MATHHX A
\(\newcommand{\footnotename}{footnote}\)
\(\def \LWRfootnote {1}\)
\(\newcommand {\footnote }[2][\LWRfootnote ]{{}^{\mathrm {#1}}}\)
\(\newcommand {\footnotemark }[1][\LWRfootnote ]{{}^{\mathrm {#1}}}\)
\(\let \LWRorighspace \hspace \)
\(\renewcommand {\hspace }{\ifstar \LWRorighspace \LWRorighspace }\)
\(\newcommand {\TextOrMath }[2]{#2}\)
\(\newcommand {\mathnormal }[1]{{#1}}\)
\(\newcommand \ensuremath [1]{#1}\)
\(\newcommand {\LWRframebox }[2][]{\fbox {#2}} \newcommand {\framebox }[1][]{\LWRframebox } \)
\(\newcommand {\setlength }[2]{}\)
\(\newcommand {\addtolength }[2]{}\)
\(\newcommand {\setcounter }[2]{}\)
\(\newcommand {\addtocounter }[2]{}\)
\(\newcommand {\arabic }[1]{}\)
\(\newcommand {\number }[1]{}\)
\(\newcommand {\noalign }[1]{\text {#1}\notag \\}\)
\(\newcommand {\cline }[1]{}\)
\(\newcommand {\directlua }[1]{\text {(directlua)}}\)
\(\newcommand {\luatexdirectlua }[1]{\text {(directlua)}}\)
\(\newcommand {\protect }{}\)
\(\def \LWRabsorbnumber #1 {}\)
\(\def \LWRabsorbquotenumber "#1 {}\)
\(\newcommand {\LWRabsorboption }[1][]{}\)
\(\newcommand {\LWRabsorbtwooptions }[1][]{\LWRabsorboption }\)
\(\def \mathchar {\ifnextchar "\LWRabsorbquotenumber \LWRabsorbnumber }\)
\(\def \mathcode #1={\mathchar }\)
\(\let \delcode \mathcode \)
\(\let \delimiter \mathchar \)
\(\def \oe {\unicode {x0153}}\)
\(\def \OE {\unicode {x0152}}\)
\(\def \ae {\unicode {x00E6}}\)
\(\def \AE {\unicode {x00C6}}\)
\(\def \aa {\unicode {x00E5}}\)
\(\def \AA {\unicode {x00C5}}\)
\(\def \o {\unicode {x00F8}}\)
\(\def \O {\unicode {x00D8}}\)
\(\def \l {\unicode {x0142}}\)
\(\def \L {\unicode {x0141}}\)
\(\def \ss {\unicode {x00DF}}\)
\(\def \SS {\unicode {x1E9E}}\)
\(\def \dag {\unicode {x2020}}\)
\(\def \ddag {\unicode {x2021}}\)
\(\def \P {\unicode {x00B6}}\)
\(\def \copyright {\unicode {x00A9}}\)
\(\def \pounds {\unicode {x00A3}}\)
\(\let \LWRref \ref \)
\(\renewcommand {\ref }{\ifstar \LWRref \LWRref }\)
\( \newcommand {\multicolumn }[3]{#3}\)
\(\require {textcomp}\)
\(\require {colortbl}\)
\(\let \LWRorigcolumncolor \columncolor \)
\(\renewcommand {\columncolor }[2][named]{\LWRorigcolumncolor [#1]{#2}\LWRabsorbtwooptions }\)
\(\let \LWRorigrowcolor \rowcolor \)
\(\renewcommand {\rowcolor }[2][named]{\LWRorigrowcolor [#1]{#2}\LWRabsorbtwooptions }\)
\(\let \LWRorigcellcolor \cellcolor \)
\(\renewcommand {\cellcolor }[2][named]{\LWRorigcellcolor [#1]{#2}\LWRabsorbtwooptions }\)
\(\newcommand {\tothe }[1]{^{#1}}\)
\(\newcommand {\raiseto }[2]{{#2}^{#1}}\)
\(\newcommand {\LWRsiunitxEND }{}\)
\(\def \LWRsiunitxang #1;#2;#3;#4\LWRsiunitxEND {\ifblank {#1}{}{\num {#1}\degree }\ifblank {#2}{}{\num {#2}^{\unicode {x2032}}}\ifblank {#3}{}{\num {#3}^{\unicode {x2033}}}}\)
\(\newcommand {\ang }[2][]{\LWRsiunitxang #2;;;\LWRsiunitxEND }\)
\(\def \LWRsiunitxdistribunit {}\)
\(\newcommand {\LWRsiunitxENDTWO }{}\)
\(\def \LWRsiunitxprintdecimalsubtwo #1,#2,#3\LWRsiunitxENDTWO {\ifblank {#1}{0}{\mathrm {#1}}\ifblank {#2}{}{{\LWRsiunitxdecimal }\mathrm {#2}}}\)
\(\def \LWRsiunitxprintdecimalsub #1.#2.#3\LWRsiunitxEND {\LWRsiunitxprintdecimalsubtwo #1,,\LWRsiunitxENDTWO \ifblank {#2}{}{{\LWRsiunitxdecimal }\LWRsiunitxprintdecimalsubtwo
#2,,\LWRsiunitxENDTWO }}\)
\(\newcommand {\LWRsiunitxprintdecimal }[1]{\LWRsiunitxprintdecimalsub #1...\LWRsiunitxEND }\)
