ESTYMACJA PARAMETRÓW SZEREGU FOURIERA I ICH PRAKTYCZNE ZASTOSOWANIA

Wielkość: px
Rozpocząć pokaz od strony:

Download "ESTYMACJA PARAMETRÓW SZEREGU FOURIERA I ICH PRAKTYCZNE ZASTOSOWANIA"

Transkrypt

1 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, s ESTYMACJA PARAMETRÓW SZEREGU FOURIERA I ICH PRAKTYCZNE ZASTOSOWANIA Sylwese Smolik Wyższa Szkoła Ifomayki i Ekoomii TWP w Olszyie sylwese_smolik@sggw.pl Seszczeie: Zawiska okesowe w szczególości sezoowe, popoue się opisywać piewszymi wyazami ozwiięcia fukci okesowe w szeeg Fouiea. Będziemy się zamować akimi zawiskami, kóych liczby e opisuące y dae się ozłożyć a zy składowe: edecę ozwoową f (), składik okesowy (w szczególości sezoowy) z () i składik losowy E. Zapisuemy e fak asępuąco: y = f() + z() + E dla =,,,. Paamey edu f () mogącego mieć óżą posać aaliyczą, wyzaczamy meodą śedich. Uzyskae owe puky empiycze (, z ) opisuemy modelem wahań okesowych w posaci sumy hamoik z = s+ A si( w+ θ) E, gdzie w= π / T. Oszacowaie = paameów ego modelu meodą amieszych kwadaów ma posać: sˆ = ; ˆ z θ = acg z cos( w) / z si( w) ; = = = A cos ˆ si( ) si ˆ = θ z w + θ z cos( w) = = dla =,,, < T /. Będą pzyoczoe pzykłady zasosowań. Słowa kluczowe: szeeg Fouiea, hamoiki, meoda amieszych kwadaów.

2 Esymaca paameów szeegu Fouiea 33 WSTĘP Badaąc pewe zawisko, dyspouemy zwykle ciągiem obsewaci (, y ) dla =,,,. Nie zamy edak fukci f () opisuące o zawisko. Załóżmy pzy ym, że zawisko es ciągłe, a więc fukcę f () ieskończoą ilość azy ( ) f (0) óżiczkowalą możemy ozwiąć w szeeg Maclauia: f () = x. Do = 0! opisu ego zawiska możemy wykozysać wielomia odpowiediego sopia. Esymacę paameów wielomiau meodą amieszych kwadaów opaowao, podae się błędy poszczególych paameów i dopasowaie modelu do daych empiyczych. Te aposszy model opisu es dopacoway do końca. Niesey, ak ak wiele iych modeli moooiczych, ie ozwiązue zawisk okesowych w szczególości sezoowych. Fukce okesowe popouemy ozwiać w szeeg Fouiea, oszacować ego piewsze paamey meodą amieszych kwadaów i do apoksymaci puków (, y ) bać aki wielomia ygoomeyczy, kóy zapewi dobe dopasowaie modelu podobie ak pzy wielomiaach algebaiczych. Podsawy eoeycze ego posępowaia są asępuące. ESTYMACJA PARAMETRÓW SUMY HARMONIK Jeżeli fukca f ( ) spełia w pzedziale < 0;T > wauki Diichlea, a poado es okesowa f ( ) = f( + T) o es ozwiala w szeeg a0 ygoomeyczy Fouiea f () = + ( acosw + bsi w) dla każdego. = Szeegowi Fouiea adamy wygodieszą w esymaci posać aaliyczą (wygodieszą w posługiwaiu się im): a b f () = s+ a + b cosw+ siw = = a + b a + b = = ( siθ cos cosθ si ) = s+ A w+ w = ( θ ) = s+ A si + w, gdzie w= π / T. Będziemy zamować się akimi pocesami, kóych liczby e opisuące y dae się ozłożyć a zy składowe: edecę ozwoową (ed) f ( ), składik okesowy (w szczególości sezoowy) z ( ) i składik losowy E. Zapiszemy e fak asępuąco: y = f() + z() + E dla =,,,. ()

3 34 Sylwese Smolik Należy podkeślić, że e sposób iepeowaia opiea się a założeiu, że wymieioe składowe szeegu czasowego są wyikiem działaia zech óżych kompleksów pzyczy działaących iezależie. Maąc ciąg puków empiyczych (, y ) dla =,,, obazuących pzebieg badaego zawiska poafimy wyzaczyć edecę ozwoową f (). Nawygodie es esymować e paamey meodą śedich. Tę zeową sumę liczb dodaich i uemych z ˆ( ) = y f E () opiszemy modelem wahań okesowych w posaci sumy hamoik: z = s+ Asi( w+ θ) E dla =,,,. (3) = Paamey hamoik esymuemy klasyczą meodą amieszych kwadaów, z (3) ozymuemy: GsA (,, θ, w) = E = z s Asi( w+ θ) = (mi) = = = (4) Waukiem koieczym isieia miimum fukci G (właściwie amiesze e waości) es zeowaie się e pochodych cząskowych. Dlaego G = z s Asi( w θ) ( ) 0; s + = = = G = z s A si( w+ θ) [ si( w+ θ) ] = 0 dla =,,, ; A = = G = z s A si( w + θ) [ A cos( w + θ) ] = 0 dla =,,, ; θ = = G = z si( ) si( ) si( ) s A w + θ A w + θ A w + θ w = Acos( w + θ) Acos( w + θ) A cos( + ) w θ = 0. Wykouąc uposzczeia, możeia, uwzględiaąc wszyskie ieesuące as zmiee, ozymuemy zw. układ ówań omalych odpowiadaący wpowadzoemu modelowi (3):

