Prawdopodobieństwo warunkowe. Niezależność zdarzeń
|
|
- Krzysztof Maj
- 7 lat temu
- Przeglądów:
Transkrypt
1 RCHUNEK RWDOODOIEŃSTW WYKŁD. rwopoobeństwo wruowe. Nezleżość zrzeń rzył. Rzucmy rz symetryczą sześceą ostą. e zrzee {, 4, 6} - wypł przyst lczb ocze m szsę zjśc rówą 0,5. Zobylśmy formcję, że wypły jwyżej trzy ocz zrzee {,, 3}.
2 Ztem możemy oceć, że szs otrzym przystej lczby ocze gy wemy, że e wypły węcej ż trzy ocz wyos zwężee przestrze probblstyczej o { } {,,3} 3
3 lub zeląc lcz mow przez Ω {,,3,4,5,6 } 6 { } {,,3} {,4,6} {,,3} {,,3} {,4,6} {,,3} {,,3,4,5,6} {,,3} {,,3,4,5,6} 3
4 Ztem uzyse formcj o zjścu zrze zme oceę szsy zjśc zrze te zrze późej oreślmy jo zleże. 4
5 Gybyśmy tomst uzysl formcję, że wypły jwyżej cztery ocz zrzee C {,, 3, 4} to szs otrzym przystej lczby ocze gy wemy, że e wypły węcej ż cztery ocz wyos też 0,5. 5
6 Ztem uzyse formcj o zjścu zrze C e zme ocey szsy zjśc zrze te zrze późej oreślmy jo ezleże. 6
7 Jeśl > 0, S to oreślmy prwopoobeństwo wruowe owolego zrze po wruem, że zszło zrzee : S sząc > 0. bęzemy omyśle złć, że 7
8 Włsość. Jeśl Ω,S, jest przestrzeą probblstyczą > 0, S to * * Ω, S, gze, S przestrzeą probblstyczą. jest róweż 8
9 9 Dowó. I S >, 0 0, 0, * bo II, * Ω Ω bo III,,... - zrze prm wyluczjące sę * * U U U
10 Uwg. wy z oreśle. oobe 0
11 owyższy wzór moż uogólć stępująco: Nech... 0 wtey... >
12 rzył. Sygł przechoz przez trzy stcje przeźowe. erwszy przeź przezuje sygł z prwopoobeństwem 0,9. Drug przeź przezuje sygł otrzymy z perwszego przeź z prwopoobeństwem 0,8. Trzec przezuje sygł otrzymy z pośrectwem perwszego rugego przeź z prwopoobeństwem 0,5. Je jest prwopoobeństwo otrc sygłu? Nech - -ty przeź przezł sygł. Nleży oblczyć 3. Korzystmy ze wzoru prwopoobeństwo loczyu trzech zrzeń 3 3 0,9 0,8 0,5 0,36
13 Twerzee o prwopoobeństwe cłowtym Nech zrze,,...,, spełją wru:,,...,, są prm wyluczjące sę,... Ω o tm ułze zrzeń mówmy, że jest zupeły > 0,,,...,. wtey l owolego zrze... 3
14 4 Dowó. Z złoże o ułze zupełym efcj prwopoobeństw wruowego mmy U
15 Twerzee yes Nech zrze,,...,, spełją wru poprzeego twerze. wtey l owolego zrze tego, że > 0 mmy: 5
16 6...
