Wykład 9: Różne rodzaje zbieżności ciągów zmiennych losowych. Prawa wielkich liczb.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wykład 9: Różne rodzaje zbieżności ciągów zmiennych losowych. Prawa wielkich liczb."

Transkrypt

1 Rchuek prwopoobieństw MA1181 Wyził T, MS, rok k. 2013/14, sem. zimowy Wykłowc: r hb. A. Jurlewicz Wykł 9: Róże rozje zbieżości ciągów zmieych losowych. rw wielkich liczb. Zbieżość z prwopoobieństwem 1: Defiicj: Ciąg zmieych losowych X 1, X 2,... jest zbieży z prwopoobieństwem 1 (i. prwie pewo) o zmieej losowej X, jeżeli Ozczeie: X X, X (ω : lim X (ω) = X(ω)) = 1. p.. X, lim X = X z prw. 1. Uwg: Ciąg zbieży puktowo jest zbieży z prwopoobieństwem 1. (Ciąg X 1, X 2,... jest zbieży puktowo o X, jeżeli lim X (ω) = X(ω) ω Ω.) Zbieżość stochstycz: Defiicj: Ciąg zmieych losowych X 1, X 2,... jest zbieży stochstyczie (i. weług prwopoobieństw) o zmieej losowej X, jeżeli Ozczeie: X Fkt: () Jeżeli X X, to X (b) Jeżeli X ɛ>0 X, lim X = ( X X ɛ) X, to istieje pociąg (X k ) cigu (X ), tki że X k Zbieżość wzglęem mometów rzęu r: Defiicj: Złóżmy, że l pewego r > 0 E X r, E X r są skończoe l wszystkich N. Ciąg zmieych losowych X 1, X 2,... jest zbieży wzglęem mometów rzęu r (i. w przestrzei ) o zmieej losowej X, jeżeli Ozczeie: X E X X r Dl r = 2 mówimy, że ciąg (X ) jest zbieży śreiokwrtowo o Ozczeie: X śr.kw. X, l.i.m.x = 1

2 Fkt: Dl owolego ustloego r 0 > 0: L () Jeżeli X r 0 X, to X L (b) Jeżeli X r 0 X, to X X l kżego 0 < r < r 0. Zbieżość weług rozkłu: Defiicj: Niech X m rozkł o ystrybucie F (x), X - rozkł o ystrybucie F (x). Ciąg zmieych losowych X 1, X 2,... jest zbieży weług rozkłu (i. słbo zbieży) o zmieej losowej X, jeżeli F (x) F (x) l kżego tkiego x, w którym F (x) jest ciągł. Ozczeie: X Fkt: () Jeżeli X (b) Gy X X, F X, to X F. X, gzie (X = ) = 1 l pewej stłej, to X (c) Jeżeli X X, to X () Jeżeli X X, to X Twierzeie Lévy ego: 1. Niech zmiee losowe X, X mją rozkły o fukcjch chrkterystyczych opowieio ϕ (t), ϕ(t). Jeżeli X X, to ϕ (t) ϕ(t) l kżego t. 2. Niech X m rozkł o fukcji chrkterystyczej ϕ (t). Jeżeli ϕ (t) ϕ(t) l kżego t i gricz fukcj ϕ(t) jest ciągł w t = 0, to ϕ(t) jest fukcją chrkterystyczą pewej zmieej losowej X orz X Uwg: W zbieżościch z prwopoobieństwem 1, stochstyczej, w przestrzei gricz zmie losow X jest określo z prwopoobieństwem 1, tz. jeżeli X i X są gricmi ciągu X, to (X = X ) = 1. W zbieżości słbej określoy jest tylko rozkł griczy ego cigu i kż zmie losow X o tkim rozkłzie może reprezetowć słbą gricę tego ciągu. 2

3 rw wielkich liczb (WL) rwo wielkich liczb Beroulliego, twierzeie Borel: Niech S bęzie liczbą sukcesów w próbch Beroulliego z prwopoobieństwem sukcesu p. Wtey zchozi WL Beroulliego (XVII/XVIII w.) (SWL) S p. twierzeie Borel (pocz. XX w.) (MWL) S p. Iterpretcj: Częstość występowi sukcesu w próbch Beroulliego przybliż przy użym prwopoobieństwo p sukcesu w pojeyczej próbie. Opowi to obserwcjom z tury, że częstość zrzei losowego stbilizuje się pewym poziomie. Defiicj: Niech X 1, X 2,... bęzie ciągiem zmieych losowych o skończoych wrtościch oczekiwych EX = m. Niech S = X 1 + X X, = m 1 + m m. Mówimy, że ciąg (X ) spełi słbe prwo wielkich liczb (SWL), gy S = 1 (X k m k ) Mówimy, że ciąg te spełi moce prwo wielkich liczb (MWL), gy Oczywiście MWL = SWL. S 3

4 WL l ciągów zmieych losowych o jekowym rozkłzie Twierzeie Chiczy Niech (X ) bęzie ciągiem iezleżych zmieych losowych o jekowym rozkłzie, przy czym E X <. Wtey ciąg te spełi SWL, które w tym przypku moż zpisć w postci S = 1 X k m = EX 1. MWL Kołmogorow Niech (X ) bęzie ciągiem iezleżych zmieych losowych o jekowym rozkłzie. Ciąg te spełi MWL, które w tym przypku moż zpisć w postci S = 1 wtey i tylko wtey, gy E X <. X k m = EX 1. Szczególy przypek: twierzeie Borel, w kosekwecji WL Beroulliego, gyż jeżeli (X ) to ciąg iezleżych zmieych losowych o jekowym rozkłzie zerojeykowym B(1, p), tz. (X = 1) = p = 1 (X = 0), to S m rozkł Beroulliego B(, p), tki jk rozkł ilości sukcesów w próbch Beroulliego z prwopoobieństwem sukcesu p, m = EX 1 = p. WL l ciągów zmieych losowych o różych rozkłch Twierzeie Czebyszew Niech (X ) bęzie ciągiem prmi iezleżych zmieych losowych, l których l kżego istieje wricj D 2 X <, przy czym l pewego c D 2 X c < l wszystkich. Wtey ciąg te spełi SWL. Twierzeie Mrkow Niech (X ) bęzie ciągiem zmieych losowych, tkim że D 2 S = D2 (X X ) 2 2 (Oczywiście zkłmy, że wricj t istieje.) Wtey ciąg te spełi SWL. Twierzeie Kołmogorow Niech (X ) bęzie ciągiem iezleżych zmieych losowych, tkich że istieje wricj D 2 X <. Jeżeli D 2 X <, 2 to ciąg te spełi MWL. =1 4