4 Esymaca paameów szeegu Fouiea 35

5 36 Sylwese Smolik Układ ówań (5) es badzo skomplikoway. Jego ozwiązywaie ozpocziemy od pzekszałceń i uposzczeń wysępuących w im sum, oaz zakładamy zaomość T będącą liczbą aualą. Kozysamy z J.M. Ryżyk i J.S. Gadsze Tablice całek, sum, szeegów i iloczyów. PWN Waszawa 964, s. 39 wzó.34. o + x x si kx = si x si cosec ; o + x x cos kx = cos x si cosec +. k = k = 0 Obliczamy S = si( kw + θ ) = cosθ sikw + siθ coskw = k k k = = = + kw = cosθk si kw si kw cos ec + + kw + siθk cos kw si kw cosec = (6) kw kw ( + ) kw ( + ) kw = si cosec si cosθk + cos siθk = kw kw ( + ) kw = si cos ec si + dla =,,,. θk k Nie ylko obliczyliśmy waość ego ypu sum, ale widzimy, że pzy = mt (z., gdy liczba wyazów szeegu czasowego wykozysywaa pzy esymaci modelu es wielokoością zaego okesu opisywaego pocesu), wedy kw mt k π si = si = si( mkπ ) = 0 (7) T kw oaz cos ec = = dla k < T. (8) k π k si si π T T Wioskuemy z ych ozważań, że pzy = mt i dla < T sumy S są ówe zeu. Podobie pzy = mt S = cos( kw + θ ) = cosθ coskw siθ sikw = k k k = = = kw kw ( + ) kw = si cos ec cos + θk i pzy esykci k<t są ówież ówe zeu. α + β α β Wiemy, że siα + si β = si cos. Jeżeli α β = w + θ o (9) α + β = kw + θk i

6 Esymaca paameów szeegu Fouiea 37 α = kw + w + θ + θ = ( k + ) w + ( θ + θ ); β = ( k ) w + ( θ θ ). 3 k k k S = si( kw+ θ ) cos( w+ θ ) = si ( k + ) w+ ( θ + θ ) + [ ] k k = = + si [( k ) w + ( θ θ )] = cos( θ + θ ) si( k + ) w + k k = = + si( θ + θ ) cos( k + ) w + cos( θ θ ) si( k ) w + k k = = + si( θk θ ) cos( k ) w. = Kozysaąc ze wzou (.34) w pacy pzyoczoe wcześie, ozymuemy: ( + ) w( k + ) w( k + ) w( k + ) S3 = cos( θk + θ) si si cos ec + ( + ) w( k + ) w( k + ) w( k + ) + si( θk + θ) cos si cos ec + ( + ) w( k ) w( k ) w( k ) + cos( θk θ) si si cosec + ( + ) w( k ) w( k ) w( k ) + si( θk θ) cos si cosec = w( k + ) w( k + ) ( + ) w( k + ) = si cosec si ( ) + θk + θ + w( k ) w( k ) ( + ) w( k ) + si cosec si + ( ). θk θ Gdy = mt, z. liczebość puków empiyczych es aualą wielokoością okesu pocesu, wedy: w( k + ) mt ( k + ) π si = si = si( k + ) mπ = 0 ; podobie T w( k ) mt( k ) π si = si = si( k ) mπ = 0. T Jeśli poado k < T / i < T / i k, o wk ( + ) k+ si = si 0 T π wk ( ) ( k ) π k, oaz si = si = si 0. T T Dlaego pzy wpowadzoych esykcach ( < T / ) sumy S 3 = 0. Pzy k = ozymuemy: (0)

7 38 Sylwese Smolik S = si( w + θ )cos( w + θ ) = si(w + θ ) = 3a = = = cos θ siw + si θ cosw = = = ( + )w w w = cos θ si si cos ec + ( + )w w w + si θ cos si cos ec = = si w si [ ( + ) w + θ ] cosecw = 0 S3a = 0. Z óżicy cosiusów wioskuemy: S4 = si( kw+ θk)si( w+ θ) = cos [( k ) w+ ( θk θ) ] + = = cos [( k + ) w + ( θ + θ )] = cos( θ θ ) cos( k ) w + k k = = si( θ θ ) si( k ) w cos( θ + θ ) cos( k + ) w+ k k = = + si( θk + θ ) si( k + ) w. = Kozysaąc ze wzou (.34) w pacy [] ozymuemy: ( + ) w( k ) ( k ) w ( k ) w S4 = cos( θk θ) cos si cos ec + ( + )( k w ) k ( w ) ( k w ) si( θk θ) si si cosec + ( + )( k+ w ) k ( + w ) ( k+ w ) cos( θk + θ) cos si cos ec + ( + )( k + ) w k ( + w ) ( k+ w ) + si( θk + θ) si si cosec = ( k ) w ( k ) w ( + )( k ) w = si cosec cos ( ) + θk θ + ( k + ) w ( k + ) w ( + )( k + ) w si cosec cos + ( + ). θk θ Gdy = mt; k,, m N i k, wedy: k ( w ) mtk ( ) π si = si = si( k ) mπ = 0 oaz T () ()

8 Esymaca paameów szeegu Fouiea 39 k ( + w ) mtk ( + ) π si = si = si( k + ) mπ = 0. Jeśli poado k < T / T ( k ) w ( k ) π ( k ) i < T/ o si = si = si π 0 i T T ( k + ) w ( k + ) π ( k + ) si = si = si π 0. T T Udowodioo więc, że pzy wpowadzoych założeiach S 4 = 0. Pzy k = ozymuemy: cos(w + θ ) S4a = si ( w+ θ) = = = = = cos(w + θ) = cos cos si si = θ w θ w = = = ( + )w w w = cos θ cos si cos ec si θ ( + )w w w si si cosec = si( w) cosec( w) cos [( + ) w+ θ ] =. Udowodioo, że pzy = mt i k, < T / (czyli < T / ) 0 dla k, S4 = (3) / dla k =. Układ ówań omalych (5) dla sumy hamoik pzy zaym T, gdy w= π / T, = mt, =,,, < T / pzymue posać: + ˆ ˆ ˆ ˆ = = sˆ A 0 A 0 A 0 A 0 z sˆ 0 + Aˆ 0 + Aˆ 0 + Aˆ Aˆ 0 = cosθ z cosw ˆ siθ z siw ˆ 3 = = sˆ 0 + Aˆ 0 + Aˆ 0 + Aˆ Aˆ 0 = cosθ z cos w ˆ siθ z si w ˆ 3 = = sˆ 0 + Aˆ 0 + Aˆ 0 + Aˆ Aˆ 0 = cosθ z cos w ˆ siθ z si w ˆ 3 = = ˆ sˆ 0 + A + Aˆ 0 + Aˆ Aˆ 0 = cosθ z siw ˆ + siθ z cosw ˆ 3 = = ˆ ˆ ˆ s 0 + A 0 + A + Aˆ Aˆ 0 = cosθ z si w ˆ + siθ z cosw ˆ 3 = = ˆ 0 ˆ 0 ˆ 0 ˆ 0 ˆ s + A + A + A + + A = cosθ z si w ˆ + siθ z cos w ˆ 3 = = (4)

