untitled

Size: px
Start display at page:

Download "untitled"

Transcription

1 Mathematcal Statstcs / 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 θ... samplg dstrbuto. MG uqueess.. θ µ.. T µ 0 s /... Y g : y Y y g... y y y. d Trasormato: Y y where Y g g Y dy MG : MG MG pd. ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

2 Mathematcal Statstcs / The method o Dstrbuto uctos... Y h.... Y h... y. y Y y h.... y y y y y. EAMLE 6. 0 Y 3 E Y. Y rage [ ]. y + y y 3 Thereore y y y + y 9 EAMLE 6. U. 3 0 U 0 u. 3 u 3 uu0 u u Thereore 3 u u u 0 u 0 u ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

3 Mathematcal Statstcs / EAMLE 6.3 U U 0 u. u /0u u u / + u < u + u u0u u u< u EAMLE U. U 0 u. u U u u u u u u. u 0< µ. u [TI] u. u [ Y u u + Y u ] ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

4 Mathematcal Statstcs / EAMLE 6.5 Uorm0. g β g. 0. u U u g u g u g U ~ ep θ u t/ β u/ β u e dt e 0u. U 0. u / β e. U g β l. HOMEWORK #6- Let 0. d the pd o DUE 5 6 U HOMEWORK #6- Let ~ Normal0. Show that the pd o DUE 5 6 s χ HOMEWORK #6-3 DUE 5 6 Let e 0. d the pd o U ad the epected value o U. ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

5 Mathematcal Statstcs / The method o Trasormato U h o-decreasg o-creasg. U h o-decreasg o-creasg. U h. h u d / du u. d U U u. du No-decreasg U u U u h u h u h u u u h Let h d u. The U u du No-creasg u U u U u h u h u h u u h Let h d u. The U u du EAMLE U 3. U u u+ u. 9 ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

6 Mathematcal Statstcs / 6. 9 EAMLE 6.7 Let 0. d the pd o U U 3 u U u u J JACOBIAN. U h V h h U V h U V UV u v h h J where J d d du dv d d du dv Jacoba. EAMLE e 0 < U +. U + V. 0 vu V U V. u u v e 0vu U u ue 0 u. UV U u ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

7 Mathematcal Statstcs / EAMLE U. U V. 0u v V U / V. UV u v v 0u v v u ulu0u. U EAMLE < < U + V. U + V. v U + V U V u v / u v B UV B u U u0< u u u< u < V v+ < v0 v v0< v< HOMEWORK #7- DUE 5 3 are a radom sample o sze rom e 0<. d the jot pd o. Suppose U + V. The d the jot pd o UV. u UV u v ep u v B d the margal pd o UV. The pd o U s a Gamma dstrbuto. The pd o V s a double epoetal dstrbuto. ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

8 Mathematcal Statstcs / HOMEWORK #7- DUE 5 3 Let 0. U U HOMEWORK #7-6 DUE / /8 e 0 < U / 6.3 MG MG. U h. MG U MG. MG. EAMLE 6. ~ Normal µ σ. d the pd o Z µ σ stadardzato. µ < Z <. σ MG M µ t+σ t / t e. Z M Z σ t / tz t E e e. Z ~ Normal0 ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

9 Mathematcal Statstcs / EAMLE 6. Z ~ Normal0 U Z. 0 < U < tz M t E e E e U tu M U t t / U ~ Gamma α / β U χ λ. THEOREM... radom sample. MG M t M t M t... M t [ M t]. THEOREM... N µ σ. a. Normal µ a σ a. a a... a a a... a /. EAMLE 6. λ osso. Y e β 0 / β <. β λ..... U α β Gamma. β α β. ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

10 Mathematcal Statstcs / U <. < M U tu t E e E e t t β U ~ Gamma β. HOMEWORK #7-3 DUE 5 3 Suppose Z Z... Z s a radom sample o sze rom N 0. Show that the pd o Z s χ λ. λ χ. HOMEWORK #7-4 DUE 5 3 Suppose ~ Normal0 σ ad are depedet. Show that U + ad V are depedet ad the margal pd o them s Normal 0σ respectvely. HOMEWORK #7-5 DUE 5 3 Let ~ Gamma α / β. Show U / β ~ χ λ. χ 6.4 Order Statstcs... radom sample Mmum value: m... Mamum value: ma... Rage: R Meda: + / / + / + ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

11 Mathematcal Statstcs / ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg EAMLE ] [... ] [ ] [... > > > ] [ EAMLE !...

12 Mathematcal Statstcs / EAMLE 6.5 /00 e 0 < The le-tme o the system s m. Sce /00 / 50 e e 0 <. E HOMEWORK #8- DUE 6 /00 e 0 < THEOREM k k! k k k k [ k ] [ k ] k < k < k! k! ROO k + k k. k + [ k rom < k ear k - k rom > k ] k k k + k k k k -k [ ] [ ] Q.E.D. ad j or < j! j k j j [ ] [ j ] [ k ] j! j! k! ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

13 Mathematcal Statstcs / EAMLE ad 4. Sce ! HOMEWORK #8- DUE 6 Suppose that... s a radom sample rom 0. d the pd o R. HOMEWORK #8-3 DUE 6 / β Suppose that... s a radom sample rom e 0 <. β ep β / 5 β / D o dscrete ad cotuous radom varables 6.5. Beroull Epermet. bary. p. ~ Beroull p p Beroull p pq ~ Bomal p p Bomal p pq ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

