G $x Y 0. Zbiór wszystkich takich sygnałów spełnia zatem równość: G X

Wielkość: px
Rozpocząć pokaz od strony:

Download "G $x Y 0. Zbiór wszystkich takich sygnałów spełnia zatem równość: G X"

Transkrypt

1 R. Z. Moraws: Metody odtwarzana sygnałów pomarowych 5. NUMERYCZNE UWARUNKOWANIE ZADANIA ODWARZANIA SYGNAŁÓW POMIAROWYCH 5.. Zależnośc podstawowe Odtwarzane sygnału na podstawe cągu { ~ yn } jest równoważne rozwązanu równana 4-) na podstawe zaburzonych danych. Dane te w jednaowo warygodny sposób reprezentować mogą cały zbór sygnałów merzonych Y, zawerający rzeczywsty sygnał podlegający pomarow y. Rozwązanem równana 4-) w lasycznym sense będze węc ażdy sygnał $ ta, że G $ Y. Zbór wszystch tach sygnałów spełna zatem równość: G = Y. rudnośc [ ] [ ] numeryczne, na jae napotyamy rozwązując zadana odtwarzana wynają stąd, że równana całowe I rodzaju należą do zadań źle postawonych w sense Hadamarda [KRYLOV et al. '84 - Rozdz. ]: dla pewnych y mg G ) mogą w ogóle ne meć rozwązań, mogą meć rozwązana nejednoznaczne albo w sposób necągły zależne od y. Konsewencją pratyczną tej ostatnej możlwośc, najbardzej łopotlwą, jest duża wrażlwość wynów odtwarzana na błędy danych, ujawnająca sę nezależne od tego, tóry z model opsanych w rozdz. 4 zostane użyty jao podstawa metody odtwarzana. Właścwość tę nazywamy złym uwarunowanem numerycznym zadana odtwarzana. Oznacza ona, że nawet bardzo małym zborom w sense średncy zdefnowanej wzorem [KOŁODZIEJ '7 - str. ]: 5-) odpowadać mogą duże w tym samym sense) albo wręcz neogranczone zbory. Jeżel stneje operator odwrotny do G, to powszechne stosowanym wsaźnem uwarunowana zadana jest lczba: cond G ) = G G Przy jej użycu błąd odtwarzana oszacować można według następującego wzoru znanego z analzy funcjonalnej - por. np. [GAVURIN '7 -...]: $ cond G ) $ y 5-3) gdze $ 5-) są normam w przestrzen, y - normam w przestrzen Y, G G - normam nduowanym przez normy elementów przestrzen Y. Jeżel G ), to taże cond G, a w onsewencj ne sposób stworzyć żadnych gwarancj dla rozwązana $. Inżynersa nterpretacja trudnośc zwązanych z odtwarzanem opera sę na spostrzeżenu, że ze względu na fzyczną naturę modelowanych zwązów mędzy przyczynam a sutam operator G jest operatorem w ścsłym sense całującym. Operator odwrotny mus zatem zawerać w sobe operację różnczowana sygnału, tóra ja wadomo uwydatna wysooczęstotlwoścowe zaburzena. W przypadu równana całowego Volterry I rodzaju z jądrem K-rotne różnczowalnym względem perwszego argumentu tam, że: ) K ) g t, t = dla =,..., K oraz g t, t 5-4) ) ) zachodz zależność [FENYO & SOLLE ' ]: t K ) K) K) g t, t) ) t + g t, τ) τ) dτ = y t) Rozdzał 5. Numeryczne uwarunowana zadana odtwarzana sygnałów pomarowych Strona 5-5-5)