9 330 Sylwese Smolik Pzy obece spawozdawczości, e dodakowe esykce a dae empiycze upaszaące zasadiczo układ ówań omalych (5) ie są badzo uciążliwe. Z układu (4) wyzaczamy oszacowaie poszukiwaych paameów modelu (3): ˆ ˆ s = z ; cos( ˆ )/ si( ˆ θ = acg z w z w) (5) = = = ˆ ˆ A cos si( ˆ ) si cos( ˆ = z w z w) dla,,, T / θ + θ = <. = = Wzoy (5) są pzydae szczególie pzy opisie zmieości sezoowe, zamy bowiem wedy T. Dla obsewaci miesięczych wˆ = π / T = π / = π /6, dla kwaalych wˆ = π /4 = π /. W pzypadku ede hamoiki zasosowao e w pacy [Smolik, 995]. Pzykład Waości kwaalych pzychodów opeacyych (w ys. zł) pewego biua uysyczego w laach kszałowały się asępuąco: Rok Kwaał Pzykład e ozwiązao w książce [Zeliaś, 004] s. 04. My opacuemy go iacze, sosuąc wpowadzoą wcześie eoię. Wyzaczymy ed liiowy i sezoowość opiszemy hamoiką. ˆ cov(, y) y y 4609, f = b0 + b + ε b = = = =,845; va( ) 4900, bˆ ˆ 0 = y b = 3,5,845, 5 = 95, 56. Czyli fˆ() =, ,56; z() = y ˆ f(). (6) Na wyzaczoych pukach ( z), dla =,,, 4 opisuemy hamoikę z = s+ Asi( w+ θ) + ε zgodie z wzoami (5), pzymuąc wˆ = π / T = π /4 = π / (dae kwaale). sˆ = z = 0,795/ 4 = 0,033 0 ; ˆ θ = acg z cos ˆ / si ˆ w z w = acg [ 3,86/( 66,005) ] = 0,43 ;

10 Esymaca paameów szeegu Fouiea 33 ( θ ˆ ˆ θ ) ˆ A= cos ˆ si si ˆ z w+ z cos w = 3, 98 4, 0. Osaeczie pzymuemy model: π y ˆ( ) =, ,6 4,0si 0,43 w ys. zł, dla =,, (7) Jego dopasowaie do daych empiyczych es asępuące: współczyik zbieżości ϕ = ( ˆ ) / y ( ) = 34,3507 /998,65 = 0,07. Współczyik deemiaci R = ϕ = 0,973 wyzaczoy model łumaczy 97,3% zmieości Y ; es o doby model. Pogoza kwaalych pzychodów opeacyych w 00. (w ys. zł) ma posać: y ˆ(5) = 5,87 ; y ˆ(6) = 67,57 ; y ˆ(7) = 86,7 ; y ˆ(8) = 77, 6. Różi się od podae w książce [Zeliaś, 004] s. 07. Gaficzy obaz ego zdazeia zamieszczoo a ys.. Rys.. Waości kwaalych pzychodów opeacyych w laach Źódło: obliczeia włase LITERATURA Bokowski B., Dudek H., Szczesy W. (004) Ekoomeia. Wybae zagadieia, PWN, Waszawa. Ryżyk J.M. I Gadsze J.S. (964) Tablice całek, sum, szeegów i iloczyów. PWN, Waszawa. Smolik S. (988) Wyzaczaie paameów fukci Gompeza. Pzegląd Saysyczy, 3, s

11 33 Sylwese Smolik Smolik S. (989) Wyzaczaie paameów kzywych popyu. Biuley Ifomacyy Akademii Roliczo-Techicze w Olszyie, N 7, s Smolik S. (995) Uposzczoa pocedua esymaci modelu wahań okesowych. Pzegląd Saysyczy, R. XLII, z. 3-4, s Smolik S. (997) Sezoowość w opisie pocesów oliczych. Wiadomości Saysycze, 4, s Smolik S. (003) Opis składowe okesowe w szeegu czasowym. Meody ilościowe w badaiach ekoomiczych III, Wydawicwo SGGW, Waszawa, s Smolik S. (003) Esymaca koiukuy w szeegu czasowym. Wydawicwo Akademii Ekoomicze im. Oskaa Laego we Wocławiu, Pace Naukowe N 988, s Smolik S. (005) Cykliczość w ozwou podukci zwiezęce w Polsce. Pzeszeoczasowe modelowaie i pogozowaie zawisk gospodaczych, Wydawicwo Akademii Ekoomicze w Kakowie, s Zeliaś A., Pawełek B., Waa S. (004) Pogozowaie ekoomicze, PWN, Waszawa. HOW TO ESTIMATE FOURIER SERIES PARAMETERS AND TO USE THEM IN PRACTICE Absac: Poposed is ideificaio of a peiodical pheomeo - ha of seasoal chaace i paicula - by meas of he fis ems of is peiodical fucio expaded io Fouie seies. We will opeae ove hose pheomea whee values y employed o ideify hem ca be facoised io hee compoes: a developme ed f (), a peiodical compoe (ha of seasoal chaace i paicula) z () ad a adom compoe E. Such a eve ca be ideified i he followig way: y = f() + z() + E dla =,,,. The paamees of he ed f () of ay aalyical fom ca be deemied by usig he mea value heoem. The deemied ew aalyical pois (, z ) we ideify by meas of a peiodical vaiaio model i is hamoic sum fom z = s+ A si( w+ θ ) E, gdzie w= π / T. = Esimaio of he model paamees made wih he use of he mehod of leas squaes has he followig fom: sˆ = ; ˆ z θ = acg z cos( w) / z si( w) ; = = = A cos ˆ si( ) si ˆ = θ z w θ z cos( w) dla,,, T /. + = < = = Applicaio examples ae peseed. Key wods: Fouie seies, hamoics, mehod of leas squaes.