14 Mathematcal Statstcs / ~ Geometrc p p Geometrc / p q / p ~ NB r p r p Negatve Bomal r/ p rq/ p r r. ~ Hypergeometrc N M N M K Hyper-Geometrc M M N M N N N N N M N M M M N Bomal p. N ~ osso λ λ osso λ evet..... lm p q p λ λ λ e lm. EAMLE 6.7 Beroull p Bomal p. EAMLE 6.8 ~ Bomal p p ~ Bomal p + + p. EAMLE 6.9 p ~ Geometrc p p Negatve bomal NB p. ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

15 Mathematcal Statstcs / 6. 0 EAMLE 6.0 ~ osso λ osso λ. EAMLE 6. ~ Geometrc p > a + b > a > b. Memoryless property Geometrc p Bomal p Beroull p λ p p M / N N Hypergeometrc N M NB r p r ossoλ 6.5. Relato betwee dscrete ad cotuous ~ Bomal p Normal p pq. W λ λw e w W w W > w 0 ~ osso λw e 0! w w λe λ ~ Epoetal β / λ. 0 λw λw Cotuous ~ Normal µ σ µ σ ormal ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

16 Mathematcal Statstcs / 6. 0 µ 0 σ stadard ormal. ~ Ep β β epoetal β λ λ β memoryless property. EAMLE 6. ~ Ep β > a + b > a > b. Memoryless property ~ Gamma α β α shape β scale gamma αβ αβ β α β. ~ Gamma α λ / β χ λ. EAMLE 6.3 ~ d Ep β. α αβ ~ Beta α β α β beta α + β α + β α + β + Gamma α β Beta α β. + r ~ t r r Studet t- 0 r W W ~ N 0 V ~ χ r ~ t r. V / r ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

17 Mathematcal Statstcs / ~ r r r r r - complcated r W / r W ~ χ r V ~ χ r ~ r r. V / r Cauchy Logormal e Normal 0 µ σ r r log µ +σ Bomal p oso λ p λ p µ pq σ Normal µ σ Ch squaredr Gamma α β α r / β Beta α β + α α /γ γ Epoetalβ r t r Webull γ EAMLE 6.4 ~ Gamma α β α β Gamma α β. EAMLE 6.5 ~ χ λ λ χ λ. ro. Sehyug Kwo Dept. o Statstcs HANNAM Uversty Sprg

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

MBA 통계6-12장.ppt

MBA 통계6-12장.ppt tatstcs: Descrptve tatstcs: Iferetal tatstcs: Populato: ample: Quattatve : Qualtatve Categorcal : PC Cross sectoal : Tme seres : - Populato: : : Parameter: costat : : Relatve frequec Frequec dstrbuto Frequec

More information

수리통계학

수리통계학 제 강통계학 Revew Part I. 확률론 (Probablty Theory) I. 확률변수 (Radom Varable) 와확률분포 A. 확률변수 는표본공간 Ω 상에서정의되는 real valued fucto 임. 어떤확률적실험의결과로나올수있는모든가능한결과에대해어떤. 실수값이대응되어야함 하나의실험에대해여러가지의확률변수가정의될수있음. 주사위던지는실험 : 던진결과나오는값을대응시켜주는확률변수

More information

Objective-driven systems modeling

Objective-driven systems modeling Lect 4: Hypothess Test ad Model Valdato Goodess of : Cofdece Iterval for μ of 5 X: ormal dstrbuto σ : ow s also ormal f () (-α) C.I. C.I for X (- ) P{ w w X w X P{ } / / / w w P{ z } / / P{ z z z } w z

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

nonpara6.PDF

nonpara6.PDF 6 One-way layout 3 (oneway layout) k k y y y y n n y y K yn y y n n y y K yn k y k y k yknk n k yk yk K y nk (grand mean) (SST) (SStr: ) (SSE= SST-SStr), ( 39 ) ( )(rato) F- (normalty assumpton), Medan,

More information

¾Ë·¹¸£±âÁöħ¼�1-ÃÖÁ¾

¾Ë·¹¸£±âÁöħ¼�1-ÃÖÁ¾ Chapter 1 Chapter 1 Chapter 1 Chapter 2 Chapter 2 Chapter 2 Chapter 2 Chapter 2 Chapter 3 Chapter 3 Chapter 3 Chapter 3 Chapter 3 Chapter 3 Chapter 3 Chapter 3 Chapter 4 Chapter 4

More information

(291)본문7

(291)본문7 2 Chapter 46 47 Chapter 2. 48 49 Chapter 2. 50 51 Chapter 2. 52 53 54 55 Chapter 2. 56 57 Chapter 2. 58 59 Chapter 2. 60 61 62 63 Chapter 2. 64 65 Chapter 2. 66 67 Chapter 2. 68 69 Chapter 2. 70 71 Chapter

More information

01....b74........62

01....b74........62 4 5 CHAPTER 1 CHAPTER 2 CHAPTER 3 6 CHAPTER 4 CHAPTER 5 CHAPTER 6 7 1 CHAPTER 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

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

<C3CA3520B0FAC7D0B1B3BBE7BFEB202E687770>

<C3CA3520B0FAC7D0B1B3BBE7BFEB202E687770> 1. 만화경 만들기 59 2. 물 속에서의 마술 71 3. 비누 탐험 84 4. 꽃보다 아름다운 결정 97 5. 거꾸로 올라가는 물 110 6. 내가 만든 기압계 123 7. 저녁 노을은 맑은 날씨? 136 8. 못생겨도 나는 꽃! 150 9. 단풍잎 색깔 추리 162 10. 고마워요! 지렁이 174 1. 날아라 열기구 188 2. 나 누구게? 198 3.

