KADD Metoda najmniejszych kwadratów funkcje nieliniowe

Wielkość: px
Rozpocząć pokaz od strony:

Download "KADD Metoda najmniejszych kwadratów funkcje nieliniowe"

Transkrypt

1 Metoda najmn. kwadr. - funkcje nieliniowe Metoda najmniejszych kwadratów Funkcje nieliniowe Procedura z redukcją kroku iteracji Przykłady zastosowań Dopasowanie funkcji wykładniczej Dopasowanie funkcji Gaussa Własności metody Test χ2 Obszary ufności i błędy niesymetryczne Pomiary zależne Metoda elementów Metoda mnożników Lagrange'a 1

2 Przypadek nieliniowy W ogólności gdy zależności nie są liniowe, piszemy f j x,= j h j x=0, czyli f x,=0 Sprowadzamy go do przypadku liniowego poprzez rozwinięcie w szereg Taylora i wzięcie tylko wyrazów liniowych. Punkt x 0 =(x 10, x 20,..., x r0 ) wokół którego dokonujemy rozwinięcia musi być w praktyce zbliżony do oczekiwanego minimum. =x x 0 = x1 x10 x 2 x 20 f j x,= f j x 0, f j x 1 x 0 x 1 x 10 f j x r x 0 x r x r0 x r x r0 a jl= f j x l x 0 c j = f j x 0, y=y j h j x 0 2

3 Przypadek nieliniowy iteracje Dalej postępujemy analogicznie do p. liniowego: f j x 0, = f j x 0, y = f j x 0, y, i mamy warunek minimalizacyjny: M=cA T G y ca=min Rozwiązujac go otrzymujemy wynik: = A' c' Jest to jednak tylko kolejne przybliżenie. Bierzemy x 1 =x 0 jako kolejny punkt, wokół którego dokonujemy rozwinięcia i procedurę powtarzamy. Procedura ta jest usprawiedliwiona tylko, gdy zależność jest dobrze przybliżana przez pierwsze pochodne w okolicy punktu x i ±Δx i. Δx i wyznaczamy z macierzy: f =Ac =0, =Ac G x = A T G y A = A' T A' 3

4 Omówienie przypadku nieliniowego Procedura wymaga możliwości podania pochodnej po każdym z parametrów Różniczkowanie można w ogólności wykonać numerycznie, jednak wiąże się to z komplikacjami programistycznymi i wydłużeniem obliczeń. Funkcja M nie jest nie jest prostą formą kwadratową nieznanych parametrów, stąd minimalizacja musi następować iteracyjnie. Zbieżność procedury jest także zależna od wyboru wielkości początkowej. Procedurę kończymy, gdy wielkość M nie zmniejsza się w kolejnych krokach. 4

5 Procedura z redukcją kroku iteracji Często po i-tym kroku nie jest spełnione: M x i =M x i M x i Wtedy rozważamy wyrażenie: M x i s, gdzie 0 s 1 Otrzymujemy zmodyfikowany wzór: M=cs A T G y cs A =c's A' 2 który różniczkujemy ze względu na s: M '=2 c's A' T A' =2s T A' T A' I otrzymujemy, że M'(s=0)<0 dla dodatnio określonej macierzy A' T A', czyli krzywizny funkcji M. W okolicy minimum to powinno być zawsze prawdziwe. M jest f. ciągłą, więc istnieje λ które: M ' s0, 0 s 5

6 Implementacja redukcji kroku Czyli w przypadku, gdy nie jest spełniona nierówność: M x i =M x i M x i wybieramy dowolną liczbę s taką, że 0<s<1 i sprawdzamy, czy zachodzi: M x i s M x i Jeśli tak, to przyjmujemy, że x i =x i s Jeżeli nie, to ponownie przeprowadzamy całą procedurę, tzn. tym razem czynnik przez który mnożymy wynosi s 2, potem ewentualnie s 3 itd. 6