\(\def \LWRsiunitxnumplus #1+#2+#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxprintdecimal {#1}}{\ifblank {#1}{\LWRsiunitxprintdecimal {#2}}{\LWRsiunitxprintdecimal {#1}\unicode
{x02B}\LWRsiunitxprintdecimal {#2}}}\LWRsiunitxdistribunit }\)
\(\def \LWRsiunitxnumminus #1-#2-#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumplus #1+++\LWRsiunitxEND }{\ifblank {#1}{}{\LWRsiunitxprintdecimal {#1}}\unicode {x02212}\LWRsiunitxprintdecimal
{#2}\LWRsiunitxdistribunit }}\)
\(\def \LWRsiunitxnumpmmacro #1\pm #2\pm #3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumminus #1---\LWRsiunitxEND }{\LWRsiunitxprintdecimal {#1}\unicode {x0B1}\LWRsiunitxprintdecimal
{#2}\LWRsiunitxdistribunit }}\)
\(\def \LWRsiunitxnumpm #1+-#2+-#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumpmmacro #1\pm \pm \pm \LWRsiunitxEND }{\LWRsiunitxprintdecimal {#1}\unicode {x0B1}\LWRsiunitxprintdecimal
{#2}\LWRsiunitxdistribunit }}\)
\(\newcommand {\LWRsiunitxnumscientific }[2]{\ifblank {#1}{}{\ifstrequal {#1}{-}{-}{\LWRsiunitxprintdecimal {#1}\times }}10^{\LWRsiunitxprintdecimal {#2}}\LWRsiunitxdistribunit }\)
\(\def \LWRsiunitxnumD #1D#2D#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumpm #1+-+-\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\)
\(\def \LWRsiunitxnumd #1d#2d#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumD #1DDD\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\)
\(\def \LWRsiunitxnumE #1E#2E#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumd #1ddd\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\)
\(\def \LWRsiunitxnume #1e#2e#3\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnumE #1EEE\LWRsiunitxEND }{\mathrm {\LWRsiunitxnumscientific {#1}{#2}}}}\)
\(\def \LWRsiunitxnumx #1x#2x#3x#4\LWRsiunitxEND {\ifblank {#2}{\LWRsiunitxnume #1eee\LWRsiunitxEND }{\ifblank {#3}{\LWRsiunitxnume #1eee\LWRsiunitxEND \times \LWRsiunitxnume
#2eee\LWRsiunitxEND }{\LWRsiunitxnume #1eee\LWRsiunitxEND \times \LWRsiunitxnume #2eee\LWRsiunitxEND \times \LWRsiunitxnume #3eee\LWRsiunitxEND }}}\)
\(\newcommand {\num }[2][]{\LWRsiunitxnumx #2xxxxx\LWRsiunitxEND }\)
\(\newcommand {\si }[2][]{\mathrm {\gsubstitute {#2}{~}{\,}}}\)
\(\def \LWRsiunitxSIopt #1[#2]#3{\def \LWRsiunitxdistribunit {\,\si {#3}}{#2}\num {#1}\def \LWRsiunitxdistribunit {}}\)
\(\newcommand {\LWRsiunitxSI }[2]{\def \LWRsiunitxdistribunit {\,\si {#2}}\num {#1}\def \LWRsiunitxdistribunit {}}\)
\(\newcommand {\SI }[2][]{\ifnextchar [{\LWRsiunitxSIopt {#2}}{\LWRsiunitxSI {#2}}}\)
\(\newcommand {\numlist }[2][]{\text {#2}}\)
\(\newcommand {\numrange }[3][]{\num {#2}\ \LWRsiunitxrangephrase \ \num {#3}}\)
\(\newcommand {\SIlist }[3][]{\text {#2}\,\si {#3}}\)
\(\newcommand {\SIrange }[4][]{\num {#2}\,#4\ \LWRsiunitxrangephrase \ \num {#3}\,#4}\)
\(\newcommand {\tablenum }[2][]{\mathrm {#2}}\)
\(\newcommand {\ampere }{\mathrm {A}}\)
\(\newcommand {\candela }{\mathrm {cd}}\)
\(\newcommand {\kelvin }{\mathrm {K}}\)
\(\newcommand {\kilogram }{\mathrm {kg}}\)
\(\newcommand {\metre }{\mathrm {m}}\)
\(\newcommand {\mole }{\mathrm {mol}}\)
\(\newcommand {\second }{\mathrm {s}}\)
\(\newcommand {\becquerel }{\mathrm {Bq}}\)
\(\newcommand {\degreeCelsius }{\unicode {x2103}}\)
\(\newcommand {\coulomb }{\mathrm {C}}\)
\(\newcommand {\farad }{\mathrm {F}}\)
\(\newcommand {\gray }{\mathrm {Gy}}\)
\(\newcommand {\hertz }{\mathrm {Hz}}\)
