Planowanie do±wiadcze«
|
|
- Patryk Olszewski
- 5 lat temu
- Przeglądów:
Transkrypt
1 Wykªad z przedmiotu Metody prognozowania dla studentów studiów niestacjonarnych 20 grudnia 2008
2 Poj cie teorii eksperymentu Proces poznania na drodze do±wiadczalnej pomiary: czyno±ci do±wiadczalne w celu wyznaczenia warto±ci wielko±ci (np. pomiar dªugo±ci, siªy, mocy, temperatury itp.) badania do±wiadczalne, czyli wyznaczenie zale»no±ci mi dzy wielko±ciami, przy czym pomiary stanowi pewn cz ± bada«do±wiadczalnych. Teoria pomiarów (metrologia): zajmuje si podstawami teoretycznymi pomiarów. Teoria eksperymentu (teoria do±wiadcze«): podstawy teoretyczne bada«do±wiadczalnych.
3 Poj cie teorii eksperymentu Teoria eksperymentu: zbiór sposobów maj cych na celu poznanie zale»no±ci mi dzy wybranymi wielko±ciami charakteryzuj cymi obiekt bada«(przedmiot, ukªad, proces, zjawisko). Obejmuje ona gªównie nast pujace zagadnienia: planowanie do±wiadcze«analiz (statystyczn ) wyników bad «(pomiarów)
4 Rola teorii eksperymentu o pozycji kraju decyduje gospodarka, a gªownie zdolno± do produkcji towarów konkurencyjnych na rynku ±wiatowym znakomita wi kszo± produktów uznanych za wyznaczniki naszej cywilizacji technicznej (od mikroprocesora do statku kosmicznego) to rezultaty bada«naukowych i innowacyjnych prac rozwojowych w procesie tworzenia nowego produktu najwi ksze nakª dy nansowe ponoszone s na badania do±wiadczalne Teoria eksperymentu powstaªa pod presj d»e«do poprawy efektywno±ci bada«naukowych, (efektywno± w tym przypadku rozumiana jest jako stosunek ilo±ci i jako±ci informacji naukowej do poniesionych kosztów i czasu bad «).
5 Kiedy stosowa? JE ELI na podstawie dotychczasowej wiedzy teoretycznej mo»na jedynie ustali tzw. czarn skrzynk, czyli: zbiór zmiennych niezale»nych zwanych wielko±ciami wej±ciowymi x k,k = 1,2,...i zmienn zale»n zwan wielko±ci wyj±ciow z co oznacza model jako±ciowy z = f (x 1, x 2,...,x k )
6 Kiedy stosowa? istnieje uzasadniona potrzeba uzyskania ilo±ciowej funkcji oproksymuj cej, nazywanej funkcj obiektu bada«(np. w postaci wielomianu algebraicznego 2-go stopnia): z = b 0 + b 1 x b i x i + b 11 x b ii x 2 i + b 12 x 1 x funkcja obiektu bada«wyznaczana jest na drodze bada«do±wiadczalnych dla ustalonego przez badacza zakresu warto±ci wielko±ci wej±ciowych, który ma posta : x kmin x k x kmax
7 Kiedy stosowa TO nale»y stosowa standardowe procedury teorii eksperymentu. Ale czym jest teoria eksperymentu??
8 Czym jest teoria eksperymentu? Tradycyjne badania do±wiadczalne: jedna wielko± wej±ciowa x 1 = x, czyli nalezy wyznaczy funkcj obiektu bada«z = f (x). miara kosztów i czasu bada«to liczba pomiarów n. Je»eli zmierzono wielko± z dla n 1 ró»nych waro±ci x to n = n 1 (na rys. n = 10) institution-log
9 Czym jest teoria eksperymentu? Metoda dobra, ale dla prostych obiektów bada«. Wspóªczesne obiekty bada«, zamiast jednej wielko±ci wej±ciowej x, charakteryzuje wiele wielkosci wej±ciowych x 1, x 2, x 3,...,x i a ka»da z nich wpªywa istotnie na zmienn z. niezb dne jest wyznaczenie na podstawie bada«funkcji wielu zmiennych: z = f (x 1, x 2,...,x k ) institution-log
10 Czym jest teoria eksperymentu? koncepcja bad «wpªyw pojedynczych wielko±ci x k (k = 1,2,3,...,i) na wielko± wyj±ciow z (badanie wpªywu wielko±ci wej±ciowej x 1 przy ustalonych warto±ciach pozostaªych zmiennych, wyznaczaj c w ten sposób funkcj jednej zmiennej z = f (x 1 )). Nast pnie kolejno wyznacza si z = f (x 2 ), z = f (x 3 ) itd. uzyskuje sie w ten sposób maªo przydatny zbiór wielu funkcji jednej zmiennej z = f (x k ); k = 1,2,3,...,i
11 Czym jest teoria eksperymentu? Liczba pomiarów utrzymuje sie na stosunkowo niskim poziomie: n = n 1 +(n 2 1)+...+(n i 1) dla i = 10, n k = 10 otrzymujemy n = 91 Pojedyncze funkcje nie zawieraj wªa±ciwej informacji o badanej rzeczywisto±ci (nie zapewniaj mo»liwo±ci optymalizacji, nie nadaj si do sterowania numerycznego)
12 Czym jest teoria eksperymentu? Wªa±ciw funkcj obiektu bada«z = f (x 1, x 2,...,x k ), b d c funkcj wielu zmiennych mo»na zawsze wyznaczy stosuj c tzw. plan kompletny bada«. Plan kompletny bada«: wykonanie pomiarów wielko±ci z dla zbioru wszystkich warto±ci n k wszystkich wielko±ci wej±ciowych k = 1,2,3,...,i; x k
13 Czym jest teoria eksperymentu? Przykªad: plan kompletny dla dwóch wielko±ci wej±ciowych x 1 i x 2, który wymaga wykonania n = 100 pomiarów warto±ci wielko±ci z dla wszytstkich warto±ci x 1 i x 2 : n = n1 n2 = 100 gdy n 1 = n 2 = n x = 10 Metoda teoretycznie poprawna, niestety nie zawsze wykonalna ze wzgl du na szybko rosn c liczb niezb dnych pomiarów z wraz ze wzrostem liczby wielko±ci wej±ciowych i (np. dla i = 10, n = ). institution-log
14 Czym jest teoria eksperymentu? Kontynuacja tradycyjnych planów do±wiadcze«, tj. badanie wpªywu pojedynczych wielko±ci wej±ciowych na wielko± wyj±ciow, prowadzi do maªo przydatnych wyników w sensie poznawczym i praktycznym. Metoda planów kompletnych, pomimo»e doskonaªa w sensie informacyjnym, jest niewykonalna dla bardziej zªo»onych obiektów bada«. Rozwi zanie: teoria eksperymentu. Tradycyjnie: pomiary = analiza wyników. Teoria eksperymentu: cel i metoda anlizy wyników pomiarów = plan do±wiadczenia = pomiary. Plan do±wiadczenia mo»e uwzgl dnia postulat: liczba pomiarów wymaganych jest mo»liwie maªa.
