Planowanie do±wiadcze«

Wielkość: px
Rozpocząć pokaz od strony:

Download "Planowanie do±wiadcze«"

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. 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 szczegółowo

Metody 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 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 szczegółowo

Statystyka matematyczna

Statystyka 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 szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody 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 szczegółowo

Metody 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 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 szczegółowo

Ekonometria - wykªad 8

Ekonometria - 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 szczegółowo

Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia prostopadłościennego za pomocą arkusza kalkulacyjngo.

Temat: 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 szczegółowo

Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13

Elementarna 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 szczegółowo

In»ynierskie zastosowania statystyki wiczenia

In»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 szczegółowo

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.

Wykªad 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 szczegółowo

Funkcje, wielomiany. Informacje pomocnicze

Funkcje, 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 szczegółowo

Statystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski

Statystyka. 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 szczegółowo

Ekonometria - wykªad 1

Ekonometria - 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 szczegółowo

Informacje pomocnicze

Informacje 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 szczegółowo

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6

Modele 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 szczegółowo

Ukªady równa«liniowych

Ukªady 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 szczegółowo

Podstawy statystycznego modelowania danych - Wykªad 7

Podstawy 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 szczegółowo

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. 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 szczegółowo

Ekonometria. wiczenia 7 Modele nieliniowe. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. 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 szczegółowo

1 Metody iteracyjne rozwi zywania równania f(x)=0

1 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 szczegółowo

przewidywania zapotrzebowania na moc elektryczn

przewidywania 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 szczegółowo

Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a).

Rozwi 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 szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA 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 szczegółowo

MODEL 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 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 szczegółowo

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. 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 szczegółowo

Wykªad 4. Funkcje wielu zmiennych.

Wykªad 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 szczegółowo

CAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski

CAŠKOWANIE 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 szczegółowo

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci

1 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 szczegółowo

KLASYCZNE ZDANIA KATEGORYCZNE. ogólne - orzekaj co± o wszystkich desygnatach podmiotu szczegóªowe - orzekaj co± o niektórych desygnatach podmiotu

KLASYCZNE 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 szczegółowo

Arkusz maturalny. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne

Arkusz 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 szczegółowo

Podstawy modelowania w j zyku UML

Podstawy 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 szczegółowo

Listy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki.

Listy 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 szczegółowo

i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017

i, 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 szczegółowo

Wektory w przestrzeni

Wektory 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 szczegółowo

Ekonometria Bayesowska

Ekonometria 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 szczegółowo

Matematyka z elementami statystyki

Matematyka 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 szczegółowo

Statystyka matematyczna - ZSTA LMO

Statystyka 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 szczegółowo

Opis matematyczny ukªadów liniowych

Opis 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 szczegółowo

Caªkowanie numeryczne - porównanie skuteczno±ci metody prostokatów, metody trapezów oraz metody Simpsona

Caªkowanie 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 szczegółowo

Materiaªy do Repetytorium z matematyki

Materiaªy 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 szczegółowo

2 Liczby rzeczywiste - cz. 2

2 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 szczegółowo

Wykªad 6: Model logitowy

Wykªad 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 szczegółowo

Obwody sprzone magnetycznie.

Obwody 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 szczegółowo

Funkcje wielu zmiennych

Funkcje 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 szczegółowo

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

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 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 szczegółowo

Metodydowodzenia twierdzeń

Metodydowodzenia 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 szczegółowo

Lab. 02: Algorytm Schrage

Lab. 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 szczegółowo

Ekonometria. wiczenia 8 Modele zmiennej jako±ciowej. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. 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 szczegółowo

Podstawy modelowania w j zyku UML

Podstawy 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 szczegółowo

Pakiety statystyczne - Wykªad 8

Pakiety 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 szczegółowo

JAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1

JAO - 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 szczegółowo

14.Rozwiązywanie zadań tekstowych wykorzystujących równania i nierówności kwadratowe.

