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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

( ) 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

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

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

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

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

Zadania z Rachunku Prawdopodobieństwa I - 1

Zadania z Rachunku Prawdopodobieństwa I - 1 Zadaia z Rachuku Prawdopodobieństwa I - 1 1. Grupę dzieci ustawioo w sposób losowy w szereg. Oblicz prawdopodobieństwo tego, że a) Jacek i Agatka stoją koło siebie, b) Jacek, Placek i Agatka stoją koło

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

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

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

EGZAMIN MATURALNY OD ROKU SZKOLNEGO 2014/2015 MATEMATYKA POZIOM ROZSZERZONY ROZWIĄZANIA ZADAŃ I SCHEMATY PUNKTOWANIA (A1, A2, A3, A4, A6, A7)

EGZAMIN MATURALNY OD ROKU SZKOLNEGO 2014/2015 MATEMATYKA POZIOM ROZSZERZONY ROZWIĄZANIA ZADAŃ I SCHEMATY PUNKTOWANIA (A1, A2, A3, A4, A6, A7) EGZAMIN MATURALNY OD ROKU SZKOLNEGO 01/015 MATEMATYKA POZIOM ROZSZERZONY ROZWIĄZANIA ZADAŃ I SCHEMATY PUNKTOWANIA (A1, A, A, A, A6, A7) GRUDZIEŃ 01 Klucz odpowiedzi do zdń zmkniętych Nr zdni 1 5 Odpowiedź

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

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

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

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

2. Tensometria mechaniczna

2. Tensometria mechaniczna . Tensometri mechniczn Wstęp Tensometr jk wskzywłby jego nzw to urządzenie służące do pomiru nprężeń. Jk jednk widomo, nprężeni nie są wielkościmi mierzlnymi i stnowią jedynie brdzo wygodne pojęcie mechniki

Bardziej szczegółowo

DARIUSZ KULMA. Jak zdać maturę. z matematyki. na poziomie rozszerzonym DLA BYSTRZAKÓW I NIE TYLKO! WYDAWNICTWO ELITMAT Mińsk Mazowiecki 2013

DARIUSZ KULMA. Jak zdać maturę. z matematyki. na poziomie rozszerzonym DLA BYSTRZAKÓW I NIE TYLKO! WYDAWNICTWO ELITMAT Mińsk Mazowiecki 2013 DARIUSZ KULMA Jk zć mturę z mtemtyki n poziomie rozszerzonym DLA BYSTRZAKÓW I NIE TYLKO!? WYDAWNICTWO ELITMAT Mińsk Mzowiecki 03 Autor: Driusz Kulm Oprcownie rekcyjne: Młgorzt Zkrzewsk Projekt grficzny

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Materiały dydaktyczne. Matematyka. Semestr II. Wykłady

Materiały dydaktyczne. Matematyka. Semestr II. Wykłady Projekt współfisowy ze środków Uii Europejskiej w rmch Europejskiego Fuduszu Społeczego Mteriły dydktycze Mtemtyk Semestr II Wykłdy Projekt Rozwój i promocj kieruków techiczych w Akdemii Morskiej w Szczeciie

Bardziej szczegółowo

Od wzorów skróconego mnoŝenia do klasycznych nierówności

Od wzorów skróconego mnoŝenia do klasycznych nierówności Hery Pwłowsi IV LO Toruń O wzorów sróoego moŝei o lsyzyh ierówośi Uzą w szole wzorów sróoego moŝei zzymy o owozei wóh toŝsmośi: () ( ) () ( ) Nstępie uŝywmy ih o przesztłi wyrŝeń Tym rzem zrómy z ih iy

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

Materiały diagnostyczne z matematyki poziom podstawowy

Materiały diagnostyczne z matematyki poziom podstawowy Mteriły dignostyczne z mtemtyki poziom podstwowy czerwiec 0 Klucz odpowiedzi do zdń zmkniętych orz schemt ocenini Mteriły dignostyczne przygotowł Agt Siwik we współprcy z nuczycielmi mtemtyki szkół pondgimnzjlnych:

