NOWE MOTODY MODELOWANIA SAMOPODOBNEGO RUCHU W SIECIACH W OPARCIU O PROCESY POISSONA Z MARKOWSKĄ MODULACJĄ 1

Wielkość: px
Rozpocząć pokaz od strony:

Download "NOWE MOTODY MODELOWANIA SAMOPODOBNEGO RUCHU W SIECIACH W OPARCIU O PROCESY POISSONA Z MARKOWSKĄ MODULACJĄ 1"

Transkrypt

1 STUDIA INFORMATICA 005 Voume 6 Number (63) Rober WÓJCICKI Poecha Śąsa, Isyu Iformay NOWE MOTODY MODELOWANIA SAMOPODOBNEGO RUCHU W SIECIACH W OPARCIU O PROCESY POISSONA Z MARKOWSKĄ MODULACJĄ Sreszczee. Aryuł omawa owe meody modeowaa ruchu samopodobego z wyorzysaem procesów Possoa z marowsą moduacją. Przedsawoe zosały meody badaa ocey samopodobeńswa oraz wy dopasowaa wygeerowaego ruchu samopodobego do rzeczywsych daych z zachowaem długoermowych zaeżośc. Słowa uczowe: srumeń Possoa z moduacją procesem Marowa, MMPP, proces Possoa, samopodobeńswo, modeowae, zaeżośc długoermowe. NEW METHOD OF MODELING SELF-SIMILAR DATA TRAFFIC USING MARKOV MODULATED POISSON PROCESS Summary. Ths paper descrbes a ew mehod of modeg sef-smar daa raffc compuer ewors usg Marov Moduaed Posso Process (MMPP). Ths mehod maches boh he auocovarace ad dsrbuo of he source process. Keywords: Marov moduaed Posso process, MMPP, Posso process, sefsmary, modeg, og-rage depedece.. Mode srumea zdarzeń z samopodobą charaerysyą Modeowae srumea zdarzeń saow jede z ajbardzej soych fragmeów aazy sysemu eeformayczego. Decyduje o jego doładośc oraz o echce reazacj daego sysemu. Srumeń a moża zapsać zarówo w posac wzrasającej czby Praca auowa fasowaa ze środów Komeu Badań Nauowych w aach jao proje badawczy r 3 TC 04 6

2 4 R. Wójcc odoowaych zdarzeń, ja w posac cągu odsępów czasowych pomędzy sąsedm zdarzeam. Najsarszym modeem srumea jes proces Possoa. W wyu badań rzeczywsego ruchu w sec zauważoo wysępowae wewęrzej oreacj w srumeach. Mode opary a procese Possoa e uwzgędał ej cechy geerowaego ruchu. Powsawały węc oeje modee, óre doładej odzwercedały rzeczywsy charaer przepływu w sec. Jeda wee z ch cechuje sę auooreacją, óra zaa bardzo szybo (w sposób wyładczy). Są o zw. procesy o róej pamęc. Tymczasem rozwój owych usług secowych sprawł, że mamy do czyea z ruchem, óry charaeryzuje sę zacze sejszą, daeosężą oreacją. Te fa spowodował porzebę weryfacj sejących ocepcj zaowocował powsaem mode srume o długej pamęc. Osae badaa wyazały, że modee wyorzysujące rozład Possoa e są w sae dołade oddać wybuchowośc ruchu TCP/IP [3, 6]. Dopero wyorzysae mode ruchu samopodobego umożwa reasycze oddae ruchu TCP/IP... Samopodobeńswo Samopodobeńswo o zjawso, óre zachowuje własośc saysycze modeu pommo zma sosowaej sa czasu. Najbardzej wdoczą cechą w charaerysyach ruchu secowego wsazująca a wysępowae samopodobeńswa jes wysępowae zagęszczeń oraz rozrzedzeń w odsępach pomędzy zdarzeam oraz bra rozmyca ej cechy pommo zasosowaa u różych sa czasu (p. seudy, muy, godzy) []. Formae powemy, że srumeń zdarzeń { } = =,,...,... jes samopodoby, jeże jego reazacje bez wzgędu a zasosowaą saę czasu =,,... { } = {,...} są do sebe podobe w sese rozładu prawdopodobeńswa { } = { } = d Da srumea zdarzeń z czasem dysreym wyróżamy dwe defcje samopodobeńswa [4] doładego asympoyczego.... Srumeń dołade samopodoby Srumeń zdarzeń jes dołade samopodoby, gdy ( S ) σ Var{ } = s β ˆ ρ ( ) ˆ ρ ( )

3 Nowe meody modeowaa samopodobego ruchu... 5 gdze: (s) jes s-roe sompresowaym a sa czasu srumeem obczamy go: = da = 0,,, 3,... s = s = s ( s ) Ozaczea: Var{} waracja zmeej osowej, σ waracja odsępów czasu pomędzy zdarzeam, ˆ ρ ( ) współczy oreacj (auooreacj) zmeych osowych, β mara szybośc zaaa waracj odsępów przesaowaego w czase srumea zdarzeń.... Srumeń asympoycze samopodoby Srumeń zdarzeń jes asympoycze samopodoby, gdy: β ( S ) σ Var{ } = s ˆ ρ ( ) ˆ ρ ( ) s Asympoycze samopodobeńswo uwdacza sę dopero przy dużym przesaowau srumea. Charaer samopodoby wyzacza rówość waracj srumea zdarzeń oraz rówoważość (ub zbeżość) współczya auooreacj zachodzącą bez wzgędu a zmaę sa czasu, a órej odmerzamy czas pojawaa sę zdarzeń worzących srumee... Mara samopodobeńswa Najczęścej sosowaą marą samopodobeńswa jes warość współczya Hursa H wprowadzoego przez hydrooga H. E. Hursa a podsawe obserwacj fuuacj pozomu Nu. Czym warość H jes bższa, ym zjawso wyraźej wyazuje charaer samopodoby. Zwąze pomędzy paramerem H przedsawoym w defcj β jes asępujący: H = β W ceu wyryca zjawsa samopodobeńswa moża oszacować warość parameru Hursa, mędzy ym poprzez zasosowae: wyresów saysy R/S w fucj sa czasu, wyresów waracj sompresowaego procesu w fucj sa czasu, meody warośc bezwzgędej,

