Metody pozyskiwania wiedzy
|
|
- Patrycja Tomczak
- 7 lat temu
- Przeglądów:
Transkrypt
1 Metody pozysiwaia wiedzy bezpośredie zapisaie wiedzy pozysiwaie wiedzy a podstawie istruci pozysiwaie wiedzy a podstawie aaii pozysiwaie wiedzy a podstawie przyładów pozysiwaie wiedzy a podstawie obserwaci
2 Bezpośredie zapisaie wiedzy uczeie a pamięć (ag. rote learig) system uczoy (uczeń) otrzymue gotową wiedzę w postaci ompletych i spóych zbiorów reguł zapisaych zgodie z obowiązuącymi w systemie zasadami zapisu wiedzy
3 Pozysiwaie wiedzy a podstawie istruci uczeie przez przeazaie iformaci (ag. learig by beig told) istotą rolę w te metodzie odgrywa auczyciel, tóry tworzy wiedzę w postaci aceptowale przez system espertowy uczeń dooue itegraci owe wiedzy z pewą wiedzą aprioryczą auczyciel arzuca atomiast struturę i charater zapisywae wiedzy
4 Pozysiwaie wiedzy a podstawie aaii polega a taie trasformaci istieące wiedzy, by mogła być użytecza do opisów fatów podobych (choć ie idetyczych) proces te może odbywać się bez auczyciela choć wymaga atywego zaagażowaia uczia do wyszuiwaia i tłumaczeia aaii
5 Pozysiwaie wiedzy a podstawie przyładów geerue się ogóly opis poęć (las) a podstawie zbioru przyładów i/lub otrprzyładów obietów reprezetuących te poęcia (lasy) metoda iducya przyłady są dostarczae przez auczyciela
6 Pozysiwaie wiedzy a podstawie obserwaci metoda iducya oparty o przyłady (obserwace) pochodzące ze świata zewętrzego lub z esperymetów uczeie bez auczyciela do iduci moża wyorzystywać techii esploraci daych (ag. data miig), grupowaia, metody statystyi, sztucze sieci euroowe, algorytmy geetycze
7 Przyłady metod pozysiwaia wiedzy Algorytm ID3 Metoda geerowaia poryć
8 Biare drzewo decyzye Ta A 0 Nie Ta A, A, Nie A,, A,, C C C 3
9 Algorytm ID3 - Quilaa Etropia: I i ( p i p i ) p i prawdopodobieństwo wystąpieia stau i i p i
10 Etropia - przyład Etropia esperymetu polegaącego a losowaiu w oparciu o rzut moetą I I I ( p i i ( ) p i ) ( )
11 Etropia - przyład Załóżmy, że moeta est oszuaa i prawdopodobieństwo wylosowaia orła wyosi /4 a reszi 3/4 I I 4 0,8 4 Poieważ wiemy o oszustwie asza iepewość est miesza
12 Algorytm ID3 - Quilaa Etropia w przypadu wielu przyładów i wielu rezultatów: I ( ) liczba przyładów ależących do lasy liczba wszystich przyładów
13 Etropia w uęciu częstościowym - przyład Załóżmy, że zamy 0 przyładów wiosów redytowych oceioych pozytywie Spośród ich 6 przypadów dotyczy redytów spłacoych, spłacoych po termiie i iespłacoych w ogóle 6 I 0 I,
14 Etropia w uęciu częstościowym - przyład Załóżmy, że zamy 0 przyładów wiosów redytowych oceioych pozytywie Obliczmy etropię, w przypadu gdy 3 przyłady dotyczyły redytów spłacoych, 4 spłacoych z opóźieiem i 3 iespłacoych 3 I 0 I,
15 Etropia w uęciu częstościowym - wiosi Jeżeli wiemy, że pozytywie oceioe wiosi redytowe są racze spłacae to mamy więszą wiedzę (a racze mieszą iewiedzę) iż w przypadu gdy wszystie osewece pozytywe ocey wiosu daą podoby wyi
16 Zaczeie etropii Im wyższa est miara etropii tym mie wiemy o oceiae sytuaci W pierwszym przypadu ie mieliśmy żadych przesłae by oceiać możliwość iespłaceia redytu w oparciu o zewętrze iformace Wiemy eda, że możliwość spłaceia redytu est zaczie wyższa iż iespłaceia czy opóźieia
17 Algorytm ID3 - Quilaa I I E Etropia po oceie waruu a temat całego problemu: liczba przyładów potwierdzoych przez warue liczba wszystich przyładów liczba przyładów zaprzeczoych przez warue
18 Załóżmy, że uzysuemy astępuącą dodatową iformacę: spośród 0 przyładów w 6 przyładach redyty były zabezpieczoe hipoteą a w 4 ie wówczas 6 4 0
19 Algorytm ID3 - Quilaa Etropia po oceie waruu : m ( X ), m ( X ), I I
20 ,,,,,,,,,, dla dla X dla dla X Algorytm ID3 - Quilaa
21 Algorytm ID3 - Quilaa,, liczba przyładów potwierdzaących, że eżeli warue est spełioy to przyład ależy do lasy liczba przyładów potwierdzaących, że eżeli warue ie est spełioy to przyład ależy do lasy
22 Dodatowe iformace Załóżmy, że w przypadu wiosów zabezpieczoych hipoteą (razem 6) 5 zostało spłacoych w termiie i ede z opóźieiem; atomiast redyty ie zabezpieczoe (razem 4) w edym przyładzie został spłacoy w termiie, w edym spłacoy z opóźieiem a w dwóch iespłacoy
23 Obliczeia Obliczmy etropię po oceie waruu dotyczącego zabezpieczoych hipoteą redytów spłacoych w termiie,, X X,, 5, 0,, 6,
24 Obliczeia Obliczmy etropię po oceie waruu dotyczącego zabezpieczoych hipoteą redytów spłacoych z opóźieiem,, X X,,,, 0,43 6, 6 6
25 Obliczeia Poieważ żade zabezpieczoy redyt ie pozostał iespłacoy obliczamy łączą etropię po oceie waruu zabezpieczoe redyty I 0, 0,43 0 0,65
26 Obliczeia Obliczmy etropię po oceie waruu dotyczącego ie zabezpieczoych hipoteą redytów spłacoych w termiie,, X X,,, 0,5, 4, 4 4
27 Obliczeia Obliczmy etropię po oceie waruu dotyczącego ie zabezpieczoych hipoteą redytów spłacoych z opóźieiem,, X X,,, 0,5, 4, 4 4
28 Obliczeia Obliczmy etropię po oceie waruu dotyczącego ie zabezpieczoych hipoteą redytów iespłacoych,,3 X X,3,, 0,5, 3 4, 4 4
29 Obliczeia Obliczamy etropię po oceie waruu dotyczącego ie zabezpieczoych redytów oraz ogółem przez iformacę o zabezpieczeiu I E E 0,5 0,5 0,5,5 I I 6 4 0,65,5 0,99 0 0
30 Dodatowe iformace Załóżmy, że uzysaliśmy dodatową iformacę o przezaczeiu redytu; wśród 0 przyładów 5 były to redyty osumpcye a 5 a zaup samochodu Spośród redytów osumpcyych 3 zostały spłacoe, spłacoy w termiie i ede iespłacoy Obliczmy etropię po uzysaiu iformaci, że redyt był osumpcyy
31 Obliczeia Obliczmy etropię po oceie waruu dotyczącego redytów osumpcyych spłacoych w termiie, X X,,, 3, 0,44, 5,
32 Obliczeia Obliczmy etropię po oceie waruu dotyczącego redytów osumpcyych spłacoych z opóźieiem X X,,,,,, 0,46 5, 5 5
33 Obliczeia Obliczmy etropię po oceie waruu dotyczącego redytów osumpcyych iespłacoych X X,3,3,3,,, 0,46 3 5, 5 5
34 Obliczeia Obliczamy łączy poziom etropii po oceie przyładów dotyczących redytów osumpcyych I 0,44 0,46 0,46,37
35 Dodatowe iformace Załóżmy, że spośród redytów iych iż osumpcye 3 zostały spłacoe w termiie, z opóźieiem i w ogóle iespłacoy
36 Obliczeia Obliczmy etropię po oceie waruu dotyczącego redytów iych iż osumpcye spłacoych w termiie, X X,,, 3, 0,44, 5,
37 Obliczeia Obliczmy etropię po oceie waruu dotyczącego redytów iych iż osumpcye spłacoych z opóźieiem X X,,,,,, 0,46 5, 5 5
38 Obliczeia Obliczmy etropię po oceie waruu dotyczącego redytów iych iż osumpcye iespłacoych X X,3,3,3,,, 0,46 3 5, 5 5
39 Obliczeia Obliczamy łączą etropię po oceie przyładów dotyczących redytów iych iż osumpcye oraz ogółem przez iformacę o rodzau redytu I E E 0,44 0,46 0,46,37 I I 5 5,37,37,37 0 0
40 Algorytm ID3 - Quilaa Warue wyboru waruu : max( I E )
41 Porówaie dwóch iformaci Iformaca o zabezpieczeiu I E,37 0,99 0,38 Iformaca o rodzau redytu I E,37,37 0,0
42 Przyład dobór formy relamy wie < > płeć K M miesza wieś miasto relama Iteret Prasa Telewiza 3 3 7
43 Przyład dobór formy relamy I 3 3 I I,3844
44 Przyład dobór formy relamy Etropia po potwierdzeiu waruu ) 4 ( 4 ) 4 ( 4 ) ( 0 ) (,3,3,, I I I
45 Przyład dobór formy relamy Etropia po zaprzeczeiu waruu 0,9544 ) 8 5 ( 8 5 ) 8 3 ( 8 3 ) ( ) ( 0,3,3,, I I I
46 Przyład dobór formy relamy 0,447 0,9696 *0, * 4 E I E E I I E Łącza etropia po oceie waruu :
47 Przyład dobór formy relamy I-E 0,447 0,85 3 0,40 4 0, , , ,6548
48 Przyład dobór formy relamy wie < > płeć K M miesza wieś miasto relama Iteret Prasa Telewiza wie < > płeć K M miesza wieś relama miasto Iteret Prasa Telewiza
49 Przyład dobór formy relamy I-E 0,849 0, , ,4 5 0,4
50 Drzewo decyzye miesza a wsi Nie wie<0 Ta Nie Ta telewiza Iteret Ta płeć=k Nie Ta telewiza wie>30 prasa Nie prasa
51 Algorytm ID3 przy ciągłych wartościach cech Załóżmy, że cechy obietów przymuą wartości z pewych ciągłych przedziałów, wówczas O K O A K { o A { a { gdzie,..., o,..., a i i,..., i,..., o,..., a,..., a m l } } } zbiór obietów (przyładów) zbiór atrybutów idetyczy dla wszystich przyładów zbiór las, do tórych walifiuemy przyłady
52 Algorytm ID3 przy ciągłych wartościach cech i i i l i m i m i i i i i c d gdzie w w w i c w d w d w d,,,,,,,, ) max ; mi ( ) ( ) (... ) (... ) ( wartość atrybutu w przyładzie i umer lasy do tóre ależy i-ty przyład
53 Algorytm ID3 przy ciągłych wartościach cech Poieważ dla taiego zapisu ie moża wprost wyorzystać metody ID3 ależy wprowadzić dodatowo dla oleych atrybutów wartości w* dzielące dziedzię a dwa rozłącze podzbiory ależy ta przeształcać warui i przyłady by możliwy był astępuący zapis: ( d i, w * )... ( d i, w * )... ( d i, m w * m ) ( c i l )
54 Przyład Należy oreślić zależość wielości sprzedaży od wieu lieta, poziomu wyształceia oraz odległości od slepu wie wyształceie odległość wartość zaupów lata poziom m zł/m-c lasa
55 Wybór putu podziału Badamy ai est poziom etropii po uwzględieiu wieu lieta. W tym celu wybieramy tai putu podziału w* ze zbioru {0,, 35, 40}, tóry wprowadza awięce iformaci. Uzysuemy astępuące tabele:
56 Wybór putu podziału wg wieu wie < >=0 0 lasa wie < >= 0 0 lasa wie < >= lasa wie <40 0 >= lasa
57 Wybór putu podziału wg wieu w* I-E 0 0,59,063 35, ,59
58 Wybór putu podziału wg wyształceia w* I-E 3 0,59 4 0, ,59
59 Wybór putu podziału wg odległości w* I-E 00 0, , , ,8553
60 Koiec pierwszego etapu Jeżeli za czyi decyduący w pierwszym etapie o podziale przypadów wie <35 wówczas uzysamy astępuące podzbiory wie wyształceie odległość wartość zaupów lata poziom m zł/m-c lasa wie wyształceie odległość wartość zaupów lata poziom m zł/m-c lasa
61 Kotyuaca Przedstawioe procedury powtarzamy dla ażdego z podzbiorów aż do pełego rozaśieia problemu UWAGA: metoda ie dopuszcza przyładów sprzeczych
62 Geerowaie poryć - przyład Wybieramy podzbiór P obietów ależących do lasy i podzbiór M obietów ie ależących do dae lasy Z podzbioru P wybieramy dowoly przyład x r Ustalamy różice w waruach pomiędzy wybraym przyładem a wszystimi przyładami z podzbioru M
63 Przyład dobór formy relamy wie < > płeć K M miesza wieś miasto relama Iteret Prasa Telewiza M P
64 Geerowaie poryć - przyład Podzbiór P wszystie przyłady ależące do lasy telewiza x r =[wie<0] [płeć=m] [miesza=wieś] Ustalamy różice dr =[płeć=m] [miesza=wieś] dr =[miesza=wieś] dr 3 =[wie<0] [miesza=wieś] dr 4 = [wie<0] [miesza=wieś] dr 5 = [wie<0] [płeć=m] [miesza=wieś]
65 Geerowaie poryć - przyład Geeruemy porycia wybieraąc po edym waruu z ażde różicy łącząc e ażdy z ażdym: z dr wybieramy [płeć=m] z dr - [miesza=wieś] z dr 3 [wie<0] poieważ w oleych różicach ie ma uż różych waruów uzysuemy porycie: C = [płeć=m] [miesza=wieś] [wie<0]
66 Geerowaie poryć - przyład Koiuca waruów w poryciu wsazue a przyład, tóry a pewo ie ależy do zbioru M, a ależy do zbioru P. Dale: z dr wybieramy [miesza=wieś] z dr 3 - [wie<0] z dr 5 ie wybieramy [płeć=m] bo uzysalibyśmy porycie C poieważ w oleych różicach ie ma uż różych waruów uzysuemy porycie: C = [miesza=wieś] [wie<0]
67 Geerowaie poryć - przyład Porycie C. iformue as o tym, że wszystie osoby mieszaące a wsi młodsze iż 0 lat a pewo ie preferuą telewizi ao medium relamowego. Zauważmy, że z ażde różicy możemy wybrać warue [miesza=wieś] Uzysuemy porycie: C 3 = [miesza=wieś] co ozacza, że spełieie tego waruu wylucza przyależość do badae lasy.
68 Geerowaie poryć - przyład Wybieramy aorzystiesze porycie - C 3 do lewe stroy reguły dopisuąc warui C 3 uzysuemy regułę [miesza=wieś] [relama =Telewiza] Ze zbioru P usuwamy przyłady zgode z regułą C 3
69 Przyład dobór formy relamy wie < > płeć K M miesza wieś miasto relama Iteret Prasa Telewiza
70 Geerowaie poryć - przyład Podzbiór P wszystie przyłady ależące do lasy telewiza x r =[wie>30] [płeć=k] [miesza=miasto] Ustalamy różice dr =[wie>30] dr =[wie>30] [płeć=k] dr 3 =[wie>30] [płeć=k] dr 4 = [płeć=k] dr 5 = [wie>30]
71 Geerowaie poryć - przyład Geeruemy porycia C =[wie>30] [płeć=k] Wybieramy porycie C Ze zbioru P usuwamy przyłady zgode z regułą C uzysuemy regułę [miesza=wieś] [wie>30] [płeć=k] [relama =Telewiza] Kotyuuemy działaia aż do rozróżieia wszystich przyładów
Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy
Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej
Bardziej szczegółowoĆwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA
Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz
Bardziej szczegółowoIV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce
IV Uiwersyteca Sobota Matematycza 4 wietia 208 Fucje tworzące w ombiatoryce Dla ciągu a 0 a a 2... defiiujemy fucję tworzącą: G(x) = a x = a 0 + a x + a 2 x 2 + a 3 x 3 + =0. Zajdź fucje tworzące dla poiższych
Bardziej szczegółowoWYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI
Piotr KOZIERSKI WYKORZYSTAIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDETYFIKACJI UKŁADÓW AUTOMATYKI STRESZCZEIE W artyule przedstawioo sposób idetyfiacji parametryczej obietów ieliiowych zapisaych w przestrzei
Bardziej szczegółowoElementy modelowania matematycznego
Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,
Bardziej szczegółowoTeoria i metody optymalizacji
eoria i metody optymalizaci Programowaie liiowe całowitoliczbowe PCL Metodologia podziału i ograiczeń Brach ad Boud (B&B) ma c A Z echique Metodologia podziału i ograiczeń B&B { A b i Z } Podstawą metodologii
Bardziej szczegółowoINDUKCJA MATEMATYCZNA
MATEMATYKA DYSKRETNA (4/5) dr hab. iż. Małgorzata Stera malgorzata.stera@cs.put.poza.pl www.cs.put.poza.pl/mstera/ INDUKCJA MATEMATYCZNA Matematya Dysreta Małgorzata Stera FUNKCJA SILNIA dla, fucja silia
Bardziej szczegółowoZALEŻNY ROZKŁAD DWUMIANOWY I JEGO ZASTOSOWANIE W REASEKURACJI I KREDYTACH. 1. Wstęp
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 27 Staisław HEILPERN* ZALEŻNY ROZKŁAD DWUMIANOWY I JEGO ZASTOSOWANIE W REASEKURACJI I KREDYTACH Praca est poświęcoa zależemu rozładowi dwumiaowemu.
Bardziej szczegółowoTwierdzenia o funkcjach ciągłych
Automatya i Robotya Aaliza Wyład 5 dr Adam Ćmiel cmiel@aghedupl Twierdzeia o ucjach ciągłych Tw (Weierstrassa Jeżeli ucja : R [ R jest ciągła a [, to ograiczoa i : ( sup ( i ( i ( [, Dowód Ograiczoość
Bardziej szczegółowoH brak zgodności rozkładu z zakładanym
WSPÓŁZALEŻNOŚĆ PROCESÓW MASOWYCH Test zgodości H : rozład jest zgody z załadaym 0 : H bra zgodości rozładu z załadaym statystya: p emp i p obszar rytyczy: K ;, i gdzie liczba ategorii p Przyład: Wyoujemy
Bardziej szczegółowoMetrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,
Bardziej szczegółowoRozkład normalny (Gaussa)
Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i
Bardziej szczegółowoKOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli.
KOMBINATORYKA Kombiatoryą azywamy dział matematyi zajmujący się zbiorami sończoymi oraz relacjami między imi. Kombiatorya w szczególości zajmuje się wyzaczaiem liczby elemetów zbiorów sończoych utworzoych
Bardziej szczegółowoMetody Podejmowania Decyzji
Metody Podejmowaia Decyzji Wzrost liczby absolwetów w Politechice Wrocławsiej a ieruach o luczowym zaczeiu dla gospodari opartej a wiedzy r UDA-POKL.04.0.0-00-065/09-0 Recezet: Prof. dr hab. iż. Ja Iżyowsi
Bardziej szczegółowoProblem. Jak praktycznie badać jednostajną ciągłość funkcji?
EAIiIB-Iormatya - Wyład 3- dr Adam Ćmiel miel@.agh.edu.pl Ciągłość uji w puie e. Fuję : azywamy iągłą w puie jeżeli Heie Cauhy Uwaga: Put ale ie musi być putem supieia zbioru. Jeżeli jest putem izolowaym
Bardziej szczegółowoAPROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne
APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość
Bardziej szczegółowoJak obliczać podstawowe wskaźniki statystyczne?
Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań
Bardziej szczegółowoMatematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki
Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi
Bardziej szczegółowoProblemy niezawodnościowo-eksploatacyjne. dotyczące układów zasilających. elektronicznego systemu bezpieczeństwa.
aua Problemy iezawodościowo-esploatacyje uładów zasilających eletroicze systemy bezpieczeństwa Waldemar Szulc Wyższa Szoła Meedżersa w Warszawie, Wydział Iformatyi Stosowaej i Techi Bezpieczeństwa Streszczeie:
Bardziej szczegółowoP k k (n k) = k {O O O} = ; {O O R} =
Definicja.5 (Kombinacje bez powtórzeń). Każdy -elementowy podzbiór zbioru A wybrany (w dowolnej olejności) bez zwracania nazywamy ombinacją bez powtórzeń. Twierdzenie.5 (Kombinacje bez powtórzeń). Liczba
Bardziej szczegółowoWykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.
Rachue rawdoodobieństwa MAP064 Wydział Eletroii, ro aad. 008/09, sem. leti Wyładowca: dr hab. A. Jurlewicz Wyład 8: Zmiee losowe dysrete. Rozłady Beroulliego (dwumiaowy), Pascala, Poissoa. Przybliżeie
Bardziej szczegółowoDwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011
Dwumia Newtoa Agiesza Dąbrowsa i Maciej Nieszporsi 8 styczia Wstęp Wzory srócoego możeia, tóre pozaliśmy w gimazjum (x + y x + y (x + y x + xy + y (x + y 3 x 3 + 3x y + 3xy + y 3 x 3 + y 3 + 3xy(x + y
Bardziej szczegółowoAnaliza I.1, zima wzorcowe rozwiązania
Aaliza I., zima 07 - wzorcowe rozwiązaia Marci Kotowsi 5 listopada 07 Zadaie. Udowodij, że dla ażdego aturalego liczba 7 + dzieli się przez 6. Dowód. Tezę udowodimy za pomocą iducji matematyczej. Najpierw
Bardziej szczegółowoWYKŁAD 1 INTERPOLACJA WIELOMIANOWA
WYKŁAD INTERPOLACJA WIELOMIANOWA /6 Sformułowaie problemu iterpolaci. Metoda Lagrage a Rozważmy zaday uład putów {(, y ),,,..., }, zwaych dale węzłami iterpolacyymi. Poszuuemy wielomiau iterpolacyego zadaego
Bardziej szczegółowoa 1, a 2, a 3,..., a n,...
III. Ciągi liczbowe. 1. Defiicja ciągu liczbowego. Defiicja 1.1. Ciągiem liczbowym azywamy fukcję a : N R odwzorowującą zbiór liczb aturalych N w zbiór liczb rzeczywistych R i ozaczamy przez { }. Używamy
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.
Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują
Bardziej szczegółowoTESTY LOSOWOŚCI. Badanie losowości próby - test serii.
TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla
Bardziej szczegółowoBardzo lekkie wprowadzenie do metod zliczania
Bardzo leie wprowadzeie do metod zliczaia Ryszard Rębowsi 12 listopada 2016 1 Wstęp Zacziemy od przedstawieia podstawowe metodologii wspomagaące proces zliczaia (MPZ). Poieważ celem tego procesu est stwierdzeie
Bardziej szczegółowoMetody podziału klasowego konspekt ćwiczeń. mgr Marcin Semczuk na podstawie materiałów mgr inż. Stanisława Szombary oraz dr inż.
Metody Badań w eografii Społeczo - Eoomicze Metody podziału lasowego ospet ćwiczeń. mgr Marci Semczu a podstawie materiałów mgr iż. Staisława Szombary oraz dr iż. Krystiaa Kozioła. W ćwiczeiu polami podstawowymi
Bardziej szczegółowoMODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH
MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoEstymacja przedziałowa
Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoPattern Classification
Pattern Classification All materials in these slides were taen from Pattern Classification (2nd ed) by R. O. Duda, P. E. Hart and D. G. Stor, John Wiley & Sons, 2000 with the permission of the authors
Bardziej szczegółowoWERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa
Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut
Bardziej szczegółowoColloquium 3, Grupa A
Colloquium 3, Grupa A 1. Z zasobów obliczeniowych pewnego serwera orzysta dwóch użytowniów. Każdy z nich wysyła do serwera zawsze trzy programy naraz. Użytowni czea, aż serwer wyona obliczenia dotyczące
Bardziej szczegółowotek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze
R o z d z i a l III RÓWNANIA RÓŻNICZKOWE LINIOWE WYŻSZYCH RZE DÓW 12. Rówaie różiczowe liiowe -tego rze du Na pocza te zauważmy, że podobie ja w dziedziie rzeczywistej wprowadzamy dla fucji zespoloych
Bardziej szczegółowoZnajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek
Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy
Bardziej szczegółowoLICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY
LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY Zgodie z dążeiami filozofii pitagorejsiej matematyzacja abstracyjego myśleia powia być dooywaa przy pomocy liczb. Soro ta, to liczby ależy tworzyć w miarę
Bardziej szczegółowoKombinacje, permutacje czyli kombinatoryka dla testera
Magazie Kombiacje, permutacje czyli ombiatorya dla testera Autor: Jace Oroje O autorze: Absolwet Wydziału Fizyi Techiczej, Iformatyi i Matematyi Stosowaej Politechii Łódziej, specjalizacja Sieci i Systemy
Bardziej szczegółowoi statystyka matematyczna Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, M. Przybycień Rachunek prawdopodobieństwa i statystyka
Rachue prawdopodobieństwa i statystya matematycza Dr hab. iż.. Mariusz Przybycień Literatura: Rachue prawdopodobieństwa i statystya matematycza w zadaiach, tom I i II, W. Krysici i i., PWN 200. Wstęp do
Bardziej szczegółowoTechniczne Aspekty Zapewnienia Jakości
Istytut Techologii Maszy i Automatyzacji Politechii Wrocławsiej Pracowia Metrologii i Badań Jaości Wrocław, dia Ro i ierue studiów. Grupa (dzień tygodia i godzia rozpoczęcia zajęć) Techicze Aspety Zapewieia
Bardziej szczegółowokpt. dr inż. Marek BRZOZOWSKI kpt. mgr inż. Zbigniew LEWANDOWSKI Wojskowy Instytut Techniczny Uzbrojenia
pt. dr iż. Mare BRZOZOWSKI pt. mgr iż. Zbigiew LEWANDOWSKI Wojsowy Istytut Techiczy Uzbrojeia METODA OKREŚLANIA ROZRÓŻNIALNOŚCI OBIEKTÓW POWIETRZNYCH PRZEZ URZĄDZENIA RADIOLOKACYJNE Z WYKORZYSTANIEM LOTÓW
Bardziej szczegółowoOBWODY LINIOWE PRĄDU STAŁEGO
Politechia Gdańsa Wydział Eletrotechii i utomatyi 1. Wstęp st. stacjoare I st. iżyiersie, Mechatroia (WM) Laboratorium Eletrotechii Ćwiczeie r 1 OBWODY LINIOWE PRĄDU STŁEGO Obwód eletryczy liiowy jest
Bardziej szczegółowoOBWODY LINIOWE PRĄDU STAŁEGO
Politechia Gdańsa Wydział Eletrotechii i utomatyi 1. Wstęp st. stacjoare I st. iżyiersie, Eergetya Laboratorium Podstaw Eletrotechii i Eletroii Ćwiczeie r 1 OBWODY LINIOWE PRĄDU STŁEGO Obwód eletryczy
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.
Bardziej szczegółowoMINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU
Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy
PLAN WYKŁADU Algorytm mrówowy OPTYMALIZACJA GLOBALNA Wyład 8 dr inż. Agniesza Bołtuć (ANT SYSTEM) Inspiracja: Zachowanie mrówe podczas poszuiwania żywności, Zachowanie to polega na tym, że jeśli do żywności
Bardziej szczegółowoGrupowanie sekwencji czasowych
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 3, 006 Grupowanie sewencji czasowych Tomasz PAŁYS Załad Automatyi, Instytut Teleinformatyi i Automatyi WAT, ul. Kalisiego, 00-908 Warszawa STRESZCZENIE: W artyule
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowoWyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia
Wy lad 8 Zasadicze twierdzeie algebry. Poj ecie pierścieia 1 Zasadicze twierdzeie algebry i jego dowód Defiicja 8.1. f: C C postaci Wielomiaem o wspó lczyiach zespoloych azywamy fucj e f(x) = a x + a 1
Bardziej szczegółowoZasilanie budynków użyteczności publicznej oraz budynków mieszkalnych w energię elektryczną
i e z b ę d i k e l e k t r y k a Julia Wiatr Mirosław Miegoń Zasilaie budyków użyteczości publiczej oraz budyków mieszkalych w eergię elektryczą Zasilacze UPS oraz sposoby ich doboru, układy pomiarowe
Bardziej szczegółowoN ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.
3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy
Bardziej szczegółowoĆwiczenia rachunkowe TEST ZGODNOŚCI 2 PEARSONA ROZKŁAD GAUSSA
Ćwiczeia rachuowe TEST ZGODOŚCI PEARSOA ROZKŁAD GAUSSA UWAGA: a stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz alulacyjy do programu Calc paietu Ope Office, iezbędy podczas
Bardziej szczegółowoWykład 6. Przestrzenie metryczne ośrodkowe i zupełne. ρ, gdzie r
Wyład 6 Przestrzeie etrycze ośrodowe i zupełe. Przypoiay, że zbiór azyway przeliczaly, jeśli jest o rówoliczy ze zbiore wszystich liczb aturalych N, a co ajwyżej przeliczaly, jeśli jest o przeliczaly lub
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoStruktura czasowa stóp procentowych (term structure of interest rates)
Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,
Bardziej szczegółowoTeoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =
Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a,, a będą dowolymi liczbami Sumę a + a + + a zapisuje się zazwyczaj w postaci (czytaj: suma od do a ) Za Σ to duża greca litera sigma,
Bardziej szczegółowoz przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X
Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie
Bardziej szczegółowoEGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY
Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WPISUJE ZDAJĄCY PESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INFORMATYKI
Bardziej szczegółowoi = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3
35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(
Bardziej szczegółowoAnaliza matematyczna i algebra liniowa
Aaliza matematycza i algebra liiowa Materiały pomocicze dla studetów do wyładów Rachue różiczowy ucji wielu zmieych. Pochode cząstowe i ich iterpretacja eoomicza. Estrema loale. Metoda ajmiejszych wadratów.
Bardziej szczegółowoINSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ
LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu
Bardziej szczegółowoIndukcja matematyczna
Inducja matematyczna Inducja jest taą metodą rozumowania, za pomocą tórej od tezy szczegółowej dochodzimy do tezy ogólnej. Przyład 1 (o zanurzaniu ciał w wodzie) 1. Kawałe żelaza, tóry zanurzyłem w wodzie,
Bardziej szczegółowokoszt kapitału D/S L dźwignia finansowa σ EBIT zysku operacyjnego EBIT firmy. Firmy Modele struktury kapitału Rys. 8.3. Krzywa kosztów kapitału.
Modele strutury apitału oszt apitału Optymalna strutura apitału dźwignia finansowa / Rys. 8.3. Krzywa osztów apitału. Założenia wspólne modeli MM Modigliani i Miller w swoich rozważaniach ograniczyli się
Bardziej szczegółowoĆWICZENIE 1 Symulacja doświadczeń losowych Statystyka opisowa Estymacja parametryczna i nieparametryczna T E O R I A
ĆWICZENIE Symulacja doświadczeń losowych Statystya opisowa Estymacja parametrycza i ieparametrycza T E O R I A Opracowała: Katarzya Stąpor Opis programu MS EXCEL. Iformacje ogóle Program Microsoft Excel
Bardziej szczegółowoi = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) =
Druga zasada inducji matematycznej Niech m będzie liczbą całowitą, niech p(n) będzie ciągiem zdań zdefiniowanych na zbiorze {n Z: n m} oraz niech l będzie nieujemną liczbą całowitą. Jeśli (P) wszystie
Bardziej szczegółowoZASTOSOWANIE METODY STOLIKÓW EKSPERCKICH NA LEKCJACH MATEMATYKI SCENARIUSZE ZAJĘĆ
ZASTOSOWANIE METODY STOLIKÓW EKSERCKICH NA LEKCJACH MATEMATYKI SCENARIUSZE ZAJĘĆ Opracowała: mgr Ewa Atropik Koiecza Świebodzi 005 r Zastosowaie metody stolików eksperckich a lekcjach matematyki Wstęp
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
Bardziej szczegółowoModel Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,...
Model Lesliego Macierze Lesliego i Markowa K. Leśiak Wyodrębiamy w populaci k grup wiekowych. Po każde edostce czasu astępuą arodziy i zgoy oraz starzeie (przechodzeie do astępe grupy wiekowe). Chcemy
Bardziej szczegółowoPodstawy rachunku prawdopodobieństwa (przypomnienie)
. Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń
Bardziej szczegółowox 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem
9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3
Bardziej szczegółowoBADANIE DOKŁADNOŚCI INSTRUMENTÓW RTK GNSS W OPARCIU O STANDARD ISO 17123-8
Archiwum Fotogrametri Kartografii i Teledetec Vol. 9, 009 ISBN 978-83-6576-09-9 BADANIE DOKŁADNOŚCI INSTRUMENTÓW RTK GNSS W OPARCIU O STANDARD ISO 73-8 EXAMINATION OF THE ACCURACY OF RTK GNSS RECEIVERS
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEOSTWA
RACHUNEK PRAWDOPODOBIEOSTWA Elemetarym pojęciem w rachuku prawdopodobieostwa jest zdarzeie elemetare tz. możliwy wyik pewego doświadczeia p. rzut moetą: wyrzuceie orła lub reszki arodziy człowieka: urodzeie
Bardziej szczegółowoSystemy operacyjne
Systemy operacyje 26.11.2010 Zasady poprawości harmoogramu w każdej chwili procesor może wykoywać tylko jedo zadaie w każdej chwili zadaie może być obsługiwae przez co ajwyżej jede procesor Zadaie Z j
Bardziej szczegółowoInstalacje i Urządzenia Elektryczne Automatyki Przemysłowej. Modernizacja systemu chłodzenia Ciągu Technologicznego-II część elektroenergetyczna
stalacje i Urządzeia Eletrycze Automatyi Przemysłowej Moderizacja systemu chłodzeia Ciągu echologiczego- część eletroeergetycza Wyoali: Sebastia Marczyci Maciej Wasiuta Wydział Eletryczy Politechii Szczecińsiej
Bardziej szczegółowoMetoda najszybszego spadku
Metody Gradietowe W tym rozdziale bdziemy rozwaa metody poszuiwaia dla fucji z przestrzei R o wartociach rzeczywistych Metody te wyorzystuj radiet fucji ja rówie wartoci fucji Przypomijmy, czym jest zbiór
Bardziej szczegółowoLiczby Stirlinga I rodzaju - definicja i własności
Liczby Stiriga I rodzaju - defiicja i własości Liczby Stiriga I rodzaju ozaczae symboem s(, ) moża defiiować jao współczyii w rozwiięciu x s(, )x, 0 (1) 0 gdzie x x(x 1)... (x + 1), 1 x 0 1. (2) Zostały
Bardziej szczegółowo4. PRZEKŁADNIKI PRĄDOWE I NAPIĘCIOWE
4. PRZEŁDN PRĄDOWE NPĘOWE 4.. Wstęp 4.. Przekładiki prądowe Przekładikie prądowy prądu zieego azywa się trasforator przezaczoy do zasilaia obwodów prądowych elektryczych przyrządów poiarowych oraz przekaźików.
Bardziej szczegółowoMATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum
MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu
Bardziej szczegółowoTyp może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }
Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca
Bardziej szczegółowoKolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski
olorowaie Dywau ierpińskiego Adrzej zablewski, Radosław Peszkowski pis treści stęp... Problem kolorowaia... Róże rodzaje kwadratów... osekwecja atury fraktalej...6 zory rekurecyje... Przekształcaie rekurecji...
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy
Bardziej szczegółowoSPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA
SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA 1. ZAMAWIAJĄCY TALEX S.A., ul. Karpia 27 d, 61 619 Pozań, e mail: cetrumit@talex.pl 2. INFORMACJE OGÓLNE 2.1. Talex S.A. zaprasza do udziału w postępowaiu przetargowym,
Bardziej szczegółowo7. OBLICZENIA WIELKOŚCI ZWARCIOWYCH ZA POMOCĄ KOMPUTERÓW
A. Kaici: warcia w sieciach eletroeergetyczych 7. OBCNA WKOŚC WARCOWCH A POOCĄ KOPUTRÓW 7.. astosowaie metody potecjałów węzłowych do obliczaia zwarć przy założeiu jedaowych sił eletromotoryczych geeratorów
Bardziej szczegółowoładunek do przewiezienia dwie możliwości transportu
ładune do przewiezienia dwie możliwości transportu Potrzeba jest przesłać np. 10 Mb/s danych drogą radiową jedna ala nośna Kod NRZ + modulacja PSK czas trwania jednego bitu 0,1 us przy możliwej wielodrogowości
Bardziej szczegółowoOBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD
OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI ALGORYTM DO PROGRAMU MATHCAD 1 PRAWA AUTORSKIE BUDOWNICTWOPOLSKIE.PL GRUDZIEŃ 2010 Rozpatrujemy belkę swobodie podpartą obciążoą siłą skupioą, obciążeiem rówomierie
Bardziej szczegółowoKoła 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 szczegółowoROX 9.0 ROX 9.0. www.sigmasport.com 000000/1 BIKE COMPUTER
PL CZ NL BIKE COMPUTER Kilometers >> Heart Rate RUS >> SIGMA Eletro GmbH Dr. - Julius - Leber - Straße 15 D -67433 Neustadt /Weistraße Tel. + 49 () 63 21-912 - 14 Fax. + 49 () 63 21-912 - 34 E - mail:
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy
12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
Bardziej szczegółowoZnaczenie kapitału ludzkiego w budowie spójności społeczno-gospodarczej w wymiarze lokalnym (na przykładzie woj. mazowieckiego)
Znaczenie apitału ludziego w budowie spójności społeczno-gospodarczej... 365 Dr hab. Danuta Kołodziejczy Instytut Eonomii Rolnictwa i Gospodari Żywnościowej Państwowy Instytut Badawczy Znaczenie apitału
Bardziej szczegółowoKoncepcja systemu ekspertowego szacowania kosztów wytwarzania
ZYGMUNT MAZUR DARIUSZ SALA Kocepca systemu espertowego szacowaia osztów wytwarzaia Wstêp We wspó³czese gospodarce ryowe, uieruowae a zaspoaaie potrzeb lietów, szyba i rzetela odpowiedÿ a zapytaia ofertowe
Bardziej szczegółowoRachunek różniczkowy funkcji wielu zmiennych
Automatya i Robotya Aaliza Wyład dr Adam Ćmiel cmiel@agh.edu.pl Rachue różiczowy fucji wielu zmieych W olejych wyładach uogólimy pojęcia rachuu różiczowego i całowego fucji jedej zmieej a przypade fucji
Bardziej szczegółowoALOKACJA ZASOBU W WARUNKACH NIEPEWNOŚCI: MODELE DECYZYJNE I PROCEDURY OBLICZENIOWE
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 1 2007 Helena GASPARS ALOKACJA ZASOBU W WARUNKACH NIEPEWNOŚCI: MODELE DECYZYJNE I PROCEDURY OBLICZENIOWE Sformułowano modele optymalizacyne, maące zastosowanie
Bardziej szczegółowoKlasa II technikum Egzamin poprawkowy z matematyki sierpień 2013
/7 I. FUNKCJA KWADRATOWA. Fukcja kwadratowa w postaci kaoiczej i ogólej. Napisz wzór fukcji kwadratowej wiedząc, że wierzchołkiem paraboli będącej jej wykresem jest początek układu współrzędych oraz, że
Bardziej szczegółowoWYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ
WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA
Bardziej szczegółowoStatystyka Inżynierska
Statystya Iżyiersa dr hab. iż. Jace Tarasiu GH, WFiIS 03 Wyład 4 RCHUNEK NIEPEWNOŚCI + KILK UŻYTECZNYCH NRZĘDZI STTYSTYCZNYCH Wyład w więszości oparty a opracowaiu prof.. Zięby http://www.fis.agh.edu.pl/~pracowia_fizycza/pomoce/opracowaiedaychpomiarowych.pdf
Bardziej szczegółowoWykład 3 : Podstawowe prawa, twierdzenia i reguły Teorii Obwodów
OBWODY SYNAŁY Wyład 3 : Podstawowe prawa, twierdzeia i reguły Teorii Obwodów 3. PODSTAWOWE PAWA TWEDZENA TEO OBWODÓW 3.. SCHEMAT DEOWY OBWOD Schematem ideowym obwodu (siecią) azywamy graficze przedstawieie
Bardziej szczegółowo1. Relacja preferencji
dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x
Bardziej szczegółowo