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

SKRYPT DO ZAJĘĆ WYRÓWNAWCZYCH Z MATEMATYKI DLA STUDENTÓW I ROKU AKADEMII MORSKIEJ W SZCZECINIE

SKRYPT DO ZAJĘĆ WYRÓWNAWCZYCH Z MATEMATYKI DLA STUDENTÓW I ROKU AKADEMII MORSKIEJ W SZCZECINIE Publikcj współfisow ze środków Uii Europejskiej w rmch Europejskiego Fuduszu Społeczego SKRYPT DO ZAJĘĆ WYRÓWNAWCZYCH Z MATEMATYKI DLA STUDENTÓW I ROKU AKADEMII MORSKIEJ W SZCZECINIE dr iż Ryszrd Krupiński

Bardziej szczegółowo

Równania i nierówności kwadratowe z jedną niewiadomą

Równania i nierówności kwadratowe z jedną niewiadomą 50 REPETYTORIUM 31 Równni i nierówności kwdrtowe z jedną niewidomą Równnie wielominowe to równość dwóch wyrżeń lgebricznych Kżd liczb, któr po podstwieniu w miejscu niewidomej w równniu o jednej niewidomej

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

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Analiza matematyczna. Robert Rałowski

Analiza matematyczna. Robert Rałowski Aaliza matematycza Robert Rałowski 6 paździerika 205 2 Spis treści 0. Liczby aturale.................................... 3 0.2 Liczby rzeczywiste.................................... 5 0.2. Nierówości...................................

Bardziej szczegółowo

I kolokwium z Analizy Matematycznej

I kolokwium z Analizy Matematycznej I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4

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

Zastosowanie multimetrów cyfrowych do pomiaru podstawowych wielkości elektrycznych

Zastosowanie multimetrów cyfrowych do pomiaru podstawowych wielkości elektrycznych Zstosownie multimetrów cyfrowych do pomiru podstwowych wielkości elektrycznych Cel ćwiczeni Celem ćwiczeni jest zpoznnie się z możliwościmi pomirowymi współczesnych multimetrów cyfrowych orz sposobmi wykorzystni

Bardziej szczegółowo

Od lewej: piramida Chefrena, Wielki Sfinks, piramida Cheopsa.

Od lewej: piramida Chefrena, Wielki Sfinks, piramida Cheopsa. 1. Pirmidiotologi. W obfitej literturze przedmiotu podje się, że pirmid Ceops, lub też z ngielsk Wielk Pirmid (te Gret Pyrmid), zwier w swej konstrukcji pełną i szczegółową istorię rodzju ludzkiego od

Bardziej szczegółowo

Matematyka finansowa 25.01.2003 r.

Matematyka finansowa 25.01.2003 r. Memyk fisow 5.0.003 r.. Kóre z poiższych ożsmości są prwdziwe? (i) ( ) i v v i k m k m + (ii) ( ) ( ) ( ) m m v (iii) ( ) ( ) 0 + + + v i v i i Odpowiedź: A. ylko (i) B. ylko (ii) C. ylko (iii) D. (i),

Bardziej szczegółowo

Notatki do wykªadu Rachunek prawdopodobie«stwa dla informatyków.

Notatki do wykªadu Rachunek prawdopodobie«stwa dla informatyków. Notatki do wykªadu Rachuek prawdopodobie«stwa dla iformatyków. Marci Milewski Wrocªaw, 4 lutego 2009 Spis tre±ci 1 Prawdopodobie«stwo 2 1.1 Ozaczeia i poj cia...........................................

