Projekt 3 3. APROKSYMACJA FUNKCJI

Wielkość: px
Rozpocząć pokaz od strony:

Download "Projekt 3 3. APROKSYMACJA FUNKCJI"

Transkrypt

1 Projekt 3 3. APROKSYMACJA FUNKCJI 3. Krter proksmcj. Złóżm że () jest ukcją cągłą w przedzle [ b ]. Zlezee przblże (proksmcj) poleg wzczeu współczków pewego welomu P() któr będze dobrze przblżł w tm przedzle ukcję (). Pojęce proksmcj m ses tlko w przpdku ked zdeowe jest krterum chrkterzujące błąd pomędz ukcją () welomem P(). 3.. Krterum Czebszew Współczk welomu proksmującego leż tk dobrć b mksml różc mędz wrtoścą ukcj () welomem P() osągęł mmum. Jeśl m ε (m) w przedzle b Gdze ε P( ) to wmg sę tutj b: m P( ) m (3.) Te rodzj proksmcj zw sę proksmcją jedostją lub proksmcją Czebszew 3.. Krterum jmejszego błędu kwdrtowego Współczk welomu proksmującego leż tk dobrć b cłk z kwdrtu ukcj błędu P( ) b osągęł mmum: ε w przedzle [ ] b ε d m (3.) 3. Aproksmcj metodą jmejszch kwdrtów Pożej przedstwm procedurę określ współczków ukcj proksmującej prz wkorzstu krterum jmejszego błędu kwdrtowego Złóżm że welkośc zwąze są ezą zleżoścą () są określoe płszczźe - w sposób dskret z pomocą -puktów o współrzędch (... ).

2 W tm celu leż wbrć tp ukcj )... ( któr zleż w sposób jw od prmetrów... stępe określć te prmetr tk b zmmlzowć ukcję krterlą )... ( [ ] (3.3) Fukcj t osąg mmum w puktch okresloch wrukm: (3.4) Różczkując ukcję względem poszczególch prmetrów uzskuje sę stępując ukłd rówń : [ ] 0... [ ] [ ] 0... )... ( X

3 Dostjem węc k rówń k ewdomm co pozwl wzczee k espólczków welomu proksmujcego. Wele zgdeń moż rozwązć przjmując z pukt wjśc proksmcję prz wkorzstu ukcj lowej. W przpdku zleżośc elowch często moż sprowdzć rówe do lowego co przedstwoo pożej w tbel 3. TABLA 3. () Nowe zmee z + b z l l lb b b z l l b l + b z b + b q z lg q b + z + b z b b b 3.. Regresj low jko przkłd proksmcj. Przjmjm ukcję proksmujcą w postc ukcj lowej wrżoej wzorem : Fukcj krterl m w tm przpdku postć : + b (3.5) (3.6) + b Wruk mmum ukcj krterlej wrzoe przez pochode cząstkowe wzgledem prmetrów proksmcj b mją postć : ( + b) ( ) 0 3

4 ( + b) ( ) 0 b co prowdz do ukłdu rówń : + b + b (3.7) Rozwązem powższego ukłdu rówń są wrtośc wspólczków b : (3.8) b (3.9) 3.3 Współczk regresj odchlee stdrdowe Wprowdźm pojęc z rchuku sttstczego : wrtość średej odeso do zmeej { L } zmeość welkośc chrkterzow jest wzorem : (3.0) (3.) gdze określ odchlee stdrdowe rówe co do wrtośc : (3.) Wprowdźm dl ukłdu puktów ( ) zjduje sę w pukce o współrzędch rówch ( ) w którm owe współrzęde wrżją sę wzorm : Łtwo wkzć że : ow ukłd współrzędch którego początek u ; v (3.3) 4

5 u 0 v 0 (3.4) Z decj odchle stdrdowego może psć że : orz u (3.5) v (3.6) W owm ukłdze współrzędch rówe regresj lowej m postć : v αu + β (3.7) Moż pokzć że wrtośc prmetrów α β wrżją sę wzorm : Możem ozczć α jko Możem węc psć : α β 0 u v α gdż poszukw relcj jest relcją. (3.8) v α u (3.9) Korzstjąc z zleżośc (4.3) moz zpsć : α co pozwl zpsć rówe regresj w perwotm ukłdze odese : węc α b α. ( α ) Rozwzm stępe zleżość odwrotą w owm ukłdze odese : α + (3.0) - wówczs rówe regresj m postć : + b (3.) 5

6 u αv + β (3.) Moż pokzć że wrtośc prmetrów regresj w owm ukłdze są rówe : α α β 0 u v (3.3) rówe w ukłdze : węc α (3.4) ( α ) α + Prmetr odwrotej regresj w ukłdze woszą : α α b. Wspólczk lowej korelcj jest perwstkem kwdrtowm z tgesów kątów chle dwóch prostch regresj : r α α u v u v u v węc wspólczk korelcj wrż sę wzorem : uv r (3.5) Powższą ormułę dl ukłdu os możem zpsć w postc : r (3.6) Wspólczk kąt chle prostch moz przedstwć prz pomoc wspólczk korelcj r w postc : orz uv r (4.7) α 6

