Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t."

Transkrypt

1 Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

2 Proces zliczający musi spełniać warunki: ) N(t), ) N(t) przyjmuje tylko całkowite własności, 3) Jeśli s < t to N(s) N(t), 4) Dla s < t N(t) - N(s) jest równe liczbie zdarzeń zaobserwowanych w przedziale (s, t],

3 Proces zliczający jest procesem o przyrostach niezależnych jeśli rozkłady liczby zdarzeń obserwowanych w rozłącznych przedziałach czasu są niezależne, np. N(t) nie zależy od N(t s) - N(t). 3

4 Proces zliczający jest procesem jednorodnym w czasie (stacjonarnym) gdy rozkład liczby zaobserwowanych zdarzeń w przedziale czasu zależy tylko od długości tego przedziału, np. N(t s) - N(t s) ma taki sam rozkład jak N(t ) - N(t ). 4

5 Proces Poissona jest jednorodnym procesem Markowa o przyrostach niezależnych [ ] [ ] [ ] [ ] 3 5

6 6 o rozkładzie (por. przykład z poprzedniego wykładu): ) ( X P ( ) t k t t e k t k X X P k X P τ τ! ) ( ) ( k,,... - intensywność procesu, >

7 Siméon Denis Poisson (78 84), francuski mechanik teoretyk, fizyk i matematyk. W matematyce zajmował się całkami oznaczonymi, równaniami różnicowymi i różniczkowymi oraz teorią prawdopodobieństwa. 7

8 parametry procesu Poissona: m(t) t t, K(s, t) min(s, t) 8

9 Przykłady zjawisk modelowanych procesem Poissona. - liczba wyemitowanych cząstek przez ciało promieniotwórcze w pewnym przedziale czasu, - liczba awarii systemu komunikacyjnego w pewnym przedziale czasu, - liczba zgłoszeń do portalu internetowego w pewnym przedziale czasu, 9

10 Uwaga. ( ) t i j t t ij e i j t i j X X P i X j X P t p τ τ τ τ )! ( ) ( ) ( ) ( dla j i, ) ( t p ij dla j < i,

11 Problem. T - czas pierwszego zgłoszenia, T n - czas między n - a n-tym zgłoszeniem, Wyznaczyć rozkład tych zmiennych losowych.

12 Rozwiązanie. {T > t} oznacza zdarzenie, że nie było zgłoszenia w [, t], P( T > t) P( X t ) e t t zatem P( T < t) e F( t) (dystrybuanta rozkładu wykładniczego).

13 Następnie zauważmy, że z niezależności wynika P { zgłoszeń w( s, s t] T s} P( T > t T s) P brak t { brak zgłoszeń w( s, s t] } e Zatem T też ma rozkład wykładniczy i jest niezależny od T. Itd. 3

14 Wniosek. Odstępy czasu między kolejnymi zmianami stanów w jednorodnym procesie Poissona są niezależnymi zmiennymi losowymi o tym samym rozkładzie wykładniczym: dla t P( T < t) t e dla t > 4

15 Twierdzenie. Suma skończonej liczby niezależnych procesów Poissona jest procesem Poissona, którego parametr jest sumą parametrów poszczególnych procesów. 5

16 Przykład. Strumień awarii pewnego systemu jest modelowany procesem Poissona. Wiadomo, że przeciętnie jedna awaria zdarza się raz na 5 godzin (zatem intensywność tego procesu wynosi, awarii/godz.). a) obliczyć prawdopodobieństwo wystąpienia co najwyżej jednej awarii w ciągu godzin, b) obliczyć prawdopodobieństwo wystąpienia co najmniej dwóch awarii w ciągu godzin, c) obliczyć prawdopodobieństwo bezawaryjnej pracy w ciągu godzin, d) obliczyć prawdopodobieństwo, że czas między kolejnymi awariami będzie większy niż godzin, e) obliczyć wartość oczekiwaną bezawaryjnego czasu pracy tego systemu. 6

17 Proces urodzeń i śmierci. i - intensywności urodzeń, i,,... j - intensywności śmierci, j,,... [ ] [ ] [ ]

18 Dalej rozpatrujemy proces urodzeń i śmierci ze skończoną liczbą stanów równą N. Niech P(t) [p ij (t)] stochastyczna macierz przejścia i, j,,..., N. 8

19 Proces urodzeń i śmierci jest jednorodnym procesem Markowa. 9

20 Dla procesu urodzeń i śmierci macierz intensywności ma postać: [ ] Λ N N N N N N ij ) ( ) ( ) (

21 wtedy układ równań Kołmogorowa można zapisać w postaci wektorowej: d p( t) p( t)λ dt

22 Rozwiązanie tego równania ma postać Λt p( t) p() e t! 3 t 3! Λ 3 gdzie e t I Λt Λ Λ...

23 Uwaga. Proces urodzeń i śmierci ma dla intensywności dodatnich rozkład graniczny postaci: gdzie i... i... i N `... i... i i,,..., N i 3

24 4 Dowód. Zastosujemy sposób pierwszy. Rozpatrzmy równanie Λ [ ] T N N N N N N N ) ( ) ( ) ( czyli układ równań ( ) ) ( 3 3 n n n n Jeśli przyjąć, że z ; z ; itd. to 3 z n z z z z z stąd z i i przyjmując jako parametr mamy z warunków unormowania poszukiwane wzory.