More information

untitled

untitled 5.8 PROC UNIVARIATE (hitogram, tem and leaf plot, box-whiker plot), (p- ). Univariate( ).. NORMAL (Shapiro- Wilk Kolmogorov-Smirno D- OUTPUT( SAS ). PROC MEANS PROC MEANS. (moment) E( X ). k Sehyug Kwon,

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

μ σ σ μ σ μ σ σ 시체결가 정산가 정산가 > 유지증거금률 σ ~ ~ ~ ~ ~ σ ~ ~ ~ ~ σ ~ ~ 기간 1 : 2010.1.4.~2010.10.8. 기간 2 : 2010.10.11.~2011.10.7. 기간 3 : 2011.10.10.~2012.12.28. 기간 4 : 2013.1.2.~2013.3.29. 기간 5 : 2013.4.1.~2014.4.4.

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

e hwp

e hwp TITLE 'Dew Pressure Calculation for the Condenser Pressure' IN-UNITS ENG DEF-STREAMS CONVEN ALL DESCRIPTION " General Simulation with English Units : F, psi, lb/hr, lbmol/hr, Btu/hr, cuft/hr. Property

More information

슬라이드 1

슬라이드 1 Prncples of Econometrcs (3e) 013 년 1 학기 윤성민 8.1. 이분산의본질 ( 예 ) 식료품지출 / 식료품지출과소득에관한 40 개표본 8.1 이분산의본질 3 8.1 이분산의본질 4 8.1 이분산의본질 동분산가정 5 8.1 이분산의본질 이분산가정 6 8.1

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

2

2 rev 2004/1/12 KAIST 2 6 7 1 13 11 13 111 13 112 18 113 19 114 21 12 24 121 24 122 26 13 28 131 28 132 30 133 (recurrence) 34 134 35 4 2 39 21 39 211 39 212 40 22 42 221, 42 222 43 223, 45 224 46 225, 48

More information

최종보고서 /

최종보고서 / 최종보고서 / 2013.12 ( 뒷면아래 ) - 2 - - 3 - n n Ÿ Ÿ Ÿ Ÿ Ÿ n n - 4 - n n - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - Ÿ Ÿ Ÿ Ÿ Ÿ - 11 - Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ - 12 - α βγ δ - 13 - - 14 - Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ Ÿ

More information

Microsoft Word - multiple

Microsoft Word - multiple Chapter 3. Multiple Liear Regressio Data structure ad the model yi 0 1xi1 pxip i, i1,, (Y X ),,, : idepedet with E( ) 0 ad 1 : ukow 0, 1,, p, 0 1 i var( i ) X (1, x,, xp), rak( X) p1, X : give where xj

More information

Microsoft Word - ch2_simple.doc

Microsoft Word - ch2_simple.doc REGRESSION / 장. 단순회귀 0 Chapter 단순회귀 회귀분석은종속변수 ( Y ) 와설명변수들 ( X 1, X,..., X p, 독립변수 ) 과관계를분석하는도 구이다. (1) 모형에설정된설명변수들의유의성검정?( 모형과회귀계수의유의성검정 ) () 유의한설명변수중종속변수에영향력이가장큰변수는무엇인가?( 표준화회귀계수 ) (3) 그리고설명변수값들이주어진경우종속변수의예측치는?

More information

슬라이드 1

슬라이드 1 Chapter 3. Sampling and The -Transform Digital filter 의설계와해석은 -transform을이용 용이해짐 -transform : 연속된수의형태로나타내어구하는방법 2 continuous signal 은 sample 하여 Laplace Transform을취한후 -transform을구하는방법. n m 일반적으로이용. y( k)

More information

i f i f (disposition effect) 의확률 의확률 i f i f i f i f i f i f GARCH-in-Mean GARCH-in-Mean , ( ) ( ). ( ), / ( ), (1 ), S&P500,,. 상승반응계수 로 ~2008.12 15) ~ ~ m 10 20 (8) (10) (11) (8) (10) (11) 0.011 (0.23)

More information

untitled

untitled 5. hamks@dongguk.ac.kr (regular expression): (recognizer) : F(, scanner) CFG(context-free grammar): : PD(, parser) CFG 1 CFG form : N. Chomsky type 2 α, where V N and α V *. recursive construction ) E

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

04_인덱스_441-481_먹1도

04_인덱스_441-481_먹1도 443 Author Index A B C Author Index 445 D,E G H 444 Author Index 447 446 J Author Index 449 448 K Author Index 451 450 Author Index 453 452 L Author Index 455 N O P 454 M Author Index 457 Q,R S 456 Author

More information

2013 건설공사표준품셈기계설비부문 제 I 편 공통사항제 1 장 적용기준제 2 장 가설공사제 II 편 기계설비공사제 1 장 공통공사제 2 장 공기조화설비공사제 3 장 위생및소화설비공사제 4 장 가스설비공사제 Ⅲ 편 플랜트설비공사제 1 장 공통공사제 2 장 화력발전기계설비공사제 3 장 수력발전기계설비공사제 4 장 제철기계설비공사제 5 장 쓰레기소각기계설비공사제

