Lista 6. Kamil Matuszewski X X X X X X X X X X X X

Wielkość: px
Rozpocząć pokaz od strony:

Download "Lista 6. Kamil Matuszewski X X X X X X X X X X X X"

Transkrypt

1 Lsta 6 Kaml Matuszewsk X X X X X X X X X X X X Zadae Lewa stroa: W delegacj możemy meć od do osób. Wyberamy ( k) osób a k sposobów wyberamy przewodczącego. k =.. węc mamy k ( ) k Prawa stroa: a sposobów możemy wybrać przewodczącego. Zostaje am osób, dla każdej decydujemy, czy jest oa w delegacj czy e, mamy węc 2 sposobów. k= Zadae 2 Postawmy k jedyek, a pomędzy m k zer. Mamy węc cąg zostało am l (k ) zer. Możemy je wstawć w k mejscach - k po jedykach jedo a końcu (ewetuale a k +, jeśl możemy wstawć także a początku). Z poprzedch ćwczeń wemy, że dowolą lstę erozróżalych elemetów możemy podzelć a k lst (włącze z lstam pustym) a ( ) +k k sposobów. Tu robmy to samo: dzelmy lstę pozostałych zer a k lst (k + ), dopuszczając też lsty puste, umeszczamy -tą lstę po -tej jedyce, dostajemy dzęk temu wszystke kombacje. Mamy lstę długośc l k + musmy ją podzelć a k lst (k + ), podstawając do wzoru mamy ( ) ( l k++k k = l ) ( k jeśl e dopuszczamy zer a początku, bądź l k++k+ ) ( k+ = l+ ) k jeśl dopuszczamy zera a początku. Zadae 3 Nasze A to lczby podzele przez 2, B to lczby podzele przez 3, C to lczby podzele przez 5 D to lczby podzele przez 7. W rzeczywstośc chcemy polczyć (A B), jedak e chcemy, by w tej sume zalazły sę lczby podzele przez 5 lub 7. Dlatego odejmjmy od sumy lczby podzele przez 2 5 lub 7, oraz lczby podzele przez 3 5 lub 7. Chcemy węc polczyć (A B) ((A (C D)) (B (C D)) Wemy, że lczb aturalych pomędzy podzelych przez a jest dokłade a. Stąd asz wyk to: ( ( ) (( 2 5 )) ) + ( )

2 Zadae 4 Z zasady włączeń wyłączeń. Wszystkch permutacj mamy! Nech A - układ, w którym a -tej pozycj jest -ta lczba. Iteresuje as! A A 2... A k Możemy zauważyć, że: A = ( )!, bo jedą pozycję mamy ustaloą, a pozostałe wyberamy. Aalogcze: A A j A k = ( 3)!... A... A j = ( j)!... A... A k = ( k)! = A = ( k)! - to ozacza, że jest k lczb takch, że -ta lczba jest a -tej pozycj. Podstawając do wzoru z zasady włączeń wyłączeń otrzymujemy wyk:! k ( ) +( k = ) ( )! Zadae 6 Poowe, z zasady włączeń wyłączeń: Wszystkch opcj mamy 20. Nech A ozacza, że - ta szafa jest pusta. W takm raze mamy (20 4) opcj (bo 4 szuflady są puste). Tym samym sposobem, A A 2 = (20 4 A... A = (20 4 ) A teresuje as: 20 A A 2 A 3 A 4 A 5, a podstawając pod wzór włączeń wyłączeń mamy: 20 5 ) (20 4 ) ( ) +( 5 = 2