Bardziej szczegółowo

lim a n Cigi liczbowe i ich granice

lim a n Cigi liczbowe i ich granice Cigi liczbowe i ich graice Cigiem ieskoczoym azywamy dowol fukcj rzeczywist okrelo a zbiorze liczb aturalych. Dla wygody zapisu, zamiast a() bdziemy pisa a. Elemet a azywamy -tym wyrazem cigu. Cig (a )

Bardziej szczegółowo

RACHUNEK RÓŻNICZKOWY I CAŁKOWY WSB-NLU 2006/7 3

RACHUNEK RÓŻNICZKOWY I CAŁKOWY WSB-NLU 2006/7 3 RACHUNEK RÓŻNICZKOWY I CAŁKOWY WSB-NLU 006/7 3. Liczby nturlne i rzeczywiste; funkcje elementrne.. Funkcje. Niech X i Y będą zbiormi. Definicj.. Funkcją (inczej: odwzorowniem) z X do Y nzyw się przyporządkownie

Bardziej szczegółowo

Adsorbery obrotowe. Urszula KANIK 1, Krzysztof KUPIEC 2. Wstęp. Budowa i zasada działania adsorberów obrotowych. Zastosowanie adsorberów obrotowych

Adsorbery obrotowe. Urszula KANIK 1, Krzysztof KUPIEC 2. Wstęp. Budowa i zasada działania adsorberów obrotowych. Zastosowanie adsorberów obrotowych Prosimy cytowć jko: Inż. Ap. Chem. 010, 49, 6, 14-18 str. 14 INŻYNIERIA I APARATURA CHEMICZNA Nr 6/010 Urszul KANIK 1, Krzysztof KUPIEC e-mil: knik@gh.eu.pl 1 Kter Chemii Węgl w Energetyce i Przemyśle,

Bardziej szczegółowo

3. Równanie Bernoulliego dla przepływu płynów doskonałych

3. Równanie Bernoulliego dla przepływu płynów doskonałych Równnie Bernoullieo l rzeływu łynów okonłyc Równnie Bernoullieo wyrż zę, że w rucu utlony nieściśliweo łynu ielneo obywjący ię w olu ił ciężkości, cłkowit eneri łynu kłjąc ię z enerii kinetycznej, enerii

Bardziej szczegółowo

2. Funktory TTL cz.2

2. Funktory TTL cz.2 2. Funktory TTL z.2 1.2 Funktory z otwrtym kolektorem (O.. open olletor) ysunek poniżej przedstwi odnośny frgment płyty zołowej modelu. Shemt wewnętrzny pojedynzej rmki NAND z otwrtym kolektorem (O..)

Bardziej szczegółowo

Działania wewnętrzne i zewnętrzne

Działania wewnętrzne i zewnętrzne Autmtyk i Rtyk Alger -Wykłd - dr Adm Ćmiel miel@gedupl Dziłi wewętrze i zewętrze Nie X ędzie ustlym iepustym zirem Def Dwurgumetwym dziłiem wewętrzym w zirze X zywmy fukję Jeśli X i y X t y X zywmy wyikiem

Bardziej szczegółowo

Kurs Prawdopodobieństwo Wzory

Kurs Prawdopodobieństwo Wzory Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa

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 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Rachunek prawdopodobieństwa MAP1181 Wydział PPT, MS, rok akad. 213/14, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

SYSTEM WIELKOŚCI CHARAKTERYZUJĄCY POTENCJALNĄ I ODDZIELONĄ CZĄSTKĘ ZUŻYCIA TRIBOLOGICZNEGO

SYSTEM WIELKOŚCI CHARAKTERYZUJĄCY POTENCJALNĄ I ODDZIELONĄ CZĄSTKĘ ZUŻYCIA TRIBOLOGICZNEGO 6-0 T B O L O G 8 Piotr SDOWSK * SYSTEM WELKOŚC CKTEYZUĄCY POTECLĄ ODDZELOĄ CZĄSTKĘ ZUŻYC TBOLOGCZEGO SYSTEM OF VLUES CCTEZED POTETL D SEPTED WE PTCLE Słow kluczowe: prc trci, zużywie ściere, cząstk zużyci,

Bardziej szczegółowo

2. PODSTAWY STATYKI NA PŁASZCZYŹNIE

2. PODSTAWY STATYKI NA PŁASZCZYŹNIE M. DSTY STTYKI N ŁSZZYŹNIE. DSTY STTYKI N ŁSZZYŹNIE.. Zsdy dynmiki Newton Siłą nzywmy wektorową wielkość, któr jest mirą mechnicznego oddziływni n ciło ze strony innych cił. dlszej części ędziemy rozptrywć