More information

3.고봉현

3.고봉현 Price Volatility, Seasonality and Day-of-the Week Effect for Aquacultural Fishes in Korean Fishery Markets.. 1. 2.. 1. 2. 3. ARCH-LM.. 1. 2. Abstract.,,,. 2000,,.. 2008 1,382 3,363 41.1%, 1995 2009 7 17

More information

성도

성도 시나이는 없다 김진호_제3시대그리스도교연구소 연구실장 지금 이 어느 때인데... 올해 전반기 개신교계를 뜨겁게 달군 하나의 이슈는 교회정관 개정 논란이었다. 몇몇 대형교회들이 정 관을 개정했거나 개정을 시도하고 있었는데, 이에 대해 개신교 시민단체들이 강력한 비판과 항의를 표한 것이다. 특히 사랑의교회의 정관 개정안이 그 논란을 더욱 격화시켰다. 이 교회는

More information

PQ 비만과 건강 초등부 비만은 건강을 해친다. 그리고 균형적인 성장에 장애가 되며 활동량이 줄면서 근력과 운동 능력이 약화되며 성인이 되어서도 정상적인 운동 능력을 회복하기가 어려워집니다. 비만은 왜 생길까요? 1. 활동량의 절대적 부족 학습시간의 증가 외에도 TV시

PQ 비만과 건강 초등부 비만은 건강을 해친다. 그리고 균형적인 성장에 장애가 되며 활동량이 줄면서 근력과 운동 능력이 약화되며 성인이 되어서도 정상적인 운동 능력을 회복하기가 어려워집니다. 비만은 왜 생길까요? 1. 활동량의 절대적 부족 학습시간의 증가 외에도 TV시 PQ 비만과 건강 초등부 들어가기 비만이란 무엇인가를 자유롭게 나누도록 한다. 챙 기 기 활동지와 필기도구(인원수대로) 주제 읽기와 생각 정리 진행자는 주제의 내용을 각자 읽도록 한다. 진행자는 인스턴트식품의 위해효과에 대해 교사용 참고자료 #1,2,3로 보충 설명한다. 읽고 나서 생각해 보기 안에 있는 질문들에 대해서 생각하게 한다. 나 누 기 각자의 생각(명상)과

More information

<3131BFF92D3828C6D0B3CEBFACB1B82DC0CCBBF3C8A D38302E687770>

<3131BFF92D3828C6D0B3CEBFACB1B82DC0CCBBF3C8A D38302E687770> - 가구소득을중심으로 - 이상호 * Ⅰ. 들어가며 ) 30..,, (Unobserved Heterogenety).. NLS(966~) PSID(968~), BHPS(99~), GSOEP(984~). 990 994 998, (998~). 2~3...,. * (shlee@kl.re.kr). 66_ 노동리뷰 (Korean Labor and Income Panel

More information

산선생의 집입니다. 환영해요

산선생의 집입니다. 환영해요 Biped Walking Robot Biped Walking Robot Simulation Program Down(Visual Studio 6.0 ) ). Version.,. Biped Walking Robot - Project Degree of Freedom : 12(,,, 12) :,, : Link. Kinematics. 1. Z (~ Diablo Set

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

한약재품질표준화연구사업단 고삼 ( 苦參 ) Sophorae Radix 생약연구과

한약재품질표준화연구사업단 고삼 ( 苦參 ) Sophorae Radix 생약연구과 한약재품질표준화연구사업단 고삼 ( 苦參 ) Sophorae Radix 생약연구과 - 1 - KP 11 Sophorae Radix Sophora flavescens Solander ex Aiton oxymatrine, matrine 1.0% CP 2015 Sophorae Flavescentis Radix Sophora flavescens Aiton - JP 16

More information

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

°ø¾÷-01V36pš

°ø¾÷-01V36pš 2 3 4 5 6 ..2.3 3 (differential) (equation).. () d/d (). e 0.2 (, ), d/d 0.2e 0.2. e 0.2 (). ()., ().,.. (DE: differential equation). (tpe), (order), (linearit). (ODE: ordinar differential equation). (2).

More information

Precipitation prediction of numerical analysis for Mg-Al alloys

Precipitation prediction of numerical analysis for Mg-Al alloys 저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,

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

Microsoft PowerPoint - SBE univariate5.pptx

Microsoft PowerPoint - SBE univariate5.pptx 이상치 (outlier) 진단및해결 Homework 데이터 ( Option.XLS) 결과해석 치우침? 평균이중앙값에비해다소크다. 그러나이상치때문이지치우친것같지않음. Toys us 스톡옵션비율이이상치 해결방법 : Log 변환? 아니다치우쳐있지않기때문에제거 제거후 : 평균 :.74, 중위수 :.7 31 치우침과이상치 데이터 : 노트북평가점수 우로치우침과이상치가존재

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

BIS Solvency (RBC) Solvency. Solvency,. Solvency.

