Wprowadzenie do metod numerycznych Wykład 13 Metody statystyczne
|
|
- Bronisław Rutkowski
- 8 lat temu
- Przeglądów:
Transkrypt
1 Wprowadzenie do metod numerycznych Wykład 13 Metody statystyczne Polsko-Japońska Wyższa Szkoła Technik Komputerowych Katedra Informatyki Stosowanej
2 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
3 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
4 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
5 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
6 Any one who considers arithmetical methods of producing random digits is, of course, in a state of sin. For, as has been pointed out several times, there is no such thing as a random number there are only methods to produce random numbers, and a strict arithmetic procedure of course is not such a method. JOHN VON NEUMANN, 1951
7 Prawdopodobieństwo ilościowy opis niepewności (losowości). Ciąg liczb losowych ciąg, który nie może być opisany żadnym określonym wzorcem. Losowy ciąg znaków taki ciąg, którego nie można zapisać za pomocą algorytmu w postaci krótszej od samego ciągu.
8 Wykorzystanie liczb losowych reprezentatywne badania statystyczne - losowanie z populacji (np. kontrola jakości produktów, badania ekonomiczne i społeczne); planowanie eksperymentu (np. podział poletek doświadczalnych dla celów porównawczych); symulacyjne badania procesów stochastycznych (np. symulacja procesów technicznych poddanych wymuszeniom losowym); probabilistyczne modele w problemach deterministycznych - metody Monte Carlo (np. przybliżone obliczanie całek wielowymiarowych, szukanie minimum funkcji, algorytmy genetyczne, itd.);
9 Wykorzystanie liczb losowych kryptografia (zastosowania militarne, w dyplomacji, w telekomunikacji, sieciach komputerowych); gry komputerowe, gry strategiczne, automaty do gier; budowanie modeli (np. fraktale losowe); inne.
10 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
11 Tablice liczb losowych L.H.Tippett, Random Sampling Numbers, cyfr, ze spisu powszechnego, powierzchnie parafii, po odrzuceniu dwóch pierwszych i dwóch ostatnich cyfr z każdej liczby R.A.Fisher, F.Yates, cyfr, wypisanie cyfr od 15 do 19 z pewnych 20-cyfrowych tablic logarytmicznych Kendall, Babington Smith, cyfr losowo uzyskanych za pomocą elektrycznej ruletki - wirującego dysku z oznaczeniami cyfr 0, 1,..., E.Vielrose (dla GUS), na podstawie pasków do drukujących maszyn liczących, z liczb co najmniej czterocyfrowych skreślano jedną cyfrę końcową i dwie początkowe, wykreślano niektóre kolumny RAND Corporation, cyfr. Zbudowano źródło impulsów/sekundę. Impulsy odczytywano paczkami pięciobitowymi otrzymując liczby z przedziału [0, 31]. Zachowywano liczby z przedziału [0, 19] i zapisywano ich młodszą cyfrę dziesiętną. (Tablice cyfr losowych oferowano także na kartach perforowanych).
12 Tablice liczb losowych 1 Wybrać losowo liczbę pięciocyfrową z tablicy. 2 Zredukować pierwszą cyfrę tej liczby modulo 2 - zmodyfikowana liczba pięciocyfrowa wskaże numer wiersza w tablicy. 3 Zredukować dwucyfrową końcówkę tej liczby modulo 50 otrzymana liczba dwucyfrowa wskaże numer kolumny w tablicach. 4 Rozpocząć ciąg losowy od wskazanej pozycji w tablicy.
13 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
14 generatory fizyczne (moneta, urna z kulami, kostka do gry, ruletka, itd.) zliczanie impulsów promieniowania jądrowego (dobry generator rozkładu Poissona lub wykładniczego); zliczanie impulsów elektronicznych, np. sygnałów z dysku komputera, wskaźnika myszy, szumów, itp.; pobieranie losowych bitów z arytmometru komputera lub z klawiatury; algorytmy matematyczne generowania liczb pseudolosowych - generatory programowe (rozkład równomierny lub dwupunktowy); Wynik algorytmu matematycznego ciąg liczb pseudolosowych dla osoby nieznającej metody generowania niemożliwy do odróżnienia od ciągu liczb losowych (za pomocą testów statystycznych).
15 Rozkład równomierny Dla rozkładu ciągłego zmiennej losowej x (a, b), gdzie b a = h > 0, rozkład równomierny określony jest funkcją postaci: { 1 dla x (a, b) P(x) = h 0 dla x / (a, b) Wartość przeciętna rozkładu równomiernego wynosi h/2.
16 Rozkład równomierny Rys. 1: Rozkład równomierny
17 Związki między rozkładami prawdopodobieństwa Rys. 2: Związki między rozkładami prawdopodobieństwa
18 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
19 Generator liniowy i afiniczny Generator liniowy ma postać a generator afiniczny X n+1 = g X n mod M, X n+1 = a X n + b mod M, gdzie n = 1, 2,... oraz g, a, b < M. Okres tych generatorów zależy od wartości parametrów powyższych równań kongruencyjnych. Wadą generatorów liniowych jest ich przewidywalność, to znaczy układanie się punktów o współrzędnych (X n+1, X n ) w postaci pasów.
20 Uogólniony generator liniowy X n = a 1 X n a k X n k + b mod M dla pewnych stałych osiąga maksymalny okres M, bardziej złożona zależność dla badania przewidywalności. Kwadratowy generator kongruencyjny X n+1 = a X 2 n + b X n + c mod M maksymalny okres M.
21 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
22 Metoda odwracania dystrybuanty Rozkłady ciągłe takie, które przyjmują wartości w zbiorze zawierającym odcinek [a, b]. F dystrybuanta pewnego rozkładu prawdopodobieństwa. Jeśli X i, i = 1, 2,... ciąg niezależnych zmiennych losowych o rozkładzie równomiernym na odcinku [0, 1], to ciąg Y i = F 1 (X i ), i = 1, 2,... jest ciągiem niezależnych zmiennych losowych o rozkładzie zadanym dystrybuantą F.