7 u v α r (4.8) Możem węc proksmcję lową zpsć : :. w ukłdze czl w ukłdze :. w ukłdze : czl w ukłdze : (4.9) v r u ( ) (4.30) r u r v (4.3) ( ) (4.3) r N postwe powższch wzorów mozem zpsć : r. (4.33) 3.3. Włsośc współczk korelcj «r» Ozczm sumę kwdrtów odległosc puktów od prostej : d v α u v α uv + α u (4.34) Poewż węc uv α d v α + α u Wem podto że : u v 7

8 Węc d α + α α (4.35) Poewż : α r możem zpsć ( ) ( ) d r r (4.36) Dzeląc przez obe stro rów (4.36) dostjem : ( r ) d (4.37) Welkość gdze : d okresl zmeość błędu estmcj S w keruku os S d (4.38) Przedzł uosc w którm zjdują se pukt ze zboru okresl mpltud + S S z pozomem uośc 68%. Alogcze możem okreslć błąd estmcj w keruku os : S ( r ) (4.39) δ Błęd estmcj w kerukch wrżją sę wzorm : ( ); ( ) S r S r Wk stąd wruek współczk korelcj r : węc : ( r ) 0 (4.40) < r < 8

9 czl mm : r ± sl korelcj r 0 brk korelcj. Współczk korelcj moż wrzć czej korzstjc ze wzoru (4.6) : r (4.4)... 9

Regresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa)

Regresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa) Regresj low (metod jmejszch kwdrtów, metod wrówwcz, metod Guss) stot metod postult Guss współczk prostej kostrukcj prostej teoretczej trsformcj fukcj elowch przkłd Regresj low czm poleg? Jeśl merzoe dwe

Bardziej szczegółowo

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna.

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna. terpolcj.doc Iterpolcj fukcj. Sformułowe problemu: Rs.. Iterpolcj fukcj low, b kwdrtow, c kubcz. De są rgumet,,,. orz odpowdjące m wrtośc fukcj = f, = f,, = f. Postć fukcj = f jest e z lub z. Poszukw jest

Bardziej szczegółowo

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n lkowe_um- łkowe umercze Zde: olczć przlżee cłk ( ) d () użwjąc wrtośc ukcj () w puktc rówoodległc. Przjmujem (), gdze,,, () () tąd / (5) Metod prostokątów d / (6) gdze / / (7) -- :9: /6 lkowe_um- td. td.

Bardziej szczegółowo

BADANIE DRGAŃ RELAKSACYJNYCH

BADANIE DRGAŃ RELAKSACYJNYCH BADANIE DRGAŃ RELAKSACYJNYCH Ops ukłdu pomrowego Ukłd pomrow skłd sę z podstwowch częśc: dego geertor drgń relkscjch, zslcz geertor, geertor odese (drgń hrmoczch), oscloskopu. Pokz rsuku schemt deow geertor

Bardziej szczegółowo

11. Aproksymacja metodą najmniejszych kwadratów

11. Aproksymacja metodą najmniejszych kwadratów . Aproksmcj metodą jmejszch kwdrtów W ukch przrodczch wkoujem często ekspermet polegjące pomrch pr welkośc, które, jk przpuszczm, są ze sobą powąze jkąś zleżoścą fukcją =f(, p. wdłużee spręż w zleżośc

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

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

Metody numeryczne. Wykład nr 5: Aproksymacja i interpolacja. dr Piotr Fronczak

Metody numeryczne. Wykład nr 5: Aproksymacja i interpolacja. dr Piotr Fronczak Metod umerze Wkłd r 5: Aproksmj terpolj dr Potr Frozk Aproksmj terpolj Aproksmj rówem lowm Błąd dopsow E - Fukj dwóh zmeh Fukj E m mmum dl tkh wrtoś, dl którh pohode ząstkowe względem zerują sę: E E Jest

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA Woskowe sttstcze - egesj koelcj teść Wpowdzee Regesj koelcj low dwóch zmech Regesj koelcj elow - tsfomcj zmech Regesj koelcj welokot Wpowdzee Jedostk zoowośc sttstczej mogą ć chktezowe

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZA ITELIGECJA WYKŁAD. SYSTEMY EUROOWO-ROZMYTE Częstocow 4 Dr b. ż. Grzegorz Dude Wdzł Eletrcz Poltec Częstocows SIECI EUROOWO-ROZMYTE Sec euroowo-rozmte pozwlją utomtcze tworzee reguł podstwe przłdów

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

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja. Aproksymacja Interpolacja wielomianowa Przykłady. Jaki jest dopuszczalny błąd wyniku?