4 6 R. Wójcc meody perodogramowej, esymaora Whe a..3. Esymacja współczya Hursa Do jedych z częścej sosowaych meod esymacj współczya Hursa aeżą: saysy R/S w fucj sa czasu, waracja przesaowaego procesu w fucj sa czasu, meoda warośc bezwzgędej. Powyższe wzuae meody, jaowe prose obczeowo, mają charaer jaoścowy służą do swerdzea samopodobeńswa badaego srumea zdarzeń. Uzysaa za ch pomocą warość współczya Hursa ma warość szacuową pozwaa a dagozę, czy baday srumeń zdarzeń ma charaer samopodoby (H>0.5), czy eż wysępują w m yo zaeżośc róoermowe współczy H jes bs 0.5. Do doładejszego obczea współczya Hursa wraz z obczeem przedzałów ufośc moża zasosować e meody. Do ach meod zacza sę p. meodę esymaora Whe a..3.. Meoda saysy R/S w fucj sa czasu Meoda wyorzysująca saysyę R/S aeży do ławych w mpemeacj, grafczych meod esymacj współczya Hursa jes ajsarszą meodą sosowaą do jego szacowaa. Saysyę R/S da cągu o sończoej długośc zarejesrowaych odsępów czasu pomędzy zdarzeam,,..., defujemy asępująco [4, 8]: Wprowadzamy śred odsęp czasu da zarejesrowaego cągu odsępów pomędzy zdarzeam: ˆ ( ) = = warację ego cągu: S ( ) = [ ˆ( )] = chwę pojawea sę -ego zdarzea T = =, da =,,..., Wymagae jes eż wprowadzee odchył rzeczywsej chw T pojawea sę -ego zdarzea od chw uśredoej ˆ ( ), gdze =,,...,. U = T ˆ ( ), da =,,...,

5 Nowe meody modeowaa samopodobego ruchu... 7 Saysya R/S jes zdefowaa w asępujący sposób: R( ) max(0, U, U,..., U ) m(0, U, U,..., U ) = S( ) S ( ) Da dużych warośc, da weu zjaws wyazujących samopodobeńswo spełoy jes asępujący warue: R( ) H ~ S( ) gdze H jes współczyem Hursa. W prayczych wyresach saysy R/S w fucj sa czasu sporządza sę w podwóje ogarymczym uładze współrzędych wówczas orzymujemy zaeżość: R( ) og ~ H og( ) + cos S( ) a wec ę prosą o współczyu eruowym H..3.. Meoda waracj przesaowaego procesu w fucj sa czasu Meodę waracj przesaowaego procesu w fucj sa czasu możemy zdefować asępująco [4]: Po dwuroym ogarymowau zaeżośc σ Var{ } = s z uwzgędeem H = β orzymujemy β og[ Var{ }] ~ og( σ ) + (H ) og gdze wyres powyższej zaeżośc w podwóje ogarymczym uładze współrzędych jes ą prosą o współczyu eruowym H. Jeże zarejesroway cąg zdarzeń jes samopodoby, o po wprowadzeu do powyższego wzoru waracj czoych z próby uzysamy cąg zoowaych puów (da różych sa czasu s) uładających sę w prosej Meoda zagregowaej waracj (m) Tworzymy zagregoway szereg X, dzeąc szereg badaych obserwacj o długośc N a bo o długośc m uśredając ażdy bo [8]. X m ( m) ) = X m = ( ) m+ (, da =,,..., N/m

6 8 R. Wójcc ( ) da ażdego m z zaresu od do N/ obczaa jes waracja prób X m ( ), [ N / m] ( m) ( m) VarX = ( X X ) ([ N / m] ) = Na wyrese zazaczae są puy og(s m) oraz og(m), óre, da wysarczająco dużej warośc m, uładają sę w ę prosą o ujemym współczyu eruowym rówym H Meoda warośc bezwzgędej (m) Tworzymy zagregoway szereg X, dzeąc szereg badaych obserwacj o długośc N a bo o długośc m uśredając ażdy bo [8]. X m ( m) ) = X m = ( ) m+ ( da =,,..., N/m Rozważając -y mome szeregu (m) X da dużych warośc m asymp- N / m ( m) AM ( m) = X ( ) X N / m = gdze X jes średą szeregów. Zagregoway szereg ( ) oycze dąży do Cm H (m) AM jes asympoycze proporcjoae do ( H ) m. Nao- (m) sząc wyczoe warośc AM a wyres w podwójej sa ogarymczej aprosymując uzysae puy meodą ajmejszych wadraów, orzymujemy prosą o achyeu do os X rówym H..4. Modee samopodobych srume zdarzeń Iseje wee sposobów modeowaa ruchu samopodobego. Do ajważejszych z ch aeżą reazacje wyorzysujące srumee Possoa z moduacją procesem Marowa (MMPP) [7], modee wyorzysujące superpozycję weu źródeł ON-OFF wyorzysujących rozład Pareo [3], a aże ułamowy ruch Browa, ułamowy mode auoregresyjy (FARIMA)..4.. Mode samopodobych srume zdarzeń wyorzysujący MMPP Wyorzysae srume Possoa z moduacją procesem Marowa pozwaa a uworzee easyczych geeraorów, óre moża ławo dososować do zadaych wymagań Procesy Marowa Jedym z ajprosszych mode srume zdarzeń uwzgędających oreację wewęrzą jes proces Marowa [4]. Przyszły sa procesu Marowa X(T + )=j zaeży od beżącego sau X(T )=, aomas e zaeży od saów wcześejszych. Właścwość Marowa oreśa