25 Przykład. W zakładzie pracują maszyny, z których każda psuje się niezależnie od pozostałych z intensywnością 3 maszyny/godz. Maszyny te są naprawiane przez robotników. Niech X(t) oznacza liczbę zepsutych maszyn w chwili t. Rozpatrzmy następujące przypadki: ) są 3 maszyny i robotnik pracujący z intensywnością maszyna/godz. ) są 3 maszyny i robotników pracujących bez współpracy z intensywnością maszyna/godz. każdy. 3) są 4 maszyny i robotników pracujących bez współpracy z intensywnością maszyna/godz. każdy. 4) są 3 maszyny i 3 robotników pracujących z pełną współpracą z intensywnością maszyna/godz. każdy. 5) są 3 maszyny i robotników pracujących z pełną współpracą z intensywnością maszyna/godz. każdy. 6) są 3 maszyny i robotników pracujących z ograniczoną współpracą (z intensywnością maszyna/godz. każdy gdy pracują osobno 5

26 i z intensywnością,5maszyny/godz. gdy pracują razem). W każdym przypadku: a) narysować graf, b) wyznaczyć prawdopodobieństwa graniczne, c) obliczyć prawdopodobieństwo graniczne, że żaden robotnik nie pracuje, d) obliczyć prawdopodobieństwo graniczne, że przynajmniej jedna maszyna jest sprawna, e) obliczyć prawdopodobieństwo graniczne, że przynajmniej jedna maszyna czeka na naprawę, f) obliczyć średnia liczbę zepsutych maszyn, g) obliczyć średnia liczbę zajętych robotników. 6

27 Dodatek Tablica rozkładu Poissona i tablica skumulowanego rozkładu Poissona. Poisson-f.prawdopodobieństwa nieskumulowana alfa n ,,99,99,,,,,,,,,,,,,,,5,95,476,,,,,,,,,,,,,,,,948,95,45,,,,,,,,,,,,,,,887,637,64,,,,,,,,,,,,,,3,748,,333,33,3,,,,,,,,,,,,4,673,68,536,7,7,,,,,,,,,,,,5,665,333,758,6,6,,,,,,,,,,,,6,5488,393,988,98,3,4,,,,,,,,,,,7,4966,3476,7,84,5,7,,,,,,,,,,,8,4493,3595,438,383,77,,,,,,,,,,,,9,466,3659,647,494,,,3,,,,,,,,,,3679,3679,839,63,53,3,5,,,,,,,,,,,339,366,4,738,3,45,8,,,,,,,,,,,3,364,69,867,6,6,,,,,,,,,,,3,75,3543,33,998,34,84,8,3,,,,,,,,,4,466,345,47,8,395,,6,5,,,,,,,,,5,3,3347,5,55,47,4,35,8,,,,,,,,,6,9,33,584,378,55,76,47,,,,,,,,,,7,87,36,64,496,636,6,6,5,3,,,,,,,,8,653,975,678,67,73,6,78,,5,,,,,,,,9,496,84,7,7,8,39,98,7,6,,,,,,,,353,77,77,84,9,36,,34,9,,,,,,,,,8,438,68,966,8,476,74,55,5,4,,,,,,,4,97,77,63,9,54,6,4,83,5,7,,,,,,,5,8,5,565,38,336,668,78,99,3,9,,,,,,,6,743,93,5,76,44,735,39,8,38,,3,,,,,,8,68,73,384,5,557,87,47,63,57,8,5,,,,, 3,498,494,4,4,68,8,54,6,8,7,8,,,,, 3,5,3,57,85,58,888,3,77,385,69,66,3,7,,,, 4,83,733,465,954,954,563,4,595,98,3,53,9,6,,, 5,67,337,84,44,755,755,46,44,653,363,8,8,34,3,5, 8,3,7,7,86,573,96,,396,396,4,993,7,48,96,69,9,,5,3,76,89,378,63,9,6,5,5,37,948,79,5,347 Poisson p-stwo skumulowane (dystrybuanta prawostronnie ciągła) 7

28 alfa n ,,99,,,,,,,,,,,,,,,,5,95,9988,,,,,,,,,,,,,,,,948,9953,9998,,,,,,,,,,,,,,,887,985,9989,9999,,,,,,,,,,,,,3,748,963,9964,9997,,,,,,,,,,,,,4,673,9384,99,999,9999,,,,,,,,,,,,5,665,998,9856,998,9998,,,,,,,,,,,,6,5488,878,9769,9966,9996,,,,,,,,,,,,7,4966,844,9659,994,999,9999,,,,,,,,,,,8,4493,888,956,999,9986,9998,,,,,,,,,,,9,466,775,937,9865,9977,9997,,,,,,,,,,,3679,7358,997,98,9963,9994,9999,,,,,,,,,,,339,699,94,9743,9946,999,9999,,,,,,,,,,,3,666,8795,966,993,9985,9997,,,,,,,,,,3,75,668,857,9569,9893,9978,9996,9999,,,,,,,,,4,466,598,8335,9463,9857,9968,9994,9999,,,,,,,,,5,3,5578,888,9344,984,9955,999,9998,,,,,,,,,6,9,549,7834,9,9763,994,9987,9997,,,,,,,,,7,87,493,757,968,974,99,998,9996,9999,,,,,,,,8,653,468,736,893,9636,9896,9974,9994,9999,,,,,,,,9,496,4337,737,8747,9559,9868,9966,999,9998,,,,,,,,353,46,6767,857,9473,9834,9955,9989,9998,,,,,,,,,8,3546,67,894,975,975,995,998,9995,9999,,,,,,,4,97,384,5697,7787,94,9643,9884,9967,999,9998,,,,,,,5,8,873,5438,7576,89,958,9858,9958,9989,9997,9999,,,,,,6,743,674,584,736,8774,95,988,9947,9985,9996,9999,,,,,,8,68,3,4695,699,8477,9349,9756,999,9976,9993,9998,,,,, 3,498,99,43,647,853,96,9665,988,996,9989,9997,9999,,,, 3,5,3,359,38,5366,754,8576,9347,9733,99,9967,999,9997,9999,,, 4,83,96,38,4335,688,785,8893,9489,9786,999,997,999,9997,9999,, 5,67,44,47,65,445,66,76,8666,939,968,9863,9945,998,9993,9998,9999 8,3,3,38,44,996,9,334,453,595,766,859,888,936,9658,987,998,,5,8,3,93,67,3,,338,4579,583,6968,796,8645,965,953 8