23 Przykład 1: rozkład wykładniczy F (x) = 1 e x Wówczas i ciąg F 1 (y) = ln(1 y) Y i = ln(1 X i ) jest ciągiem niezależnych zmiennych losowych o rozkładzie wykładniczym.
24 Przykład 2: rozkład normalny Przybliżone wyrażenie dla dystrybuanty rozkładu normalnego z użyciem wyrażenia przybliżonego dla funkcji błędu erf erf(t) = 1 (a 1 z + a 2 z 2 + a 3 z 3 + a 4 z 4 + a 5 z 5 ) exp( z 2 ) + ε(z), gdzie 1 z = 1 + p t, ε(z)
25 Przykład 2: rozkład normalny oraz ponadto p = , a 1 = , a 2 = , a 3 = , a 4 = , a 5 = (dokładność rzędu 10 7 dla wszystkich x [0, )).
26 Ta metoda całkowania jest używana w przypadkach, kiedy szybkość otrzymania wyniku jest ważniejsza od jego dokładności (np. obliczenia inżynierskie).
27 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
28 Pole powierzchni pod sinusoidą Rys. 3: Obliczanie pola powierzchni pod sinusoidą: x [ π, π]
29 Pole powierzchni pod sinusoidą Na rys. 3. widzimy wykres funkcji y = sin(x) dla x [ π, π] Wykres ten jest wpisany w prostokąt o długości 2π i wysokości h nieco większej niż 2. Wrzucamy teraz losowo do tego rysunku punkty, ale tak, aby wpadały do prostokąta. Gdy uznamy, że wrzuciliśmy już wystarczająco dużo punktów, to je zliczamy: jaka jest liczba punktów pomiędzy osią Ox a krzywą i jaka jest liczba punktów w całym prostokącie.
30 Pole powierzchni pod sinusoidą Wiemy, że pole prostokąta wynosi 2π h. Punkty były rzucane całkowicie przypadkowo, więc liczba tych punktów w danej figurze geometrycznej jest proporcjonalna do pola powierzchni tej figury. Mamy zatem, iż N n = S pr S sin S sin = 2π h n N, (1) gdzie N liczba punktów w całym prostokącie, n liczba punktów pod krzywą, S pr pole powierzchni prostokąta, S sin pole powierzchni pod krzywą. Aby policzyć numerycznie wartość tego pola pod krzywą, musimy poznać wartość liczby π. Jaka to wartość? na to pytanie uzyskamy odpowiedź w następnym podrozdziale.
31 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
32 Rys. 4: Wyznaczanie wartości liczby π metodą Monte Carlo
33 Do wyznaczenia wartości liczby π można zastosować technikę zastosowaną powyżej, czyli skorzystać jeszcze raz z metody Monte Carlo. Wpisujemy w kwadrat o boku 2r koło o promieniu r = 1 (rys. 4), czyli figurę geometryczna zadaną równaniem x 2 + y 2 r 2 = 1 Pole powierzchni koła wynosi więc S o = π r 2 = π
34 1 Losujemy n punktów z opisanego na tym kole kwadratu o współrzędnych wierzchołków ( 1, 1), ( 1, 1), (1, 1), (1, 1). 2 Po wylosowaniu każdego z tych punktów trzeba sprawdzić, czy jego współrzędne spełniają powyższą nierówność (tj. czy punkt należy do koła). Wynikiem losowania jest informacja, że z n wszystkich prób k było trafionych, zatem pole koła wynosi Mamy zatem π = P k n. (2) gdzie P jest polem kwadratu opisanego na kole (tutaj P = 2 2 = 4).
35 Przykład obliczania wartości liczby π #include <iostream> #include <cmath> #include <cstdlib> using namespace std; int main() { int n; int nk = 0; double x,y; float s; cout << "Podaj liczbe losowanych pkt:" << endl; cin >> n; for(int i = 1; i <= n; i++) { x = ((double)rand() / (RAND_MAX)) * 2-1; y = ((double)rand() / (RAND_MAX))*2-1; if(x*x + y*y <= 1) { nk++; } } } cout << "Liczba pkt. w kole wynosi: " << nk << endl; cout << "Liczba pkt. w kwadracie wynosi: " << n << endl; s = 4 * (double)nk / n; cout << "Liczba pi wynosi: " << s;
36 Dokładność metody Monte Carlo Dokładność wyniku uzyskanego tą metodą jest zależna od liczby sprawdzeń i jakości użytego generatora liczb pseudolosowych. Należy pamiętać, że zwiększanie liczby prób nie zawsze zwiększa dokładność wyniku, ponieważ generator liczb pseudolosowych generuje na ogół cykliczne liczy losowe.
37 Poprawność metody Monte Carlo Poprawność metody Monte Carlo w przypadku liczenia pól lub całek można udowodnić stosując twierdzenie Picka (lub jego wielowymiarowe uogólnienia) do najlepszego wielokąta wpisanego w figurę, której pole chcemy obliczyć w przybliżeniu tzw. kryształu wirtualnego, tzn. regularnej siatki punktów o stałej sieci równej średniej odległości między wylosowanymi punktami. W nieskończonej granicy tych wielokątów i siatek metoda jest dokładna dla dowolnego kształtu.
38 Twierdzenie Georga Alexandra Picka (1899) Jeśli wierzchołki spójnego wielokąta znajdują się w punktach regularnej kwadratowej sieci na płaszczyźnie, to pole wielokąta jest równe: S W = W B 1 gdzie W liczba punktów kraty leżących wewnątrz wielokąta, B liczba punktów kraty leżących na brzegu wielokąta.