7 Nowe meody modeowaa samopodobego ruchu... 9 prawdopodobeńswo przejśca do asępego sau da wszysch chw czasu T < T <... < T < T + : Pr{ X ( T + ) = j X ( T ) =, X ( T ) =,..., X ( T ) = } = Pr{ X ( T+ ) = j X ( T ) = } Da jedorodego procesu Marowa przejśce w czase τ ezaeże od chw począowej ze sau do sau j oreśa prawdopodobeńswo waruowe: Pr{ X ( T ) = j X ( T ) = } = Pr{ X ( + τ ) = j X ( ) = } = p ( τ ) + Prawdopodobeńswa e worzą macerz wadraową o rozmarach M M: P ( τ ) = [ ( τ )] p j Prawdopodobeńswo bezwaruowe pobyu procesu Marowa w jedym ze saów π () = [ π ( ), π ( ),..., π dae jes wzorem: ( )] M M π j ( + Δ) = π ( ) pj ( Δ), da j =,,..., M = Prawdopodobeńswa e spełają rówae: dπ ( ) = π ( )Λ d Macerz Λ azywaa jes macerzą esywośc przejść pomędzy saam. Na główej przeąej macerzy esywośc zajdują sę współczy pozwaające oreść esywość wyjśca λ z -ego sau. Pozosałe współczy λ j są współczyam esywośc przejśca od sau do sau j. λ = λ = m Δτ 0 p ( Δτ ), da =,,..., M Δτ pj ( Δτ ) λj = m, da j;, j =,,..., M Δτ 0 Δτ Przysosowując jedorody proces Marowa do opsu srumea zdarzeń da jedorodego procesu Marowa zadaego macerzą esywośc przejść j Λ = λ, M [ j ], j= gdze da j =,,..., M λ j = λ jj, proces Marowa jes cągem soowych zma saów X(T ) =, X(T )=,...,X(T )=, X(T + )=j,..., a czas pobyu procesu Marowa [8, ] w sae X(T )= jes zmeą osową o rozładze wyładczym. λτ a ( τ ) = λe W chw T + zaończea pobyu w sae T = proces Marowa soowo przechodz do sau X(T + ) = j z prawdopodobeńswem rówym:

8 30 R. Wójcc q 0, = j = λ j j λ j, Jedorody proces Marowa może zosać zdeompooway a: łańcuch Marowa z macerzą przejść gdze q 0, = λ j λ j, = j j cąg zmeych osowych czas pobyu w sae. λτ a ( τ ) = λe M Q = [ qj ], j= odpowedzay za zmay saów, o rozładze wyładczym defujących Jedorody proces Marowa może geerować srumeń zdarzeń, gdy przyjmemy, że zdarzee pojawa sę w momece przejśca procesu Marowa do oejego sau. Ta proces może geerować srumeń zdarzeń z osowym odsępam czasu pomędzy zdarzeam o rozładze wyładczym, za óry odpowedzae są paramery łańcucha Marowa.... λ e λτ λ je λ jτ... q j.4... Geeraor MMPP Rys.. Proces Marowa jao srumeń zdarzeń Fg.. Marov process Srumeń Possoa z moduacją procesem Marowa (Marov Moduaed Posso Process, MMPP) jes zbudoway w asępujący sposób: beżący sa procesu Marowa moduuje rozład prawdopodobeńswa odsępów czasu pomędzy sąsedm zdarzeam. Iym słowy, załada sę, że zdarzea worzą srumeń Possoa, órego esywość zaeży od auaego sau procesu Marowa. Jeże moduujący proces Marowa [4] jes w sae X(T )=, gdze =,,..., M, o zdarzea pojawają sę zgode z rozładem wyładczym γ τ α ( τ ) = γ e, da =,,..., M. Ta rozład prawdopodobeńswa obowązuje przez cały czas pobyu procesu w sae X ( T ) =, da =,,..., M.

9 Nowe meody modeowaa samopodobego ruchu... 3 j λ e λτ λ e j λ jτ γ e γ τ γ j γ jτ e Rys.. Budowa srumea Possoa z moduacją procesem Marowa (MMPP) Fg.. Marov moduaed Posso Process (MMPP) Załadamy, że moduujący proces Marowa w srumeu MMPP jes oreśoy przez macerz esywośc przejść pomędzy poszczegóym saam Λ = λ M [ j ], j= aomas weor prawdopodobeńsw saów π = [ π, π,..., π M ] jes rozładem prawdopodobeńswa saów procesu Marowa da sau sacjoarego. Jeże proces Marowa jes w -ym sae, o zdarzea pojawają sę w odsępach czasu γ τ oreśoych rozładem wyładczym α ( τ ) = γ e. Da dwusaowego procesu MMPP, zwaego przełączaym srumeem Possoa SPP, macerz esywośc przejść przyjmuje asępującą posać λ λ Λ = λ λ Proces ON-OFF jes dysreym procesem dwusaowym, óry może być zbudoway za pomocą dwusaowego łańcucha Marowa, da órego macerz przejść wygąda asępująco pon pon Q = poff poff gdze p ON oreśa prawdopodobeńswo pozosaa w sae ON, aomas p OFF oreśa prawdopodobeńswo pozosaa w sae OFF. W sae ON, aywośc, geeroway jes srumeń zdarzeń z esywoścą λ, aomas w sae OFF geerowae zdarzeń jes wsrzymae.