17 Uwg. Neey prwopoobeństwo wruowe zyw sę prwopoobeństwem posteror po ośwczeu w oróżeu o zywego prwopoobeństwem pror prze ośwczeem. 7
18 Thoms yes brytyjs mtemty uchowy prezbterńs, zy ze sformułow opublowego pośmerte twerze yes, tóre to zpoczątowło zł sttysty. 8
19 rzył W ure perwszej jest 7 ul błych 3 czre. W ure rugej są 4 ule błe 6 czrych. Rzucmy ostą, jeśl wype lczb ocze pozel przez 3 to losujemy jeą ulę z perwszej ury, w przecwym przypu losujemy jeą ulę z rugej ury. Je jest prwopoobeństwo wylosow ul błej? b Wylosow ul ozł sę bł, je jest prwopoobeństwo, że wylosowo ją z perwszej ury? 9
20 - losowe z tej ury, /3, /3, - wylosow ul błej, 0,7 0,4 0
21 Z twerze o prwopoobeństwe cłowtym mmy 3 0,7 3 0,4 0,5
22 b Z twerze yes mmy 0,7 3 0,5 7 5
23 Zrze są ezleże gy, S 3
24 Zuwżmy, że jeśl zrzee jest ezleże o zrze to 4
25 5 Ogóle. Zrze,..., są ezleże, jeśl,
26 6 W szczególośc l 3. Zrze,, C są ezleże, jeśl C C C C C C
27 Uzupełe. oższy przył pozuje, że przy bu wpływu jeego zrze e lczy sę e ft jego fzyczego zjśc lecz uzyse formcj o jego wyu. 7
28 rzył. W puełu mmy > żrówe obrych w żrówe wlwych. Losowo wycągmy jeą żrówę ołmy ją poz pueło bez oglą po czym losujemy stępą. Je jest prwopoobeństwo wylosow z rugm rzem obrej żrów. 8
29 D - zrzee polegjące wylosowu z - tym rzem obrej żrów,,. W - zrzee polegjące wylosowu z - tym rzem wlwej żrów,,. 9
30 30 Z twerze o prwopoobeństwe cłowtym mmy D w w w w w w w w w w w w W W D D D D D
31 rwopoobeństwo "przyszłych" zrzeń. Jeśl w wyu ośwcze wemy, że zszło zrzee stępe bęze wyoe oleje ośwczee w wyu, tórego może zjść zrzee to z twerze o prwopoobeństwe cłowtym mmy 3
32 3 Uzsee. rzesztłcjąc prwą stroę otrzymmy Ω U U
33 rzył. W I puełu mmy > żrówe obrych b żrówe wlwych. W II puełu mmy c > żrówe obrych żrówe wlwych. Njperw rzucmy moetą symetryczą, jeśl wype orzeł losowo wycągmy jeą żrówę z I pueł, w przecwym przypu wycągmy jeą żrówę z II pueł. Wylosow w te sposób żrów ozł sę obr. Nstępe losujemy rugą żrówę z tego smego pueł. Je jest prwopoobeństwo wylosow z rugm rzem obrej żrów. 33
34 - zrzee polegjące wylosowu - tej ury,,. - zrzee polegjące wylosowu z perwszym rzem obrej żrów, - zrzee polegjące wylosowu z rugm rzem obrej żrów, 34
35 35 0,5 ; c c b c c c c b b ;
36 ; b c c 36
37 37 Ztem c c b c c c c b b c c c c b c c b c c b b
38 roblem ruy grcz. W jeej prt grcz wygryw o grcz zł z prwopoobeństwem p lub przegryw zł z prwopoobeństwem q - p. oczątowo grcz m złotych, grcz m - złotych. Gr ończy sę gy jee z grczy zoste zrujowy. 38
39 p - prwopoobeństwo, 0,,...,..że e zoste zrujowy gy m początowo złotych. Oczywśce p 0 0; p. 39
40 Ze wzoru prwopoobeństwo cłowte mmy p p p p p,,..., Zpszmy tą rówość w postc p p p p p p p stą ztem cąg p p p p p p p p jest cągem geometryczym o lorze q p p. Jeśl p 0, 5 jest to cąg stły o wyrzch rówych p. Stą p p soro p to p / orz p b jeśl p 0, 5 jest to sum wyrzów cągu p,,..., wyos q... p q q... q p q z rugej stroy q 40
41 4 p p p p p p p p p stą q q p p,...,, Wrtość p wyzczmy z wruu p postwmy. Stą q q p co osttecze je p p p p q q p,...,,
Od wzorów skróconego mnoŝenia do klasycznych nierówności
Hery Pwłowsi IV LO Toruń O wzorów sróoego moŝei o lsyzyh ierówośi Uzą w szole wzorów sróoego moŝei zzymy o owozei wóh toŝsmośi: () ( ) () ( ) Nstępie uŝywmy ih o przesztłi wyrŝeń Tym rzem zrómy z ih iy
Bardziej szczegółowo. Wtedy E V U jest równa
Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo
Bardziej szczegółowoZadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.
Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer
Bardziej szczegółowoN ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.
3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy
Bardziej szczegółowo4. Rekurencja. Zależności rekurencyjne, algorytmy rekurencyjne, szczególne funkcje tworzące.
4. Reurecj. Zleżości reurecyje, lgorytmy reurecyje, szczególe fucje tworzące. Reurecj poleg rozwiązywiu problemu w oprciu o rozwiązi tego smego problemu dl dych o miejszych rozmirch. W iformtyce reurecj
Bardziej szczegółowoWykład 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 szczegółowoAutomatyka 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 szczegółowoRozkłady 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 szczegółowoMetody numeryczne w przykładach
Metody umerycze w przyłdch Podręcz Poltech Lubels Poltech Lubels Wydzł Eletrotech Iformty ul. Ndbystrzyc 38A -68 Lubl Bet Pńczy Edyt Łus J Sor Teres Guz Metody umerycze w przyłdch Poltech Lubels Lubl Recezet:
Bardziej szczegółowoma 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 szczegółowo1.4. STAN ODKSZTAŁCENIA STRONA GEOMETRYCZNA
.4. STAN ODKSZTAŁCENA STRONA GEOMETRYCZNA.4.. Wetor przemeszcze Rozwżmy bryłę (cło mterle) o dowolym sztłce meszczoą w prostoątym łdze odese O (rys. ) Rys. gdze ozcz położee (mesce) pt mterlego w tym łdze,,,
Bardziej szczegółowoIndukcja matematyczna
Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya
Bardziej szczegółowoWykład 9: Różne rodzaje zbieżności ciągów zmiennych losowych. Prawa wielkich liczb.