BIS Solvency (RBC) Solvency. Solvency,. Solvency. 조사보고서 2009-02 Solvency II 의리스크평가모형및 측정방법연구 보험연구원 BIS Solvency 2007 2009 4 (RBC). 2010. Solvency. Solvency,. Solvency. Ⅰ. 서론 2 조사보고서 2009-02 Ⅱ. Solvency II 의체계및특징 1. 추진배경및일정 요약 3 2. Solvency Ⅱ 의 3 층체계

More information

PSFZWLOTGJYU.hwp

PSFZWLOTGJYU.hwp 학년도대수능 9 월모의평가 ( 수리영역 - 가형 AH AT sin 8. log 9 log. log log 일때, ( 분모 ( 분자 이어야한다. 즉, ( +a-b+a-b a - b - ᄀ +a+b - (-(-b (-( ++ -b + + - b -b 9 ᄂ ᄀ, ᄂ에서 a, b 8 a+ b 5. log log X AB -B ( ( - - ( - ( 5 - -8

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

HW5 Exercise 1 (60pts) M interpreter with a simple type system M. M. M.., M (simple type system). M, M. M., M.

HW5 Exercise 1 (60pts) M interpreter with a simple type system M. M. M.., M (simple type system). M, M. M., M. 오늘할것 5 6 HW5 Exercise 1 (60pts) M interpreter with a simple type system M. M. M.., M (simple type system). M, M. M., M. Review: 5-2 7 7 17 5 4 3 4 OR 0 2 1 2 ~20 ~40 ~60 ~80 ~100 M 언어 e ::= const constant

More information

: C, Y, =0, (Crook et al.(2007) ) ( ) 1 2 3 4 5 966 967 967 967 967 4,834 234 383 462 516 508 2,103 (A) 1 661 1,629 2,623 3,802 7,613 3,806 1,040 1,636 2,175 2,788 4,193 2,629 (B) 2,128 2,676 3,492

More information

특집....,.,., (good jobs) (rent-sharing) (fairness)..... Ⅱ. 임금과생산성구조의분석모형 ) 1),,,, 2_ 노동리뷰

특집....,.,., (good jobs) (rent-sharing) (fairness)..... Ⅱ. 임금과생산성구조의분석모형 ) 1),,,, 2_ 노동리뷰 연공임금을다시생각한다 연공임금을다시생각한다 1) 황수경 * Ⅰ. 머리말 ().......... * (skhwang@kli.re.kr). 특집 _1 특집....,.,., (good jobs) (rent-sharing) (fairness)..... Ⅱ. 임금과생산성구조의분석모형. 1980 1) 1),,,, 2_ 노동리뷰 연공임금을다시생각한다 1990 -. Hellerstein

More information

μ μ μ μ μ μ μ μ μ α μ μ β μ α μ α γ μ α β α α γ γ μ μ μ αα αα α α β μ α Diabetic Patients ( 천만 ) 35 30 25 20 15 10 5 0 1985 2003 2010 2025 Year Anual number of Diabetic Patients α β α α

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

01_피부과Part-01

01_피부과Part-01 PART 1 CHAPTER 01 3 PART 4 C H A P T E R 5 PART CHAPTER 02 6 C H A P T E R CHAPTER 03 7 PART 8 C H A P T E R 9 PART 10 C H A P T E R 11 PART 12 C H A P T E R 13 PART 14 C H A P T E R TIP 15 PART TIP TIP

More information

한약재품질표준화연구사업단 맥문동 ( 麥門冬 ) Liriopis Tuber 생약연구과

한약재품질표준화연구사업단 맥문동 ( 麥門冬 ) Liriopis Tuber 생약연구과 한약재품질표준화연구사업단 맥문동 ( 麥門冬 ) Liriopis Tuber 생약연구과 Fig.1 ( ) ( ) Table 1. The origin of the Liriopis Tuber in KP, ChP and JP β α β α βα αβ α aster saponin Hb methyl ester H H H H H H H liriope glycoside Lm-3

More information

1

1 β β Tm = 81.5 + 16.6 (log10[na+]) + 0.41 (%G+C) 675/n [Na+] monovalent cations ( [Na+] = [K+] ) n =primer base Tm = 81.5 + 16.6 (log10[0.05]) + 0.41 (60) 675/22 = 81.5 + 16.6 ( 1.30) + 24.60

More information

한약재품질표준화연구사업단 단삼 ( 丹參 ) Salviae Miltiorrhizae Radix 생약연구과

한약재품질표준화연구사업단 단삼 ( 丹參 ) Salviae Miltiorrhizae Radix 생약연구과 한약재품질표준화연구사업단 단삼 ( 丹參 ) Salviae Miltiorrhizae Radix 생약연구과 - 1 - KP 11 CP 2015 Salvia miltiorrhizae Radix Salviae Miltiorrhizae Radix et Rhizoma Salvia miltiorrhiza Bunge Salvia miltiorrhiza Bunge salvianolic

More information

<3039313230392D3238C2F728C1A4B1E22920B9DFBEF0B3BBBFEB28B0F8B0B3292E687770>

<3039313230392D3238C2F728C1A4B1E22920B9DFBEF0B3BBBFEB28B0F8B0B3292E687770> 제28차 방송통신심의위원회 정기회의 회의발언내용 16시 05분 개회 1. 성원보고 박희정 사무총장 - 금일 회의에 방청신청이 있습니다. 국민일보 이선희 기자, 아이뉴스24 김도윤 기 자이고, 18층 회의실에 자리를 마련했습니다. 성원보고 드리겠습니다. 재적위원 과반이 참석하셔서 성원이 되었음을 보고드립니다. 2. 개회선언 - 성원이 되었으므로 제28차 방송통신심의위원회