39 Twierdzenie Picka Rys. 5: Liczenie pola wielokąta
40 Twierdzenie Picka Dla wielokąta na rysunku 5 mamy: W = 39, B = 14 i z twierdzenia Picka P = = 45 Należy pamiętać, że powyższy wzór jest prawdziwy jedynie dla wielokątów jednospójnych (złożonych z jednego kawałka i bez dziur). W ogólnym przypadku 1 we wzorze należy zastąpić przez χ(p), gdzie χ(p) charakterystyka Eulera wielokąta P. Twierdzenie to zostało po raz pierwszy opisane przez Georga Alexandra Picka w Można je uogólnić na przestrzeń trzy i więcej wymiarową przez wielomiany Ehrharta.
41 Zaproponowana tu metoda nie ma oczywiście dużego praktycznego znaczenia, ale obrazuje alternatywny sposób myślenia, by zamiast przeprowadzać skomplikowane obliczenia, lepiej i szybciej jest zastosować metodę Monte Carlo. Jeśli chodzi zaś o obliczanie całek, to swą przewagę nad innymi metodami pokazuje dopiero przy obliczaniu objętości skomplikowanych wielowymiarowych figur.
42 Spis treści 1 2 Generowanie ciągów liczb losowych na podstawie tablicy cyfr losowych 3 4
43 Mamy równanie nieliniowe jednej zmiennej f (x) = 0 posiadające dokładnie jeden pierwiastek x 0 w przedziale (a, b). Funkcja f (x) jest ciągła na [a, b]. Jeśli jest tylko jeden pierwiastek, to f (a) f (b) < 0
44 Sprawdzenie, czy wylosowany punkt x leży po lewej czy po prawej stronie pierwiastka x 0, polega na sprawdzeniu znaku iloczynu f (a) f (x), co pozwala na zawężeniu obszaru poszukiwań do przedziału [a 1, b 1 ], gdzie a 1 = x i b 1 = b gdy f (a) f (x) > 0 a 1 = a i b 1 = x gdy f (a) f (x) < 0 Postępowanie to powtarzamy wielokrotnie.
45 Losowane punkty x zmiennej losowej X mają rozkład równomierny na przedziale [a, b], czyli gęstość g(x) dla k-tej iteracji ma postać 0 dla x < a k 1 1 g(x) = dla a k 1 x b k 1 b k 1 a k 1 0 dla x > b k 1
46 Dla każdego nowego przedziału [a k, b k ] zawierającego poszukiwany pierwiastek x 0 obliczamy długość przedziału d = a k b k. Jeśli d < ε z góry przyjęta dokładność obliczeń, to x 1 = a k + b k 2 Popełniony błąd x 1 x 0 < ε gdzie x 0 prawdziwa wartość pierwiastka, x 1 przybliżona wartość pierwiastka.
47 1 Białynicki-Birula I., Białynicka-Birula I., Modelowanie rzeczywistości, Prószyński i S-ka, Warszawa, Wieczorkowski R., Zieliński R., Komputerowe generatory liczb losowych, WNT, Warszawa, Ulam S., Przygody matematyka, Prószyński i S-ka, Warszawa, Kotulski Z., (rękopis) 5 Kotowski R., Tronczyk P., Modelowanie i symulacje komputerowe, Wydawnictwo UKW, Bydgoszcz, Demidowicz B.P., Maron I.A., Metody numeryczne cz. I, PWN, Warszawa, Kącki E., Małolepszy A., Romanowicz A., Metody numeryczne dla inżynierów, Wyższa Szkoła Informatyki w Łodzi, Łódź, Vetterling W.T., Teukolsky S.A., Press W.H., Flannery B.P., Numerical Recipes, Cambridge University Press, Wikipedia
48 Koniec? :-( Koniec wykładu 13
Prawdopodobieństwo geometryczne
Prawdopodobieństwo geometryczne Krzysztof Jasiński Wydział Matematyki i Informatyki UMK, Toruń V Lieceum Ogólnokształące im. Jana Pawała II w Toruniu 13.03.2014 Krzysztof Jasiński (WMiI UMK) Prawdopodobieństwo
Bardziej szczegółowoModelowanie komputerowe
Modelowanie komputerowe wykład 1- Generatory liczb losowych i ich wykorzystanie dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 5,12 października 2016 r.
