Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych
|
|
- Seweryn Stefaniak
- 5 lat temu
- Przeglądów:
Transkrypt
1 Publiczna obrona rozprawy doktorskiej Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych Piotr Miłoś Instytut Matematyczny Polskiej Akademii Nauk Warszawa
2 Plan 1 Układy czastek z rozgałęzianiem Opis intuicyjny Opis bardziej precyzyjny Pokrewne pojęcia 2 Wyniki rozprawy Opis problemu Lista układów Przykładowe twierdzenia
3 Intuicyjna definicja układu z rozgałęzianiem Układ z rozgałęzianiem Zbiór czastek różnych typów, w pewnej przestrzeni, poruszajacych się zgodnie z pewna dynamika i dzielacych losowo zgodnie z zadanym prawem podziału...
4 Opis bardziej precyzyjny Czastki - możliwych jest wiele typów (np. drobiny pyłów w powietrzu) Przestrzeń - najczęściej R d lub Z d Czas - dyskretny lub ciagły Ruch czastek - czastki poruszaja się zgodnie z pewnym procesem stochastycznym (najczęściej jednorodnym w czasie procesem Markowa, np. procesem Lévy ego) Rozgałęzianie - po pewnym czasie (najczęściej wykładniczym lub geometrycznym) czastka dzieli się zgodnie z losowym prawem podziału Imigracja - nowe czastki pojawiaja się w systemie zgodnie z pewnym rozkładem losowym
5 Opis bardziej precyzyjny Czastki - możliwych jest wiele typów (np. drobiny pyłów w powietrzu) Przestrzeń - najczęściej R d lub Z d Czas - dyskretny lub ciagły Ruch czastek - czastki poruszaja się zgodnie z pewnym procesem stochastycznym (najczęściej jednorodnym w czasie procesem Markowa, np. procesem Lévy ego) Rozgałęzianie - po pewnym czasie (najczęściej wykładniczym lub geometrycznym) czastka dzieli się zgodnie z losowym prawem podziału Imigracja - nowe czastki pojawiaja się w systemie zgodnie z pewnym rozkładem losowym
6 Opis bardziej precyzyjny Czastki - możliwych jest wiele typów (np. drobiny pyłów w powietrzu) Przestrzeń - najczęściej R d lub Z d Czas - dyskretny lub ciagły Ruch czastek - czastki poruszaja się zgodnie z pewnym procesem stochastycznym (najczęściej jednorodnym w czasie procesem Markowa, np. procesem Lévy ego) Rozgałęzianie - po pewnym czasie (najczęściej wykładniczym lub geometrycznym) czastka dzieli się zgodnie z losowym prawem podziału Imigracja - nowe czastki pojawiaja się w systemie zgodnie z pewnym rozkładem losowym
7 Opis bardziej precyzyjny Czastki - możliwych jest wiele typów (np. drobiny pyłów w powietrzu) Przestrzeń - najczęściej R d lub Z d Czas - dyskretny lub ciagły Ruch czastek - czastki poruszaja się zgodnie z pewnym procesem stochastycznym (najczęściej jednorodnym w czasie procesem Markowa, np. procesem Lévy ego) Rozgałęzianie - po pewnym czasie (najczęściej wykładniczym lub geometrycznym) czastka dzieli się zgodnie z losowym prawem podziału Imigracja - nowe czastki pojawiaja się w systemie zgodnie z pewnym rozkładem losowym
8 Opis bardziej precyzyjny Czastki - możliwych jest wiele typów (np. drobiny pyłów w powietrzu) Przestrzeń - najczęściej R d lub Z d Czas - dyskretny lub ciagły Ruch czastek - czastki poruszaja się zgodnie z pewnym procesem stochastycznym (najczęściej jednorodnym w czasie procesem Markowa, np. procesem Lévy ego) Rozgałęzianie - po pewnym czasie (najczęściej wykładniczym lub geometrycznym) czastka dzieli się zgodnie z losowym prawem podziału Imigracja - nowe czastki pojawiaja się w systemie zgodnie z pewnym rozkładem losowym
9 Opis bardziej precyzyjny Czastki - możliwych jest wiele typów (np. drobiny pyłów w powietrzu) Przestrzeń - najczęściej R d lub Z d Czas - dyskretny lub ciagły Ruch czastek - czastki poruszaja się zgodnie z pewnym procesem stochastycznym (najczęściej jednorodnym w czasie procesem Markowa, np. procesem Lévy ego) Rozgałęzianie - po pewnym czasie (najczęściej wykładniczym lub geometrycznym) czastka dzieli się zgodnie z losowym prawem podziału Imigracja - nowe czastki pojawiaja się w systemie zgodnie z pewnym rozkładem losowym
10 Pokrewne pojęcia i metody dowodowe System jako całość jest opisany jak proces stochastyczny o wartościach w miarach punktowych (Funkcyjne) twierdzenia graniczne, superprocesy Miara równowagowa, wymieranie Czas przebywania i jego fluktuacje Metoda czasoprzestrzenna (przestrzeń dystrybucji temperowanch) Zwiazki z czastkowymi równaniami różniczkowymi poprzez wzór Feynmana-Kaca N s = p P t δ pt
11 Pokrewne pojęcia i metody dowodowe System jako całość jest opisany jak proces stochastyczny o wartościach w miarach punktowych (Funkcyjne) twierdzenia graniczne, superprocesy Miara równowagowa, wymieranie Czas przebywania i jego fluktuacje Metoda czasoprzestrzenna (przestrzeń dystrybucji temperowanch) Zwiazki z czastkowymi równaniami różniczkowymi poprzez wzór Feynmana-Kaca C([0, 1], M) D([0, 1], M)
12 Pokrewne pojęcia i metody dowodowe System jako całość jest opisany jak proces stochastyczny o wartościach w miarach punktowych (Funkcyjne) twierdzenia graniczne, superprocesy Miara równowagowa, wymieranie Czas przebywania i jego fluktuacje Metoda czasoprzestrzenna (przestrzeń dystrybucji temperowanch) Zwiazki z czastkowymi równaniami różniczkowymi poprzez wzór Feynmana-Kaca N t Eq, t +