Modelowanie komputerowe

Modelowanie komputerowe Modelowanie komputerowe wykład 5- Klasyczne systemy kolejkowe i ich analiza dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 16,23listopada2015r. Analiza

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Lista 1. Procesy o przyrostach niezależnych.

Lista 1. Procesy o przyrostach niezależnych. Lista. Procesy o przyrostach niezależnych.. Niech N t bedzie procesem Poissona o intensywnoci λ = 2. Obliczyć a) P (N 2 < 3, b) P (N =, N 3 = 6), c) P (N 2 = N 5 = 2), d) P (N =, N 2 = 3, N 4 < 5), e)

Bardziej szczegółowo

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

III. ZMIENNE LOSOWE JEDNOWYMIAROWE III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, 23.09.2008 Biomatematyka

EGZAMIN DYPLOMOWY, część II, 23.09.2008 Biomatematyka Biomatematyka W 200-elementowej próbie losowej z diploidalnej populacji wystąpiło 89 osobników genotypu AA, 57 osobników genotypu Aa oraz 54 osobników genotypu aa. Na podstawie tych danych (a) dokonaj

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 1.10.2012 r.

Matematyka ubezpieczeń majątkowych 1.10.2012 r. Zadanie. W pewnej populacji każde ryzyko charakteryzuje się trzema parametrami q, b oraz v, o następującym znaczeniu: parametr q to prawdopodobieństwo, że do szkody dojdzie (może zajść co najwyżej jedna

Bardziej szczegółowo

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24) Podstawy Automatyki wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak Politechnika Wrocławska Instytut Technologii Maszyn i Automatyzacji (I-24) Laboratorium Podstaw Automatyzacji (L6) 105/2 B1 Sprawy organizacyjne

Bardziej szczegółowo

4 Kilka klas procesów

4 Kilka klas procesów Marek Beśka, Całka Stochastyczna, wykład 4 48 4 Kilka klas procesów 4.1 Procesy rosnące i przestrzenie V,, loc Jak poprzednio niech (Ω, F, F, P ) będzie zupełną bazą stochastyczną. Definicja 4.1 Proces

Bardziej szczegółowo

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana.

Bardziej szczegółowo

Wpływ macierzy przejścia systemu bonus-malus ubezpieczeń komunikacyjnych OC na jego efektywność taryfikacyjną

Wpływ macierzy przejścia systemu bonus-malus ubezpieczeń komunikacyjnych OC na jego efektywność taryfikacyjną Wpływ macierzy przejścia systemu bonus-malus ubezpieczeń komunikacyjnych OC na jego efektywność taryfikacyjną Anna Szymańska Katedra Metod Statystycznych Uniwersytet Łódzki Taryfikacja w ubezpieczeniach

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

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli

Bardziej szczegółowo

Proces Poissona. Wykład 4. 4.1 Proces zliczajacy

Proces Poissona. Wykład 4. 4.1 Proces zliczajacy Wykład 4 roces oissona 4.1 roces zliczajacy roces stochastyczny {N t ;t } nazywamy zliczaj acym, gdy N t jest równe całkowitej ilości zdarzeń które zdarzyły się do momentu t. rzekładami procesów zliczajacychn

Bardziej szczegółowo

MODEL OCENY SYSTEMU REMONTU TECHNIKI WOJSKOWEJ

MODEL OCENY SYSTEMU REMONTU TECHNIKI WOJSKOWEJ ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LII NR 1 (184) 2011 Marian Brzeziń ski Wojskowa Akademia Techniczna MODEL OCENY SYSTEMU REMONTU TECHNIKI WOJSKOWEJ STRESZCZENIE W artykule scharakteryzowano

Bardziej szczegółowo

Zadania o numerze 4 z zestawów licencjat 2014.

Zadania o numerze 4 z zestawów licencjat 2014. Zadania o numerze 4 z zestawów licencjat 2014. W nawiasie przy zadaniu jego występowanie w numerze zestawu Spis treści (Z1, Z22, Z43) Definicja granicy ciągu. Obliczyć granicę:... 3 Definicja granicy ciągu...