More information

(095-99)미디어포럼4(법을 알고).indd

(095-99)미디어포럼4(법을 알고).indd 법을 알고 기사 쓰기 62 논쟁적 주제 다룰 땐 단정적으로 보도하지 말아야 과학적 사실에 대한 보도 시 주의할 점 양재규 언론중재위원회 정책연구팀장 변호사 기자도 전문가 시대다. 의학전문기자, 경제전문기자 라는 말은 이미 익숙하고 이 외에도 책전문기자, 등 산전문기자, IT전문기자, 스포츠전문기자, 자동차 전문기자 등 다양한 분야의 전문기자들이 있다. 과학

More information

1 1 x + # 0 x - 6 x 0 # x # 2r sin2x- sin x = 4cos x r 3 r 2r 5 r 3r

1 1 x + # 0 x - 6 x 0 # x # 2r sin2x- sin x = 4cos x r 3 r 2r 5 r 3r # 0 0 # # si si cos # 0 # 0 ^ h ^h^h# 0 ^! 0, h ^h^h# 0 ^! 0, h si si cos sicos si cos si ^cos h ^cos h si ^cosh^cos h 0 ^sih^cos h 0 0 # # cos cos, ^ si! h,, ` 0 # 혼자하는수능수학 0 년대비 9 월 A B, y f^h f^h, 0

More information

Microsoft PowerPoint - 확률3장-1-v2007 [호환 모드]

Microsoft PowerPoint - 확률3장-1-v2007 [호환 모드] Ch.3 Random Variables 불규칙변수 3. The Noion of a Random Variable S ζ ζ real line Random variable a funcion ha assigns a real number ζ o each oucome ζ in he sample space of a random eperimen Specificaion of

More information

歯전용]

歯전용] 2001. 9. 6 1. 1. (1) (1) 1 (2) (2) 2 3 INVESTER PROFESIONAL ORGANIZATION GOVERNMENT CODE COMMITTEE SPECIFICATION CODE LAW LICENSE PERMIT PLANT 4 5 6 7 2. (1) 2. (1) 8 9 (2) (2) 10 (3) ( ). () 20kg/ (P70,

More information

QbD 적용을위한품질심사해설서 ( 예시 )

QbD 적용을위한품질심사해설서 ( 예시 ) QbD 적용을위한품질심사해설서 ( 예시 ) 목차 - 1 - 적용예시 1. FDA 사례요약 - 제네릭의약품 ( 속방성정제 ) - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - 약동학적변수 Lot #2 Lot #3 Lot #4 (d 90 20 um) (d 90 30 um) (d 90 45 um) 대조약 - 8 - 90 max - 9 - 0-t max

More information

untitled

untitled - 186 - HANYANG Univ. Paul Hwang (http://www.cyworld.com/transportation) - 187 - - 188 - HANYANG Univ. Paul Hwang (http://www.cyworld.com/transportation) - 189 - 한시간교통량 - 190 - HANYANG Univ. Paul Hwang

More information

Microsoft PowerPoint - 7-Work and Energy.ppt

Microsoft PowerPoint - 7-Work and Energy.ppt Chapter 7. Work and Energy 일과운동에너지 One of the most important concepts in physics Alternative approach to mechanics Many applications beyond mechanics Thermodynamics (movement of heat) Quantum mechanics...

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

ATC201507241543301_627b125d-d622-4f2b-9c9c-0a4a5e0ec40d.xlsx

ATC201507241543301_627b125d-d622-4f2b-9c9c-0a4a5e0ec40d.xlsx 2015년 소독의무대상시설 시설의 종류 시 설 명 소 재 지 숙 박 업 소 뉴타운장(금곡) 경기도 남양주시 경춘로 977 숙 박 업 소 천우장(금곡) 경기도 남양주시 홍유릉로 345 숙 박 업 소 실버하우스 경기도 남양주시 덕소로 17-2 숙 박 업 소 쉐르빌 경기도 남양주시 수동면 지둔로445번길 101 숙 박 업 소 테마모텔 경기도 남양주시 수동면 비룡로

More information

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

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 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,

More information

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

More information

< B9DAC2F9B9E82E666D>

< B9DAC2F9B9E82E666D> j ƒ ¹ 철도차량용선형유도전동기축소 - 회전형모델의자기등가회로파라미터도출및특성분석연구 A Study on Deduction and Characteristic Analysis of Magnetic Equivalent Circuit Parameters of a Rotary-typed Small-scaled LIM for a Railway Transit r ÁfŒd

More information

20030905 04

20030905 04 Contents 04 06 17 2 1 24 20030905 04 S P E C I A L R E P O R T S P E C I A L R E P O R T 06 20030907 S P E C I A L R E P O R T S P E C I A L R E P O R T 08 20030909 S P E C I A L R E P O R T S P E C I

More information

1229_¶È¶ÈÇÑÀÎÁöÇൿġ·áº»¹®.PDF

1229_¶È¶ÈÇÑÀÎÁöÇൿġ·áº»¹®.PDF 41 Chapter. 3 Chapter. 3 42 43 Chapter. 3 44 45 Chapter. 3 46 47 Chapter. 3 brilliant 48 49 Chapter. 3 brilliant 50 51 Chapter. 3 brilliant 52 53 Chapter. 3 54 brilliant 55 Chapter. 3 56 57 Chapter. 3

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

LUXEON A DS100 LUXEON A LUXEON A LED. LED. LUXEON A Tj 85 C., LUXEON A LED 3 MacAdam LED..,,,,. Tj 85 C.