3 Zadae 9 Mamy par wrogów, czyl 2 osób. Mamy okrągły stół, węc musmy wybrać jakś pukt odesea (p cąg abcde bcdea są teoretycze róże ale przy okrągłym stole są take same), ustawamy węc osobę względem ej a (2 )! sposobów ustawamy resztę osób. Teraz rozpatrzymy A - take ustawee, że -ta para wrogów sedz obok sebe. Podobe A A j ozaczać będze, że -ta j-ta para sedz obok sebe. Szukamy (2 )! A A 2... A A ozacza węc, że k par wrogów sedz koło sebe. Pozostałych osób jest węc 2 2k te = osoby sedzą dowole. Możemy je ustawć a (2 2k )! sposobów (patrz wyżej). Pomędzy m musmy ustawć k par osób. Obok każdego posadzoego przy stole możemy posadzć parę - perwszą parę możemy węc usadzć a jedym z 2 2k mejsc, drugą a jedym z 2 2k + mejsc (bo pary e możemy rozdzelć), k-tą - 2 2k + (k ) mejsc. Mamy węc loczy (2 2k )! (2 2k) (2 2k + )... (2 2k + k ) = (2 k )! sposobów, jedak, zwróćmy uwagę, że każdą parę wrogów możemy zameć wewątrz pary, co w tym loczye traktowalśmy jako jedą opcję, a w rzeczywstośc są to dwa róże ustawea (p: a b to wrogowe, możemy ch usadzć jako ab ba to są dwe opcje), musmy węc pomożyć tą lczbę przez 2 k (bo jest k par). Otrzymujemy węc, że: A = (2 k )! 2 k = Podstawając to pod wzór z zasady włączeń wyłączeń otrzymujemy: (2 )! ( ) +( ) (2 )! 2 = Węc jest to asz wyk. Zadae 2 a) b) tak, zbory są zamkęte a dzałaa składaa fukcj a brae elemetu odwrotego c) - e, twerdzee Lagrage a mów, że w grupe skończoej, rząd podgrupy jest dzelkem rzędu grupy, rząd aszej podgrupy to 7 a rząd grupy S 5 to 20. Zadae 3 Z algebry wemy, że O x G x = G, gdze O x - lczba orbt elemetu x, G x - lczba stablzatorów el. x, oraz, z treśc, że G = 2 k, że X jest eparzysta. Ze wzoru, wemy, że albo O x = albo O x = 2 l, gdze l > 0 l N Stąd, dla każdego x, O x jest dzelkem G. Poadto X jest rozłączą sumą takch orbt (róweż algebra), stąd mus steć orbta jedoelemetowa, bo aczej wszystke orbty małyby parzystą lczbę elemetów, węc X byłaby parzysta, a przeceż e jest. Zadae 4 Mamy O x G x = G, gdze O x = 2 (2 śca), musmy polczyć G x, ale symetr pęcokąta mamy 0 (5 obrotów 5 symetr) węc G x = 0, mamy węc 2 0 = 20 = G, co jest aszą odpowedzą. 3

4 Zadae 5 Mamy śca, dla dowolej ścay możemy przypsać jedą lczbę:, 2, 3, 4, 5, 6, 7 lub. Mamy węc! możlwośc. Do tego mamy O x G x = G, gdze O x = ( śca), musmy polczyć G x. Ale ośmośca foremy ma w podstawe trójkąt rówoboczy, który możemy obrócć a 3 sposoby, węc G x = 3, mamy węc 3 = 24 = G, co jest aszą mocą grupy. Przy wybrau! możlwośc uwzględlśmy też kostk detycze (czyl take które możemy przekształcć a sebe przez obrót), węc asze! musmy podzelć przez moc grupy obrotów, mamy węc! 24 możlwośc. Teraz le mamy kostek prawdłowych? Perwszą ścaę możemy wybrać a sposobów, a przecwko będze kokreta lczba (suma a przecwych ścaach mus być 9), koleją a 6(bo 2 już postawlśmy), potem 4 potem 2. Mamy węc 6 4 2, ale podobe jak w poprzedm przypadku, musmy odjąć obroty, dlatego musmy podzelć a moc grupy. Stąd asz wyk to Zadae 6 Nasza karta to kwadrat 3x3. Naszą grupą obrotów jest: G={d, o90, o0, o270,, \, /, }, G =. Używając Lematu Bursde a, wyzaczamy lczbę puktów stałych przekształceń. fx(d) = ( 9 bo wyberamy 2 dzurk z 9 możlwych mejsc, a puktem stałym detyczośc jest każde ustawee. fx(o90) = fx(o270) = 0 bo e waże jak ustawmy kropk, obrót o 90 w prawo/lewo e da am tego samego. fx(o0) = 4 bo umeszczamy jedą kropkę, a koleją dajemy tam, gdze zajdze sę asza kropka po obroce o 0. fx( ) = fx(\) = fx(/) = fx( ) = 6 bo możemy albo umeścć 2 kropk gdześ a środku ( ( 3 = 3), albo poza osą symetr, jedak kolejy pukt będze zależał od poprzedego os symetr, węc zów mamy ( 3 = 3, a 3+3=6, co daje am wyk. Teraz, ze wzoru: fx(g) G Te karty fx(g) = ( = 64 =, a to jest to co chcelśmy pokazać. 4

