2019-04-10 Index Tree structure Build.h Tree.h St-thresh.h 2 Tree structure *Concpets : Node, Branch, Leaf, Subtree, Attribute, Attribute Value, Class Play, Don't Play.

More information

제 3강 역함수의 미분과 로피탈의 정리

제 3강 역함수의 미분과 로피탈의 정리 제 3 강역함수의미분과로피탈의정리 역함수의미분 : 두실수 a b 와폐구갂 [ ab, ] 에서 -이고연속인함수 f 가 ( a, b) 미분가능하다고가정하자. 만일 f '( ) 0 이면역함수 f 은실수 f( ) 에서미분가능하고 ( f )'( f ( )) 이다. f '( ) 에서 증명 : 폐구갂 [ ab, ] 에서 -이고연속인함수 f 는증가함수이거나감소함수이다 (

More information

Microsoft Word - KSR2012A072.doc

Microsoft Word - KSR2012A072.doc YWXY º º t rzyywxyhw^y º v ƒ n x¹ s Comarison of Preiction Moels for Permanent Deformation in Trackbe Founation Materials ã, ¹ ã, ƒ ã, ãã Yujin Lim *, Hojin Cho *, DaeSeong Kim *, Jinwoog Lee ** Abstract

More information