Wytrzymałość śruby wysokość nakrętki

Wytrzymałość śruby wysokość nakrętki Wyzymałość śuby wysoość aęi Wpowazeie zej Wie Działająca w śubie siła osiowa jes pzeoszoa pzez zeń i zwoje gwiu. owouje ozciągaie lub ścisaie zeia śuby, zgiaie i ściaie zwojów gwiu oaz wywołuje acisi a

Bardziej szczegółowo

Analiza i prognozowanie szeregów czasowych

Analiza i prognozowanie szeregów czasowych Analiza i pognozowanie szeegów czasowych Pojęcie szeegu czasowego Szeeg czasowy (chonologiczny, dynamiczny, ozwojowy) pezenuje ozwój wybanego zjawiska w czasie; zawiea waości zjawiska y w jednoskach czasu,,

Bardziej szczegółowo

MMF ćwiczenia nr 1 - Równania różnicowe

MMF ćwiczenia nr 1 - Równania różnicowe MMF ćwiczeia - Rówaia óżicowe Rozwiązać ówaia óżicowe piewszego zędu: (a) y + y =, y = (b) y + y =!, y = Wsk Podzielić ówaie pzez! i podstawić z = y /( )! Rozwiązać ówaia óżicowe dugiego zędu: (a) + 6,

Bardziej szczegółowo

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x Meody aeaycze w echologii aeriałów Uwaga: Proszę paięać, że a zajęciach obowiązuje akże zajoość oówioych w aeriałach przykładów!!! CAŁKOWANIE FUNKCJI WYMIERNYCH Fukcją wyierą azyway fukcję posaci P ( )

Bardziej szczegółowo

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę

Bardziej szczegółowo

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora. D:\maerialy\Maemayka a GISIP I rok DOC\7 Pochode\8ADOC -wrz-5, 7: 89 Obliczaie graic fukcji w pukcie przy pomocy wzoru Taylora Wróćmy do wierdzeia Taylora (wzory (-( Tw Szczególie waża dla dalszych R rozważań

Bardziej szczegółowo

Zadania z algebry liniowej - sem. I Liczby zespolone

Zadania z algebry liniowej - sem. I Liczby zespolone Zadaia z algebry liiowej - sem. I Liczby zespoloe Defiicja 1. Parę uporządkowaą liczb rzeczywistych x, y azywamy liczbą zespoloą i ozaczamy z = x, y. Zbiór wszystkich liczb zespoloych ozaczamy przez C

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( )

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( ) Rówaia óżiczkowe zwyczaje Rówaie postaci: Wykład Wpowadzeie dy x dx ( x y ( x) ) = f () Gdzie f ( x y ) jest fukcją dwóch zmieych okeśloą i ciągłą w pewym obszaze płaskim D azywamy ówaiem óżiczkowym zwyczajym

Bardziej szczegółowo

DYNAMIKA. Dynamika jest działem mechaniki zajmującym się badaniem ruchu ciał z uwzględnieniem sił działających na ciało i wywołujących ten ruch.

DYNAMIKA. Dynamika jest działem mechaniki zajmującym się badaniem ruchu ciał z uwzględnieniem sił działających na ciało i wywołujących ten ruch. DYNMIK Daika jes działe echaiki zajując się badaie uchu ciał z uwzględieie sił działającch a ciało i wwołującch e uch. Daika opiea się a pawach Newoa, a w szczególości a dugi pawie (zwa pawe daiki). Moża

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PROGNOZY I SYMULACJE

PROGNOZY I SYMULACJE oecasig is he a of saig wha will happe, ad he explaiig wh i did. h. hafield 98 PROGNOZY I YMULAJE Kaaza hud Laskowska kosulacje: p. 00A śoda - czwaek - soa ieeowa: hp://kc.sd.pz.edu.pl/ WYKŁAD VIII zeegi

Bardziej szczegółowo

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,...

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,... Model Lesliego Macierze Lesliego i Markowa K. Leśiak Wyodrębiamy w populaci k grup wiekowych. Po każde edostce czasu astępuą arodziy i zgoy oraz starzeie (przechodzeie do astępe grupy wiekowe). Chcemy

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

Zarządzanie ryzykiem. Lista 3

Zarządzanie ryzykiem. Lista 3 Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa

Bardziej szczegółowo

INSTRUMENTY DŁUŻNE. Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji

INSTRUMENTY DŁUŻNE. Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji INSTRUMENTY ŁUŻNE Rozaje yzyka iwesowaia w obligacje uacja i wypukłość obligacji Ważliwość wycey obligacji Ryzyko iwesycji w obligacje Ryzyko eiwesycyje możliwość uzyskaia iskiej sopy zwou z wypłacoych

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jaicka wykład XIII, 30.05.06 STATYSTYKA BAYESOWSKA Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

Bardziej szczegółowo

Funkcja generująca rozkład (p-two)

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

Bardziej szczegółowo

VII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3.

VII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3. KOOF Szczeci: www.of.szc.pl VII MIĘDZYNAODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretycze T3. Źródło: Komitet Główy Olimpiady Fizyczej; Olimpiada Fizycza XXIII XXIV, WSiP Warszawa 1977 Autor: Waldemar Gorzkowski

Bardziej szczegółowo

Sygnały pojęcie i klasyfikacja, metody opisu.