5 Zadae Z Lematu Bursde a mamy G fx(g). Naszą grupą jest grupa symetr kwadratu: G={d, o90, o0, o270,, \, /, }, G =. fx(d) =!, bo perwszy wersz możemy wybrać a sposobów, drug a 7 trzec a 6 td. f x(o0) = 6 4 2, podzelmy sobe plaszę a pół, stawajmy weże a jedej z połówek. Musmy postawć 4 weże (pozostałe 4 powstaą przez odbce), a mamy 4 wersze. Musmy węc postawć po jedej w każdym werszu. Tak węc mamy sposobów a wybrae mejsca w werszu perwszym, w którym ma stać perwsza weża. Ale ta weża odbje sę o 0 stop, przez co usuą sę am 2 kolumy. Koleją weżę możemy węc postawć a 6 sposobów. Koleją - z tego samego powodu - a 4. Koleją już a 2 sposoby. Stąd wyk fx(o90) = fx(o270) = 2, bo e możemy stawać weż w puktach a skose szachowcy (bo po obroce by sę bły). Le a których e możemy stawać weż tworzą am 4 częśc, po 2 pól każda(6 werszy 3 kolumy). Poowe stawamy weże tylko a jedym z pól, a resztę weż stawamy zgode z obrotem. Po obroce o 90/270 pojawą sę am 4 weże, usuą sę węc 4 wersze, poza przypadkam, kedy postawmy weżę tak, by jej odbce usuwało jede z eaktywych werszy (patrz obrazek), ale wtedy usuą sę am 2 z 3 kolum. Po wyborze jedego z 2 mejsc, zawsze pozostaą am 2 mejsca do wyboru, mamy węc 2 2, jedak kolejość mejsc e ma zaczea, a my polczylśmy dwukrote tą samą sytuację, musmy węc wyk podzelć przez 2. fx( ) = fx( ) = 0, bo e waże jak ustawmy weże, po symetryczym odbcu będze oa w tym samym werszu/kolume, a chcelśmy ebjące sę weże.. f x(/) = f x(\). Tu mamy jakąś oś symetr, względem ej rozstawamy weże. Rozpatrzmy astępujące przypadk: Gdy 0 weż a os: bo perwszy wersz wyberamy a 7 sposobów, po symetryczym odbcu usuą am sę dwa wersze dwe kolumy, węc astępy wersz możemy wybrać a 5 sposobów, kolejy a 3, kolejy a. Gdy 2 weże a os: ( bo wyberamy z mejsc a os 2 a które postawmy weże, usuwają sę am 2 wersze 2 kolumy, węc koleją weżę stawamy a jedym z 7 2 = 5 mejsc, zów pojawają sę am 2 weże, usuwają 2 wersze 2 kolumy, mamy węc 3 mejsca potem zostaje am. Gdy 4 weże a os: ( 4) 3 - aalogcze do powyżej. Gdy 6 weż a os: ( 6) - aalogcze do powyżej. Gdy weż a os: ( ) - aalogcze do powyżej. Zauważmy, że a os symetr e może być eparzysta lczba weż, bo weże a os sę e odbjają symetrycze (czyl stawamy tylko jedą), musmy dostawć eparzystą lczbę weż poza osą, co jest ewykoale (bo zawsze stawamy po 2 jeśl e stawamy a os). Ne możemy węc meć a a 3 a 5 a 7 weż a os. Suma tego daje am wyk. Mamy węc: fx(g) =! ( ( 5 3 +( 4) 3 +( 6) +( )) = = 522 Weże usuwają kolumy zostawają 2 pola (przypadek fx(o90)fx(o270)). 5

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

p Z(G). (G : Z({x i })),

p Z(G). (G : Z({x i })), 3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

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

Bardziej szczegółowo

Nieporządki Ten materiał zostanie przerobiony na ćwiczeniach

Nieporządki Ten materiał zostanie przerobiony na ćwiczeniach Wykład 3. wrtualy, materał zostae przeroboy a ćwczewach A.Mckewcz, Reduta Ordoa : A przecw m sterczy bała, wąska, zaostrzoa, Jak głaz bodzący morze, reduta Ordoa. Sześć tylko mała armat;(...) (...) Harmaty

