K N. y y n. ) k=1,2,...k. x k. k x nk. x = 1.1

Wielkość: px
Rozpocząć pokaz od strony:

Download "K N. y y n. ) k=1,2,...k. x k. k x nk. x = 1.1"

Transkrypt

1 . Wbó zmiech objaśiającch.. Ozaczeia Będziem a azie ozważać mode jedoówaiow. smbo K opis iczba zmiech objaśiającch iczba obsewacji (iczba watości ażdej ze zmiech, wstępującch w modeu) zmiea objaśiaa. Jej watości moża pzedstawić jao maciez oumową o eemetach,,,...,. Często taą maciez utożsamia się z wetoem o współzędch. -ta watość zmieej objaśiaej (jej watość w -tej obsewacji). Jest to -t eemet maciez oumowej. f mode (eacja pomiędz zmiemi objaśiającmi i objaśiaą),,,...k zmiee objaśiające. Moża je pzedstawić jao macieze oumowe,,,...k, ub weto. ch maciez będzie K; ażda z ich będzie się sładać z eemetów.,,,... -ta watość - tej zmieej objaśiającej (-t eemet maciez oumowej ) ozacza ume oejej obsewacji (chwii czasu), watości śedie, odpowiedio, zmieej oaz Podstawowe wzo: watość śedia zmieej maciez oumowa watości śedich [,..., ] eemetów odcheie zmieej od jej watości śediej - odcheie stadadowe zmieej S ( ),,...K współczi zmieości zmieej S υ.

2 .. Eimiacja zmiech quasi-stałch Wauiem wstępm uzaia óżch wieości za zmiee objaśiające jest dostateczie wsoa ich zmieość. Miaą poziomu zmieości jest współczi zmieości: Obiea się pewą watość tczą Zmiee spełiające ieówość S υ υ tego współczia, p. * 0. * υ., υ υ * uzaje się za quasi-stałe i eimiuje się ze zbiou potecjach zmiech objaśiającch. Pzład : Do opisu poducji fim w md zł () zapopoowao 4 wieości: zatudieie (ts. osób), watość śodów twałch (md zł), 3 czas pzestoju masz (di), 4 aład iwestcje (m zł). Watości zmiech w atach podao w tabei. Lata Spawdzić pz założoej watości tczej υ * 5 cz potecjae zmiee objaśiające odzaczają się odpowiedio wsoą zmieością. Rozwiązaie: Wzaczam śedie: ( ) 0 ( ) 3 4 podobie icząc dostajem

3 abea do wzaczeia odcheń stadadowch ( ).3 S : (A) (B) (C) (D) A B C D ,4 3,6 9,,6 S ,53 3,69 4,38,65 υ S / >5 >5 >5 <5 Ja wia z tabei, zmieą 4 moża pz tch wauach uzać za quasi-stałą i weimiować ze zbiou zmiech objaśiającch..3. Metoda aaiz współcziów oeacji Poega a badaiu oeacji pomiędz addatami a zmiee objaśiające, a taże pomiędz imi a zmieą objaśiaą. Służ do tego watość tcza współczia oeacji. W wiu tego badaia eimiuje się addati słabo soeowae ze zmieą objaśiaą. astępie ze zbiou tch zmiech, tóe został, wbiea się tę, tóa jest ajsiiej soeowaa ze zmieą objaśiaą. Spośód pozostałch eimiuje się te, tóe są siie soeowae z tą wbaą w popzedim ou. Ja widać, tzeba zdefiiować współczi oeacji dwóch zmiech oaz wjaśić, co to jest watość tcza współczia oeacji oaz co to zacz słabo soeowae oaz siie soeowae zmiee.