Sygnały pojęcie i klasyfikacja, metody opisu. Sygały pojęcie i klasyfikacja, meody opisu. Iformacja przekazywaa jes za pośredicwem sygałów, kóre przeoszą eergię. Sygał jes o fukcja czasowa dowolej wielkości o charakerze eergeyczym, w kórym moża wyróżić

Bardziej szczegółowo

Statystyczne testy nieparametryczne

Statystyczne testy nieparametryczne Saysycze esy ieparamerycze Tesami ieparameryczymi azywamy esy służące do weryfikaci hipoez ieparameryczych, hipoez iedoyczących warości iezaych paramerów populaci (choć czasem poęcie o ozacza hipoezy ie

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Zadania z analizy matematycznej - sem. I Szeregi liczbowe Zadaia z aalizy matematyczej - sem. I Szeregi liczbowe Defiicja szereg ciąg sum częściowyc. Szeregiem azywamy parę uporządkowaą a ) S ) ) ciągów gdzie: ciąg a ) ciąg S ) jest day jest ciągiem sum częściowych

Bardziej szczegółowo

II.6. Wahadło proste.

II.6. Wahadło proste. II.6. Wahadło poste. Pzez wahadło poste ozumiemy uch oscylacyjny punktu mateialnego o masie m po dolnym łuku okęgu o pomieniu, w stałym polu gawitacyjnym g = constant. Fig. II.6.1. ozkład wektoa g pzyśpieszenia

Bardziej szczegółowo

Beata Leska Zespół Szkół im. M. Konarskiego w Warszawie

Beata Leska Zespół Szkół im. M. Konarskiego w Warszawie www.awas.e Publikacje auczycieli eaa Leska Zespół Szkół i. M. Koaskiego w Waszawie O liczbach i wieloiaach eoulliego Paca opublikowaa w Ieeowy Sewisie Oświaowy AWANS.NET O LICZACH I WIELOMIANACH ERNOULLIEGO

Bardziej szczegółowo

Atom (cząsteczka niepolarna) w polu elektrycznym

Atom (cząsteczka niepolarna) w polu elektrycznym Dieektyki Dieektyki substancje, w któych nie występują swobodne nośniki ładunku eektycznego (izoatoy). Może być w nich wytwozone i utzymane bez stat enegii poe eektyczne. dieektyk Faaday Wpowadzenie do

Bardziej szczegółowo

Metody Obliczeniowe w Nauce i Technice laboratorium

Metody Obliczeniowe w Nauce i Technice laboratorium Marci Rociek Iformatyka, II rok Metody Obliczeiowe w Nauce i Techice laboratorium zestaw 1: iterpolacja Zadaie 1: Zaleźć wzór iterpolacyjy Lagrage a mając tablicę wartości: 3 5 6 y 1 3 5 6 Do rozwiązaia

Bardziej szczegółowo

Laboratorium Półprzewodniki, Dielektryki i Magnetyki Ćwiczenie nr 10 Pomiary czasu życia nośników w półprzewodnikach

Laboratorium Półprzewodniki, Dielektryki i Magnetyki Ćwiczenie nr 10 Pomiary czasu życia nośników w półprzewodnikach Laboaoium Półpzewodniki, Dielekyki i Magneyki Ćwiczenie n 10 Pomiay czasu życia nośników w półpzewodnikach I. Zagadnienia do pzygoowania: 1. Pojęcia: nośniki mniejszościowe i większościowe, ównowagowe

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ PIENIĄDZA W CZASIE WARTOŚĆ PIENIĄDZA W CZASIE Czyiki wpływające a zmiaę watości pieiądza w czasie:. Spadek siły abywczej. 2. Możliwość iwestowaia. 3. Występowaie yzyka. 4. Pefeowaie bieżącej kosumpcji pzez człowieka. Watość

Bardziej szczegółowo

SZEREGI LICZBOWE. s n = a 1 + a a n = a k. k=1. aq n = 1 qn+1 1 q. a k = s n + a k, k=n+1. s n = 0. a k lim n

SZEREGI LICZBOWE. s n = a 1 + a a n = a k. k=1. aq n = 1 qn+1 1 q. a k = s n + a k, k=n+1. s n = 0. a k lim n SZEREGI LICZBOWE Z ciągu liczb a, a 2,... utwórzmy owy ciąg Przyjmijmy ozaczeia s = a + a 2 +... a = a k. k= k= a k = a + a 2 +... = s. Gdy graica k= a k jest liczbą, to mówimy, że szereg k= a k jest sumowaly

Bardziej szczegółowo

Szereg czasowy z trendem. Model Holta. Stosujemy dwa równania rekurencyjne: I - słuy do wyznaczania wygładzonych wartoci szeregu czasowego w chwili t

Szereg czasowy z trendem. Model Holta. Stosujemy dwa równania rekurencyjne: I - słuy do wyznaczania wygładzonych wartoci szeregu czasowego w chwili t zeeg czasow z edem. Model Hola. osujem dwa ówaia ekuecje: I - słu do wzaczaia wgładzoch waoci szeegu czasowego w chwili F = + ( )( + α α F ) II - słu do wzaczaia wgładzoch waoci pzosu edu w chwili = β

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

Wykład 8. Prawo Hooke a

Wykład 8. Prawo Hooke a Wykład 8 Pawo Hooke a Pod działaiem apężeń ciało tałe zmieia wó kztałt. Z doświadczeń wyika, że eżeli wielkość apężeia et mieza od pewe watości, zwae gaicą pężytości, to odkztałceie et odwacale i po uuięciu

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA KONSTRUKCJI 10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej

Bardziej szczegółowo

Wyznaczyć prędkości punktów A i B

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

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jaicka wykład XIV, 06.06.06 STATYSTYKA BAYESOWSKA CD. Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

m q κ (11.1) q ω (11.2) ω =,

m q κ (11.1) q ω (11.2) ω =, OPIS RUCHU, DRGANIA WŁASNE TŁUMIONE Oga Kopacz, Adam Łodygowski, Kzysztof Tymbe, Michał Płotkowiak, Wojciech Pawłowski Konsutacje naukowe: pof. d hab. Jezy Rakowski Poznań 00/00.. Opis uchu OPIS RUCHU