7 Dopasowanie eksponenty Próbujemy dopasować do danych funkcję wykładniczą z ujemnym wykładnikiem: h j x=x 1 exp x 2 t j czyli poszukiwane parametry to x 1 i x 2. Dalej: f j = j h j x Elementy macierzy A liczymy analitycznie: a j1 = f = exp x 02 t j x 1 x 0 a j2 = f = x 01 exp x 02 t j t j =x 01 t j exp x 02 t j x 2 x 0 Zamiast wektora x używamy =x x 0 a Dalej procedura jest analogiczna do przypadku funkcji liniowej c j =y j h j x 0 7

8 Eksponenta rysunek 8

9 Analiza dopasowania Korzystając z macierzy (A' T A') -1 rysujemy elipsę kowariancji na tle mapy χ 2 Podobnie możemy graficznie przedstawić kolejny kroki procedury dopasowania 9

10 Dopasowanie Gaussa W podobny sposób możemy dopasować krzywą Gaussa. Formuła ma trzy parametry: 1 h j x=x 1 2 x 3 exp t j x x 3 Pochodne znów liczymy analitycznie: a j1 = a j2 = a j3 = f = 1 x 1 x 0 2 x 3 exp t j x x = h x j 0/ x f 1 = x 01 x 2 x 0 2 x 03 exp t j x t x x 03 2 x = h x t x02 2 j x 03 f = x 01 x exp t x j x 0 2 x 03 2 x 03 x 01 exp t x j x 03 2 x 03 t x 02 2 = h x j 0 h 3 j x 0 t x x 03 x 03 x 03 10

11 Dopasowanie Gaussa kroki 11

12 Dopasowanie Gaussa kowariancja Rysujemy rzut elipsoidy kowariancji na płaszczyznę (x 2, x 3 ). Elipsoida ma 3 wymiary. Widizmy poszczególne kroki dopasowania na tle mapy χ 2. 12

13 Test χ 2 a m. najmniejszych kwadratów Wyniki uzyskane metodą największej wiarygodności, z której wynika metoda najmniejszych kwadratów, mają następujące własności: Rozwiązanie x jest asymptotycznie nieobciążone E x i =x i, i=1, 2,,r Jest ono estymatorem o minimalnej wariancji 2 x i =E { x i x i 2 }=min Wielkość M ma rozkład χ2 o n-r st. swobody Jednak jeżeli rozkład błędów nie jest znany (a więc nie jest Gaussem) to rozwiązanie uzyskane metodą najmniejszych kwadratów mają mniej silne własności 13

14 Nieznany rozkład błędów Gdy nie znamy rozkładu błędów ε j, to x : Jest nieobciążone Ze wszystkich estymatorów x będących liniowymi kombinacjami y, x ma najmniejszą wariancję Wartość oczekiwana wielkości M wynosi E {M }=E { T G y }=n r czyli odpowiada wielkości oczekiwanej rozkładu χ 2 o liczbie stopni swobody n-r. Wielkość M jest często nazywana χ 2 i służy do oceny jakości dopasowania, choć w ogólności nie musi pochodzić z rozkładu χ 2. Liczba f=n-r jest liczbą stopni swobody dopasowania. 14

15 Analiza wielkości M Gdy błędy mają rozkład normalny, wielkość M utożsamiamy z χ 2 i stosujemy testy wiarygodności Zbyt duże M może oznaczać, że: Założenie, że dane są opisane przez f(x,η) jest błędne (postać funkcyjna lub niektóre parametry) M= T 2 G y 1 n r Ograniczenie rozwinięcia w szereg Taylora f(x,η) do pierwszego wyrazu nie wystarcza Źle dobrano punkt początkowy dopasowania x0 Macierz kowariancji wielkości mierzalnych Cy jest nieprawdziwa Gdy liczymy M dla wielu różnych zestawów danych, możemy sprawdzić jego zgodność z rozkładem χ 2 15

16 Obszar ufności Przypomnienie elipsoida ufności, to krzywa spełniająca równanie: g x= x x T C x x x=const Liczymy różnicę między wartością funkcji M w punkcie x i w minimum dopasowania x : M x M x= x x T A T G y A x x= x x T C x x x czyli elipsoida ufności odpowiada hiperpowierzchni na której M ma stałą wartość. W szczególności elipsoida kowariancji odpowiada krzywej: M x M x=1 M x=m x1 Elipsoida ufności odpowiadająca prawdopodobieństwu W jest hiperpowierzchnią: M x=m xg, gdzie g= W 2 f, gdzie f =n r 16