4 .4 Da zmiech oaz współczi oeacji obicza się ze wzou: ( ) ( ) ( ) ( ) ( ) ( ) ( )( ) ( ) ( ) Współczii te twozą maciez oeacji R: R K K K K L M O M M L L Da zmiech oaz współczi oeacji obicza się ze wzou: ( ) ( ) ( ) ( ) ( ) ( ) ( )( ) ( ) ( ) Współczii oeacji pomiędz zmieą objaśiaą oaz addatami a zmiee objaśiające moża pzedstawić w postaci maciez oumowej K 0 R M

5 .3.. Ustaeie watości tczej współczia oeacji Watość tcza współczia oeacji * zaeż od iczb obsewacji oaz od poziomu istotości α tó zadajem (ajczęściej α 05 ub α 0). Watość * wzacza się ze wzou * ( tα ) ( t ) + α gdzie t α jest watością statsti t Studeta da zadaego poziomu istotości α oaz da iczb azwaej iczbą stopi swobod. abice watości tczch da testu tstudeta są podae w podęcziach. Wzaczeia watości tczej współczia oeacji doouje się az watość ta obowiązuje do zaończeia pocedu wbou zmiech objaśiającch..3.. Eimiacja zmiech słabo soeowach ze zmieą objaśiaą Słaba oeacja ozacza mał wpłw jedej zmieej a watość dugiej. Datego addati słabo soeowae ze zmieą objaśiaą eimiujem. Słaba oeacja zdefiiowaa jest ieówością * Etap eimiacji addate słabo soeowach ze zmieą objaśiaą wstępuje to az. Po im pzstępujem do putu Wbó zmieej ajsiiej soeowaej ze zmieą objaśiaą Do zbiou zmiech objaśiającch zaiczam jao piewszą spośód pozostałch addate tę, tóa jest ajsiiej soeowaa ze zmieą objaśiaą. Ozaczm ją h ; wzaczam ją ze wzou h ma { }.5

6 .3.4. Eimiacja addate siie soeowach z h Fomaie eimiujem te zmiee, da tóch zachodzi związe h > * Wia to z fatu, że popzez sie soeowaie zmiech spełiającch te waue ze zmieą h, ie wiosą oe istotie owch ifomacji o zmieej objaśiaej, gdż to, co mogłb wieść, zostaie wiesioe pzez zmieą objaśiającą h. Postępowaie opisae w putach.3.3 oaz.3.4 powtaza się aż do wczepaia wszstich addate a zmiee objaśiające. Pzład Wozstując metodę aaiz współcziów oeacji wbać zmiee objaśiające spośód,, 3 z popzediego pzładu. Lata Rozwiązaie: Watości śedie poszczegóch zmiech: 6,, ś ś ś ś

7 Współczii oeacji da ażdch dwóch wetoów odcheń zmiech od śedich obiczam w pogamie Ece, ozstając z fucji WSP.KORELACJI(Weto;Weto). Otzmujem: R , R Załadam poziom istotości α 05. Poieważ tutaj 0 więc iczba stopi swobod wosi Z tabic ozładu tstudeta da taich α i - otzmujem t α,306. Zatem watość tcza współczia oeacji * pzjmuje watość ( tα ) ( t ) +, 306 * 63, α Aaizując maciez R 0 stwiedzam, że żada zmiea ie jest słabo soeowaa ze zmieą objaśiaą, gdż >63 da,,3. Spośód tch zmiech ajsiiej ze zmieą objaśiaą jest soeowaa zmiea. Staje się oa zmieą objaśiającą. Z tabic R widać, że mam 9004 >* oaz 3 959>*. Zatem eimiujem zmieą zaówo ja i 3. Zatem metoda współcziów oeacji włoiła jedą zmieą objaśiającą:..7