5 Wże zstosowi WL: Meto Mote Crlo obliczi cłek ozczoych: Niech X 1, X 2,... X bęzie ciągiem iezleżych zmieych losowych o jekowym rozkłzie jeostjym przezile [, b] orz iech f bęzie fukcją rzeczywistą tką, że Ef(X 1 ) istieje i jest skończo. rzy powyższych złożeich f(x 1 ), f(x 2 ),... f(x ) jest tkże ciągiem iezleżych zmieych losowych o jekowym rozkłzie, przy czym istieje wrtość oczekiw Ef(X 1 ). oto Ef(X 1 ) = 1 b 1 b f(x)x. Z MWL Kołmogorow mmy f(x k ) z pr.1 Ef(X 1 ) = 1 b f(x)x. b Możemy ztem o obliczi przybliżoej wrtości cłki ozczoej stępujący lgorytm: b f(x)x zstosowć () losujemy iezleżie liczby u 1, u 2,..., u z rozkłu jeostjego U[0, 1]; (b) przeksztłcmy x k = + (b )u k l k = 1, 2,..., otrzymując w te sposób próbkę z rozkłu U(, b); (c) jko przybliżoą wrtość cłki przyjmujemy b Dystrybut empirycz: f(x)x b f(x k ). Rozwżmy ciąg X 1, X 2,... X iezleżych zmieych losowych o jekowym rozkłzie opisym ystrybutą F (x). Ciąg te iterpretujemy jko opis wyików iezleżych pomirów pewej wielkości fizyczej X, okoywych w tych smych wrukch fizyczych. Wrtości x 1, x 2,... x zmieych losowych w tym ciągu to wyiki kokretych tkich pomirów. Ciąg X 1, X 2,... X zywmy próbą prostą. Niech S (x; X 1, X 2,... X ) ozcz ilość elemetów próby prostej, których wrtość jest miejsz iż x. F (x; X 1, X 2,... X ) = S (x; X 1, X 2,... X ) (lbo F (x; x 1, x 2,... x )) zywmy ystrybutą empiryczą. Zuwżmy, że S (x; X 1, X 2,... X ) ozcz ilość tych X i, których wrtość jest miejsz iż x. Jest to ztem ilość sukcesów w próbch Beroulliego, gzie sukces w itej próbie to zrzeie {X i < x} i p = (X i < x) = F (x) iezleżie o i. Ztem S (x; X 1, X 2,... X ) m rozkł Beroulliego B(, p = F (x)). Z tw. Borel otrzymujemy, że F (x; X 1, X 2,... X ) = S (x; X 1, X 2,... X ) p = F (x). Iczej mówiąc, l użych, l prwie kżej wrtości (x 1, x 2,... x ) wektor losowego (X 1, X 2,... X ) mmy F (x; x 1, x 2,... x ) F (x), czyli ystrybut empirycz jest w przybliżeiu rów ystrybucie teoretyczej F. 5

Wykład 12: Sumowanie niezależnych zmiennych losowych i jego związek ze splotem gęstości i transformatami Laplace a i Fouriera. Prawo wielkich liczb.

Wykład 12: Sumowanie niezależnych zmiennych losowych i jego związek ze splotem gęstości i transformatami Laplace a i Fouriera. Prawo wielkich liczb. Rchuek prwdopodobieństw MA064 Wydził Elektroiki, rok kd. 2008/09, sem. leti Wykłdowc: dr hb. A. Jurlewicz Wykłd 2: Sumowie iezleżych zmieych losowych i jego związek ze splotem gęstości i trsformtmi Lplce

Bardziej szczegółowo

Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz

Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz Rchuek prwdopodobieństw MA5 Wydził Elektroiki, rok kd. 20/2, sem. leti Wykłdowc: dr hb. A. Jurlewicz Wykłd 7: Zmiee losowe dwuwymirowe. Rozkłdy łącze, brzegowe. Niezleżość zmieych losowych. Momety. Współczyik

Bardziej szczegółowo

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne. Rachuek prawopoobieństwa MA064 Wyział Elektroiki, rok aka 2008/09, sem leti Wykłaowca: r hab A Jurlewicz Wykła 3: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług

Bardziej szczegółowo

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne. Rachuek prawopoobieństwa MA5 Wyział Elektroiki, rok aka 20/2, sem leti Wykłaowca: r hab A Jurlewicz Wykła 8: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług rozkłau

Bardziej szczegółowo

CIĄGI LICZBOWE N = zbiór liczb naturalnych. R zbiór liczb rzeczywistych (zbiór reprezentowany przez punkty osi liczbowej).

CIĄGI LICZBOWE N = zbiór liczb naturalnych. R zbiór liczb rzeczywistych (zbiór reprezentowany przez punkty osi liczbowej). MATEMATYKA I - Lucj Kowlski {,,,... } CIĄGI LICZBOWE N zbiór liczb turlych. R zbiór liczb rzeczywistych (zbiór reprezetowy przez pukty osi liczbowej. Nieskończoy ciąg liczbowy to przyporządkowie liczbom

Bardziej szczegółowo

Wykład 8: Całka oznanczona

Wykład 8: Całka oznanczona Wykłd 8: Cłk ozczo dr Mriusz Grządziel grudi 28 Pole trójkt prboliczego Problem. Chcemy obliczyć pole s figury S ogriczoej prostą y =, prostą = i wykresem fukcji f() = 2. Rozwizie przybliżoe. Dzielimy

Bardziej szczegółowo

7. Szeregi funkcyjne

7. Szeregi funkcyjne 7 Szeregi ukcyje Podstwowe deiicje i twierdzei Niech u,,,, X o wrtościch w przestrzei Y będą ukcjmi określoymi zbiorze X Mówimy, że szereg ukcyjy u jest zbieży puktowo do sumy, jeżeli ciąg sum częściowych

Bardziej szczegółowo

I. CIĄGI I SZEREGI FUNKCYJNE. odwzorowań zbioru X w zbiór R [lub C] nazywamy ciągiem funkcyjnym.

I. CIĄGI I SZEREGI FUNKCYJNE. odwzorowań zbioru X w zbiór R [lub C] nazywamy ciągiem funkcyjnym. I. CIĄGI I SZEREGI FUNKCYJNE 1. Zbieżość puktow i jedostj ciągów fukcyjych Niech X będzie iepustym podzbiorem zbioru liczb rzeczywistych R (lub zbioru liczb zespoloych C). Defiicj 1.1. Ciąg (f ) N odwzorowń