Bardziej szczegółowo

Badanie regularności w słowach

Badanie regularności w słowach Przypdek sekwencyjny Mrcin Piątkowski Wydził Mtemtyki i Informtyki Uniwersytet Mikołj Kopernik Edsger Wybe Dijkstr (1930 2002) Computer science is no more bout computers thn stronomy is bout telescopes,

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 9.. Opis teoretyczny Soczewką seryczną nzywmy przezroczystą bryłę ogrniczoną dwom powierzchnimi serycznymi o promienich R i

Bardziej szczegółowo

Jest błędem odwołanie się do zmiennej, której nie przypisano wcześniej żadnej wartości.

Jest błędem odwołanie się do zmiennej, której nie przypisano wcześniej żadnej wartości. Zmienne Po nieco intuicyjnych początkch, zjmiemy się obiektmi, n których opier się progrmownie są to zmienne. Zmienne Progrmy operują n zmiennych. Ndwnie im wrtości odbyw się poprzez instrukcję podstwieni.

Bardziej szczegółowo

Wykład 6 Dyfrakcja Fresnela i Fraunhofera

Wykład 6 Dyfrakcja Fresnela i Fraunhofera Wykłd 6 Dyfrkcj Fresnel i Frunhofer Zjwisko dyfrkcji (ugięci) świtł odkrył Grimldi (XVII w). Poleg ono n uginniu się promieni świetlnych przechodzących w pobliżu przeszkody (np. brzeg szczeliny). Wyjśnienie

Bardziej szczegółowo

4. RACHUNEK WEKTOROWY

4. RACHUNEK WEKTOROWY 4. RACHUNEK WEKTOROWY 4.1. Wektor zczepiony i wektor swoodny Uporządkowną prę punktów (A B) wyznczjącą skierowny odcinek o początku w punkcie A i końcu w punkcie B nzywmy wektorem zczepionym w punkcie

Bardziej szczegółowo

Komisja Egzaminacyjna dla Aktuariuszy LIX Egzamin dla Aktuariuszy z 12 marca 2012 r. Część I Matematyka finansowa

Komisja Egzaminacyjna dla Aktuariuszy LIX Egzamin dla Aktuariuszy z 12 marca 2012 r. Część I Matematyka finansowa Mtemtyk finnsow 12.03.2012 r. Komisj Egzmincyjn dl Akturiuszy LIX Egzmin dl Akturiuszy z 12 mrc 2012 r. Część I Mtemtyk finnsow WERSJA TESTU A Imię i nzwisko osoby egzminownej:... Czs egzminu: 100 minut

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

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby. Pojcie estymacji Metody probabilistycze i statystyka Wykład 9: Estymacja puktowa. Własoci estymatorów. Rozkłady statystyk z próby. Szacowaie wartoci parametrów lub rozkładu zmieej losowej w populacji geeralej

Bardziej szczegółowo

Statystyczna analiza danych

Statystyczna analiza danych Statystyczna analiza danych Marek Ptak 21 października 2013 Marek Ptak Statystyka 21 października 2013 1 / 70 Część I Wstęp Marek Ptak Statystyka 21 października 2013 2 / 70 LITERATURA A. Łomnicki, Wprowadzenie

Bardziej szczegółowo

Dorota Ponczek, Karolina Wej. MATeMAtyka 2. Szczegółowe wymagania edukacyjne z matematyki w klasie drugiej. Zakres podstawowy i rozszerzony

Dorota Ponczek, Karolina Wej. MATeMAtyka 2. Szczegółowe wymagania edukacyjne z matematyki w klasie drugiej. Zakres podstawowy i rozszerzony Dorot oczek, roli Wej MATeMAtyk 2 Szczegółowe wymgi edukcyje z mtemtyki w klsie drugiej Zkres podstwowy i rozszerzoy Ozczei: wymgi koiecze; wymgi podstwowe; R wymgi rozszerzjące; D wymgi dopełijące; W

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

Entropia w układach dynamicznych

Entropia w układach dynamicznych Etropia w układach dyamiczych Wstęp Środowiskowe studia doktorackie Uiwersytet Jagielloński Kraków, marzec-kwiecień 203 Tomasz Dowarowicz Część II Etropia topologicza i zasada wariacyja Zaczijmy od początku.