\(\newcommand {\henry }{\mathrm {H}}\)
\(\newcommand {\joule }{\mathrm {J}}\)
\(\newcommand {\katal }{\mathrm {kat}}\)
\(\newcommand {\lumen }{\mathrm {lm}}\)
\(\newcommand {\lux }{\mathrm {lx}}\)
\(\newcommand {\newton }{\mathrm {N}}\)
\(\newcommand {\ohm }{\mathrm {\Omega }}\)
\(\newcommand {\pascal }{\mathrm {Pa}}\)
\(\newcommand {\radian }{\mathrm {rad}}\)
\(\newcommand {\siemens }{\mathrm {S}}\)
\(\newcommand {\sievert }{\mathrm {Sv}}\)
\(\newcommand {\steradian }{\mathrm {sr}}\)
\(\newcommand {\tesla }{\mathrm {T}}\)
\(\newcommand {\volt }{\mathrm {V}}\)
\(\newcommand {\watt }{\mathrm {W}}\)
\(\newcommand {\weber }{\mathrm {Wb}}\)
\(\newcommand {\day }{\mathrm {d}}\)
\(\newcommand {\degree }{\mathrm {^\circ }}\)
\(\newcommand {\hectare }{\mathrm {ha}}\)
\(\newcommand {\hour }{\mathrm {h}}\)
\(\newcommand {\litre }{\mathrm {l}}\)
\(\newcommand {\liter }{\mathrm {L}}\)
\(\newcommand {\arcminute }{^\prime }\)
\(\newcommand {\minute }{\mathrm {min}}\)
\(\newcommand {\arcsecond }{^{\prime \prime }}\)
\(\newcommand {\tonne }{\mathrm {t}}\)
\(\newcommand {\astronomicalunit }{au}\)
\(\newcommand {\atomicmassunit }{u}\)
\(\newcommand {\bohr }{\mathit {a}_0}\)
\(\newcommand {\clight }{\mathit {c}_0}\)
\(\newcommand {\dalton }{\mathrm {D}_\mathrm {a}}\)
\(\newcommand {\electronmass }{\mathit {m}_{\mathrm {e}}}\)
\(\newcommand {\electronvolt }{\mathrm {eV}}\)
\(\newcommand {\elementarycharge }{\mathit {e}}\)
\(\newcommand {\hartree }{\mathit {E}_{\mathrm {h}}}\)
\(\newcommand {\planckbar }{\mathit {\unicode {x210F}}}\)
\(\newcommand {\angstrom }{\mathrm {\unicode {x212B}}}\)
\(\let \LWRorigbar \bar \)
\(\newcommand {\barn }{\mathrm {b}}\)
\(\newcommand {\bel }{\mathrm {B}}\)
\(\newcommand {\decibel }{\mathrm {dB}}\)
\(\newcommand {\knot }{\mathrm {kn}}\)
\(\newcommand {\mmHg }{\mathrm {mmHg}}\)
\(\newcommand {\nauticalmile }{\mathrm {M}}\)
\(\newcommand {\neper }{\mathrm {Np}}\)
\(\newcommand {\yocto }{\mathrm {y}}\)
\(\newcommand {\zepto }{\mathrm {z}}\)
\(\newcommand {\atto }{\mathrm {a}}\)
\(\newcommand {\femto }{\mathrm {f}}\)
\(\newcommand {\pico }{\mathrm {p}}\)
\(\newcommand {\nano }{\mathrm {n}}\)
\(\newcommand {\micro }{\mathrm {\unicode {x00B5}}}\)
\(\newcommand {\milli }{\mathrm {m}}\)
\(\newcommand {\centi }{\mathrm {c}}\)
\(\newcommand {\deci }{\mathrm {d}}\)
\(\newcommand {\deca }{\mathrm {da}}\)
\(\newcommand {\hecto }{\mathrm {h}}\)
\(\newcommand {\kilo }{\mathrm {k}}\)
\(\newcommand {\mega }{\mathrm {M}}\)
\(\newcommand {\giga }{\mathrm {G}}\)
\(\newcommand {\tera }{\mathrm {T}}\)
\(\newcommand {\peta }{\mathrm {P}}\)
\(\newcommand {\exa }{\mathrm {E}}\)
\(\newcommand {\zetta }{\mathrm {Z}}\)
\(\newcommand {\yotta }{\mathrm {Y}}\)
\(\newcommand {\percent }{\mathrm {\%}}\)
\(\newcommand {\meter }{\mathrm {m}}\)
\(\newcommand {\metre }{\mathrm {m}}\)
\(\newcommand {\gram }{\mathrm {g}}\)
\(\newcommand {\kg }{\kilo \gram }\)
\(\newcommand {\of }[1]{_{\mathrm {#1}}}\)
\(\newcommand {\squared }{^2}\)
\(\newcommand {\square }[1]{\mathrm {#1}^2}\)
\(\newcommand {\cubed }{^3}\)
\(\newcommand {\cubic }[1]{\mathrm {#1}^3}\)
\(\newcommand {\per }{\,\mathrm {/}}\)
\(\newcommand {\celsius }{\unicode {x2103}}\)
\(\newcommand {\fg }{\femto \gram }\)
\(\newcommand {\pg }{\pico \gram }\)
\(\newcommand {\ng }{\nano \gram }\)
\(\newcommand {\ug }{\micro \gram }\)
\(\newcommand {\mg }{\milli \gram }\)