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

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

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

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

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

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

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

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Bajki kombinatoryczne

Bajki kombinatoryczne Artyuł powstał a podstawe odczytu pod tym samym tytułem, wygłoszoego podczas XXXVI Szoły Matematy Poglądowej Pomysł czy rachue? w Grzegorzewcach, styczeń 006. Baj ombatorycze Joaa JASZUŃSKA, Warszawa Ja

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

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

Bardziej szczegółowo

Wstęp do prawdopodobieństwa. Dr Krzysztof Piontek. Literatura:

Wstęp do prawdopodobieństwa. Dr Krzysztof Piontek. Literatura: Studum podyplomowe altyk Fasowy Wstęp do prawdopodobeństwa Lteratura: Ostasewcz S., Rusak Z., Sedlecka U.: Statystyka elemety teor zadaa, kadema Ekoomcza we Wrocławu 998. mr czel: Statystyka w zarządzau,

Bardziej szczegółowo

Analiza Matematyczna I.1

Analiza Matematyczna I.1 Aalza Matematycza I. Sera, Potr Nayar Zadae. Nech a k >, k =,..., b d lczbam rzeczywstym o tym samym zaku. Udowodj,»e prawdzwa jest erówo± + a + a... + a + a + a +... + a. Czy zaªo»ee,»e lczby a k maj

Bardziej szczegółowo

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

201. a 1 a 2 a 3...a n a 2 1 +a 2 2 +a a 2 n n a 4 1 +a 4 2 +a a 4 n n. a1 + a 2 + a a n 204.

201. a 1 a 2 a 3...a n a 2 1 +a 2 2 +a a 2 n n a 4 1 +a 4 2 +a a 4 n n. a1 + a 2 + a a n 204. Liczby rzeczywiste dodatie a 1, a 2, a 3,...a spełiają waruek a 1 +a 2 +a 3 +...+a =. Wpisać w kratkę zak lub i udowodić podaą ierówość bez korzystaia z gotowych twierdzeń (moża korzystać z wcześiejszych

Bardziej szczegółowo

Sortowanie szybkie Quick Sort

Sortowanie szybkie Quick Sort Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

UKŁADY RÓWNAŃ LINOWYCH Ekoeergetyka Matematyka. Wykład 4. UKŁADY RÓWNAŃ LINOWYCH Defiicja (Układ rówań liiowych, rozwiązaie układu rówań) Układem m rówań liiowych z iewiadomymi,,,, gdzie m, azywamy układ rówań postaci: a a a

Bardziej szczegółowo

System finansowy gospodarki

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

Bardziej szczegółowo

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )

Bardziej szczegółowo

8.1 Zbieżność ciągu i szeregu funkcyjnego

8.1 Zbieżność ciągu i szeregu funkcyjnego Rozdzał 8 Cąg szereg fukcyje 8.1 Zbeżość cągu szeregu fukcyjego Dla skrócea zapsu przyjmjmy pewe ozaczee. Defcja. Nech X, Y. Przez Y X ozaczamy zbór wszystkch fukcj określoych a zborze X o wartoścach w

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

D Archiwum Prac Dyplomowych - Instrukcja dla studentów

D Archiwum Prac Dyplomowych - Instrukcja dla studentów Kraków 01.10.2015 D Archwum Prac Dyplomowych - Instrukcja dla studentów Procedura Archwzacj Prac Dyplomowych jest realzowana zgodne z zarządzenem nr 71/2015 Rektora Unwersytetu Rolnczego m. H. Kołłątaja

Bardziej szczegółowo

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej. /22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce. Metody probablstycze statystyka Wykład 7: Statystyka opsowa. Rozkłady prawdopodobestwa wystpujce w statystyce. Podstawowe pojca Populacja geerala - zbór elemetów majcy przyajmej jed włacwo wspól dla wszystkch

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

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ

Bardziej szczegółowo

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; } Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca

Bardziej szczegółowo

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

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

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI Adrzej POWNUK *) PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI. Wprowadzee Mechaka lowa staow jak dotąd podstawowy obszar zateresowań żyerskch. Isteje jedak