13 Pokrewne pojęcia i metody dowodowe System jako całość jest opisany jak proces stochastyczny o wartościach w miarach punktowych (Funkcyjne) twierdzenia graniczne, superprocesy Miara równowagowa, wymieranie Czas przebywania i jego fluktuacje Metoda czasoprzestrzenna (przestrzeń dystrybucji temperowanch) Zwiazki z czastkowymi równaniami różniczkowymi poprzez wzór Feynmana-Kaca t 0 [ t ] N s ds EN s ds 0
14 Pokrewne pojęcia i metody dowodowe System jako całość jest opisany jak proces stochastyczny o wartościach w miarach punktowych (Funkcyjne) twierdzenia graniczne, superprocesy Miara równowagowa, wymieranie Czas przebywania i jego fluktuacje Metoda czasoprzestrzenna (przestrzeń dystrybucji temperowanch) Zwiazki z czastkowymi równaniami różniczkowymi poprzez wzór Feynmana-Kaca XT, Ψ := 1 0 X T (t), Ψ(, t) dt, Ψ S(R d )
15 Pokrewne pojęcia i metody dowodowe System jako całość jest opisany jak proces stochastyczny o wartościach w miarach punktowych (Funkcyjne) twierdzenia graniczne, superprocesy Miara równowagowa, wymieranie Czas przebywania i jego fluktuacje Metoda czasoprzestrzenna (przestrzeń dystrybucji temperowanch) Zwiazki z czastkowymi równaniami różniczkowymi poprzez wzór Feynmana-Kaca h t = (A 1)h + F(h)
16 Wyniki rozprawy
17 Wyniki - opis problemu Definicja fluktuacji przeskalowanego czasu przebywania Cel X T (t) = 1 F T Tt Celem rozprawy było zbadanie zbieżności 0 (N s EN s )ds X T X, T +, t [0, 1], przy odpowiednio wybranym F T. Tym samym, ustanowienie funkcyjnego centralnego twierdzenia granicznego dla procesu przebywania. Zbieżność jest rozumiana, jako zbieżność wg. rozkładów w przestrzeni C([0, 1], S (R d )) lub zbieżność rozkładów skończenie wymiarowych/czasoprzestrzenna.
18 Wyniki - opis problemu Definicja fluktuacji przeskalowanego czasu przebywania Cel X T (t) = 1 F T Tt Celem rozprawy było zbadanie zbieżności 0 (N s EN s )ds X T X, T +, t [0, 1], przy odpowiednio wybranym F T. Tym samym, ustanowienie funkcyjnego centralnego twierdzenia granicznego dla procesu przebywania. Zbieżność jest rozumiana, jako zbieżność wg. rozkładów w przestrzeni C([0, 1], S (R d )) lub zbieżność rozkładów skończenie wymiarowych/czasoprzestrzenna.
19 Wyniki - lista Układy czastek z rozgałęzianiem krytycznym o wariancji skończonej, startujace z pola Poissona lub miary równowagowej Układy czastek z rozgałęzianiem krytycznym o wariancji nieskończonej (o szczególnej postaci), startujace z miary równowagowej Układy czastek z rozgałęzianiem krytycznym binarnym, z jednorodna Układy czastek z rozgałęzianiem podkrytycznym binarnym, z jednorodna
20 Wyniki - lista Układy czastek z rozgałęzianiem krytycznym o wariancji skończonej, startujace z pola Poissona lub miary równowagowej Układy czastek z rozgałęzianiem krytycznym o wariancji nieskończonej (o szczególnej postaci), startujace z miary równowagowej Układy czastek z rozgałęzianiem krytycznym binarnym, z jednorodna Układy czastek z rozgałęzianiem podkrytycznym binarnym, z jednorodna
21 Wyniki - lista Układy czastek z rozgałęzianiem krytycznym o wariancji skończonej, startujace z pola Poissona lub miary równowagowej Układy czastek z rozgałęzianiem krytycznym o wariancji nieskończonej (o szczególnej postaci), startujace z miary równowagowej Układy czastek z rozgałęzianiem krytycznym binarnym, z jednorodna Układy czastek z rozgałęzianiem podkrytycznym binarnym, z jednorodna
22 Wyniki - lista Układy czastek z rozgałęzianiem krytycznym o wariancji skończonej, startujace z pola Poissona lub miary równowagowej Układy czastek z rozgałęzianiem krytycznym o wariancji nieskończonej (o szczególnej postaci), startujace z miary równowagowej Układy czastek z rozgałęzianiem krytycznym binarnym, z jednorodna Układy czastek z rozgałęzianiem podkrytycznym binarnym, z jednorodna
23 Układ z rozgałęzianiem krytycznym o skończonej wariancji Opis układu czastki poruszaja niezależnie zgodnie z symetrycznym procesem α-stabilnym Lévy ego podział czastek następuje po czasie o rozkładzie wykładniczym prawo podziału krytyczne, o wariancji skończonej rozkład poczatkowy czastek - pole Poissona lub miara równowagowa F(s) = 1 3 s
24 Układ z rozgałęzianiem krytycznym o skończonej wariancji Opis układu czastki poruszaja niezależnie zgodnie z symetrycznym procesem α-stabilnym Lévy ego podział czastek następuje po czasie o rozkładzie wykładniczym prawo podziału krytyczne, o wariancji skończonej rozkład poczatkowy czastek - pole Poissona lub miara równowagowa N Poiss t Eq, gdy t +
25 Układ z rozgałęzianiem krytycznym o skończonej wariancji Opis układu czastki poruszaja niezależnie zgodnie z symetrycznym procesem α-stabilnym Lévy ego podział czastek następuje po czasie o rozkładzie wykładniczym prawo podziału krytyczne, o wariancji skończonej rozkład poczatkowy czastek - pole Poissona lub miara równowagowa Cel: granica (przy przyspieszeniu czasu) procesów fluktuacji przeskalowanego czasu przebywania.