8 .4. Metoda wsaźiów pojemości ifomacjej metoda Hewiga Dspoujem zbioem addate a zmiee objaśiające,,,..., L oaz zmieą objaśiaą. W związu z tm bez tudu obiczam macieze współcziów oeacji R 0 oaz R. Każda z addate jest tatowaa jao ośi ifomacji o. Rozpatujem wszstie iepuste ombiacje zmiech,,..., L. Ich iczba to L. Każdą ombiację ozaczam K, zaś ume zmiech zawatch w ombiacji K zawate są w zbioze Z, gdzie,,..., L. Idwiduaą pojemość ifomacją h zmieej,,,...,l, wchodzącej w sład tej ombiacji K oeśam astępująco: h Itegaa pojemość ifomacja tej ombiacji K : H s Z s h s Zaówo idwiduaa jai i itegaa pojemość ifomacja pzjmuje watości z pzedziału [0; ]. Za ajepszą ombiację zmiech (za zbió zmiech objaśiającch) uzajem zbió addate, da tóch pojemość itegaa jest ajwięsza H optmae ma{ H :,,..., } Rozważm zbió addate a zmiee objaśiające z popzediego pzładu. Z L Da tego zbiou zam macieze R 0 oaz R: R , R

9 Liczba zmiech L 3. Stąd iczba ombiacji L 3 7. Wpiszem poszczegóe ombiacje, poiczm idwiduaą pojemość ifomacją eemetów ażdej ombiacji, a astępie itegaa pojemość ifomacją ażdej ombiacji K { } Z {} h 960 H h , siie soeowae ze sobą i ze zmieą objaśiaą..9 K { } Z {} h 0 95 H h K 3 { 3 } Z 3 {3} h H 3 h K 4 {, } Z 4 {; } h h K 5 {, 3 } Z 5 {; 3} h 5 h H 4 h 4 +h H K 6 {, 3 } Z 6 {; 3} h , h H K 7 {,, 3 } Z 7 {; ; 3} h 7 338, h 7 35, h 73 3, H H optmae ma{h :,,...,7} 984 i jest osiągaa da K 7. Ja z tego wia, zmiemi objaśiającmi wg metod Hewiga powi zostać wszstie tz addati. Wiło to z fatu, iż wszstie tz zmiee bł

y Y : r R ; n Dobór zmiennych objaśniających do modelu ekonometrycznego Oznaczenia: Y - zmienna objaśniana, Postać macierzowa:

y Y : r R ; n Dobór zmiennych objaśniających do modelu ekonometrycznego Oznaczenia: Y - zmienna objaśniana, Postać macierzowa: Dobó zec objaśającc do odeu eooetczego Ozaczea Y - zea objaśaa,,.,, - potecjae zee objaśające. Postać acezowa Y,. Współcz oeacj R, R, gdze ;,.,, ; ;,.,,, Postuat dotczące zec objaśającc Wso pozo zeośc

Bardziej szczegółowo

Ocena dopasowania modelu do danych empirycznych

Ocena dopasowania modelu do danych empirycznych Ocea dopasowaia modelu do dach empirczch Po oszacowaiu parametrów modelu ależ zbadać, cz zbudowa model dobrze opisuje badae zależości. Jeśli okaże się, że rozbieżość międz otrzmam modelem a dami empirczmi

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch

Bardziej szczegółowo

Wytrzymałość śruby wysokość nakrętki

Wytrzymałość śruby wysokość nakrętki Wyzymałość śuby wysoość aęi Wpowazeie zej Wie Działająca w śubie siła osiowa jes pzeoszoa pzez zeń i zwoje gwiu. owouje ozciągaie lub ścisaie zeia śuby, zgiaie i ściaie zwojów gwiu oaz wywołuje acisi a

Bardziej szczegółowo

STATYSTYCZNY OPIS UKŁADU CZĄSTEK

STATYSTYCZNY OPIS UKŁADU CZĄSTEK WYKŁAD 6 STATYSTYCZNY OPIS UKŁADU CZĄSTK Zespół statcz moża opisać: ) Klasczie pzestzeń fazowa P ( P PN, q, q q N) q Każda kofiguacja N cząstek zespołu statczego opisaa jest puktem w pzestzei fazowej.