17 Obszar ufności równania nieliniowe Rozważania o obszarze ufności są ściśle prawdziwe dla równań liniowych i przybliżeniu dla równań nieliniowych. To przybliżenie jest dobre gdy funkcja jest prawie liniowa, lub gdy zmiany parametrów (czyli ich błędy) są małe. Gdy błędy są duże elipsoida kowariancji ma tę samą interpretację jako granica obszaru ufności, jednak błędy przestają być symetryczne. Zwróćmy jeszcze uwagę na różnicę w definicjach: M= T G y = y h x 0 A T 2 G y y h x 0 A 1 n r M x M x= x x T A T G y A x x= x x T C 2 x x x 1 n r Obie wartości porównujemy z tymi samymi kwantylami, jednak są to zupełnie różne zmienne! 17

18 Wyznaczenie błędów niesymetrycznych Gdy elipsoida kowariancji ma skomplikowany kształt, mamy błędy niesymetryczne: x i = x i x i x i = x i x i czyli wartości dla których pionowe i poziome linie są styczne do tej elipsoidy. Formalnie zapisujemy to: min {M x ; xi=x i± }=M xg, lub min {M x ; xi=x i± } M xg=0 3,8cm 2,15cm 2,49cm 3,42cm 18

19 Pomiary zależne Pomiary nie muszą być całkowicie niezależne. Np. mierząc 3 kąty w trójkącie musimy uzyskać sumę równą 180. Szukamy estymatorów wielkości η j : y j = j j, j=1, 2,, n E { j }=0 E { j 2 }= j 2 Oprócz tego mamy też równania więzów: f k =0, k=1, 2,,q Najprostszy przypadek to równania liniowe: lub w notacji macierzowej b 10 b 11 1 b 12 2 b 1 n n =0 b q0 b q1 1 b q2 2 b qn n =0 B b 0 =0 19

20 Metoda elementów Rozwiązujemy q równań więzów aby wyeliminować z równań q z n wielkości η. Pozostałe n-q wielkości α i (i=1,2,...,n-q) nazywamy elementami. Mogą to być pierwotne pomiary n lub ich kombinacje liniowe: j = f j0 f j1 1 f j2 2 f j, n q n q, j=1, 2,, n lub =F f 0 Rozwiązanie znajdujemy podobnie jak wcześniej: =F T G y F F T G y y f 0 Macierz kowariancji wynosi wtedy: G =F T G y F zaś poprawione wyniki pomiarów i ich macierz kowariancji wynoszą: =F f 0 =F F T G y F F T G y y f 0 f 0 G =F G F T 20

21 Metoda mnożników Lagrange'a Metoda elementów wymaga wyboru zmiennych α. Metoda mnożników Lagrange'a podchodzi inaczej do problemu. Przepiszmy równanie więzów: B y B b 0 =0 Wprowadzamy wektor c i otrzymujemy równanie: c=b yb 0 c B =0 Wprowadzamy wektor mnożników Lagrange'a: T = 1 2 q i z jego pomocą rozszerzamy funkcję M do L: L=M2 T c B = T G y 2 T c B Jest to funkcja Lagrange'a. Teraz rozwiązujemy problem minimalizacji M przy jednoczesnym spełnieniu równań więzów. 21

22 Mnożniki Lagrange'a rozwiązanie Pochodna zupełna funkcji L musi znikać: dl=2 T G y d 2 T B d =0 T G y T B=0 Przekształcając otrzymujemy rozwiązanie na μ: T G y = T B =G y B T c B G y B T =0 =B G y B T c I możemy wyliczyć estymatory błędów pomiarowych =G y B T B G y B T c oraz najlepszy estymator dla wektora η: = y = y G y B T B G y B T c I ostatecznie piszemy macierze kowariancji: G =B G y B T G B G =G y G y B T G B B G y 22

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej 7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych dr inż. Adam Kisiel kisiel@if.pw.edu.pl pokój 117b (12b) 1 Materiały do wykładu Transparencje do wykładów: http://www.if.pw.edu.pl/~kisiel/kadd/kadd.html Literatura

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Przykładowe rozwiązania zadań. Próbnej Matury 2014 z matematyki na poziomie rozszerzonym