10 3 R. Wójcc -P OFF P ON ON OFF P OFF -P ON Rys. 3. Budowa źródła ON-OFF Fg. 3. ON-OFF source Mupesacja srume ON-OFF pozwaa a sworzee asympoycze samopodobego srumea zdarzeń. ON-OFF jes szczegóym przypadem srumea Possoa z moduacją procesem Marowa (MMPP). MMPP załada, że zdarzea worzą srumeń Possoa, órego esywość zaeży od auaego sau procesu Marowa. Naomas ON-OFF jes dwusaowym procesem MMPP, w órym yo w jedym sae geerowae są zdarzea. Badaa prowadzoe w ych ośrodach wyazały, że złożee u źródeł ON-OFF o odpowedo dobraych paramerach pozwaa a geerację samopodobego ruchu w sec..5. Mode MMPP zachowujący długoermowe zaeżośc ruchu w sec Od czasu odryca samopodobeńswa oraz długoermowych zaeżośc w rasmsj daych w secach ompuerowych powsało wee prac a e ema [3, 6]. Najczęścej aazowae były dae pochodzące z ośroda badawczego w Becore, órych badae róweż powerdzło ae zaeżośc. W race badań zauważoo aże duży wpływ samopodobego charaeru przepływu daych w secach a wydajość rasmsj secowych. Do badań używao e yo rzeczywsych daych, ecz a coraz szerszą saę wyorzysywao symuaory ruchu secowego. Szybo oazało sę, że poprawość wyów badań symuacyjych se zaeży od jaośc źródła daych. Pojawło sę węc szereg prac doyczących worzea źródeł daych ja ajepej oddających rzeczywsy ruch w secach ompuerowych. Jedą z osewecj dooaych odryć sała sę porzeba worzea mode wyorzysujących cechy samopodobeńswa ruchu podczas badań symuacyjych ad rasmsją daych w secach. Na począu uzawao, że podczas badań zachowaa sysemów oejowych charaer geerowaego ruchu powe zachowywać oreację z rzeczywsym źródłem do oreśoego pozomu wyzaczoego za pomocą średch oraz auooreacj, óre są bezpośredo zwązae z masymaym rozmarem buforów oej. Prace w różych ośrodach [4] wyazały, że do doładego badaa zachowaa wydajośc sysemów oejowych e wysarcza saysyczy ops źródeł wyorzysujący warośc

11 Nowe meody modeowaa samopodobego ruchu średe oraz auooreacj. Wyazao, że średe długośc oeje mogą zacząco sę różć da mode wyorzysujących źródła daych o różych paramerach, ecz ach samych waroścach średej oraz auooreacj opsujących saysycze day mode..6. Procedura MMPP geerująca dae z długoermowym zaeżoścam W 003 rou Pauo Savador oraz Ru Vadas [9] zapropoowa procedurę przezaczoą do geerowaa daych z zachowaem długoermowych zaeżośc (Log Rage Depedeces LRD). Procedura a wyorzysuje procesy MMPP dobrze oddaje charaer ruchu w sec wraz z zaeżoścam LRD. Geerowae dae zachowują dużą zgodość z rzeczywsym ruchem w sec w zarese auoowaracj oraz szału rozładu. Ze wzgędu a rudośc zwązae z doborem paramerów pozwaających a jedoczese uzysae zgodośc geerowaych daych w zarese auoowaracj rozładu, zapropooway geeraor jes złożeem dwóch procesów MMPP. Jede z ch (proces L -MMPP), posadający L saów, przezaczoy jes do reguacj warośc auoowaracj. Naomas drug (proces M-MMPP), posadający M saów, do serowaa rozładem geerowaych daych. Proces e dodaowo charaeryzuje sę zerową auoowaracją w ceu umożwea serowaa ą waroścą za pomocą usaweń procesu L -MMPP. Proces wyowy zosał ozaczoy jao M L -MMPP jes złożeem procesów L -MMPP oraz M-MMPP. W [9] wyazao dużą zgodość wygeerowaych daych z rzeczywsym, pochodzącym z Becore. Przeprowadzoo aże badaa weryfujące zachowae geerowaego ruchu w porówau z rzeczywsym. Oazało sę, że e yo wyresy auoowaracj, czy eż rozładu wyazują dużą zgodość. Podczas badań symuacyjych modeu oejowego zasaego daym rzeczywsym oraz z geeraora ośc racoych paeów były bardzo zbżoe da wszysch badaych rozmarów buforów (od do 5000 paeów) oraz różych współczyów wyorzysaa łącza. Powyższe badaa wyazały wysoą przydaość zapropoowaego modeu do geerowaa ruchu w secach..6.. Dopasowae auoowaracj deyfacja sa czasu Bardzo ważym zadaem podczas worzea modeu źródła daych jes dopasowae auoowaracj modeu MMPP do daych rzeczywsych. Tae dopasowae wyoywae jes w u eapach poprzez zagregowae fucj wyładczych o podobym achyeu w ych samych saach czasu. Agorym Pauo Savadora oraz Ru Vadasa wygąda asępująco. Ozaczmy Y (), Y (),...,Y (L) jao -dmmpp, Y (L+) jao M-dMMPP oraz Y jao M L -MMPP. Procedurę dopasowującą paramery geeraora MMPP do rzeczywsych daych możemy podzeć a czery główe częśc:

12 34 R. Wójcc aprosymację auoowaracj daych rzeczywsych poprzez sumę ważoych fucj wyładczych wraz z deyfacją sa czasu, dopasowae szału rozładu M-dMMPP oraz -dmmpp, dopasowae macerzy przejść oraz rozładów Possoa da M-dMMPP, obczee paramerów modeu M L -MMPP. Auoowaracja emprycza Y Aprosymacja fucjam wyładczym a, b Ideyfacja sa czasu α, β Dopasowae szału rozładu M-dMMPP Aprosymacja przez sumę ważoych rozładów Possoa Obczee paramerów M L -dmmpp f L+ () A (L+), P (L+) Rozład empryczy f e () β, π (), d Zbudowae macerzy L-dMMPP A ( ), P ( ) A, P Rys. 4. Dagram przepływu serowaa procedury dopasowującej Fg. 4. Fow dagram of he ferece procedure W perwszym rou aprosymujemy empryczą auoowarację poprzez sumę K fucj wyładczych z dodam rzeczywsym wagam oraz ujemym sałym czasowym. Wyberamy K jao max, gdze max reprezeuje czbę puów auoowaracj rzeczywsych daych. Reazowae jes o za pomocą zmodyfowaego agorymu Proy [5], óry zwraca dwa weory: r r a = [ a,..., a K ] b = [ b,..., b K ], są oe wyorzysywae do aprosymacj fucj C K K r r ( a, b) = ae = b, da =,, 3,... W ym mejscu deyfowae są aże sładowe auoowaracj charaeryzujące róże sae czasu. Defujemy L różych sa czasu, w órych warość auoowaracj

13 Nowe meody modeowaa samopodobego ruchu maeje, a aże b, gdze =,..., K, óre podobe opada w ej samej ogarymczej sa. Załadając, że b b + j K j j, aomas zaps... reprezeuje zaorągee w górę do czby całowej, warość L jes obczaa za pomocą asępującego eracyjego agorymu: Zaczyając od = oraz = obczamy + jao og0 ( bj) og0 ( b ) }} + = m{ K +,f{ j : < j K > j Jeże + >K, o L przyjmuje warość, w przecwym wypadu jes remeowae, a asępe ro sę powarza. Zauważmy, że w szczegóośc og0 ( b ) og0 ( b ) =... og0 ( b ) ecz jeże +, o K = = + + ( ) og0 ( b ) og0 b <. + da j =,,..., L moża zauważyć, że opadae b do b + charaeryzuje e same sae czasu. Możemy węc zagregować sład = + w jede ompoe z wyorzysaem asępujących paramerów: oraz a + = a = + a = b β = α Paramery e mogą zosać użye do wypełea fucj auoowaracj procesu -dmmpp Y (). Wyorzysując zaeżość γ ( ) = Cov( Y, Y ) = π π λ λ ( ) 0 ( ) ( ) ( ) ( ) ( ) oraz wcześejsze przeszałcea oazuje sę, że α = d π π oraz β = c gdze d = λ ( ) ( ) ( ) λ ( ) dzę emu fucję auoowaracj Y + Y Y L moża przedsawć jao L = a e β, da =,,... e c

14 36 R. Wójcc. Badaa symuacyje Po zampemeowau źródła daych opsaego przez Pauo Savadora oraz Ru Vadasa [9], do porówaa zgodośc geerowaych daych z daym rzeczywsym zosały użye szeroo zae og pochodzące z Becore. Wyorzysae zosały og o rozmarze moa próbe poc.tl oraz paug.tl. Da porówaa, za pomocą geeraora MMPP wygeerowao dae aże o rozmarze moa próbe. Zarówo da daych pochodzących z geeraora MMPP, ja z Becore zosały sporządzoe wyresy rozładu oraz auoowaracj. Do pomaru dopasowaa powyższych rozładów zasosowao współczy Thea (ag. Iequay Coeffce) zdefoway asępująco: IC = = = y ( y + y ) = y Współczy Thea pozwaa a zweryfowae sopa dopasowaa szeregów czasowych. Jego warość może sę wahać w przedzae od 0 do, gdze zero ozacza deae dopasowae szeregów. Wy esperymeów przedsawoo a wyresach pożej. Rys. 5. Rozład daych z geeraora MMPP oraz z Becore Fg. 5. Dsrbuo of MMPP ad Becore daa

15 Nowe meody modeowaa samopodobego ruchu Rys. 6. Auoowaracja daych pochodzących z geeraora MMPP oraz Becore Fg. 6. Auocovarace of MMPP ad Becore daa Powyższe wyresy wyazują dużą zgodość rozładów daych pochodzących zarówo z geeraora MMPP, ja z ogów zarejesrowaych w Becore. Powerdzeem ej zgodośc jes obczoa warość współczya Thea. Tabea Współczy Thea da daych pochodzących z geeraora MMPP oraz Becore Dae z Becore Współczy Thea da rozładu auoowaracj poc 0,0640 0,0747 W ceu wyazaa właścwośc samopodobeńswa wysępującego w daych pochodzących z geeraora MMPP zosał oszacoway współczy Hursa. Do jego szacowaa wybrao meodę zagregowaej waracj. Na podsawe orzymaego wyresu, meodą ajmejszych wadraów, dopasowao prosą o współczyu eruowym rówym 0,5. Na jej podsawe obczoo współczy Hursa, órego warość wyos 0,8768, co wyazuje samopodoby charaer geerowaych daych.

16 38 R. Wójcc Rys. 7. Warość współczya Hursa da daych pochodzących z geeraora MMPP Fg. 7. Hurs coeffce of MMPP daa LITERATURA. Czachórs T., Domańsa J., Socha A.: Samopodoby charaer aężea ruchu w secach ompuerowych. Suda Iformaca Vo., No. (43), Gwce 00.. Czachórs T.: Modee oejowe w ocee efeywośc sec sysemów ompuerowych. Pracowa Kompuerowa Jaca Samersego, Gwce Wger W., Lead W. E., Taq M. S., Wso D.: O he sef-smar aure of Ehere raffc (exeded verso). IEEE/ACM Trasacos o Neworg, February Papr Z.: Ruch eeomuacyjy przecążea sec paeowych. WKŁ, Warszawa Grzech A.: Serowae ruchem w secach eeformayczych. Ofcya Wydawcza Poech Wrocławsej, Wrocław Paxso V., Foyd S.: Wde area raffc: he faure of Posso modeg. IEEE/ACM Trasacos o Neworg, Fsher W., Meer-Heser K: The Marov-moduaed Posso process (MMPP) cooboo. Performace Evauao 8, Taqqu M. S.: Sasca mehods for og-rage depedece. Deparme of Mahemacs, Boso Uversy, hp://mah.bu.edu/peope/murad/mehods/dex.hm.