Bardziej szczegółowo

3.1. Ciągi liczbowe - ograniczoność, monotoniczność, zbieżność ciągu. Liczba e. Twierdzenie o trzech ciągach.

3.1. Ciągi liczbowe - ograniczoność, monotoniczność, zbieżność ciągu. Liczba e. Twierdzenie o trzech ciągach. WYKŁAD 6 3 RACHUNEK RÓŻNICZKOWY I CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ 31 Ciągi liczbowe - ogriczoość, mootoiczość, zbieżość ciągu Liczb e Twierdzeie o trzech ciągch 3A+B1 (Defiicj: ieskończoość) Symbole,,

Bardziej szczegółowo

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a Ciągi liczbowe Defiicj Fukcję : N R zywmy iem liczbowym Wrtość fukcji () ozczmy symbolem i zywmy -tym lub ogólym wyrzem u Ciąg Przykłdy Defiicj róŝic zpisujemy rówieŝ w postci { } + Ciąg liczbowy { } zywmy

Bardziej szczegółowo

Przykłady 8.1 : zbieżności ciągów zmiennych losowych

Przykłady 8.1 : zbieżności ciągów zmiennych losowych Rachuek rawopoobieństwa MA8 Wyział Matematyki, Matematyka Stosowaa rzykłay 8. Róże rozaje zbieżości ciągów zmieych losowych. rawa wielkich liczb. Twierzeia graicze. rzykłay 8. : zbieżości ciągów zmieych

Bardziej szczegółowo

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne.

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne. Wykłd Pojęcie fukcji, ieskończoe ciągi liczbowe, dziedzi fukcji, wykres fukcji, fukcje elemetre, fukcje złożoe, fukcje odwrote.. Fukcje Defiicj.. Mówimy, że w zbiorze liczb X jest określo pew fukcj f,

Bardziej szczegółowo

WYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ

WYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ ĆWICZENIE 9 WYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ Opis kł pomirowego A) Wyzzie ogiskowej sozewki skpijąej z pomir oległośi przemiot i obrz o sozewki Szzególie proste, rówoześie

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. II Całki oznaczone i zastosowania

Zadania z analizy matematycznej - sem. II Całki oznaczone i zastosowania Zdi z lizy mtemtyczej - sem. II Cłki ozczoe i zstosowi Defiicj. Niech P = x x.. x będzie podziłem odcik [ b] części ( N przy czym x k = x k x k gdzie k δ(p = mx{ x k : k } = x < x

Bardziej szczegółowo

5. CIĄGI. 5.1 Definicja ciągu. Ciągiem liczbowym nazywamy funkcję przyporządkowującą każdej liczbie naturalnej n liczbę rzeczywistej.

5. CIĄGI. 5.1 Definicja ciągu. Ciągiem liczbowym nazywamy funkcję przyporządkowującą każdej liczbie naturalnej n liczbę rzeczywistej. 5 CIĄGI 5 Defiicj ciągu Ciągiem liczbowym zywmy fukcję przyporządkowującą kżdej liczbie turlej liczbę rzeczywistej Ciąg zpisujemy często wyliczjąc wyrzy,, lub używmy zpisu { } lbo ( ) Ciągi liczbowe moż

Bardziej szczegółowo

Zasada indukcji matematycznej. Dowody indukcyjne.

Zasada indukcji matematycznej. Dowody indukcyjne. Zsd idukcji mtemtyczej. Dowody idukcyje. W rozdzile sformułowliśmy dl liczb turlych zsdę miimum. Bezpośredią kosekwecją tej zsdy jest brdzo wże twierdzeie, które umożliwi i ułtwi wiele dowodów twierdzeń

Bardziej szczegółowo

MATHCAD 2000 - Obliczenia iteracyjne, macierze i wektory

MATHCAD 2000 - Obliczenia iteracyjne, macierze i wektory MTHCD - Obliczei itercyje, mcierze i wektory Zmiee zkresowe. Tblicowie fukcji Wzór :, π.. π..8.9...88.99..8....8.98. si().9.88.89.9.9.89.88.9 -.9 -.88 -.89 -.9 - Opis, :,, przeciek, Ctrl+Shift+P, /,, ;średik,

Bardziej szczegółowo

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest

Bardziej szczegółowo

Ciągi liczbowe podstawowe definicje i własności

Ciągi liczbowe podstawowe definicje i własności Ciągi liczbowe podstwowe defiicje i włsości DEF *. Ciągiem liczbowym (ieskończoym) zywmy odwzorowie zbioru liczb turlych w zbiór liczb rzeczywistych, tj. :. Przyjęto zpis:,,...,,... Przy czym zywmy -tym

Bardziej szczegółowo

CIĄGI LICZBOWE N 1,2,3,... zbiór liczb naturalnych. R zbiór liczb rzeczywistych (zbiór reprezentowany przez punkty osi liczbowej).

CIĄGI LICZBOWE N 1,2,3,... zbiór liczb naturalnych. R zbiór liczb rzeczywistych (zbiór reprezentowany przez punkty osi liczbowej). Ciągi i szeregi - Lucj owlski CIĄGI LICZBOWE N,,,... zbiór liczb turlych. R zbiór liczb rzeczywistych (zbiór reprezetowy przez pukty osi liczbowej). Nieskończoy ciąg liczbowy to przyporządkowie liczbom

Bardziej szczegółowo

Powtórka dotychczasowego materiału.

Powtórka dotychczasowego materiału. Powtórk dotychczsowego mteriłu. Zdi do smodzielego rozwiązi. N ćwiczeich w środę 7.6.7 grupy 4 leży wskzć zdi, które sprwiły jwięcej problemów. 43. W kżdym z zdń 43.-43.5 podj wzór fukcję różiczkowlą f

Bardziej szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 Twierdzenia o granicznym przejściu pod znakiem całki 1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae

Bardziej szczegółowo

Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223

Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223 Aaliza umerycza Kurs INP002009W Wykład Narzędzia matematycze Karol Tarowski karol.tarowski@pwr.wroc.pl A- p.223 Pla wykładu Czym jest aaliza umerycza? Podstawowe pojęcia Wzór Taylora Twierdzeie o wartości

Bardziej szczegółowo

Ekoenergetyka Matematyka 1. Wykład 8. CIĄGI LICZBOWE

Ekoenergetyka Matematyka 1. Wykład 8. CIĄGI LICZBOWE Ekoeergetk Mtemtk 1. Wkłd 8. CIĄGI LICZBOWE Defiicj (ciąg liczbow) Ciągiem liczbowm zwm fukcję odwzorowującą zbiór liczb turlch w zbiór liczb rzeczwistch. Wrtość tej fukcji dl liczb turlej zwm -tm wrzem