Bardziej szczegółowo

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji http://www.ii.ui.wroc.pl/ sle/teachig/a-apr.pdf Aaliza umerycza Staisław Lewaowicz Grudzień 007 r. Aproksymacja fukcji Pojęcia wstępe Defiicja. Przestrzeń liiową X (ad ciałem liczb rzeczywistych R) azywamy

Bardziej szczegółowo

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA? EKONOMETRIA Temat wykładu: Co to jest model ekoometryczy? Dobór zmieych objaśiających w modelu ekoometryczym Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapata Tarapata@isi.wat..wat.edu.pl http://

Bardziej szczegółowo

O RELACJACH MIĘDZY GRUPĄ OBROTÓW, A GRUPĄ PERMUTACJI

O RELACJACH MIĘDZY GRUPĄ OBROTÓW, A GRUPĄ PERMUTACJI ZESZYTY NAUKOWE 7-45 Zenon GNIAZDOWSKI O RELACJACH MIĘDZY GRUPĄ OBROTÓW, A GRUPĄ PERMUTACJI Streszczenie W prcy omówiono grupę permutcji osi krtezjńskiego ukłdu odniesieni reprezentowną przez mcierze permutcji,

Bardziej szczegółowo

BADANIE ZALEŻNOŚCI PRZENIKALNOŚCI MAGNETYCZNEJ

BADANIE ZALEŻNOŚCI PRZENIKALNOŚCI MAGNETYCZNEJ ADANIE ZAEŻNOŚCI PRZENIKANOŚCI MAGNETYCZNEJ FERRIMAGNETYKÓW OD TEMPERATURY 1. Teori Włściwości mgnetyczne sstncji chrkteryzje współczynnik przeniklności mgnetycznej. Dl próżni ten współczynnik jest równy

Bardziej szczegółowo

Klucz odpowiedzi do zadań zamkniętych i schemat oceniania zadań otwartych

Klucz odpowiedzi do zadań zamkniętych i schemat oceniania zadań otwartych Klucz odpowiedzi do zdń zmkniętc i scemt ocenini zdń otwrtc Klucz odpowiedzi do zdń zmkniętc 4 7 9 0 4 7 9 0 D D D Scemt ocenini zdń otwrtc Zdnie (pkt) Rozwiąż nierówność x x 0 Oliczm wróżnik i miejsc

Bardziej szczegółowo

Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych (zakres podstawowy)

Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych (zakres podstawowy) Propozycj przedmiotowego systemu ocenini wrz z określeniem wymgń edukcyjnych (zkres podstwowy) Proponujemy, by omwijąc dne zgdnienie progrmowe lub rozwiązując zdnie, nuczyciel określł do jkiego zkresu

Bardziej szczegółowo

Wprowadzenie: Do czego służą wektory?

Wprowadzenie: Do czego służą wektory? Wprowdzenie: Do czego służą wektory? Mp połączeń smolotowych Isiget pokzuje skąd smoloty wyltują i dokąd doltują; pokzne jest to z pomocą strzłek strzłki te pokzują przemieszczenie: skąd dokąd jest dny

Bardziej szczegółowo

Materiały dydaktyczne. Teoria sterowania. Semestr V. Wykłady

Materiały dydaktyczne. Teoria sterowania. Semestr V. Wykłady Projet wpółfiowy ze środów Uii Europejiej w rmch Europejiego Fuduzu Społeczego Mteriły dydtycze eori terowi Semetr V Wyłdy Projet Rozwój i promocj ieruów techiczych w Ademii Moriej w Szczeciie Ademi Mor

Bardziej szczegółowo

Scenariusz lekcji matematyki w klasie II LO

Scenariusz lekcji matematyki w klasie II LO Autor: Jerzy Wilk Sceriusz lekcji mtemtyki w klsie II LO oprcowy w oprciu o podręczik i zbiór zdń z mtemtyki utorów M. Bryński, N. Dróbk, K. Szymński Ksztłceie w zkresie rozszerzoym Czs trwi: jed godzi

Bardziej szczegółowo

Co można zrobić za pomocą maszyny Turinga? Wszystko! Maszyna Turinga potrafi rozwiązać każdy efektywnie rozwiązywalny problem algorytmiczny!