Bardziej szczegółowo

Metody Lagrange a i Hamiltona w Mechanice

Metody Lagrange a i Hamiltona w Mechanice Meody Lagrange a i Hamilona w Mechanice Mariusz Przybycień Wydział Fizyki i Informayki Sosowanej Akademia Górniczo-Hunicza Wykład 7 M. Przybycień (WFiIS AGH) Meody Lagrange a i Hamilona... Wykład 7 1 /

Bardziej szczegółowo

BADANIE DYNAMICZNEGO TŁUMIKA DRGA

BADANIE DYNAMICZNEGO TŁUMIKA DRGA Ćwiczenie 3 BDNIE DYNMICZNEGO TŁUMIK DRGŃ. Cel ćwiczenia yłumienie dgań układu o częsości ezonansowej za pomocą dynamicznego łumika dgań oaz wyznaczenie zakesu częsości wymuszenia, w kóym łumik skuecznie

Bardziej szczegółowo

c 2 + d2 c 2 + d i, 2

c 2 + d2 c 2 + d i, 2 3. Wykład 3: Ciało liczb zespoloych. Twierdzeie 3.1. Niech C R. W zbiorze C określamy dodawaie: oraz możeie: a, b) + c, d) a + c, b + d) a, b) c, d) ac bd, ad + bc). Wówczas C, +, ) jest ciałem, w którym

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy

Bardziej szczegółowo

O MIERNIKACH DOKŁADNOŚCI PROGNOZ EX POST W PROGNOZOWANIU ZMIENNYCH O SILNYM NATĘŻENIU SEZONOWOŚCI

O MIERNIKACH DOKŁADNOŚCI PROGNOZ EX POST W PROGNOZOWANIU ZMIENNYCH O SILNYM NATĘŻENIU SEZONOWOŚCI METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/, 0, s. 3 O MIERNIKACH DOKŁADNOŚCI PROGNOZ EX POST W PROGNOZOWANIU ZMIENNYCH O SILNYM NATĘŻENIU SEZONOWOŚCI Maia Szmuksa Zawadzka Sudium Maemayki Zachodniopomoski

Bardziej szczegółowo

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b, CAŁA RZYWOLINIOWA NIESIEROWANA rzywą o rówaiach parameryczych: = (), y = y(), a < < b, azywamy łukiem regularym (gładkim), gdy spełioe są asępujące waruki: a) fukcje () i y() mają ciągłe pochode, kóre

Bardziej szczegółowo

PRZEMIANA ENERGII ELEKTRYCZNEJ W CIELE STAŁYM

PRZEMIANA ENERGII ELEKTRYCZNEJ W CIELE STAŁYM PRZEMIANA ENERGII ELEKTRYCZNE W CIELE STAŁYM Anaizowane są skutki pzepływu pądu pzemiennego o natężeniu I pzez pzewodnik okągły o pomieniu. Pzyęto wstępne założenia upaszcząace: - kształt pądu est sinusoidany,

Bardziej szczegółowo

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się: Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili

Bardziej szczegółowo

METODA ZDYSKONTOWANYCH SALD WOLNYCH PRZEPŁYWÓW PIENIĘŻNYCH

METODA ZDYSKONTOWANYCH SALD WOLNYCH PRZEPŁYWÓW PIENIĘŻNYCH METODA ZDYSONTOWANYCH SALD WOLNYCH PRZEPŁYWÓW PIENIĘŻNYCH W meodach dochodowych podsawową wielkością, kóa okeśla waość pzedsiębioswa są dochody jakie mogą być geneowane z powadzenia działalności gospodaczej

Bardziej szczegółowo

Rozmieszczenie liczb pierwszych

Rozmieszczenie liczb pierwszych Rozmieszczeie liczb pierwszych Euler Pierwszy owoczesy wyik pochodzi od Eulera: TWIERDZENIE: Szereg p primes p est rozbieży. Szkic dowodu: Dla s > zachodzi rówość ( ) = s = i= ( + p s i ) + p 2s i +....

Bardziej szczegółowo

oraz I = 50Ω, przez który przepływają kluczowane na przemian prądy I + . W przypadku, gdy Robc > RGR

oraz I = 50Ω, przez który przepływają kluczowane na przemian prądy I + . W przypadku, gdy Robc > RGR Laboaoium Pzyządów Półpzewodikowych 0091019 Ćwiczeie Właściwości dyamicze diod p- 1 CEL ĆWICZENIA Celem ćwiczeia jes zapozaie się z pocesem pzełączaia diod p- oaz sposobem usalaia waości wybaych paameów,

Bardziej szczegółowo

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych. Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać

Bardziej szczegółowo

Czas trwania obligacji (duration)

Czas trwania obligacji (duration) Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

ANALIZA MATEMATYCZNA 1 (MAP 1024) LISTY ZADAŃ

ANALIZA MATEMATYCZNA 1 (MAP 1024) LISTY ZADAŃ ANALIZA MATEMATYCZNA (MAP 0) LISTY ZADAŃ Listy zadań przezaczoe są dla studetów którzy program matematyki szkoły poadgimazjalej zają jedyie a poziomie podstawowym Obejmują iezbęde do dalszej auki zagadieia

Bardziej szczegółowo

(4) (b) m. (c) (d) sin α cos α = sin 2 k = sin k sin k. cos 2 m = cos m cos m. (g) (e)(f) sin 2 x + cos 2 x = 1. (h) (f) (i)

(4) (b) m. (c) (d) sin α cos α = sin 2 k = sin k sin k. cos 2 m = cos m cos m. (g) (e)(f) sin 2 x + cos 2 x = 1. (h) (f) (i) (3) (e) sin( θ) sin θ cos( θ) cos θ sin(θ + π/) cos θ cos(θ + π/) sin θ sin(θ π/) cos θ cos(θ π/) sin θ sin(θ ± π) sin θ cos(θ ± π) cos θ sin(θ ± π) sin θ cos(θ ± π) cos θ (f) cos x cos y (g) sin x sin

Bardziej szczegółowo

PROJEKT: GNIAZDO POTOKOWE

PROJEKT: GNIAZDO POTOKOWE POLITEHNIK POZNŃSK WYZIŁ UOWY MSZYN I ZZĄZNI ZZĄZNIE POUKJĄ GUP ZIM-Z3 POJEKT: GNIZO POTOKOWE WYKONWY: 1. TOMSZ PZYMUSIK 2. TOMSZ UTOWSKI POWZĄY: Mg iż. Maiola Ozechowska SPIS TEŚI OZZIŁ 1. Wpowadzeie.