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

MATLAB PODSTAWY. [ ] tworzenie tablic, argumenty wyjściowe funkcji, łączenie tablic

MATLAB PODSTAWY. [ ] tworzenie tablic, argumenty wyjściowe funkcji, łączenie tablic MTLB PODSTWY ZNKI SPECJLNE symbol przypisi [ ] tworzeie tblic, rgumety wyjściowe fukcji, łączeie tblic { } ideksy struktur i tblic komórkowych ( ) wisy do określi kolejości dziłń, do ujmowi ideksów tblic,

Bardziej szczegółowo

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale Cł ozczo. De.1. Podziłem odci części, N, zywmy ziór przy czym. Wprowdzmy ozczei: długość -tego odci podziłu P średic podziłu P put pośredi -tego odci podziłu P De.2 sum cłow Niech ucj ędzie ogriczo przedzile

Bardziej szczegółowo

EAIiIB- Informatyka - Wykład 1- dr Adam Ćmiel zbiór liczb wymiernych

EAIiIB- Informatyka - Wykład 1- dr Adam Ćmiel zbiór liczb wymiernych EAIiIB- Iortyk - Wykłd - dr Ad Ćiel ciel@.gh.edu.pl dr Ad Ćiel (A3-A4 p.3, tel. 3-7, ciel@gh.edu.pl ; http://hoe.gh.edu.pl/~ciel/) Podręcziki Gewert M, Skoczyls Z. Aliz tetycz i. Deiicje twierdzei i wzory,

Bardziej szczegółowo

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale

Całka oznaczona. długość k-tego odcinka podziału P. punkt pośredni k-tego odcinka podziału P. Niech funkcja f będzie ograniczona na przedziale Cł ozczo. De.1. Podziłem odci części, N, zywmy ziór przy czym. Wprowdzmy ozczei: długość -tego odci podziłu P średic podziłu P put pośredi -tego odci podziłu P De.2 (sum cłow) Niech ucj ędzie ogriczo przedzile

Bardziej szczegółowo

Algebra WYKŁAD 5 ALGEBRA 1

Algebra WYKŁAD 5 ALGEBRA 1 lger WYKŁD 5 LGEBR Defiicj Mcierzą ieosoliwą zywmy mcierz kwdrtową, której wyzczik jest róży od zer. Mcierzą osoliwą zywmy mcierz, której wyzczik jest rówy zeru. Defiicj Mcierz odwrot Mcierzą odwrotą do

Bardziej szczegółowo

Ciągi i szeregi liczbowe

Ciągi i szeregi liczbowe Ciągi i szeregi liczbowe Defiicj. Jeżeli kżdej liczbie turlej przyporządkow zostł jkś liczb rzeczywist, to mówimy, że zostł określoy ciąg liczbowy (ieskończoy). Formlie ozcz to, że ciąg liczbowy jest fukcją

Bardziej szczegółowo

Analiza matematyczna ISIM I

Analiza matematyczna ISIM I Aliz mtemtycz ISIM I Ryszrd Szwrc Spis treści Ciągi liczbowe. Zbieżość ciągów......................... 3. Liczb e.............................. 0 Szeregi liczbowe 3. Łączość i przemieość w sumie ieskończoej.........

Bardziej szczegółowo

Szeregi o wyrazach dowolnych znaków, dwumian Newtona

Szeregi o wyrazach dowolnych znaków, dwumian Newtona Poprwi lem 9 czerwc 206 r, godz 20:0 Twierdzeie 5 kryterium Abel Dirichlet Niech be dzie ieros cym ci giem liczb dodtich D Jeśli 0 i ci g sum cze ściowych szeregu b jest ogriczoy, to szereg b jest zbieży

Bardziej szczegółowo

Analiza Matematyczna

Analiza Matematyczna Aliz Mtemtycz Przykłdy: Cłki ozczoe. Oprcowie: dr hb. iż. Agieszk Jurlewicz, prof. PWr Przykłd 9. : Korzystjąc z defiicji cłki ozczoej orz fktu, że fukcj ciągł jest cłkowl, oblicz e x dx przyjmując podził

Bardziej szczegółowo

Analiza Matematyczna 2 Szeregi liczbowe i funkcyjne

Analiza Matematyczna 2 Szeregi liczbowe i funkcyjne Aliz Mtemtycz 2 Szeregi liczbowe i fukcyje Wydził Mtemtyki wykłdowc T. Dowrowicz 5 kwieti 2017 Wykłdy III i IV SZEREGI LICZBOWE Obrzowo mówiąc, szeregiem, zywmy ciąg, w którym zmist przeików stwimy zki

Bardziej szczegółowo

Programowanie z więzami (CLP) CLP CLP CLP. ECL i PS e CLP

Programowanie z więzami (CLP) CLP CLP CLP. ECL i PS e CLP Progrmowie z więzmi (CLP) mjąc w PROLOGu: p(x) :- X < 0. p(x) :- X > 0. i pytjąc :- p(x). dostiemy Abort chcelibyśmy..9 CLP rozrzeszeie progrmowi w logice o kocepcję spełii ogriczeń rozwiązie = logik +

Bardziej szczegółowo

4. Rekurencja. Zależności rekurencyjne, algorytmy rekurencyjne, szczególne funkcje tworzące.

4. Rekurencja. Zależności rekurencyjne, algorytmy rekurencyjne, szczególne funkcje tworzące. 4. Reurecj. Zleżości reurecyje, lgorytmy reurecyje, szczególe fucje tworzące. Reurecj poleg rozwiązywiu problemu w oprciu o rozwiązi tego smego problemu dl dych o miejszych rozmirch. W iformtyce reurecj

Bardziej szczegółowo

Analiza obwodów elektrycznych z przebiegami stochastycznymi. Dariusz Grabowski

Analiza obwodów elektrycznych z przebiegami stochastycznymi. Dariusz Grabowski Aliz obwodów elekryczych z przebiegmi sochsyczymi Driusz Grbowski Pl wysąpiei Sochsycze modele sygłów Procesy sochsycze Przekszłcei procesów sochsyczych przez ukłdy liiowe Ciągłość i różiczkowlość sochsycz

Bardziej szczegółowo

Regionalne Koło Matematyczne

Regionalne Koło Matematyczne Regionlne Koło Mtemtyzne Uniwersytet Mikołj Kopernik w Toruniu Wyził Mtemtyki i Informtyki http://www.mt.umk.pl/rkm/ List rozwiązń zń nr 8, grup zwnsown (3.03.200) O izometrih (..) Wektorem uporząkownej