2 R. Z. Moraws: Metody odtwarzana sygnałów pomarowych Wyna z nej wnose, że zadane odtwarzana może być w tym wypadu zdeomponowane na dwa prostsze: K-rotne różnczowane danych pomarowych rozwązane równana całowego Volterry II rodzaju postac 5-5), przy czym tylo perwsze z nch jest zadanem źle postawonym w sense Hadamarda tym gorzej uwarunowanym numeryczne m węsza wartość K. Badane uwarunowana zadana odtwarzana można w tym wypadu oprzeć na wynach analzy uwarunowana różnczowana numerycznego; na tym polega fundamentalne znaczene tej analzy dla odtwarzana sygnałów pomarowych [GRAČEV & SALACHOV '85]. Ze wzoru 5-5) wyna ponadto wnose, że uwarunowane równana całowego Volterry I rodzaju zależy od właścwośc jego jądra oreślonej wzorem 5-4): jest tym gorsze m bardzej głade płase jest to jądro - por. [HUN '7a]. 5.. Przyłady złego uwarunowana zadana odtwarzana Przyład 5.. Sygnałow odtwarzanemu: ~ t = t+ εδ t t t, ε ) ) ) odpowada sygnał merzony: ~ yt ) = G ~ t ) = yt + εgtt, Przy założenu, że jądro [ ] ) ) ) gt,τ jest ogranczone w wadrace, wyna stąd wnose, ż dowolne małe zaburzene sygnału merzonego postac εg tt, ) może spowodować neogranczone L ) w sense normy zaburzene wynu odtwarzana [KRYLOV et. al. '84 - ] Przyład 5.. Sygnałow odtwarzanemu: t ~ ) = t ) + sn ωt) ω R + odpowada: ~ yt ) = yt ) +G [ sn ω t) ] przy czym: ) G [ sn ωt) ] g t, τ) cos ωt) = + g t, τ) cos ωτ) d ω τ ) Przy założenu, że jądro gt,τ jest ogranczone wraz z perwszą pochodną względem t, wyna stąd wnose, ż dowolne małe ω ) zaburzene sygnału merzonego powyższej postac mus prowadzć do błędu odtwarzana sn ωt ) [BIGGS '69, GLASKO '84b - str. 4]. Przyład 5.3. Nech λ =,,...,) będą wartoścam własnym symetrycznego dodatno oreślonego operatora całowego G, uporządowanym w ten sposób, że λ+ λ λ, gdy ), zaś v - funcjam własnym, odpowadającym tym wartoścom, tworzącym bazę ortonormalną w przestrzen L ). Sygnały y wyrazć wówczas można szeregam Fourera: przy czym v = v v y = yv v 5. = yv / λ. Zaburzenu sygnału y postac v - neogranczene malejącemu, gdy - odpowada w tym wypadu błąd odtwarzana λ v - rosnący neogranczene, gdy [KRYLOV et al. '84 - Rozdz. ] Przyład 5.4. Jeżel M>N, to uład lnowych równań algebracznych 4-5) może ne meć rozwązana. Jeżel M<N, to uład ten ma na pewno nesończene wele rozwązań. Jeżel M=N det G), to ma on doładne jedno rozwązane. Numeryczne wyznaczene tego rozwązana λ 5. Rozdzał 5. Numeryczne uwarunowana zadana odtwarzana sygnałów pomarowych Strona 5-

3 R. Z. Moraws: Metody odtwarzana sygnałów pomarowych staje sę jedna problemem, gdy det G), a tae właśne ułady powstają w wynu dysretyzacj równana całowego Fredholma I rodzaju [HUN '7a]. W [GLASKO '84b -.4.] podano przyład rozwązana uładu lnowych równań algebracznych aprosymującego równane całowe: τ ) ) [ ] π dτ = y t dla t, + t τ ) tórego rozwązane uzysane w 9-cyfrowej arytmetyce zmennoprzecnowej obarczone jest błędam dochodzącym do 7 % przy brau zaburzeń danych. W srajnym przypadu, gdy det G ) =, rozwązane jest całowce oreślone przypadowym rozładem błędów zaorągleń zmnejszene tych błędów w nczym ne poprawa sytuacj. Znaomtą lustracją tej tezy są przytoczone w [ICHONOV '8] rozwązana dwóch zależnych równań algebracznych, uzysane w arytmetyce -, - 5-cyfrowej, tóre ne wyazują tendencj do jaejolwe stablzacj, mmo zastosowana neosągalnej w codzennej pratyce długośc mantysy. Przyład 5.5. ransformata błędu odtwarzana opartego na modelu 4-) ma postać: $ = H / G, gdze H jest transformatą zaburzena. Oznacza to, że przy stałym wdme H wartoścom pulsacj, dla tórych G, będą odpowadały neogranczene duże sładowe błędu odtwarzana. Inaczej mówąc: wartoścom pulsacj, dla tórych G, będą odpowadały sładowe wdma, tóre ne są reprezentowane w wdme Y. Jeżel sładowe te ne stanową redundancj, to ne mogą być odtworzone. W przecwnym wypadu mogą być odtworzone tylo metodą estrapolacj. Poneważ G na ogół dla najmnejszych najwęszych pulsacj, zwyłe obcęce wdma odtworzonego sygnału rzado wchodz w rachubę. W przypadu sygnałów typu spetrometrycznego oznaczałoby ono bowem pogorszene rozdzelczośc zamast jej poprawy. Z zasady neoznaczonośc wsza wyna, że pasmo odtwarzana mus być tym szersze m węższe mają być odtwarzane "p" [HOWARD '97 -.III.D] Do analogcznych wnosów prowadz analza probablstyczna. Przy założenu, że jest procesem bałym o warancj σ σ, warancja błędu odtwarzana jest neogranczona: /G, jeżel charaterysty częstotlwoścowe G zanają do zera za wzrostem pulsacj.. Przyład 5.6. Zaburzając yt ) sygnałem sn t) / 5, tórego norma w L maleje do zera ze wzrostem, spowodujemy błąd różnczowana postac 5. cos t ), tórego norma w L ) oddala sę neogranczene od gdy [KRYLOV et al. '84 - Rozdz. ]. Dalsze lustracje złego uwarunowana zadana odtwarzana sygnałów pomarowych można znależć w [EKSROM '73, DENISOV '8, SARKAR et al. '8, JANSSON '97-3.III.B, RIAD '86] Regularyzacja zadana odtwarzana Z przytoczonych przyładów jasno wyna, że rozwązane równana 4-) uzysane na podstawe zaburzonych danych ne jest w ogólnośc dobrym rozwązanem zadana odtwarzana; może sę bowem dowolne różnć od sygnału odtwarzanego. Wyna stąd postulat nnego rozumena rozwązana zadana odtwarzana: zgody na to, że ne mus ono spełnać doładne równana g = ~ y, ale za to możlwe najlepej przyblżać odtwarzany sygnał. Chodz węc o to, aby o wyborze rozwązana ze zboru ne decydował szum pomarowy lecz pewen mechanzm wyrażający nasze wyobrażene o dobrym odtwarzanu. Funcję taego mechanzmu mogą spełnć wszelego rodzaju ogranczena zboru wydeduowane z nformacj aprorycznej o,, a węc w dużej merze zależne od specyf problemu fzyo-chemcznego czy techncznego, tóry został sformułowany jao zadane odtwarzana. A oto przyłady ogranczeń tego typu, najczęścej wyorzystywanych w pratyce odtwarzana: Rozdzał 5. Numeryczne uwarunowana zadana odtwarzana sygnałów pomarowych Strona 5-3 )