Bardziej szczegółowo

Elementy Modelowania Matematycznego

Elementy Modelowania Matematycznego Elementy Modelowania Matematycznego Wykład 9 Systemy kolejkowe Spis treści Wstęp Systemy masowej obsługi (SMO) Notacja Kendalla Schemat systemu masowej obsługi Przykład systemu M/M/1 Założenia modelu matematycznego

Bardziej szczegółowo

A B. 2 5 8 18 2 x x x 5 x x 8 x 18

A B. 2 5 8 18 2 x x x 5 x x 8 x 18 Narzędzia modelowania niezawodności 1 Arkusz kalkulacyjny - jest to program zbudowany na schemacie relacyjnych baz danych. Relacje pomiędzy dwiema (lub więcej) cechami można zapisać na kilka sposobów.

Bardziej szczegółowo

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami:

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Pr(X 1 = 0) = 6/10, Pr(X 1 = 1) = 1/10, i gęstością: f(x) = 3/10 na przedziale (0, 1). Wobec tego Pr(X 1 + X 2 5/3) wynosi:

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e

Bardziej szczegółowo

PODSTAWOWE ROZKŁADY ZMIENNYCH LOSOWYCH CIĄGŁYCH

PODSTAWOWE ROZKŁADY ZMIENNYCH LOSOWYCH CIĄGŁYCH Opracowała: Joanna Kisielińska 1 PODSTAWOWE ROZKŁADY ZMIENNYCH LOSOWYCH CIĄGŁYCH Rozkład normalny Zmienna losowa X ma rozkład normalny z parametrami µ i σ (średnia i odchylenie standardowe), jeśli jej

Bardziej szczegółowo

Wykład 9: Markov Chain Monte Carlo

Wykład 9: Markov Chain Monte Carlo RAP 412 17.12.2008 Wykład 9: Markov Chain Monte Carlo Wykładowca: Andrzej Ruciński Pisarz: Ewelina Rychlińska i Wojciech Wawrzyniak Wstęp W tej części wykładu zajmiemy się zastosowaniami łańcuchów Markowa

Bardziej szczegółowo

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej 7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach

Bardziej szczegółowo

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i )

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i ) Rachunek prawdopodobieństwa - Teoria - Przypomnienie Podstawy Definicja 1. Schemat klasyczny - wszystkie zdarzenia elementarne są równo prawdopodobne, licząc prawdopodobieństwo liczymy stosunek liczby

Bardziej szczegółowo

Obliczenia naukowe Wykład nr 6

Obliczenia naukowe Wykład nr 6 Obliczenia naukowe Wykład nr 6 Paweł Zieliński Katedra Informatyki, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska Literatura Literatura podstawowa [1] D. Kincaid, W. Cheney, Analiza

Bardziej szczegółowo

LIII Egzamin dla Aktuariuszy z 31 maja 2010 r.

LIII Egzamin dla Aktuariuszy z 31 maja 2010 r. Komisja Egzaminacyjna dla Aktuariuszy LIII Egzamin dla Aktuariuszy z 31 maja 2010 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

STATYSTYKA wykład 5-6

STATYSTYKA wykład 5-6 TATYTYKA wykład 5-6 Twierdzenia graniczne Rozkłady statystyk z próby Wanda Olech Twierdzenia graniczne Jeżeli rozpatrujemy ciąg zmiennych losowych {X ; X ;...; X n }, to zdarza się, że ich rozkłady przy

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych dr inż. Adam Kisiel kisiel@if.pw.edu.pl pokój 117b (12b) 1 Materiały do wykładu Transparencje do wykładów: http://www.if.pw.edu.pl/~kisiel/kadd/kadd.html Literatura

Bardziej szczegółowo

Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej

Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej c Copyright by Ireneusz Krech ikrech@ap.krakow.pl Instytut Matematyki Uniwersytet Pedagogiczny im. KEN w Krakowie

Bardziej szczegółowo

Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2011/2012

Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2011/2012 Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Karta Instytut Pedagogiczny obowiązuje studentów rozpoczynających studia w roku akademickim 011/01 Kierunek studiów: Matematyka Profil: Ogólnoakademicki Forma

Bardziej szczegółowo

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się.

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się. 1 Wstęp Będziemyrozważaćgeneratorytypux n+1 =f(x n,x n 1,...,x n k )(modm). Zakładamy,żeargumentamifunkcjifsąliczbycałkowitezezbioru0,1,...,M 1. Dla ustalenia uwagi mogą to być generatory liniowe typu:

Bardziej szczegółowo

XXXV Egzamin dla Aktuariuszy z 16 maja 2005 r.

XXXV Egzamin dla Aktuariuszy z 16 maja 2005 r. Komisja Egzaminacyjna dla Aktuariuszy XXXV Egzamin dla Aktuariuszy z 6 maja 2005 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 00 minut Warszawa, 6

Bardziej szczegółowo

LXX Egzamin dla Aktuariuszy z 23 marca 2015 r.

LXX Egzamin dla Aktuariuszy z 23 marca 2015 r. Komisja Egzaminacyjna dla Aktuariuszy LXX Egzamin dla Aktuariuszy z 23 marca 2015 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Metoda programowania dynamicznego........... 5

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, 20.09.2006 Biomatematyka

EGZAMIN DYPLOMOWY, część II, 20.09.2006 Biomatematyka Biomatematyka Załóżmy, że częstości genotypów AA, Aa i aa w całej populacji wynoszą p 2, 2pq i q 2. Wiadomo, że czynnik selekcyjny sprawia, że osobniki o genotypie aa nie rozmnażają się. 1. Wyznacz częstości

Bardziej szczegółowo

A,B M! v V ; A + v = B, (1.3) AB = v. (1.4)

A,B M! v V ; A + v = B, (1.3) AB = v. (1.4) Rozdział 1 Prosta i płaszczyzna 1.1 Przestrzeń afiniczna Przestrzeń afiniczna to matematyczny model przestrzeni jednorodnej, bez wyróżnionego punktu. Można w niej przesuwać punkty równolegle do zadanego

Bardziej szczegółowo

Grupy. Permutacje 1. (G2) istnieje element jednostkowy (lub neutralny), tzn. taki element e G, że dla dowolnego a G zachodzi.