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja. Aproksymacja Interpolacja wielomianowa Przykłady. Jaki jest dopuszczalny błąd wyniku? METODY NUMERYCZNE Wkłd. dr h.ż. Ktrz Zkrzewsk, prof.agh Met.Numer. wkłd Pl Aproksmc Iterpolc welomow Przkłd Met.Numer. wkłd Aproksmc Metod umercze zmuą sę rozwązwem zdń mtemtczch z pomocą dzłń rtmetczch.

Bardziej szczegółowo

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2 2. Dwa modele wzaczea parametrów

Bardziej szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

INFORMATYKA W CHEMII Dr Piotr Szczepański INFORMATYKA W CHEMII Dr Potr Szczepńk Ktedr Chem Fzczej Fzkochem Polmeró ANALIZA REGRESJI REGRESJA LINIOWA. REGRESJA LINIOWA - metod jmejzch kdrtó. REGRESJA WAŻONA 3. ANALIZA RESZT 4. WSPÓŁCZYNNIK KORELACJI,

Bardziej szczegółowo

Środek masy i geometryczne momenty bezwładności figur płaskich 1

Środek masy i geometryczne momenty bezwładności figur płaskich 1 Środek ms geometrzne moment bezwłdnoś fgur płskh Środek ms fgur płskej Zleżnoś n współrzędne środk ms, fgur płskej złożonej z fgur regulrnh rs.. możem zpsć w nstępują sposób: gdze:. pole powerzhn -tej

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

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

WYZNACZANIE PRĘDKOŚCI DŹWIĘKU W POWIETRZU METODĄ FALI STOJĄCEJ

WYZNACZANIE PRĘDKOŚCI DŹWIĘKU W POWIETRZU METODĄ FALI STOJĄCEJ Drg fle WYZNACZANIE PRĘDKOŚCI DŹWIĘKU W POWIETRZU METODĄ FALI STOJĄCEJ. Ops teoretcz do ćwcze zmeszczo jest stroe www.wtc.wt.ed.pl w dzle DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops kłd pomrowego Drg

Bardziej szczegółowo

n 3 dla n = 1,2,3,... Podać oszacowania

n 3 dla n = 1,2,3,... Podać oszacowania Zestw r : Ciągi liczbowe włsości i gric.. Niech dl =.... Sprwdzić cz jest ciągiem mootoiczm rtmetczm... Sprwdzić cz stępując ciąg jest ciągiem geometrczm. Wpisć pierwszch pięć wrzów ciągu stępie dl ciągu

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

RÓWNANIA RÓŻNICZKOWE WYKŁAD 7

RÓWNANIA RÓŻNICZKOWE WYKŁAD 7 RÓWNANIA RÓŻNIZKOWE WYKŁAD 7 Deiicj Ukłdem rówń różiczkowch rzędu pierwszego w posci ormlej zwm ukłd rówń o iewidomch > zmie iezleż. Uwg Jeżeli = o zzwczj piszem x zmis orz g zmis jeżeli = o piszem x z

Bardziej szczegółowo

Regresja liniowa. Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2,

Regresja liniowa. Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2, Regrej low. Złóżm, że mm pęć puktów dośwdczlch dch w tbel: Tbel.,5 4 3 6 3 4 8 4 5 6 Jeśl wkreślm te pukt, otrzmm Ruek.. Ruek. Wdć, że chocż pukt ą eco porozrzuce kutek, powedzm, błędów pomrowch, to jedk

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

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

Metody numeryczne procedury

Metody numeryczne procedury Metod umercze procedur podstwe [Mrc et. l. 997] orz [Broszte et. l. 004] dr ż. Pweł Zlews Adem Mors w Szczece Iterpolc welomow: Zde terpolc poleg zlezeu pewe uc tór przlż dą ucę. Dl uc ze są prz tm wrtośc

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

Statystyka. Metody analizy korelacji i regresji

Statystyka. Metody analizy korelacji i regresji Sttstk Metod lz korelcj regresj Bd stop keruku zleżośc różch zjwsk gd steje przpuszczee o stee węz przczowej łączącej te zjwsk jest jedm z czelch zdń kżdej dscpl ukowej Alz współzleżośc może dotczć zrówo

Bardziej szczegółowo

Rozwiązanie niektórych zadań treningowych do I kolokwium sem. zimowy, 2018/19

Rozwiązanie niektórych zadań treningowych do I kolokwium sem. zimowy, 2018/19 Rozwąze ektóryh zdń tregowyh do I kolokwum sem. zmowy, 8/9 Zd.. V = ost, = 98 K W wrukh dtyzyh Q = ΔU =. Końową temperturę zjdzemy rozwązują rówe ΔU =. Zm eerg wewętrzej zhodz wskutek rekj hemzej jlepej

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

Projekt 2 2. Wielomiany interpolujące

Projekt 2 2. Wielomiany interpolujące Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa

Bardziej szczegółowo

ZADANIA Z ANALIZY MATEMATYCZNEJ dla I roku kierunku informatyka WSZiB

ZADANIA Z ANALIZY MATEMATYCZNEJ dla I roku kierunku informatyka WSZiB pro. dr hb. Stisłw Biłs ZADANIA Z ANALIZY MATEMATYCZNEJ I roku kieruku iormtyk WSZiB I. ELEMENTARNE WŁASNOŚCI FUNKCJI. Wyzczyć dziedzię ukcji: 5 7 log[ log 5 6. b c ] d. Wyzczyć przeciwdziedzię ukcji:

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

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl Wre rozkłd prwdopodoeństw żtecze w sttstce Rozkłd ch-kwdrt o stopch swood - to rozkłd s kwdrtów ezleżch zech losowch o stdrzow rozkłdze orl tz......d. rozkłd o

Bardziej szczegółowo

WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr.........

WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr......... WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI prowdząc(y)... grup... podgrup... zespół... seestr... roku kdeckego... studet(k)... SPRAWOZDANIE Z PRACY LABORATORYJNEJ r......... pory wykoo

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

Prawo propagacji niepewności. 1

Prawo propagacji niepewności. 1 Prwo propgc nepewnośc. Prwo propgc nepewnośc. W przpdk pomrów metodą pośredną wrtość welkośc stl sę n podstwe wrtośc nnch welkośc zmerzonch bezpośredno. przkłd obętość V 0 prostopdłoścn o krwędzch D 0

Bardziej szczegółowo

Automatyka i Robotyka Analiza Wykład 27 dr Adam Ćmiel

Automatyka i Robotyka Analiza Wykład 27 dr Adam Ćmiel Automty Rooty Az Wyłd 7 dr Adm Ćme cme@gh.edu.p Szereg Fourer Przypomee. Rozwżmy przestrzeń eudesową VR, tórej eemetm (putm, wetorm )są eemetowe cąg cz rzeczywstych p.,..., ) y y,..., y ). W przestrze

Bardziej szczegółowo

Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2, Rysunek 11.

Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2, Rysunek 11. Regrej low. Złóżm, że mm pęć puktów dośwdczlch dch w tbel: Tbel.,5 4 3 6 3 4 8 4 5 6 Jeśl wkreślm te pukt, otrzmm Ruek.. 7 6 5 4 3 4 6 8 Ruek. Wdć, że chocż pukt ą eco porozrzuce kutek, powedzm, błędów

Bardziej szczegółowo

POMIAR SIŁY ELEKTROMOTORYCZNEJ OGNIWA I CHARAKTERYSTYKI JEGO PRACY

POMIAR SIŁY ELEKTROMOTORYCZNEJ OGNIWA I CHARAKTERYSTYKI JEGO PRACY ĆWICZENIE 5 POMIA SIŁY ELEKTOMOTOYCZNEJ OGNIWA I CHAAKTEYSTYKI JEGO PACY Elektrczość Mgetzm. Ops teoretcz do ćcze zmeszczo jest stroe.tc.t.ed.pl dzle DYDAKTYKA FIZYKA ĆWICZENIA LABOATOYJNE.. Ops kłd pomroego

Bardziej szczegółowo

Przykład 2.5. Figura z dwiema osiami symetrii

Przykład 2.5. Figura z dwiema osiami symetrii Przkłd 5 Figur z dwiem osimi smetrii Polecenie: Wznczć główne centrlne moment bezwłdności orz kierunki główne dl poniższej figur korzstjąc z metod nlitcznej i grficznej (konstrukcj koł Mohr) 5 5 5 5 Dl

Bardziej szczegółowo

Zapis wskaźnikowy i umowa sumacyjna

Zapis wskaźnikowy i umowa sumacyjna Zpis wskźnikow i mow smcjn Pokzć, że e ikm e ikm Pokzć, że e e δ ikm jkm Dn jest mcierzow reprezentcj tensor 7 7 7 ), ), c) 7 7 Podć dziewięć skłdowch d zdefiniownch związkiem: Wrnki nierozdzielności możn

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

R A P O R T. Wykonał: dr hab. inż. Piotr Banasik prof. nzw.agh dr inż. Marcin Ligas dr inż. Jacek Kudrys dr inż. Bogdan Skorupa

R A P O R T. Wykonał: dr hab. inż. Piotr Banasik prof. nzw.agh dr inż. Marcin Ligas dr inż. Jacek Kudrys dr inż. Bogdan Skorupa R A P O R T Oprcowe prmetrów trsformcj współrzędch z ukłdu 1965 z Ukłdu Loklego Krkowskego do ukłdu 000 dl potrzeb zsobu grfczego obszrze powtu krkowskego Wkoł: dr hb. ż. Potr sk prof. zw.agh dr ż. Mrc

Bardziej szczegółowo

instrukcja do ćwiczenia 5.1 Badanie wyboczenia pręta ściskanego

instrukcja do ćwiczenia 5.1 Badanie wyboczenia pręta ściskanego 5.Bde wocze pręt śckego UT-H Rdom Ittut Mechk Stoowej Eergetk Lortorum Wtrzmłośc Mterłów trukcj do ćwcze 5. Bde wocze pręt śckego I ) C E L Ć W I C Z E N I A Celem ćwcze jet dośwdczle wzczee metodą Southwell

Bardziej szczegółowo

Wykład 6 Całka oznaczona: obliczanie pól obszarów płaskich. Całki niewłaściwe.