Bardziej szczegółowo

WYKŁAD 7. UKŁADY RÓWNAŃ LINIOWYCH Macierzowa Metoda Rozwiązywania Układu Równań Cramera

WYKŁAD 7. UKŁADY RÓWNAŃ LINIOWYCH Macierzowa Metoda Rozwiązywania Układu Równań Cramera /9/ WYKŁ. UKŁY RÓWNŃ LINIOWYCH Mcierzow Metod Rozwiązywi Ukłdu Rówń Crmer Ogól postć ukłdu rówń z iewidomymi gdzie : i i... ozczją iewidome; i R k i R i ik... ;... efiicj Ukłdem Crmer zywmy tki ukłd rówń

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Wykład 2. Pojęcie całki niewłaściwej do rachunku prawdopodobieństwa

Wykład 2. Pojęcie całki niewłaściwej do rachunku prawdopodobieństwa Wykłd 2. Pojęcie cłki niewłściwej do rchunku prwdopodobieństw dr Mriusz Grządziel 4 mrc 24 Pole trpezu krzywoliniowego Przypomnienie: figurę ogrniczoną przez: wykres funkcji y = f(x), gdzie f jest funkcją

Bardziej szczegółowo

Całki niewłaściwe. Rozdział Wprowadzenie Całki niewłaściwe I rodzaju

Całki niewłaściwe. Rozdział Wprowadzenie Całki niewłaściwe I rodzaju Rozdził 3 Cłki niewłściwe 3. Wprowdzenie Omwine w poprzednim rozdzile cłki oznczone są cłkmi funkcji ciągłych n przedzile domkniętym, więc funkcji ogrniczonych n przedzile skończonym. Wiele zgdnień prktycznych

Bardziej szczegółowo

Całka oznaczona. długość k-tego odcinka podziału P. średnica podziału P. punkt pośredni k-tego odcinka podziału P

Całka oznaczona. długość k-tego odcinka podziału P. średnica podziału P. punkt pośredni k-tego odcinka podziału P Cł ozczo. De.. Podziłem odci części, N, zywmy ziór przy czym. Wprowdzmy ozczei: długość -tego odci podziłu P średic podziłu P put pośredi -tego odci podziłu P De. sum cłow Niech ucj ędzie ogriczo przedzile

Bardziej szczegółowo

Twierdzenia graniczne:

Twierdzenia graniczne: Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości

Bardziej szczegółowo

Ciągi i szeregi funkcyjne

Ciągi i szeregi funkcyjne Mteriły do ćwiczeń Aliz Mtemtycz II 7/8 Mri Frotczk, Ludwik Kczmrek, Ktrzy Klimczk, Mri Michlsk, Bet Osińsk-Ulrych, Tomsz Rodk, Adm Różycki, Grzegorz Sklski, Stisłw Spodziej Teori pod przed ćwiczeimi pochodzi

Bardziej szczegółowo

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wektory Fukcje rzeczywiste wielu zmieych rzeczywistych Matematyka Studium doktorackie KAE SGH Semestr leti 2008/2009 R. Łochowski Wektory pukty w przestrzei R Przestrzeń R to zbiór uporządkowaych -ek liczb

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

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

MATEMATYKA Przed próbną maturą. Sprawdzian 2. (poziom rozszerzony) Rozwiązania zadań

MATEMATYKA Przed próbną maturą. Sprawdzian 2. (poziom rozszerzony) Rozwiązania zadań MATEMATYKA Przed próbą mturą Sprwdzi (poziom rozszerzoy) Rozwiązi zdń Zdie ( pkt) P Uczeń oblicz potęgi o wykłdikc wymieryc i stosuje prw dziłń potęgc o wykłdikc wymieryc 5 ( ) 7 5 Odpowiedź: C Zdie (

Bardziej szczegółowo

- macierz o n wierszach i k kolumnach. Macierz jest diagonalna jeśli jest kwadratowa i po za główną przekątną (diagonala) są

- macierz o n wierszach i k kolumnach. Macierz jest diagonalna jeśli jest kwadratowa i po za główną przekątną (diagonala) są Powtórzeie z Algebry 1. Mcierz A k 1 11 1 1k 1 k k - mcierz o wierszch i k kolumch Mcierz est kwdrtow eśli m tyle smo wierszy co kolum ( = k). Mcierz est digol eśli est kwdrtow i po z główą przekątą (digol)

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

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka matematyczna.

Rachunek prawdopodobieństwa i statystyka matematyczna. Rchunek rwdoodobieństw i sttystyk mtemtyczn. Zd 8. {(, : i } Zleżność tą możn rzedstwić w ostci nstęującej interretcji grficznej: Arkdiusz Kwosk Rfł Kukliński Informtyk sem.4 gr. Srwdźmy, czy odne zmienne

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce Wyre rozkłdy prwdopodoieństw żytecze w sttystyce Rozkłd chi-kwdrt o stopich swoody - to rozkłd sy kwdrtów iezleżych zieych losowych o stdryzowy rozkłdzie orly N tz iid N = i i rozkłd y o kcji gęstości

Bardziej szczegółowo

Rozdział 1. Ciągi liczbowe, granica ciągu

Rozdział 1. Ciągi liczbowe, granica ciągu Rozdził. Ciągi liczbowe, gric ciągu. Rodzje i włsości ciągów liczbowych W życiu codzieym często moż spotkć się z ciągmi: ciąg smochodów ulicy (pierwszy, drugi, trzeci ), ciąg ludzi w kolejce (zerowy chwilę

Bardziej szczegółowo

5 Twierdzenia graniczne

5 Twierdzenia graniczne A. Kasprzyk, STATYSTYKA A 22 5 Twierzeia graicze 5.1 Typy zbieżości zmieych losowych Defiicja 5.1 Rozważmy ciag ciag z.l. { }, z których każa ma ystrybuate F, oraz z.l. Z o ystrybuacie F. Mówimy że ciag

Bardziej szczegółowo

Literatura do ćwiczeń: Program zajęć: dr Krzysztof Żyjewski Informatyka; rok I, I o.inż. 17 listopada 2015

Literatura do ćwiczeń: Program zajęć: dr Krzysztof Żyjewski Informatyka; rok I, I o.inż. 17 listopada 2015 dr Krzysztof Żyjewski Iformtyk; rok I, I o.iż. 17 listopd 015 Kotkt: e-mil: krzysztof.zyjewski@uwm.edu.pl kosultcje: po 18 listopd 7.55-8.55, pok. A0/19 (ie termiy możliwe po uprzedim kotkcie milowym)