15 : wyznaczenie punktów w przestrzeni i wymiarowej, których wpóªrz dne, czyli warto±ci wielko±ci wej±ciowych x 1, x 2,...,x i tworz plan do±wiadczenia. Plan do±wiadczenia: zbiór n uk ladów (zbiorów) warto±ci {x 1, x 2,...,x i }dla których mierzy si warto±ci wielko±ci wej±ciowej z (u) ; u = 1,2,...,n institution-log
16 Teoria eksperymentu ma charakter uniwersalny i tworzone plany do±wiadcze«stosowane s w ró»nych dziedzinach wiedzy, st d w planach u»ywa si bezwymiarowych (normowanych) warto±ci wielko±ci wej±ciowych x k : x k [ α,α] gdzie α - rami gwiezdne planu. Wyko»ystanie planu do±wiadczenia wymaga przeliczenia warto±ci normowanych nale» cych do przedziaªu [ α, α] na warto±ci rzeczywiste nale» ce do przedziaªu [x kmin, x kmax ]. institution-log
17 Istota przydatno±ci teorii eksperymentu w badaniach polega na tym,»e spo±ród wielu planów mo»na wybra taki, który zapewni jednocze±nie: wyznaczenie funkcji stanowi cej matematyczny opis obiektu bada«i to funkcji z o góry przyj tej postaci ograniczenie ogólnej liczby pomiarów n do rozs dnych, raczej maªych warto±ci.
18 Zagadnienia analizy wyników pomiarów W teorii eksperymentu równie wa»nym zagadnieniem jak planowanie do±wiadcze«, jest analiza wyników pomiarów (analiza statystyczna), która obejmuje nast puj ce zagadnienia: niedokªadno± pomiarów (oszacowanie zakªoce«losowych, ª cznie z bª dami ±rodków i metod pomiarówych, które wyst puj c w niemal ka»dym obiekcie bada«). Wykorzystuje si tutaj pewne metody i procedury statystyki matematycznej i rachunku prawdopodobie«stwa. aproksymacj (wyznaczenie wspóªczynników i staªych) funkcji obiektu bada«. ocen zgodno±ci (adekwatno±ci) wyznaczonej funkcji z wynikami pomiarów oraz istotno±ci wpªywu wielko±ci wej±ciowych na wielko±ci wyj±ciow na tle zakªóce«losowych obiektu. Stosuje si wybrane testy istotno±ci. Optymalizacj, czyli okre±lenie stanów ekstremalnych obiektu bada«za pomoc metod optymalizacji. institution-log
19 Zagadnienia analizy wyników pomiarów Analiza wyników pomiarów okre±la ostateczny rezultat. Odpowiada na pytanie JAK?, tworz c podstawy do dalszej analizy merytorycznej odpowiadaj cej na pytanie DLACZEGO??
20 Etapy realizacji bada«etap I:Charaktertystyka obiektu bada«(ob): ustali stan wiedzy w zakresie tematu, a tym samym okre±li zagnienia wymagaj ce rozwi zania w drodze do±wiadczalnej, okre±li zbiory wielko±ci charakteryzuj cych obiekt bad «(wielko±ci wej±ciowe, wyj±ciowe, staªe i zakªócaj ce), okre±li relacj mi dzy wielko±ciami, które nale»y rozpozna w wyniku bada«do±wiadczalnych.
21 Etapy realizacji bada«etap II: Cel bada«do±wiadczalnych: okre±lenie szczegóªowego celu bada«do±wiadczalnych - jeszcze przed ich zaplanowaniem i realizacj - jest warunkiem niezb dnym jego osi gni cia. Zwykle wybiera si jeden z nast puj cych celów: wyznaczenie funkcji OB, wyznaczenie stanu ekstremalnego OB werykacja istotno±ci wpªywu wybranych wielko±ci wej±ciowych (x k ) na wielko± wyj±ciow (z) na tle zakªóce«losowych OB.
22 Etapy realizacji bada«etap III: Metoda bada«do±wiadczalnych. Osi gni cie zaªo»onego w etapie II celu wymaga: wyboru wªa±ciwego planu do±wiadczenia oraz okre±lenie sposobu jego realizacji i liczby powtórze«pomiarów. Równocze±nie na tym etapie bada«nale»y szczegóªowo okre±li technik pomiarów, tj. metody i ±rodki pomiarowe, a tym samym opracowa projekt i przygotowa stanowisko badawcze.
23 Etapy realizacji bada«etap IV: Realizacja bada«do±wiadczalnych: na przygotowanym stanowisku badawczym realizuje si pomiary wg przyj tego planu do±wiadczenia z uwzgl dnieniem sposobu realizacji i liczby powtórze«. ETAP V: Analiza wyników pomiarów: po wykonaniu bada«wyniki pomiarów poddaje si analizie statystycznej i merytorycznej. Je»eli celem jest otrzymanie funkcji OB to analiza obejmuje: niedokªadno± pomiarów aproksymacj (wyznacznie wspóªczynników zaªo»onej funkcji) werykacj adekwatno±ci werykacj istotno±ci wspóªczynników funkcji OB optymalizacj OB.
24 Etapy realizacji bada«etap VI: Wnioski z bada«: Na podstawie analizy statystycznej i merytorycznej wyników bada«nale»y sformuªowa wnioski: poznawcze utylitarne (praktyczne) rozwojowe, okre±laj ce ewetualne kierunki dalszych bada«.
25 Charakterystyka obiektu bada«na podstawie informacji o obiekcie bada«tworzy si nas puj ce, charakteryzuj ce go zbiory wielko±ci we±ciowe: x 1, x 2, x 3,...,x i ; wyj±ciowe: z 1, z 2, z 3,...,z w ; staªe: c 1, c 2, c 3,...,c c ; zakªócaj ce: h 1, h 2, h 3,...,h z ;
26 Charakterystyka obiektu bada«do zbioru wielko±ci wej±ciowych (tzw. zmienych niezale»nych) zalicza si arbitralnie te wielko±ci, których wpªyw na wielko±ci wyj±ciowe interesuje realizatora bada«. Musz one by wzajemnie niezale»ne i mierzalne. Dla ka»dej wielko±ci wej±ciowej okre±lamy zakres warto±ci, tzn. warto± minimaln i maksymaln : x kmin x k x kmax ; k = 1,2,...,i
27 Charakterystyka obiektu bada«do zbioru wielko±ci wyj±ciowych (zmienne zale»ne) zalicza sie wielko±ci, które zwykle stanowi efekt funkcjonowania obiektu bada«. Wielko±ci wyj±ciowe s mierzalne, a i ch warto±ci b d stanowiªy wyniki pomiarów w procesie realizacj bada«. Oznacza si j symbolem z 1, z 2 Na ka»d z wielko±ci wyj±ciowych wpªywaj wielko±ci wej±ciowe.
28 Charakterystyka obiektu bada«do zbioru wielko±ci staªych zalicza si wielko±ci, które mog mie wpªyw na wielko±ci wyj±ciowe, ale ich wpªyw nie interesuje realizatora bada«. Okre±lone arbitralnie warto±ci tych wielko±ci s staªe w czasie realizacji bada«. Zbiór wielko±ci zakªócaj cych: wielko±ci albo znane i mierzalne, lecz celowo pomijane, albo znane, lecz niemierzalne lub te» nieznane, a ich wpªyw na wielko±ci wyj±ciowe jest losowy.
29 Charakterystyka obiektu bada«w zale»no±ci do pewnych wª sciwo±ci wielko±ci charakteryzuj cych obiekt bada«rozró¹nia si nast puj ce obiekty bada«: statyczne (obiekt bada«nie zniemnia si w czasie, a szczególnie wielko±ci wej±ciowe s niezale»ne od czasu, ich warto±ciami mo»na swobodnie sterowa ), dynamiczne (obiekt zmienia si w czasie). Mierzalne, czyli takie których warto±ci da si okre±li ilo±ciowo w postaci liczby i jednostki miary.
30 Charakterystyka obiektu bada«istotnym zabiegiem jest tzw. dekompozycja obiektu bada«, polegaj ca na utworzeniu tylu obiektów bada«, ile jest wielko±ci wyj±ciowych, przy czym ka»dy obiekt charakteryzowany jest tylko jedn wielko±ci zyczn. Prowadzi to do relacji: F z1 (x 1, x 2,...,x n, z 1 ) = 0, F z2 (x 1, x 2,...,x n, z 2 ) = 0 F zw (x 1, x 2,...,x n, z w ) = 0 Nalezy podkre±li formalno± dekompozycji. Mo»na i nale»y mierzy w wielko±ci wyj±ciowych w trakcie realizacji.
31 Obiekt bada«- przykªad Obiekt bada«: eksploatacja nowego typu samochodu. Cel bada«: uzyskanie informacji o wpªywie warunków eksploatacji tego samochodu na zu»ycie paliwa.
32 Obiekt bada«- przykªad Do zbioru wielko±ci wej±ciowych zalicza si wybrane wielko±ci stanowi ce warunki eksploatacji tego samochodu np.: pr dko± jazdy v, obci»enie samochodu (ª dunek) Q, liczb oktanow paliwa L: x 1 = v km/h x 2 = Q kg x 3 = L
33 Obiekt bada«- przykªad Przyjmuje si zakresy x 1, x 2, x 3 w zale»no±ci od przewidywanych warunków eksploatacji tego samochodu, np. 30 km/h x 1 90 km/h 100 kg x kg 94 x 3 98 Wielko± wyj±ciowa: zu»ycie paliwa:z 1 = z = Z l/100km. Mo»e te» by kilka wielko±ci wyj±ciowych.
34 Obiekt bada«- przykªad Do zbioru wielko±ci staªych zaliczamy: typ samochodu (jego parametry konstrukcyjne): c 1 ci±nienie w oponach: c 2 wysoko± bie»nika: c 3 tzn. parametry konstrukcyjne, ustalona warto± i±nienia w oponach, wysoko± bie»nika nie mog si znacz co zmieni w czasie realizacji bada«.
35 Obiekt bada«- przykªad Do zbioru wielko±ci zakªócaj cych zaliczamy: warunki atmosferyczne: h 1 losowe sytuacje drogowe: h 2 bªedy pomiaru zu»ycia paliwa: h 3
36 Obiekt bada«- przykªad Przyj cie zbiorów wielko±ci charakteryzuj cych obiekt bada«powinno by dodatkowo uzupeªnione okre±leniem relacji mi dzy wielko±ciami wej±ciowymi a wyj±ciowymi, które interesuj realizatora bada«. Mo»na wyró»ni dwa typy: 1 funkcja obiektu bada«(fob): z = F (x 1, x 2, x 3,...,x i ), czyli celem bada«jest okre±lenie zwi zków mi dzy wszystkimi wielko±ciami wej±ciowymi a wielko±ci wyj±ciow, 2 pojedyncze funkcje: z i = f i (x 1 ); x k = const., czyli celem bada«jest okre±lenie zwi zków pomi dyz ka»d z wielko±ci wej±ciowych a wielko±ci wyj±ciow.
37 Cel bada«do±wiadczalnych Okre±lenie charakterystyki obiektu bada«stanowi podstaw do wyboru celu bad «do±wiadczalnych. Mo»na okre±li nast puj e ogólne cele: 1 werykacja istotno±ci wpªywu wielko±ci wej±ciowyc na wielko± wyj±ciow 2 wyznaczenie stanu ekstremalnego 3 wyznaczenie funkcji OB Wybór celu 3 pozwala na usyskanie peªnej informacji o obiekcie bada«.
38 Cel bada«do±wiadczalnych Wyznaczenie funkcji obiektu bada«oznacza,»e z bada«do±wiadczalnych uzyskuje si warto±ci wspóªczynników (staªych) funkcji opisuj cej zachowanie si obiektu bada«w przyj tych zakresach xk (x kmin, xkmax ). Dysponuj c wyznaczon z bad «funkcj mo»na: obliczy warto± wielko±ci wyj±ciowej (z) dla zbioru dowolnych (z przyj tych zakresów) warto±ci wielko±ci wej±ciowych (x k ) analitycznie wyznacz ekstremum (minimum lub maksimum) funkcji (cel b) stwierdzi charakter i istotno± wpªywu ka»dej z wielko±ci wej±ciowych na wielko± wyj±ciow (cel 1) zastosowa funkcj do numerycznego sterowania obiektem bada«. institution-log
39 Cel bada«do±wiadczalnych Konsekwencj przyj cia, jako celu bada«funkcji OB jest konieczno± zaªo»enia (przed badaniami) szczegóªowej postaci funkcji. Dobiera sie posta funkcji dla nieznanej przed badaniami rzeczywisto±ci. Przykªad zaªo»enia niewªa±ciwej funkcji obiektu bada«(krzywa przerywana - nieznana institution-log rzeczywisto± )
40 Uf... Koniec Opracowano na podstawie: Roma Górecka Teoria i technika eksperymentu, Wydawnictwo PK, Kraków 1995 r. Dzi kuje za uwag!!!
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i
Bardziej szczegółowoMetody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9
Metody numeryczne Wst p do metod numerycznych Dawid Rasaªa January 9, 2012 Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Czym s metody numeryczne? Istota metod numerycznych Metody numeryczne s
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Aleksandra Ki±lak-Malinowska akis@uwm.edu.pl http://wmii.uwm.edu.pl/ akis/ Czym zajmuje si statystyka? Statystyka zajmuje si opisywaniem i analiz zjawisk masowych otaczaj cej czªowieka
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci
Bardziej szczegółowoMetody statystyczne w biologii - Wykªad 8. Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t
Metody statystyczne w biologii - Wykªad 8 Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Regresja logistyczna 1. Podstawy teoretyczne i przykªady zastosowania
Bardziej szczegółowoEkonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
Bardziej szczegółowoTemat: Co to jest optymalizacja? Maksymalizacja objętości naczynia prostopadłościennego za pomocą arkusza kalkulacyjngo.
Konspekt lekcji Przedmiot: Informatyka Typ szkoły: Gimnazjum Klasa: II Nr programu nauczania: DKW-4014-87/99 Czas trwania zajęć: 90min Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia
Bardziej szczegółowoElementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13
Elementarna statystyka Wnioskowanie o regresji (Inference for regression) Alexander Bendikov Uniwersytet Wrocªawski 2 czerwca 2016 Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for
Bardziej szczegółowoIn»ynierskie zastosowania statystyki wiczenia
Uwagi: 27012014 poprawiono kilka literówek, zwi zanych z przedziaªami ufno±ci dla wariancji i odchylenia standardowego In»ynierskie zastosowania statystyki wiczenia Przedziaªy wiarygodno±ci, testowanie
Bardziej szczegółowoWykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja
Bardziej szczegółowoFunkcje, wielomiany. Informacje pomocnicze
Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a
Bardziej szczegółowoStatystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Statystyka Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Statystyka Statystyka: nauka zajmuj ca si liczbowym opisem zjawisk masowych oraz ich analizowaniem, zbiory informacji liczbowych. (Sªownik
Bardziej szczegółowoEkonometria - wykªad 1
Ekonometria - wykªad 1 0. Wprowadzenie Barbara Jasiulis-Goªdyn 28.02.2014 2013/2014 Ekonometria Literatura [1] B. Borkowski, H. Dudek, W. Szczesny, Ekonometria. Wybrane Zaganienia, PWN, Warszawa 2003.
Bardziej szczegółowoInformacje pomocnicze
Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Model mieszany
Bardziej szczegółowoUkªady równa«liniowych
dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast
Bardziej szczegółowoPodstawy statystycznego modelowania danych - Wykªad 7
Podstawy statystycznego modelowania danych - Wykªad 7 Tomasz Suchocki ANOVA Plan wykªadu Analiza wariancji 1. Rys historyczny 2. Podstawy teoretyczne i przykªady zastosowania 3. ANOVA w pakiecie R Tomasz
Bardziej szczegółowoEkonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 2 Werykacja modelu liniowego (2) Ekonometria 1 / 33 Plan wicze«1 Wprowadzenie 2 Ocena dopasowania R-kwadrat Skorygowany R-kwadrat i kryteria informacyjne 3 Ocena istotno±ci zmiennych
Bardziej szczegółowoEkonometria. wiczenia 7 Modele nieliniowe. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 7 Modele nieliniowe (7) Ekonometria 1 / 19 Plan wicze«1 Nieliniowo± : co to zmienia? 2 Funkcja produkcji Cobba-Douglasa 3 Nieliniowa MNK (7) Ekonometria 2 / 19 Plan prezentacji 1 Nieliniowo±
Bardziej szczegółowo1 Metody iteracyjne rozwi zywania równania f(x)=0
1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0
Bardziej szczegółowoprzewidywania zapotrzebowania na moc elektryczn
do Wykorzystanie do na moc elektryczn Instytut Techniki Cieplnej Politechnika Warszawska Slide 1 of 20 do Coraz bardziej popularne staj si zagadnienia zwi zane z prac ¹ródªa energii elektrycznej (i cieplnej)
Bardziej szczegółowoRozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a).
Rozwi zania zada«z egzaminu podstawowego z Analizy matematycznej 2.3A (24/5). Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Zadanie P/4. Metod operatorow rozwi
Bardziej szczegółowoANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
Bardziej szczegółowoMODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH
MODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH Urszula Fory± Zakªad Biomatematyki i Teorii Gier, Instytut Matematyki Stosowanej i Mechaniki, Wydziaª
Bardziej szczegółowoEkonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria
Bardziej szczegółowoWykªad 4. Funkcje wielu zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 4. Funkcje wielu zmiennych. Zbiory na pªaszczy¹nie i w przestrzeni.
Bardziej szczegółowoCAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski
III. CAŠKOWAIE METODAMI MOTE CARLO Janusz Adamowski 1 1 azwa metody Podstawowym zastosowaniem w zyce metody Monte Carlo (MC) jest opis zªo-»onych ukªadów zycznych o du»ej liczbie stopni swobody. Opis zªo»onych
Bardziej szczegółowo1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci
Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,
Bardziej szczegółowoKLASYCZNE ZDANIA KATEGORYCZNE. ogólne - orzekaj co± o wszystkich desygnatach podmiotu szczegóªowe - orzekaj co± o niektórych desygnatach podmiotu
➏ Filozoa z elementami logiki Na podstawie wykªadów dra Mariusza Urba«skiego Sylogistyka Przypomnij sobie: stosunki mi dzy zakresami nazw KLASYCZNE ZDANIA KATEGORYCZNE Trzy znaczenia sªowa jest trzy rodzaje
Bardziej szczegółowoArkusz maturalny. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne
Arkusz maturalny Šukasz Dawidowski Powtórki maturalne 25 kwietnia 2016r. Odwrotno±ci liczby rzeczywistej 1. 9 8 2. 0, (1) 3. 8 9 4. 0, (8) 3 4 4 4 1 jest liczba Odwrotno±ci liczby rzeczywistej 3 4 4 4
Bardziej szczegółowoPodstawy modelowania w j zyku UML
Podstawy modelowania w j zyku UML dr hab. Bo»ena Wo¹na-Szcze±niak Akademia im. Jan Dªugosza bwozna@gmail.com Wykªad 2 Zwi zki mi dzy klasami Asocjacja (ang. Associations) Uogólnienie, dziedziczenie (ang.
Bardziej szczegółowoListy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki.
Wydziaª Matematyki, Fizyki i Informatyki 10 marca 2008 Spis tre±ci Listy 1 Listy 2 3 Co to jest lista? Listy List w Mathematice jest wyra»enie oddzielone przecinkami i zamkni te w { klamrach }. Elementy
Bardziej szczegółowoi, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017
i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski Uniwersytet Šódzki, Wydziaª Matematyki i Informatyki UŠ piotr@fulmanski.pl http://fulmanski.pl/zajecia/prezentacje/festiwalnauki2017/festiwal_wmii_2017_
Bardziej szczegółowoWektory w przestrzeni
Wektory w przestrzeni Informacje pomocnicze Denicja 1. Wektorem nazywamy uporz dkowan par punktów. Pierwszy z tych punktów nazywamy pocz tkiem wektora albo punktem zaczepienia wektora, a drugi - ko«cem
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 6: Bayesowskie ª czenie wiedzy (6) Ekonometria Bayesowska 1 / 21 Plan wykªadu 1 Wprowadzenie 2 Oczekiwana wielko± modelu 3 Losowanie próby modeli 4 wiczenia w R (6) Ekonometria
Bardziej szczegółowoMatematyka z elementami statystyki
Matematyka z elementami statystyki Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Korelacja Zale»no± funkcyjna wraz ze wzrostem jednej zmiennej nast puje ±ci±le okre±lona zmiana druiej zmiennej.
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia
Bardziej szczegółowoOpis matematyczny ukªadów liniowych
Rozdziaª 1 Opis matematyczny ukªadów liniowych Autorzy: Alicja Golnik 1.1 Formy opisu ukªadów dynamicznych 1.1.1 Liniowe równanie ró»niczkowe Podstawow metod przedstawienia procesu dynamicznego jest zbiór
Bardziej szczegółowoCaªkowanie numeryczne - porównanie skuteczno±ci metody prostokatów, metody trapezów oraz metody Simpsona
Akademia Górniczo-Hutnicza im. Stanisªawa Staszica w Krakowie Wydziaª Fizyki i Informatyki Stosowanej Krzysztof Grz dziel kierunek studiów: informatyka stosowana Caªkowanie numeryczne - porównanie skuteczno±ci
Bardziej szczegółowoMateriaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Bardziej szczegółowo2 Liczby rzeczywiste - cz. 2
2 Liczby rzeczywiste - cz. 2 W tej lekcji omówimy pozostaªe tematy zwi zane z liczbami rzeczywistymi. 2. Przedziaªy liczbowe Wyró»niamy nast puj ce rodzaje przedziaªów liczbowych: (a) przedziaªy ograniczone:
Bardziej szczegółowoWykªad 6: Model logitowy
Wykªad 6: Model logitowy Ekonometria Stosowana SGH Model logitowy 1 / 18 Plan wicze«1 Modele zmiennej jako±ciowej idea 2 Model logitowy Specykacja i interpretacja parametrów Dopasowanie i restrykcje 3
Bardziej szczegółowoObwody sprzone magnetycznie.
POITECHNIKA SKA WYDZIAŁ INYNIERII RODOWISKA I ENERGETYKI INSTYTUT MASZYN I URZDZE ENERGETYCZNYCH ABORATORIUM EEKTRYCZNE Obwody sprzone magnetycznie. (E 5) www.imiue.polsl.pl/~wwwzmiape Opracował: Dr in.
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x, y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0, y 0 ) Pochodn cz stkow pierwszego rz du funkcji dwóch zmiennych wzgl
Bardziej szczegółowoPRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc
PRAWA ZACHOWANIA Podstawowe terminy Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc a) si wewn trznych - si dzia aj cych na dane cia o ze strony innych
Bardziej szczegółowoMetodydowodzenia twierdzeń
1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych
Bardziej szczegółowoLab. 02: Algorytm Schrage
Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z
Bardziej szczegółowoEkonometria. wiczenia 8 Modele zmiennej jako±ciowej. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 8 Modele zmiennej jako±ciowej (8) Ekonometria 1 / 25 Plan wicze«1 Modele zmiennej jako±ciowej 2 Model logitowy Specykacja i interpretacja parametrów Dopasowanie i restrykcje 3 Predykcja
Bardziej szczegółowoPodstawy modelowania w j zyku UML
Podstawy modelowania w j zyku UML dr hab. Bo»ena Wo¹na-Szcze±niak Akademia im. Jan Dªugosza bwozna@gmail.com Wykªad 8 Diagram pakietów I Diagram pakietów (ang. package diagram) jest diagramem strukturalnym,
Bardziej szczegółowoPakiety statystyczne - Wykªad 8
Pakiety statystyczne - Wykªad 8 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Analiza wariancji 1. Rys historyczny 2. Podstawy teoretyczne
Bardziej szczegółowoJAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1
J zyki formalne i operacje na j zykach J zyki formalne s abstrakcyjnie zbiorami sªów nad alfabetem sko«czonym Σ. J zyk formalny L to opis pewnego problemu decyzyjnego: sªowa to kody instancji (wej±cia)
Bardziej szczegółowo14.Rozwiązywanie zadań tekstowych wykorzystujących równania i nierówności kwadratowe.
Matematyka 4/ 4.Rozwiązywanie zadań tekstowych wykorzystujących równania i nierówności kwadratowe. I. Przypomnij sobie:. Wiadomości z poprzedniej lekcji... Że przy rozwiązywaniu zadań tekstowych wykorzystujących
Bardziej szczegółowoZastosowania matematyki
Zastosowania matematyki Monika Bartkiewicz 1 / 126 ...czy«cie dobrze i po»yczajcie niczego si nie spodziewaj c(šk. 6,34-35) Zagadnienie pobierania procentu jest tak stare jak gospodarka pieni»na. Procent
Bardziej szczegółowo1 Bª dy i arytmetyka zmiennopozycyjna
1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy
Bardziej szczegółowoW zadaniach na procenty wyró»niamy trzy typy czynno±ci: obliczanie, jakim procentem jednej liczby jest druga liczba,
2 Procenty W tej lekcji przypomnimy sobie poj cie procentu i zwi zane z nim podstawowe typy zada«. Prosimy o zapoznanie si z regulaminem na ostatniej stronie. 2.1 Poj cie procentu Procent jest to jedna
Bardziej szczegółowoTwierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski
Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej
Bardziej szczegółowoUczenie Wielowarstwowych Sieci Neuronów o
Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji
Bardziej szczegółowoEkstremalnie fajne równania
Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów
Bardziej szczegółowoZagadnienia na wej±ciówki z matematyki Technologia Chemiczna
Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?
Bardziej szczegółowoModele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Bardziej szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )
Bardziej szczegółowoMiASI. Modelowanie systemów informatycznych. Piotr Fulma«ski. 18 stycznia Wydziaª Matematyki i Informatyki, Uniwersytet Šódzki, Polska
MiASI Modelowanie systemów informatycznych Piotr Fulma«ski Wydziaª Matematyki i Informatyki, Uniwersytet Šódzki, Polska 18 stycznia 2010 Spis tre±ci 1 Analiza systemu informatycznego Poziomy analizy 2
Bardziej szczegółowoJanusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Interpolacja PWSZ Gªogów, 2009 Interpolacja Okre±lenie zale»no±ci pomi dzy interesuj cymi nas wielko±ciami, Umo»liwia uproszczenie skomplikowanych funkcji (np. wykorzystywana
Bardziej szczegółowo6. Projektowanie składu chemicznego stali szybkotn cych o wymaganej twardo ci i odporno ci na p kanie
6. Projektowanie składu chemicznego stali szybkotn cych o wymaganej twardo ci i odporno ci na p kanie Do projektowania składu chemicznego stali szybkotn cych, które jest zadaniem optymalizacyjnym, wykorzystano
Bardziej szczegółowoLiniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach
Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie
Bardziej szczegółowoWzorce projektowe kreacyjne
Wzorce projektowe kreacyjne Krzysztof Ciebiera 14 pa¹dziernika 2005 1 1 Wst p 1.1 Podstawy Opis Ogólny Podstawowe informacje Wzorce kreacyjne sªu» do uabstrakcyjniania procesu tworzenia obiektów. Znaczenie
Bardziej szczegółowoKwantowa teoria wzgl dno±ci
Instytut Fizyki Teoretycznej Uniwersytetu Warszawskiego Festiwal Nauki, 16 wrze±nia 2006 Plan wykªadu Grawitacja i geometria 1 Grawitacja i geometria 2 3 Grawitacja Grawitacja i geometria wedªug Newtona:
Bardziej szczegółowoElementy Modelowania Matematycznego Wykªad 9 Systemy kolejkowe
Elementy Modelowania Matematycznego Wykªad 9 Systemy kolejkowe Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis tre±ci 1 2 3 Spis tre±ci 1 2 3 Spis tre±ci 1 2 3 Teoria masowej obsªugi,
Bardziej szczegółowoKonspekt lekcji otwartej
Konspekt lekcji otwartej Przedmiot: Temat lekcji: informatyka Modelowanie i symulacja komputerowa prawidłowości w świecie liczb losowych Klasa: 2 g Data zajęć: 21.12.2004. Nauczyciel: Roman Wyrwas Czas
Bardziej szczegółowoZASADY PROWADZENIA CERTYFIKACJI FUNDUSZY EUROPEJSKICH I PRACOWNIKÓW PUNKTÓW INFORMACYJNYCH
Załącznik nr 3 do Aneksu ZASADY PROWADZENIA CERTYFIKACJI PUNKTÓW INFORMACYJNYCH FUNDUSZY EUROPEJSKICH I PRACOWNIKÓW PUNKTÓW INFORMACYJNYCH 1 ZASADY PROWADZENIA CERTYFIKACJI 1. Certyfikacja jest przeprowadzana
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Analiza wariancji
Bardziej szczegółowoBiostatystyka, # 5 /Weterynaria I/
Biostatystyka, # 5 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowo1 Poj cia pomocnicze. Przykªad 1. A A d
Poj cia pomocnicze Otoczeniem punktu x nazywamy dowolny zbiór otwarty zawieraj cy punkt x. Najcz ±ciej rozwa»amy otoczenia kuliste, tj. kule o danym promieniu ε i ±rodku x. S siedztwem punktu x nazywamy
Bardziej szczegółowoRegulamin ustalania wysoko±ci, przyznawania i wypªacania stypendium za wyniki w nauce dla doktorantów MIMUW v4.3
Regulamin ustalania wysoko±ci, przyznawania i wypªacania stypendium za wyniki w nauce dla doktorantów MIMUW v4.3 1 grudnia 2007 Komentarze s pisane kursyw. 1. Doktoranci s dzieleni na kategorie pod wzgl
Bardziej szczegółowoA = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.
Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta
Bardziej szczegółowo5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach ( Niezale»ne szkody maja rozkªady P (X i = k) = exp( 1)/k!, P (Y i = k) = 4+k ) k (1/3) 5 (/3) k, k = 0, 1,.... Niech S = X 1 +... + X 500 + Y 1 +... + Y 500. Skªadka
Bardziej szczegółowoMATEMATYKA 4 INSTYTUT MEDICUS FUNKCJA KWADRATOWA. Kurs przygotowawczy na studia medyczne. Rok szkolny 2010/2011. tel. 0501 38 39 55 www.medicus.edu.
INSTYTUT MEDICUS Kurs przygotowawczy na studia medyczne Rok szkolny 00/0 tel. 050 38 39 55 www.medicus.edu.pl MATEMATYKA 4 FUNKCJA KWADRATOWA Funkcją kwadratową lub trójmianem kwadratowym nazywamy funkcję
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 9: Metody numeryczne: MCMC Andrzej Torój 1 / 17 Plan wykªadu Wprowadzenie 1 Wprowadzenie 3 / 17 Plan prezentacji Wprowadzenie 1 Wprowadzenie 3 3 / 17 Zastosowanie metod numerycznych
Bardziej szczegółowoMetody dowodzenia twierdze«
Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku
Bardziej szczegółowoKurs wyrównawczy dla kandydatów i studentów UTP
Kurs wyrównawczy dla kandydatów i studentów UTP Część III Funkcja wymierna, potęgowa, logarytmiczna i wykładnicza Magdalena Alama-Bućko Ewa Fabińska Alfred Witkowski Grażyna Zachwieja Uniwersytet Technologiczno
Bardziej szczegółowoPodstawy matematyki dla informatyków
Podstawy matematyki dla informatyków Wykªad 6 10 listopada 2011 W poprzednim odcinku... Zbiory A i B s równoliczne (tej samej mocy ), gdy istnieje bijekcja f : A 1 1 B. Piszemy A B lub A = B. na Moc zbioru
Bardziej szczegółowo1 Ró»niczka drugiego rz du i ekstrema
Plan Spis tre±ci 1 Pochodna cz stkowa 1 1.1 Denicja................................ 1 1.2 Przykªady............................... 2 1.3 Wªasno±ci............................... 2 1.4 Pochodne wy»szych
Bardziej szczegółowoLekcja 8 - ANIMACJA. 1 Polecenia. 2 Typy animacji. 3 Pierwsza animacja - Mrugaj ca twarz
Lekcja 8 - ANIMACJA 1 Polecenia Za pomoc Baltiego mo»emy tworzy animacj, tzn. sprawia by obraz na ekranie wygl daª jakby si poruszaª. Do animowania przedmiotów i tworzenia animacji posªu» nam polecenia
Bardziej szczegółowoZADANIA. Maciej Zakarczemny
ZADANIA Maciej Zakarczemny 2 Spis tre±ci 1 Algebra 5 2 Analiza 7 2.1 Granice iterowane, granica podwójna funkcji dwóch zmiennych....... 7 2.2 Caªki powierzchniowe zorientowane...................... 8 2.2.1
Bardziej szczegółowoW tym elemencie większość zdających nie zapisywała za pomocą równania reakcji procesu zobojętniania tlenku sodu mianowanym roztworem kwasu solnego.
W tym elemencie większość zdających nie zapisywała za pomocą równania reakcji procesu zobojętniania tlenku sodu mianowanym roztworem kwasu solnego. Ad. IV. Wykaz prac według kolejności ich wykonania. Ten
Bardziej szczegółowoMacierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n
Plan Spis tre±ci 1 Problemy liniowe 1 2 Zadania I 3 3 Formy biliniowe 3 3.1 Odwzorowania wieloliniowe..................... 3 3.2 Formy biliniowe............................ 4 4 Formy kwadratowe 4 1 Problemy
Bardziej szczegółowoLXV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA
LXV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA CZ DO WIADCZALNA Za zadanie do±wiadczalne mo»na otrzyma maksymalnie 40 punktów. Zadanie D. Rozgrzane wolframowe wªókno»arówki o temperaturze bezwzgl dnej T emituje
Bardziej szczegółowoAutomatyka. Etymologicznie automatyka pochodzi od grec.
Automatyka Etymologicznie automatyka pochodzi od grec. : samoczynny. Automatyka to: dyscyplina naukowa zajmująca się podstawami teoretycznymi, dział techniki zajmujący się praktyczną realizacją urządzeń
Bardziej szczegółowoRównania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010
WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna
Bardziej szczegółowoEkonometria. Typy zada«optymalizacyjnych Analiza pooptymalizacyjna SOLVER. 22 maja 2016. Karolina Konopczak. Instytut Rozwoju Gospodarczego
Ekonometria Typy zada«optymalizacyjnych Analiza pooptymalizacyjna SOLVER 22 maja 2016 Karolina Konopczak Instytut Rozwoju Gospodarczego Problem diety Aby ±niadanie byªo peªnowarto±ciowe powinno dostarczy
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2015/2016
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Mechaniczny obowiązuje studentów rozpoczynających studia w roku akademickim 015/016 Kierunek studiów: Inżynieria Produkcji Forma
Bardziej szczegółowoInterpolacja Lagrange'a, bazy wielomianów
Rozdziaª 4 Interpolacja Lagrange'a, bazy wielomianów W tym rozdziale zajmiemy si interpolacj wielomianow. Zadanie interpolacji wielomianowej polega na znalezieniu wielomianu stopnia nie wi kszego od n,
Bardziej szczegółowoPOMOC PSYCHOLOGICZNO-PEDAGOGICZNA Z OPERONEM. Vademecum doradztwa edukacyjno-zawodowego. Akademia
POMOC PSYCHOLOGICZNO-PEDAGOGICZNA Z OPERONEM PLANOWANIE DZIAŁAŃ Określanie drogi zawodowej to szereg różnych decyzji. Dobrze zaplanowana droga pozwala dojechać do określonego miejsca w sposób, który Ci
Bardziej szczegółowoPochodna funkcji jednej zmiennej
Pochodna funkcji jednej zmiennej Denicja. (pochodnej funkcji w punkcie) Je±li funkcja f : D R, D R okre±lona jest w pewnym otoczeniu punktu D i istnieje sko«czona granica ilorazu ró»niczkowego: f f( +
Bardziej szczegółowoWiedza niepewna i wnioskowanie (c.d.)
Wiedza niepewna i wnioskowanie (c.d.) Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Wnioskowanie przybliżone Wnioskowanie w logice tradycyjnej (dwuwartościowej) polega na stwierdzeniu
Bardziej szczegółowoRynek biegowy w Polsce Stan i kierunki rozwoju. Akredytacje, Atesty, Licencje Profesjonalny Rynek Biegowy w Polsce
Rynek biegowy w Polsce Stan i kierunki rozwoju Akredytacje, Atesty, Licencje Profesjonalny Rynek Biegowy w Polsce Michaª Bernardelli Szkoªa Gªówna Handlowa w Warszawie Komisja ds. Biegów Ulicznych i Przeªajowych
Bardziej szczegółowoLekcja 9 - LICZBY LOSOWE, ZMIENNE
Lekcja 9 - LICZBY LOSOWE, ZMIENNE I STAŠE 1 Liczby losowe Czasami spotkamy si z tak sytuacj,»e b dziemy potrzebowa by program za nas wylosowaª jak ± liczb. U»yjemy do tego polecenia: - liczba losowa Sprawd¹my
Bardziej szczegółowoK P K P R K P R D K P R D W
KLASA III TECHNIKUM POZIOM PODSTAWOWY I ROZSZERZONY PROPOZYCJA POZIOMÓW WYMAGAŃ Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i
Bardziej szczegółowoPrzykªady problemów optymalizacji kombinatorycznej
Przykªady problemów optymalizacji kombinatorycznej Problem Komiwoja»era (PK) Dane: n liczba miast, n Z +, c ji, i, j {1,..., n}, i j odlegªo± mi dzy miastem i a miastem j, c ji = c ij, c ji R +. Zadanie:
Bardziej szczegółowo