Wykład 6 Całka oznaczona: obliczanie pól obszarów płaskich. Całki niewłaściwe. Wykłd 6 Cłk ozczo: olcze pól oszrów płskch. Cłk ewłścwe. Wprowdźmy jperw ocję sumow: Dl dego zoru lcz {,,..., } symol ozcz ch sumę, z.... Cłk ozczo zosł wprowdzo w celu wyzcz pól rpezów krzywolowych (rys.

Bardziej szczegółowo

Linie regresji II-go rodzaju

Linie regresji II-go rodzaju Lam regresj II-go rodzaju zmeej () względem () azwam zadae krzwe g(;,, ) oraz h(;,, ) gd spełają oe odpowedo waruk: E E Le regresj II-go rodzaju ( ( )) ( ) ( ) ( ) ( ) g ;,,... g ;,,... f, dd m,,... (

Bardziej szczegółowo

DOPASOWANIE ZALEŻNOŚCI LINIOWEJ DO WYNIKÓW POMIARÓW

DOPASOWANIE ZALEŻNOŚCI LINIOWEJ DO WYNIKÓW POMIARÓW DOPAOWANIE ZALEŻNOŚCI LINIOWEJ DO WYNIKÓW POMIARÓW Jedm stotch gdeń l dch pomroch jest dopsoe leżośc teoretcej do kó pomró. Dotc oo stucj gd dokoo ser pomró pr elkośc które są e soą poąe leżoścą f... m

Bardziej szczegółowo

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE OBLICZNIE GEOMETRYCZNYCH MOMENTÓW BEZWŁDNOŚCI FIGUR PŁSKICH, TWIERDZENIE STEINER LBORTORIUM RCHUNKOWE Prz oblczeach wtrzmałoścowch dotczącch ektórch przpadków obcążea (p. zgae) potrzeba jest zajomość pewch

Bardziej szczegółowo

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ.

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ. L.Kowls - Uwg o rozłdz uc zm losow UWAI O ROZKŁADZIE UNKCJI ZMIENNEJ LOSOWEJ. - d zm losow cągł o gęstośc. Y g g - borlows tz. g - B BR dl B BR Wzczć gęstość g zm losow Y. Jśl g - ścśl mootocz różczowl

Bardziej szczegółowo

7. SFORMUŁOWANIE IZOPARAMETRYCZNE

7. SFORMUŁOWANIE IZOPARAMETRYCZNE 7. SFORMUŁOWAIE IZOPARAMETRYCZE 7. SFORMUŁOWAIE IZOPARAMETRYCZE W poprzedch rozdzłch omówlśm elemet skończoe formłowe z pomocą tzw. współrzędch ogóloch. Zkłdlśm że przemeszcze elemet zmeą sę zgode z przętm

Bardziej szczegółowo

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej

Bardziej szczegółowo

Wykład 9. Podejmowanie decyzji w warunkach niepewności

Wykład 9. Podejmowanie decyzji w warunkach niepewności Wkłd 9. Podejowie deczji w wrukch ieewości E L l E E F E F l S 0 0 ; R D D F F D i F() - wrtość zieej losowej - zbiór ciągł f - fukcj gęstości rozkłdu rwdoodobieństw zieej losowej Wówczs: d f E L l d

Bardziej szczegółowo

Wykład Podejmowanie decyzji w warunkach niepewności

Wykład Podejmowanie decyzji w warunkach niepewności Wkłd Podejowie deczji w wrukch ieewości Rozwż rzkłd: M sieć I koli które leż zoderizowć. Istieje J writów oderizcji i kżd z ich o koszcie c ij jeśli i-t koli jest oderizow j-t sosób (i = I j = J). Urobek

Bardziej szczegółowo

ANALIZA NIEPEWNOŚCI POMIAROWYCH W PIGUŁCE

ANALIZA NIEPEWNOŚCI POMIAROWYCH W PIGUŁCE ANALIZA NIEPEWNOŚCI POMIAROWYCH W PIGUŁCE Prc w lortorum poleg wkowu pomrów welkośc fzczch. Pomr te mogą ć wkoe tlko z pewm stopem dokłdośc. To ogrczee wk z: - edoskołośc przrządów użtch podczs pomru -

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA

Bardziej szczegółowo

Sposoby wyznaczenia błędu bezwzględnego. Pomiar bezpośredni. Pomiar pośredni. f x. f x. f x. f x. x n = =

Sposoby wyznaczenia błędu bezwzględnego. Pomiar bezpośredni. Pomiar pośredni. f x. f x. f x. f x. x n = = Pomr jego dokłdość. Kżdy pomr dje m wyk z pewą ylko dokłdoścą, węc obcążoy je epewoścą pomrową (błędem pomrowym). Pomry fzycze dzelmy : bezpośrede pośrede. Pomrm bezpośredm zywmy ke, kórych wrość lczbową

Bardziej szczegółowo

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US Regresja lowa metoda ajmejszch kwadratów Tadeusz M. Moleda Isttut Fzk US Regresja lowa (też: metoda ajmejszch kwadratów, metoda wrówawcza, metoda Gaussa) Zagadea stota metod postulat Gaussa współczk prostej

Bardziej szczegółowo

FUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA.

FUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA. Oprownie: Elżiet Mlnowsk FUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA. Określeni podstwowe: Jeżeli kżdej lizie x z pewnego zioru lizowego X przporządkown jest dokłdnie jedn liz, to mówim,

Bardziej szczegółowo

DOBÓR DODATKOWYCH REZYSTORÓW I BOCZNIKÓW DO GALWANOMETRU

DOBÓR DODATKOWYCH REZYSTORÓW I BOCZNIKÓW DO GALWANOMETRU ĆWICZENIE 4 DOBÓR DODATKOWYCH REZYSTORÓW I BOCZNIKÓW DO GALWANOMETRU Ops ukłdów pomrowch Poewż ćwczee skłd sę z dwóch częśc, woec tego w trkce jego wkow leż zmotowć dw róże ukłd pomrowe. W ou ukłdch wkorzstwe

Bardziej szczegółowo

Wyznacznik macierzy. - wyznacznik macierzy A

Wyznacznik macierzy. - wyznacznik macierzy A Wzncznik mcierz Uwg Wzncznik definiujem tlko dl mcierz kwdrtowch:,,,,,, =,,,,,, n n n n nn n,,, det = n,,, n n nn - mcierz - wzncznik mcierz Wzncznik mcierz to wzncznik n wektorów, które stnowią kolumn

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych EAIB-Iormaa-Wład 9- dr Adam Ćmel cmel@.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec zosawam

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

TEORIA BŁEDÓW POMIARÓW

TEORIA BŁEDÓW POMIARÓW W s t ę p - W TEORI BŁEDÓW POMIRÓW. Wdomośc z podstw metrolog Pomrem zw sę czośc dośwdczle mjące celu wzczee wrtośc welkośc dej. Istotą kżdego pomru jest porówe wrtośc merzoej z wzorcem mr tej welkośc.

Bardziej szczegółowo

Wykład 6. Klasyczny model regresji liniowej

Wykład 6. Klasyczny model regresji liniowej Wkład 6 Klacz modl rgrj lowj Rgrja I rodzaju pokazuj jak zmają ę warukow wartośc oczkwa zmj zalżj w zalżośc od wartośc zmj zalżj. E X m Obraz gomtrcz tj fukcj to krzwa rgrj I rodzaju czl zbór puktów płazczz,

Bardziej szczegółowo

Przydatna wiedza dotycząca systemów transmisji cyfrowej

Przydatna wiedza dotycząca systemów transmisji cyfrowej rzd wedz docząc ssemów rsms crowe Ssem rsms crowe Krzszo Wesołowsk Wprowdzee Cel wkłdu: rzpomee podswowch zgdeń z eor sgłów, przewrz sgłów rchuku prwdopodoeńsw rdzo przdch w zrozumeu dzł crowch ssemów

Bardziej szczegółowo

Opracowanie wyników pomiarów

Opracowanie wyników pomiarów Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów

Bardziej szczegółowo

χ (MNK) prowadziła do układu m równań liniowych ze względu

χ (MNK) prowadziła do układu m równań liniowych ze względu Dopso dooj fukcj do dch pomroch Dopso dooj fukcj do dch pomroch. Do tj por strśm sę dopsoć do kó pomró fukcj o ogój postc: m f, k zrjąc m zch prmtró...k. Zkłdśm prz tm, ż sm fukcj f k zrją tch prmtró.

Bardziej szczegółowo

ODPOWIEDZI I SCHEMAT PUNKTOWANIA POZIOM ROZSZERZONY Etapy rozwiązania zadania , 3 5, 7

ODPOWIEDZI I SCHEMAT PUNKTOWANIA POZIOM ROZSZERZONY Etapy rozwiązania zadania , 3 5, 7 Próbn egzmin mturln z mtemtki Numer zdni ODPOWIEDZI I SCHEMAT PUNKTOWANIA POZIOM ROZSZERZONY Etp rozwiązni zdni Liczb punktów Podnie wrtości b: b = Sporządzenie wkresu funkcji g Uwgi dl egzmintorów 4 Krzw