LUXEON A DS100 LUXEON A LUXEON A LED. LED. LUXEON A Tj 85 C., LUXEON A LED 3 MacAdam LED..,,,,. Tj 85 C. LUXEON A DS100 LUXEON A LUXEON A LED. LED. LUXEON A Tj 85 C., LUXEON A LED 3 MacAdam LED..,,,,. Tj 85 C. ...3...3...3...3...4 LUXEON A...4 = 85 C...4...5...6...7 JEDEC...7...8...9...10...10 vs....11...12...13...14...16...18...19...20...21

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

00....

00.... Fig. 1 2.5%. 51.5%, 46.0%,.. /, Table 1 (U.V.; Ultraviolet 10-400 nm)/ (NIR; Near Infrared 700 nm - 5 µm) ( TiO 2, WO 3, ZnO, CeO, ATO, Sb 2O 3-ZnO, ITO.) (400 nm - 780 nm). /. Fig. 1.. 23 Table 1. / /

More information

<31B1E8C1A4B7E6B9DAC1F6BCF6B1E8B9CCBCF72E687770>

<31B1E8C1A4B7E6B9DAC1F6BCF6B1E8B9CCBCF72E687770> 정규화된뇌파신호 자극제시상황의뇌파안정상태의뇌파 안정상태의뇌파 EEG 0.4 0.3 0.2 0.1 0 Beta powerspectrum value 감성유발형광고 정보전달형광고 좌측전두엽 우측전두엽 좌측후두엽 우측후두엽 좌측측두엽 우측측두엽 Lobe 0 Theta powerspectrum value 좌측전두엽 우측전두엽 좌측후두엽 우측후두엽 좌측측두엽 우측측두엽

More information

Press Arbitration Commission 62

Press Arbitration Commission 62 제 2 부 언론관련판결 사례 제1장 명예훼손 사례 제2장 재산권 침해 사례 제3장 기타 인격권 침해 사례 제4장 형사 사례 제5장 헌법재판소 결정 사례 편집자 주 - 사건관계인의 인격권을 보호하기 위해 필요한 경우 사건관계인의 이름, 소속회사, 주 소, 차량번호 등을 비실명 익명처리하고 필요한 경우 최소한의 범위내에서 판결문의 일부를 수정 또는 삭제함을 알려드립니다.

More information

I k 8 k k NUMER b x b x L K KPM b wk k w vb "I w k v w w w 87 w bb 87 w " T k w b 6 65 "I k " K w b wk b 6 b 4 Y Vw M w PETRL w b vw 4546 E M R M T P

I k 8 k k NUMER b x b x L K KPM b wk k w vb I w k v w w w 87 w bb 87 w  T k w b 6 65 I k  K w b wk b 6 b 4 Y Vw M w PETRL w b vw 4546 E M R M T P M P Nw P k 8 k k P 2 D k P 22 Ex 2 k D Y N 掛 I KRE P W : w R5 P 2 M x vw B D (wwwbvz ) P 2 M v BEE P 2 Nw b v v P 3 Z P 8 P 8 Mk P 4 4 P N v P P 2 w P 6 여하뉴츠 wwwv 흼w k 추락하는 의족 스프린터I 여성단체 보석 반대 I k 8 k

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

한약재품질표준화연구사업단 금은화 ( 金銀花 ) Lonicerae Flos 생약연구과

한약재품질표준화연구사업단 금은화 ( 金銀花 ) Lonicerae Flos 생약연구과 한약재품질표준화연구사업단 금은화 ( 金銀花 ) Lonicerae Flos 생약연구과 - 2 - KP 11 Lonicerae Flos Lonicera japonica Thunberg - CP 2015 JP 16 Lonicerae Japonicae Flos Lonicerae Folium Cum Caulis Lonicera japonica Thunberg - Lonicera

More information

8, Aug, 08, 008

8, Aug, 08, 008 8, Aug, 08, 008 8, Aug, 08, 008 3 8, Aug, 08, 008 4 8, Aug, 08, 008 5 8, Aug, 08, 008 6 8, Aug, 08, 008 7 8, Aug, 08, 008 8 8, Aug, 08, 008 9 8, Aug, 08, 008 0 8, Aug, 08, 008 8, Aug, 08, 008 0.00% KTB

More information

한약재품질표준화연구사업단 작약 ( 芍藥 ) Paeoniae Radix 생약연구과

한약재품질표준화연구사업단 작약 ( 芍藥 ) Paeoniae Radix 생약연구과 한약재품질표준화연구사업단 작약 ( 芍藥 ) Paeoniae Radix 생약연구과 - 2 - KP 11 CP 2015 JP 16 Paeoniae Radix Paeoniae Radix Alba Paeoniae Radix Rubra Paeoniae Radix Paeonia lactiflora Pallas paeoniflorin, albiflorin 2.3% Paeonia

More information

6. 추 정 (Estimation)

6. 추 정 (Estimation) 6. 통계적추정 (Estimatio) updated: 017/4/10 6.1 머리말 (Itroductio) 통계적추론 (statistical iferece) 어느모집단으로부터구한표본에서얻어진결과를기초로그모집단에관해추측하는과정 To say somethig about the populatio based o the iformatio of the sample 1)