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

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 szczegółowo

Liczby Stirlinga I rodzaju - definicja i własności

Liczby 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 szczegółowo

Szereg czasowy z trendem. Model Holta. Stosujemy dwa równania rekurencyjne: I - słuy do wyznaczania wygładzonych wartoci szeregu czasowego w chwili t

Szereg czasowy z trendem. Model Holta. Stosujemy dwa równania rekurencyjne: I - słuy do wyznaczania wygładzonych wartoci szeregu czasowego w chwili t zeeg czasow z edem. Model Hola. osujem dwa ówaia ekuecje: I - słu do wzaczaia wgładzoch waoci szeegu czasowego w chwili F = + ( )( + α α F ) II - słu do wzaczaia wgładzoch waoci pzosu edu w chwili = β

Bardziej szczegółowo

Wykład1. Elementy logiki matematycznej i teorii mnogości.

Wykład1. Elementy logiki matematycznej i teorii mnogości. WKŁAD. Wład. Element logii matematcznej i teoii mnogości. Definicja zdania Zdaniem w logice nazwam wowiedź zbudowaną zgodnie z zasadami ustalonego jęza tóej można zisać jednoznacznie jedną z dwu ocen:

Bardziej szczegółowo

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ PIENIĄDZA W CZASIE WARTOŚĆ PIENIĄDZA W CZASIE Czyiki wpływające a zmiaę watości pieiądza w czasie:. Spadek siły abywczej. 2. Możliwość iwestowaia. 3. Występowaie yzyka. 4. Pefeowaie bieżącej kosumpcji pzez człowieka. Watość

Bardziej szczegółowo

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego Dobó zmiennych objaśniających do liniowego modelu ekonometycznego Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość

Bardziej szczegółowo

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n Metoda Newtoa i rówaie z = 1 Załóżmy, że fucja f :C C ma ciągłą pochodą. Dla (prawie) ażdej liczby zespoloej z 0 tworzymy ciąg (1) (z ) 0, z 1 = z f ( z ), ciąg te f ' (z ) będziemy azywać orbitą liczby

Bardziej szczegółowo

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

APROKSYMACJA 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 szczegółowo

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli.

KOMBINATORYKA. 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 szczegółowo

Zbiorowość statystyczna zbiór elementów (osób, przedmiotów, itp.) mających jedną lub kilka wspólnych cech.

Zbiorowość statystyczna zbiór elementów (osób, przedmiotów, itp.) mających jedną lub kilka wspólnych cech. Statsta Statsta aua zajująca się wrwaie, badaie i opiswaie zależości wstępującch w zjawisach asowch; zbiór etod służącch groadzeiu, prezetacji, aalizie i iterpretacji dach. Przediote badaia statstczego

Bardziej szczegółowo

LINIA PRZESYŁOWA PRĄDU STAŁEGO

LINIA PRZESYŁOWA PRĄDU STAŁEGO oitechnia Białostoca Wydział Eetyczny Kateda Eetotechnii Teoetycznej i Metoogii nstucja do zajęć aboatoyjnych Tytuł ćwiczenia LNA RZEYŁOWA RĄD TAŁEGO Nume ćwiczenia E Auto: mg inŝ. Łuasz Zaniewsi Białysto

Bardziej szczegółowo

Analiza I.1, zima wzorcowe rozwiązania

Analiza 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 szczegółowo

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

Dwumian 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 szczegółowo

Erlanga. Znajdziemy rozkład czasów oczekiwania na n-te zdarzenie. Łączny czas oczekiwania. na n zdarzeń dany jest przez: = u-v i t 2.