\(\newcommand {\g }{\gram }\)
\(\newcommand {\kg }{\kilo \gram }\)
\(\newcommand {\amu }{\mathrm {u}}\)
\(\newcommand {\nm }{\nano \metre }\)
\(\newcommand {\um }{\micro \metre }\)
\(\newcommand {\mm }{\milli \metre }\)
\(\newcommand {\cm }{\centi \metre }\)
\(\newcommand {\dm }{\deci \metre }\)
\(\newcommand {\m }{\metre }\)
\(\newcommand {\km }{\kilo \metre }\)
\(\newcommand {\as }{\atto \second }\)
\(\newcommand {\fs }{\femto \second }\)
\(\newcommand {\ps }{\pico \second }\)
\(\newcommand {\ns }{\nano \second }\)
\(\newcommand {\us }{\micro \second }\)
\(\newcommand {\ms }{\milli \second }\)
\(\newcommand {\s }{\second }\)
\(\newcommand {\fmol }{\femto \mol }\)
\(\newcommand {\pmol }{\pico \mol }\)
\(\newcommand {\nmol }{\nano \mol }\)
\(\newcommand {\umol }{\micro \mol }\)
\(\newcommand {\mmol }{\milli \mol }\)
\(\newcommand {\mol }{\mol }\)
\(\newcommand {\kmol }{\kilo \mol }\)
\(\newcommand {\pA }{\pico \ampere }\)
\(\newcommand {\nA }{\nano \ampere }\)
\(\newcommand {\uA }{\micro \ampere }\)
\(\newcommand {\mA }{\milli \ampere }\)
\(\newcommand {\A }{\ampere }\)
\(\newcommand {\kA }{\kilo \ampere }\)
\(\newcommand {\ul }{\micro \litre }\)
\(\newcommand {\ml }{\milli \litre }\)
\(\newcommand {\l }{\litre }\)
\(\newcommand {\hl }{\hecto \litre }\)
\(\newcommand {\uL }{\micro \liter }\)
\(\newcommand {\mL }{\milli \liter }\)
\(\newcommand {\L }{\liter }\)
\(\newcommand {\hL }{\hecto \liter }\)
\(\newcommand {\mHz }{\milli \hertz }\)
\(\newcommand {\Hz }{\hertz }\)
\(\newcommand {\kHz }{\kilo \hertz }\)
\(\newcommand {\MHz }{\mega \hertz }\)
\(\newcommand {\GHz }{\giga \hertz }\)
\(\newcommand {\THz }{\tera \hertz }\)
\(\newcommand {\mN }{\milli \newton }\)
\(\newcommand {\N }{\newton }\)
\(\newcommand {\kN }{\kilo \newton }\)
\(\newcommand {\MN }{\mega \newton }\)
\(\newcommand {\Pa }{\pascal }\)
\(\newcommand {\kPa }{\kilo \pascal }\)
\(\newcommand {\MPa }{\mega \pascal }\)
\(\newcommand {\GPa }{\giga \pascal }\)
\(\newcommand {\mohm }{\milli \ohm }\)
\(\newcommand {\kohm }{\kilo \ohm }\)
\(\newcommand {\Mohm }{\mega \ohm }\)
\(\newcommand {\pV }{\pico \volt }\)
\(\newcommand {\nV }{\nano \volt }\)
\(\newcommand {\uV }{\micro \volt }\)
\(\newcommand {\mV }{\milli \volt }\)
\(\newcommand {\V }{\volt }\)
\(\newcommand {\kV }{\kilo \volt }\)
\(\newcommand {\W }{\watt }\)
\(\newcommand {\uW }{\micro \watt }\)
\(\newcommand {\mW }{\milli \watt }\)
\(\newcommand {\kW }{\kilo \watt }\)
\(\newcommand {\MW }{\mega \watt }\)
\(\newcommand {\GW }{\giga \watt }\)
\(\newcommand {\J }{\joule }\)
\(\newcommand {\uJ }{\micro \joule }\)
\(\newcommand {\mJ }{\milli \joule }\)
\(\newcommand {\kJ }{\kilo \joule }\)
\(\newcommand {\eV }{\electronvolt }\)
\(\newcommand {\meV }{\milli \electronvolt }\)
\(\newcommand {\keV }{\kilo \electronvolt }\)
\(\newcommand {\MeV }{\mega \electronvolt }\)
\(\newcommand {\GeV }{\giga \electronvolt }\)
\(\newcommand {\TeV }{\tera \electronvolt }\)
\(\newcommand {\kWh }{\kilo \watt \hour }\)
\(\newcommand {\F }{\farad }\)
\(\newcommand {\fF }{\femto \farad }\)
\(\newcommand {\pF }{\pico \farad }\)
\(\newcommand {\K }{\mathrm {K}}\)
\(\newcommand {\dB }{\mathrm {dB}}\)
\(\newcommand {\kibi }{\mathrm {Ki}}\)
\(\newcommand {\mebi }{\mathrm {Mi}}\)
\(\newcommand {\gibi }{\mathrm {Gi}}\)
\(\newcommand {\tebi }{\mathrm {Ti}}\)
\(\newcommand {\pebi }{\mathrm {Pi}}\)
\(\newcommand {\exbi }{\mathrm {Ei}}\)
\(\newcommand {\zebi }{\mathrm {Zi}}\)
\(\newcommand {\yobi }{\mathrm {Yi}}\)
\(\let \unit \si \)
\(\let \qty \SI \)
\(\let \qtylist \SIlist \)
\(\let \qtyrange \SIrange \)
\(\let \numproduct \num \)
\(\let \qtyproduct \SI \)
\(\let \complexnum \num \)
\(\newcommand {\complexqty }[3][]{(\complexnum {#2})\si {#3}}\)
\(\newcommand {\mleft }{\left }\)
\(\newcommand {\mright }{\right }\)
\(\newcommand {\mleftright }{}\)
\(\newcommand {\mleftrightrestore }{}\)
\(\require {gensymb}\)
\(\newcommand {\intertext }[1]{\text {#1}\notag \\}\)
\(\let \Hat \hat \)
\(\let \Check \check \)
\(\let \Tilde \tilde \)
\(\let \Acute \acute \)
\(\let \Grave \grave \)
\(\let \Dot \dot \)
\(\let \Ddot \ddot \)
\(\let \Breve \breve \)
\(\let \Bar \bar \)
\(\let \Vec \vec \)
\(\require {cancel}\)
\(\newcommand {\mathred }[1]{\textcolor [rgb]{1, 0, 0}{#1}}\)
\(\newcommand {\mathgreen }[1]{\textcolor [rgb]{0,0.5,0}{#1}}\)
\(\newcommand {\mathblue }[1]{\textcolor [rgb]{0,0,1}{#1}}\)
\(\newcommand {\mathorange }[1]{\textcolor [rgb]{1,0.5,0}{#1}}\)
\(\newcommand {\mathmagenta }[1]{\textcolor [cmyk]{0, 1, 1, 0.33}{#1}}\)
\( \newcommand \ccancel [2][red]{\renewcommand \CancelColor {\color {#1}}\cancel {#2}} \)
\(\newcommand {\Dom }{\operatorname {Dom}}\)
\(\newcommand {\Ran }{\operatorname {Ran}}\)
\(\newcommand {\Dm }{\operatorname {Dm}}\)
\(\newcommand {\Vm }{\operatorname {Vm}}\)
\(\newcommand {\Var }{\operatorname {Var}}\)
\(\newcommand {\SD }{\operatorname {SD}}\)
\(\newcommand {\ExV }{\operatorname {E}}\)
\(\newcommand {\opointtext }{\textcolor {blue}{\circ }}\)
\(\newcommand {\cpointtext }{\textcolor {blue}{\bullet }}\)
\(\newcommand {\vectwo }[2]{\begin {pmatrix} #1 \\ #2 \end {pmatrix}}\)
\(\newcommand {\tcbset }[1]{}\)
\(\newcommand {\tcbsetforeverylayer }[1]{}\)
\(\newcommand {\tcbox }[2][]{\boxed {\text {#2}}}\)
\(\newcommand {\tcboxfit }[2][]{\boxed {#2}}\)
\(\newcommand {\tcblower }{}\)
\(\newcommand {\tcbline }{}\)
\(\newcommand {\tcbtitle }{}\)
\(\newcommand {\tcbsubtitle [2][]{\mathrm {#2}}}\)
\(\newcommand {\tcboxmath }[2][]{\boxed {#2}}\)
\(\newcommand {\tcbhighmath }[2][]{\boxed {#2}}\)
\(\newcommand {\toprule }[1][]{\hline }\)
\(\let \midrule \toprule \)
\(\let \bottomrule \toprule \)
\(\def \LWRbooktabscmidruleparen (#1)#2{}\)
\(\newcommand {\LWRbooktabscmidrulenoparen }[1]{}\)
\(\newcommand {\cmidrule }[1][]{\ifnextchar (\LWRbooktabscmidruleparen \LWRbooktabscmidrulenoparen }\)
\(\newcommand {\morecmidrules }{}\)
\(\newcommand {\specialrule }[3]{\hline }\)
\(\newcommand {\addlinespace }[1][]{}\)
\(\def \LWRsiunitxrangephrase {\TextOrMath { }{\ }\protect \mbox {to (numerical range)}\TextOrMath { }{\ }}\)
\(\def \LWRsiunitxdecimal {.}\)
5.5 Normalfordelinger
De fleste af de fordelinger, vi har set indtil videre, har været kunstige i den forstand, at de er valgt, fordi de er nemme at regne på, og ikke fordi de er anvendelige. Vi skal nu gå i den anden grøft og møde en fordeling som dukker op
hele tiden i praksis, men som til gengæld er svær at regne på.
-
Definition 5.5.1
En normalfordelt stokastisk variabel er en kontinuert stokastisk variabel med tæthedsfunktionen:
\[ f(x) = \frac {1}{\sqrt {2\pi \sigma ^2}} e^{ -\frac {1}{2}\left (\frac {x-\mu }{\sigma }\right )^2} \]
hvor \(\mu \) og \(\sigma \) er reelle tal med \(\sigma >0\).