Grupy. Permutacje 1. (G2) istnieje element jednostkowy (lub neutralny), tzn. taki element e G, że dla dowolnego a G zachodzi. Grupy. Permutacje 1 1 Definicja grupy Niech G będzie zbiorem. Działaniem na zbiorze G nazywamy odwzorowanie (oznaczane, jak mnożenie, przez ) przyporządkowujące każdej parze uporządkowanej (a, b) G G element

Bardziej szczegółowo

Matematyka zajęcia fakultatywne (Wyspa inżynierów) Dodatkowe w ramach projektu UE

Matematyka zajęcia fakultatywne (Wyspa inżynierów) Dodatkowe w ramach projektu UE PROGRAM ZAJĘĆ FAKULTATYWNYCH Z MATEMATYKI DLA STUDENTÓW I ROKU SYLABUS Nazwa uczelni: Wyższa Szkoła Przedsiębiorczości i Administracji w Lublinie ul. Bursaki 12, 20-150 Lublin Kierunek Rok studiów Informatyka

Bardziej szczegółowo

LXVIII Egzamin dla Aktuariuszy z 29 września 2014 r.

LXVIII Egzamin dla Aktuariuszy z 29 września 2014 r. Komisja Egzaminacyjna dla Aktuariuszy LXVIII Egzamin dla Aktuariuszy z 29 września 2014 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

Rachunek prawdopodobieństwa dla informatyków

Rachunek prawdopodobieństwa dla informatyków Rachunek prawdopodobieństwa dla informatyków Adam Roman Instytut Informatyki UJ Wykład 7 teoria kolejek prawo Little a systemy jedno- i wielokolejkowe 1/75 System kolejkowy System kolejkowy to układ złożony

Bardziej szczegółowo

POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH

POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH Barbara Popowska bpopowsk@math.put.poznan.pl Politechnika Poznańska http://www.put.poznan.pl/ PROGRAM REFERATU 1. WPROWADZENIE 2. GRAF JAKO MODEL

Bardziej szczegółowo

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich)

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich) MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 6.04.2009 r.

Matematyka ubezpieczeń majątkowych 6.04.2009 r. Matematyka ubezpieczeń majątkowych 6.04.009 r. Zadanie. Niech N oznacza liczbę szkód zaszłych w ciągu roku z pewnego ubezpieczenia z czego: M to liczba szkód zgłoszonych przed końcem tego roku K to liczba

Bardziej szczegółowo

Wielomiany. dr Tadeusz Werbiński. Teoria

Wielomiany. dr Tadeusz Werbiński. Teoria Wielomiany dr Tadeusz Werbiński Teoria Na początku przypomnimy kilka szkolnych definicji i twierdzeń dotyczących wielomianów. Autorzy podręczników szkolnych podają różne definicje wielomianu - dla jednych

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach

EGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach Matematyka w ekonomii i ubezpieczeniach Sprawdź, czy wektor x 0 = (0,5,,0,0) jest rozwiązaniem dopuszczalnym zagadnienia programowania liniowego: Zminimalizować 3x 1 +x +x 3 +4x 4 +6x 5, przy ograniczeniach

Bardziej szczegółowo

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania wykraczające. Plan wynikowy lasa III Technik pojazdów samochodowych/ Technik urządzeń

Bardziej szczegółowo

LIV Egzamin dla Aktuariuszy z 4 października 2010 r. Część III

LIV Egzamin dla Aktuariuszy z 4 października 2010 r. Część III Komisja Egzaminacyjna dla Aktuariuszy LIV Egzamin dla Aktuariuszy z 4 października 2010 r. Część III Matematyka ubezpieczeń majątkowych Imię i nazwisko osoby egzaminowanej:. Czas egzaminu: 100 minut Komisja

Bardziej szczegółowo

SYMULACJA ZAKŁÓCEŃ W UKŁADACH AUTOMATYKI UTWORZONYCH ZA POMOCĄ OBWODÓW ELEKTRYCZNYCH W PROGRAMACH MATHCAD I PSPICE

SYMULACJA ZAKŁÓCEŃ W UKŁADACH AUTOMATYKI UTWORZONYCH ZA POMOCĄ OBWODÓW ELEKTRYCZNYCH W PROGRAMACH MATHCAD I PSPICE POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 76 Electrical Engineering 2013 Piotr FRĄCZAK* SYMULACJA ZAKŁÓCEŃ W UKŁADACH AUTOMATYKI UTWORZONYCH ZA POMOCĄ OBWODÓW ELEKTRYCZNYCH W PROGRAMACH MATHCAD

Bardziej szczegółowo

Wokół wyszukiwarek internetowych

Wokół wyszukiwarek internetowych Wokół wyszukiwarek internetowych Bartosz Makuracki 23 stycznia 2014 Przypomnienie Wzór x 1 = 1 d N x 2 = 1 d N + d N i=1 p 1,i x i + d N i=1 p 2,i x i. x N = 1 d N + d N i=1 p N,i x i Oznaczenia Gdzie:

Bardziej szczegółowo

LIII Egzamin dla Aktuariuszy z 31 maja 2010 r.