Rchuek prwopoobieństw MA1181 Wyził T, MS, rok k. 2013/14, sem. zimowy Wykłowc: r hb. A. Jurlewicz Wykł 9: Róże rozje zbieżości ciągów zmieych losowych. rw wielkich liczb. Zbieżość z prwopoobieństwem 1:
Bardziej szczegółowoRównania 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 szczegółowoAlgebra macierzowa i inne takie (krótka i prowizoryczna powtórka
lgebr mcerzow e te (rót prowzorycz powtór (uwg: tutj jest ezupełe osewet otcj tj. mcerze czsem są pogruboe czsem ursywe (tlcs) proszę sę e przejmowć t po prostu wyszło) PEWNE WZNE OPERCJE MCIERZOWE ozcz
Bardziej szczegółowoSTATYSTYKA OPISOWA WYKŁAD 3,4
STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s
Bardziej szczegółowoWYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ
ĆWICZENIE 9 WYZNACZANIE OGNISKOWEJ SOCZEWEK CIENKICH ZA POMOCĄ ŁAWY OPTYCZNEJ Opis kł pomirowego A) Wyzzie ogiskowej sozewki skpijąej z pomir oległośi przemiot i obrz o sozewki Szzególie proste, rówoześie
Bardziej szczegółowoMACIERZE 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 szczegółowo2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a
Ciągi liczbowe Defiicj Fukcję : N R zywmy iem liczbowym Wrtość fukcji () ozczmy symbolem i zywmy -tym lub ogólym wyrzem u Ciąg Przykłdy Defiicj róŝic zpisujemy rówieŝ w postci { } + Ciąg liczbowy { } zywmy
Bardziej szczegółowoCIĄGI LICZBOWE. Naturalną rzeczą w otaczającym nas świecie jest porządkowanie różnorakich obiektów, czyli ustawianie ich w pewnej kolejności.
CIĄGI LICZBOWE Nturlą rzeczą w otczjącym s świecie jest porządkowie różorkich obiektów, czyli ustwiie ich w pewej kolejości. Dl przykłdu tworzymy różego rodzju rkigi, p. rkig jlepszych kierowców rjdowych.
Bardziej szczegółowoCollegium Novum Akademia Maturalna
Collegium Novum Akdemi Mturl wwwcollegium-ovumpl 0- -89-66 Mtemtyk (GP dt: 00008 sobot Collegium Novum Akdemi Mturl Temt 5: CIĄGI Prowdzący: Grzegorz Płg Termi: 0007 godzi 9:00-:0 8 Zdie Które wyrzy ciągu
Bardziej szczegółowo( ) ( ) ( ) ( ) ( ) ( )
,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau
Bardziej szczegółowoPodprzestrzenie macierzowe
Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka matematyczna.
Rchunek rwdoodobieństw i sttystyk mtemtyczn. Zd 8. {(, : i } Zleżność tą możn rzedstwić w ostci nstęującej interretcji grficznej: Arkdiusz Kwosk Rfł Kukliński Informtyk sem.4 gr. Srwdźmy, czy odne zmienne
Bardziej szczegółowoJEDNOWYMIAROWA ZMIENNA LOSOWA
JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:
Bardziej szczegółowo11. 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 szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu o gęstości
Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc
Bardziej szczegółowoNadokreślony Układ Równań
Mchł Pzos Istytut echolog Iforcyych Iżyer Ląoe Wyzł Iżyer Ląoe Poltech Kros Noreśloy Uł Róń Z oreśloy ułe loych róń lgebrczych y o czye sytuc, gy lczb loo ezleżych róń est ęsz ż yr przestrze (lczb zeych).
Bardziej szczegółowo5. Zadania tekstowe.
5. Zni tekstowe. Przykł. Kolrz połowę rogi pokonł ze śrenią prękością 0 km/, rugą połowę z prękością 50 km /. Wyzncz śrenią prękość kolrz n cłej trsie. nliz : pierwsz połow rogi rug połow rogi 0 km/ prękość
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA
STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze
Bardziej szczegółowoR, R, R n itd. przestrzenie wektorowe, których elementami są wektory określone przez długość, kierunek i zwrot.
