Model Pasywnego Trasera w Lokalnie Ergodycznym Środowisku

Wielkość: px
Rozpocząć pokaz od strony:

Download "Model Pasywnego Trasera w Lokalnie Ergodycznym Środowisku"

Transkrypt

1 w Lokalnie Ergodycznym Środowisku Tymoteusz Chojecki UMCS, Lublin Tomasz Komorowski IMPAN, Warszawa Kościelisko, 10 września 2016, XLV Konferencja Zastosowań Matematyki T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

2 Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

3 Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

4 Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

5 Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

6 Zawartość Konstrukcja Pola Lokalnie Ergodycznego Główny Wynik Uwagi o dowodzie T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

7 Transport w skomplikowanym ośrodku. Turbulentna dyfuzja Turbulentny przepływ - transport masy, ciepła lub pędu w płynie w warunkach w pełni rozwiniętej turbulencji. liczba Reynoldsa Re = UL ν. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

8 założenie stacjonarności i ergodyczności - własności statystyczne nie zależą od przesunięć w czasie i przestrzeni Twierdzenie ergodyczne - w badaniu asymptotyki konieczne jest uśrednianie. Badamy pola lokalnie ergodyczne. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

9 [Taylor 20] Traser X (t) Pole losowe V (t, x) dx (t) dt X (0) = 0. = V (t, X (t)), Interpretacja fizyczna T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

10 Skalowanie dyfuzyjne Obserwacje zewnętrzne Dynamika procesu Skalowanie dyfuzyjne X ε (t) := εx (t/ε 2 ) dx ε (t) dt X ε (0) = 0. = 1 ( t ε V ε 2, X ε ) (t) ε T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

11 Klasyczne pytania Podstawowe pytania PWL - Istnienie granicy v := lim t + X (t)/t p.p, (dryf Stokes a). CTG X (t) v t t N(0, κ), t +? Macierz kowariancji κ = [κ i,j ], i, j = 1,... d jest nazywana turbulentną dyfuzyjnością. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

12 Klasyczne pytania Podstawowe pytania PWL - Istnienie granicy v := lim t + X (t)/t p.p, (dryf Stokes a). CTG X (t) v t t N(0, κ), t +? Macierz kowariancji κ = [κ i,j ], i, j = 1,... d jest nazywana turbulentną dyfuzyjnością. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

13 Zastosowanie w teorii homogenizacji Równanie Transportu. 1 ( t ε V ε 2, x ) x Φ ε (t, x) + t Φ ε (t, x) = 0, ε Φ ε (0, x) = Φ 0 (x). Φ 0, Φ ε (t, x) - pasywny skalar Badamy ε 0 Metoda charakterystyk, symetria rozkładu V (t, x) = lim EΦ ε(t, x) = lim EΦ 0 (Xx ε (t)), ε 0 ε 0 T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

14 Pola Lokalnie Ergodyczne Pole Nieściśliwe Gaussowskie Markowowskie Lokalnie Ergodyczne [Rodes 09, Olla,Siri 04]. dx ε (t) = 1 ( t dt ε W ε 2, X ε ) (t), X ε (t), ε X ε (0) = 0. (1) parametr lokalnej stacjonarności Pole W (t, x, εy) stacjonarne i ergodyczne dla ustalonego y. ε 1. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

15 Konstrukcja Pola Lokalnie Ergodycznego N N liczba modów, d-wymiar. W l (t, x, εy) := N j=1 gdzie procesy quasi-periodyczne po x ā (l) j (t; x, εy), l = 1,..., d, (t, x, y) R R 2d, ā j (t, x; y) := a j (t; y) cos(k j x) + b j (t; y) sin(k j x), j = 1,..., N, Stacjonarne procesy Ornsteina-Uhlenbecka a j (t; y), b j (t; y) T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

16 Procesy Ornsteina-Uhlenbecka Stacjonarne, d-wymiarowe [Komorowski, Fannjiang 99, Carmona, Xu 96] da j (t; y) = α j (y)a j (t; y)dt + 2α j (y)σ j (y)dw j,a (t), db j (t; y) = α j (y)b j (t; y)dt + 2α j (y)σ j (y)dw j,b (t), Miara niezmiennicza ν,y (da, db). w j,a (t), w j,b (t), t 0 - niezależne, standardowe d-wymiarowe ruchy Browna. funkcje α j (y), σ j (y), y R d. Przerwa Spektralna dla 1 j N, y R d 0 < α < min(α j (y), σ j (y)) < max(α j (y), σ j (y)) < σ. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