LIII Egzamin dla Aktuariuszy z 31 maja 2010 r. Komisja Egzaminacyjna dla Aktuariuszy LIII Egzamin dla Aktuariuszy z 31 maja 2010 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:. Czas egzaminu: 100 minut Warszawa, 31

Bardziej szczegółowo

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji Macierze - obliczanie wyznacznika macierzy z użyciem permutacji I LO im. F. Ceynowy w Świeciu Radosław Rudnicki joix@mat.uni.torun.pl 17.03.2009 r. Typeset by FoilTEX Streszczenie Celem wykładu jest wprowadzenie

Bardziej szczegółowo

Z Wikipedii, wolnej encyklopedii.

Z Wikipedii, wolnej encyklopedii. Rozkład normalny Rozkład normalny jest niezwykle ważnym rozkładem prawdopodobieństwa w wielu dziedzinach. Nazywa się go także rozkładem Gaussa, w szczególności w fizyce i inżynierii. W zasadzie jest to

Bardziej szczegółowo

LXVII Egzamin dla Aktuariuszy z 26 maja 2014 r.

LXVII Egzamin dla Aktuariuszy z 26 maja 2014 r. Komisja Egzaminacyjna dla Aktuariuszy LXVII Egzamin dla Aktuariuszy z 26 maja 2014 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y.

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. FUNKCJE LICZBOWE Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. Innymi słowy f X Y = {(x, y) : x X oraz y Y }, o ile (x, y) f oraz (x, z) f pociąga

Bardziej szczegółowo

1 Zmienne losowe wielowymiarowe.

1 Zmienne losowe wielowymiarowe. 1 Zmienne losowe wielowymiarowe. 1.1 Definicja i przykłady. Definicja1.1. Wektorem losowym n-wymiarowym(zmienna losowa n-wymiarowa )nazywamywektorn-wymiarowy,któregoskładowymisązmiennelosowex i dlai=1,,...,n,

Bardziej szczegółowo

Metody numeryczne. Wykład nr 12. Dr Piotr Fronczak

Metody numeryczne. Wykład nr 12. Dr Piotr Fronczak Metody numeryczne Wykład nr 1 Dr Piotr Fronczak Generowanie liczb losowych Metody Monte Carlo są oparte na probabilistyce działają dzięki generowaniu liczb losowych. W komputerach te liczby generowane

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Eleenty odelowania ateatycznego Systey kolejkowe. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ RZYKŁAD KOLEJKI N(t) długość kolejki w chwili t T i czas obsługi i-tego klienta Do okienka

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

Matura próbna 2014 z matematyki-poziom podstawowy

Matura próbna 2014 z matematyki-poziom podstawowy Matura próbna 2014 z matematyki-poziom podstawowy Klucz odpowiedzi do zadań zamkniętych zad 1 2 3 4 5 6 7 8 9 10 11 12 odp A C C C A A B B C B D A 13 14 15 16 17 18 19 20 21 22 23 24 25 C C A B A D C B

Bardziej szczegółowo

Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. 2 godz. = 76 godz.)

Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. 2 godz. = 76 godz.) Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. godz. = 76 godz.) I. Funkcja i jej własności.4godz. II. Przekształcenia wykresów funkcji...9 godz. III. Funkcja

Bardziej szczegółowo

Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych

Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych Elżbieta Krajewska Instytut Matematyki Politechnika Łódzka Elżbieta Krajewska Immunizacja ubezpieczycieli życiowych 1/22 Plan prezentacji

Bardziej szczegółowo

Klasyfikacja w oparciu o metrykę budowaną poprzez dystrybuanty empiryczne na przestrzeni wzorców uczących

Klasyfikacja w oparciu o metrykę budowaną poprzez dystrybuanty empiryczne na przestrzeni wzorców uczących Klasyfikacja w oparciu o metrykę budowaną poprzez dystrybuanty empiryczne na przestrzeni wzorców uczących Cezary Dendek Wydział Matematyki i Nauk Informacyjnych PW Plan prezentacji Plan prezentacji Wprowadzenie

Bardziej szczegółowo

dr inż. Ryszard Rębowski 1 WPROWADZENIE

dr inż. Ryszard Rębowski 1 WPROWADZENIE dr inż. Ryszard Rębowski 1 WPROWADZENIE Zarządzanie i Inżynieria Produkcji studia stacjonarne Konspekt do wykładu z Matematyki 1 1 Postać trygonometryczna liczby zespolonej zastosowania i przykłady 1 Wprowadzenie

Bardziej szczegółowo

LXIII Egzamin dla Aktuariuszy z 25 marca 2013 r.

LXIII Egzamin dla Aktuariuszy z 25 marca 2013 r. Komisja Egzaminacyjna dla Aktuariuszy LXIII Egzamin dla Aktuariuszy z 25 marca 2013 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

Systemy masowej obsługi

Systemy masowej obsługi Rozdział 1 Systemy masowej obsługi Systemy masowej obsługi (lub kolejkowe) występują w wielu praktycznych sytuacjach, np. samoloty na lotnisku oczekują na start lub lądowanie, klienci w banku oczekują

Bardziej szczegółowo

Q t lub precyzyjniej w postaci różniczkowej. dq dt Jednostką natężenia prądu jest amper oznaczany przez A.