Erlanga. Znajdziemy rozkład czasów oczekiwania na n-te zdarzenie. Łączny czas oczekiwania. na n zdarzeń dany jest przez: = u-v i t 2. Rozład Erlaga Zajdziem rozład czasów oczeiwaia a -e zdarzeie. Łącz czas oczeiwaia a zdarzeń da jes przez: M. Przbcień Rachue prawdopodobieńswa i sasa ( (- gdzie E ; λ λ exp λ Podobie zajdujem: E ( ; E(

Bardziej szczegółowo

H brak zgodności rozkładu z zakładanym

H 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 szczegółowo

ź Ł Ą Ę Ź Ę Ę Ą Ę Ę Ę Ę Ę Ź Ą Ę Ą Ź Ę Ź Ó ć Ź Ó Ę Ź Ź ć ć Ę ć Ó Ó Ę Ę Ę Ę Ó Ę Ę ć Ć Ł Ó Ź ć ć ć Ę ć Ę Ł Ź Ź Ł ć ź ź Ę ć Ś Ą ć ć Ą ć Ś Ę Ź Ę Ź Ę ć Ó Ń Ę Ś Ę ź Ź Ę Ę Ć Ę Ń Ę Ę ć Ą Ę ć Ę ć Ę Ź Ę Ć Ę ź ć

Bardziej szczegółowo

4.1. Środek ciężkości i środek masy

4.1. Środek ciężkości i środek masy 4 Śode ciężości i śode as Rozpatz uład putów ateialch o asach (,,, ), a tóe działają sił ciężości (s 4) Niech położeie tch putów względe putu odiesieia O oeślają weto wodzące, ja a suu Wiadoo, że sił ciężości

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

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Metody probabilistyczne egzamin

Metody probabilistyczne egzamin Imię i azwisko:....................................................... N ideksu:.............. Metody pobabilistycze egzami Data: 30.0.209 Godzia: 3:00 Zadaie [8pkt] Podaj aksjomaty Kołmogoowa dla miay

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

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Wykład 6. Przestrzenie metryczne ośrodkowe i zupełne. ρ, gdzie r

Wykład 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 szczegółowo

Chemia Teoretyczna I (6).

Chemia Teoretyczna I (6). Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez

Bardziej szczegółowo

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

Wykład 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 szczegółowo

qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq qwertyuiopasdfghjklzxcvbmqwerty uiopasdfghjklzxcvbmqwertyuiopasd fghjklzxcvbmqwertyuiopasdfghjklzx cvbmqwertyuiopasdfghjklzxcvbmq Model ekoometryczy wertyuiopasdfghjklzxcvbmqwertyui Ekoometria: projekt

Bardziej szczegółowo

( ) O k k k. A k. P k. r k. M O r 1. -P n W. P 1 P k. Rys. 3.21. Redukcja dowolnego przestrzennego układu sił

( ) O k k k. A k. P k. r k. M O r 1. -P n W. P 1 P k. Rys. 3.21. Redukcja dowolnego przestrzennego układu sił 3.7.. Reducja dowolego uładu sił do sił i par sił Dowolm uładem sił będiem awać uład sił o liiach diałaia dowolie romiescoch w prestrei. tm pucie ajmiem się sprowadeiem (reducją) taiego uładu sił do ajprostsej

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Ń Ą Ę Ł Ł Ł Ł ź Ł Ł Ł Ł Ł Ł ź Ł Ł Ł Ł Ś Ś źć Ą ź ź ć ź ć Ś ć Ą ć Ż ć ć Ę ć Ą Ł Ł Ł ź Ś Ą ź Ą Ą Ł Ś Ą Ż Ą Ł Ł ć Ż Ś ź Ó ź Ó ć Ć ź Ś ć Ł ć ć ć ć ć ć Ą Ą Ą Ł Ą ć ć ć ć Ą Ł ź ć ćź ć ć ź Ś ć ć Ą Ą Ą ć Ą ć Ż

Bardziej szczegółowo

ć ć ć ć ć ć ć źć ć ć ć ć ć ć ź Ś ź ć ć ć Ż ć Ę ć ć ć ć ć ć Ę Ę ć ć ć Ż ź ź ź ć ć ć ć ć Ś ć ć ć ć ć Ż ćż ć ć ć ć ć ć Ż ć ć ć ć ź ć ź Ę ć ć ź ć ć Ś Ż ć ć ć Ą Ż ć ć ć Ę ć ć Ż ć ć ć Ś ć ć ć ć ć ć ć ć ć ć ć