26 Układ z rozgałęzianiem krytycznym o skończonej wariancji Twierdzenie dla wymiarów pośrednich Założenia wtedy Przestrzeń R d z α < d < 2α, F T = T (3+d/α)/2, X Poiss T cξλ, gdy T +, X Eq T cζλ, gdy T +, gdzie ξ to podułamkowy ruch Browna, a ζ to ułamkowy ruch Browna.
27 Układ z rozgałęzianiem krytycznym o skończonej wariancji Komentarze zbieżność w przestrzeni funkcyjnej zależność od rozkładu poczatkowego zależności dalekiego zasięgu prawo podziału o nieskończonej wariancji zbieżność w przestrzeni C([0, 1], S (R d ))
28 Układ z rozgałęzianiem krytycznym o skończonej wariancji Komentarze zbieżność w przestrzeni funkcyjnej zależność od rozkładu poczatkowego zależności dalekiego zasięgu prawo podziału o nieskończonej wariancji Cov ξ (s, t) = s h + t h 1 2 [ (s + t) h t s h], Cov ζ (s, t) = s h + t h 1 2 s t h, h = 3 d α
29 Układ z rozgałęzianiem krytycznym o skończonej wariancji Komentarze zbieżność w przestrzeni funkcyjnej zależność od rozkładu poczatkowego zależności dalekiego zasięgu prawo podziału o nieskończonej wariancji C ξ (τ) cτ h 3, C ζ (τ) cτ h 2
30 Układ z rozgałęzianiem krytycznym o skończonej wariancji Komentarze zbieżność w przestrzeni funkcyjnej zależność od rozkładu poczatkowego zależności dalekiego zasięgu prawo podziału o nieskończonej wariancji F(s) = s + 1 (1 s)1+β 1 + β
31 Układ z rozgałęzianiem krytycznym, binarnym i Definicja układu czastki poruszaja niezależnie zgodnie z symetrycznym procesem α-stabilnym Lévy ego podział czastek następuje po czasie o rozkładzie wykładniczym prawo podziału krytyczne, binarne rozkład poczatkowy czastek - pole Poissona imigracja zgodnie z jednorodnym w czasie i przestrzeni polem Poissona F(s) = 1 2 s
32 Układ z rozgałęzianiem krytycznym, binarnym i Definicja układu czastki poruszaja niezależnie zgodnie z symetrycznym procesem α-stabilnym Lévy ego podział czastek następuje po czasie o rozkładzie wykładniczym prawo podziału krytyczne, binarne rozkład poczatkowy czastek - pole Poissona imigracja zgodnie z jednorodnym w czasie i przestrzeni polem Poissona Cel: granica (przy przyspieszeniu czasu) procesów fluktuacji przeskalowanego czasu przebywania.
33 Układ z rozgałęzianiem krytycznym, binarnym i Twierdzenie dla wymiarów małych i pośrednich Założenia przestrzeń R d z 0 < d < 2α, F T = T (4+d/α)/2, wtedy X T cηλ, gdy T +, gdzie η to scentrowany proces gaussowski o kowariancji Cov(s, t) = s h+1 + t h (s + t)h (t s)h [3t + (2h 1)s], h = (3 d α )/2.
34 Układ z rozgałęzianiem krytycznym, binarnym i Twierdzenie dla wymiarów dużych Założenia wtedy przestrzeń R d z 2α < d i F T = T, X T c X, gdy T +, gdzie X jest scentrowanym procesem gaussowskim o wartościach w S (R d ) i funkcjonale kowariancji Cov ( X s, ϕ 1, X t, ϕ 2 ) = (s t) 2 2(2π) d R d ( 2 z α + V ) z 2α ϕ 1 (z) ϕ 2 (z)dz.
35 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze istnienie granicy dla wymiarów małych (d < α); lokalne wymieranie zależność dalekiego zasięgu w wymiarach małych i pośrednich intuicyjne wyjaśnienie struktury czasowej i przestrzennej przypadek wymiarów krytycznych d = 2α niezależność od rozkładu poczatkowego
36 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze istnienie granicy dla wymiarów małych (d < α); lokalne wymieranie zależność dalekiego zasięgu w wymiarach małych i pośrednich intuicyjne wyjaśnienie struktury czasowej i przestrzennej przypadek wymiarów krytycznych d = 2α niezależność od rozkładu poczatkowego C η (τ) τ h 2
37 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze istnienie granicy dla wymiarów małych (d < α); lokalne wymieranie zależność dalekiego zasięgu w wymiarach małych i pośrednich intuicyjne wyjaśnienie struktury czasowej i przestrzennej przypadek wymiarów krytycznych d = 2α niezależność od rozkładu poczatkowego
38 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze istnienie granicy dla wymiarów małych (d < α); lokalne wymieranie zależność dalekiego zasięgu w wymiarach małych i pośrednich intuicyjne wyjaśnienie struktury czasowej i przestrzennej przypadek wymiarów krytycznych d = 2α niezależność od rozkładu poczatkowego
39 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze istnienie granicy dla wymiarów małych (d < α); lokalne wymieranie zależność dalekiego zasięgu w wymiarach małych i pośrednich intuicyjne wyjaśnienie struktury czasowej i przestrzennej przypadek wymiarów krytycznych d = 2α niezależność od rozkładu poczatkowego
40 Układ z rozgałęzianiem krytycznym, binarnym i Opis układu czastki poruszaja się zgodnie z procesem Markowa (przy pewnych słabych założeniach). Np. procesy Lévy ego podział czastek następuje po czasie o rozkładzie wykładniczym prawo podziału podkrytyczne, binarne rozkład poczatkowy czastek - pole Poissona imigracja zgodnie z jednorodnym w czasie i przestrzeni polem Poissona F(s) = qs 2 + (1 q), 0 q < 1/2.