WYKŁAD. PRZESTRZENIE AFINICZNE, PROSTA. PŁASZCZYZNA. E PRZESTRZENIE AFINICZNE y P(,, c) x z E, E, E d. - rzesrzee ukoe, kórych elemem są uky ose rzy omocy sółrzędych, j. ukłdó lcz rzeczysych osc (, ),
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby
Bardziej szczegółowoWstęp do prawdopodobieństwa. Dr Krzysztof Piontek. Literatura:
Studum podyplomowe altyk Fasowy Wstęp do prawdopodobeństwa Lteratura: Ostasewcz S., Rusak Z., Sedlecka U.: Statystyka elemety teor zadaa, kadema Ekoomcza we Wrocławu 998. mr czel: Statystyka w zarządzau,
Bardziej szczegółowoSzeregi trygonometryczne Fouriera. sin(
Szrg rygoomryz Fourr / Szrg rygoomryz Fourr D js ukj: s os Pożj pod są włsoś ukj kór wykorzysmy w późjszym zs Ozzmy przz zę zspooą pos: Wówzs s os orz os s Fukję zpsujmy w pos: s s os os os u os W szzgóoś
Bardziej szczegółowoZadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84
Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,
Bardziej szczegółowoZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ
ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem
Bardziej szczegółowoRozpraszania twardych kul
Wyłd XVIII Rozprszn twrdych u Rozwżmy oddzływne twrdych u opsywne potencjłem V r r Ponewż potencjł jest seryczne symetryczny uncję ową możn zpsć w postc ( r Cm R Ym( m gdze Ym( to hrmon seryczne Rozprszne
Bardziej szczegółowoŻ ż Ł ż ż ż Ż Ś ż ż ż Ł Ż Ż ć ż Ż Ż Ż Ń Ż Ź ż Ź Ź ż Ż ż ż Ż Ł Ż Ł Ż ż Ż ż Ż Ż Ń Ą Ż Ń Ż Ń ć ż Ż ź Ś ć Ł Ł Ź Ż Ż ż Ł ż Ż Ł Ż Ł ź ć ż Ż Ż ż ż Ó ż Ł Ż ć Ż Ż Ę Ż Ż Ż ż Ż ż ż Ś ż Ż ż ż ź Ż Ń ć Ż ż Ż Ż ż ż ż
Bardziej szczegółowoŚ Ł Ą Ś Ś ź Ś ń ż ż Ó ż ż Ś Ł ż ń ń ń ż ń Ś ń ć ŚĘ Ó Ł Ę Ł Ś Ę Ę ń ń ń ń ń Ź ń ń ń ń ń ż ń ń ń ń ń Ę ż ż ć Ść ń ń ż Ń ż ż ń ń Ś Ą ń Ś ń ń ż Ó ż Ź ń ż ń Ś Ń Ó ż Ł ż Ą ź ź Ś Ł ć Ś ć ż ź ż ć ć Ę Ó Ś Ó ż ż
Bardziej szczegółowoŁ Ł Ś Ę ź ń ź ź Ś Ę Ę Ś Ą Ś Ę Ż Ł ń Ę Ś ć ć ń ć ń ń ń ź ń Ę ź ń ń ń ź ź Ś ź ź ć ń ń ń ń Ś ć Ś ń ń Ś ź ń Ę ń Ś ź ź ź ź ź Ę Ę Ę Ś ń Ś ć ń ń ń ń ń ń Ę ń ń ń ń ć ń ń ń ń ć ń Ś ć Ł ń ń ń ć ń ć ź ń ź ć ń ń ć
Bardziej szczegółowoŁ Ł Ś ź ń ź ź ź Ś Ł Ę Ę Ś ż Ś ń Ą Ś Ą Ł ż ż ń ż ć ż ż ż ź ż ć ź Ę Ę ń ć ż Ł ń ż ż ż Ś ż Ś ż ż ż ż ż ż ż ń ń ż ż ż ć ż ń ż ń ź ż ć ż ż ć ń ż Ę Ę ć ń Ę ż ż ń ń ź Ę ź ż ń ż ń ź ż ż ż ń ż ż ż ż ż ż ż ż ń ń
Bardziej szczegółowoRównania rekurencyjne
Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,
Bardziej szczegółowoa a = 2 S n = 2 = r - constans > 0 - ciąg jest malejący q = b1, dla q 1 S n 1 CIĄGI jest rosnący (niemalejący), jeżeli dla każdego n a n
CIĄGI ciąg jest rosący (iemlejący), jeżeli dl kżdego < ( ) ciąg jest mlejący (ierosący), jeżeli dl kżdego > ( ) ciąg zywmy rytmetyczym, jeżeli dl kżdego r - costs - r > 0 - ciąg rosący - r 0 - ciąg stły
Bardziej szczegółowo( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.