17 Nowe meody modeowaa samopodobego ruchu Savador P., Vadas R., Pacheco A.: Muscae Fg Procedure Usg Marov Moduaed Posso Process. Teecommucao Sysems 3:,, Czachórs T.: Aaycze modee oejowe w ocee efeywośc pracy sysemów sec ompuerowych. 3 Kogres Iformay Posej, Pozań, Car E.: Iroduco o Sochasc Processes. Prece-Ha, Egewood Cffs, New Jersey, USA, Larso H. J., Shuber B. O.: Probabsc Modes Egeerg Sceces Vo. I. New Yor Larso H. J., Shuber B. O.: Probabsc Modes Egeerg Sceces Vo. II. New Yor Haje B., He L.: O varaos o queue respose for pus wh he same mea, ad auocorreao fuco. IEEE/ACM Trasacos o Neworg 6(5), Osbore M., Smyh G: A modfed Proy agorhm for fg sums of expoea fucos. SIAM Joura of Scefc Compug 6, 995. Receze: Dr ż. Por Peca Wpłyęło do Redacj 5 sycza 005 r. Absrac Ths paper descrbes a ew mehod of modeg sef-smar daa raffc compuer ewors usg Marov-Moduaed Posso Process (MMPP). The ew mehod, o he bass of parameer fg procedure, maches boh he auocovarace ad dsrbuo of he source process. Ths paper aso descrbes sef smary ad a few popuar mehod of esmag he Hurs coeffce. Traffc maageme s a ey probem desgg hgh speed ewors. The goa of raffc maageme s o coro ewor cogeso, effcey uze ewor resources ad dever quay of servces o users. Traffc modes are a ey eeme ewor raffc egeerg, sce hey eabe research ad deveopme of compuer ewors. Adres Rober WÓJCICKI: Poecha Śąsa, Isyu Iformay, u. Aademca 6, 44-0 Gwce, Posa, rober.wojcc@pos.p.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

Wybór projektu inwestycyjnego ze zbioru wielu propozycji wymaga analizy następujących czynników:

Wybór projektu inwestycyjnego ze zbioru wielu propozycji wymaga analizy następujących czynników: Wybór projeu wesycyjego ze zboru welu propozycj wymaga aalzy asępujących czyów:. Korzyśc z przyjęca do realzacj daego projeu. 2. Ryzya z m zwązaego. 3. Czasu, óry powoduje zmaę warośc peądza. Czy czasu

Bardziej szczegółowo

Reprezentacja krzywych...

Reprezentacja krzywych... Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc

Bardziej szczegółowo

(liniowy model popytu), a > 0; b < 0

(liniowy model popytu), a > 0; b < 0 MODELE EKONOMERYCZNE Model eoomercz o ops sochasczej zależośc adaego zjawsa eoomczego od czów szałującch go, wrażo w posac rówośc lu uładu rówośc. Jeśl p. rozparujem zjawso popu a oreślo owar lu grupę

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej Rachek prawdopodobeńswa saysyka maemaycza Esymacja przedzałowa paramerów srkralych zborowośc geeralej Częso zachodz syacja, że koecze jes zbadae ogół poplacj pod pewym kąem p. średa oce z pewego przedmo.

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

Wybór najlepszych prognostycznych modeli zmienności finansowych szeregów czasowych za pomocą testów statystycznych

Wybór najlepszych prognostycznych modeli zmienności finansowych szeregów czasowych za pomocą testów statystycznych UNIWERSYTET EKONOMICZNY W POZNANIU WYDZIAŁ INFORMATYKI I GOSPODARKI ELEKTRONICZNEJ Wybór ajlepszych progosyczych model zmeośc fasowych szeregów czasowych za pomocą esów saysyczych Elza Buszkowska Promoor:

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach dr ż. Jolata Wojar Zakład Metod Iloścowych, Wydzał Ekoom Uwersytet Rzeszowsk Przestrzeo-czasowe zróżcowae stopa wykorzystaa techolog formacyjo- -telekomukacyjych w przedsęborstwach WPROWADZENIE W czasach,

Bardziej szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

TRANZYSTORY POLOWE JFET I MOSFET POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM Arur MACIĄG Sreszczee: W pracy przedsawoo echk aalzy szeregów czasowych w zasosowau do plaowaa progozowaa produkcj w przewórswe spożywczym.

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

Funkcja generująca rozkład (p-two)

Funkcja generująca rozkład (p-two) Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są

Bardziej szczegółowo

Teoria sterowania 1 Temat ćwiczenia nr 7a: Synteza parametryczna układów regulacji.

Teoria sterowania 1 Temat ćwiczenia nr 7a: Synteza parametryczna układów regulacji. eoria serowania ema ćwiczenia nr 7a: Syneza parameryczna uładów regulacji. Celem ćwiczenia jes orecja zadanego uładu regulacji wyorzysując nasępujące meody: ryerium ampliudy rezonansowej, meodę ZiegleraNicholsa

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

Dane modelu - parametry

Dane modelu - parametry Dae modelu - paramer ˆ Ozaczea zmech a0 ax ax - osz w s. zł Budowa modelu: x - welość producj w seach o x - welość zarudea w osobach Meoda MNK Dae: x x 34 9 0 60 34 9 0 60 35 3 7 35 3 7 X T 0 9 3 4 5 3

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej

Bardziej szczegółowo

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Aca Woy WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Wstęp Załad ubezpeczeń est zobgoway do tworzea fuduszu ubezpeczeowego sładaącego sę z rezerw techczo-ubezpeczeowych