Bardziej szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

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

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max

Bardziej szczegółowo

( ) WŁASNOŚCI MACIERZY

( ) WŁASNOŚCI MACIERZY .Kowalski własości macierzy WŁSNOŚC MCERZY Własości iloczyu i traspozycji a) możeie macierzy jest łącze, tz. (C) ()C, dlatego zapis C jest jedozaczy, b) możeie macierzy jest rozdziele względem dodawaia,

Bardziej szczegółowo

Statystyka Opisowa Wzory

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

Bardziej szczegółowo

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy (MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek

Bardziej szczegółowo

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym. Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór

Bardziej szczegółowo

Elementy arytmetyki komputerowej

Elementy arytmetyki komputerowej Elemety arytmetyk komputerowej cz. I Elemety systemów lczbowych /materał pomocczy do wykładu Iformatyka sem II/ Sps treśc. Wprowadzee.... Wstępe uwag o systemach lczbowych... 3. Przegląd wybraych systemów

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia dr Mchł Koopczńsk Ekoom mtemtcz ćwcze. Ltertur obowązkow Eml Pek red. Podstw ekoom mtemtczej. Mterł do ćwczeń MD r 5 AE Pozń.. Ltertur uzupełjąc Eml Pek Ekoom mtemtcz AE Pozń. Alph C. Chg Podstw ekoom

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem) D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

Bardziej szczegółowo

Modele wartości pieniądza w czasie

Modele wartości pieniądza w czasie Joaa Ceślak, Paula Bawej Modele wartośc peądza w czase Podstawowe pojęca ozaczea Kaptał (ag. prcpal), kaptał początkowy, wartośd początkowa westycj - peądze jake zostały wpłacoe a początku westycj (a początku

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Regresja REGRESJA

Regresja REGRESJA Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

Relacyjny model danych. Relacyjny model danych

Relacyjny model danych. Relacyjny model danych Pla rozdzału Relacyjy model daych Relacyjy model daych - pojęca podstawowe Ograczea w modelu relacyjym Algebra relacj - podstawowe operacje projekcja selekcja połączee operatory mogoścowe Algebra relacj

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

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k Różnczkowalność, pochodne, ekstremum funkcj Ćwczene 1 Polczyć pochodn a kerunkow a funkcj: 1 1 1 x 1 x 2 x k ϕ(x 1,, x k ) x 2 1 x 2 2 x 2 k x k 1 1 x k 1 2 x k 1 w dowolnym punkce p [x 1, x 2,, x k T

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Laboratorium z Biomechatroniki Ćwiczenie 3 Wyznaczanie położenia środka masy ciała człowieka za pomocą dźwigni jednostronnej

Laboratorium z Biomechatroniki Ćwiczenie 3 Wyznaczanie położenia środka masy ciała człowieka za pomocą dźwigni jednostronnej Wydzał: Mechaczy Techologczy Keruek: Grupa dzekańska: Semestr: perwszy Dzeń laboratorum: Godza: Laboratorum z Bomechatrok Ćwczee 3 Wyzaczae położea środka masy cała człoweka za pomocą dźwg jedostroej 1.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

PORADNIK KANDYDATA. Wkrótce w nauka w szkole w jaki sposób je. zasadniczych szkole

PORADNIK KANDYDATA. Wkrótce w nauka w szkole w jaki sposób je. zasadniczych szkole Drog Gmnazjalsto, Wkrótce w nauka w szkole w jak sposób je jedno z z w pracodawców. zasadnczych szkole racjonalnego wyboru przestrz W prowadzona przy pomocy systemu elektroncznego. Rekrutacja wspomagana

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

MACIERZE I DZIAŁANIA NA MACIERZACH. Niech ustalone będzie ciało i dwie liczby naturalne,.

MACIERZE I DZIAŁANIA NA MACIERZACH. Niech ustalone będzie ciało i dwie liczby naturalne,. CIERZE I ZIŁNI N CIERZCH Nech usloe będze cło dwe lczby urle, cerzą o wyrzch z cł wymrch zywmy kżdą fukcję cerz ką zpsujemy w posc belk ) cerz zpsujemy róweż wele ych sposobów, w zleżośc od ego jką jej

Bardziej szczegółowo

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

( ) ( ) ( ) ( ) ( ) ( ) Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β

Bardziej szczegółowo

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

Bardziej szczegółowo