17 Miara niezmiennicza ν,y (da, db) = Γ (a, b; y)dadb, gdzie N Γ (a, b; y) = Zy 1 exp a 2 j 2σ 2 j=1 j N exp b 2 j 2σ 2 j=1 j, gdzie Z y = (2π) Nd N j=1 σ 2 j. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

18 Główny Wynik Twierdzenie Proces X ε (t) X (t), gdy ε 0 słabo w C[0, ; R d ], gdzie X (t) dyfuzją, której generator wyraża się wzorem d { Lf (x) = yq f (x) w(a, b) y χ q (a, b, x) q=1 R 2S + { dαi (x) ( Θ i (a, b, x), Θ i (a, b, x) ) } ] } (a j, b j ) ν,x(da, db) dx n n,j Z d q=1 R 2S 2 y q f (x) j Z + ( b,j χ q (a, b, x)) 2 ]} ν,x (da, db). { 2α i (x) (σ j (x)) 2 [ ( a,j χ q (a, b, x)) 2 T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

19 Korektory czynnik 1/ε równania (1). Korektory - równanie Poissona L y χ q (a, b; y) = w q (a, b), q = 1,..., d. Wyrazy zawierające pochodne po y procesów a j (t; y), b j (t; y). T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

20 Opis dowodu Ciasność Problem Martyngałowy Stroocka-Varadhana. Twierdzenie Ergodyczne T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

21 Twierdzenie Ergodyczne Oznaczmy F (y) := F (a, b; y)ν,y (da, db). Pole Losowe F (t, x, y) := F (a(t; y), b(t; y); y), t 0, x, y R d. (2) Twierdzenie Ergodyczne Dla pola F zdefiniowanego w (2) i funkcji F spełniającej pewne dodatkowe założenia o tempie wzrostu, oraz dla dowolnego T > 0 zachodzi lim E ε 0 + T 0 ( t F ε 2, X ε ) (t) T, X ε (t) dt ε 0 F (X ε (t))dt = 0. T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

22 Bibliografia Carmona, R., Xu, L., Homogenization For Time Dependent 2-d Incompressible Gaussian Flows. Preprint (1996). Fannjiang, A., Komorowski, T., Turbulent Diffusion in Markovian Flows, Ann. of Appl. Prob. 9, , (1999). Monin, A. S., Yaglom A. M., Statistical Fluid Mechanics of Turbulence, Vols I,II, MIT Press Cambridge,(1971), (1975). Olla, S., Siri, P., Homogenization of a bond diffusion in a locally ergodic random environment, Stochastic Processes and their Applications 109, pp , Rhodes, R., Diffusion in a locally stationary random environment, Probab. Theory Related Fields 143 (2009), no. 3-4, T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

23 Dziękuję za uwagę :) T. Komorowski, T. Chojecki w Lokalnie Ergodycznym Środowisku

Procesy stochastyczne

Procesy stochastyczne Wykład I: Istnienie procesów stochastycznych 2 marca 2015 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane są

Bardziej szczegółowo

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. 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

Procesy stochastyczne

Procesy stochastyczne Wykład I: Istnienie procesów stochastycznych 21 lutego 2017 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane

Bardziej szczegółowo

Superdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska

Superdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska VI Matematyczne Warsztaty KaeNeMów p. 1/2 Superdyfuzja Maria Knorps maria.knorps@gmail.com Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska VI Matematyczne Warsztaty KaeNeMów p.

Bardziej szczegółowo

Rynek, opcje i równania SDE

Rynek, opcje i równania SDE Rynek, opcje i równania SDE Adam Majewski Uniwersytet Gdański kwiecień 2009 Adam Majewski (Uniwersytet Gdański) Rynek, opcje i równania SDE kwiecień 2009 1 / 16 1 Rynek, portfel inwestycyjny, arbitraż

Bardziej szczegółowo

Hypatia? 415 PROCESY KAWAŁKAMI DETERMINISTYCZNE I ICH ASYMPTOTYKA RYSZARD RUDNICKI ŚLADAMI KOBIET W MATEMATYCE RZESZÓW, Strona 1 z 36 Wróć

Hypatia? 415 PROCESY KAWAŁKAMI DETERMINISTYCZNE I ICH ASYMPTOTYKA RYSZARD RUDNICKI ŚLADAMI KOBIET W MATEMATYCE RZESZÓW, Strona 1 z 36 Wróć Strona 1 z 36 Wróć PROCESY KAWAŁKAMI Hypatia? 415 DETERMINISTYCZNE I ICH ASYMPTOTYKA RYSZARD RUDNICKI ŚLADAMI KOBIET W MATEMATYCE RZESZÓW, 23.06.2017 Strona 2 z 36 Wróć Plan: Co to sa procesy kawałkami