Przykładowe rozwiązania zadań. Próbnej Matury 2014 z matematyki na poziomie rozszerzonym Zadania rozwiązali: Przykładowe rozwiązania zadań Próbnej Matury 014 z matematyki na poziomie rozszerzonym Małgorzata Zygora-nauczyciel matematyki w II Liceum Ogólnokształcącym w Inowrocławiu Mariusz Walkowiak-nauczyciel

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1) ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest

Bardziej szczegółowo

istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy

istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy MODEL REGRESJI LINIOWEJ. METODA NAJMNIEJSZYCH KWADRATÓW Analiza regresji zajmuje się badaniem zależności pomiędzy interesującymi nas wielkościami (zmiennymi), mające na celu konstrukcję modelu, który dobrze

Bardziej szczegółowo

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej szczegółowo

EGZAMIN MATURALNY Z MATEMATYKI

EGZAMIN MATURALNY Z MATEMATYKI Miejsce na naklejkę z kodem (Wpisuje zdający przed rozpoczęciem pracy) KOD ZDAJĄCEGO MMA-PGP-0 EGZAMIN MATURALNY Z MATEMATYKI POZIOM PODSTAWOWY Czas pracy 0 minut ARKUSZ I MAJ ROK 00 Instrukcja dla zdającego.

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II A ROK SZKOLNY 2013/2014 - ZAKRES PODSTAWOWY

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II A ROK SZKOLNY 2013/2014 - ZAKRES PODSTAWOWY WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II A ROK SZKOLNY 2013/2014 - ZAKRES PODSTAWOWY 1. FUNKCJA KWADRATOWA rysuje wykres funkcji i podaje jej własności sprawdza algebraicznie, czy dany punkt należy

Bardziej szczegółowo

Wartości i wektory własne

Wartości i wektory własne Dość często przy rozwiązywaniu problemów naukowych czy technicznych pojawia się konieczność rozwiązania dość specyficznego układu równań: Zależnego od n nieznanych zmiennych i pewnego parametru. Rozwiązaniem

Bardziej szczegółowo

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania wykraczające. Plan wynikowy lasa III Technik pojazdów samochodowych/ Technik urządzeń

Bardziej szczegółowo

ECTS (Część 2. Metody numeryczne) Nazwa w języku angielskim: Algorithms and data structures.

ECTS (Część 2. Metody numeryczne) Nazwa w języku angielskim: Algorithms and data structures. Algorytmy i struktury danych. Metody numeryczne ECTS (Część 2. Metody numeryczne) Nazwa w języku angielskim: Algorithms and data structures. dzienne magisterskie Numerical methods. (Part 2. Numerical methods)

Bardziej szczegółowo

WYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą

WYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą 1. Statystyka odczytać informacje z tabeli odczytać informacje z diagramu 2. Mnożenie i dzielenie potęg o tych samych podstawach 3. Mnożenie i dzielenie potęg o tych samych wykładnikach 4. Potęga o wykładniku

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2 STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;

Bardziej szczegółowo

MATeMAtyka klasa II poziom rozszerzony

MATeMAtyka klasa II poziom rozszerzony MATeMAtyka klasa II poziom rozszerzony W klasie drugiej na poziomie rozszerzonym realizujemy materiał z klasy pierwszej tylko z poziomu rozszerzonego (na czerwono) oraz cały materiał z klasy drugiej. Rozkład

Bardziej szczegółowo

Podstawa programowa przedmiotu MATEMATYKA. III etap edukacyjny (klasy I - III gimnazjum)

Podstawa programowa przedmiotu MATEMATYKA. III etap edukacyjny (klasy I - III gimnazjum) Podstawa programowa przedmiotu MATEMATYKA III etap edukacyjny (klasy I - III gimnazjum) Cele kształcenia wymagania ogólne: I. Wykorzystanie i tworzenie informacji. Uczeń interpretuje i tworzy teksty o

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

ZAŁOŻENIA DO PLANU RALIZACJI MATERIAŁU NAUCZANIA MATEMATYKI W KLASIE II ( zakres podstawowy)