Co można zrobić za pomocą maszyny Turinga? Wszystko! Maszyna Turinga potrafi rozwiązać każdy efektywnie rozwiązywalny problem algorytmiczny! TEZA CHURCHA-TURINGA Mzyn Turing: m końzenie wiele tnów zpiuje po jenym ymolu n liniowej tśmie Co możn zroić z pomoą mzyny Turing? Wzytko! Mzyn Turing potrfi rozwiązć kży efektywnie rozwiązywlny prolem

Bardziej szczegółowo

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne.

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne. Szeregi iczbowe. Szeregi potęgowe i trygoometrycze. wykład z MATEMATYKI Automatyka i Robotyka sem. I, rok ak. 2008/2009 Katedra Matematyki Wydział Iformatyki Poitechika Białostocka Szeregi iczbowe Defiicja..

Bardziej szczegółowo

ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ

ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ Nrsowć wkres funkji: f() = + Nrsowć wkres funkji: f() = + Nrsowć wkres funkji: f() = + + Dl jkih wrtośi A, B zhodzi równość: + +5+6 = A

Bardziej szczegółowo

Ó Ę Ę ź ź ź Ź ź ź ź Ż Ś Ś Ż Ś ź ź Ó Ś Ż ź ć Ść Ź Ż ć Ż Ć ć ź Ź Ź Ó Ś ć ć Ż Ć Ś ć ź Ż ć Ść ć ć Ż Ś Ż ć Ż ź ć ź Ż ź ć ć Ś Ź Ż ć ć ć ć ć Ś Ś Ż ź Ę Ś Ś Ś Ż ć ź ć ć ć Ż Ż ć ć Ż Ź ć Ś Ś Ś Ś Ź Ó Ś Ś ć Ś ć Ć ź

Bardziej szczegółowo

ż Ą ż Ó Ę Ś ć ż ć ż ć Ś ż Ś ż Ń ż ż Ź ż Ź ż Ą Ś ż ć ć Ś Ą ż ż ż ź ż ż Ń Ę ż ż ć Ń ż Ń ż ż ź ż ż ż ż ż ź Ś ż ż ź ż Ś Ś ż ź ź ż ź Ą ż Ź ż ź ź Ź ź Ź ź ż Ź ż ź Ę ż ż Ę ż Ó Ń ż ź ć ż ź ż Ę ż ć ż ź ź ź ż ż

Bardziej szczegółowo

Ę Ś ź Ę Ę ć ć ź ć ć ć ć ć źć ć ć ć ć Ź ź Ś ć Ł Ę ć ć Ą ź ć Ó Ł ź ć ć Ź Ł ć ć ć ć ć ć ć ź ć ć ć ć ź Ź ć ź ć ć ź ć ź Ź Ź ź ź ź Ś ź ź ć ć Ś Ę ć ź ć ć Ś ć ć ć ć ź ź ć ź ć ć ć Ź Ź ć Ś Ę ć Ć ć ź ć Ę ć ć ć ć

Bardziej szczegółowo

Ł Ę Ł Ż ż Ń Ą Ó Ó ż Ś Ź ć ż ż ć Ć ż Ż ć Ó ż Ś Ó Ś ż Ó ż Ś ć ć Ż Ł ż ż ż ć ć ż Ó Ó Ę Ż Ó Ż ż Ó ż Ó Ź Ż ż Ó Ó ć Ó ż ż ć ż Ś Ż ć Ó ż Ś Ś ż ć ć Ó ż Ó Ó ż Ź Ę Ł Ż Ł Ź Ż ż Ó ż ż ż ż Ż ż ż Ż ż Ł ć Ż ż Ż ż Ó Ż