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń Zasosowae meody ajmejszych kwadraów do pomaru częsolwośc średej sygałów o małej sromośc zboczy w obecośc zakłóceń Elgusz PAWŁOWSKI, Darusz ŚWISULSKI Podsawowe meody pomaru częsolwośc Zlczae okresów w zadaym

Bardziej szczegółowo

R n. i stopa procentowa okresu bazowego, P wartość początkowa renty, F wartość końcowa renty. R(1 )

R n. i stopa procentowa okresu bazowego, P wartość początkowa renty, F wartość końcowa renty. R(1 ) Maeayka fasowa ubezpeczeowa Ćwczea 4 IE, I rok SS Tea: achuek re oęce rey Warość począkowa końcowa rey ey o sałych raach ea o zeych raach ea uogóoa osawowe poęca rachuku re ea es o cąg płaośc okoywaych

Bardziej szczegółowo

INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY. Zakład Teletransmisji i Technik Optycznych (Z-14)

INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY. Zakład Teletransmisji i Technik Optycznych (Z-14) INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY Załad Teletrasmsj Tech Optyczych (Z-4) Aalza badaa efetów zachodzących w śwatłowodowym medum trasmsyjym degradujących jaość trasmsj w systemach DWDM o dużej

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

Bardziej szczegółowo

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej.

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej. L.Kowals Fucje zmeych losowych FUNKCJE ZMIENNYCH LOSOWYCH Uwag o rozładze fucj zmeej losowej jedowymarowej. Jeśl - soowa, o fucj prawdopodobeńswa P( x ) p, g - dowola o fucja prawdopodobeńswa zmeej losowej

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

Bardziej szczegółowo

Równania różniczkowe zwyczajne

Równania różniczkowe zwyczajne cał Padaows Isu Tecolog Iormacjc w Iżer Lądowej Wdał Iżer Lądowej Poleca Kraowsa Rówaa różcowe wcaje W ajprossm prpadu posuujem ucj jedej meej recwsej x w posac: ( x órej pocoda ( x ma spełać rówae dae

Bardziej szczegółowo

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Katedra Ietycj Faoych Zarządzaa yzykem Aalza Zarządzae Portfelem cz. Dr Katarzya Kuzak Co to jet portfel? Portfel grupa aktyó (trumetó faoych, aktyó rzeczoych), które zotały yelekcjooae, którym ależy zarządzać

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =? Mary położea rozkładu Wykład 9 Statystyk opsowe Średa z próby, mea(y) : symbol y ozacza lczbę; arytmetyczą średą z obserwacj Symbol Y ozacza pojęce średej z próby Średa jest środkem cężkośc zboru daych

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

ANALIZA ASYMPTOTYCZNA WYKŁADNICZEJ SIECI ZAWODNYCH SYSTEMÓW KOLEJKOWYCH

ANALIZA ASYMPTOTYCZNA WYKŁADNICZEJ SIECI ZAWODNYCH SYSTEMÓW KOLEJKOWYCH STUDIA INFORMATICA 1 Volume 33 Number 3A (17) Mchał MATAŁYCKI Polechka Częsochowska, Isyu Maemayk Swaosław STATKIEWICZ Grodzeńsk Uwersye Pańswowy ANALIZA ASYMPTOTYCZNA WYKŁADNICZEJ SIECI ZAWODNYCH SYSTEMÓW

Bardziej szczegółowo

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 6 Matematyka fasowa c.d. Rachuek retowy (autetowy) Maem rachuku retowego określa sę regulare płatośc w stałych odstępach czasu przy założeu stałej stopy procetowej. Przykłady

Bardziej szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka dyskretna. 10. Funkcja Möbiusa Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Równania różniczkowe Numeryczne rozwiązywanie równań różniczkowych zwyczajnych

Modelowanie i obliczenia techniczne. Równania różniczkowe Numeryczne rozwiązywanie równań różniczkowych zwyczajnych Moelowanie i obliczenia echniczne Równania różniczowe Numeryczne rozwiązywanie równań różniczowych zwyczajnych Przyła ułau ynamicznego E Uła ynamiczny R 0 Zachozi porzeba wyznaczenia: C u C () i() ur ir

Bardziej szczegółowo

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.

Bardziej szczegółowo

Modelowanie hydrodynamiki zawiesiny w reaktorze zbiornikowym z mieszadłem dwułopatkowym

Modelowanie hydrodynamiki zawiesiny w reaktorze zbiornikowym z mieszadłem dwułopatkowym Mgr nż. Arr Wodołażs Główny Insy Górncwa Załad Oszczędnośc Energ Ochrony Powerza Pac Gwarów 1, 40-166 Kaowce e-ma:awodoazs@gg.aowce.p Modeowane hydrodynam zawesny w reaorze zbornowym z meszadłem dwłopaowym

Bardziej szczegółowo

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998)

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998) 3. Dwa modele pooku ruchu (eorokolejkowe) 3. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,998) 3.. Model Hagha Isneje wele prac z la powojennych, w kórych wysępują próby modelowana kolejek ruchowych

Bardziej szczegółowo

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA Załączk r do Regulamu I kokursu GIS PROGRAM PRIORYTETOWY: SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA. Cel opracowaa Celem opracowaa jest spója metodyka oblczaa efektu ograczaa emsj gazów ceplaraych,

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

METODY ANALIZY DANYCH DOŚWIADCZALNYCH POLITECHNIKA Ł ÓDZKA TOMASZ W. WOJTATOWICZ METODY ANALIZY DANYCH DOŚWIADCZALNYCH Wybrae zagadea ŁÓDŹ 998 Przedsłowe Specyfką teor pomarów jest jej wtóry charakter w stosuku do metod badawczych stosowaych

