Rysunek 1 Przykładowy graf stanów procesu z dyskretnymi położeniami.
|
|
- Zuzanna Kaczmarek
- 7 lat temu
- Przeglądów:
Transkrypt
1 Procesy Markowa Proces stochastyczny { X } t t nazywamy rocesem markowowskim, jeśli dla każdego momentu t 0 rawdoodobieństwo dowolnego ołożenia systemu w rzyszłości (t>t 0 ) zależy tylko od jego ołożenia w chwili t=t 0 i nie zależy od tego, w jaki sosób roces ten rzebiegał w rzeszłości. Mówimy, że jest to roces bez amięci. Procesy markowowskie możemy odzielić na klasy w zależności od tego, w jaki sosób, oraz w jakim zakresie system może zmieniać swoje ołożenie. Proces markowowski jest rocesem z dyskretnymi ołożeniami (stanami), jeżeli douszczalne stany systemu E, E 2, E, można rzeliczyć (onumerować), a sam roces olega na tym, że co ewien rzyadkowy rzedział czasu system w sosób skokowy rzechodzi z jednego ołożenia w inne. Rysunek Przykładowy graf stanów rocesu z dyskretnymi ołożeniami. Procesy z ciągłymi ołożeniami charakteryzują się stoniowymi (ciągłymi) rzejściami z danego ołożenia w inne. Przykładem jest roces zmiany naięcia w sieci elektrycznej. Jeśli w rocesie rzejścia systemu z jednego ołożenia w inne, możliwe są tylko w ściśle ustalonym czasie t, t 2,, t n, i w rzedziałach czasu omiędzy tymi momentami (krokami) system zachowuje swoje orzednie ołożenie to nazywamy go rocesem z dyskretnym czasem. Jeśli rzejście systemu z jednego ołożenia w inne jest możliwe w każdym z góry nieznanym momencie, to roces nazywamy rocesem z ciągłym czasem. Proces zachodzący w systemie można rzedstawić jako ciąg (łańcuch) zdarzeń, n. (0) () (2) () E, E2, E, E2, E (4),... Bogusław Filiowicz: Modele stochastyczne w badaniach oeracyjnych, Wydawnictwa Naukowo-Techniczne, Warszawa 996, s. 27
2 Łańcuch Markowa definiuje się za omocą rawdoodobieństw zmian systemu, które możemy rzedstawić w ostaci macierzy. N. dla grafu rzedstawionego na rys. macierz rzejść wyglądałaby nastęująco: j = [ M ik ] = rzy czym 0 jk, oraz = j, k =, 2,, n. k= jk Przykłady Czy możemy liczyć na kawę? Maszyna z kawą może być czynna (stan 0) lub zesuta (stan ). Załóżmy, że jeśli maszyna jest czynna w danym dniu, to rawdoodobieństwo zesucia w dniu nastęnym jest δ, a jeśli jest zesuta w danym dniu, to rawdoodobieństwo jej narawienia na dzień nastęny jest γ. Jakie jest rawdoodobieństwo dostania kawy z maszyny? maszyna jest czynna, wczoraj też była czynna: (0, t n 0, t n- ) = - δ, maszyna jest nieczynna, wczoraj była czynna: (, t n 0, t n- ) = δ, maszyna jest czynna, wczoraj była nieczynna: (0, t n, t n- ) = γ, maszyna jest nieczynna, wczoraj też była nieczynna: (, t n, t n- ) = - γ, (Dobra i dobrze serwisowana maszyna owinna mieć δ bliskie 0 i γ bliskie!) Prawdoodobieństwo dostania kawy z maszyny będzie zależało od roorcji czasu, gdy maszyna jest czynna, do całego czasu omiaru. Symulacja dla δ = 0.2 i γ = 0.9 LICZBA SYMULACJI (DNI) 0 W DNIU 0 W DNIU
3 Zauważamy, że uśredniając o długim czasie, rawdoodobieństwo kuienia kawy stabilizuje się na oziomie 80%, raktycznie niezależnie od stanu maszyny w dniu oczątkowym 2. Brawurowa gra Mamy zł i chcemy wygrać 5 zł. Kruier oferuje nam grę, w której rawdoodobieństwo naszej wygranej wynosi w każdej rundzie z wyłatą odwójnej stawki w razie wygranej oraz jej stratą w razie rzegranej, rzy czym stawki są w całkowitych wielokrotnościach złotówki. Wybieramy nastęującą strategię brawurową: w każdej grze stawiamy wszystko co mamy, jeśli ewentualna wygrana ozwoli osiągnąć cel (osiągnąć 5 zł), lub mniej niż cel. W rzeciwnym razie, stawiamy tyle aby ewentualnie wygrać 5 zł. Jaka jest szansa wygrania w k lub mniejszej liczbie gier? Ponumerujmy stany liczbą osiadanych rzez nas złotówek. Zaczynamy grę od stanu nr. Wygrać grę znaczy rzejść od stanu do stanu 5. Stan 0 oznacza rzegraną. Prawdoodobieństwo wygrania lub rzegrania gry nie zależy od historii wygranych rzegranych w orzednich grach własność Markowa jest zatem sełniona. Prawdoodobieństwo wygranej w stanie i nie zależy od czasu, więc roces ten jest jednorodny w czasie. i Interesują nas tylko ścieżki, które kończą się w stanie 5. Nazwiemy je istotnymi. 2 wyk_9.df,