ZAŁOŻENIA DO PLANU RALIZACJI MATERIAŁU NAUCZANIA MATEMATYKI W KLASIE II ( zakres podstawowy) 1 ZAŁOŻENIA DO PLANU RALIZACJI MATERIAŁU NAUCZANIA MATEMATYKI W KLASIE II ( zakres podstawowy) Program nauczania: Matematyka z plusem Liczba godzin nauki w tygodniu: 3 Planowana liczba godzin w ciągu roku:

Bardziej szczegółowo

Programowanie liniowe metoda sympleks

Programowanie liniowe metoda sympleks Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2012 Mirosław Sobolewski (UW) Warszawa, 2012 1 / 12

Bardziej szczegółowo

Poniżej przedstawiony został podział wymagań na poszczególne oceny szkolne:

Poniżej przedstawiony został podział wymagań na poszczególne oceny szkolne: Prosto do matury klasa d Rok szkolny 014/015 WYMAGANIA EDUKACYJNE Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i wykraczające

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI KLASA III ZAKRES ROZSZERZONY (90 godz.) , x

WYMAGANIA EDUKACYJNE Z MATEMATYKI KLASA III ZAKRES ROZSZERZONY (90 godz.) , x WYMAGANIA EDUACYJNE Z MATEMATYI LASA III ZARES ROZSZERZONY (90 godz.) Oznaczenia: wymagania konieczne (dopuszczający); P wymagania podstawowe (dostateczny); R wymagania rozszerzające (dobry); D wymagania

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

Funkcja jednej zmiennej - przykładowe rozwiązania 1. Badając przebieg zmienności funkcji postępujemy według poniższego schematu:

Funkcja jednej zmiennej - przykładowe rozwiązania 1. Badając przebieg zmienności funkcji postępujemy według poniższego schematu: Funkcja jednej zmiennej - przykładowe rozwiązania Zadanie 4 c) Badając przebieg zmienności funkcji postępujemy według poniższego schematu:. Analiza funkcji: (a) Wyznaczenie dziedziny funkcji (b) Obliczenie

Bardziej szczegółowo

Arkusz maturalny nr 2 poziom podstawowy ZADANIA ZAMKNIĘTE. Rozwiązania. Wartość bezwzględna jest odległością na osi liczbowej.

Arkusz maturalny nr 2 poziom podstawowy ZADANIA ZAMKNIĘTE. Rozwiązania. Wartość bezwzględna jest odległością na osi liczbowej. Arkusz maturalny nr 2 poziom podstawowy ZADANIA ZAMKNIĘTE Rozwiązania Zadanie 1 Wartość bezwzględna jest odległością na osi liczbowej. Stop Istnieje wzajemnie jednoznaczne przyporządkowanie między punktami

Bardziej szczegółowo

Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/

Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/ Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/ MATEMATYKA Klasa III ZAKRES PODSTAWOWY Dział programu Temat Wymagania. Uczeń: 1. Miara łukowa kąta zna pojęcia: kąt skierowany, kąt

Bardziej szczegółowo

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -

Bardziej szczegółowo

SPIS TREŚCI WSTĘP... 8 1. LICZBY RZECZYWISTE 2. WYRAŻENIA ALGEBRAICZNE 3. RÓWNANIA I NIERÓWNOŚCI

SPIS TREŚCI WSTĘP... 8 1. LICZBY RZECZYWISTE 2. WYRAŻENIA ALGEBRAICZNE 3. RÓWNANIA I NIERÓWNOŚCI SPIS TREŚCI WSTĘP.................................................................. 8 1. LICZBY RZECZYWISTE Teoria............................................................ 11 Rozgrzewka 1.....................................................

Bardziej szczegółowo

Osiągnięcia ponadprzedmiotowe

Osiągnięcia ponadprzedmiotowe W rezultacie kształcenia matematycznego uczeń potrafi: Osiągnięcia ponadprzedmiotowe Umiejętności konieczne i podstawowe czytać teksty w stylu matematycznym wykorzystywać słownictwo wprowadzane przy okazji

Bardziej szczegółowo

Wymagania edukacyjne klasa trzecia.