Bardziej szczegółowo

ć Ń Ż Ł ć ć Ś ź ŚĆ Ą ć ź ć ć Ż Ś ź Ą ć Ń Ć Ć ć ć Ą ć źć Ń Ł Ł Ł ź ć Ą ź Ś ź ć Ń Ń ć Ć Ć ź Ś ź ć Ś Ś Ł ź Ś Ś ź ć ź ć Ś ć Ś ć ć Ż ć Ż ź ź Ą ć Ł Ń Ć ć Ż Ś ć ć ć ć Ś ć ć ć Ą ć ć ź ć ć ć ć ć Ń Ż Ż Ż Ż Ś ć Ą

Bardziej szczegółowo

Ś ć ć Ż ć ć Ż ć ć ć ć ć Ę Ź Ż Ż ć Ę ć Ę Ź Ź Ó ć ć Ź ć Ó Ś ć Ź Ę Ę Ę ć Ń ć Ś ć Ż ć Ę Ę ć Ż Ł ź Ź Ś Ą ć Ą Ą ć Ą Ę ć ć Ę ć ć ć Ż ć Ź Ą Ł ć ć ć ć Ę ć Ź ć Ź ć Ą ć Ą ć ć ć ć Ą ć Ą ć Ż Ą ć ć ć ć ć ć Ść ć źć Ę

Bardziej szczegółowo

Ł Ł Ź Ź ź ź ć ź ć Ę Ź Ś Ś ć ć Ś ć ć ć Ź ć źć ć ć ć ć Ź ć ć ć ć ć ć ź ć Ś ć ć Ą ć Ź ć Ś Ó Ź Ś ź ć ź Ś ć Ł Ą ć ć ć ć Ź Ź ć Ź ć ć ć Ź ź ć ć ć ć ć Ś ć ć ć ć ć Ł ć Ś ć Ź Ź Ź ć ć Ś Ś ć ć ć ź Ą ć ć ć ć ć ć ć

Bardziej szczegółowo

ń ć ć ń Ń ź ć ć ć ć ź ć ć ń ć źć ń ź ć ć ć ć ć Ę ć ń ć ć ć Ę ź ń ń ć ć ń ć ć ć ć ć ć ć ć ć ć ń ć ź ć ć ć ć ź ć ń ć ć ć ń ć ć ć Ń ć ź ć ć ń ć ć ć ć ć ć ć ć ć ć ź ć ć ć ć ć ć ć ć ź Ń ń ź ń ć ń ć ć ć Ę ć

Bardziej szczegółowo

Ę Ę ć Ó ć ć Ń ź ź Ó Ć Ó ć ć ź ź ć ć ć Ń ć Ó ć ć ć ć Ó Ó ć Ó ć ć Ó Ę Ó ÓÓ Ę ć Ó ć ć Ó ć ć Ó Ę ć Ć Ó Ź Ę Ó Ó Ó ć Ó ź Ó ź Ń Ę Ó Ę Ę Ę ć ć Ć ć Ę Ę Ó Ó Ó ć ź Ń ć Ź ć ź ć ć Ę ć Ę ć ź ć Ó Ó Ę ć ć ć ź ć Ę ć Ź

Bardziej szczegółowo

Ó ż ń Ą ź ń ż ć Ó ń ć Ć Ą ż Ą ć Ł Ę Ę Ą ć Ó ź ć ć ć ń Ń Ą ć ć ż Ó ź Ł Ł Ę ć ż ć Ę Ł ć Ń Ą Ł Ł Ę Ł ć ż ż ż Ł ć ć Ę Ń Ę Ą ń Ą ń ń ż ż ń ż ź Ń ź ć ź ń Ó ń ć Ł Ą Ą ż ż ć Ó Ł ć ć ź Ó ź ź Ę ć ć ń źć Ą ż Ą ż

Bardziej szczegółowo