Q t lub precyzyjniej w postaci różniczkowej. dq dt Jednostką natężenia prądu jest amper oznaczany przez A. Prąd elektryczny Dotychczas zajmowaliśmy się zjawiskami związanymi z ładunkami spoczywającymi. Obecnie zajmiemy się zjawiskami zachodzącymi podczas uporządkowanego ruchu ładunków, który często nazywamy

Bardziej szczegółowo

dr Adam Sojda Wykład Politechnika Śląska Badania Operacyjne Teoria kolejek

dr Adam Sojda Wykład Politechnika Śląska Badania Operacyjne Teoria kolejek dr Adam Sojda Badania Operacyjne Wykład Politechnika Śląska Teoria kolejek Teoria kolejek zajmuje się badaniem systemów związanych z powstawaniem kolejek. Systemy kolejkowe W systemach, którymi zajmuje

Bardziej szczegółowo

Modele procesów masowej obsługi

Modele procesów masowej obsługi Modele procesów masowej obsługi Musiał Kamil Motek Jakub Osowski Michał Inżynieria Bezpieczeństwa Rok II Wstęp Teoria masowej obsługi to samodzielna dyscyplina, której celem jest dostarczenie możliwie

Bardziej szczegółowo

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15 II WYKŁAD STATYSTYKA 12/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 2 Rachunek prawdopodobieństwa zdarzenia elementarne zdarzenia losowe zmienna losowa skokowa i ciągła prawdopodobieństwo i gęstość prawdopodobieństwa

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów funkcje nieliniowe

KADD Metoda najmniejszych kwadratów funkcje nieliniowe Metoda najmn. kwadr. - funkcje nieliniowe Metoda najmniejszych kwadratów Funkcje nieliniowe Procedura z redukcją kroku iteracji Przykłady zastosowań Dopasowanie funkcji wykładniczej Dopasowanie funkcji

Bardziej szczegółowo

Matematyka bankowa 1 1 wykład

Matematyka bankowa 1 1 wykład Matematyka bankowa 1 1 wykład Dorota Klim Department of Nonlinear Analysis, Faculty of Mathematics and Computer Science, University of Łódź, Banacha 22, 90-238 Łódź, Poland E-mail address: klimdr@math.uni.ldz.pl

Bardziej szczegółowo

1 Równania różniczkowe zwyczajne liniowe pierwszego rzędu

1 Równania różniczkowe zwyczajne liniowe pierwszego rzędu Równania różniczkowe zwyczajne liniowe I-go rzędu 1 1 1 Równania różniczkowe zwyczajne liniowe pierwszego rzędu Równaniem różniczkowym zwyczajnym liniowym pierwszego rzędu nazywamy równanie postaci (RL1)

Bardziej szczegółowo

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1) ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest

Bardziej szczegółowo

Ekonomia matematyczna - 1.2

Ekonomia matematyczna - 1.2 Ekonomia matematyczna - 1.2 6. Popyt Marshalla, a popyt Hicksa. Poruszać się będziemy w tzw. standardowym polu preferencji X,, gdzie X R n i jest relacją preferencji, która jest: a) rosnąca (tzn. x y x

Bardziej szczegółowo

LIV Egzamin dla Aktuariuszy z 4 października 2010 r.

LIV Egzamin dla Aktuariuszy z 4 października 2010 r. Komisja Egzaminacyjna dla Aktuariuszy LIV Egzamin dla Aktuariuszy z 4 października 2010 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:...klucz odpowiedzi... Czas egzaminu:

Bardziej szczegółowo

Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/

Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/ Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/ MATEMATYKA Klasa III ZAKRES PODSTAWOWY Dział programu Temat Wymagania. Uczeń: 1. Miara łukowa kąta zna pojęcia: kąt skierowany, kąt

Bardziej szczegółowo

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA DYNAMICZNYCH LOKAT KAPITAŁOWYCH Krzysztof Gąsior Uniwersytet Rzeszowski Streszczenie Celem referatu jest zaprezentowanie praktycznego zastosowania

Bardziej szczegółowo

Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI

Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI Matematyka dla liceum ogólnokształcącego i technikum w zakresie podstawowym i rozszerzonym Z E S Z Y T M E T O D Y C Z N Y Miejski

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, 25.06.2009 Biomatematyka

EGZAMIN MAGISTERSKI, 25.06.2009 Biomatematyka Biomatematyka 80...... Zadanie 1. (8 punktów) Rozpatrzmy prawo Hardy ego Weinberga dla loci związanej z chromosomem X o dwóch allelach A 1 i A 2. Załóżmy, że początkowa częstość allelu A 2 u kobiet jest

Bardziej szczegółowo

SPRAWDZIAN NR 1 ROBERT KOPERCZAK, ID studenta : k4342

SPRAWDZIAN NR 1 ROBERT KOPERCZAK, ID studenta : k4342 TECHNIKI ANALITYCZNE W BIZNESIE SPRAWDZIAN NR 1 Autor pracy ROBERT KOPERCZAK, ID studenta : k4342 Kraków, 22 Grudnia 2009 2 Spis treści 1 Zadanie 1... 3 1.1 Szereg rozdzielczy wag kobiałek.... 4 1.2 Histogram