Bardziej szczegółowo

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej Wydział Matematyki Stosowanej Zestaw zadań nr 3 Akademia Górniczo-Hutnicza w Krakowie WEiP, energetyka, I rok Elżbieta Adamus listopada 07r. Granica i ciągłość funkcji Granica funkcji rzeczywistej jednej

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XI: Testowanie hipotez statystycznych 12 stycznia 2015 Przykład Motywacja X 1, X 2,..., X N N (µ, σ 2 ), Y 1, Y 2,..., Y M N (ν, δ 2 ). Chcemy sprawdzić, czy µ = ν i σ 2 = δ 2, czyli że w obu populacjach

Bardziej szczegółowo

Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych

Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych Publiczna obrona rozprawy doktorskiej Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych Piotr Miłoś Instytut Matematyczny Polskiej Akademii Nauk 23.10.2008 Warszawa Plan 1 Układy

Bardziej szczegółowo

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. 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

1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2

1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2 Temat 1 Pojęcia podstawowe 1.1 Przegląd wybranych równań i modeli fizycznych Równaniem różniczkowym cząstkowym rzędu drugiego o n zmiennych niezależnych nazywamy równanie postaci gdzie u = u (x 1, x,...,

Bardziej szczegółowo

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywistej

Granica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywistej Wydział Matematyki Stosowanej Zestaw zadań nr 3 Akademia Górniczo-Hutnicza w Krakowie WEiP, energetyka, I rok Elżbieta Adamus 3 listopada 06r. Granica i ciągłość funkcji Granica funkcji rzeczywistej jednej

Bardziej szczegółowo

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Metoda najmniejszych kwadratów Przykład wstępny. W ekonomicznej teorii produkcji rozważa się funkcję produkcji Cobba Douglasa: z = AL α K β gdzie z oznacza wielkość produkcji, L jest nakładem pracy, K

Bardziej szczegółowo

Afiniczne rekursje stochastyczne z macierzami trójkatnymi

Afiniczne rekursje stochastyczne z macierzami trójkatnymi Afiniczne rekursje stochastyczne z macierzami trójkatnymi Ewa Damek (Uniwersytet Wrocławski ) (wyniki wspólne z Witoldem Światkowskim, Jackiem Zienkiewiczem - Uniwersytet Wrocławski, Muneya Matsui - Nanzan

Bardziej szczegółowo

Zagadnienia brzegowe dla równań eliptycznych

Zagadnienia brzegowe dla równań eliptycznych Temat 7 Zagadnienia brzegowe dla równań eliptycznych Rozważmy płaski obszar R 2 ograniczony krzywą. la równania Laplace a (Poissona) stawia się trzy podstawowe zagadnienia brzegowe. Zagadnienie irichleta

Bardziej szczegółowo

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27 SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji

Bardziej szczegółowo

REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój

REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój 1 REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój 2 DOTYCHCZASOWE MODELE Regresja liniowa o postaci: y

Bardziej szczegółowo

Instrukcja 2 Syntetyczna turbulencja

Instrukcja 2 Syntetyczna turbulencja Wprowadzenie Instrukcja 2 Syntetyczna turbulencja W symulacjach przepływów turbulentnych z użyciem metod typu RANS wielkości turbulentne są modelowane np. przez dołączenie do równań przepływu dwóch dodatkowych

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Przykład (wstępny). Producent twierdzi, że wadliwość produkcji wynosi 5%. My podejrzewamy, że rzeczywista wadliwość produkcji wynosi 15%. Pobieramy próbę stuelementową

Bardziej szczegółowo

Metody Lagrange a i Hamiltona w Mechanice

Metody Lagrange a i Hamiltona w Mechanice Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 9 M. Przybycień (WFiIS AGH) Metody Lagrange a i Hamiltona... Wykład

Bardziej szczegółowo

[ P ] T PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES. [ u v u v u v ] T. wykład 4. Element trójkątny płaski stan (naprężenia lub odkształcenia)

[ P ] T PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES. [ u v u v u v ] T. wykład 4. Element trójkątny płaski stan (naprężenia lub odkształcenia) PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES wykład 4 Element trójkątny płaski stan (naprężenia lub odkształcenia) Obszar zdyskretyzowany trójkątami U = [ u v u v u v ] T stopnie swobody elementu P = [ P ]

Bardziej szczegółowo

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze

Bardziej szczegółowo

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 Problem Dirichleta, proces Wienera Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 28 maja, 2012 Funkcje harmoniczne Niech będzie operatorem Laplace a w

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.