Bardziej szczegółowo

Wykład 7: Pochodna funkcji zastosowania do badania przebiegu zmienności funkcji

Wykład 7: Pochodna funkcji zastosowania do badania przebiegu zmienności funkcji Wkłd 7: Pochodn funkcji zstosowni do bdni przebiegu zmienności funkcji dr Mriusz Grządziel semestr zimow, rok kdemicki 2013/2014 Funkcj logistczn Rozwżm funkcję logistczną = f 0 (t) = 1+5e 0,5t f(t) 0

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

Przykładowe zadania dla poziomu rozszerzonego

Przykładowe zadania dla poziomu rozszerzonego Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,

Bardziej szczegółowo

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne Spóe pzeszee ecze De. Pzeszeń eczą zw spóą eżel e d sę e pzedswć w posc s dwóc zoów epsc owc ozłączc. - pzeszeń spó ~ owe Icze es zoe spó eżel dl dowolc pów czl see cągł c : : = = see dog łącząc Tw. ągł

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

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

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

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

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.

Bardziej szczegółowo

Płaskie układy obciąŝeń. Opis analityczny wielkości podstawowych. wersory. mechanika techniczna i wytrzymałość materiałów 1 statyka 2

Płaskie układy obciąŝeń. Opis analityczny wielkości podstawowych. wersory. mechanika techniczna i wytrzymałość materiałów 1 statyka 2 Opis aalitcz wielkości podstawowch wersor e x, e Opis aalitcz wielkości podstawowch współrzęde puktów A( x A, B( x B, A B ) ) Opis aalitcz wielkości podstawowch współrzęde puktów A( x A, B( x B, A B )

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

METODY NUMERYCZNE. Wykład 5. Całkowanie numeryczne. dr hab. inż. Katarzyna Zakrzewska, prof. AGH. Met.Numer. wykład 5 1

METODY NUMERYCZNE. Wykład 5. Całkowanie numeryczne. dr hab. inż. Katarzyna Zakrzewska, prof. AGH. Met.Numer. wykład 5 1 METODY NUMERYCZNE Wykłd 5. Cłkowie umeryze dr. iż. Ktrzy Zkrzewsk, pro. AGH Met.Numer. wykłd 5 Pl Wzór trpezów Złożoy wzór trpezów Metod ekstrpolji Rirdso Metod Romerg Metod Simpso wzór prol Metod Guss

Bardziej szczegółowo

Macierze w MS Excel 2007

Macierze w MS Excel 2007 Mcierze w MS Ecel 7 Progrm MS Ecel umożliwi wykoywie opercji mcierzch. Służą do tego fukcje: do możei mcierzy MIERZ.ILOZYN do odwrci mcierzy MIERZ.ODW do trspoowi mcierzy TRNSPONUJ do oliczi wyzczik mcierzy

Bardziej szczegółowo

ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH

ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH Na ogół oprócz obserwacj jedej zmeej zberam róweż formacje towarzszące, które mogą meć zaczee w aalze teresującej as welkośc. Iformacje te mogą bć p. wkorzstae

Bardziej szczegółowo

Rozkłady prawdopodobieństwa 1

Rozkłady prawdopodobieństwa 1 Rozkłdy rwdoodoeństw Rozkłdy rwdoodoeństw. Rozkłdy dyskrete cągłe. W rzydku rozkłdu dyskretego określmy wrtośc rwdoodoeństw dl rzelczlej skończoej lu eskończoej lczy wrtośc zmeej losowej. N.... wszystke

Bardziej szczegółowo

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr LABORATORIUM TEORII I TEHCNIKI STEROWANIA INSTRUKCJA LABORATORYJNA

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr LABORATORIUM TEORII I TEHCNIKI STEROWANIA INSTRUKCJA LABORATORYJNA prwch rękops do żytk słżboweo ISTYTUT RGOLKTRYKI POLITCHIKI WROCŁAWSKIJ Rport ser SPRAWODAIA r LABORATORIUM TORII I THCIKI STROWAIA ISTRUKCJA LABORATORYJA ĆWICI r 9 Sterowe optymle dyskretym obektem dymcym

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

Przykład 2.6. Przekrój złożony z trzech kształtowników walcowanych.

Przykład 2.6. Przekrój złożony z trzech kształtowników walcowanych. Przkłd 6 Przkrój złożon z trzh ksztłtowników wlownh Polni: Wznzć główn ntrln momnt bzwłdnośi orz kirunki główn dl poniższgo przkroju złożongo z trzh ksztłtowników wlownh 0800 0 80800 Dn dotzą ksztłtowników

Bardziej szczegółowo

Wcześniej zajmowaliśmy się przypadkiem, w którym zależność między wielkościami mierzonymi dało się przedstawić przy pomocy funkcji: = 3

Wcześniej zajmowaliśmy się przypadkiem, w którym zależność między wielkościami mierzonymi dało się przedstawić przy pomocy funkcji: = 3 Jdomro zgd mmlzcj Jdomro zgd mmlzcj. Wczśj zjmolśm sę przpdkm, którm zlżość mędz lkoścm mrzom dło sę przdstć prz pomoc fukcj: + ) ( Dopso modlu do kó pomró okzło sę bć problmm lom, prodzącm do ukłdu trzch