4 R. Z. Moraws: Metody odtwarzana sygnałów pomarowych { ) t dla t } { MIN ) t MA dla t } = = ) { ) t dt MA } { ) t dla t } { jω ) dla ω [ Ω, Ω ] } { jω ) dla ω } = = = = R = > R = { ~ y g p y} = { ~ y g) o } = { ~ yn g Kσ dla n=, K, N -} { F [ ~ y g ] KHσ dla n=, K, N -} = = { ~ y g ) Σ ~ y g ) δτ} ~ y g ) W ~ y g ) δ = { n R} = W defncjach powyższych zborów, oprócz oznaczeń wprowadzonych w rozdz. 4, użyto następujących symbol: = [ K ] - nośn sygnału ; Ω - pulsacja granczna wdma sygnału ; ) MIN, MA, y,, K, KH, δ r. R - zadane parametry salarne; σ - preestymata warancj wetora zaburzeń ; Σ - preestymata macerzy owarancj wetora zaburzeń ; W n = ep jπ n ) / N)., Górne ndesy odróżnają zbory wynające z ogranczena lasy odtwarzanych sygnałów od zborów wyznaczonych przez właścwośc zaburzeń. O le defncje zborów należących do perwszej grupy są w pełn czytelne bez omentarzy, o tyle druga grupa wymaga pewnych wyjaśneń. - to najczęścej stosowane ogranczene funcjonału nedopasowana, tóre w przypadu zaburzeń losowych przyjmuje postać: ~ y g σ. wyraża wymagane sprowadzena średnej arytmetycznej wetora nedopasowana ponżej zadanego pozomu. umożlwa ogranczene wpływu błędów grubych nadmernych) pomaru y na wyn odtwarzana. 4 służy ogranczenu nedopasowana w dzedzne wdmowej, 5 - ogranczenu unormowanej warancj nedopasowana pewne uogólnene dla p=), zaś - ogranczenu nedopasowana 6 3 Rozdzał 5. Numeryczne uwarunowana zadana odtwarzana sygnałów pomarowych Strona 5-4