Bardziej szczegółowo

N(0, 1) ) = φ( 0, 3) = 1 φ(0, 3) = 1 0, 6179 = 0, 3821 < t α 1 e t dt α > 0. f g = fg. f = e t f = e t. U nas: g = t α 1 g = (α 1)t α 2

N(0, 1) ) = φ( 0, 3) = 1 φ(0, 3) = 1 0, 6179 = 0, 3821 < t α 1 e t dt α > 0. f g = fg. f = e t f = e t. U nas: g = t α 1 g = (α 1)t α 2 Zdnie X,..., X 5 N(6, 5 ) Y,..., Y 6 N(7, 5 ) X N(6, 5 6 ) Ȳ N(7, 5 6 ) Przy złożeniu niezleżności zmiennych mmy: X Ȳ N(, ) po stndryzcji otrzymmy: Ȳ X N(, ) Pr(Ȳ X < ) = Pr(Ȳ X < ) = φ(, 3) = φ(, 3) =,

Bardziej szczegółowo

Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych,

Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych, Klsyczn Metod Njmniejszych Kwdrtów (KMNK) Postć ć modelu jest liniow względem prmetrów (lbo nleży dokonć doprowdzeni postci modelu do liniowości względem prmetrów), Zmienne objśnijące są wielkościmi nielosowymi,

Bardziej szczegółowo

Wyrównanie sieci niwelacyjnej

Wyrównanie sieci niwelacyjnej 1. Wstęp Co to jest sieć niwelcyjn Po co ją się wyrównje Co chcemy osiągnąć 2. Metod pośrednicząc Wyrównnie sieci niwelcyjnej Metod pośrednicząc i metod grpow Mmy sieć skłdjącą się z szereg pnktów. Niektóre

Bardziej szczegółowo

Wybrane zagadnienia. Wykład 2a. Metoda simpleks rozwiązywania zadań programowania liniowego.

Wybrane zagadnienia. Wykład 2a. Metoda simpleks rozwiązywania zadań programowania liniowego. Wybre zgdiei bdń opercyjych Wykłd Metod simpleks rozwiązywi zdń progrmowi liiowego Prowdzący: dr iiż.. Zbiigiiew TARAPATA De kotktowe: e-mil: WWW: Zbigiew.Trpt@wt.edu.pl http://trpt.stref.pl tel. : 83-94-3,

Bardziej szczegółowo

< f g = fg. f = e t f = e t. U nas: e t (α 1)t α 2 dt = 0 + (α 1)Γ(α 1)

< f g = fg. f = e t f = e t. U nas: e t (α 1)t α 2 dt = 0 + (α 1)Γ(α 1) Zdnie X,..., X 5 N(6, 5 ) Y,..., Y 6 N(7, 5 ) X N(6, 5 6 ) Ȳ N(7, 5 6 ) Przy złożeniu niezleżności zmiennych mmy: X Ȳ N(, ) po stndryzcji otrzymmy: Ȳ X N(, ) Pr(Ȳ X < ) = Pr(Ȳ X < ) = φ(, 3) = φ(, 3) =,

Bardziej szczegółowo

ZADANIA NA POCZA n(n + 1) = 1 3n(n + 1)(n + 2).

ZADANIA NA POCZA n(n + 1) = 1 3n(n + 1)(n + 2). ZADANIA NA POCZA TEK Udowodić, że dl kżdej liczby turlej zchodzi wzór: 3 3 4 = 3 Udowodić, że dl kżdej liczby turlej zchodzi wzór: 3 3 4 = 4 3 3 Udowodić, że dl kżdej liczby turlej zchodzi wzór: 3 3 4

Bardziej szczegółowo

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1. Podstawy teorii miary probabilistyczej. Zbiory mierzale σ ciało zbiorów Załóżmy, że mamy jakiś zbiór Ω. Niech F będzie taką rodzią podzbiorów Ω, że: Ω F A F A F i I A i F i I A i F Wtedy rodzię F azywamy

Bardziej szczegółowo

CIĄGI LICZBOWE. Naturalną rzeczą w otaczającym nas świecie jest porządkowanie różnorakich obiektów, czyli ustawianie ich w pewnej kolejności.

CIĄGI LICZBOWE. Naturalną rzeczą w otaczającym nas świecie jest porządkowanie różnorakich obiektów, czyli ustawianie ich w pewnej kolejności. CIĄGI LICZBOWE Nturlą rzeczą w otczjącym s świecie jest porządkowie różorkich obiektów, czyli ustwiie ich w pewej kolejości. Dl przykłdu tworzymy różego rodzju rkigi, p. rkig jlepszych kierowców rjdowych.

Bardziej szczegółowo

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski Nottki z Anlizy Mtemtycznej 4 Jcek M. Jędrzejewski ROZDZIAŁ 7 Cłk Riemnn 1. Cłk nieoznczon Definicj 7.1. Niech f : (, b) R będzie dowolną funkcją. Jeżeli dl pewnej funkcji F : (, b) R spełnion jest równość

Bardziej szczegółowo

Rozkłady statystyk z próby Twierdzenia graniczne

Rozkłady statystyk z próby Twierdzenia graniczne Rozkłady statystyk z róby Twierdzeia graicze PRÓBA LOSOWA Próbą losową rostą azyway ciąg -zieych losowych iezależych i osiadających jedakowe rozkłady takie jak rozkład zieej losowej w oulacji geeralej

Bardziej szczegółowo

takimi, że W każdym przedziale k 1 x k wybieramy punkt k ) i tworzymy sumę gdzie jest długością przedziału, x ). 1 k

takimi, że W każdym przedziale k 1 x k wybieramy punkt k ) i tworzymy sumę gdzie jest długością przedziału, x ). 1 k RACHUNEK CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ Cł ozczo Niech ędzie ucją oreśloą i ogriczoą w przedzile . Przedził e dzielimy pumi,,,..., imi, że....,,.,..., W żdym przedzile wyiermy pu, i worzymy sumę gdzie

Bardziej szczegółowo

Główka pracuje - zadania wymagające myślenia... czyli TOP TRENDY nowej matury.

Główka pracuje - zadania wymagające myślenia... czyli TOP TRENDY nowej matury. Główk prcuje - zdi wymgjące myślei czyli TOP TRENDY owej mtury W tej pordzie 0 trudiejszych zdń Wiele z ich to zdi, których temt zczy się od wykż, udowodij, czyli iezbyt lubiych przez mturzystów Zdie Widomo,

Bardziej szczegółowo

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu. Elementy rchunku prwdopodoeństw f 0 f() - gęstość rozkłdu prwdopodoeństw X f d P< < = f( d ) F = f( tdt ) - dystryunt rozkłdu E( X) = tf( t) dt - wrtość średn D ( X) = E( X ) E( X) - wrncj = f () F ()

Bardziej szczegółowo

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach?