41 Układ z rozgałęzianiem krytycznym, binarnym i Opis układu czastki poruszaja się zgodnie z procesem Markowa (przy pewnych słabych założeniach). Np. procesy Lévy ego podział czastek następuje po czasie o rozkładzie wykładniczym prawo podziału podkrytyczne, binarne rozkład poczatkowy czastek - pole Poissona imigracja zgodnie z jednorodnym w czasie i przestrzeni polem Poissona Cel: granica (przy przyspieszeniu czasu) procesów fluktuacji przeskalowanego czasu przebywania.
42 Układ z rozgałęzianiem krytycznym, binarnym i Twierdzenie Założenia wtedy przestrzeń R d, normowanie F T = T 1/2, założenia techniczne na proces Markowa, X T X, gdy T +, gdzie X jest scentrowanym procesem gaussowskim o wartościach w S (R d ) i funkcjonale kowariancji Cov ( X s, ϕ, X t, ϕ ) = (s t) T (ϕ)dx, R d gdzie T (ϕ) := U Q ϕ(x)u Q ϕ(x) + Z + 0 U Q (T Q t ϕ(x)t Q t U Q ϕ(x))dt.
43 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze własności ruchu czastek graja mniejsze znaczenie szersza klasa układów wyniki jakościowo te same we wszystkich wymiarach porównanie wyników z układami o rozgałęzianiu krytycznym niezależność od warunków poczatkowych
44 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze własności ruchu czastek graja mniejsze znaczenie szersza klasa układów wyniki jakościowo te same we wszystkich wymiarach porównanie wyników z układami o rozgałęzianiu krytycznym niezależność od warunków poczatkowych
45 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze własności ruchu czastek graja mniejsze znaczenie szersza klasa układów wyniki jakościowo te same we wszystkich wymiarach porównanie wyników z układami o rozgałęzianiu krytycznym niezależność od warunków poczatkowych
46 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze własności ruchu czastek graja mniejsze znaczenie szersza klasa układów wyniki jakościowo te same we wszystkich wymiarach porównanie wyników z układami o rozgałęzianiu krytycznym niezależność od warunków poczatkowych
47 Układ z rozgałęzianiem krytycznym, binarnym i Komentarze własności ruchu czastek graja mniejsze znaczenie szersza klasa układów wyniki jakościowo te same we wszystkich wymiarach porównanie wyników z układami o rozgałęzianiu krytycznym niezależność od warunków poczatkowych
48 Koniec Dziękuję za uwagę!
Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałązkowych
Instytut Matematyczny Polskiej Akademii Nauk Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałązkowych Piotr Miłoś Praca doktorska napisana pod kierunkiem prof. dr hab. Tomasza Bojdeckiego
Bardziej szczegółowo2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.
Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.
Bardziej szczegółowoPROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)
PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω) określonych na tej samej przestrzeni probabilistycznej
Bardziej szczegółowoWykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)
Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze
Bardziej szczegółowo2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.
Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.
Bardziej szczegółowoProces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką
z losową stopą procentową i losową składką Instytut Matematyki i Informatyki Politechniki Wrocławskiej 10 czerwca 2008 Oznaczenia Wprowadzenie ξ n liczba wypłat w (n 1, n], Oznaczenia Wprowadzenie ξ n
Bardziej szczegółowoPrawa wielkich liczb, centralne twierdzenia graniczne
, centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne
Bardziej szczegółowoProces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.
Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoZadania z Procesów Stochastycznych 1
Zadania z Procesów Stochastycznych 1 Definicja Procesem Poissona z parametrem (intensywnością) λ > 0 nazywamy proces stochastyczny N = (N t ) t 0 taki, że N 0 = 0; (P0) N ma przyrosty niezależne; (P1)
Bardziej szczegółowoProcesy stochastyczne
Wykład I: Istnienie procesów stochastycznych 21 lutego 2017 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane
Bardziej szczegółowoO procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna
Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Ruch 1 {X t } jest martyngałem dokładnie wtedy, gdy E(X t F s ) = X s, s, t T, s t. Jeżeli EX 2 (t) < +, to E(X t F s ) jest rzutem ortogonalnym zmiennej
Bardziej szczegółowoProcesy stochastyczne
Wykład I: Istnienie procesów stochastycznych 2 marca 2015 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane są
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIE STWA
Jerzy Ombach RACHUNEK PRAWDOPODOBIE STWA WSPOMAGANY KOMPUTEROWO DLA STUDENTÓW MATEMATYKI STOSOWANEJ Wydawnictwo Uniwersytetu Jagielloƒskiego Seria Matematyka Książka finansowana przez Wydział Matematyki
Bardziej szczegółowo1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2
Temat 1 Pojęcia podstawowe 1.1 Przegląd wybranych równań i modeli fizycznych Równaniem różniczkowym cząstkowym rzędu drugiego o n zmiennych niezależnych nazywamy równanie postaci gdzie u = u (x 1, x,...,
Bardziej szczegółowoZAGADNIENIA DO EGZAMINU MAGISTERSKIEGO
ZAGADNIENIA DO EGZAMINU MAGISTERSKIEGO Na egzaminie magisterskim student powinien: 1) omówić wyniki zawarte w pracy magisterskiej posługując się swobodnie pojęciami i twierdzeniami zamieszczonymi w pracy
Bardziej szczegółowoZadania o numerze 4 z zestawów licencjat 2014.