4 Prawdoodobieństwo każdej ścieżki jest iloczynem rawdoodobieństw rzejść jednokrotnych. Istotna ścieżka o długości o rawdoodobieństwie S: () (2) (4) (5) Zatem rawdoodobieństwo wygrania w trzech grach wynosi. Istotna ścieżka o długości 4 R: () (2) () (5) ma rawdoodobieństwo. Zatem rawdoodobieństwo wygrania w 4 lub mniej grach wynosi (+ ). Nie ma istotnych ścieżek o długości 6. Istotna ścieżka o długości 7 ma jedną ętlę L: () (2) (4) () (), o czym nastęuje ścieżka S. Prawdoodobieństwo ętli L wynosi λ= 2 2, zatem rawdoodobieństwo dla ścieżki L S wynosi λ. Zatem rawdoodobieństwo wygrania w 7 lub mniej grach wynosi (+λ)+. Istnieje jedna ścieżka o długości 8: L*R, dla której rawdoodobieństwo wynosi λ. Zatem rawdoodobieństwo wygrania w 8 lub mniej grach wynosi (+)(+λ). Zauważmy ogólną rawidłowość, że wszystkie dłuższe ścieżki są tyu L* *L*S lub L* *L*R. Ich rawdoodobieństwa rzy n ętlach wynoszą λ n i λ n. Mamy 0.25, zatem λ 0.625, czyli szereg geometryczny o ilorazie λ jest zbieżny. Stąd rawdoodobieństwo wygranej rzy nieograniczonej liczbie rób wynosi 2 ( + )( + λ + λ + &...) = ( + ) λ wyk_0.df,
5 Zadania. Ostrożna gra Podobnie jak w rzyadku brawurowej gry, chcemy wygrać 5 zł, startując od złotówki. Przyjmujemy ostrożną strategię, że w każdej grze stawiamy minimalną stawkę zł. Jaka jest szansa wygrania w k lub mniejsze liczbie gier? 4 2. Symulacja gry Dokonaj symulacyjnego orównania strategii brawurowej i ostrożnej.. Ostrożna gra ( rekurencyjnie)*** Rozwiąż rekurencyjnie zadanie.2.2. dla każdej wartości n (n wysokość wygranej, stawki w całkowitych wielokrotnościach złotówki). 4. Czy jest to roces Markowa?** Rozważmy ciąg rób Bernoulliego z wynikami Y 0, Y,, gdzie Y i = 0 lub z rawdoodobieństwami = i. Oczywiści Y i jest rocesem Makowa. Definiujemy nowy roces stochastyczny: X n = Y n + Y n+, n = 0,, 2, Każda zmienna X n jest zmienną o rozkładzie dwuwymiarowym z dwiema niezależnymi róbami Bernoulliego i rawdoodobieństwem. Czy roces X n jest rocesem Markowa? 5 5. Symulacja działania automatu do kawy Dokonaj symulacyjnego orównania działania maszyny do kawy (z rzykładu owyżej) dla δ = 0.4 i γ = 0.9 oraz δ = 0. i γ = wyk_0.df, wyk_9.df,
( n) Łańcuchy Markowa X 0, X 1,...
Łańcuchy Markowa Łańcuchy Markowa to rocesy dyskretne w czasie i o dyskretnym zbiorze stanów, "bez amięci". Zwykle będziemy zakładać, że zbiór stanów to odzbiór zbioru liczb całkowitych Z lub zbioru {,,,...}
Bardziej szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 7 Modele Markova Spis treści Wstęp Łańcuch i procesy Markova Przykłady procesów Markova Wstęp Andrey Andreyevich Markov (14 czerwca 1856 20 czerwca 1922) wybitny
Bardziej szczegółowoTeoria informacji i kodowania Ćwiczenia Sem. zimowy 2016/2017
Teoria informacji i kodowania Ćwiczenia Sem. zimowy 06/07 Źródła z amięcią Zadanie (kolokwium z lat orzednich) Obserwujemy źródło emitujące dwie wiadomości: $ oraz. Stwierdzono, że częstotliwości wystęowania
Bardziej szczegółowoWskaźniki i struktury. Programowanie C, LA Anna Gogolińska
Wskaźniki i struktury Programowanie C, LA Anna Gogolińska Wskaźniki i struktury Jednym z ól struktury może być wskaźnik na zmienną tyu tej struktury. Deklaracja jest z użyciem formy: ty *. Poza tym olem,
Bardziej szczegółowoProcesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku.
Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku. Uogólnienie na przeliczalnie nieskończone przestrzenie stanów zostało opracowane
Bardziej szczegółowoDynamiczne struktury danych: listy
Dynamiczne struktury danych: listy Mirosław Mortka Zaczynając rogramować w dowolnym języku rogramowania jesteśmy zmuszeni do oanowania zasad osługiwania się odstawowymi tyami danych. Na rzykład w języku
Bardziej szczegółowoKomisja Egzaminacyjna dla Aktuariuszy. XL Egzamin dla Aktuariuszy z 9 października 2006 r. Część I. Matematyka finansowa
Komisja Egzaminacyjna dla Aktuariuszy XL Egzamin dla Aktuariuszy z 9 aździernika 006 r. Część I Matematyka finansowa Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 00 minut . Ile wynosi wartość
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 11 Łańcuchy Markova
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu
Bardziej szczegółowoTemperatura i ciepło E=E K +E P +U. Q=c m T=c m(t K -T P ) Q=c przem m. Fizyka 1 Wróbel Wojciech
emeratura i cieło E=E K +E P +U Energia wewnętrzna [J] - ieło jest energią rzekazywaną między układem a jego otoczeniem na skutek istniejącej między nimi różnicy temeratur na sosób cielny rzez chaotyczne
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa
Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoĆwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II
Ćwiczenia: Ukryte procesy Markowa lista kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II dr Jarosław Kotowicz Zadanie. Dany jest łańcuch Markowa, który może przyjmować wartości,,...,
Bardziej szczegółowoPorównanie nacisków obudowy Glinik 14/35-POz na spąg obliczonych metodą analityczną i metodą Jacksona
dr inż. JAN TAK Akademia Górniczo-Hutnicza im. St. Staszica w Krakowie inż. RYSZARD ŚLUSARZ Zakład Maszyn Górniczych GLINIK w Gorlicach orównanie nacisków obudowy Glinik 14/35-Oz na sąg obliczonych metodą
Bardziej szczegółowo07DRAP - Zmienne losowe: dyskretne i ciągłe
07DRAP - Zmienne losowe: dyskretne i ciągłe Definicja Zmienna losowa (rozkład zmiennej losowej X jest skuiona na zbiorze S, jeśli P X (S = P (X S = (Podajemy najmniejszy lub najładniejszy taki zbiór Definicja
Bardziej szczegółowoKody Huffmana oraz entropia przestrzeni produktowej. Zuzanna Kalicińska. 1 maja 2004
Kody uffmana oraz entroia rzestrzeni rodutowej Zuzanna Kalicińsa maja 4 Otymalny od bezrefisowy Definicja. Kod nad alfabetem { 0, }, w tórym rerezentacja żadnego znau nie jest refisem rerezentacji innego
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:
Bardziej szczegółowoMini-quiz 0 Mini-quiz 1
rawda fałsz Mini-quiz 0.Wielkości ekstensywne to: a rędkość kątowa b masa układu c ilość cząstek d temeratura e całkowity moment magnetyczny.. Układy otwarte: a mogą wymieniać energię z otoczeniem b mogą
Bardziej szczegółowoALGORYTMY OPTYMALIZACJI wyklad 3.nb 1. Wykład 3. Sformułujemy teraz warunki konieczne dla istnienia rozwiązań zagadnienia optymalizacyjnego:
ALGORYTMY OPTYMALIZACJI wyklad 3.nb 1 Wykład 3 3. Otymalizacja z ograniczeniami Sformułujemy teraz warunki konieczne dla istnienia rozwiązań zagadnienia otymalizacyjnego: g i HxL 0, i = 1, 2,..., m (3.1)
Bardziej szczegółowoAlgorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa
Algorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa Wojciech Niemiro 1 Uniwersytet Warszawski i UMK Toruń XXX lat IMSM, Warszawa, kwiecień 2017 1 Wspólne prace z Błażejem Miasojedowem,
Bardziej szczegółowoALGORYTM STRAŻAKA W WALCE Z ROZLEWAMI OLEJOWYMI
JOLANTA MAZUREK Akademia Morska w Gdyni Katedra Matematyki ALGORYTM STRAŻAKA W WALCE Z ROZLEWAMI OLEJOWYMI W artykule rzedstawiono model wykorzystujący narzędzia matematyczne do ustalenia reguł oraz rozwiązań,
Bardziej szczegółowoProcesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.