Elementy rchunku prwdopodoeństw f 0 f() - gęstość rozkłdu prwdopodoeństw X f d P< < = f( d ) F = f( tdt ) - dystryunt rozkłdu E( X) = tf( t) dt - wrtość średn D ( X) = E( X ) E( X) - wrncj = f () F ()
Bardziej szczegółowoMatematyka dyskretna. 10. Funkcja Möbiusa
Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1
Bardziej szczegółowo3.1. Ciągi liczbowe - ograniczoność, monotoniczność, zbieżność ciągu. Liczba e. Twierdzenie o trzech ciągach.
WYKŁAD 6 3 RACHUNEK RÓŻNICZKOWY I CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ 31 Ciągi liczbowe - ogriczoość, mootoiczość, zbieżość ciągu Liczb e Twierdzeie o trzech ciągch 3A+B1 (Defiicj: ieskończoość) Symbole,,
Bardziej szczegółowoUWAGI 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 szczegółowoTeoria i metody optymalizacji
Sforułowae owae zaaa otyalzacj elowej bez ograczeń: Fukcja celu f( : Zaae otyalzacj olega a zalezeu wektora zeych ecyzyjych aleŝącego o zboru rozwązań ouszczalych R takego Ŝe la R Co jest rówozacze zasow:
Bardziej szczegółowoProgramowanie z więzami (CLP) CLP CLP CLP. ECL i PS e CLP
Progrmowie z więzmi (CLP) mjąc w PROLOGu: p(x) :- X < 0. p(x) :- X > 0. i pytjąc :- p(x). dostiemy Abort chcelibyśmy..9 CLP rozrzeszeie progrmowi w logice o kocepcję spełii ogriczeń rozwiązie = logik +
Bardziej szczegółowon R ZałóŜmy, Ŝe istnieje d, dla którego: Metody optymalizacji Dr inŝ. Ewa Szlachcic otwarte otoczenie R n punktu x, Ŝe
Sforułowae owae zaaa otyalzacj elowej bez ograczeń: Fukcja celu f() : Zaae otyalzacj olega a zalezeu wektora zeych ecyzyjych aleŝącego o zboru rozwązań ouszczalych R takego Ŝe la R Co jest rówozacze zasow:
Bardziej szczegółowoAlgebra 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 szczegółowoObliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?
Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)
Bardziej szczegółowoNiezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe
Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem
Bardziej szczegółowoĆWICZENIE ANALIZA SITOWA I PODSTAWY OCENY GRANULOMETRYCZNEJ SUROWCÓW I PRODUKTÓW
1 ĆWICZENIE ANALIZA SITOWA I PODSTAWY OCENY GANULOMETYCZNEJ SUOWCÓW I PODUKTÓW 1. Cel zkres ćwczen Celem ćwczen jest opnowne przez studentów metody oceny mterłu sypkego pod względem loścowej zwrtośc frkcj
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi o tym samym 2 x
Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka
Bardziej szczegółowoć Ń Ż Ł ć ć Ś ź ŚĆ Ą ć ź ć ć Ż Ś ź Ą ć Ń Ć Ć ć ć Ą ć źć Ń Ł Ł Ł ź ć Ą ź Ś ź ć Ń Ń ć Ć Ć ź Ś ź ć Ś Ś Ł ź Ś Ś ź ć ź ć Ś ć Ś ć ć Ż ć Ż ź ź Ą ć Ł Ń Ć ć Ż Ś ć ć ć ć Ś ć ć ć Ą ć ć ź ć ć ć ć ć Ń Ż Ż Ż Ż Ś ć Ą