5 R. Z. Moraws: Metody odtwarzana sygnałów pomarowych wdmowych gęstośc mocy. Ogranczena taże od nformacj o operatorze G. zależą ne tylo od nformacj aprorycznej o, ale W przypadu jednoczesnego zastosowana lu ogranczeń zbór możlwych rozwązań zadana odtwarzana ulega zawężenu do: = l l Poneważ, węc sze ) sze ). Jeżel ma mejsce ostra nerówność, to następuje poprawa uwarunowana zadana odtwarzana; w szczególnośc, jeżel ma ona mejsce, gdy ) =, to mówmy o regularyzacj zadana. W ogólnośc regularyzacją zadana źle postawonego w sense Hadamarda nazywamy aprosymację tego zadana zadanem postawonym poprawne możlwe dobrze uwarunowanym numeryczne. Regularyzacja zadana odtwarzana umożlwa węc wyrażene jego rozwazana w postac $ = F ~ y lub $ = F ~ y [ ] [ ] α α α α gdze F α jest operatorem ogranczonym cągłym w, neoneczne lnowym, zwanym regularyzatorem zadana odtwarzana albo po prostu operatorem odtwarzana. Operatorow F α stawamy wymagane, aby dawał rozwązana $ α tym blższe m mnejszy pozom zaburzeń danych. Stąd ndes α, zwany uogólnonym) parametrem regularyzacj, zależny od parametrów występujących w defncjach przyładowych ogranczeń. Wymagamy węc, aby $ α gdy y,, σ, δr lub R. Zależność α od tych paramatrów jest przy tym na ogół ta onstruowana, że jednocześne α. Najczęścej przedmotem analz teoretycznych są regularyzatory z parametrem salarnym α > - por. np. [ENGL '8, MARČUK '83-7.., KRYLOV et al. '84-7..] Sposoby regularyzacj a lasyfacja metod odtwarzana Przedstawona "flozofa" regularyzacj jest próbą jednoltego ujęca nezwyle zróżncowanych sposobów przezwycężana trudnośc numerycznych właścwych odtwarzanu; sposobów tóre zostały opracowane w różnych dzedznach zastosowań odtwarzana, przy użycu bardzo zróżncowanych narzędz teoretycznych nżynersch heurysty. Celem naszym jest poazane, że pozwala ona w sposób zadowalający z pratycznego puntu wdzena wyjaśnć mechanzm regularyzacj leżący u podstaw znanych metod odtwarzana oraz w sposób metodyczny generować nowe metody. Analze stnejących metod pośwęcony jest rozdzał 6, natomast możlwość tworzena nowych wyna natychmast z przedstawonych ponżej sposobów formowana zboru. Z puntu wdzena sutecznośc regularyzacj, najbardzej pożądane są ogranczena wyrażone zboram zwartym, a węc ogranczonym domnętym [KUDREWICZ '76-3..]. Zgodne bowem z twerdzenem A. N. chonova: jeżel G jest cągły na zborze zwartym odwracalny na zborze Y = G [ ], to operator odwrotny G jest cągły na Y [GLASKO '84b - II..., KRYLOV et al. '84-7..]. Neoneczne przy tym wymagamy, żeby rozwązane doładne należało do zboru. Wystarczy założyć, że zbór jest gęsty w pewnym zborze, do tórego należy, a będze możlwa dowolne doładna aprosymacja za pomocą $ α. Ogranczena wynające z nformacj aprorycznej o ne zawsze prowadzą do zboru zwartego ; ne są w szczególnośc zboram zwartym najczęścej wyorzystywane w pratyce. Dlatego ważnejszą pratyczne lasę pożądanych ogranczeń stanową te, tóre mogą Y Rozdzał 5. Numeryczne uwarunowana zadana odtwarzana sygnałów pomarowych Strona 5-5

6 R. Z. Moraws: Metody odtwarzana sygnałów pomarowych być wyrażone zboram wypułym. Znaczene ch wyna z następującego twerdzena: jeżel zbory, =,..., K, są domnęte wypułe, to algorytm teracyjny: + = DoDo... odk[ ] 5-6) jest zbeżny do pewnego... K [RUSSEL & CIVANLAR '84], przy czym operatory rzutowana D zdefnowane są zależnoścą: D [ ] = { } arg nf 5-7) werdzene powyższe dostarcza uzasadnena do nezależnego rozpatrywana ogranczeń wypułych, co jest bardzo wygodne ne tylo ze względów algorytmcznych ale teoretycznych; do tej lasy należą w szczególnośc wszyste zbory, wymenone w 5.3. [bd., LEAHY & GOUIS '86]. werdzene to umożlwa w onsewencj lasyfację metod odtwarzana według elementarnych mechanzmów regularyzacj, czyl formowana ogranczeń. Wyróżnamy w zwązu z tym: metody bezpośredne, w tórych jedynym czynnem regularyzującym są ogranczena zboru rozwązań wynające z dysretyzacj zadana odtwarzana; metody waracyjne, w tórych czynnem zawężena zboru dopuszczalnych rozwązań jest estremalzacja pewnego wsaźna jaośc odtwarzana; metody probablstyczne, w tórych zbory dopuszczalnych rozwązań ształtowane są w sposób "mę" poprzez rozłady prawdopodobeństwa wystąpena oreślonych realzacj sygnału odtwarzanego lub zaburzeń; metody parametryczne, w tórych zawężene zboru dopuszczalnych rozwązań następuje poprzez parametryzację rozwązana; metody transformacyjne, w tórych w wynu odpowedno dobranej transformacj sygnałów operatora G następują tae zmany "topolog" zboru dopuszczalnych rozwązań, tóre ułatwają formowane ogranczeń. Szczegółowemu omówenu powyższych metod odtwarzana pośwęcony jest rozdzał 6. u ogranczymy sę do analzy problemu optymalzacj parametru regularyzacj α. Rozważmy w tym celu normę błędu wynu odtwarzana odpowadającego parametrow a [ENGL '8, MARČUK '84-7.]: $ = F ~ y = F ~ y F y + F y [ ] [ ] [ ] [ ] F [ ~ y ] F [ y ] + F G [ ] α α α α α α α o 5-8) Perwszy sładn prawej strony powyższego oszacowana reprezentuje sładową błędu odtwarzana spowodowaną zaburzenem danych, tóra maleje w sense normy ze wzrostem parametru α, poneważ regularyzacja ulega pogłębenu. Drug sładn natomast reprezentuje sładową błędu wnesoną przez regularyzację, tóra rośne ze wzrostem parametru α. Wyna stąd stnene taej wartośc $ α, dla tórej prawa strona nerównośc 5-8) osąga mnmum. Wartość tę nazywamy quas-optymalną stosujemy w pratyce jao zadowalającą aprosymację wartośc optymalnej mnmalzującej $α W przypadu, gdy F α jest operatorem lnowym oszacowanu 5-8) można nadać a postać: $α F α y + F α og [ ] 5-9) Jeżel ponadto =, to quas-optymalna wartość $ ) tym najszybszą możlwą zbeżność prawej strony 5-9) do zera Inne aspety nepoprawnego sformułowana zadana odtwarzana α y, gdy y, zapewnając przy Rozdzał 5. Numeryczne uwarunowana zadana odtwarzana sygnałów pomarowych Strona 5-6