Wymagania edukacyjne klasa trzecia. TEMAT Wymagania edukacyjne klasa trzecia. WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ 1. LICZBY I WYRAŻENIA ALGEBRAICZNE Lekcja organizacyjna System dziesiątkowy System rzymski Liczby wymierne i niewymierne

Bardziej szczegółowo

2. Równania nieliniowe i ich uk lady

2. Równania nieliniowe i ich uk lady Metoda Newtona stycznych dla równania f(x) 0: x n+ x n f(x n) f (x n ) Chcemy rozwia ι zać uk lad N równań dla N niewiadomych f (x,x,,x N ) 0 f (x,x,,x N ) 0, f N (x,x,,x N ) 0 krócej: Czy jest jakaś analogia?

Bardziej szczegółowo

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana.

Bardziej szczegółowo

Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. 2 godz. = 76 godz.)

Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. 2 godz. = 76 godz.) Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. godz. = 76 godz.) I. Funkcja i jej własności.4godz. II. Przekształcenia wykresów funkcji...9 godz. III. Funkcja

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza

Bardziej szczegółowo

φ(x 1,..., x n ) = a i x 2 i +

φ(x 1,..., x n ) = a i x 2 i + Teoria na egzamin z algebry liniowej Wszystkie podane pojęcia należy umieć określić i podać pprzykłady, ewentualnie kontrprzykłady. Ponadto należy znać dowody tam gdzie to jest zaznaczone. Liczby zespolone.

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów

Metody numeryczne. materiały do wykładu dla studentów Metody numeryczne materiały do wykładu dla studentów 4. Wartości własne i wektory własne 4.1. Podstawowe definicje, własności i twierdzenia 4.2. Lokalizacja wartości własnych 4.3. Metoda potęgowa znajdowania

Bardziej szczegółowo

Wykład z modelowania matematycznego. Zagadnienie transportowe.

Wykład z modelowania matematycznego. Zagadnienie transportowe. Wykład z modelowania matematycznego. Zagadnienie transportowe. 1 Zagadnienie transportowe zostało sformułowane w 1941 przez F.L.Hitchcocka. Metoda rozwiązania tego zagadnienia zwana algorytmem transportowymópracowana

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych

Bardziej szczegółowo

Wstęp do analizy matematycznej

Wstęp do analizy matematycznej Wstęp do analizy matematycznej Andrzej Marciniak Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych i ich zastosowań w

Bardziej szczegółowo

Zadania o numerze 4 z zestawów licencjat 2014.

Zadania o numerze 4 z zestawów licencjat 2014. Zadania o numerze 4 z zestawów licencjat 2014. W nawiasie przy zadaniu jego występowanie w numerze zestawu Spis treści (Z1, Z22, Z43) Definicja granicy ciągu. Obliczyć granicę:... 3 Definicja granicy ciągu...

Bardziej szczegółowo

Wykład 10 (12.05.08). Testowanie hipotez w rodzinie rozkładów normalnych przypadek nieznanego odchylenia standardowego

Wykład 10 (12.05.08). Testowanie hipotez w rodzinie rozkładów normalnych przypadek nieznanego odchylenia standardowego Wykład 10 (12.05.08). Testowanie hipotez w rodzinie rozkładów normalnych przypadek nieznanego odchylenia standardowego Przykład Cena metra kwadratowego (w tys. zł) z dla 14 losowo wybranych mieszkań w

Bardziej szczegółowo

Stateczność ramy - wersja komputerowa

Stateczność ramy - wersja komputerowa Stateczność ramy - wersja komputerowa Cel ćwiczenia : - Obliczenie wartości obciążenia krytycznego i narysowanie postaci wyboczenia. utraty stateczności - Obliczenie przemieszczenia i sił przekrojowych

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek: 10-11, środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

KURS WSPOMAGAJĄCY PRZYGOTOWANIA DO MATURY Z MATEMATYKI ZDAJ MATMĘ NA MAKSA. przyjmuje wartości większe od funkcji dokładnie w przedziale

KURS WSPOMAGAJĄCY PRZYGOTOWANIA DO MATURY Z MATEMATYKI ZDAJ MATMĘ NA MAKSA. przyjmuje wartości większe od funkcji dokładnie w przedziale Zestaw nr 1 Poziom Rozszerzony Zad.1. (1p) Liczby oraz, są jednocześnie ujemne wtedy i tylko wtedy, gdy A. B. C. D. Zad.2. (1p) Funkcja przyjmuje wartości większe od funkcji dokładnie w przedziale. Wtedy