Bardziej szczegółowo

LOKALNA ANALIZA CZĘSTOTLIWOŚCIOWA SYGNAŁÓW. 1. Definicja 2. Okna 3. Transformacja Gabora. Spis treści

LOKALNA ANALIZA CZĘSTOTLIWOŚCIOWA SYGNAŁÓW. 1. Definicja 2. Okna 3. Transformacja Gabora. Spis treści LOKALNA ANALIZA CZĘSOLIWOŚCIOWA SYGNAŁÓW. Deinicja. Okna 3. ransormacja Gabora Spis reści Analiza czasoo-częsoliościoa sygnału moy Ampliuda.. andrzej 35_m.av -. 3 4 5 6 7 8 9 D 4. 3.5 D 3. DW D3 D4.5..5

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO NR 394 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 15 2004 JÓZEF HOZER Uniwersye Szczeci ski ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA 1. PYTANIE PROFESORA RAUTSKAUKASA

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

Funkcje tworz ce skrypt do zada«

Funkcje tworz ce skrypt do zada« Fukcje tworz ce skrypt do zada«mateusz Rapicki, Piotr Suwara 20 maja 2012 1 Kombiatoryka Deicja 1 (dwumia Newtoa) dla liczb caªkowitych ieujemych, k to liczba k sposobów wybraia k elemetów z -elemetowego

Bardziej szczegółowo

Symulacyjna analiza rentowności kredytów detalicznych. Testowanie warunków skrajnych

Symulacyjna analiza rentowności kredytów detalicznych. Testowanie warunków skrajnych Bak i Kedy 43 (,, 84 www.bakikedy.bp.pl www.bakadcedi.bp.pl Symulacya aaliza eowości kedyów dealiczych. Tesowaie wauków skaych Paweł Siaka* Nadesłay: czewca. Zaakcepoway: maca. Seszczeie Obsewoway w osaich

Bardziej szczegółowo

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności Edward Stachowski O trzech elemetarych ierówościach i ich zastosowaiach przy dowodzeiu iych ierówości Przy dowodzeiu ierówości stosujemy elemetare przejścia rówoważe, przeprowadzamy rozumowaie typu: jeżeli

Bardziej szczegółowo

Analiza matematyczna dla informatyków 4 Zajęcia 5

Analiza matematyczna dla informatyków 4 Zajęcia 5 Aaliza matematycza dla iformatyków Zajęcia 5 Twiereie (auchy ego) Niech Ω bęie otwartym pobiorem oraz f : Ω fukcją holomorficzą Wtedy dla dowolego koturu całkowicie zawartego w Ω zachoi f(z) = 0 Zadaie

Bardziej szczegółowo

podsumowanie (E) E l Eds 0 V jds

podsumowanie (E) E l Eds 0 V jds e-8.6.7 fale podsumowanie () Γ dl 1 ds ρ d S ε V D ds ρ d S ( ϕ ) 1 ρ ε D ρ D ρ V D ( D εε ) εε S jds V ρ d t j ρ t j σ podsumowanie (H) Bdl Γ μ S jds B μ j S Bds B ( B A) Hdl Γ S jds H j ( B μμ H ) ε

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12 Rozwiazaia zadań z pierwszej klasówki, 0 listopada 06 r zestaw A Ciag a ) jest zaday rekuryjie: a a, a + a a 9, a R, a

Bardziej szczegółowo

GAL 80 zadań z liczb zespolonych

GAL 80 zadań z liczb zespolonych GAL 80 zadań z liczb zespolonych Postać algebraiczna liczby zespolonej 1 Sprowadź wyrażenia do postaci algebraicznej: (a) ( + i)(3 i) + ( + 31)(3 + 41), (b) (4 + 3i)(5 i) ( 6i), (5 + i)(7 6i) (c), 3 +

Bardziej szczegółowo

29 Rozpraszanie na potencjale sferycznie symetrycznym - fale kuliste

29 Rozpraszanie na potencjale sferycznie symetrycznym - fale kuliste 9 Rozpaszanie na potencjae sfeycznie symetycznym - fae kuiste W ozdziae tym zajmiemy się ozpaszaniem na potencjae sfeycznie symettycznym V ). Da uchu o dodatniej enegii E = k /m adiane ównanie Schödingea

Bardziej szczegółowo

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu

Bardziej szczegółowo

ESTYMACJA PARAMETRÓW FUNKCJI REGRESJI METODĄ KLASYCZNĄ ORAZ METODAMI BOOTSTRAPOWYMI**

ESTYMACJA PARAMETRÓW FUNKCJI REGRESJI METODĄ KLASYCZNĄ ORAZ METODAMI BOOTSTRAPOWYMI** Góricwo i Geoiżyieria Rok 30 Zeszy 3/ 006 Dariusz Foszcz* ESTYMACJA PARAMETRÓW FUNKCJI REGRESJI METODĄ KLASYCZNĄ ORAZ METODAMI BOOTSTRAPOWYMI**. Wsęp W zmieiającej się rzeczywisości przebiegu procesów

Bardziej szczegółowo

DEA podstawowe modele

DEA podstawowe modele Marek Miszczński KBO UŁ 2008 - Aaliza dach graiczch (EA) cz.2 (przkład aaliza damiki rakigi) EA podsawowe modele WPROWAZENIE Efekwość (produkwość) obieku gospodarczego o es defiiowaa ako sosuek sum ważoch