7 R. Z. Moraws: Metody odtwarzana sygnałów pomarowych Dotychczasowe rozważana oncentrowały sę woół problemów oblczenowych wynających z nedoładnośc danych pomarowych. Inną trudność stwarza stnene przestrzen zerowej operatora G: z = { G [ ] =, } 5-) zawerającej sygnały, tóre ne mogą być odtworzone nawet na podstawe najdoładnejszych najpełnejszych danych pomarowych. Istnene z jest z naturalną onsewencją realstycznych założeń odnośne do modelu zależnośc mędzy sygnałam y: poneważ tor pomarowy ne jest dealnym anałem nformacyjnym, trzeba zawsze lczyć sę z możlwoścą utraty pewnej lośc nformacj pomarowej podczas przetwarzana. Rozważmy bardzo ważny pratyczne przypade modelu różnczowego 4-), tóremu odpowada wymerna transmtancja Gs)=Ns)/Ds). Nejednoznaczność odtwarzana jest w tym wypadu zwązana z stnenem nepustej podprzestrzen z zawerającej sygnały, tórych transformaty są funcjam wymernym postac Ps)/Ns), gdze Ps) - dowolny weloman stopna LP=LN- [MORAWSKI '87b - tom, Dod. A]. Możlwe są dwa sposoby ujednoznacznena wynu odtwarzana: zadane LN warunów umożlwających wyznaczene współczynnów welomanu Ps), oreślającego neodtwarzalną sładową rozwązana, np. wartośc początowych sygnału odtwarzanego jego pochodnych: ) ) LN t, t ),..., ) t ) ogranczene zboru dopuszczalnych rozwązań do sygnałów, tóre ne zawerają sładowych należących do. z o druge rozwązane jest równoważne fltracj wydzelającej z sygnału odtwarzanego sładową L { Ps ) / Ns )}. Ja poazano w [MORAWSKI '87a, MORAWSKI '87b - tom ] jest to zadane źle uwarunowane numeryczne ne można spodzewać sę zadowalających rezultatów, jeżel lasa sygnałów odtwarzanych ne zostane drastyczne zawężona. rudno to wymagane zastosować do realnych sygnałów, tóre z jednaową doładnoścą mogą być modelowane za pomocą różnych strutur matematycznych. Z tego względu pratyczne zalecanym rozwązanem problemu pozostaje przyjęce standardowych warunów początowych: zerowych ) t) = dla =,,..., LN sopowanych z wyjśca ) t ) ) = y t) dla =,,..., LN. Wynający stąd błąd odtwarzana ma charater przejścowy: po upływe czasu zblżonego do 3-5 najwęszych stałych czasowych odpowadających Ns) może być zgnorowany. Szczegółową analzę tego problemu zawerają prace [ICHONOV '67, MORAWSKI '87a, MORAWSKI '87b - tom ]. ; Rozdzał 5. Numeryczne uwarunowana zadana odtwarzana sygnałów pomarowych Strona 5-7

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Metody Numeryczne 2017/2018

Metody Numeryczne 2017/2018 Metody Numeryczne 7/8 Inormatya Stosowana II ro Inżynera Oblczenowa II ro Wyład 7 Równana nelnowe Problemy z analtycznym rozwązanem równań typu: cos ln 3 lub uładów równań ja na przyład: y yz. 3z y y.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego 5 KATEDRA FIZYKI STOSOWANEJ PRACOWNIA FIZYKI Ćw. 5. Wyznaczane współczynna sprężystośc przy pomocy wahadła sprężynowego Wprowadzene Ruch drgający należy do najbardzej rozpowszechnonych ruchów w przyrodze.