Bardziej szczegółowoŚ ć ć Ż ć ć Ż ć ć ć ć ć Ę Ź Ż Ż ć Ę ć Ę Ź Ź Ó ć ć Ź ć Ó Ś ć Ź Ę Ę Ę ć Ń ć Ś ć Ż ć Ę Ę ć Ż Ł ź Ź Ś Ą ć Ą Ą ć Ą Ę ć ć Ę ć ć ć Ż ć Ź Ą Ł ć ć ć ć Ę ć Ź ć Ź ć Ą ć Ą ć ć ć ć Ą ć Ą ć Ż Ą ć ć ć ć ć ć Ść ć źć Ę
Bardziej szczegółowoĘ Ę ć Ó ć ć Ń ź ź Ó Ć Ó ć ć ź ź ć ć ć Ń ć Ó ć ć ć ć Ó Ó ć Ó ć ć Ó Ę Ó ÓÓ Ę ć Ó ć ć Ó ć ć Ó Ę ć Ć Ó Ź Ę Ó Ó Ó ć Ó ź Ó ź Ń Ę Ó Ę Ę Ę ć ć Ć ć Ę Ę Ó Ó Ó ć ź Ń ć Ź ć ź ć ć Ę ć Ę ć ź ć Ó Ó Ę ć ć ć ź ć Ę ć Ź
Bardziej szczegółowoŁ Ś ÓŻ Ż Ż Ż Ż Ś Ś Ę Ł ć Ą ŚĆ Ś Ą ć Ą Ś Ą Ś ź ć ź ć ć Ą ć Ą Ń ź ź ć Ą ć ć Ą ź Ę Ś Ą ź Ś ź Ą Ą ć Ę ć ź Ą ć Ą ć ć ć Ą Ą Ą Ą ŚĆ Ść ć Ń Ś ć ć Ę Ź ć Ę Ń ć Ć ć ć ć ć Ę Ń ć ć ć Ł ć Ą ć Ą Ą Ę Ć źć ć Ś ź Ę Ą Ś
Bardziej szczegółowoÓ Ę Ę ź ź ź Ź ź ź ź Ż Ś Ś Ż Ś ź ź Ó Ś Ż ź ć Ść Ź Ż ć Ż Ć ć ź Ź Ź Ó Ś ć ć Ż Ć Ś ć ź Ż ć Ść ć ć Ż Ś Ż ć Ż ź ć ź Ż ź ć ć Ś Ź Ż ć ć ć ć ć Ś Ś Ż ź Ę Ś Ś Ś Ż ć ź ć ć ć Ż Ż ć ć Ż Ź ć Ś Ś Ś Ś Ź Ó Ś Ś ć Ś ć Ć ź
Bardziej szczegółowoż Ą ż Ó Ę Ś ć ż ć ż ć Ś ż Ś ż Ń ż ż Ź ż Ź ż Ą Ś ż ć ć Ś Ą ż ż ż ź ż ż Ń Ę ż ż ć Ń ż Ń ż ż ź ż ż ż ż ż ź Ś ż ż ź ż Ś Ś ż ź ź ż ź Ą ż Ź ż ź ź Ź ź Ź ź ż Ź ż ź Ę ż ż Ę ż Ó Ń ż ź ć ż ź ż Ę ż ć ż ź ź ź ż ż
Bardziej szczegółowoĘ Ś ź Ę Ę ć ć ź ć ć ć ć ć źć ć ć ć ć Ź ź Ś ć Ł Ę ć ć Ą ź ć Ó Ł ź ć ć Ź Ł ć ć ć ć ć ć ć ź ć ć ć ć ź Ź ć ź ć ć ź ć ź Ź Ź ź ź ź Ś ź ź ć ć Ś Ę ć ź ć ć Ś ć ć ć ć ź ź ć ź ć ć ć Ź Ź ć Ś Ę ć Ć ć ź ć Ę ć ć ć ć
Bardziej szczegółowoŁ Ę Ł Ż ż Ń Ą Ó Ó ż Ś Ź ć ż ż ć Ć ż Ż ć Ó ż Ś Ó Ś ż Ó ż Ś ć ć Ż Ł ż ż ż ć ć ż Ó Ó Ę Ż Ó Ż ż Ó ż Ó Ź Ż ż Ó Ó ć Ó ż ż ć ż Ś Ż ć Ó ż Ś Ś ż ć ć Ó ż Ó Ó ż Ź Ę Ł Ż Ł Ź Ż ż Ó ż ż ż ż Ż ż ż Ż ż Ł ć Ż ż Ż ż Ó Ż
Bardziej szczegółowoć Ł ć ć ź Ą ć ć ć źć Ź Ź ŹĆ ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć Ą ć Ł ć ć ć ć ć ć ć ŚĆ Ś ź ć ć ć Ć Ó Ć ć Ą Ł Ł Ł ź Ś Ł ć ć Ą Ą ź ć ć Ą ć ź ć ź ź ć ź ź Ą Ą Ń ć ź Ł ć Ć ć ź ć Ś ć ć ć ć ć ć ć Ś ć ć ć ć
Bardziej szczegółowoŁ Ł Ź Ź ź ź ć ź ć Ę Ź Ś Ś ć ć Ś ć ć ć Ź ć źć ć ć ć ć Ź ć ć ć ć ć ć ź ć Ś ć ć Ą ć Ź ć Ś Ó Ź Ś ź ć ź Ś ć Ł Ą ć ć ć ć Ź Ź ć Ź ć ć ć Ź ź ć ć ć ć ć Ś ć ć ć ć ć Ł ć Ś ć Ź Ź Ź ć ć Ś Ś ć ć ć ź Ą ć ć ć ć ć ć ć
Bardziej szczegółowoń ć ć ń Ń ź ć ć ć ć ź ć ć ń ć źć ń ź ć ć ć ć ć Ę ć ń ć ć ć Ę ź ń ń ć ć ń ć ć ć ć ć ć ć ć ć ć ń ć ź ć ć ć ć ź ć ń ć ć ć ń ć ć ć Ń ć ź ć ć ń ć ć ć ć ć ć ć ć ć ć ź ć ć ć ć ć ć ć ć ź Ń ń ź ń ć ń ć ć ć Ę ć
Bardziej szczegółowoÓ ż ń Ą ź ń ż ć Ó ń ć Ć Ą ż Ą ć Ł Ę Ę Ą ć Ó ź ć ć ć ń Ń Ą ć ć ż Ó ź Ł Ł Ę ć ż ć Ę Ł ć Ń Ą Ł Ł Ę Ł ć ż ż ż Ł ć ć Ę Ń Ę Ą ń Ą ń ń ż ż ń ż ź Ń ź ć ź ń Ó ń ć Ł Ą Ą ż ż ć Ó Ł ć ć ź Ó ź ź Ę ć ć ń źć Ą ż Ą ż
Bardziej szczegółowoĆ Ć Ą ź ń ć ń Ź ń ć Ą ć ć ć Ę ć ń Ą Ą ź ń ź ń ń Ę ń ć ć Ę Ę ć Ę Ź Ź Ą Ę ń ń ń Ę ń ń Ą ń ń Ą Ą Ć Ą ć ń ć ń ć Ć ń ń Ą ń Ą Ą ć ć ź ź Ź ć ń ń Ą ń ń ń Ę Ą ć ń Ą ć Ą Ę ć ć Ę ń Ć Ę ń Ą Ź Ę ń Ę ń ń ć ć Ń ń Ą ń
Bardziej szczegółowoŁ Ż ć Ę Ę Ę Ę Ż Ę Ź ć ć ć Ł Ż ć Ę ć Ł ć Ę ź Ż ć Ę ć ć Ł Ł ć ź Ż Ż Ż ć ć Ż ć ć ć ć ć ć ć ć ć ć ć ć ć Ś ć ć Ę Ę Ł ć Ś ć Ł Ż Ę ć ć ć Ż Ż Ę Ł Ę ć Ę ć ć ć ć ć Ę ć ć ć Ł ź Ż Ę Ż Ż ć Ę źć źć ź Ż Ł ć ć ć Ż Ę ź
Bardziej szczegółowoCiągi liczbowe podstawowe definicje i własności
Ciągi liczbowe podstwowe defiicje i włsości DEF *. Ciągiem liczbowym (ieskończoym) zywmy odwzorowie zbioru liczb turlych w zbiór liczb rzeczywistych, tj. :. Przyjęto zpis:,,...,,... Przy czym zywmy -tym
Bardziej szczegółowoMatematyka Dyskretna cz. II
Mtemty Dysret cz. II Cigi liczbowe iducj reurecj rówi róicowe grfy ombitory fucje tworzce. Zdi dl studetów iformtyi. Ktrzy Lubuer Mri Wols Cigi liczbowe iducj mtemtycz. Oblicz: ) 5! b) c). Oblicz:! 7!
Bardziej szczegółowoKomputerowe generatory liczb losowych
. Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -
Bardziej szczegółowoRamowy program laboratorium z metod numerycznych. Skrócone instrukcje do ćwiczeń laboratoryjnych.
Rmowy progrm lbortorum z meto umeryczyc. Srócoe strucje o ćwczeń lbortoryjyc. erm Nr emty Wprowzee, zsy zlcze, regulm, BHP tp. Ćw. Błęy. czby zmeoprzecowe IEEE 754. Epslo mszyowy Ćw. Rozwązywe ułu rówń
Bardziej szczegółowoPermutacje. } 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 szczegółowonazywamy n -tym wyrazem ciągu ( f n
Rk II Temt 7 SZEREGI FUNKCYJNE SZEREG POTĘGOWY SZEREG TAYLORA Ciąg ukcyjy Szeregi ukcyje Zbieżść jedstj Szereg ptęgwy Prmień zbieżści szeregu ptęgweg Szereg Tylr Ciąg ukcyjy Niech U zcz iepusty pdzbiór
Bardziej szczegółowoWYKŁAD nr Wielomian M (s) ma pierwiastki wielokrotne oraz równe zero
WKŁD nr. Welomn m perwt welorotne orz równe zero J zznczono poprzeno ążąc o uogólnen wzorów umożlwjących przetwene opowez elementów utomty opnego owolną trnmtncją przy owolnym ygnle wymuzjącym wprowzono
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoć ć ź ć ć ć Ź ź Ź ź
ć Ż Ż ć ć ć ź ć ć ć Ź ź Ź ź ć ź ć ź ć ź ź ź ź ź ź ź ć ć ź ć źć ć ć ć ć ć ć ć ć ć ć ź ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ź ć ć ć ź ć ć ć ć Ź ć ć ć Ó Ż ć ć Ź ć ć ć ć ć ć ć ć ć ć ć Ź ć ź ć ć ć ć ź ć ć ć
Bardziej szczegółowo1. Relacja preferencji
dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta
Bardziej szczegółowoŻ ć ź ć ć ź Ż Ż Ł Ż ć Ż Ż Ż ć Ł Ż ć ć ć ź Ż Ż Ż Ż Ż Ż ć ć ź Ż ć ć ć ź Ż Ż ć Ż Ż źć ć Ż Ż Ż ć Ż Ż Ż Ż Ś ć Ż ć Ł Ż Ł ć Ą Ż Ł ć Ż ć Ż Ż Ż ć ć ć Ż Ż Ż Ż Ż Ż Ł ć Ł Ż ź ć Ż Ż Ż ć ć ć ć ć Ż Ż Ą Ż Ż Ż ć Ż Ż ć
Bardziej szczegółowo5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy
5. Maszyna Turnga = T Q skończony zór stanów q 0 stan początkowy F zór stanów końcowych Γ skończony zór symol taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ: Q Γ! 2 Q Γ {L,R} funkcja
Bardziej szczegółowoAnaliza numeryczna. Stanisław Lewanowicz. Całkowanie numeryczne. Definicje, twierdzenia, algorytmy
http://wwwiiuniwrocpl/ sle/teching/n-wdrpdf Anliz numeryczn Stnisłw Lewnowicz Styczeń 008 r Cłownie numeryczne Definicje, twierdzeni, lgorytmy 1 Pojęci wstępne Niech IF IF [, b] ozncz zbiór wszystich funcji
Bardziej szczegółowoVI. Rachunek całkowy. 1. Całka nieoznaczona
VI. Rchunek cłkowy. Cłk nieoznczon Niech F : I R i f : I R będą funkcjmi określonymi n pewnym przedzile I R. Definicj. Funkcję F nzywmy funkcją pierwotną funkcji f n przedzile I, gdy F (x) = f(x) dl x
Bardziej szczegółowoMetody numeryczne. Wykład nr 7. dr hab. Piotr Fronczak
Metody numeryzne Wyłd nr 7 dr. Potr Fronz Cłowne numeryzne Cłowne numeryzne to przylżone olzne łe oznzony. Metody łown numeryznego polegją n przylżenu ł z pomoą odpowednej sumy wżonej wrtoś łownej unj
Bardziej szczegółowoSytuacja regionalna w zakresie zagrożeń uzależnieniami. Perspektywa lokalna.
1-7- Syuj rgol w zr zgrożń uzlżm. Prpyw lol. Słwomr P. Prz Używ loholu Młozż Choż rz w ągu łgo wojgo ży lohol pło 9,1% uzów z młozj grupy 96,% uzów z rzj grupy. W z oh prz bm pło 61,% 1 16- lów orz 4,%
Bardziej szczegółowoCIĄGI LICZBOWE N 1,2,3,... zbiór liczb naturalnych. R zbiór liczb rzeczywistych (zbiór reprezentowany przez punkty osi liczbowej).
Ciągi i szeregi - Lucj owlski CIĄGI LICZBOWE N,,,... zbiór liczb turlych. R zbiór liczb rzeczywistych (zbiór reprezetowy przez pukty osi liczbowej). Nieskończoy ciąg liczbowy to przyporządkowie liczbom
Bardziej szczegółowoFunkcje i charakterystyki zmiennych losowych
Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych
Bardziej szczegółowoWykład 8: Całka oznanczona
Wykłd 8: Cłk ozczo dr Mriusz Grządziel grudi 28 Pole trójkt prboliczego Problem. Chcemy obliczyć pole s figury S ogriczoej prostą y =, prostą = i wykresem fukcji f() = 2. Rozwizie przybliżoe. Dzielimy
Bardziej szczegółowoMATEMATYKA FINANSOWA - WZORY LOKATY
Stoa ocetowa Z Dysoto ateatycze D M Dysoto halowe D H MAMAYA FINANSOA - ZORY LOAY stoa ysotowa atalzacja zgoa osta z ołu atał o oesach: P Oset: ( Z P Oblczae atału a ostawe P : P P P P atalzacja zgoa złożoa
Bardziej szczegółowoPRÓBNA MATURA Z MATEMATYKI Z OPERONEM LISTOPAD ,0. 3x 6 6 3x 6 6,
Zdnie PRÓBNA MATURA Z MATEMATYKI Z OPERONEM LISTOPAD 04 Zbiorem wszystkich rozwiązń nierówności x 6 6 jest: A, 4 0, B 4,0 C,0 4, D 0,4 Odpowiedź: C Rozwiąznie Sposób I Nierówność A 6 jest równowżn lterntywie
Bardziej szczegółowo