Procesy stochastyczne WYKŁAD 2-3 Łańcuchy Markowa Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi. 2 Łańcuchem Markowa nazywamy proces będący ciągiem zmiennych
Bardziej szczegółowoĆWICZENIE 4 KRZ: A B A B A B A A METODA TABLIC ANALITYCZNYCH
ĆWICZENIE 4 Klasyczny Rachunek Zdań (KRZ): metoda tablic analitycznych, system aksjomatyczny S (aksjomaty, reguła dowodzenia), dowód w systemie S z dodatkowym zbiorem założeń, tezy systemu S, wtórne reguły
Bardziej szczegółowoi=7 X i. Zachodzi EX i = P(X i = 1) = 1 2, i {1, 2,..., 11} oraz EX ix j = P(X i = 1, X j = 1) = 1 7 VarS 2 2 = 14 3 ( 5 2 =
Kombinatoryka W tej serii zadań można znaleźć pojawiające się na egzaminach zadania dotyczące problemu wyznaczania prostych parametrów rozkładu w przypadku zgadnień kombinatorycznych. Zadania te wymagają
Bardziej szczegółowoW-23 (Jaroszewicz) 20 slajdów Na podstawie prezentacji prof. J. Rutkowskiego
Bangkok, Thailand, March 011 W-3 (Jaroszewicz) 0 slajdów Na odstawie rezentacji rof. J. Rutkowskiego Fizyka kwantowa fale rawdoodobieństwa funkcja falowa aczki falowe materii zasada nieoznaczoności równanie
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Autoatyki Katedra Inżynierii Systeów Sterowania Metody otyalizacji Metody rograowania nieliniowego II Materiały oocnicze do ćwiczeń laboratoryjnych T7 Oracowanie:
Bardziej szczegółowoMetody probabilistyczne Rozwiązania zadań
Metody robabilistyczne Rozwiązania zadań 6. Momenty zmiennych losowych 8.11.2018 Zadanie 1. Poaż, że jeśli X Bn, to EX n. Odowiedź: X rzyjmuje wartości w zbiorze {0, 1,..., n} z rawdoodobieństwami zadanymi
Bardziej szczegółowo19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136
Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 19 marzec, 2012 Przykłady procesów Markowa (i). P = (p ij ) - macierz stochastyczna, tzn. p ij 0, j p ij =
Bardziej szczegółowoRoboty Przemysłowe. 1. Pozycjonowane zderzakowo manipulatory pneumatyczne wykorzystanie cyklogramu pracy do planowania cyklu pracy manipulatora
Roboty rzemysłowe. ozycjonowane zderzakowo maniulatory neumatyczne wykorzystanie cyklogramu racy do lanowania cyklu racy maniulatora Celem ćwiczenia jest raktyczne wykorzystanie cyklogramu racy maniulatora,
Bardziej szczegółowoDOWODY NIERÓWNOŚCI HÖLDERA I MINKOWSKIEGO (DO UŻYTKU WEWNȨTRZNEGO, I DO SPRAWDZENIA)
DOWODY NIERÓWNOŚCI HÖLDERA I MINKOWSKIEGO (DO UŻYTKU WEWNȨTRZNEGO I DO SPRAWDZENIA) R R Tematem niniejszych notatek jest zbadanie warunków istnienia normy na ewnej rzestrzeni funkcji rzeczywistych określonych
Bardziej szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Łańcuchy Markowa: zagadnienia graniczne. Ukryte modele Markowa. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ KLASYFIKACJA STANÓW Stan i jest osiągalny
Bardziej szczegółowoAlgorytmy tekstowe na przykładzie KMP
Łukasz Kowalik, SD 2003 lgorytmy tekstowe na rzykładzie KMP 1 lgorytmy tekstowe na rzykładzie KMP Postawowe ojęcia Niech będzie dowolnym skończonym nieustym zbiorem symboli. Zbiór nazywamy alfabetem. Dowolny
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoNiezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu
Niezawodność elemenu nienarawialnego. Model niezawodnościowy elemenu nienarawialnego. Niekóre rozkłady zmiennych losowych sosowane w oisie niezawodności elemenów 3. Funkcyjne i liczbowe charakerysyki niezawodności
Bardziej szczegółowoPRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW
PRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW Rachunek prawdopodobieństwa (probabilitis - prawdopodobny) zajmuje się badaniami pewnych prawidłowości (regularności) zachodzących przy wykonywaniu doświadczeń
Bardziej szczegółowosą niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X
Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)
Bardziej szczegółowoOpis kształtu w przestrzeni 2D. Mirosław Głowacki Wydział Inżynierii Metali i Informatyki Przemysłowej AGH
Ois kształtu w rzestrzeni 2D Mirosław Głowacki Wydział Inżynierii Metali i Informatyki Przemysłowej AGH Krzywe Beziera W rzyadku tych krzywych wektory styczne w unkach końcowych są określane bezośrednio
Bardziej szczegółowoOGRANICZNIK PRĄDU ROZRUCHOWEGO DLA ELEKTROMAGNETYCZNEGO MODUŁU NAPĘDOWEGO Z SZYNAMI
Maszyny Elektryczne Zeszyty Problemowe Nr 3/2015 (107) 121 Jarosław Domin, Roman Kroczek Politechnika Śląska, Wydział Elektryczny, Katedra Mechatroniki OGRANICZNIK PRĄDU ROZRUCHOWEGO DLA ELEKTROMAGNETYCZNEGO
Bardziej szczegółowoWydział Elektryczny Katedra Elektrotechniki Teoretycznej i Metrologii. Instrukcja do zajęć laboratoryjnych z przedmiotu METROLOGIA
Politechnika Białostocka Wydział Elektryczny Katedra Elektrotechniki Teoretycznej i Metrologii Instrukcja do zajęć laboratoryjnych z rzedmiotu METOLOGIA Kod rzedmiotu: ESC 000 TSC 00008 Ćwiczenie t. MOSTEK