Zadania o numerze 4 z zestawów licencjat 2014. W nawiasie przy zadaniu jego występowanie w numerze zestawu Spis treści (Z1, Z22, Z43) Definicja granicy ciągu. Obliczyć granicę:... 3 Definicja granicy ciągu...
Bardziej szczegółowoTematy prac magisterskich i doktorskich
Tematy prac magisterskich i doktorskich Stochastyczna dynamika z opóźnieniami czasowymi w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki
Bardziej szczegółowoStochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu
Stochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu Marcin Anholcer Uniwersytet Ekonomiczny w Poznaniu 19 marca 2013, Ustroń Marcin Anholcer Stochastyczne zagadnienie rozdziału 1/ 15 1 Zagadnienie
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład IV: 27 października 2014 Współczynnik korelacji Brak korelacji a niezależność Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy
Bardziej szczegółowoFunkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoWstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, Spis treści
Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, 2012 Spis treści Przedmowa 5 Oznaczenia i konwencje 7 Rozdział I Rozkład wykładniczy i rozkład jednostajny 1. Wprowadzenie
Bardziej szczegółowoInstytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2
Instytut Matematyczny Uniwersytet Wrocławski Zakres egzaminu magisterskiego Wybrane rozdziały anazlizy i topologii 1 i 2 Pojęcia, fakty: Definicje i pojęcia: metryka, iloczyn skalarny, norma supremum,
Bardziej szczegółowoWykład 3 Jednowymiarowe zmienne losowe
Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej
Bardziej szczegółowo2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27
SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;
Bardziej szczegółowoGRA Przykład. 1) Zbiór graczy. 2) Zbiór strategii. 3) Wypłaty. n = 2 myśliwych. I= {1,,n} S = {polować na jelenia, gonić zająca} S = {1,,m} 10 utils
GRA Przykład 1) Zbiór graczy n = 2 myśliwych I= {1,,n} 2) Zbiór strategii S = {polować na jelenia, gonić zająca} S = {1,,m} 3) Wypłaty jeleń - zając - 10 utils 3 utils U i : S n R i=1,,n J Z J Z J 5 0
Bardziej szczegółowoStochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów
Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 14
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne Teoria estymacji Jędrzej Potoniec Bibliografia Bibliografia Próba losowa (x 1, x 2,..., x n ) Próba losowa (x 1, x 2,..., x n ) (X 1, X 2,..., X n ) Próba losowa (x 1, x 2,...,
Bardziej szczegółowo1 Relacje i odwzorowania
Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X
Bardziej szczegółowoSuperdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska
VI Matematyczne Warsztaty KaeNeMów p. 1/2 Superdyfuzja Maria Knorps maria.knorps@gmail.com Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska VI Matematyczne Warsztaty KaeNeMów p.
Bardziej szczegółowoZagadnienia stacjonarne
Zagadnienia stacjonarne Karol Hajduk 19 grudnia 2012 Nierówność wariacyjna (u (t), v u(t)) + a(u, v u) + Ψ(v) Ψ(u) (f, v u), v V. Zagadnienie stacjonarne ma postać (u (t) = 0): a(u, v u) + Ψ(v) Ψ(u) (f,
Bardziej szczegółowoZadania z Rachunku Prawdopodobieństwa II Podaj przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,
Zadania z Rachunku Prawdopodobieństwa II -. Udowodnij, że dla dowolnych liczb x n, x, δ xn δ x wtedy i tylko wtedy, gdy x n x.. Wykaż, że n n k= δ k/n λ, gdzie λ jest miarą Lebesgue a na [, ].. Podaj przykład
Bardziej szczegółowoFizyka statystyczna, elementy termodynamiki nierównowagowej Cele, zakres zagadnień
Fizyka statystyczna, elementy termodynamiki nierównowagowej Cele, zakres zagadnień Narzędzia przypomnienie podstawowych definicji i twierdzeń z rachunku prawdopodobienstwa; podstawowe rozkłady statystyczne
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoDystrybucje, wiadomości wstępne (I)
Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów
Bardziej szczegółowo3. Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,
Zadania z Rachunku Prawdopodobieństwa II - Mówimy, że i) ciąg miar probabilistycznych µ n zbiega słabo do miary probabilistycznej µ (ozn. µ n µ), jeśli fdµ n fdµ dla dowolnej funkcji ciągłej ograniczonej
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja
Bardziej szczegółowoZadania ze Wstępu do Analizy Stochastycznej 1. = 0 p.n.
Zadania ze Wstępu do Analizy Stochastycznej 1 1. Znajdź rozkład zmiennej 5W 1 W 3 + W 7. 2. Dla jakich parametrów a i b, zmienne aw 1 W 2 oraz W 3 + bw 5 są niezależne? 3. Znajdź rozkład wektora losowego
Bardziej szczegółowoWstęp do rachunku prawdopodobieństwa. Cz. 1 / William Feller. wyd. 6, dodr. 4. Warszawa, Spis treści
Wstęp do rachunku prawdopodobieństwa. Cz. 1 / William Feller. wyd. 6, dodr. 4. Warszawa, 2012 Spis treści Od Wydawnictwa 5 Z przedmowy autora do wydania pierwszego 7 Z przedmowy autora do wydania drugiego
Bardziej szczegółowoLista 1. Procesy o przyrostach niezależnych.
Lista. Procesy o przyrostach niezależnych.. Niech N t bedzie procesem Poissona o intensywnoci λ = 2. Obliczyć a) P (N 2 < 3, b) P (N =, N 3 = 6), c) P (N 2 = N 5 = 2), d) P (N =, N 2 = 3, N 4 < 5), e)
Bardziej szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoUkłady stochastyczne
Instytut Informatyki Uniwersytetu Śląskiego 21 stycznia 2009 Definicja Definicja Proces stochastyczny to funkcja losowa, czyli funkcja matematyczna, której wartości leżą w przestrzeni zdarzeń losowych.
Bardziej szczegółowoTeoria ze Wstępu do analizy stochastycznej
eoria ze Wstępu do analizy stochastycznej Marcin Szumski 22 czerwca 21 1 Definicje 1. proces stochastyczny - rodzina zmiennych losowych X = (X t ) t 2. trajektoria - funkcja (losowa) t X t (ω) f : E 3.
Bardziej szczegółowoZadania z Rachunku Prawdopodobieństwa II Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,
Zadania z Rachunku Prawdopodobieństwa II -. Udowodnij, że dla dowolnych liczb x n, x, δ xn δ x wtedy i tylko wtedy, gdy x n x.. Wykaż, że n n k= δ k/n λ, gdzie λ jest miarą Lebesgue a na [, ].. Podać przykład
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej
Bardziej szczegółowoOgólnopolska Konferencja Aktuarialna Zagadnienia aktuarialne teoria i praktyka Warszawa, IE SGH 2009
Rafał M. Łochowski Szkoła Główna Handlowa w Warszawie O pewnym modelu pojawiania się szkód Ogólnopolska Konferencja Aktuarialna Zagadnienia aktuarialne teoria i praktyka Warszawa, IE SGH 2009 Modele pojawiania
Bardziej szczegółowo2 Równania różniczkowe zwyczajne o rozdzielonych zmiennych
2. Równania o rozdzielonych zmiennych 2 1 2 Równania różniczkowe zwyczajne o rozdzielonych zmiennych Równaniem różniczkowym zwyczajnym pierwszego rzędu o rozdzielonych zmiennych nazywamy równanie różniczkowe
Bardziej szczegółowoFUNKCJE ZESPOLONE Lista zadań 2005/2006
FUNKJE ZESPOLONE Lista zadań 25/26 Opracowanie: dr Jolanta Długosz Liczby zespolone. Obliczyć wartości podanych wyrażeń: (2 + ) ( ) 2 4 i (5 + i); b) (3 i)( 4 + 2i); c) 4 + i ; d) ( + i) 4 ; e) ( 2 + 3i)
Bardziej szczegółowoZadania z Rachunku Prawdopodobieństwa III - 1
Zadania z Rachunku Prawdopodobieństwa III - 1 Funkcją tworzącą momenty (transformatą Laplace a) zmiennej losowej X nazywamy funkcję M X (t) := Ee tx, t R. 1. Oblicz funkcję tworzącą momenty zmiennych o
Bardziej szczegółowoJanusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 20 KWANTOWE METODY MONTE CARLO 20.1 Kwantowa wariacyjna metoda Monte Carlo Problem własny dla stanu podstawowego układu N cząstek (H E 0 )ψ 0 (r)
Bardziej szczegółowoWykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa
Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XI: Testowanie hipotez statystycznych 12 stycznia 2015 Przykład Motywacja X 1, X 2,..., X N N (µ, σ 2 ), Y 1, Y 2,..., Y M N (ν, δ 2 ). Chcemy sprawdzić, czy µ = ν i σ 2 = δ 2, czyli że w obu populacjach
Bardziej szczegółowoSzkice do zajęć z Przedmiotu Wyrównawczego
Szkice do zajęć z Przedmiotu Wyrównawczego Matematyka Finansowa sem. letni 2011/2012 Spis treści Zajęcia 1 3 1.1 Przestrzeń probabilistyczna................................. 3 1.2 Prawdopodobieństwo warunkowe..............................
Bardziej szczegółowoMetoda Monte Carlo. Jerzy Mycielski. grudzien Jerzy Mycielski () Metoda Monte Carlo grudzien / 10
Metoda Monte Carlo Jerzy Mycielski grudzien 2012 Jerzy Mycielski () Metoda Monte Carlo grudzien 2012 1 / 10 Przybliżanie całek Powiedzmy, że mamy do policzenia następującą całkę: b f (x) dx = I a Założmy,
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoRozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Bardziej szczegółowoInformacja o przestrzeniach Sobolewa
Wykład 11 Informacja o przestrzeniach Sobolewa 11.1 Definicja przestrzeni Sobolewa Niech R n będzie zbiorem mierzalnym. Rozważmy przestrzeń Hilberta X = L 2 () z iloczynem skalarnym zdefiniowanym równością
Bardziej szczegółowoPrognozowalne kryterium całkowalności według A. N. Shiryaeva i A. S. Cherny ego Joanna Karłowska-Pik. Historia
1 Prognozowalne kryterium całkowalności według A. N. Shiryaeva i A. S. Cherny ego Joanna Karłowska-Pik Całka stochastyczna ( t ) H s dx s = H X. t Historia K. Itô (1944) konstrukcja całki stochastycznej
Bardziej szczegółowoZagadnienia brzegowe dla równań eliptycznych
Temat 7 Zagadnienia brzegowe dla równań eliptycznych Rozważmy płaski obszar R 2 ograniczony krzywą. la równania Laplace a (Poissona) stawia się trzy podstawowe zagadnienia brzegowe. Zagadnienie irichleta
Bardziej szczegółowo5 Przegląd najważniejszych rozkładów
5 Przegląd najważniejszych rozkładów 5. Rozkład Bernoulliego W niezmieniających się warunkach wykonujemy n razy pewne doświadczenie. W wyniku każdego doświadczenia może nastąpić zdarzenie A lub A. Zakładamy,
Bardziej szczegółowo19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136
Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 19 marzec, 2012 Przykłady procesów Markowa (i). P = (p ij ) - macierz stochastyczna, tzn. p ij 0, j p ij =
Bardziej szczegółowoMETODA PERT. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski
METODA PERT Maciej Patan Programowanie sieciowe. Metoda PERT 1 WPROWADZENIE PERT (ang. Program Evaluation and Review Technique) Metoda należy do sieci o strukturze logicznej zdeterminowanej Parametry opisujace
Bardziej szczegółowoStatystyka matematyczna. Wykład III. Estymacja przedziałowa
Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności
Bardziej szczegółowoGranica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej
Wydział Matematyki Stosowanej Zestaw zadań nr 3 Akademia Górniczo-Hutnicza w Krakowie WEiP, energetyka, I rok Elżbieta Adamus listopada 07r. Granica i ciągłość funkcji Granica funkcji rzeczywistej jednej
Bardziej szczegółowoPojęcie szeregu nieskończonego:zastosowania do rachunku prawdopodobieństwa wykład 1
Pojęcie szeregu nieskończonego:zastosowania do rachunku prawdopodobieństwa wykład dr Mariusz Grządziel 5 lutego 04 Paradoks Zenona z Elei wersja uwspółcześniona Zenek goni Andrzeja; prędkość Andrzeja:
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoLista 5. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym
Lista 5 Zadania na zastosowanie nierównosci Markowa i Czebyszewa. Zadanie 1. Niech zmienna losowa X ma rozkład jednostajny na odcinku [0, 1]. Korzystając z nierówności Markowa oszacować od góry prawdopodobieństwo,
Bardziej szczegółowoElektrostatyka, cz. 1
Podstawy elektromagnetyzmu Wykład 3 Elektrostatyka, cz. 1 Prawo Coulomba F=k q 1 q 2 r 2 1 q1 q 2 Notka historyczna: 1767: John Priestley - sugestia 1771: Henry Cavendish - eksperyment 1785: Charles Augustin
Bardziej szczegółowoWYDZIAŁ ELEKTRONIKI MIKROSYSTEMÓW I FOTONIKI
Zał. nr do ZW WYDZIAŁ ELEKTRONIKI MIKROSYSTEMÓW I FOTONIKI KARTA PRZEDMIOTU Nazwa w języku polskim: Matematyka (Zao EA EiT stopień) Nazwa w języku angielskim: Mathematics Kierunek studiów (jeśli dotyczy):
Bardziej szczegółowoModel Pasywnego Trasera w Lokalnie Ergodycznym Środowisku
w Lokalnie Ergodycznym Środowisku Tymoteusz Chojecki UMCS, Lublin Tomasz Komorowski IMPAN, Warszawa Kościelisko, 10 września 2016, XLV Konferencja Zastosowań Matematyki T. Komorowski, T. Chojecki w Lokalnie
Bardziej szczegółowo21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126
Mocna własność Markowa procesu Wienera Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 21 maja, 2012 Mocna własność Markowa W = (W 1,..., W d ) oznaczać
Bardziej szczegółowoRównanie przewodnictwa cieplnego (I)
Wykład 4 Równanie przewodnictwa cieplnego (I) 4.1 Zagadnienie Cauchy ego dla pręta nieograniczonego Rozkład temperatury w jednowymiarowym nieograniczonym pręcie opisuje funkcja u = u(x, t), spełniająca
Bardziej szczegółowoO pewnym twierdzeniu S. Łojasiewicza, J. Wloki, Z. Zieleżnego
O pewnym twierdzeniu S. Łojasiewicza, J. Wloki, Z. Zieleżnego Jan Ligęza Instytut Matematyki Wisła Letnia Szkoła Instytutu Matematyki wrzesień 2010 r. [1] S. Łojasiewicz, J. Wloka, Z. Zieleżny; Über eine
Bardziej szczegółowo1 Gaussowskie zmienne losowe
Gaussowskie zmienne losowe W tej serii rozwiążemy zadania dotyczące zmiennych o rozkładzie normalny. Wymagana jest wiedza na temat własności rozkładu normalnego, CTG oraz warunkowych wartości oczekiwanych..
Bardziej szczegółowoMECHANIKA II. Praca i energia punktu materialnego
MECHANIKA II. Praca i energia punktu materialnego Daniel Lewandowski Politechnika Wrocławska, Wydział Mechaniczny, Katedra Mechaniki i Inżynierii Materiałowej http://kmim.wm.pwr.edu.pl/lewandowski/ daniel.lewandowski@pwr.edu.pl
Bardziej szczegółowoStatystyka i eksploracja danych
Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany w ramach Poddziałania 4.1.1 Programu Operacyjnego Kapitał Ludzki Statystyka i eksploracja
Bardziej szczegółowoOd neuronu do sieci: modelowanie układu nerwowego
Od neuronu do sieci: modelowanie układu nerwowego Stochastyczne modele generacji iglic Kodowanie informacji w układzie nerwowym dr Daniel Wójcik Na podstawie podręcznika THEORETICAL NEUROSCIENCE Petera
Bardziej szczegółowoRozkłady prawdopodobieństwa
Tytuł Spis treści Wersje dokumentu Instytut Matematyki Politechniki Łódzkiej 10 grudnia 2011 Spis treści Tytuł Spis treści Wersje dokumentu 1 Wartość oczekiwana Wariancja i odchylenie standardowe Rozkład
Bardziej szczegółowoMatematyka z el. statystyki, # 3 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoWykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe
Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i
Bardziej szczegółowo}, gdzie a = t (n) )(f(t(n) k. ) f(t(n) k 1 ) 1+δ = 0,
Zadania z Procesów Stochastycznych II - 1 1. Niech π n = {t (n), t(n) 1,..., t(n) k n }, gdzie a = t (n) < t (n) 1
Bardziej szczegółowo2.1 Przykład wstępny Określenie i konstrukcja Model dwupunktowy Model gaussowski... 7
Spis treści Spis treści 1 Przedziały ufności 1 1.1 Przykład wstępny.......................... 1 1.2 Określenie i konstrukcja...................... 3 1.3 Model dwupunktowy........................ 5 1.4
Bardziej szczegółowo2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)
Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza
Bardziej szczegółowoStochastyczne równania różniczkowe, model Blacka-Scholesa
Stochastyczne równania różniczkowe, model Blacka-Scholesa Marcin Orchel Spis treści 1 Wstęp 1 1.1 Błądzenie losowe................................ 1 1. Proces Wienera................................. 1.3
Bardziej szczegółowoSpis treści. Rozdział I. Wstęp do matematyki Rozdział II. Ciągi i szeregi... 44
Księgarnia PWN: Ryszard Rudnicki, Wykłady z analizy matematycznej Spis treści Rozdział I. Wstęp do matematyki... 13 1.1. Elementy logiki i teorii zbiorów... 13 1.1.1. Rachunek zdań... 13 1.1.2. Reguły
Bardziej szczegółowoPrzestrzeń probabilistyczna
Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty zbiór Σ rodzina podzbiorów tego zbioru P funkcja określona na Σ, zwana prawdopodobieństwem. Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 6: Twierdzenia graniczne.
Rachunek prawdopodobieństwa Rozdział 6: Twierdzenia graniczne. 6.2. Centralne Twierdzenie Graniczne Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2015/2016 Słabe prawo wielkich liczb przypomnienie Słabe
Bardziej szczegółowoMETODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne
METODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne dr hab. inż. Andrzej Obuchowicz, prof. UZ Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski A. Obuchowicz: MSI - algorytmy ewolucyjne
Bardziej szczegółowo11 Równania różniczkowe cząstkowe. Równania różniczkowe cząstkowe pierwszego rzędu.
Równania różniczkowe cząstkowe pierwszego rzędu 11 1 11 Równania różniczkowe cząstkowe. Równania różniczkowe cząstkowe pierwszego rzędu. 11.1 Równania różniczkowe cząstkowe. Definicje i oznaczenia. Równaniem
Bardziej szczegółowo28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126
Problem Dirichleta, proces Wienera Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 28 maja, 2012 Funkcje harmoniczne Niech będzie operatorem Laplace a w
Bardziej szczegółowo4 Kilka klas procesów
Marek Beśka, Całka Stochastyczna, wykład 4 48 4 Kilka klas procesów 4.1 Procesy rosnące i przestrzenie V,, loc Jak poprzednio niech (Ω, F, F, P ) będzie zupełną bazą stochastyczną. Definicja 4.1 Proces
Bardziej szczegółowoFuzja sygnałów i filtry bayesowskie
Fuzja sygnałów i filtry bayesowskie Roboty Manipulacyjne i Mobilne dr inż. Janusz Jakubiak Katedra Cybernetyki i Robotyki Wydział Elektroniki, Politechnika Wrocławska Wrocław, 10.03.2015 Dlaczego potrzebna
Bardziej szczegółowoVII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości
Bardziej szczegółowoSeria 1. Zbieżność rozkładów
Seria Zbieżność rozkładów We wszystkich poniższych zadaniach (E, ρ) jest przestrzenią metryczną Wykazać, że dla dowolnych x, x n, δ xn δ x wtedy i tylko wtedy, gdy x n x Sprawdzić, że n nk= δ k n λ, gdzie
Bardziej szczegółowoSzeregi czasowe, analiza zależności krótkoi długozasięgowych
Szeregi czasowe, analiza zależności krótkoi długozasięgowych Rafał Weron rweron@im.pwr.wroc.pl Definicje Mając dany proces {X t } autokowariancję definiujemy jako : γ(t, t ) = cov(x t, X t ) = = E[(X t
Bardziej szczegółowo5. Równania różniczkowe zwyczajne pierwszego rzędu
5. Równania różniczkowe zwyczajne pierwszego rzędu 5.1. Wstęp. Definicja 5.1. Niech V R 3 będzie obszarem oraz F : V R. Równaniem różniczkowym zwyczajnym rzędu pierwszego nazywamy równanie postaci Równanie
Bardziej szczegółowoWYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki
WYKŁAD Z ANALIZY MATEMATYCZNEJ I dr. Elżbieta Kotlicka Centrum Nauczania Matematyki i Fizyki http://im0.p.lodz.pl/~ekot Łódź 2006 Spis treści 1. CIĄGI LICZBOWE 2 1.1. Własności ciągów liczbowych o wyrazach
Bardziej szczegółowoKARTA PRZEDMIOTU. Forma prowadzenia zajęć. Odniesienie do efektów dla kierunku studiów K1A_W02
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: RACHUNEK PRAWDOPODOBIEŃSTWA 2. Kod przedmiotu: RPr 3. Karta przedmiotu ważna od roku akademickiego: 20182019 4. Forma
Bardziej szczegółowoczyli o szukaniu miejsc zerowych, których nie ma
zerowych, których nie ma Instytut Fizyki im. Mariana Smoluchowskiego Centrum Badania Systemów Złożonych im. Marka Kaca Uniwersytet Jagielloński Metoda Metoda dla Warszawa, 9 stycznia 2006 Metoda -Raphsona
Bardziej szczegółowo