Man kan bevise (vi vil ikke gøre det), at \(\mu \) og \(\sigma \) i definitionen er hhv. middelværdien og standardafvigelsen for normalfordelingen. Normalt er middelværdi og standardafvigelse noget man beregner ud fra
tæthedsfunktionen, men her bruges de to altså til at fastlægge fordelingen. Vi vil benytte skrivemåden \(X\sim N(\mu ,\sigma )\) til at angive at \(X\) er en normalfordelt stokastisk variabel med middelværdi \(\mu \) og
standardafvigelse \(\sigma \). Forskriften for tæthedsfunktionen er lidt teknisk, så normalfordelingen forstås bedst ved at betragte grafen for tæthedsfunktionen:
Vi ser, at grafen for tæthedsfunktionen for en normalfordeling er klokkeformet, symmetrisk omkring middelværdien og har vendetangenter i \(x=\mu \pm \sigma \). Fordelingsfunktionen ser således ud:
Fordi tæthedsfunktionen for normalfordelingen er symmetrisk omkring middelværdien er
\[ F(\mu )=\frac {1}{2} \]
Standardafvigelsen afgør, hvor stejl kurven er i nærheden af middelværdien. En lille standardafvigelse giver en stejl graf.
Øvelse 5.5.1 ()
Man kan vise ud fra forskriften for tæthedsfunktionen, at en normalfordeling har maksimum i \(x=\mu \) og vendetangenter i \(x=\mu \pm \sigma \).
Denne øvelse er markeret som svær, og denne gang mener jeg det. Det er ikke fordi, man skal gøre et eller andet genialt, man skal bare være rimelig god til at differentiere og holde styr på lidt større udtryk. Så hvis du forventer, at
matematik skal være hurtigt og nemt, så bare lad være med at forsøge at regne den.
5.5.1
-
a) Vis mig det. Medmindre du har brugt chat, så gider jeg ikke at se det. Hvis du har brugt chat, vil jeg i stedet foreslå, at du får chat til at rose dig.
-
b) Vis mig det. Medmindre du har brugt chat…
Øvelse 5.5.2
Betragt tæthedsfunktionerne for tre forskellige normalfordelinger \(f\), \(g\) og \(h\).
-
a) Placer graferne i rækkefølge ud fra middelværdi, fra mindste til største.
-
b) Placer graferne i rækkefølge ud fra standardafvigelse, fra mindste til største.
5.5.2
-
a) \(h\), \(g\), \(f\)
-
b) \(f\), \(h\), \(g\)
Øvelse 5.5.3 ()
Fordelingsfunktionen er stejl i nærheden af middelværdien når standardafvigelsen er lille
5.5.3
-
a) En normalfordeling med en lille standardafvigelse har en høj spids tæthedsfunktion. Det betyder, at sandsynligheden for at ligge tæt på middelværdien
er stor, så når \(x\) er tæt på middelværdien stiger \(P(X\leq x)=F(x)\) kraftigt.
Øvelse 5.5.4
Betragt fordelingsfunktionerne for tre forskellige normalfordelinger \(f\), \(g\) og \(h\).
-
a) Placer graferne i rækkefølge ud fra middelværdi, fra mindste til største.
-
b) Placer graferne i rækkefølge ud fra standardafvigelse, fra mindste til største.
5.5.4
-
a) \(g\), \(f\), \(h\)
-
b) \(h\), \(g\), \(f\)
Øvelse 5.5.5
Lad \(X\) være en stokastisk variabel med tæthedsfunktionen
\[ f(x) = \frac {1}{\sqrt {98\pi }} e^{ -\frac {1}{2}\left (\frac {x-3}{7}\right )^2} \]
5.5.5
-
a) En normalfordelt stokastisk variable.
-
b) Det ses, direkte ud fra forskriften, at \(\ExV (X)=3\) og \(\SD (X)=7\).
De integraler vi møder i forbindelse med normalfordelinger, regner vi altid i GeoGebra, da det ikke er muligt at finde en stamfunktion i almindelig forstand. Teknisk set findes der en stamfunktion, men man kan bare ikke skrive
forskriften op ved hjælp af almindelige matematiske operationer/funktioner.
-
Eksempel 5.5.1
Vi vil bestemme sandsynligheden for, at en udvalgt tilfældig yngre dansk mand er mellem \(170\) og \(180\) høj. Vi skal altså bestemme
\(P(170<X<180)\), dvs. arealet:
Vi har tidligere fundet sandsynligheden ved at vurdere arealets størrelse, men nu vil vi beregne den. Det fremgår af teksten lige inden eksemplet, at \(X\sim N(182,7)\), så \(X\) har tæthedsfunktionen
\[ f(x) = \frac {1}{\sqrt {2\pi \cdot 7^2}} e^{ -\frac {1}{2}\left (\frac {x-182}{7}\right )^2 }\]
Vi finder arealet med integralregning som sædvanlig:
\[ P(170<X<180) = \int _{170}^{180} f(x) \, dx \]
Dette integral er for svært til, at vi kan regne det i hånden, så vi taster forskriften ind i GeoGebra (hvis du vil prøve, så husk at bruge \(e\)’et fra GeoGebras virtuelle tastatur, altså det som står under \(\pi \)) og regner
integralet. Vi får:
\[\int _{170}^{180} f(x) = 0{,}34 \]
Så \(P(170<X<180)=34\%\).
Vi kan også regne \(P(X\leq 180\)):
Her sker der noget lidt mærkeligt. Normalfordelingen er defineret på hele \(x\)-aksen og derfor skal vi integrere fra \(-\infty \). Det er selvfølgelig lidt fjollet, da der er grænser for, hvor lav en voksen person kan være. Vi vil ikke
spekulere så meget over det, andet end at det tydeliggør, at en sådan model bare er en tilnærmelse til virkeligeheden. Vi regner
\[ P(X<180) = \int _{-\infty }^{180} f(x) \, dx \]
ved at skrive integralet ind i GeoGebra (vi finder \(\infty \) på GeoGebras virtuelle tastatur)o g får \(0{,}39\). Så der er \(39\%\) sandsynlighed for, at en tilfældig mand er under \(180\) cm høj.
Øvelse 5.5.6
I forlængelse af ovenstående eksempel (eksempel 5.5.1).
Højden af yngre danske mænd følger tilnærmelsesvist fordelingen \(N(182,7)\). Ud fra det vi ved om normalfordelinger, kan vi umiddelbart se, at gennemsnithøjden er \(182\), og at dette også er den mest almindelige højde. Vil vi
gerne forstå, hvor spredte højderne er, er følgende regel nyttig.
-
Regel 5.5.1 (68-95-99,7-reglen)
For en normalfordelt stokastisk variabel \(X\sim N(\mu ,\sigma )\) gælder følgende:
\(\seteqnumber{0}{5.}{0}\)
\begin{align*}
P(\mu -\sigma \leq X\leq \mu +\sigma ) & \approx 68\% \\ P(\mu -2\sigma \leq X\leq \mu +2\sigma ) & \approx 95\% \\ P(\mu -3\sigma \leq X\leq \mu +3\sigma ) & \approx 99{,}7\% \\
\end{align*}
Reglen ses illustreret her:
Ved hjælp af reglen kan vi f.eks. konkludere, at der er \(95\%\) sandsynlighed for, at en tilfældig mand har en højde i intervallet:
\(\seteqnumber{0}{5.}{0}\)
\begin{align*}
[\mu - 2\sigma ;\mu +2\sigma ] &= [182-2\cdot 7;182+2\cdot 7] \\ &= [168;196]
\end{align*}
-
Eksempel 5.5.2
Vi vil tegne en skitse af tæthedsfunktionen for den stokastiske variabel \(X\sim N(20,5)\). Vi ved, at vi skal tegne en klokke som er symmetrisk
omkring \(\mu =20\). Fra 68-95-99,7-reglen ved vi, at:
\(68\%\) af arealet skal ligge imellem \(15\) og \(25\)
\(95\%\) af arealet skal være ligge imellem \(10\) og \(30\)
\(99{,}7\%\) af arealet (det hele i praksis) skal være ligge imellem \(5\) og \(35\)
Derudover ved vi, at tæthedsfunktionen skal have vendetangenter i \(x=20-5=15\) og \(x=20+5=25\).
Det er klart, at der ikke er en entydig måde at tegne en klokkeformet graf som opfylder disse krav, men jo flere normalfordelinger man har set, jo nemmere bliver det at tegne. Tæthedsfunktionen ser således ud:
Øvelse 5.5.7
Lad \(X\sim N(100,10)\)
5.5.7
-
a)
-
b)
Øvelse 5.5.8
Betragt grafen for tæthedsfunktionen for en normalfordeling.
5.5.8
-
a) \(\mu =3\)
-
b) \(\sigma =2\)
Øvelse 5.5.9 ()
Betragt fordelingsfunktionen for en normalfordeling:
5.5.9
-
a) \(\mu =5\)
-
b) \(\sigma =2\)
Standardnormalfordelingen
Normalfordelingen med \(\mu =0\) og \(\sigma =1\) er særlig vigtig, og derfor har den sit eget navn, standardnormalfordeling. Det er egentlig ikke fordi, der er noget særligt magisk lige ved
den fordeling, men det er mere et spørgsmål om, at man i mange situationer kan klare sig med kun at kende en enkelt normalfordeling og derfor har man valgt den simpleste normalfordeling, man kan komme i tanke om, til at være
standardnormalfordelingen. Stokastiske variable, som følger standardnormalfordelingen, betegnes normalt med \(Z\).
Øvelse 5.5.10
Lad \(Z\sim N(0,1)\). Bestem uden brug af hjælpemidler:
-
a) \(P(Z\leq 0)\)
-
b) \(P(-1\leq Z\leq 1)\)
-
c) \(P(Z\geq 1)\)
5.5.10
-
a) \(P(Z\leq 0)=\frac {1}{2}\) (Normalfordelinger er symmetriske omkring middelværdien)
-
b) \(P(-1\leq Z\leq 1)=0{,}68\) (brug 68-95-99,7-reglen)
-
c) \(P(Z\geq 1)=0{,}16\) (kan regnes ud fra b))
På b-niveau mødte vi fraktiler for standardnormalfordelingen. Vi er nu endelig klar til at forklare, hvad det betyder. For en givet kontinuert stokastisk variabel \(X\) og sandsynlighed \(p\), er p-fraktilen det tal \(x_p\), som opfylder:
\[ P(X\leq x_p) = p \]
Vi genkender venstresiden som \(F(x_p)\), hvor \(F\) er fordelingsfunktionen. Så betingelsen kan også udtrykkes som:
\[ F(x_p)=p \]
For standardnormalfordelingen betegnes \(p\)-fraktilen med \(z_p\).