Bardziej szczegółowoAnaliza Algorytmów 2018/2019 (zadania na laboratorium)
Analiza Algorytmów 2018/2019 (zadania na laboratorium) Wybór lidera (do 9 III) Zadanie 1 W dowolnym języku programowania zaimplementuj symulator umożliwiający przetestowanie algorytmu wyboru lidera ELECT
Bardziej szczegółowoZbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki. Graniczne własności łańcuchów Markowa
Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Graniczne własności łańcuchów Markowa Toruń, 2003 Co to jest łańcuch Markowa? Każdy skończony, jednorodny łańcuch Markowa
Bardziej szczegółowoWYKŁAD 5 TRANZYSTORY BIPOLARNE
43 KŁAD 5 TRANZYSTORY IPOLARN Tranzystor biolarny to odowiednie ołączenie dwu złącz n : n n n W rzeczywistości budowa tranzystora znacznie różni się od schematu okazanego owyżej : (PRZYKŁAD TRANZYSTORA
Bardziej szczegółowoEntalpia swobodna (potencjał termodynamiczny)
Entalia swobodna otencjał termodynamiczny. Związek omiędzy zmianą entalii swobodnej a zmianami entroii Całkowita zmiana entroii wywołana jakimś rocesem jest równa sumie zmiany entroii układu i otoczenia:
Bardziej szczegółowoPracownia elektryczna i elektroniczna
Pracownia elektryczna i elektroniczna Srawdzanie skuteczności ochrony rzeciworażeniowej 1.... 2.... 3.... Klasa: Grua: Data: Ocena: 1. Cel ćwiczenia: Celem ćwiczenia jest zaoznanie ze sosobami srawdzania
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnoolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Koernika w Toruniu Wyższa Szkoła Informatyki i Ekonomii
Bardziej szczegółowoKonsumpcja. Powyższe założenia sprawiły, że funkcja konsumpcji Keynesa przyjmuje postać: (1) gdzie a > 0, 0 < c < 1
Konsumcja Do tej ory omawialiśmy różne modele analizujące wływ różnych zmiennych na krótko o długookresową równowagę w gosodarce. Nie koncentrowaliśmy się jednak na szczegółowym badaniu zachowania oszczególnych
Bardziej szczegółowoWykład 11: Martyngały: definicja, twierdzenia o zbieżności
RAP 412 14.01.2009 Wykład 11: Martyngały: definicja, twierdzenia o zbieżności Wykładowca: Andrzej Ruciński Pisarz:Mirosława Jańczak 1 Wstęp Do tej pory zajmowaliśmy się ciągami zmiennych losowych (X n
Bardziej szczegółowoHISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =
HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki
Bardziej szczegółowoJest to zasada zachowania energii w termodynamice - równoważność pracy i ciepła. Rozważmy proces adiabatyczny sprężania gazu od V 1 do V 2 :
I zasada termodynamiki. Jest to zasada zachowania energii w termodynamice - równoważność racy i cieła. ozważmy roces adiabatyczny srężania gazu od do : dw, ad - wykonanie racy owoduje rzyrost energii wewnętrznej
Bardziej szczegółowoPrawa wielkich liczb, centralne twierdzenia graniczne
, centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne
Bardziej szczegółowoIII. 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 szczegółowo21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126
Mocna własność Markowa procesu Wienera Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 21 maja, 2012 Mocna własność Markowa W = (W 1,..., W d ) oznaczać
Bardziej szczegółowoAlgorytmiczne aspekty teorii gier: Wykład 5
Algorytmiczne aspekty teorii gier: Wykład 5 Wykład prowadził dr hab. Igor Walukiewicz Notatki przygotował Dymitr Pszenicyn 02-04-2003 1 Spis treści 1 Przypomnienie 3 1.1
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne 6. Momenty zmiennych losowych Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 8.11.2018 1 / 47 Funkcje zmiennych losowych Mierzalna funkcja Y
Bardziej szczegółowoPodróże po Imperium Liczb
Podróże o Imerium Liczb Część 08. Liczby Mersenne a, Fermata i Inne Liczby Rozdział 5 5. Okresy rozwinięć liczb wymiernych Andrzej Nowicki 20 maja 2012, htt://www.mat.uni.torun.l/~anow Sis treści 5 Okresy
Bardziej szczegółowoModele sieciowe fizyki statystycznej i symulacje Monte Carlo. Katarzyna Sznajd-Weron
Modele sieciowe fizyki statystycznej i symulacje Monte Carlo Katarzyna Sznajd-Weron Perkolacja 2014 Katarzyna Sznajd-Weron Model erkolacji Model erkolacji : Każdy węzeł (wiązanie) sieci jest zajęty niezależnie
Bardziej szczegółowo4.2 Rozgrzewka, czyli Centralne Twierdzenie Graniczne
4.1 Wprowadzenie do modelowania Uwaga!!! Rzut monetą nie jest eksperymentem losowym. Znając warunki początkowe oraz wiedząc wszystko o otoczeniu, wyposażeni w znajomość zasad dynamiki jesteśmy w stanie
Bardziej szczegółowoInstrukcja do laboratorium z fizyki budowli. Ćwiczenie: Pomiar i ocena hałasu w pomieszczeniu
nstrukcja do laboratorium z fizyki budowli Ćwiczenie: Pomiar i ocena hałasu w omieszczeniu 1 1.Wrowadzenie. 1.1. Energia fali akustycznej. Podstawowym ojęciem jest moc akustyczna źródła, która jest miarą
Bardziej szczegółowoProcesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.