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( 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 szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji Nelnowe zadane optymalzacj bez ogranczeń numeryczne metody teracyjne optymalzacj mn R n f ( ) = f Algorytmy poszuwana mnmum loalnego zadana programowana nelnowego: Bez ogranczeń Z ogranczenam Algorytmy

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTRUKCJA LABORATORYJNA Temat ćwczena: BADANIE POPRAWNOŚCI OPISU STANU TERMICZNEGO POWIETRZA PRZEZ RÓWNANIE

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB Julusz MDZELEWSK Wydzał Eletron Techn nformacyjnych, nstytut Radoeletron, oltechna Warszawsa do:0.599/48.05.09.36 dosonalona metoda oblczana mocy traconej w tranzystorach wzmacnacza lasy AB Streszczene.

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego

( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego Obliczanie gradientu błędu metodą uładu dołączonego /9 Obliczanie gradientu błędu metodą uładu dołączonego Chodzi o wyznaczenie pochodnych cząstowych funcji błędu E względem parametrów elementów uładu

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2007/08 Podstawowe fakty Równane Ax = b, x, b R N, A R N N (1) ma jednoznaczne

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych Eugenusz Rosołows Komputerowe metody analzy eletromagnetycznych stanów przejścowych Ocyna Wydawncza Poltechn Wrocławsej Wrocław 9 Opnodawcy Jan IŻYKOWSKI Paweł SOWA Opracowane redacyjne Mara IZBIKA Koreta

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac)

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac) Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. 7. TWIERDZENIA O WZAJEMNOŚCI 7.1. Twerdzene Bettego (o wzajemnośc prac) Nech na dowolny uład ramowy statyczne wyznaczalny lub newyznaczalny, ale o nepodatnych

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia, Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą

Bardziej szczegółowo

OGÓLNE PODSTAWY SPEKTROSKOPII

OGÓLNE PODSTAWY SPEKTROSKOPII WYKŁAD 8 OGÓLNE PODSTAWY SPEKTROSKOPII E E0 sn( ωt kx) ; k π ; ω πν ; λ T ν E (m c 4 p c ) / E +, dla fotonu m 0 p c p hk Rozkład energ w stane równowag: ROZKŁAD BOLTZMANA!!!!! P(E) e E / kt N E N E/

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje 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 szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb

Bardziej szczegółowo

Wykład IX Optymalizacja i minimalizacja funkcji

Wykład IX Optymalizacja i minimalizacja funkcji Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej

Bardziej szczegółowo

5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE

5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE 5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE Oprócz transmtancj operatorowej, do opsu członów układów automatyk stosuje sę tzw. transmtancję wdmową. Transmtancję wdmową G(j wyznaczyć moŝna dzęk podstawenu do wzoru

Bardziej szczegółowo

Rozkłady statystyczne w fizyce jądrowej

Rozkłady statystyczne w fizyce jądrowej UNIWERSYTET SZCZECIŃSKI INSTYTUT FIZYKI ZAKŁAD FIZYKI CIAŁA STAŁEGO Ćwczene laboratoryjne Rozłady statystyczne w fzyce jądrowej SZCZECIN 005 WSTĘP Różne neontrolowane zaburzena zewnętrzne (wahana temperatury,

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

Sprawozdanie powinno zawierać:

Sprawozdanie powinno zawierać: Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,

Bardziej szczegółowo

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie Wykład 5. Problemy algebry lnowej w Matlabe. Analza sygnałów a) w dzedzne częstotlwośc b) w dzedzne czasu c) częstotlwoścowo-czasowa d) nagrywane analza dźwęku e) Sgnal Processng Toolbox Problemy algebry

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice

dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice dr nż. ADA HEYDUK dr nż. JAOSŁAW JOOSBEENS Poltechna Śląsa, Glwce etody oblczana prądów zwarcowych masymalnych nezbędnych do doboru aparatury łączenowej w oddzałowych secach opalnanych według norm europejsej

Bardziej szczegółowo

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna Kwantyzacja salarna Plan. Defncja. Kwantyzacja równomerna 3. Nedopasowane, adaptacja 4. Kwantyzacja nerównomerna Pojce wantyzacj Defncja: Kwantyzacja reprezentacja duego w szczególnoc nesoczonego) zboru

Bardziej szczegółowo

1. Zmienne i dane wejściowe Algorytmu Rozdziału Obciążeń

1. Zmienne i dane wejściowe Algorytmu Rozdziału Obciążeń ZAŁĄCZNIK nr Zasada dzałana Algorytmu Rozdzału Obcążeń. Zmenne dane wejścowe Algorytmu Rozdzału Obcążeń.. Zmennym podlegającym optymalzacj w procese rozdzału obcążeń są welośc energ delarowane przez Jednost

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne Wprowadzene do Sec Neuronowych Sec rekurencyjne M. Czoków, J. Persa 2010-12-07 1 Powtórzene Konstrukcja autoasocjatora Hopfelda 1.1 Konstrukcja Danych jest m obrazów wzorcowych ξ 1..ξ m, gdze każdy pojedynczy

Bardziej szczegółowo

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Krzysztof PIASECKI* OPTYALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE Wszyste oszty generowane przez prowze malerse są włączone

Bardziej szczegółowo

Metody analizy obwodów

Metody analizy obwodów Metody analzy obwodów Metoda praw Krchhoffa, która jest podstawą dla pozostałych metod Metoda transfguracj, oparte na przekształcenach analzowanego obwodu na obwód równoważny Metoda superpozycj Metoda

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

przez odwołanie się do funkcji programu MATLAB. Macierz A = Z

przez odwołanie się do funkcji programu MATLAB. Macierz A = Z PRYKŁAD 4.7 Oblczyć parametry ln z Przyład 4.1 dla sładowych azowych alnych, załadając, że jest to lna netransponowana. Oblczena wyonać za pomocą procedry LINE CONSANS dostępnej w programe AP-EMP. Przerój

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20 FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW

Bardziej szczegółowo

Arytmetyka finansowa Wykład z dnia 30.04.2013

Arytmetyka finansowa Wykład z dnia 30.04.2013 Arytmetyka fnansowa Wykła z na 30042013 Wesław Krakowak W tym rozzale bęzemy baać wartość aktualną rent pewnych, W szczególnośc, wartość obecną renty, a równeż wartość końcową Do wartośc końcowej renty

Bardziej szczegółowo

Zmodyfikowana technika programowania dynamicznego

Zmodyfikowana technika programowania dynamicznego Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E bedze zborem zdarzen elementarnych danego doswadczena. Funcje X(e) przyporzadowujaca azdemu zdarzenu elementarnemu e E jedna tylo jedna lczbe X(e)x nazywamy ZMIENNA

Bardziej szczegółowo

Koła rowerowe malują fraktale

Koła rowerowe malują fraktale Koła rowerowe malują fratale Mare Berezowsi Politechnia Śląsa Rozważmy urządzenie sładającego się z n ół o różnych rozmiarach, obracających się z różnymi prędościami. Na obręczy danego oła, obracającego

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH METODA ELEMENTÓW SKOŃCZONYCH Szkc rozwązana równana Possona w przestrzen dwuwymarowe. Równane Possona to równae różnczkowe cząstkowe opsuące wele

Bardziej szczegółowo

ZAJĘCIA X. Zasada największej wiarygodności

ZAJĘCIA X. Zasada największej wiarygodności ZAJĘCIA X Zasada najwększej warygodnośc Funkcja warygodnośc Estymacja wg zasady maksymalzacj warygodnośc Rodzna estymatorów ML Przypadk szczególne WPROWADZEIE Komputerowa dentyfkacja obektów Przyjęce na

Bardziej szczegółowo

Wybrane rozkłady zmiennych losowych i ich charakterystyki

Wybrane rozkłady zmiennych losowych i ich charakterystyki Rozdział 1 Wybrane rozłady zmiennych losowych i ich charaterystyi 1.1 Wybrane rozłady zmiennych losowych typu soowego 1.1.1 Rozład równomierny Rozpatrzmy esperyment, tóry może sończyć się jednym z n możliwych

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH Poltechnka Gdańska Wydzał Inżyner Lądowej Środowska Katedra ydrotechnk mgr nż. Wojcech Artchowcz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁAC OTWARTYC PRACA DOKTORSKA Promotor: prof. dr

Bardziej szczegółowo

MARTA GAWRON * METODY SYMULACJI STATYCZNEJ SIECI GAZOWEJ

MARTA GAWRON * METODY SYMULACJI STATYCZNEJ SIECI GAZOWEJ UNIWERSYTET ZIELONOGÓRSKI ZESZYTY NAUKOWE NR 144 Nr 4 INŻYNIERIA ŚRODOWISKA 011 MARTA GAWRON * METODY SYMULACJI STATYCZNEJ SIECI GAZOWEJ S t r e s z c z e n e W artyule przedstawono metody symulacj statycznej

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max

Bardziej szczegółowo

max Wydział Elektroniki studia I st. Elektronika III r. EZI Technika optymalizacji Dr inż. Ewa Szlachcic

max Wydział Elektroniki studia I st. Elektronika III r. EZI Technika optymalizacji Dr inż. Ewa Szlachcic Zadane rograowana lnowego PL dla ogranczeń neszoścowch rz ogranczenach: a f c A b d =n, d c=n, d A =[ n], d b =, Postać anonczna zadana PL a c X : A b, Postać anonczna acerzowa zadana PL a Lczba zennch

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO OZWIĄZYWAIE DWUWYMIAOWYCH USALOYCH ZAGADIEŃ PZEWODZEIA CIEPŁA PZY POMOCY AKUSZA KALKULACYJEGO OPIS MEODY Do rozwązana ustalonego pola temperatury wyorzystana est metoda blansów elementarnych. W metodze

Bardziej szczegółowo

Odtworzenie wywodu metodą wstępującą (bottom up)

Odtworzenie wywodu metodą wstępującą (bottom up) Przeglądane wejśca od lewej strony do prawej L (k) Odtwarzane wywodu prawostronnego Wystarcza znajomosc "k" następnych symbol łańcucha wejścowego hstor dotychczasowych redukcj, aby wyznaczyc jednoznaczne

Bardziej szczegółowo

V. TERMODYNAMIKA KLASYCZNA

V. TERMODYNAMIKA KLASYCZNA 46. ERMODYNAMIKA KLASYCZNA. ERMODYNAMIKA KLASYCZNA ermodynamka jako nauka powstała w XIX w. Prawa termodynamk są wynkem obserwacj welu rzeczywstych procesów- są to prawa fenomenologczne modelu rzeczywstośc..

Bardziej szczegółowo

Rachunek niepewności pomiaru opracowanie danych pomiarowych

Rachunek niepewności pomiaru opracowanie danych pomiarowych Rachunek nepewnośc pomaru opracowane danych pomarowych Mędzynarodowa Norma Oceny Nepewnośc Pomaru (Gude to Epresson of Uncertanty n Measurements - Mędzynarodowa Organzacja Normalzacyjna ISO) http://physcs.nst./gov/uncertanty

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Sygnały stochastyczne

Sygnały stochastyczne Sygnały stochastyczne Zmienne losowe E zbiór zdarzeń elementarnych (zbiór możliwych wyniów esperymentu) e E zdarzenie elementarne (wyni esperymentu) B zbiór wybranych podzbiorów zbioru E β B zdarzenie

Bardziej szczegółowo

Odczyt kodów felg samochodowych w procesie produkcyjnym

Odczyt kodów felg samochodowych w procesie produkcyjnym Odczyt odów felg samochodowych w procese producyjnym Jace Dunaj Przemysłowy Instytut Automaty Pomarów PIAP Streszczene: W artyule przedstawono sposób realzacj odczytu odów felg samochodowych. Opracowane

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej

Bardziej szczegółowo

WYZNACZENIE CHARAKTERYSTYK DYNAMICZNYCH PRZETWORNIKÓW POMIAROWYCH

WYZNACZENIE CHARAKTERYSTYK DYNAMICZNYCH PRZETWORNIKÓW POMIAROWYCH Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 6-965 POZNAŃ (budynek Centrum Mechatronk, Bomechank Nanonżyner) www.zmsp.mt.put.poznan.pl tel. +8 6 665 35 7 fa +8

Bardziej szczegółowo

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym ĆWCZENE 3 Analza obwodów C przy wymszenach snsodalnych w stane stalonym 1. CE ĆWCZENA Celem ćwczena jest praktyczno-analtyczna ocena obwodów elektrycznych przy wymszenach snsodalne zmennych.. PODSAWY EOEYCZNE

Bardziej szczegółowo

Zeszyt Naukowy Warszawskiej Wyższej Szkoły Informatyki Nr 9, Rok 7, 2013, s. 119-137

Zeszyt Naukowy Warszawskiej Wyższej Szkoły Informatyki Nr 9, Rok 7, 2013, s. 119-137 Zeszyt Nauowy Warszawsej Wyższej Szoły Informaty Nr 9, Ro 7, 2013, s. 119-137 Mode motywacj nauczycea studentów podczas nabywana ompetencj Emma Kusztna, Oeg Zan, Andrzej Żyławs, Ryszard Tadeusewcz Streszczene

Bardziej szczegółowo

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka METODA ELEMENTU SKOŃCZONEGO Termoknetyka Matematyczny ops ruchu cepła (1) Zasada zachowana energ W a Cepło akumulowane, [J] P we Moc wejścowa, [W] P wy Moc wyjścowa, [W] t przedzał czasu, [s] V q S(V)

Bardziej szczegółowo