Bardziej szczegółowoMetoda Monte Carlo i jej zastosowania
i jej zastosowania Tomasz Mostowski Zajęcia 31.03.2008 Plan 1 PWL 2 3 Plan PWL 1 PWL 2 3 Przypomnienie PWL Istnieje wiele wariantów praw wielkich liczb. Wspólna ich cecha jest asymptotyczne zachowanie
Bardziej szczegółowoMetody numeryczne w przykładach
Metody numeryczne w przykładach Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń Regionalne Koło Matematyczne 8 kwietnia 2010 r. Bartosz Ziemkiewicz (WMiI UMK) Metody numeryczne w przykładach
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XIV: Metody Monte Carlo 19 stycznia 2016 Przybliżone obliczanie całki oznaczonej Rozważmy całkowalną funkcję f : [0, 1] R. Chcemy znaleźć przybliżoną wartość liczbową całki 1 f (x) dx. 0 Jeden ze
Bardziej szczegółowoSieci Mobilne i Bezprzewodowe laboratorium 2 Modelowanie zdarzeń dyskretnych
Sieci Mobilne i Bezprzewodowe laboratorium 2 Modelowanie zdarzeń dyskretnych Plan laboratorium Generatory liczb pseudolosowych dla rozkładów dyskretnych: Generator liczb o rozkładzie równomiernym Generator
Bardziej szczegółowowykład V uzupełnienie notatek: dr Jerzy Białkowski Programowanie C/C++ Język C++ klasy i obiekty wykład V dr Jarosław Mederski Spis Język C++ - klasy
i obiekty Programowanie i obiekty uzupełnienie notatek: dr Jerzy Białkowski i obiekty 1 2 3 4 i obiekty Obiektowość języka C++ Na tym wykładzie poznamy: ˆ Klasa (w języku C++ rozszerzenie struktury, typ
Bardziej szczegółowoWprowadzenie do metod numerycznych Wykład 9 Różniczkowanie numeryczne
Wprowadzenie do metod numerycznych Wykład 9 Różniczkowanie numeryczne Polsko-Japońska Wyższa Szkoła Technik Komputerowych Katedra Informatyki Stosowanej Spis treści 1 Na czym polega różniczkowanie numeryczne
Bardziej szczegółowoWprowadzenie do metod numerycznych Wykład 2 Numeryczne rozwiązywanie równań nieliniowych
Wprowadzenie do metod numerycznych Wykład 2 Numeryczne rozwiązywanie równań nieliniowych Polsko-Japońska Wyższa Szkoła Technik Komputerowych Katedra Informatyki Stosowanej Spis treści Spis treści 1 Numeryczne
Bardziej szczegółowoKorzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)
Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Przygotował: Dr inż. Wojciech Artichowicz Katedra Hydrotechniki PG Zima 2014/15 1 TABLICE ROZKŁADÓW... 3 ROZKŁAD
Bardziej szczegółowoWstęp do Informatyki
Wstęp do Informatyki Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 11 Bożena Woźna-Szcześniak (AJD) Wstęp do Informatyki Wykład 11 1 / 52 Pętla for # i n c l u d e
Bardziej szczegółowoAlgorytmy zrandomizowane
Algorytmy zrandomizowane http://zajecia.jakubw.pl/nai ALGORYTMY ZRANDOMIZOWANE Algorytmy, których działanie uzależnione jest od czynników losowych. Algorytmy typu Monte Carlo: dają (po pewnym czasie) wynik
Bardziej szczegółowoWstęp do programowania
wykład 6 Agata Półrola Wydział Matematyki i Informatyki UŁ sem. zimowy 2017/2018 Losowanie liczb całkowitych Dostępne biblioteki Najprostsze losowanie liczb całkowitych można wykonać za pomocą funkcji
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobieństwo geometryczne Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń Uniwersyteckie Koło Matematyczne 23 kwietnia 2009 r. Bartosz Ziemkiewicz (WMiI UMK) Prawdopodobieństwo geometryczne
Bardziej szczegółowoLista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej szczegółowoIlustracja metody Monte Carlo do obliczania pola obszaru D zawartego w kwadracie [a, b] [a, b].
Rachunek Prawdopodobienstwa MAEW104 Wydział Elektroniki, rok akad. 2008/09, sem. letni wykład: dr hab. Agnieszka Jurlewicz Temat projektu: Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego
Bardziej szczegółowoWYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą
1. Statystyka odczytać informacje z tabeli odczytać informacje z diagramu 2. Mnożenie i dzielenie potęg o tych samych podstawach 3. Mnożenie i dzielenie potęg o tych samych wykładnikach 4. Potęga o wykładniku
Bardziej szczegółowoGeneratory Liczb Losowych
Generatory Liczb Losowych Metody deterministyczne w niedeterministycznym świecie. Paweł Jamer Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska 30 kwietnia 2011 Rysunek: demotywatory.pl
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne. Twierdzenia graniczne Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 20.2.208 / 26 Motywacja Rzucamy wielokrotnie uczciwą monetą i zliczamy
Bardziej szczegółowoWprowadzenie do metod numerycznych Wykład 3 Metody algebry liniowej I Wektory i macierze
Wprowadzenie do metod numerycznych Wykład 3 Metody algebry liniowej I Wektory i macierze Polsko-Japońska Wyższa Szkoła Technik Komputerowych Katedra Informatyki Stosowanej Spis treści Spis treści 1 Wektory
Bardziej szczegółowoMetody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne
Metody numeryczne materiały do wykładu dla studentów 7. Całkowanie numeryczne 7.1. Całkowanie numeryczne 7.2. Metoda trapezów 7.3. Metoda Simpsona 7.4. Metoda 3/8 Newtona 7.5. Ogólna postać wzorów kwadratur
Bardziej szczegółowoWYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP. V. Obliczenia procentowe. Uczeń: 1) przedstawia część wielkości jako procent tej wielkości;
WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP Liczby. TEMAT Rozwinięcia dziesiętne liczb wymiernych. Zaokrąglanie liczb. Szacowanie wyników. Dodawanie i odejmowanie liczb dodatnich. Mnożenie i dzielenie
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 szczegółowoMetody numeryczne. Wykład nr 12. Dr Piotr Fronczak
Metody numeryczne Wykład nr 1 Dr Piotr Fronczak Generowanie liczb losowych Metody Monte Carlo są oparte na probabilistyce działają dzięki generowaniu liczb losowych. W komputerach te liczby generowane
Bardziej szczegółowoMATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ. programowej dla klas IV-VI. programowej dla klas IV-VI.
MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ TEMAT LICZBA GODZIN LEKCYJNYCH WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ UWAGI. LICZBY I DZIAŁANIA 6 h Liczby. Rozwinięcia
Bardziej szczegółowoCzym jest całka? Całkowanie numeryczne
Całkowanie numeryczne jest to zagadnienie z metod elementów skończonych (MES). Korzystając z całkowania numerycznego możemy obliczyć wartość dowolnej całki jednowymiarowej oznaczonej. Wynik jest zawsze
Bardziej szczegółowoWYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II W PUBLICZNYM GIMNAZJUM NR 2 W ZESPOLE SZKÓŁ W RUDKACH
WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II W PUBLICZNYM GIMNAZJUM NR 2 W ZESPOLE SZKÓŁ W RUDKACH Marzena Zbrożyna DOPUSZCZAJĄCY: Uczeń potrafi: odczytać informacje z tabeli odczytać informacje z diagramu
Bardziej szczegółowoWYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE OCENY MATEMATYKA KLASA 8 DZIAŁ 1. LICZBY I DZIAŁANIA
WYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE OCENY MATEMATYKA KLASA 8 DZIAŁ 1. LICZBY I DZIAŁANIA zna znaki używane do zapisu liczb w systemie rzymskim; zna zasady zapisu liczb w systemie rzymskim; umie zapisać
Bardziej szczegółowoARKUSZ X
www.galileusz.com.pl ARKUSZ X W każdym z zadań 1.-24. wybierz i zaznacz jedną poprawną odpowiedź. Zadanie 1. (0-1 pkt) Liczba 3 2 jest równa A) 5 2 B) 6 2 C) 6 2 D) 2 Zadanie 2. (0-1 pkt) Kurtka zimowa
Bardziej szczegółowoKORESPONDENCYJNY KURS PRZYGOTOWAWCZY Z MATEMATYKI
KORESPONDENCYJNY KURS PRZYGOTOWAWCZY Z MATEMATYKI PRACA KONTROLNA nr 1 październik 1999 r 1. Stop składa się z 40% srebra próby 0,6, 30% srebra próby 0,7 oraz 1 kg srebra próby 0,8. Jaka jest waga i jaka
Bardziej szczegółowowykład IV uzupełnienie notatek: dr Jerzy Białkowski Programowanie C/C++ Język C, a C++. wykład IV dr Jarosław Mederski Spis Język C++ - wstęp
Programowanie uzupełnienie notatek: dr Jerzy Białkowski 1 2 3 4 Historia C++ został zaprojektowany w 1979 przez Bjarne Stroustrupa jako rozszerzenie języka C o obiektowe mechanizmy abstrakcji danych i
Bardziej szczegółowoRachunek całkowy - całka oznaczona
SPIS TREŚCI. 2. CAŁKA OZNACZONA: a. Związek między całką oznaczoną a nieoznaczoną. b. Definicja całki oznaczonej. c. Własności całek oznaczonych. d. Zastosowanie całek oznaczonych. e. Zamiana zmiennej
Bardziej szczegółowoKURS WSPOMAGAJĄCY PRZYGOTOWANIA DO MATURY Z MATEMATYKI ZDAJ MATMĘ NA MAKSA. przyjmuje wartości większe od funkcji dokładnie w przedziale
Zestaw nr 1 Poziom Rozszerzony Zad.1. (1p) Liczby oraz, są jednocześnie ujemne wtedy i tylko wtedy, gdy A. B. C. D. Zad.2. (1p) Funkcja przyjmuje wartości większe od funkcji dokładnie w przedziale. Wtedy
Bardziej szczegółowoMatematyka rozszerzona matura 2017
Matematyka rozszerzona matura 017 Zadanie 1 Liczba ( 3 + 3) jest równa A. B. 4 C. 3 D. 3 ( 3 + 3) = 3 ( 3)( + 3) + + 3 = A. 3 4 3 + + 3 = 4 1 = 4 = Zadanie. Nieskończony ciąg liczbowy jest określony wzorem
Bardziej szczegółowoWYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE VIII
WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE VIII Uczeń na ocenę dopuszczającą: - zna znaki używane do zapisu liczb w systemie rzymskim, - umie zapisać i odczytać liczby naturalne dodatnie w systemie rzymskim
Bardziej szczegółowoOsiągnięcia ponadprzedmiotowe
W rezultacie kształcenia matematycznego uczeń potrafi: Osiągnięcia ponadprzedmiotowe Umiejętności konieczne i podstawowe KONIECZNE PODSTAWOWE ROZSZERZAJĄCE DOPEŁNIAJACE WYKRACZAJĄCE czytać teksty w stylu
Bardziej szczegółowoPrzez F(C) oznaczamy figurę narysowaną w kartezjańskim układzie współrzędnych, która ograniczona jest przez:
Obliczanie pola figury ograniczonej krzywymi było jednym z zadań na maturze z informatyki w 2006 roku. Według mnie jest to najtrudniejsze zadania jakie zostało umieszczone w arkuszach egzaminacyjnych z
Bardziej szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowo2. Zmienne i stałe. Przykłady Napisz program, który wypisze na ekran wynik dzielenia 281 i 117 w postaci liczby mieszanej (tj. 2 47/117).
2. Zmienne i stałe Przykłady 2.1. Napisz program, który wypisze na ekran wynik dzielenia 281 i 117 w postaci liczby mieszanej (tj. 2 47/117). 5 int a = 281; int b = 117; 7 8 cout
Bardziej szczegółowoKRYTERIA OCEN Z MATEMATYKI DLA KLASY VII
KRYTERIA OCEN Z MATEMATYKI DLA KLASY VII Na ocenę dopuszczającą uczeń powinien : Na ocenę dostateczną uczeń powinien: Na ocenę dobrą uczeń powinie: Na ocenę bardzo dobrą uczeń powinien: Na ocenę celującą
Bardziej szczegółowo1 Równania nieliniowe
1 Równania nieliniowe 1.1 Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym jest numeryczne poszukiwanie rozwiązań równań nieliniowych, np. algebraicznych (wielomiany),
Bardziej szczegółowoWykład 14. Testowanie hipotez statystycznych - test zgodności chi-kwadrat. Generowanie liczb losowych.
Wykład 14 Testowanie hipotez statystycznych - test zgodności chi-kwadrat. Generowanie liczb losowych. Rozkład chi-kwadrat Suma kwadratów n-zmiennych losowych o rozkładzie normalnym standardowym ma rozkład
Bardziej szczegółowoKilka słów o metodzie Monte Carlo
Rachunek Prawdopodobieństwa Grupa wykładowa: środa g. 15.15 Prezentuje: Grupa w składzie: 1. Wojciech Nawracała 2. Paweł Gancarz 3. Michał Frysztacki 4. Paweł Trajdos 5. Jakub Bubin Ilustracja metody Monte
Bardziej szczegółowoPodstawy symulacji komputerowej
Podstawy symulacji komputerowej Wykład 3 Generatory liczb losowych Wojciech Kordecki wojciech.kordecki@pwsz-legnica.eu Państwowa Wyższa Szkoła Zawodowa im. Witelona w Legnicy Wydział Nauk Technicznych
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA
STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;
Bardziej szczegółowoLista zadania nr 4 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 4 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej szczegółowoZESTAWIENIE TEMATÓW Z MATEMATYKI Z PLUSEM DLA KLASY VIII Z WYMAGANIAMI PODSTAWY PROGRAMOWEJ WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ
ZESTAWIENIE TEMATÓW Z MATEMATYKI Z PLUSEM DLA KLASY VIII Z WYMAGANIAMI PODSTAWY PROGRAMOWEJ TEMAT LICZBA GODZIN LEKCYJNYCH WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ UWAGI 1. LICZBY I DZIAŁANIA 14 h
Bardziej szczegółowoWymagania z matematyki KLASA VII
Wymagania z matematyki KLASA VII Wymagania na ocenę dopuszczającą: -porównywanie liczb wymiernych (łatwiejsze -zaznaczanie liczb wymiernych na osi liczbowej - zamiana ułamka zwykłego na dziesiętny i odwrotnie
Bardziej szczegółowoPRZYKŁADOWE ZADANIA Z MATEMATYKI NA POZIOMIE PODSTAWOWYM
PRZYKŁADOWE ZADANIA Z MATEMATYKI NA POZIOMIE PODSTAWOWYM Zad.1. (0-1) Liczba 3 8 3 3 9 2 A. 3 3 Zad.2. (0-1) jest równa: Liczba log24 jest równa: B. 3 32 9 C. 3 4 D. 3 5 A. 2log2 + log20 B. log6 + 2log2
Bardziej szczegółowoWażne 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 szczegółowoMATEMATYKA DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ
MATEMATYKA DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ TEMAT 1. LICZBY I DZIAŁANIA Liczby. Rozwinięcia dziesiętne liczb wymiernych. Zaokrąglanie liczb. Szacowanie wyników. Dodawanie i odejmowanie
Bardziej szczegółowoOsiągnięcia ponadprzedmiotowe
W rezultacie kształcenia matematycznego uczeń potrafi: Osiągnięcia ponadprzedmiotowe Umiejętności konieczne i podstawowe czytać teksty w stylu matematycznym wykorzystywać słownictwo wprowadzane przy okazji
Bardziej szczegółowoWYMAGANIA EDUKACUJNE Z MATEMATYKI Z PLUSEM DLA KLASY VIII WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ TEMAT
WYMAGANIA EDUKACUJNE Z MATEMATYKI Z PLUSEM DLA KLASY VIII TEMAT WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ 1. LICZBY I DZIAŁANIA System rzymski. Powtórzenie i utrwalenie umiejętności z zakresu podstawy
Bardziej szczegółowoPodstawy OpenCL część 2
Podstawy OpenCL część 2 1. Napisz program dokonujący mnożenia dwóch macierzy w wersji sekwencyjnej oraz OpenCL. Porównaj czasy działania obu wersji dla różnych wielkości macierzy, np. 16 16, 128 128, 1024
Bardziej szczegółowoautomatyka i robotyka II stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoPRÓBNY EGZAMIN MATURALNY Z NOWĄ ERĄ
KOD ZDAJĄCEGO WPISUJE ZDAJĄCY symbol klasy symbol zdającego PRÓBNY EGZAMIN MATURALNY Z NOWĄ ERĄ MATEMATYKA-POZIOM PODSTAWOWY dysleksja Instrukcja dla zdającego 1. Sprawdź, czy arkusz egzaminacyjny zawiera
Bardziej szczegółowoEGZAMIN MATURALNY Z MATEMATYKI POZIOM PODSTAWOWY 25 SIERPNIA Godzina rozpoczęcia: 9:00. Czas pracy: 170 minut. Liczba punktów do uzyskania: 50
Arkusz zawiera informacje prawnie chronione do momentu rozpoczęcia egzaminu. Układ graficzny CKE 013 KOD UZUPEŁNIA ZDAJĄCY PESEL Miejsce na naklejkę z kodem dysleksja Instrukcja dla zdającego EGZAMIN MATURALNY
Bardziej szczegółowoIX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,
IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy
Bardziej szczegółowoInstytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Ćwiczenie 3 Generator liczb losowych o rozkładzie Rayleigha.
Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Generator liczb losowych o rozkładzie Rayleigha. Generator liczb losowych o rozkładzie Rayleigha. 1. Cel ćwiczenia
Bardziej szczegółowoMetody Numeryczne w Budowie Samolotów/Śmigłowców Wykład I
Metody Numeryczne w Budowie Samolotów/Śmigłowców Wykład I dr inż. Tomasz Goetzendorf-Grabowski (tgrab@meil.pw.edu.pl) Dęblin, 11 maja 2009 1 Organizacja wykładu 5 dni x 6 h = 30 h propozycja zmiany: 6
Bardziej szczegółowoWymagania edukacyjne niezbędne do otrzymania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z matematyki dla klasy VIII
Wymagania edukacyjne niezbędne do otrzymania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z matematyki dla klasy VIII Temat 1. System rzymski. 2. Własności liczb naturalnych. 3. Porównywanie
Bardziej szczegółowoEGZAMIN MATURALNY OD ROKU SZKOLNEGO 2014/2015 MATEMATYKA POZIOM ROZSZERZONY
EGZAMIN MATURALNY OD ROKU SZKOLNEGO 014/015 MATEMATYKA POZIOM ROZSZERZONY PRZYKŁADOWY ZESTAW ZADAŃ DLA OSÓB Z AUTYZMEM, W TYM Z ZESPOŁEM ASPERGERA (A) W czasie trwania egzaminu zdający może korzystać z
Bardziej szczegółowoWymagania edukacyjne z matematyki dla klasy VII
Wymagania edukacyjne z matematyki dla klasy VII Szkoły Podstawowej nr 100 w Krakowie Na podstawie programu Matematyka z plusem Na ocenę dopuszczającą Uczeń: rozumie rozszerzenie osi liczbowej na liczby
Bardziej szczegółowoMikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 6 Mikołaj Czajkowski Wiktor Budziński Metody symulacyjne Monte Carlo Metoda Monte-Carlo Wykorzystanie mocy obliczeniowej komputerów, aby poznać charakterystyki zmiennych losowych poprzez
Bardziej szczegółowoEGZAMIN MATURALNY OD ROKU SZKOLNEGO
EGZAMIN MATURALNY OD ROKU SZKOLNEGO 014/015 MATEMATYKA POZIOM ROZSZERZONY PRZYKŁADOWY ZESTAW ZADAŃ DLA OSÓB SŁABOSŁYSZĄCYCH (A3) W czasie trwania egzaminu zdający może korzystać z zestawu wzorów matematycznych,
Bardziej szczegółowoWymagania edukacyjne z matematyki dla uczniów klasy VII szkoły podstawowej
Wymagania edukacyjne z matematyki dla uczniów klasy VII szkoły podstawowej Ocenę dopuszczającą otrzymuje uczeń, który: rozumie rozszerzenie osi liczbowej na liczby ujemne umie porównywać liczby wymierne,
Bardziej szczegółowoPropozycje rozwiązań zadań otwartych z próbnej matury rozszerzonej przygotowanej przez OPERON.
Propozycje rozwiązań zadań otwartych z próbnej matury rozszerzonej przygotowanej przez OPERON. Zadanie 6. Dane są punkty A=(5; 2); B=(1; -3); C=(-2; -8). Oblicz odległość punktu A od prostej l przechodzącej
Bardziej szczegółowoCałkowanie numeryczne
Całkowanie numeryczne Poniżej omówione zostanie kilka metod przybliżania operacji całkowania i różniczkowania w szczególności uzależnieniu pochodnej od jej różnic skończonych gdy równanie różniczkowe mamy
Bardziej szczegółowoPRZYKŁADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI
PRZYKŁADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI Zestaw P1 POZIOM PODSTAWOWY Czas pracy 170 minut Instrukcja dla piszącego 1. Sprawdź, czy arkusz zawiera 16 stron.. W zadaniach od 1. do 5. są podane 4 odpowiedzi:
Bardziej szczegółowoZESPÓŁ SZKÓŁ W OBRZYCKU
Matematyka na czasie Program nauczania matematyki w gimnazjum ZGODNY Z PODSTAWĄ PROGRAMOWĄ I z dn. 23 grudnia 2008 r. Autorzy: Agnieszka Kamińska, Dorota Ponczek ZESPÓŁ SZKÓŁ W OBRZYCKU Wymagania edukacyjne
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu
Bardziej szczegółowoW czasie trwania egzaminu zdający może korzystać z zestawu wzorów matematycznych, linijki i cyrkla oraz kalkulatora.
Egzamin maturalny od roku szkolnego 2014/2015 Matematyka Poziom rozszerzony Przykładowy zestaw zadań dla osób słabowidzących (A4) W czasie trwania egzaminu zdający może korzystać z zestawu wzorów matematycznych,
Bardziej szczegółowoPrzedmiotowe zasady oceniania i wymagania edukacyjne z matematyki dla klasy drugiej gimnazjum
Przedmiotowe zasady oceniania i wymagania edukacyjne z matematyki dla klasy drugiej gimnazjum I. POTĘGI I PIERWIASTKI oblicza wartości potęg o wykładnikach całkowitych liczb różnych od zera zapisuje liczbę
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Przestrzeń probabilistyczna Niech Ω będzie dowolnym zbiorem, zwanym przestrzenią zdarzeń elementarnych. Elementy ω tej przestrzeni nazywamy zdarzeniami elementarnymi.