Procesy stochastyczne WYKŁAD 2-3 Łańcuchy Markowa Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi. Przykład Symetryczne błądzenie przypadkowe na prostej. 1 2 Łańcuchem
Bardziej szczegółowoRuletka czy można oszukać kasyno?
23 stycznia 2017 Ruletka czy można oszukać kasyno? M. Dworak, K. Maraj, S. Michałowski Plan prezentacji Podstawy ruletki System dwójkowy (Martingale) Czy system rzeczywiście działa? 1/22 Podstawy ruletki
Bardziej szczegółowoRachunek zdań. Prawa logiczne (tautologie) Tautologią nazywamy taką funkcję logiczną, która przy dowolnym podstawieniu wartości
Prawa logiczne (tautologie) Tautologią nazywamy taką funkcję logiczną, która rzy dowolnym odstawieniu wartości zmiennych jest zawsze rawdziwa. Zadaniem logiki jest m.in. oisanie tych schematów za omocą
Bardziej szczegółowoDyskretny proces Markowa
Procesy sochasyczne WYKŁAD 4 Dyskreny roces Markowa Rozarujemy roces sochasyczny X, w kórym aramer jes ciągły zwykle. Będziemy zakładać, że zbiór sanów jes co najwyżej rzeliczalny. Proces X, jes rocesem
Bardziej szczegółowoBeStCAD - Moduł INŻYNIER 1
BeStCAD - Moduł INŻYNIER 1 Ścianki szczelne Oblicza ścianki szczelne Ikona: Polecenie: SCISZ Menu: BstInżynier Ścianki szczelne Polecenie służy do obliczania ścianek szczelnych. Wyniki obliczeń mogą być
Bardziej szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Bardziej szczegółowoJak określić stopień wykorzystania mocy elektrowni wiatrowej?
Jak określić stoień wykorzystania mocy elektrowni wiatrowej? Autorzy: rof. dr hab. inŝ. Stanisław Gumuła, Akademia Górniczo-Hutnicza w Krakowie, mgr Agnieszka Woźniak, Państwowa WyŜsza Szkoła Zawodowa
Bardziej szczegółowoModele 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 szczegółowoZałóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę
Bardziej szczegółowoMECHANIK NR 3/2015 59
MECHANIK NR 3/2015 59 Bogusław PYTLAK 1 toczenie, owierzchnia mimośrodowa, tablica krzywych, srzężenie osi turning, eccentric surface, curve table, axis couling TOCZENIE POWIERZCHNI MIMOŚRODOWYCH W racy
Bardziej szczegółowoPracownia elektryczna i elektroniczna
Pracownia elektryczna i elektroniczna Srawdzanie skuteczności ochrony rzeciworażeniowej 1.... 2.... 3.... Klasa: Grua: Data: Ocena: 1. Cel ćwiczenia: Celem ćwiczenia jest zaoznanie ze sosobami srawdzania
Bardziej szczegółowoColoring the Cartesian sum of graphs
oloring the artesian sum o grahs Dorota Dawczyk MS V, sem IX Klasyczne (wierzchołkowe) kolorowanie grau - rzyorządkowywanie wierzchołkom grau liczb naturalnych w taki sosób, aby końce żadnej krawędzi nie
Bardziej szczegółowoStany materii. Masa i rozmiary cząstek. Masa i rozmiary cząstek. m n mol. n = Gaz doskonały. N A = 6.022x10 23
Stany materii Masa i rozmiary cząstek Masą atomową ierwiastka chemicznego nazywamy stosunek masy atomu tego ierwiastka do masy / atomu węgla C ( C - izoto węgla o liczbie masowej ). Masą cząsteczkową nazywamy
Bardziej szczegółowoBADANIE SILNIKA BEZSZCZOTKOWEGO PRĄDU STAŁEGO (BLDC)
BADANIE SILNIKA BEZSZCZOTKOWEGO PRĄDU STAŁEGO (BLDC) 1 Wrowadzenie Silnik bezszczotkowy rądu stałego (Rys. 1.) jest odowiednikiem odwróconego konwencjonalnego silnika rądu stałego z magnesami trwałymi
Bardziej szczegółowoZadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =
Matematyka ubezpieczeń majątkowych 0.0.006 r. Zadanie. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k 5 Pr( N = k) =, k = 0,,,... 6 6 Wartości kolejnych szkód Y, Y,, są i.i.d.,
Bardziej szczegółowoPOLITECHNIKA ŚLĄSKA. WYDZIAŁ ORGANIZACJI I ZARZĄDZANIA. Katedra Podstaw Systemów Technicznych - Podstawy Metrologii - Ćwiczenie 5. Pomiary dźwięku.