More information

- 1 -

- 1 - - 1 - - 2 - χ loglog log - 3 - σ - 4 - - 5 - ψφ θθ - 6 - σ 월이윤년인경우 월이윤년이아닌경우 α - 7 - - 8 - π π π - 9 - - 10 - - 11 - - 12 - 모형 모형 - 13 - 모형 모형 - 14 - - 15 - - 16 - - 17 - σ σ - 18 - σ MSR 크기 MSR 2.5 3.5

More information

1 수사 경과 수사 착수 배경 신용카드 및 현금영수증 결제승인 대행 서비스업체인 밴사와 대형 가맹점 간의 리베이트 수사 과정에서,밴 수수료로 창출되는 막대한 이익을 둘러싸고 밴 업계의 경쟁이 과열되고 있다는 점에 착안 관련 비리를 집중 내사한 결과,밴 사업자 선정을 위

1 수사 경과 수사 착수 배경 신용카드 및 현금영수증 결제승인 대행 서비스업체인 밴사와 대형 가맹점 간의 리베이트 수사 과정에서,밴 수수료로 창출되는 막대한 이익을 둘러싸고 밴 업계의 경쟁이 과열되고 있다는 점에 착안 관련 비리를 집중 내사한 결과,밴 사업자 선정을 위 이 보도자료는 2013. 12. 30.(월) 조간부터 보도하여 주시고, 공개되는 범죄사실은 재판에 의하여 확정된 사실이 아님을 유의하여 주시기 바랍니다. 서울서부지방검찰청 보 도 자 료 2013.12.27.(금) 제 목 공보담당관 차장검사 윤웅걸 전화 02-706-1692 / 팩스 02-3270-4240 자료문의 : 형사5부 부부장실 전화번호 : 02-3270-4492

More information

금안13(04)01-도비라및목차1~12

금안13(04)01-도비라및목차1~12 ISSN 1975-667 13. 13. 1 8 6 1 8 6 5 1.6 5 6.7 3.7 65.5 9. 1 5.5 5 16 1 13 136 16 1 8 8 35 3 95 9 5 85 6 5..5 5..5 1 8 1 8.. 6 6 6 3 3 7 7 5 3 1 1 1 18 18 7 1 9 6 1 9 6 15 1 15 1 3 3 5 5-3

More information

미분기하학 II-16 복소평면의선형분수변환과쌍곡평면의등장사상 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 Ø 'x! xxñ 2007 년 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 (Ø 'x!) 미분기하 II 2007 년 1 / 26

미분기하학 II-16 복소평면의선형분수변환과쌍곡평면의등장사상 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 Ø 'x! xxñ 2007 년 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 (Ø 'x!) 미분기하 II 2007 년 1 / 26 미분기하학 II-16 복소평면의 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 Ø 'x! xxñ 2007 년 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 (Ø 'x!) 미분기하 II 2007 년 1 / 26 자, 이제 H 2 의등장사상에대해좀더자세히알아보자. Definition 선형분수변환이란다음형식의사상을뜻한다. Example f (z) = az +

More information

2007KIP연2-05 연구용역보고서 중소기업 및 지방기업에 대한 정부조달 지원정책의 비용-편익(BC)분석 연구 2008. 1 제 출 문 조달청장 귀하 본 보고서를 중소기업 및 지방기업의 정부조달 지원정책의 비용-편익 (BC) 분석연구 의 최종보고서로 제출합니다. 2008. 1 한 국 조 달 연 구 원 원 장 신 삼 철 연구책임자 김정포 부연구위원 연구참여진

More information

eda_ch7.doc

eda_ch7.doc ( ) (, ) (X, Y) Y Y = 1 88 + 0 16 X =0601 Y = a + bx + cx X (nonlinea) ( ) X Y X Y b(016) ( ) log Y = log a + b log X = e Y = b ax 71 X (explanatoy va :independent ), Y (dependent : esponse) X, Y Sehyug

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

REVIEW CHART 1

REVIEW CHART 1 Rev.3, 27. October 2017 구교 2017. 10. 27 한국철도시설공단 REVIEW CHART 1 1 2 θ 3 θ θ 4 5 knm 6 7 8 9 10 11 K V K h K s 12 상재하중 복토중량 암거중량 측면마찰력 양압력 13 14 15 16 17 18 19 θ =80 ~90 L 1 L2 L1 L=2L +L 1 2 L1

More information

Microsoft PowerPoint - chap08.ppt

Microsoft PowerPoint - chap08.ppt 제 8 장. Cotext-ree 언어의특성 학습목표 upig e 와 Closure 특성을통해 C 와 guge ily 간의관계이해 Regulr 언어에서의특성과유사점 / 상이점을집중적으로이해할것 개요 언어계통에서 C 의위상을점검해봅시다 Regulr deteriistic C C cotext sesitive pupig les Closure properties d decisio

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

KAERIAR hwp

KAERIAR hwp - i - - ii - - iii - - iv - - v - - vi - Photograph of miniature SiC p-n and Schottky diode detector Photograph SiC chip mounted on a standard electrical package Photograph of SiC neutron detector with

More information

한 국 산 업 규 격 KS

한 국 산 업 규 격 KS 003 6 30 ( ) ( ) ( ) 003630 03744 () (0509786) 7 5, 1 1 1 5 10 10 10 11 11 1 13 16 18 0 0 1 1 3 4 5 5 5 5 30 36 36 i 44 45 45 45 47 48 48 48 50 50 55 57 57 60 60 60 61 63 68 74 80 93 95 98 ii ICS 3080

More information