Bardziej szczegółowo

Metody Lagrange a i Hamiltona w Mechanice

Metody Lagrange a i Hamiltona w Mechanice Metody Lgrnge i Hmilton w Mechnice Mriusz Przybycień Wydził Fizyki i Informtyki Stosownej Akdemi Górniczo-Hutnicz Wykłd 3 M. Przybycień (WFiIS AGH) Metody Lgrnge i Hmilton... Wykłd 3 1 / 15 Przestrzeń

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

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

2.3.1. Iloczyn skalarny

2.3.1. Iloczyn skalarny 2.3.1. Ilon sklrn Ilonem sklrnm (sklrowm) dwóh wektorów i nwm sklr równ ilonowi modułów ou wektorów pre kosinus kąt wrtego międ nimi. α O Rs. 2.8. Ilustrj do definiji ilonu sklrnego Jeżeli kąt międ wektormi

Bardziej szczegółowo

r h SSE EKONOMETRIA - WZORY p pk Opracowała: Joanna Kisielińska 1 Metody doboru zmiennych Metoda Nowaka Metoda Hellwiga Metoda momentów

r h SSE EKONOMETRIA - WZORY p pk Opracowała: Joanna Kisielińska 1 Metody doboru zmiennych Metoda Nowaka Metoda Hellwiga Metoda momentów Opowł: Jo Kselńs EKONOMETRIA - WZORY Metod doou zmeh Metod Now * t I I I Metod Hellwg om L l l K p p pk h l l K p H l h pk Metod mometów e Regesj post Modele: MNK m s s Y X C s v Opowł: Jo Kselńs Współz:

Bardziej szczegółowo

I. APROKSYMACJA I INTERPOLACJA FUNKCJI JEDNEJ ZMIENNEJ

I. APROKSYMACJA I INTERPOLACJA FUNKCJI JEDNEJ ZMIENNEJ Oprcowł: mgr Słwomr Mlewsk Smodzely Zkłd Metod Komputerowych w Mechce L6, WL, PK APROKSYMACJA NTERPOLACJA FUNKCJ JEDNEJ ZMENNEJ Ogóle zgdee proksymcj moż opsć stępująco: De są pukty leżące ądź to do wykresu

Bardziej szczegółowo

KONKURS MATEMATYCZNY dla uczniów gimnazjów w roku szkolnym 2012/13 III etap zawodów (wojewódzki) 12 stycznia 2013 r.

KONKURS MATEMATYCZNY dla uczniów gimnazjów w roku szkolnym 2012/13 III etap zawodów (wojewódzki) 12 stycznia 2013 r. KONKURS MTEMTYCZNY dl ucziów gimzjów w roku szkolym 0/ III etp zwodów (wojewódzki) styczi 0 r. Propozycj puktowi rozwiązń zdń Uwg Łączie uczeń może zdobyć 0 puktów. Luretmi zostją uczesticy etpu wojewódzkiego,

Bardziej szczegółowo

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel, utomtyk Robotyk lgebr -Wykłd - dr dm Ćmel cmel@ghedupl Równn lnowe Nech V W będą przestrzenm lnowym nd tym smym cłem K T: V W przeksztłcenem lnowym Rozwżmy równne lnowe T(v)w Powyższe równne nzywmy równnem

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec

Bardziej szczegółowo

e) Kwadrat dowolnej liczby b) Idź na dwór! całkowitej jest liczbą naturalna. c) Lubisz szpinak? f) 12 jest liczbą pierwszą. d) 3 2 =10.

e) Kwadrat dowolnej liczby b) Idź na dwór! całkowitej jest liczbą naturalna. c) Lubisz szpinak? f) 12 jest liczbą pierwszą. d) 3 2 =10. Zdnie. Cz poniższe wrżeni są zdnimi logicznmi: ) wczorj pdł deszcz. e) Kwdrt dowolnej liczb b) Idź n dwór! cłkowitej jest liczbą nturln. c) Lubisz szpink? f) jest liczbą pierwszą. d) =0. Zdni. Podj zprzeczeni

Bardziej szczegółowo

m) (2.2) p) (2.3) r) (2.4)

m) (2.2) p) (2.3) r) (2.4) Ekooetra dr ż. Zbgew Tarapata Wkład r : Postace zadań prograowaa lowego grafcza etoda rozwązwaa zadań PL POSTACIE ZADAŃ PROGRAMOWANIA LINIOWEGO Zadae decze w któr wszstke relace są lowe oraz wszstke zee

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

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański atala ehreecka Darusz Szmańsk Wkład . MK przpadek welu zmech. Własośc hperpłaszczz regresj 3. Doroć ć dopasowaa rówaa regresj. Współczk determacj R Dekompozcjawaracj zmeejzależejzależej Współczk determacj

Bardziej szczegółowo