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia 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 szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

ANALIZA KORELACJI IREGRESJILINIOWEJ

ANALIZA KORELACJI IREGRESJILINIOWEJ ANALIZA KORELACJI IREGRESJILINIOWEJ 1. ZALEŻNOŚCI STOCHASTYCZNE Badajac zjawiska o charakterze masowym, w tym szczególie zjawiska spo leczo-ekoomicze, stwierdzamy, że każde z ich jest uwarukowae dzia laiem

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek 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 szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z 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 szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA 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 szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

n n Weźmy f: 3 (x 1, x 2, x 3 ) (y 1, y 2, y 3 ) 3 Jeżeli zdefiniujemy funkcje pomocnicze f j : 3 (x 1, x 2, x 3 ) y j, dla j = 1,2,3, to

n n Weźmy f: 3 (x 1, x 2, x 3 ) (y 1, y 2, y 3 ) 3 Jeżeli zdefiniujemy funkcje pomocnicze f j : 3 (x 1, x 2, x 3 ) y j, dla j = 1,2,3, to "Maemac ą jak Facuzi: cokolwiek im ię powie od azu pzekładają o a wój wła jęzk i wówcza aje ię o czmś zupełie im." Joha Wola Goehe Weźm : Jeżeli zdeiiujem ukcje pomocicze j : j dla j = o = dzie = Czli

Bardziej szczegółowo

LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY

LICZBY, 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 szczegółowo

Wykład 4. Zasada zachowania energii. Siły zachowawcze i niezachowawcze

Wykład 4. Zasada zachowania energii. Siły zachowawcze i niezachowawcze Wład 4 Zasada achowania enegii Sił achowawce i nieachowawce Wsstie istniejące sił możem podielić na sił achowawce i sił nie achowawce. Siła jest achowawca jeżeli paca tóą wonuję ta siła nad puntem mateialnm

Bardziej szczegółowo

Egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce! Egzami z Aaliz Matematczej Każde zadaie ależ ozwiązać a oddzielej, podpisaej katce! Zbadać, w jakich puktach jest óżiczkowala fukcja f (, ( + = +, (, (,), (, = (,) Zaleźć ajmiejszą i ajwiększą watość fukcji

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

Wykład 11 ( ). Przedziały ufności dla średniej Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;

Bardziej szczegółowo

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce

IV 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 szczegółowo

DEA podstawowe modele

DEA podstawowe modele Marek Miszczński KBO UŁ 2008 - Aaliza dach graiczch (EA) cz.2 (przkład aaliza damiki rakigi) EA podsawowe modele WPROWAZENIE Efekwość (produkwość) obieku gospodarczego o es defiiowaa ako sosuek sum ważoch

Bardziej szczegółowo

Automatyczna detekcja i pomiar markerów w fotogrametrycznym systemie trójwymiarowego pozycjonowania ciała dla celów rehabilitacji leczniczej *

Automatyczna detekcja i pomiar markerów w fotogrametrycznym systemie trójwymiarowego pozycjonowania ciała dla celów rehabilitacji leczniczej * Automatcza detekcja i pomia makeów w otogametczm sstemie tójwmiaowego pozcjoowaia ciała dla celów ehabilitacji lecziczej * D iż. Regia Tokaczk, iż. Michał Huppet Steszczeie Fotogametcz sstem pozcjoowaia

Bardziej szczegółowo

DYNAMIKA. Dynamika jest działem mechaniki zajmującym się badaniem ruchu ciał z uwzględnieniem sił działających na ciało i wywołujących ten ruch.

DYNAMIKA. Dynamika jest działem mechaniki zajmującym się badaniem ruchu ciał z uwzględnieniem sił działających na ciało i wywołujących ten ruch. DYNMIK Daika jes działe echaiki zajując się badaie uchu ciał z uwzględieie sił działającch a ciało i wwołującch e uch. Daika opiea się a pawach Newoa, a w szczególości a dugi pawie (zwa pawe daiki). Moża

Bardziej szczegółowo

Zadania domowe z Analizy Matematycznej III - czȩść 2 (funkcje wielu zmiennych)

Zadania domowe z Analizy Matematycznej III - czȩść 2 (funkcje wielu zmiennych) Zadaia domowe z AM III dla grup E7 (semestr zimow 07/08) Czȩść Zadaia domowe z Aaliz Matematczej III - czȩść (fukcje wielu zmiech) Zadaie. Obliczć graice lub wkazać że ie istiej a: (a) () (00) (b) + ()

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE 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 szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA 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 szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

Twierdzenia o funkcjach ciągłych

Twierdzenia 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 szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Wynik finansowy transakcji w momencie jej zawierania jest nieznany z uwagi na zmienność ceny przedmiotu transakcji, czyli instrumentu bazowego

Wynik finansowy transakcji w momencie jej zawierania jest nieznany z uwagi na zmienność ceny przedmiotu transakcji, czyli instrumentu bazowego .Istmety ochoe otaty temiowe azywae sa istmetami ochoymi (eivatives. otat temiowy zobowiazje wie stoy o zeowazeia w zyszłosci ewej tasacji a wczesiej staloych waach. Jea stoa otatów (abywca - te, co je

Bardziej szczegółowo

Przejmowanie ciepła przy kondensacji pary

Przejmowanie ciepła przy kondensacji pary d iż. Michał Stzeszewski 004-01 Pzejowaie ciepła pzy kodesacji pay Zadaia do saodzielego ozwiązaia v. 0.9 1. powadzeie Jeżeli paa (asycoa lub pzegzaa) kotaktuje się z powiezchią o tepeatuze T s iższej

Bardziej szczegółowo

ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ.

ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. STRESZCZENIE Na bazie fizyki klasycznej znaleziono nośnik ładunku gawitacyjnego, uzyskano jedność wszystkich odzajów pól ( elektycznych,

Bardziej szczegółowo

Parametryczne Testy Istotności

Parametryczne Testy Istotności Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać

Bardziej szczegółowo

Ł Ł Ą Ą Ą ż ń ż ń ż ń Ż Ż Ś ń Ż ń ć Ł Ą ń Ż Ś ń ć ń ć ń Ż ć ć ń ń ń ż ć ń ŁĄ ż ć ć ć ć ń Ż Ź ć ć ć ń ż ŁĄ Ł ż Ł Ąż ń ć ż ŚĆ ż Ł ń Ć Ś Ę ń ń ż ź Ż ń ć Ę ń ć ż ć ć ń ń Ć ć ż Ż ć ć ć ćż Ż ć Ż Ę Ż Ż Ść Ż ż

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

a 1, a 2, a 3,..., a n,...

a 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 szczegółowo

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI KASYCZNY ODE REGRESJI INIOWEJ Z WIEOA ZIENNYI NIEZAEŻNYI. gdz: wtor obsrwacj a zmj Y, o wmarach ( macrz obsrwacj a zmch zalżch, o wmarach ( ( wtor paramtrów struturalch (wtor współczów, o wmarach (( wtor

Bardziej szczegółowo

tek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze

tek 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 szczegółowo

PROGNOZY I SYMULACJE

PROGNOZY I SYMULACJE oecasig is he a of saig wha will happe, ad he explaiig wh i did. h. hafield 98 PROGNOZY I YMULAJE Kaaza hud Laskowska kosulacje: p. 00A śoda - czwaek - soa ieeowa: hp://kc.sd.pz.edu.pl/ WYKŁAD VIII zeegi

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa

Analiza 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 szczegółowo

2 0 0 M P a o r a z = 0, 4.

2 0 0 M P a o r a z = 0, 4. M O D E L O W A N I E I N Y N I E R S K I E n r 4 7, I S S N 1 8 9 6-7 7 1 X A N A L I Z A W Y T R Z Y M A O C I O W A S Y S T E M U U N I L O C K 2, 4 S T O S O W A N E G O W C H I R U R G I I S Z C Z

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

MATEMATYKA FINANSOWA - PROCENT SKŁADANY 2. PROCENT SKŁADANY

MATEMATYKA FINANSOWA - PROCENT SKŁADANY 2. PROCENT SKŁADANY 2. PROCENT SŁADANY Zasada procetu składaego polega a tym, iż liczymy odsetki za day okres i doliczamy do kapitału podstawowego. Odsetki za astępy okres liczymy od powiększoej w te sposób podstawy. Czyli

Bardziej szczegółowo

OCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny.

OCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny. OCENA POPYTU POPYT POJĘCIA WSTĘPNE Defiicja: Pop o ilość dobra, jaką abwc goowi są zakupić prz różch poziomach ce. Deermia popu: (a) Cea daego dobra (b) Ilość i ce dóbr subsucjch (zw. kokurecjch) (c) Ilość

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

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

00502 Podstawy kinematyki D Część 2 Iloczyn wektorowy i skalarny. Wektorowy opis ruchu. Względność ruchu. Prędkość w ruchu prostoliniowym.

00502 Podstawy kinematyki D Część 2 Iloczyn wektorowy i skalarny. Wektorowy opis ruchu. Względność ruchu. Prędkość w ruchu prostoliniowym. 1 00502 Kinematyka D Dane osobowe właściciela akusza 00502 Podstawy kinematyki D Część 2 Iloczyn wektoowy i skalany. Wektoowy opis uchu. Względność uchu. Pędkość w uchu postoliniowym. Instukcja dla zdającego

Bardziej szczegółowo

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

Fizyka I (2013/2014) Kolokwium Pytania testowe (B)

Fizyka I (2013/2014) Kolokwium Pytania testowe (B) Imię i Nazwisko:... N. albm:... Gpa ćwiczeiowa:... Fizyka I (013/014) Kolokwim 18.11.013 Pytaia testowe (B) Na każde pytaie jest dokładie jeda pawidłowa odpowiedź. Należy ją zazaczyć stawiając czytely

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka 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 szczegółowo

Zauważone błędy bardzo proszę zgłaszać mailem lub na ćwiczeniach. Z góry dziękuję :-)

Zauważone błędy bardzo proszę zgłaszać mailem lub na ćwiczeniach. Z góry dziękuję :-) Odpowiedzi do zadań z szeregów, cz I. Zauważoe błędy bardzo proszę zgłaszać mailem lub a ćwiczeiach. Z góry dziękuję :-. a +, wsk. skorzystać z rówości a b a b, astępie a+b wyciągąć ajwyższe potęgi z liczika

Bardziej szczegółowo

MMF ćwiczenia nr 1 - Równania różnicowe

MMF ćwiczenia nr 1 - Równania różnicowe MMF ćwiczeia - Rówaia óżicowe Rozwiązać ówaia óżicowe piewszego zędu: (a) y + y =, y = (b) y + y =!, y = Wsk Podzielić ówaie pzez! i podstawić z = y /( )! Rozwiązać ówaia óżicowe dugiego zędu: (a) + 6,

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

Ćwiczenie 43. Halotron

Ćwiczenie 43. Halotron Ćwiczeie 4 Haloto Cel ćwiczeia Cechowaie halotou pzy użyciu pola magetyczego o zaej iducji. Wyozystaie halotou do pomiau pzestzeego ozładu pola cewi ołowej i magesu feytowego. Wpowadzeie Zasada działaia

Bardziej szczegółowo

20. Model atomu wodoru według Bohra.

20. Model atomu wodoru według Bohra. Model atou wodou według Boha Wybó i opacowaie zadań Jadwiga Mechlińska-Dewko Więcej zadań a te teat zajdziesz w II części skyptu Opieając się a teoii Boha zaleźć: a/ poień -tej obity elektou w atoie wodou,

Bardziej szczegółowo