Bardziej szczegółowo

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej

Bardziej szczegółowo

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4. Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ

Bardziej szczegółowo

XI Konferencja Metody Ilościowe w Badaniach Ekonomicznych

XI Konferencja Metody Ilościowe w Badaniach Ekonomicznych Rafał M. Łochowski Szkoła Główna Handlowa w Warszawie O górnym ograniczeniu zysku ze strategii handlowej opartej na kointegracji XI Konferencja Metody Ilościowe w Badaniach Ekonomicznych Zależność kointegracyjna

Bardziej szczegółowo

Bładzenie przypadkowe i lokalizacja

Bładzenie przypadkowe i lokalizacja Bładzenie przypadkowe i lokalizacja Zdzisław Burda Jarosław Duda, Jean-Marc Luck, Bartłomiej Wacław Seminarium Wydziałowe WFiIS AGH, 07/11/2014 Plan referatu Wprowadzenie Zwykłe bładzenie przypadkowe (GRW)

Bardziej szczegółowo

MODELE STOCHASTYCZNE Plan wykładu

MODELE STOCHASTYCZNE Plan wykładu UNIWERSYTET WROCŁAWSKI Wydział Matematyki i Informatyki Instytut Matematyczny M.Majsnerowska rok akademicki 2018/2019 MODELE STOCHASTYCZNE Plan wykładu 1. Łańcuchy Markowa 1.1. Podstawowe pojęcia i przykłady

Bardziej szczegółowo

19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

19 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 szczegółowo

Analiza wektorowa. Teoria pola.

Analiza wektorowa. Teoria pola. Analiza wektorowa. Teoria pola. Pole skalarne Pole wektorowe ϕ = ϕ(x, y, z) A = A x (x, y, z) i x + A y (x, y, z) i y + A z (x, y, z) i z Gradient grad ϕ = ϕ x i x + ϕ y i y + ϕ z i z Jeśli przemieścimy

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja

Bardziej szczegółowo

Ważne rozkłady i twierdzenia

Ważne rozkłady i twierdzenia Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne

Bardziej szczegółowo

Algorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa

Algorytmy 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 szczegółowo

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów ANALIZA PRZEKAZYWANIA CIEPŁA I FORMOWANIA SIĘ PROFILU TEMPERATURY DLA NIEŚCIŚLIWEGO, LEPKIEGO PRZEPŁYWU LAMINARNEGO W PRZEWODZIE ZAMKNIĘTYM Cel ćwiczenia Celem ćwiczenia będzie obserwacja procesu formowania

Bardziej szczegółowo

Dyskretne procesy stacjonarne o nieskończonej entropii nadwyżkowej

Dyskretne procesy stacjonarne o nieskończonej entropii nadwyżkowej Dyskretne procesy stacjonarne o nieskończonej entropii nadwyżkowej Łukasz Dębowski ldebowsk@ipipan.waw.pl i Instytut Podstaw Informatyki PAN Co to jest entropia nadwyżkowa? Niech (X i ) i Z będzie procesem

Bardziej szczegółowo

O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE

O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE Ryszard Zieliński, IMPAN Warszawa O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE XXXIX Ogólnopolska Konferencja Zastosowań Matematyki Zakopane-Kościelisko 7-14 września 2010 r Model statystyczny pomiaru: wynik pomiaru

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 6 6.04.08 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr letni 07/08 Własności rozkładu normalnego Centralne twierdzenie graniczne Funkcja charakterystyczna

Bardziej szczegółowo

1 Relacje i odwzorowania

1 Relacje i odwzorowania Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X

Bardziej szczegółowo

Spacery losowe w R d

Spacery losowe w R d Politechnika Wrocławska 6 lipca 2010 Błądzenia po kracie Z d Błądzenie losowe (spacer losowy) to podstawowy przykład łańcucha Markowa, obowiązkowo pojawiający się na jednym z pierwszych wykładów o procesach

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa III - 1

Zadania z Rachunku Prawdopodobieństwa III - 1 Zadania z Rachunku Prawdopodobieństwa III - 1 Funkcją tworzącą momenty (transformatą Laplace a) zmiennej losowej X nazywamy funkcję M X (t) := Ee tx, t R. 1. Oblicz funkcję tworzącą momenty zmiennych o

Bardziej szczegółowo

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych) (niekoniecznie ograniczonych) Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza, Poznań Będlewo, 25-30 maja 2015 Funkcje prawie okresowe w sensie Bohra Definicja Zbiór E R nazywamy względnie

Bardziej szczegółowo

Stosowana Analiza Regresji

Stosowana Analiza Regresji Model jako : Stosowana Analiza Regresji Wykład XI 21 Grudnia 2011 1 / 11 Analiza kowariancji Model jako : Oprócz czynnika o wartościach nominalnych chcemy uwzględnić wpływ predyktora o wartościach ilościowych

Bardziej szczegółowo

Metody Lagrange a i Hamiltona w Mechanice

Metody Lagrange a i Hamiltona w Mechanice Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 6 M. Przybycień (WFiIS AGH) Metody Lagrange a i Hamiltona... Wykład

Bardziej szczegółowo

Jądrowe klasyfikatory liniowe

Jądrowe klasyfikatory liniowe Jądrowe klasyfikatory liniowe Waldemar Wołyński Wydział Matematyki i Informatyki UAM Poznań Wisła, 9 grudnia 2009 Waldemar Wołyński () Jądrowe klasyfikatory liniowe Wisła, 9 grudnia 2009 1 / 19 Zagadnienie

Bardziej szczegółowo

Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1

Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1 Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1 Tomasz Chwiej 6 czerwca 2016 1 Równania różniczkowe zwyczajne Zastosowanie szeregu Taylora do konstrukcji ilorazów różnicowych: iloraz

Bardziej szczegółowo

Procesy stochastyczne 2.

Procesy stochastyczne 2. Procesy stochastyczne 2. Listy zadań 1-3. Autor: dr hab.a. Jurlewicz WPPT Matematyka, studia drugiego stopnia, I rok, rok akad. 211/12 1 Lista 1: Własność braku pamięci. Procesy o przyrostach niezależnych,

Bardziej szczegółowo

Zagadnienia stacjonarne

Zagadnienia stacjonarne Zagadnienia stacjonarne Karol Hajduk 19 grudnia 2012 Nierówność wariacyjna (u (t), v u(t)) + a(u, v u) + Ψ(v) Ψ(u) (f, v u), v V. Zagadnienie stacjonarne ma postać (u (t) = 0): a(u, v u) + Ψ(v) Ψ(u) (f,

Bardziej szczegółowo

Wstęp do układów statycznych

Wstęp do układów statycznych Uniwersystet Warszawski 1 maja 2010 Wprowadzenie Standardowe układy dynamiczne - przestrzeń X wraz z przekształceniem f : X X zachowującym strukturę. Typowe przykłady: X - przestrzeń metryczna, f - przekształcenie

Bardziej szczegółowo

Wykład 3 Zjawiska transportu Dyfuzja w gazie, przewodnictwo cieplne, lepkość gazu, przewodnictwo elektryczne

Wykład 3 Zjawiska transportu Dyfuzja w gazie, przewodnictwo cieplne, lepkość gazu, przewodnictwo elektryczne Wykład 3 Zjawiska transportu Dyfuzja w gazie, przewodnictwo cieplne, lepkość gazu, przewodnictwo elektryczne W3. Zjawiska transportu Zjawiska transportu zachodzą gdy układ dąży do stanu równowagi. W zjawiskach

Bardziej szczegółowo

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką z losową stopą procentową i losową składką Instytut Matematyki i Informatyki Politechniki Wrocławskiej 10 czerwca 2008 Oznaczenia Wprowadzenie ξ n liczba wypłat w (n 1, n], Oznaczenia Wprowadzenie ξ n

Bardziej szczegółowo

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. Niech x 0 R i niech f będzie funkcją określoną przynajmniej na

Bardziej szczegółowo

Modelowanie stochastyczne Stochastic Modeling. Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2C

Modelowanie stochastyczne Stochastic Modeling. Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2C Nazwa przedmiotu: Kierunek: Matematyka Rodzaj przedmiotu: obowiązkowy dla specjalności matematyka przemysłowa Rodzaj zajęć: wykład, ćwiczenia Modelowanie stochastyczne Stochastic Modeling Poziom przedmiotu:

Bardziej szczegółowo

26 marzec, Łańcuchy Markowa z czasem ciągłym. Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

26 marzec, Łańcuchy Markowa z czasem ciągłym. Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 26 marzec, 212 Łańcuchy z czasem ciągłym S = {, 1,..., }, B S = 2 S, ale T = [, ) lub T = (, ). Gdy S skończone,

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja

Bardziej szczegółowo

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa Równanie Bessela Będziemy rozważać następujące równanie Bessela x y xy x ν )y 0 ) gdzie ν 0 jest pewnym parametrem Rozwiązania równania ) nazywamy funkcjami Bessela rzędu ν Sprawdzamy, że x 0 jest regularnym

Bardziej szczegółowo

Metoda największej wiarygodności

Metoda największej wiarygodności Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna

Bardziej szczegółowo

Rozpoznawanie obrazów

Rozpoznawanie obrazów Rozpoznawanie obrazów Ćwiczenia lista zadań nr 5 autorzy: A. Gonczarek, J.M. Tomczak Przykładowe problemy Klasyfikacja binarna Dla obrazu x zaproponowano dwie cechy φ(x) = (φ 1 (x) φ 2 (x)) T. Na obrazie

Bardziej szczegółowo

2.1 Przykład wstępny Określenie i konstrukcja Model dwupunktowy Model gaussowski... 7

2.1 Przykład wstępny Określenie i konstrukcja Model dwupunktowy Model gaussowski... 7 Spis treści Spis treści 1 Przedziały ufności 1 1.1 Przykład wstępny.......................... 1 1.2 Określenie i konstrukcja...................... 3 1.3 Model dwupunktowy........................ 5 1.4

Bardziej szczegółowo

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Statystyka matematyczna. Wykład III. Estymacja przedziałowa Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności

Bardziej szczegółowo

O procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna

O procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Ruch 1 {X t } jest martyngałem dokładnie wtedy, gdy E(X t F s ) = X s, s, t T, s t. Jeżeli EX 2 (t) < +, to E(X t F s ) jest rzutem ortogonalnym zmiennej

Bardziej szczegółowo

Prognozowalne kryterium całkowalności według A. N. Shiryaeva i A. S. Cherny ego Joanna Karłowska-Pik. Historia

Prognozowalne kryterium całkowalności według A. N. Shiryaeva i A. S. Cherny ego Joanna Karłowska-Pik. Historia 1 Prognozowalne kryterium całkowalności według A. N. Shiryaeva i A. S. Cherny ego Joanna Karłowska-Pik Całka stochastyczna ( t ) H s dx s = H X. t Historia K. Itô (1944) konstrukcja całki stochastycznej

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

Bardziej szczegółowo

5 Przegląd najważniejszych rozkładów

5 Przegląd najważniejszych rozkładów 5 Przegląd najważniejszych rozkładów 5. Rozkład Bernoulliego W niezmieniających się warunkach wykonujemy n razy pewne doświadczenie. W wyniku każdego doświadczenia może nastąpić zdarzenie A lub A. Zakładamy,

Bardziej szczegółowo

Stacjonarne procesy gaussowskie, czyli o zwiazkach pomiędzy zwykła

Stacjonarne procesy gaussowskie, czyli o zwiazkach pomiędzy zwykła Stacjonarne procesy gaussowskie, czyli o zwiazkach pomiędzy zwykła autokorelacji Łukasz Dębowski ldebowsk@ipipan.waw.pl Instytut Podstaw Informatyki PAN autokorelacji p. 1/25 Zarys referatu Co to sa procesy

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009 STATYSTYKA MATEMATYCZNA WYKŁAD 4 26 października 2009 Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ (X µ) 2 { (x µ) 2 exp 1 ( ) } x µ 2 dx 2 σ Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ

Bardziej szczegółowo

Modelowanie ryzyka kredytowego: MODEL BLACK-COX A

Modelowanie ryzyka kredytowego: MODEL BLACK-COX A Modelowanie ryzyka kredytowego: MODEL BLACK-COX A Mariusz Niewęgłowski Wydział Matematyki i Nauk Informacyjnych, Politechniki Warszawskiej Warszawa 2014 Niewęgłowski MiNI PW Modele wartości firmy Warszawa

Bardziej szczegółowo

Elektrodynamika Część 1 Elektrostatyka Ryszard Tanaś Zakład Optyki Nieliniowej, UAM

Elektrodynamika Część 1 Elektrostatyka Ryszard Tanaś Zakład Optyki Nieliniowej, UAM Elektrodynamika Część 1 Elektrostatyka Ryszard Tanaś Zakład Optyki Nieliniowej, UAM http://zon8.physd.amu.edu.pl/~tanas Spis treści 1 Literatura 3 2 Elektrostatyka 4 2.1 Pole elektryczne....................

Bardziej szczegółowo

Elektrodynamika Część 1 Elektrostatyka Ryszard Tanaś Zakład Optyki Nieliniowej, UAM

Elektrodynamika Część 1 Elektrostatyka Ryszard Tanaś Zakład Optyki Nieliniowej, UAM Elektrodynamika Część 1 Elektrostatyka Ryszard Tanaś Zakład Optyki Nieliniowej, UAM http://zon8.physd.amu.edu.pl/\~tanas Spis treści 1 Literatura 3 2 Elektrostatyka 4 2.1 Pole elektryczne......................

Bardziej szczegółowo

J. Szantyr Wykład 4 Podstawy teorii przepływów turbulentnych Zjawisko występowania dwóch różnych rodzajów przepływów, czyli laminarnego i

J. Szantyr Wykład 4 Podstawy teorii przepływów turbulentnych Zjawisko występowania dwóch różnych rodzajów przepływów, czyli laminarnego i J. Szantyr Wykład 4 Podstawy teorii przepływów turbulentnych Zjawisko występowania dwóch różnych rodzajów przepływów, czyli laminarnego i turbulentnego, odkrył Osborne Reynolds (1842 1912) w swoim znanym

Bardziej szczegółowo

1. Pojęcie normy, normy wektora [Kiełbasiński, Schwetlick]

1. Pojęcie normy, normy wektora [Kiełbasiński, Schwetlick] 1. Pojęcie normy, normy wektora [Kiełbasiński, Schwetlick] wektor x R d x =(x 1,x 2,..., x d ) T wektor, punkt w przestrzeni d-wymiarowej norma wektora własności (1) kxk > 0, kxk =0tylko wtedy, gdy x =0

Bardziej szczegółowo

Geometryczna zbieżność algorytmu Gibbsa

Geometryczna zbieżność algorytmu Gibbsa Geometryczna zbieżność algorytmu Gibbsa Iwona Żerda Wydział Matematyki i Informatyki, Uniwersytet Jagielloński 6 grudnia 2013 6 grudnia 2013 1 / 19 Plan prezentacji 1 Algorytm Gibbsa 2 Tempo zbieżności

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 3 Metody estymacji. Estymator największej wiarygodności Zad. 1 Pojawianie się spamu opisane jest zmienną losową y o rozkładzie zero-jedynkowym

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

Bardziej szczegółowo

Numeryczne aproksymacje prawdopodobieństwa ruiny

Numeryczne aproksymacje prawdopodobieństwa ruiny Numeryczne aproksymacje prawdopodobieństwa ruiny Krzysztof Burnecki Aleksander Weron Centrum Metod Stochastycznych im. Hugona Steinhausa Instytut Matematyki i Informatyki Politechnika Wrocławska www.im.pwr.wroc.pl/

Bardziej szczegółowo

Metoda największej wiarogodności

Metoda największej wiarogodności Wprowadzenie Założenia Logarytm funkcji wiarogodności Metoda Największej Wiarogodności (MNW) jest bardziej uniwersalną niż MNK metodą szacowania wartości nieznanych parametrów Wprowadzenie Założenia Logarytm

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 2 autorzy: A. Gonczarek, J.M. Tomczak Metody estymacji Zad. 1 Pojawianie się spamu opisane jest zmienną losową x o rozkładzie dwupunktowym

Bardziej szczegółowo

Wykorzystanie symetrii przy pomiarze rozkładu kąta rozproszenia w procesie pp pp

Wykorzystanie symetrii przy pomiarze rozkładu kąta rozproszenia w procesie pp pp Wykorzystanie symetrii przy pomiarze rozkładu kąta rozproszenia w procesie pp pp M. Barej 1 K. Wójcik 2 1 Akademia Górniczo-Hutnicza w Krakowie 2 Uniwersytet Śląski w Katowicach 16 września 2016 M. Barej,

Bardziej szczegółowo

Szkice do zajęć z Przedmiotu Wyrównawczego

Szkice do zajęć z Przedmiotu Wyrównawczego Szkice do zajęć z Przedmiotu Wyrównawczego Matematyka Finansowa sem. letni 2011/2012 Spis treści Zajęcia 1 3 1.1 Przestrzeń probabilistyczna................................. 3 1.2 Prawdopodobieństwo warunkowe..............................

Bardziej szczegółowo

SIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania

SIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania SIMR 7/8, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania. Dana jest gęstość prawdopodobieństwa zmiennej losowej ciągłej X : { a( x) dla x [, ] f(x) = dla pozostałych x Znaleźć: i) Wartość parametru

Bardziej szczegółowo

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Modele zapisane w przestrzeni stanów

Modele zapisane w przestrzeni stanów Modele zapisane w przestrzeni stanów Modele Przestrzeni Stanów (State Space Models) sa to modele, w których część parametrów jest nieobserwowalna i losowa. Zachowanie wielowymiarowej zmiennej y t zależy

Bardziej szczegółowo

Tematy prac magisterskich i doktorskich

Tematy prac magisterskich i doktorskich Tematy prac magisterskich i doktorskich Stochastyczna dynamika z opóźnieniami czasowymi w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki

Bardziej szczegółowo

TERMODYNAMIKA I FIZYKA STATYSTYCZNA

TERMODYNAMIKA I FIZYKA STATYSTYCZNA TERMODYNAMIKA I FIZYKA STATYSTYCZNA Lech Longa pok. D.2.49, II piętro, sektor D Zakład Fizyki Statystycznej e-mail: lech.longa@uj.edu.pl Dyżury: poniedziałki 13-14 można się umówić wysyłając e-maila 1

Bardziej szczegółowo

Porównanie modeli regresji. klasycznymi modelami regresji liniowej i logistycznej

Porównanie modeli regresji. klasycznymi modelami regresji liniowej i logistycznej Porównanie modeli logicznej regresji z klasycznymi modelami regresji liniowej i logistycznej Instytut Matematyczny, Uniwersytet Wrocławski Małgorzata Bogdan Instytut Matematyki i Informatyki, Politechnika

Bardziej szczegółowo

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów

Laboratorium komputerowe z wybranych zagadnień mechaniki płynów FORMOWANIE SIĘ PROFILU PRĘDKOŚCI W NIEŚCIŚLIWYM, LEPKIM PRZEPŁYWIE PRZEZ PRZEWÓD ZAMKNIĘTY Cel ćwiczenia Celem ćwiczenia będzie analiza formowanie się profilu prędkości w trakcie przepływu płynu przez

Bardziej szczegółowo

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y

Bardziej szczegółowo

Rozważmy nieustalony, adiabatyczny, jednowymiarowy ruch gazu nielepkiego i nieprzewodzącego ciepła. Mamy następujące równania rządzące tym ruchem:

Rozważmy nieustalony, adiabatyczny, jednowymiarowy ruch gazu nielepkiego i nieprzewodzącego ciepła. Mamy następujące równania rządzące tym ruchem: WYKŁAD 13 DYNAMIKA MAŁYCH (AKUSTYCZNYCH) ZABURZEŃ W GAZIE Rozważmy nieustalony, adiabatyczny, jednowymiarowy ruch gazu nielepkiego i nieprzewodzącego ciepła. Mamy następujące równania rządzące tym ruchem:

Bardziej szczegółowo

17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek

17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 17 KLASYCZNA DYNAMIKA MOLEKULARNA 17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Rozważamy układ N punktowych cząstek

Bardziej szczegółowo

. Cel ćwiczenia Celem ćwiczenia jest porównanie na drodze obserwacji wizualnej przepływu laminarnego i turbulentnego, oraz wyznaczenie krytycznej licz

. Cel ćwiczenia Celem ćwiczenia jest porównanie na drodze obserwacji wizualnej przepływu laminarnego i turbulentnego, oraz wyznaczenie krytycznej licz ZAKŁAD MECHANIKI PŁYNÓW I AERODYNAMIKI ABORATORIUM MECHANIKI PŁYNÓW ĆWICZENIE NR DOŚWIADCZENIE REYNODSA: WYZNACZANIE KRYTYCZNEJ ICZBY REYNODSA opracował: Piotr Strzelczyk Rzeszów 997 . Cel ćwiczenia Celem

Bardziej szczegółowo

Maszyny wektorów podpierajacych w regresji rangowej

Maszyny wektorów podpierajacych w regresji rangowej Maszyny wektorów podpierajacych w regresji rangowej Uniwersytet Mikołaja Kopernika Z = (X, Y ), Z = (X, Y ) - niezależne wektory losowe o tym samym rozkładzie X X R d, Y R Z = (X, Y ), Z = (X, Y ) - niezależne

Bardziej szczegółowo

Elektrodynamika Część 6 Elektrodynamika Ryszard Tanaś Zakład Optyki Nieliniowej, UAM

Elektrodynamika Część 6 Elektrodynamika Ryszard Tanaś Zakład Optyki Nieliniowej, UAM Elektrodynamika Część 6 Elektrodynamika Ryszard Tanaś Zakład Optyki Nieliniowej, UAM http://zon8.physd.amu.edu.pl/~tanas Spis treści 7 Elektrodynamika 3 7.1 Siła elektromotoryczna................ 3 7.2

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

}, gdzie a = t (n) )(f(t(n) k. ) f(t(n) k 1 ) 1+δ = 0,

}, gdzie a = t (n) )(f(t(n) k. ) f(t(n) k 1 ) 1+δ = 0, Zadania z Procesów Stochastycznych II - 1 1. Niech π n = {t (n), t(n) 1,..., t(n) k n }, gdzie a = t (n) < t (n) 1

Bardziej szczegółowo

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008 Przemysław Klusik Instytut Matematyczny, Uniwersytet Wrocławski Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008 (UWr) Zagadnienia Aktuarialne -

Bardziej szczegółowo