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach? Trochę zadań kombiatoryczych 1. a ile sposobów moża siedmiu stojących a peroie pasażerów umieścić w trzech wagoach? 2. Na szachowicy o wymiarach umieszczamy 8 ierozróżialych wież szachowych tak aby żade

Bardziej szczegółowo

I. DZIAŁANIA W ZBIORZE LICZB RZECZYWISTYCH ZBIORY LICZBOWE: liczby całkowite C : C..., 3, 2, 1,

I. DZIAŁANIA W ZBIORZE LICZB RZECZYWISTYCH ZBIORY LICZBOWE: liczby całkowite C : C..., 3, 2, 1, I. DZIAŁANIA W ZBIORZE LICZB RZECZYWISTYCH ZBIORY LICZBOWE: liczy turle N : N 0,,,,,,..., N,,,,,... liczy cłkowite C : C...,,,, 0,,,,... Kżdą liczę wymierą moż przedstwić z pomocą ułmk dziesiętego skończoego

Bardziej szczegółowo

1.1 Pochodna funkcji w punkcie

1.1 Pochodna funkcji w punkcie Pochod fukcji w pukcie BLOK I RACHUNEK RÓŻNICZKOWY I CAŁKOWY Zkłdmy, że fukcj f jest określo w przedzile, ) orz, że, ), jest liczą, dl której + ), ) Liczę zywmy przyrostem rgumetu w pukcie, tomist różicę

Bardziej szczegółowo

W tym wykładzie zapoznamy się z podstawowymi metodami przybliżonego obliczania całek oznaczonych funkcji jednej zmiennej, tj.

W tym wykładzie zapoznamy się z podstawowymi metodami przybliżonego obliczania całek oznaczonych funkcji jednej zmiennej, tj. WYKŁAD 3 CAŁKOWANIE NUMERYCZNE Motywcj Wiele spotykych w prktyce cłek ie może być obliczo lityczie lub ich ścisłe obliczeie jest brdzo prcochłoe. Z drugiej stroy, brdzo często wystrczy zć jedyie przybliżoą

Bardziej szczegółowo

KONKURS MATEMATYCZNY dla uczniów gimnazjów w roku szkolnym 2012/13. Propozycja punktowania rozwiązań zadań

KONKURS MATEMATYCZNY dla uczniów gimnazjów w roku szkolnym 2012/13. Propozycja punktowania rozwiązań zadań KONKURS MATEMATYCZNY dl uczniów gimnzjów w roku szkolnym 0/ II etp zwodów (rejonowy) 0 listopd 0 r. Propozycj punktowni rozwiązń zdń Uwg: Z kżde poprwne rozwiąznie inne niż przewidzine w propozycji punktowni

Bardziej szczegółowo

Maciej Grzesiak. Iloczyn skalarny. 1. Iloczyn skalarny wektorów na płaszczyźnie i w przestrzeni. a b = a b cos ϕ. j) (b x. i + b y

Maciej Grzesiak. Iloczyn skalarny. 1. Iloczyn skalarny wektorów na płaszczyźnie i w przestrzeni. a b = a b cos ϕ. j) (b x. i + b y Mciej Grzesik Iloczyn sklrny. Iloczyn sklrny wektorów n płszczyźnie i w przestrzeni Iloczyn sklrny wektorów i b określmy jko b = b cos ϕ. Bezpośrednio z definicji iloczynu sklrnego mmy, że i i = j j =

Bardziej szczegółowo

Wykład 2. Granice, ciągłość, pochodna funkcji i jej interpretacja geometryczna

Wykład 2. Granice, ciągłość, pochodna funkcji i jej interpretacja geometryczna 1 Wykłd Grnice, ciągłość, pocodn unkcji i jej interpretcj geometryczn.1 Grnic unkcji. Grnic lewostronn i grnic prwostronn unkcji Deinicj.1 Mówimy, że liczb g jest grnicą lewostronną unkcji w punkcie =,

Bardziej szczegółowo

RACHUNEK CAŁKOWY. Funkcja F jest funkcją pierwotną funkcji f na przedziale I R, jeżeli. F (x) = f (x), dla każdego x I.

RACHUNEK CAŁKOWY. Funkcja F jest funkcją pierwotną funkcji f na przedziale I R, jeżeli. F (x) = f (x), dla każdego x I. RACHUNEK CAŁKOWY Funkcj F jest funkcją pierwotną funkcji f n przedzile I R, jeżeli F (x) = f (x), dl kżdego x I. Przykłd. Niech f (x) = 2x dl x (, ). Wtedy funkcje F (x) = x 2 + 5, F (x) = x 2 + 5, F (x)

Bardziej szczegółowo

Granica cigu punktów. ), jest zbieny do punktu P 0 = ( x0. n n. ) n. Zadania. Przykłady funkcji dwu zmiennych

Granica cigu punktów. ), jest zbieny do punktu P 0 = ( x0. n n. ) n. Zadania. Przykłady funkcji dwu zmiennych Gric cigu puktów Ztem Cig puktów P P ; jest zie do puktu P ; gd P P [ ] Oliczm gric cigu l Poiew l l wic cig l jest zie i jego gric jest pukt π π [ ] Oliczm gric cigu si π π π π Poiew si si wic cig si

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym

Bardziej szczegółowo

Zadania i rozwiązania prac domowych z Analizy Matematycznej 1.2 z grupy pana Ryszarda Kopieckiego, semestr letni 2011/2012.

Zadania i rozwiązania prac domowych z Analizy Matematycznej 1.2 z grupy pana Ryszarda Kopieckiego, semestr letni 2011/2012. Zdi i rozwiązi prc domowych z Alizy Mtemtyczej. z grupy p Ryszrd Kopieckiego, semestr leti / Ntli Skowsk . seri UWAGA: wykresów oczywiście rysowć ie trzeb. Co więcej, wykres ie jest dowodem żdego stwierdzei.