Bardziej szczegółowo

1. Oblicz prawdopodobieństwo zdarzenia, że noworodek wybrany z populacji, w której śmiertelnością rządzi prawo Gompertza

1. Oblicz prawdopodobieństwo zdarzenia, że noworodek wybrany z populacji, w której śmiertelnością rządzi prawo Gompertza 1. Oblicz prawdopodobieństwo zdarzenia, że noworodek wybrany z populacji, w której śmiertelnością rządzi prawo Gompertza x µ x = 06e. dożyje wieku największej śmiertelności (tzn. takiego wieku, w którym

Bardziej szczegółowo

Przykładowe rozwiązania zadań. Próbnej Matury 2014 z matematyki na poziomie rozszerzonym

Przykładowe rozwiązania zadań. Próbnej Matury 2014 z matematyki na poziomie rozszerzonym Zadania rozwiązali: Przykładowe rozwiązania zadań Próbnej Matury 014 z matematyki na poziomie rozszerzonym Małgorzata Zygora-nauczyciel matematyki w II Liceum Ogólnokształcącym w Inowrocławiu Mariusz Walkowiak-nauczyciel

Bardziej szczegółowo

Wstęp do analizy matematycznej

Wstęp do analizy matematycznej Wstęp do analizy matematycznej Andrzej Marciniak Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych i ich zastosowań w

Bardziej szczegółowo

L A TEX krok po kroku

L A TEX krok po kroku L A TEX krok po kroku Imię i nazwisko Spis treści 1 Sekcja pierwsza 1 1.1 Lista numerowana.......................... 1 2 Wymagania podstawowe 2 2.1 Lista numerowana.......................... 2 3 Troszkę

Bardziej szczegółowo

WYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą

WYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą 1. Statystyka odczytać informacje z tabeli odczytać informacje z diagramu 2. Mnożenie i dzielenie potęg o tych samych podstawach 3. Mnożenie i dzielenie potęg o tych samych wykładnikach 4. Potęga o wykładniku

Bardziej szczegółowo

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);

Bardziej szczegółowo

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier wstęp 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier zajmuje się logiczną analizą sytuacji, gdzie występują konflikty interesów, a także istnieje możliwość kooperacji. Zakładamy zwykle,

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1. 1. W p r owadze n ie 1 Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1.1. WPROWADZENIE SYGNAŁ nośnik informacji ANALIZA SYGNAŁU badanie, którego celem jest identyfikacja własności, cech, miar sygnału; odtwarzanie

Bardziej szczegółowo

Finansowe szeregi czasowe

Finansowe szeregi czasowe 24 kwietnia 2009 Modelem szeregu czasowego jest proces stochastyczny (X t ) t Z, czyli rodzina zmiennych losowych, indeksowanych liczbami całkowitymi i zdefiniowanych na pewnej przestrzeni probabilistycznej

Bardziej szczegółowo

Niegaussowskie procesy stochastyczne w oceanotechnice

Niegaussowskie procesy stochastyczne w oceanotechnice Niegaussowskie procesy stochastyczne w oceanotechnice Joanna Dys 29 listopada 2009 Streszczenie Referat na podstawie artykułu Michela K. Ochi, Non-Gaussian random processes in ocean engineering, Probabilistic

Bardziej szczegółowo

ZARZĄDZANIE SIECIAMI TELEKOMUNIKACYJNYMI

ZARZĄDZANIE SIECIAMI TELEKOMUNIKACYJNYMI Wykład jest przygotowany dla II semestru kierunku Elektronika i Telekomunikacja. Studia II stopnia Dr inż. Małgorzata Langer ZAZĄDZANIE SIEIAMI TELEKOMUNIKAYJNYMI Prezentacja multimedialna współfinansowana

Bardziej szczegółowo

LXV Egzamin dla Aktuariuszy z 30 września 2013 r.

LXV Egzamin dla Aktuariuszy z 30 września 2013 r. Komisja Egzaminacyjna dla Aktuariuszy LXV Egzamin dla Aktuariuszy z 30 września 2013 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej szczegółowo

Analiza matematyczna - 14. Analiza zmiennych dyskretnych: ciągi i szeregi liczbowe

Analiza matematyczna - 14. Analiza zmiennych dyskretnych: ciągi i szeregi liczbowe Analiza matematyczna - 4. Analiza zmiennych dyskretnych: ciągi i szeregi liczbowe Wstęp: zmienne ciągłe i zmienne dyskretne Podczas dotychczasowych wykładów rozważaliśmy przede wszystkim zależności funkcyjne

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wstęp do analitycznych i numerycznych metod wyceny opcji

Wstęp do analitycznych i numerycznych metod wyceny opcji Wstęp do analitycznych i numerycznych metod wyceny opcji Jan Palczewski Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 16 maja 2008 Jan Palczewski Wycena opcji Warszawa, 2008

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów

Metody numeryczne. materiały do wykładu dla studentów Metody numeryczne materiały do wykładu dla studentów 4. Wartości własne i wektory własne 4.1. Podstawowe definicje, własności i twierdzenia 4.2. Lokalizacja wartości własnych 4.3. Metoda potęgowa znajdowania

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY Liczebności i częstości Liczebność liczba osób/respondentów/badanych, którzy udzielili tej konkretnej odpowiedzi. Podawana w osobach. Częstość odsetek,

Bardziej szczegółowo