Bardziej szczegółowoWprowadzenie Metoda bisekcji Metoda regula falsi Metoda siecznych Metoda stycznych RÓWNANIA NIELINIOWE
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Zazwyczaj nie można znaleźć
Bardziej szczegółowoZADANIA OTWARTE KRÓTKIEJ ODPOWIEDZI
Zadanie 51. ( pkt) Rozwiąż równanie 3 x = 1. 1 x Zadanie 5. ( pkt) x+ 3y = 5 Rozwiąż układ równań. x y = 3 Zadanie 53. ( pkt) Rozwiąż nierówność x + 6x 7 0. ZNI OTWRTE KRÓTKIEJ OPOWIEZI Zadanie 54. ( pkt)
Bardziej szczegółowoLUBELSKA PRÓBA PRZED MATURĄ 2018 poziom podstawowy M A T E M A T Y K A 14 MARCA Instrukcja dla zdającego Czas pracy: 170 minut
Kod ucznia Nazwisko i imię M A T E M A T Y K A 14 MARCA 2018 Instrukcja dla zdającego Czas pracy: 170 minut 1. Sprawdź, czy arkusz zawiera 16 stron (zadania 1-34). Ewentualny brak zgłoś przewodniczącemu
Bardziej szczegółowoMetody numeryczne. dr hab inż. Tomasz Chwiej. Syllabus:
Metody numeryczne dr hab inż. Tomasz Chwiej Syllabus: https://syllabuskrk.agh.edu.pl/pl Plan wykładu 1. Arytmetyka komputerowa, błędy numeryczne 2. Rozwiązywanie układów algebraicznych równań liniowych
Bardziej szczegółowoL.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω)
ZADANIA - ZESTAW 1 Zadanie 1.1 Rzucamy trzy razy monetą. A i - zdarzenie polegające na tym, że otrzymamy orła w i - tym rzucie. Określić zbiór zdarzeń elementarnych. Wypisać zdarzenia elementarne sprzyjające
Bardziej szczegółowoModelowanie rynków finansowych z wykorzystaniem pakietu R
Modelowanie rynków finansowych z wykorzystaniem pakietu R Metody numeryczne i symulacje stochastyczne Mateusz Topolewski woland@mat.umk.pl Wydział Matematyki i Informatyki UMK Plan działania 1 Całkowanie
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8
Bardziej szczegółowoKORESPONDENCYJNY KURS Z MATEMATYKI. PRACA KONTROLNA nr 1
KORESPONDENCYJNY KURS Z MATEMATYKI PRACA KONTROLNA nr 1 październik 000r 1. Suma wszystkich wyrazów nieskończonego ciągu geometrycznego wynosi 040. Jeśli pierwszy wyraz tego ciągu zmniejszymy o 17, a jego
Bardziej szczegółowoNie do końca zaawansowane elementy programowania w pakiecie R. Tomasz Suchocki
Nie do końca zaawansowane elementy programowania w pakiecie R Tomasz Suchocki Plan wykładu Metody Monte Carlo Jak bardzo można przybliżyć liczbę π? Całkowanie numeryczne R w Linuxie Tinn-R Metody Monte
Bardziej szczegółowoII WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15
II WYKŁAD STATYSTYKA 12/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 2 Rachunek prawdopodobieństwa zdarzenia elementarne zdarzenia losowe zmienna losowa skokowa i ciągła prawdopodobieństwo i gęstość prawdopodobieństwa
Bardziej szczegółowoProgramowanie - wykład 4
Programowanie - wykład 4 Filip Sośnicki Wydział Fizyki Uniwersytet Warszawski 20.03.2019 Przypomnienie Prosty program liczący i wyświeltający wartość silni dla wprowadzonej z klawiatury liczby: 1 # include
Bardziej szczegółowoII. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski
II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski 1 1 Różniczkowanie numeryczne Rozważmy funkcję f(x) określoną na sieci równoodległyc węzłów. Funkcja f(x) może być dana za pomocą wzoru analitycznego
Bardziej szczegółowoWstęp do programowania
wykład 7 Agata Półrola Wydział Matematyki i Informatyki UŁ sem. zimowy 2016/2017 Losowanie liczb całkowitych Dostępne biblioteki Najprostsze losowanie liczb całkowitych można wykonać za pomocą funkcji
Bardziej szczegółowoZmienne losowe. dr Mariusz Grzadziel. rok akademicki 2016/2017 semestr letni. Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu
Zmienne losowe dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu rok akademicki 2016/2017 semestr letni Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór
Bardziej szczegółowoWymagania edukacyjne z matematyki
Wymagania edukacyjne z matematyki Poziom podstawowy Klasa IIIb r.szk. 2014/2015 PLANIMETRIA(1) rozróżnia trójkąty: ostrokątne, prostokątne, rozwartokątne stosuje twierdzenie o sumie miar kątów w trójkącie
Bardziej szczegółowowymagania programowe z matematyki kl. II gimnazjum
wymagania programowe z matematyki kl. II gimnazjum Umie obliczyć potęgę liczby wymiernej o wykładniku naturalnym. 1. Arytmetyka występują potęgi o wykładniku naturalnym. Umie zapisać i porównać duże liczby
Bardziej szczegółowo6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego
6. Zmienne losowe typu ciagłego (2.04.2007) Pole trapezu krzywoliniowego Przypomnienie: figurę ograniczoną przez: wykres funkcji y = f(x), gdzie f jest funkcją ciągłą; proste x = a, x = b, a < b, oś OX
Bardziej szczegółowoIlustracja metody MONTE CARLO. obliczania całek podwójnych
Ilustracja metody MONTE CARLO obliczania całek podwójnych Często jest tak, iż wiemy, że istnieje całka oznaczona z funkcji f jednak nie potrafimy jej analitycznie policzyć. Konieczne jest wtedy zastosowanie
Bardziej szczegółowoMetody numeryczne I Równania nieliniowe
Metody numeryczne I Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/66 Równania nieliniowe 1. Równania nieliniowe z pojedynczym pierwiastkiem
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA
AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej KATEDRA MATEMATYKI TEMAT PRACY: ROZKŁAD NORMALNY ROZKŁAD GAUSSA AUTOR: BARBARA MARDOSZ Kraków, styczeń 2008 Spis treści 1 Wprowadzenie 2 2 Definicja
Bardziej szczegółowoMATEMATYKA ZP Ramowy rozkład materiału na cały cykl kształcenia
MATEMATYKA ZP Ramowy rozkład materiału na cały cykl kształcenia KLASA I (3 h w tygodniu x 32 tyg. = 96 h; reszta godzin do dyspozycji nauczyciela) 1. Liczby rzeczywiste Zbiory Liczby naturalne Liczby wymierne
Bardziej szczegółowoROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH
Transport, studia I stopnia Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 2 i 3 1 / 19 Zmienna losowa Definicja Dana jest przestrzeń probabilistyczna
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VII: Metody specjalne Monte Carlo 24 listopada 2014 Transformacje specjalne Przykład - symulacja rozkładu geometrycznego Niech X Ex(λ). Rozważmy zmienną losową [X ], która przyjmuje wartości naturalne.
Bardziej szczegółowoPrzykładowy zestaw zadań nr 2 z matematyki Odpowiedzi i schemat punktowania poziom rozszerzony
ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR POZIOM ROZSZERZONY Nr zadania Nr czynności Etapy rozwiązania zadania Liczba punktów Uwagi... Wprowadzenie oznaczeń: x, x, y poszukiwane liczby i zapisanie równania:
Bardziej szczegółowo