-
Eksempel 5.5.3
Vi vil illustrere \(0{,}95\)-fraktilen for standardnormalfordelingen. Vi skal altså finde det tal \(z_{0{,}95}\) som opfylder:
\[ P(Z\leq z_{0{,}95}) = 0{,}95 \]
Dvs., vi skal finde den \(x\)-værdi som gør følgende areal til \(0{,}95\):
Vil vi finde \(z_{0{,}95}\) skal vi altså løse ligningen:
\[ \int _{-\infty }^{x} f(u) \, du = 0{,}95\]
Vi kan også illustrere \(z_{0{,}95}\) på fordelingsfunktionen. Her er det meget simpelt. Det er bare den \(x\)-værdi som giver en funktionsværdi på \(0{,}95\):
Øvelse 5.5.11
Med udgangspunkt i ovenstående eksempel (eksempel 5.5.3).
-
a) Aflæs \(z_{0{,}95}\) på tæthedsfunktionen og fordelingsfunktionen.
-
b) Kom med et bud på \(z_{0{,}25}\) ud fra tæthedsfunktionen.
-
c) Kom med et bud på \(z_{0{,}25}\) ud fra fordelingsfunktionen.
5.5.11
-
a) En værdi mellem \(1{,}6\) og \(1{,}7\) er acceptabelt. Det præcise svar (afrundet) er \(z_{0{,}95}=1{,}645\).
-
b) En værdi mellem \(-0{,}9\) og \(-0{,}5\) er acceptabelt. Det præcise svar kan ses i spørgsmål c).
-
c) En værdi mellem \(-0{,}8\) og \(-0{,}6\) er acceptabelt. Det præcise svar er \(z_{0{,}25}=-0{,}67\).
Øvelse 5.5.12 ()
Det er nu tid til rent faktisk at regne \(z_{0{,}95}\), som vi vurderede i eksempel 5.5.3.
-
a) Opskriv forskriften for tæthedsfunktionen for standardnormalfordelingen.
-
b) Opstil den ligning, du skal løse for at bestemme \(0{,}95\)-fraktilen i standardnormalfordelingen.
-
c) Bestem fraktilen ved at løse ligningen i GeoGebra CAS.
5.5.12
-
a) \(f(x) = \frac {1}{\sqrt {2\pi }} e^{ -\frac {1}{2}x^2}\)
-
b) Hvis du har tastet forskriften i GeoGebra, skal du bare løse ligningen:
\[ \int _{-\infty }^{x} f(u) \, du = 0{,}95 \]
Har du ikke skrevet forskriften ind, skal du løse ligningen:
\[ \int _{-\infty }^{x} \frac {1}{\sqrt {2\pi }} e^{ -\frac {1}{2}u^2} \, du = 0{,}95 \]
Jeg anbefaler, at du taster forskriften ind først.
-
c) Ved løsning i GeoGebra fås \(z_{0{,}95}=1{,}645\). Kan du genkende den? Du har brugt den til at regne konfidensintervaller for binomialfordelingen
på matematik-b.
GeoGebra har et særligt normalfordelingsværktøj, som gør det nemmere at bestemme fraktilerne. Det vil vi vende tilbage til i et senere afsnit.
Vi mangler nu bare en detalje for at forstå fraktilerne, vi mødte i afsnittet om konfidensintervaller for binomialfordelingen. Her mødte vi nemlig fraktiler på formen:
\[ z_{1-\frac {\alpha }{2}} \]
Vi ser, at udtrykket indeholder et \(\alpha \), som ligesom ved \(\chi ^2\)-test kaldes signifikansniveauet. Det bestemmes ved:
\[ \alpha = 1 - \text {konfidensniveauet} \]
hvor konfidensniveauet er i decimaltal selvfølgelig.
-
Eksempel 5.5.4
Vi vil bestemme \(z_{1-\frac {\alpha }{2}}\) for et \(90\%\)-konfidensinterval. Vi regner først \(\alpha \):
\(\seteqnumber{0}{5.}{0}\)
\begin{align*}
\alpha & = 1 - \text {konfidensniveauet}\\ & = 1 - 0{,}90\\ & = 0{,}1
\end{align*}
Vi har nu
\[ 1-\frac {\alpha }{2} = 1-\frac {0{,}1}{2}=0{,}95 \]
Så \(z_{1-\frac {\alpha }{2}}=z_{0{,}95}\). Hvis du har regnet øvelse 5.5.12, ved du, at \(z_{0{,}95}=1{,}645\) ellers må du vente til GeoGebra-afsnittet,
hvor du vil lære en genvej til at bestemme fraktilerne.
Øvelse 5.5.13
Med udgangspunkt i et \(95\%\)-konfidensinterval.
-
a) Beregn \(1-\frac {\alpha }{2}\).
-
b) Skitser standardnormalfordelingen og placer \(1-\frac {\alpha }{2}\) på tegningen (der, hvor du vurderer, den skal lægge).
-
c) Beregn i \(z_{1-\frac {\alpha }{2}}\). Hvis du ikke kan beregne den, så aflæs den.
5.5.13
-
a) \(1-\frac {\alpha }{2}=0{,}975\)
-
b)
-
c) \(z_{0{,}975}=1{,}96\)