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

Badania Maszyn CNC. Nr 2

Badania Maszyn CNC. Nr 2 Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,

Bardziej szczegółowo

STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI

STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, tr. 3 STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI Dorota Kozoł-Kaczorek Katedra Ekoomk Rolcta Mędzyarodoych Stoukó Gopodarczych Szkoła

Bardziej szczegółowo

Politechnika Opolska. Skrypt Nr 237 ISSN 1427-9932 (wersja elektroniczna) Ewald Macha. Niezawodność maszyn

Politechnika Opolska. Skrypt Nr 237 ISSN 1427-9932 (wersja elektroniczna) Ewald Macha. Niezawodność maszyn Polechka Opolska Skrp Nr 37 ISSN 47-993 (wersja elekrocza) Ewald Macha Nezawodość masz Opole 3 Sps reśc Przedmowa 5 Wkaz ważejszch ozaczeń 6. Podsawowe pojęca eor ezawodośc 7.. Pojęca ezawodośc...7.. Defcja

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

Matematyka II. x 3 jest funkcja

Matematyka II. x 3 jest funkcja Maemayka II WYKLD. Całka eozaczoa. Rachuek całkowy. Twerdzea o całkach eozaczoych. Całkowae wybraych klas fukcj. Całkowae fukcj wymerych. Całkowae fukcj rygoomeryczych.. Defcja fukcj perwoej. Fukcję F

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161 Kaarzya Zeug-Żebro WPŁYW REDUKCJI POZIOMU SZUMU LOSOWEGO MEODĄ NAJBLIŻSZYCH SĄSIADÓW NA WAROŚĆ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA Wprowazee W aalze szeregów czasowych zakłaa sę, że w aych moża wyorębć skłak

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych EAIB-Iormaa-Wład 9- dr Adam Ćmel cmel@.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec zosawam

Bardziej szczegółowo

PROGNOZOWANIE STOPY ZYSKU PORTFELA AKCJI. 1. Wstęp

PROGNOZOWANIE STOPY ZYSKU PORTFELA AKCJI. 1. Wstęp B A D A N I A O P A C Y J N I D C Y Z J Nr 004 Ja MIKUŚ POGNOZOWANI SOPY ZYSKU POFLA AKCJI Oreśoo sopę zysu porfea acj zarówo w orese rerospeywym ja progozowaym. Wyorzysując aprosymację erpoacyją wyzaczoo

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

Analiza spektralna stóp zwrotu z inwestycji w akcje Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa

Bardziej szczegółowo

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub

Bardziej szczegółowo

Równania dynamiki maszyn prądu stałego w jednostkach względnych Jako podstawę analizy przyjmijmy równania obwodu twornika:

Równania dynamiki maszyn prądu stałego w jednostkach względnych Jako podstawę analizy przyjmijmy równania obwodu twornika: óaa ya aszy pą sałego jeosach zgęych Jao posaę aazy pzyjjy óaa obo oa: obo zbzea: ( ) e ( ) aość sły eeoooyczej yającej z oboó a: e oe yozoy aszye: M e Bazo ygoy jes zaps óań jeosach zgęych. Jao eośc oesea

Bardziej szczegółowo

6. *21!" 4 % rezerwy matematycznej. oraz (ii) $ :;!" "+!"!4 oraz "" % & "!4! " )$!"!4 1 1!4 )$$$ " ' ""

6. *21! 4 % rezerwy matematycznej. oraz (ii) $ :;! +!!4 oraz  % & !4!  )$!!4 1 1!4 )$$$  ' Memy fow 09..000 r. 6. *!" ( orz ( 4 % rezerwy memycze $ :;!" "+!"!4 orz "" % & "!4! " $!"!4!4 $$$ " ' "" V w dowole chwl d e wzorem V 0 0. &! "! "" 4 < ; ;!" 4 $%: ; $% ; = > %4( $;% 7 4'8 A..85 B..90

Bardziej szczegółowo

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i ZAJĘCIA NR Dzsaj omówmy o etro, redudacj, średej długośc słowa odowego o algorytme Huffmaa zajdowaa odu otymalego (od ewym względam; aby dowedzeć sę jam doczeaj do ońca). etro JeŜel źródło moŝe adawać

Bardziej szczegółowo

Wyznaczyć prędkości punktów A i B

Wyznaczyć prędkości punktów A i B Wyzaczaie prędkości i przyspieszeia puku ciała w ruchu płaskim (a) Wyzaczyć prędkości puków i Dae: rad/s; ε 0; 5 cm; 5 cm 48 mechaika echicza kiemayka 3 Wyzaczaie prędkości i przyspieszeia puku ciała w

Bardziej szczegółowo

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży Gawlk L., Kasztelewcz Z., 2005 Zależość kosztów produkcj węgla w kopal węgla bruatego Ko od pozomu jego sprzedaży. Prace aukowe Istytutu Górctwa Poltechk Wrocławskej r 2. Wyd. Ofcya Wydawcza Poltechk Wrocławskej,

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 3,4

STATYSTYKA OPISOWA WYKŁAD 3,4 STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s

Bardziej szczegółowo

Immunizacja portfela

Immunizacja portfela Immuzaja porfela Sraega mmuzaj porfelowej [Redgo 9] polega a sworzeu porfela srumeów sało upoowh spełająego dwa waru: - spade e srumeów fasowh wwoła wzrosem sóp spo jes w peł reompesowa przez wzros dohodów

Bardziej szczegółowo

METODY KOMPUTEROWE 10

METODY KOMPUTEROWE 10 MEODY KOMPUEROWE RÓWNANIA RÓŻNICZKOWE CZĄSKOWE Poechnka Poznańska Mchał Płokowak Adam Łodgowsk Mchał PŁOKOWIAK Adam ŁODYGOWSKI Konsace nakowe dr nż. Wod Kąko Poznań 00/00 MEODY KOMPUEROWE 0 RÓWNANIA RÓŻNICZKOWE

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo