Generator liczb pseudolosowych oparty na ciągu rekurencyjnym Fibonacciego. Liczby pseudolosowe generowane są na podstawie poniższej formuły

Wielkość: px
Rozpocząć pokaz od strony:

Download "Generator liczb pseudolosowych oparty na ciągu rekurencyjnym Fibonacciego. Liczby pseudolosowe generowane są na podstawie poniższej formuły"

Transkrypt

1 Zadae Symulacja maszyy wykoującej losowaa dla zadaego przez kleta lośc rodzaju zakładów LOTTO. Zadae 2 Symulacja gry w ruletkę. Zadae 3 Symulacja maszyy dwu- lub węcej rameego badyty. UWAGI do zadań -3 a) Do geerowaa lczb pseudolosowych wykorzystać jede z geeratorów: Geerator lczb pseudolosowych oparty a cągu rekurecyjym Fboaccego. Lczby pseudolosowe geerowae są a podstawe poższej formuły = r s mod m gdze m = 2, atomast s = 7 r = 5. Etap cjowaa geeratora polega a utworzeu -btowych lczb, 2,, r, p. za pomocą geeratora lowego. Uwersaly geerator lczb pseudolosowych. Lczby te geerowae są a podstawe formuły = r r s s, m, dla dla r r < s s gdze m = 2, atomast s = 7 r = 5. Etap cjowaa geeratora polega a utworzeu -btowych lczb, 2,, Koleje bty są tworzoe za pomocą kombacj dwóch geeratorów gdze, dla ( y z)mod64 < =, w przecwym przypadku y z ( y y y ) mod79 = 3 2 = ( 52z )mod69 Natomast y y, y {, 2,,78} (e wszystke rówe ) z {,,,68}, 2 3 r Geerator lczb pseudolosowych oparty a odejmowau z pożyczką (SWB ag. Substract Wth Borrow). Lczby pseudolosowe geerowae są a podstawe formuły = r r s s c m, c, gdy r s c <, w przecwym przypadku, c = c =

2 gdze c jest btem przeesea, m = 2, atomast s = 37 r = 24. Etap cjowaa geeratora polega a utworzeu -btowych lczb, 2,, : Koleje bty są tworzoe z btów zaków lczb otrzymaych w astępujący sposób r gdze w = u v u = λu, v = ( v >> k ) v gdze λ = 6969, zaś v >> k ozacza przesuęce btów reprezetacj barej lczby v o k ustaloych btów w prawo. Geerator 6-btowych lczb pseudolosowych oparty a możeu z przeeseem (MWC ag. Multplay Wth Carry) = ( a 8 a2 7 a3 6 a4 5 a5 4 a6 3 a7 2 a8 c) gdze a = 23, a2 = 66, a3 = 25, a4 = 492, a5 = 776, a6 = 82, a7 = 86, a8 Parametr c jest tzw. wartoścą przeesea określoą jako astępująca lczba = ( a a a a a a a a c) m gdze ozacza jej część całkowtą, zaś 6 m = Opsay geerator wymaga zacjowaa ośmoma lczbam całkowtym 6-btowym (, 2,, 8 ), p. za pomocą klasyczego geeratora lowego. Geerator 6-btowych lczb pseudolosowych oparty a możeu z przeeseem (MWC) = ( a 8 a2 7 a3 6 a4 5 a5 4 a6 3 a7 2 a8 c) gdze a = 9272, a2 = 7777, a3 = 6666, a4 = 5555, a5 = 4444, a6 = 3333, a7 = 2222, a8 =. Parametr c jest tzw. wartoścą przeesea określoą jako astępująca lczba ( a a a a a a a a c) m gdze ozacza jej część całkowtą, zaś 6 m = 2. Opsay geerator wymaga zacjowaa ośmoma lczbam całkowtym 6-btowych (, 2,, 8 ), p. za pomocą klasyczego geeratora lowego.

3 Geerator -btowych lczb pseudolosowych oparty a możeu z przeeseem (MWC) powstałego przez połączee btów dwóch geeratorów 6-btowych opsaych w zadaach 4 5. = ( a 8 a2 7 a3 6 a4 5 a5 4 a6 3 a7 2 a8 c) gdze a = 9272, a2 = 7777, a3 = 6666, a4 = 5555, a5 = 4444, a6 = 3333, a7 = 2222, a8 =. Parametr c jest tzw. wartoścą przeesea określoą jako astępująca lczba ( a a a a a a a a c) m gdze ozacza jej część całkowtą, zaś m = 2 6. Opsay geerator wymaga zacjowaa 8 lczb całkowtych 6-btowych (, 2,, 8 ), p. za pomocą klasyczego geeratora lowego. b) Lczby startowe (początkowe) geeratorów są wyzaczae w oparcu o astępujące wzory: lub = r ( m 2( d 3( g 24( m 6s)))) = s 6( m 6( g 24( d 3( m 2r)))) Gdze r ozacza dwe ostate cyfry roku, m jest mesącem (od do 2), d reprezetuje dzeń (od do 3), g jest godzą (od do 23), m ozacza mutę (od do 59) oraz s jest sekudą (od do 59). Czas datę moża odczytać z zegara systemowego. Dodatkowo w celu zapewea eparzystośc lczby, zaleca sę zmaę ostatego btu a. Formuła opsująca geerator lowy lczb pseudolosowych jest astępująca gdze a = 6969, c =, = ( a m = 2. c) mod m Zadae 4 W pewym procese techologczym, w odstępach 2-sekudowych dokoao pomaru temperatury, które zapsywao do plku przez komputer PC. Odczytaa temperatura ma postać dwóch bajtów, którego wartość przelczaa jest do temperatury w stopach Celsjusza wg wzoru: T = B*8.3/4 gdze B ozacza wartość 6-btową odczytaą z plku. W trakce pracy programu ależy wyśwetlać a ekrae przebeg zma temperatury w postac poowych słupków, przyjmując że sterowk grafczy pracuje w trybe tekstowym. Ostat odczyt temperatury wyśwetlay jest zawsze po prawej stroe ekrau w forme słupka o wysokośc proporcjoalej do temperatury, przy czym temperaturze 3 C odpowada słupek' o wysokośc, a temperaturze 5 C słupek o wysokośc 25 zaków. Co 2 sekud wszystke wyśwetlae odczyty zostają przesuęte w lewo o jedą pozycję. Zadae 5 Pewe system mkroprocesorowy dokouje pomarów przetwarzaa wlgotośc pomeszczea. Do systemu dołączoy jest czujk wlgotośc oraz dwucyfrowy wyśwetlacz sedmosegmetowy. Napsać system obsług pomarów, który powe podawać a wyśwetlaczu średą wlgotość z 2 ostatch pomarów wyrażoą w procetach. Zakłada

4 sę, że pomary są odczytywae z plku. Sterowae wyśwetlaczem realzowae jest wg schematu: gdze bty ozaczoe jako a g ozaczają odpowede segmety wyśwetlacza a bt w wskazuje umer wyśwetlacza ( lub ). Wlgotość merzoa w procetach określoa jest wzorem W=99/255*B; gdze B ozacza bajt odczytay z plku. Zadae 6 Zrealzować terpreter łańcucha dzałań matematyczych wprowadzaych z klawatury. Napsać odpowed podprogram asemblerowy wywoływay z pozomu języka C. Program możlwy jest w dwóch realzacjach w trybe tekstowym lub trybe grafczym. Zadae 7 Zaprojektować meadżera plków katalogów. Program powe pozwalać użytkowkow a proste operacje dyskowe jak ukrywae odkrywae plków/katalogów oraz szyfrowae odszyfrowywae plków. Zadae 8 Zrealzować symulator układu całkującego metodą: prostokątów, trapezów, Smsoa. Symulator powe wyzaczyć całkę z sygału zapsaego w plku. Zadae 9 Zrealzować symulator układu różczkującego metodą: prostokątów, trapezów, Smsoa. Symulator powe różczkować sygały zapsae w plku. Zadae Zaprojektować układ geeratora sygałów: prostokątego, susodalego, trójkątego. Program powe wykreślć sygał o zadaej częstotlwośc, ampltudze oraz współczyku wypełea zapsać wyk w plku. Zadae

5 Zaprojektować układ geeratora sygałów szumowych o rozkładze wykładczym lub ormalym. Program powe wykreślć sygał oraz umożlwć zapsae go w plku. Zadae 2 Napsać program rezydety, który będze zmeał mejscam wybrae ltery a klawaturze. Zadae 3 Napsać program automatycze poprawający początek zdaa a welka lterę oraz rozpozający e możlwe zakończea zdaa (p. wykrzykk, zak zapytaa) Zadae 4 Zaprojektować meadżera plków katalogów. Program powe pozwalać użytkowkow a proste operacje dyskowe jak sortowae według azw, daty godzy (ewetuale rozszerzea) plków/katalogów Zadae 5 Zaprojektować meadżera plków katalogów. Program powe pozwalać użytkowkow a proste operacje dyskowe jak utworzee, kasowae, zmaa azwy, przeesee plku/katalogu Zadae 6 Zaprojektować kalkulator, który dla wpsywaych lczb w dowolym, systeme reprezetacj będze pozwalał a ch kowersję do dowolego ego systemu. Poadto powe umożlwać proste operacje matematycze jak dodawae, odejmowae, możee dzelee. Zadae 7 Sygalzatory regulujące ruch a skrzyżowau (Rys.) są adzorowae przez komputer. W przypadku stwerdzea błędów w sterowau program adzorujący wyłącza (zeruje) wszystke sygalzatory, astępe włącza mgające śwatło pomarańczowe a wszystkch sygalzatorach dla samochodów. Ze względu a mały ruch peszych, a sygalzatorach umeszczoo przycsk, które służą do zgłaszaa zamaru przejśca przez jezdę. Zatrzymae ruchu samochodowego może jedak astępować e częścej ż co 2 muty a czas 5 s. Komputer o godze 24. wyłącza (zeruje) wszystke sygalzatory, astępe włącza mgające śwatło pomarańczowe a wszystkch sygalzatorach dla samochodów. Powrót do ormalego trybu pracy astępuje o godz. 6..

6 Rys.. Schemat przykładowego skrzyżowaa wraz z sygalzacją śwetlą.

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych Cetrala Izba Pomarów Telekomukacyjych (P-1) Komputerowe staowsko do wzorcowaa geeratorów podstawy czasu w częstoścomerzach cyrowych Praca r 1300045 Warszawa, grudzeń 005 Komputerowe staowsko do wzorcowaa

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Elementy arytmetyki komputerowej

Elementy arytmetyki komputerowej Elemety arytmetyk komputerowej cz. I Elemety systemów lczbowych /materał pomocczy do wykładu Iformatyka sem II/ Sps treśc. Wprowadzee.... Wstępe uwag o systemach lczbowych... 3. Przegląd wybraych systemów

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

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

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej 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

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka dyskretna. 10. Funkcja Möbiusa Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

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

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

Bardziej szczegółowo

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH Z PRZEDMIOTU EWOLUCYJNE METODY OPTYMALIZACJI. Rozwązać zadae zadaa załaduku (plecakowego z ograczeam a dopuszczale wymary oraz cężar []: a algorytmem symulowaego wyżarzaa.

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

Badania Maszyn CNC. Nr 2

Badania Maszyn CNC. Nr 2 Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym. Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

Bardziej szczegółowo

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

POMIAR WSPÓŁCZYNNIKA POCHŁANIANIA PROMIENIOWANIA γ

POMIAR WSPÓŁCZYNNIKA POCHŁANIANIA PROMIENIOWANIA γ Ćwczee 56 POMIAR WSPÓŁCZYNNIKA POCHŁANIANIA PROMIENIOWANIA γ 56.. Wadomośc ogóle Rozpatrzmy wąską skolmowaą wązkę prome γ o atężeu I 0, padającą a płytkę substacj o grubośc x (rys. 56.). Natężee promeowaa

Bardziej szczegółowo

Badania niezawodnościowe i statystyczna analiza ich wyników

Badania niezawodnościowe i statystyczna analiza ich wyników Badaa ezawodoścowe statystycza aalza ch wyków. Co to są badaa ezawodoścowe jak sę je przeprowadza?. Metody prezetacj opsu daych pochodzących z eksperymetu 3. Sposoby wyzaczaa rozkładu zmeej losowej a podstawe

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

Modele wartości pieniądza w czasie

Modele wartości pieniądza w czasie Joaa Ceślak, Paula Bawej Modele wartośc peądza w czase Podstawowe pojęca ozaczea Kaptał (ag. prcpal), kaptał początkowy, wartośd początkowa westycj - peądze jake zostały wpłacoe a początku westycj (a początku

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

O testowaniu jednorodności współczynników zmienności

O testowaniu jednorodności współczynników zmienności NR 6/7/ BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 003 STANISŁAW CZAJKA ZYGMUNT KACZMAREK Katedra Metod Matematyczych Statystyczych Akadem Rolczej, Pozań Istytut Geetyk Rośl PAN, Pozań O testowau

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

METODY ANALIZY DANYCH DOŚWIADCZALNYCH POLITECHNIKA Ł ÓDZKA TOMASZ W. WOJTATOWICZ METODY ANALIZY DANYCH DOŚWIADCZALNYCH Wybrae zagadea ŁÓDŹ 998 Przedsłowe Specyfką teor pomarów jest jej wtóry charakter w stosuku do metod badawczych stosowaych

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki)

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki) Adrzej Kubaczyk Laboratorum Fzyk I Wydzał Fzyk Poltechka Warszawska OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradk do Laboratorum Fzyk) ROZDZIAŁ Wstęp W roku 995 z cjatywy Mędzyarodowego Komtetu Mar (CIPM) zostały

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

Niepewności pomiarów. DR Andrzej Bąk

Niepewności pomiarów. DR Andrzej Bąk Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

Relacyjny model danych. Relacyjny model danych

Relacyjny model danych. Relacyjny model danych Pla rozdzału Relacyjy model daych Relacyjy model daych - pojęca podstawowe Ograczea w modelu relacyjym Algebra relacj - podstawowe operacje projekcja selekcja połączee operatory mogoścowe Algebra relacj

Bardziej szczegółowo

BADANIE UKŁADÓW ZAWIERAJĄCYCH WZMACNIACZE OPERACYJNE

BADANIE UKŁADÓW ZAWIERAJĄCYCH WZMACNIACZE OPERACYJNE ADANI UKŁADÓW ZAWIAJĄCYCH WZMACNIACZ OPACYJN CL ĆWICZNIA: Pozae zasady dzałaa wzmacacza operacyjego w zakrese skch częstotlwośc. Aalza kładów zawerających wzmacacze operacyje pracjące w zakrese lowym elowym.

Bardziej szczegółowo

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4 POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 INETYCJE LINIOE - ŁUŻEBNOŚĆ PRZEYŁU I BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI 1. PROADZENIE 1.1. Nejszy stadard przedstawa reguły

Bardziej szczegółowo

1. Relacja preferencji

1. 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

Opracowanie wyników pomiarów

Opracowanie wyników pomiarów Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

architektura komputerów w. 3 Arytmetyka komputerów

architektura komputerów w. 3 Arytmetyka komputerów archtektura komputerów w. 3 Arytmetyka komputerów Systemy pozycyjne - dodawane w systeme dwójkowym 100101011001110010101 100111101000001000 0110110011101 1 archtektura komputerów w 3 1 Arytmetyka bnarna.

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja 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 szczegółowo

ĆWICZENIE 5 TESTY STATYSTYCZNE

ĆWICZENIE 5 TESTY STATYSTYCZNE ĆWICZENIE 5 TESTY STATYSTYCZNE Cel Przedstawee wybraych testów statystyczych zasad wyboru właścwego testu przeprowadzea go oraz terpretac wyów. Wprowadzee teoretycze Testem statystyczym azywamy metodę

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

MODELE OBIEKTÓW W 3-D3 część

MODELE OBIEKTÓW W 3-D3 część WYKŁAD 5 MODELE OBIEKTÓW W -D część la wykładu: Kocepcja krzywej sklejaej Jedorode krzywe B-sklejae ejedorode krzywe B-sklejae owerzche Bezera, B-sklejae URBS 1. Kocepcja krzywej sklejaej Istotą z praktyczego

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

Metoda Monte-Carlo i inne zagadnienia 1

Metoda Monte-Carlo i inne zagadnienia 1 Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów

Bardziej szczegółowo

Urządzenia wejścia-wyjścia

Urządzenia wejścia-wyjścia Urządzena wejśca-wyjśca Klasyfkacja urządzeń wejśca-wyjśca. Struktura mechanzmu wejśca-wyjśca (sprzętu oprogramowana). Interakcja jednostk centralnej z urządzenam wejśca-wyjśca: odpytywane, sterowane przerwanam,

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

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

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i.

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i. c 27 Rafał Kucharsk Rety Wartość beżącą cągu kaptałów: {R t R 2 t 2 R t } gdze R jest kwotą omalą płacoą w chwl t = oblczamy jako sumę zdyskotowaych płatośc: przy czym = + R j tj j= jest czykem dyskotującym

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4 POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 YCENA ŁUŻEBNOŚCI PRZEYŁU I OKREŚLANIE KOTY YNAGRODZENIA ZA BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI PRZY INETYCJACH LINIOYCH 1.

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych Sprawdzee stateczośc skarpy wykopu pod składowsko odpadów koualych Ustalee wartośc współczyka stateczośc wykoae zostae uproszczoą etodą Bshopa, w oparcu o poższą forułę: [ W s( α )] ( φ ) ( φ ) W ta F

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,

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

SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM

SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM ACTA UNIVERSITATIS WRATISLAVIENSIS No 37 PRZEGLĄD PRAWA I ADMINISTRACJI LXXX WROCŁAW 009 ANNA ĆWIĄKAŁA-MAŁYS WIOLETTA NOWAK Uwersytet Wrocławsk SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM

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

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW

WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW U podstaw wszystkch auk przyrodczych leży zasada: sprawdzaem wszelkej wedzy jest eksperymet, tz jedyą marą prawdy aukowej jest dośwadczee Fzyka, to auka

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

Analiza danych pomiarowych

Analiza danych pomiarowych Materały pomoccze dla studetów Wydzału Chem UW Opracowała Ageszka Korgul. Aalza daych pomarowych wersja trzeca, uzupełoa Lteratura, Wstęp 3 R OZDZIAŁ SPRAWOZDANIE Z DOŚWIADCZENIA FIZYCZNEGO 4 Stałe elemety

Bardziej szczegółowo

WYZNACZANIE PRZERWY ENERGETYCZNEJ GERMANU

WYZNACZANIE PRZERWY ENERGETYCZNEJ GERMANU Fzyka cała stałeo WYZNACZANIE PRZERWY ENERGETYCZNEJ GERMANU 1. Ops teoretyczy do ćwczea zameszczoy jest a stroe www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomaroweo

Bardziej szczegółowo

TMM-2 Analiza kinematyki manipulatora metodą analityczną

TMM-2 Analiza kinematyki manipulatora metodą analityczną Opracował: dr ż. Przemysław Szumńsk Laboratorum Teor Mechazmów Automatyka Robotyka, Mechatroka TMM- Aalza kematyk mapulatora metodą aaltyczą Celem ćwczea jest zapozae sę ze sposobem aalzy kematyk mechazmu

Bardziej szczegółowo

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

Typ 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 szczegółowo

Realizacja logiki szybkiego przeniesienia w prototypie prądowym układu FPGA Spartan II

Realizacja logiki szybkiego przeniesienia w prototypie prądowym układu FPGA Spartan II obert Berezowsk Natala Maslennkowa Wydzał Elektronk Poltechnka Koszalńska ul. Partyzantów 7, 75-4 Koszaln Mchał Bałko Przemysław Sołtan ealzacja logk szybkego przenesena w prototype prądowym układu PG

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZENIA NR 2

INSTRUKCJA DO ĆWICZENIA NR 2 KATEDRA MECHANIKI STOSOWANEJ Wydzał Mehazy POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 PRZEDMIOT TEMAT OPRACOWAŁ MECHANIKA TECHNICZNA Wyzazee położee środka ężkoś układu mehazego Dr ż. K. Kęk 1.

Bardziej szczegółowo