POITECHNIKA ŚĄSKA. WYDZIAŁ ORGANIZACJI I ZARZĄDZANIA. Strona:. CE ĆWICZENIA Celem ćwiczenia jest zaoznanie się z odstawowymi ojęciami z zakresu omiarów dźwięku (hałasu), odstawowymi zależnościami oisującymi
Bardziej szczegółowoJanusz Górczyński. Prognozowanie i symulacje w zadaniach
Wykłady ze statystyki i ekonometrii Janusz Górczyński Prognozowanie i symulacje w zadaniach Wyższa Szkoła Zarządzania i Marketingu Sochaczew 2009 Publikacja ta jest czwartą ozycją w serii wydawniczej Wykłady
Bardziej szczegółowoJ. Szantyr - Wykład nr 30 Podstawy gazodynamiki II. Prostopadłe fale uderzeniowe
Proagacja zaburzeń o skończonej (dużej) amlitudzie. W takim rzyadku nie jest możliwa linearyzacja równań zachowania. Rozwiązanie ich w ostaci nieliniowej jest skomlikowane i rowadzi do nastęujących zależności
Bardziej szczegółowoVII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w
Bardziej szczegółowoLista 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 szczegółowoProjekt 9 Obciążenia płata nośnego i usterzenia poziomego
Projekt 9 Obciążenia łata nośnego i usterzenia oziomego Niniejszy rojekt składa się z dwóch części:. wyznaczenie obciążeń wymiarujących skrzydło,. wyznaczenie obciążeń wymiarujących usterzenie oziome,
Bardziej szczegółowoPrzykładowe zadania z matematyki na poziomie podstawowym wraz z rozwiązaniami
8 Liczba 9 jest równa A. B. C. D. 9 5 C Przykładowe zadania z matematyki na oziomie odstawowym wraz z rozwiązaniami Zadanie. (0-) Liczba log jest równa A. log + log 0 B. log 6 + log C. log 6 log D. log
Bardziej szczegółowoĆwiczenia do wykładu Fizyka Statystyczna i Termodynamika
Ćwiczenia do wykładu Fizyka tatystyczna i ermodynamika Prowadzący dr gata Fronczak Zestaw 5. ermodynamika rzejść fazowych: równanie lausiusa-laeyrona, własności gazu Van der Waalsa 3.1 Rozważ tyowy diagram
Bardziej szczegółowoWykład 3 Jednowymiarowe zmienne losowe
Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej
Bardziej szczegółowoPrawa wzajemności Gaussa
Kamil Sikorski Prawa wzajemności Gaussa Pytanie 1. Dla jakich liczb ierwszych kongruencja x 2 a() ma rozwiązanie? 1. Theorema Aureum Celem tej części jest okazanie, że x 2 q() ma rozwiązanie ma je x 2
Bardziej szczegółowoĆwiczenie H-2 WPŁYW UKŁADU ZASILANIA NA MIKROPRZEMIESZCZENIA W DWUSTRONNEJ PODPORZE HYDROSTATYCZNEJ (DPH)
POLITECHNIKA ŁÓDZKA INSTYTUT OBABIAEK I TECHNOLOGII BUDOWY MASZYN Ćwiczenie H-2 Temat: WPŁYW UKŁADU ZASILANIA NA MIKOPZEMIESZCZENIA W DWUSTONNEJ PODPOZE HYDOSTATYCZNEJ (DPH) Konsultacja i oracowanie: Zatwierdził:
Bardziej szczegółowoMatematyk Ci powie, co łączy Eugeniusza Oniegina i gry hazardowe
Matematyk Ci powie, co łączy Eugeniusza Oniegina i gry hazardowe Empik każdego inspiruje inaczej Aleksander Puszkin (1799 1837) Andrey (Andrei) Andreyevich Markov (1856 1922) Wśród 20 tysięcy początkowych
Bardziej szczegółowoPrzykłady 6.1 : charakterystyki liczbowe rozkładów dyskretnych
Rachunek Prawdopodobieństwa MAP8 Wydział Matematyki, Matematyka Stosowana Przykłady 6. Wartość oczekiwana, wariancja, mediana, kwartyle rozkładu prawdopodobieństwa. Transformacje zmiennej losowej. Opracowanie:
Bardziej szczegółowoMODELOWANIE SYNCHRONIZACJI ODRYWANIA SIĘ PĘCHERZY GAZOWYCH Z DWÓCH SĄSIADUJĄCYCH CYLINDRYCZNYCH DYSZ
MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 40, s. 179-186, Gliwice 2010 MODELOWANIE SYNCHRONIZACJI ODRYWANIA SIĘ PĘCHERZY GAZOWYCH Z DWÓCH SĄSIADUJĄCYCH CYLINDRYCZNYCH DYSZ ROMUALD MOSDORF, TOMASZ WYSZKOWSKI
Bardziej szczegółowoGry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa
Kampus Ochota 18 kwietnia 2015 Gry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Andrey (Andrei)
Bardziej szczegółowoWYRÓWNOWAŻANIE MAS W RUCHU OBROTOWYM
CZASOPISMO INŻYNIERII LĄDOWEJ, ŚRODOWISKA I ARCHITEKTURY JOURNAL OF CIVIL ENGINEERING, ENVIRONMENT AND ARCHITECTURE JCEEA, t. XXXI, z. 61 (/14), kwiecień-czerwiec 014, s. 161-17 Dariusz SZYBICKI 1 Łukasz
Bardziej szczegółowo3. Kinematyka podstawowe pojęcia i wielkości
3. Kinematya odstawowe ojęcia i wielości Kinematya zajmuje się oisem ruchu ciał. Ruch ciała oisujemy w ten sosób, że odajemy ołożenie tego ciała w ażdej chwili względem wybranego uładu wsółrzędnych. Porawny
Bardziej szczegółowoGry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa
Po co nam matematyka? 7 kwietnia 2016 Gry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Empik
Bardziej szczegółowoAlgorytmy sztucznej inteligencji
www.math.uni.lodz.pl/ radmat Przeszukiwanie z ograniczeniami Zagadnienie przeszukiwania z ograniczeniami stanowi grupę problemów przeszukiwania w przestrzeni stanów, które składa się ze: 1 skończonego
Bardziej szczegółowoWYBÓR FORMY OPODATKOWANIA PRZEDSIĘBIORSTW NIEPOSIADAJĄCYCH OSOBOWOŚCI PRAWNEJ
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 667 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 40 2011 ADAM ADAMCZYK Uniwersytet Szczeciński WYBÓR FORMY OPODATKOWANIA PRZEDSIĘBIORSTW NIEPOSIADAJĄCYCH OSOBOWOŚCI
Bardziej szczegółowoMetody doświadczalne w hydraulice Ćwiczenia laboratoryjne. 1. Badanie przelewu o ostrej krawędzi
Metody doświadczalne w hydraulice Ćwiczenia laboratoryjne 1. adanie rzelewu o ostrej krawędzi Wrowadzenie Przelewem nazywana jest cześć rzegrody umiejscowionej w kanale, onad którą może nastąić rzeływ.
Bardziej szczegółowo1. Zadanie. Określmy zbiór A = {0, 1, 2, 3, 4}. Dla x, y A definiujemy: x jest w relacji R z y (zapisujemy xry, lub (x, y) R) x + y 3
1. Zadanie. Określmy zbiór A = {0, 1, 2, 3, 4}. Dla x, y A definiujemy: x jest w relacji R z y (zaisujemy xry, lub (x, y) R) x + y 3 (a) Ile ar (x, y) należy do relacji R? (b) Czy relacja R jest zwrotna?
Bardziej szczegółowoTERMODYNAMIKA OGNIWA GALWANICZNEGO
Ćwiczenie nr 3 ERMODYNAMIKA OGNIWA GALWANICZNEGO I. Cel ćwiczenia Celem ćwiczenia jest wyznaczenie zmian funkcji termodynamicznych dla reakcji biegnącej w ogniwie Clarka. II. Zagadnienia wrowadzające 1.
Bardziej szczegółowoZapis pochodnej. Modelowanie dynamicznych systemów biocybernetycznych. Dotychczas rozważane były głownie modele biocybernetyczne typu statycznego.
owanie dynamicznych systemów biocybernetycznych Wykład nr 9 z kursu Biocybernetyki dla Inżynierii Biomedycznej rowadzonego rzez Prof. Ryszarda Tadeusiewicza Dotychczas rozważane były głownie modele biocybernetyczne
Bardziej szczegółowoWykład 7. Informatyka Stosowana. 21 listopada Informatyka Stosowana Wykład 7 21 listopada / 27
Wykład 7 Informatyka Stosowana 21 listopada 2016 Informatyka Stosowana Wykład 7 21 listopada 2016 1 / 27 Relacje Informatyka Stosowana Wykład 7 21 listopada 2016 2 / 27 Definicja Iloczynem kartezjańskim
Bardziej szczegółowoŚr Kin Ruchu Postępowego. V n R T R T. 3 3 R 3 E R T T k T, 2 N 2 B
Termodynamika Podstawowy wzór kinetyczno-molekularnej teorii budowy materii W oarciu o założenia dotyczące właściwości gazu doskonałego (molekuły to unkty materialne ozostające w ciągłym termicznym ruchu,
Bardziej szczegółowo2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.
Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.
Bardziej szczegółowo