14.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 szczegółowo

Zastosowania matematyki

Zastosowania 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 szczegółowo

1 Bª dy i arytmetyka zmiennopozycyjna

1 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 szczegółowo

W zadaniach na procenty wyró»niamy trzy typy czynno±ci: obliczanie, jakim procentem jednej liczby jest druga liczba,

W 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 szczegółowo

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski

Twierdzenie 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 szczegółowo

Uczenie Wielowarstwowych Sieci Neuronów o

Uczenie 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 szczegółowo

Ekstremalnie fajne równania

Ekstremalnie 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 szczegółowo

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna

Zagadnienia 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 szczegółowo

Modele wielorównaniowe. Problem identykacji

Modele 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 szczegółowo

Funkcje wielu zmiennych

Funkcje 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 szczegółowo

MiASI. Modelowanie systemów informatycznych. Piotr Fulma«ski. 18 stycznia Wydziaª Matematyki i Informatyki, Uniwersytet Šódzki, Polska

MiASI. 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 szczegółowo

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych

Janusz 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 szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody 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 szczegółowo

6. 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 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 szczegółowo

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach

Liniowe 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 szczegółowo

Wzorce projektowe kreacyjne

Wzorce 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 szczegółowo

Kwantowa teoria wzgl dno±ci

Kwantowa 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 szczegółowo

Elementy Modelowania Matematycznego Wykªad 9 Systemy kolejkowe

Elementy 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 szczegółowo

Konspekt lekcji otwartej

Konspekt 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 szczegółowo

ZASADY PROWADZENIA CERTYFIKACJI FUNDUSZY EUROPEJSKICH I PRACOWNIKÓW PUNKTÓW INFORMACYJNYCH

ZASADY 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 szczegółowo

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1

Modele 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 szczegółowo

Biostatystyka, # 5 /Weterynaria I/

Biostatystyka, # 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 szczegółowo

1 Poj cia pomocnicze. Przykªad 1. A A d

1 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 szczegółowo

Regulamin 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 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 szczegółowo

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.

A = 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 szczegółowo

5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach

5. (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 szczegółowo

MATEMATYKA 4 INSTYTUT MEDICUS FUNKCJA KWADRATOWA. Kurs przygotowawczy na studia medyczne. Rok szkolny 2010/2011. tel. 0501 38 39 55 www.medicus.edu.

MATEMATYKA 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 szczegółowo

Ekonometria Bayesowska

Ekonometria 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 szczegółowo

Metody dowodzenia twierdze«

Metody 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 szczegółowo

Kurs wyrównawczy dla kandydatów i studentów UTP

Kurs 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 szczegółowo

Podstawy matematyki dla informatyków

Podstawy 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 szczegółowo

1 Ró»niczka drugiego rz du i ekstrema

1 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 szczegółowo

Lekcja 8 - ANIMACJA. 1 Polecenia. 2 Typy animacji. 3 Pierwsza animacja - Mrugaj ca twarz

Lekcja 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 szczegółowo

ZADANIA. Maciej Zakarczemny

ZADANIA. 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 szczegółowo

W 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. 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 szczegółowo

Macierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n

Macierz 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 szczegółowo

LXV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA

LXV 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 szczegółowo

Automatyka. Etymologicznie automatyka pochodzi od grec.

Automatyka. 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 szczegółowo

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010

Równania 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 szczegółowo

Ekonometria. 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 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 szczegółowo

Politechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2015/2016

Politechnika 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 szczegółowo

Interpolacja Lagrange'a, bazy wielomianów

Interpolacja 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 szczegółowo

POMOC PSYCHOLOGICZNO-PEDAGOGICZNA Z OPERONEM. Vademecum doradztwa edukacyjno-zawodowego. Akademia

POMOC 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 szczegółowo

Pochodna funkcji jednej zmiennej

Pochodna 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 szczegółowo

Wiedza niepewna i wnioskowanie (c.d.)

Wiedza 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 szczegółowo

Rynek 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 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 szczegółowo

Lekcja 9 - LICZBY LOSOWE, ZMIENNE

Lekcja 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 szczegółowo

K P K P R K P R D K P R D W

K 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 szczegółowo

Przykªady problemów optymalizacji kombinatorycznej

Przykªady 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