Bardziej szczegółowo

VI. Rachunek całkowy. 1. Całka nieoznaczona

VI. Rachunek całkowy. 1. Całka nieoznaczona VI. Rchunek cłkowy. Cłk nieoznczon Niech F : I R i f : I R będą funkcjmi określonymi n pewnym przedzile I R. Definicj. Funkcję F nzywmy funkcją pierwotną funkcji f n przedzile I, gdy F (x) = f(x) dl x

Bardziej szczegółowo

Semantyka i Weryfikacja Programów - Laboratorium 2 Działania na ułamkach, krotki i rekordy

Semantyka i Weryfikacja Programów - Laboratorium 2 Działania na ułamkach, krotki i rekordy Semntyk i Weryfikj Progrmów - Lortorium Dziłni n ułmkh, krotki i rekory Cz. I. Dziłni n ułmkh Prolem. Oprowć zestw funkji o ziłń rytmetyznyh n ułmkh zwykłyh posti q, gzie, są lizmi łkowitymi i 0. Rozwiąznie

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Automatya i Robotya Aaliza Wyład dr Adam Ćmiel cmiel@agh.edu.pl Rachue różiczowy fucji wielu zmieych W olejych wyładach uogólimy pojęcia rachuu różiczowego i całowego fucji jedej zmieej a przypade fucji

Bardziej szczegółowo

Wykład 3: Transformata Fouriera

Wykład 3: Transformata Fouriera Rchunek prwdopodobieństw MAP64 Wydził Elektroniki, rok kd. 28/9, sem. letni Wykłdowc: dr hb. A. Jurlewicz Wykłd 3: Trnsformt Fourier Złóżmy, że f(t) jest określon n R, ogrniczon, okresow o okresie 2T i

Bardziej szczegółowo

ZJAZD 1 PIĄTEK L1 L2 L3 ZJAZD 1 SOBOTA L1 L2 L3 ZJAZD 1 NIEDZIELA L1 L2 L3 9-10-2015 10-10-2015 11-10-2015. SPOTKANIE INFORMACYJNE - s.

ZJAZD 1 PIĄTEK L1 L2 L3 ZJAZD 1 SOBOTA L1 L2 L3 ZJAZD 1 NIEDZIELA L1 L2 L3 9-10-2015 10-10-2015 11-10-2015. SPOTKANIE INFORMACYJNE - s. sem. ZIMOWY / -- -- SPOTKANIE INFORMACYJNE - ŻYWIENIE CZŁOWIEKA WE WSPÓŁCZESNYM ŚWIECIE - ŻYWIENIE CZŁOWIEKA WE WSPÓŁCZESNYM ŚWIECIE - -- KIERUNKI ROZWOJU PRZETWÓRSTWA ŻYWNOŚCI - KIERUNKI ROZWOJU PRZETWÓRSTWA

Bardziej szczegółowo

Wektor kolumnowy m wymiarowy macierz prostokątna o wymiarze n=1 Wektor wierszowy n wymiarowy macierz prostokątna o wymiarze m=1

Wektor kolumnowy m wymiarowy macierz prostokątna o wymiarze n=1 Wektor wierszowy n wymiarowy macierz prostokątna o wymiarze m=1 Rchunek mcierzowy Mcierzą A nzywmy funkcję 2-zmiennych, któr prze liczb nturlnych (i,j) gdzie i = 1,2,3,4.,m; j = 1,2,3,4,n przyporządkowuje dokłdnie jeden element ij. 11 21 A = m1 12 22 m2 1n 2n mn Wymirem

Bardziej szczegółowo

Grafy hamiltonowskie, problem komiwojażera algorytm optymalny

Grafy hamiltonowskie, problem komiwojażera algorytm optymalny 1 Grfy hmiltonowski, problm komiwojżr lgorytm optymlny Wykł oprcowny n postwi książki: M.M. Sysło, N.Do, J.S. Kowlik, Algorytmy optymlizcji yskrtnj z progrmmi w języku Pscl, Wywnictwo Nukow PWN, 1999 2

Bardziej szczegółowo

1 Definicja całki oznaczonej

1 Definicja całki oznaczonej Definicj cłki oznczonej Niech dn będzie funkcj y = g(x) ciągł w przedzile [, b]. Przedził [, b] podzielimy n n podprzedziłów punktmi = x < x < x

Bardziej szczegółowo

Wyznacznikiem macierzy kwadratowej A stopnia n nazywamy liczbę det A określoną następująco:

Wyznacznikiem macierzy kwadratowej A stopnia n nazywamy liczbę det A określoną następująco: Def.8. Wyzncznikiem mcierzy kwdrtowej stopni n nzywmy liczbę det określoną nstępująco:.det.det dl n n det det n det n, gdzie i j ozncz mcierz, którą otrzymujemy z mcierzy przez skreślenie i- tego wiersz

Bardziej szczegółowo

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że

Bardziej szczegółowo

R + v 10 R0, 9 k v k. a k v k + v 10 a 10. k=1. Z pierwszego równania otrzymuję R 32475, 21083. Dalej mam: (R 9P + (k 1)P )v k + v 10 a 10

R + v 10 R0, 9 k v k. a k v k + v 10 a 10. k=1. Z pierwszego równania otrzymuję R 32475, 21083. Dalej mam: (R 9P + (k 1)P )v k + v 10 a 10 Zdnie. Zkłd ubezpieczeń n życie plnuje zbudownie portfel ubezpieczeniowego przy nstępujących złożenich: ozwiąznie. Przez P k będę oznczł wrtość portfel n koniec k-tego roku. Szukm P 0 tkie by spełnił:

Bardziej szczegółowo

Problem eliminowania fa szywych alarmów w komputerowych systemach ochrony peryferyjnej

Problem eliminowania fa szywych alarmów w komputerowych systemach ochrony peryferyjnej BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 5 37-46 (1) Problem elimiowi fszywych lrmów w komputerowych systemch ochroy peryferyjej G. KONOPACKI, K. WORWA e-mil: gkoopcki@wt.edu.pl Istytut Systemów Iformtyczych

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2 (LUX), lato 2017/18. a n n = 10.

Jarosław Wróblewski Analiza Matematyczna 2 (LUX), lato 2017/18. a n n = 10. Czy istieje ciąg (a ) taki, że (podać przykład lub dowieść, że ie istieje) : 576. a > 1 dla ieskończeie wielu, a > 0, szereg a jest zbieży. N 577. a = 1 2 dla ieskończeie wielu, a = 10. 578. a 2 = 1 N,

Bardziej szczegółowo

5. Zadania tekstowe.

5. Zadania tekstowe. 5. Zni tekstowe. Przykł. Kolrz połowę rogi pokonł ze śrenią prękością 0 km/, rugą połowę z prękością 50 km /. Wyzncz śrenią prękość kolrz n cłej trsie. nliz : pierwsz połow rogi rug połow rogi 0 km/ prękość

Bardziej szczegółowo

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY . Określ ootoiczość podch fukcji, iejsce zerowe orz pukt przecięci się jej wkresu z osią OY ) 8 ) 8 c) Określjąc ootoiczość fukcji liiowej = + korzst z stępującej włsości: Jeżeli > to fukcj liiow jest

Bardziej szczegółowo