Bardziej szczegółowo

+ ln = + ln n + 1 ln(n)

+ ln = + ln n + 1 ln(n) "Łatwo z domu rzeczywistości zajśd do lasu matematyki, ale ieliczi tylko umieją wrócid." Hugo Dyoizy Steihaus Niech (a ) będzie ieskooczoym ciągiem rzeczywistym. Def. Szeregiem = a azywamy parę ciągów

Bardziej szczegółowo

XLI OLIMPIADA FIZYCZNA ETAP I Zadanie doświadczalne

XLI OLIMPIADA FIZYCZNA ETAP I Zadanie doświadczalne XLI OLIPIADA FIZYCZNA EAP I Zadanie doświadczalne ZADANIE D Pod działaniem sil zewnęznych ciała sale ulęgają odkszałceniom. Wyznacz zależność pomienia obszau syczniści szklanej soczewki z płyka szklana

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie

Bardziej szczegółowo

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

METODY NUMERYCZNE dr inż. Mirosław Dziewoński Metody Numerycze METODY NUMERYCZNE dr iż. Mirosław Dziewoński e-mail: miroslaw.dziewoski@polsl.pl Pok. 151 Wykład /1 Metody Numerycze Aproksymacja fukcji jedej zmieej Wykład / Aproksymacja fukcji jedej

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Rozdział 1. Nazwa i adres Zamawiającego Gdyński Ośrodek Sportu i Rekreacji jednostka budżetowa Rozdział 2.

Rozdział 1. Nazwa i adres Zamawiającego Gdyński Ośrodek Sportu i Rekreacji jednostka budżetowa Rozdział 2. Z n a k s p r a w y G O S I R D Z P I 2 70 1 3 7 2 0 1 4 S P E C Y F I K A C J A I S T O T N Y C H W A R U N K Ó W Z A M Ó W I E N I A f U d o s t p n i e n i e w r a z z r o z s t a w i e n i e m o g

Bardziej szczegółowo

n n Weźmy f: 3 (x 1, x 2, x 3 ) (y 1, y 2, y 3 ) 3 Jeżeli zdefiniujemy funkcje pomocnicze f j : 3 (x 1, x 2, x 3 ) y j, dla j = 1,2,3, to

n n Weźmy f: 3 (x 1, x 2, x 3 ) (y 1, y 2, y 3 ) 3 Jeżeli zdefiniujemy funkcje pomocnicze f j : 3 (x 1, x 2, x 3 ) y j, dla j = 1,2,3, to "Maemac ą jak Facuzi: cokolwiek im ię powie od azu pzekładają o a wój wła jęzk i wówcza aje ię o czmś zupełie im." Joha Wola Goehe Weźm : Jeżeli zdeiiujem ukcje pomocicze j : j dla j = o = dzie = Czli

Bardziej szczegółowo

Niepewności pomiarowe

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

Bardziej szczegółowo

Optymalna alokacja kapitału w funduszach inwestycyjnych w przypadku dwóch stóp zwrotu

Optymalna alokacja kapitału w funduszach inwestycyjnych w przypadku dwóch stóp zwrotu Opymalna aloacja apiału w funduzach inweycyjnych w pzypadu dwóch óp zwou Leze S Zaemba Leze Pęy Wpowadzenie W niniejzej pacy podobnie ja w publiacjach [5-6] popzedzających ozpawę dooą [7] óa je aualnie

Bardziej szczegółowo

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1) Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim. Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako

Bardziej szczegółowo

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA Z a m a w i a j» c y G D Y S K I O R O D E K S P O R T U I R E K R E A C J I J E D N O S T K A B U D E T O W A 8 1 5 3 8 G d y n i a, u l O l i m p i j s k a 5k 9 Z n a k s p r a w y G O S I R D Z P I

Bardziej szczegółowo

"Liczby rządzą światem." Pitagoras

Liczby rządzą światem. Pitagoras "Liczby rządzą światem." Pitagoras Def. Liczbą zespoloą azywamy liczbę postaci z= x +yi, gdzie x, y є oraz i = -1. Zbiór liczb zespoloych ozaczamy przez ={ x + yi: x, y є } Ozaczeia x= Re z częśd rzeczywista

Bardziej szczegółowo

I. Metoda Klasyczna. Podstawy Elektrotechniki - Stany nieustalone. Zadanie k.1 Wyznaczyć prąd i w na wyłączniku. R RI E

I. Metoda Klasyczna. Podstawy Elektrotechniki - Stany nieustalone. Zadanie k.1 Wyznaczyć prąd i w na wyłączniku. R RI E Podsawy lkohnk - Sany nsalon. Moda Klasyzna Zadan k. Wyznazyć pąd w na wyłąznk. w? kładay ównana na podsaw sha. ównan haakysyzn: w d d w w d d d d d d p p p w Zadan k. Znalźć aką hwlę zas x aby spłnony

Bardziej szczegółowo

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4 Zadaia z Matematyka - SIMR 00/009 - szeregi zadaia z rozwiązaiami. Zbadać zbieżość szeregu Rozwiązaie: 0 4 4 + 6 0 : Dla dostateczie dużych 0 wyrazy szeregu są ieujeme 0 a = 4 4 + 6 0 0 Stosujemy kryterium

Bardziej szczegółowo

Kinetyczna teoria gazów. Zjawiska transportu : dyfuzja transport masy transport energii przewodnictwo cieplne transport pędu lepkość

Kinetyczna teoria gazów. Zjawiska transportu : dyfuzja transport masy transport energii przewodnictwo cieplne transport pędu lepkość Kieycza eoria gazów Zjawiska rasporu : dyfuzja raspor masy raspor eergii przewodicwo cieple raspor pędu lepkość Zjawiska rasporu - dyfuzja syuacja począkowa brak rówowagi proces wyrówywaia koceracji -

Bardziej szczegółowo