Bardziej szczegółowo

PORÓWNANIE TREŚCI ZAWARTYCH W OBOWIĄZUJĄCYCH STANDARDACH EGZAMINACYJNYCH Z TREŚCIAMI NOWEJ PODSTAWY PROGRAMOWEJ

PORÓWNANIE TREŚCI ZAWARTYCH W OBOWIĄZUJĄCYCH STANDARDACH EGZAMINACYJNYCH Z TREŚCIAMI NOWEJ PODSTAWY PROGRAMOWEJ PORÓWNANIE TREŚCI ZAWARTYCH W OBOWIĄZUJĄCYCH STANDARDACH EGZAMINACYJNYCH Z TREŚCIAMI NOWEJ PODSTAWY PROGRAMOWEJ L.p. 1. Liczby rzeczywiste 2. Wyrażenia algebraiczne bada, czy wynik obliczeń jest liczbą

Bardziej szczegółowo

PRAWO OHMA DLA PRĄDU PRZEMIENNEGO

PRAWO OHMA DLA PRĄDU PRZEMIENNEGO ĆWICZENIE 53 PRAWO OHMA DLA PRĄDU PRZEMIENNEGO Cel ćwiczenia: wyznaczenie wartości indukcyjności cewek i pojemności kondensatorów przy wykorzystaniu prawa Ohma dla prądu przemiennego; sprawdzenie prawa

Bardziej szczegółowo

Podstawy działań na wektorach - dodawanie

Podstawy działań na wektorach - dodawanie Podstawy działań na wektorach - dodawanie Metody dodawania wektorów można podzielić na graficzne i analityczne (rachunkowe). 1. Graficzne (rysunkowe) dodawanie dwóch wektorów. Założenia: dane są dwa wektory

Bardziej szczegółowo

Doświadczalne wyznaczanie współczynnika sztywności (sprężystości) sprężyny

Doświadczalne wyznaczanie współczynnika sztywności (sprężystości) sprężyny Doświadczalne wyznaczanie współczynnika sztywności (sprężystości) Wprowadzenie Wartość współczynnika sztywności użytej można wyznaczyć z dużą dokładnością metodą statyczną. W tym celu należy zawiesić pionowo

Bardziej szczegółowo

MATeMAtyka 3. Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony

MATeMAtyka 3. Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony Agnieszka Kamińska, Dorota Ponczek MATeMAtyka 3 Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych Zakres podstawowy i rozszerzony Wyróżnione zostały następujące wymagania

Bardziej szczegółowo

Ekonomia matematyczna - 1.2

Ekonomia matematyczna - 1.2 Ekonomia matematyczna - 1.2 6. Popyt Marshalla, a popyt Hicksa. Poruszać się będziemy w tzw. standardowym polu preferencji X,, gdzie X R n i jest relacją preferencji, która jest: a) rosnąca (tzn. x y x

Bardziej szczegółowo

MATEMATYKA KL II LO zakres podstawowy i rozszerzony

MATEMATYKA KL II LO zakres podstawowy i rozszerzony MATEMATYKA KL II LO zakres podstawowy i rozszerzony Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i wykraczające poza program nauczania

Bardziej szczegółowo

Egzamin gimnazjalny 2015 część matematyczna

Egzamin gimnazjalny 2015 część matematyczna Egzamin gimnazjalny 2015 część matematyczna imię i nazwisko Kalendarz gimnazjalisty Tydz. Dział start 22.09 29 26.09 Przygotowanie do pracy zapoznanie się z informacjami na temat egzaminu gimnazjalnego

Bardziej szczegółowo

Matura próbna 2014 z matematyki-poziom podstawowy

Matura próbna 2014 z matematyki-poziom podstawowy Matura próbna 2014 z matematyki-poziom podstawowy Klucz odpowiedzi do zadań zamkniętych zad 1 2 3 4 5 6 7 8 9 10 11 12 odp A C C C A A B B C B D A 13 14 15 16 17 18 19 20 21 22 23 24 25 C C A B A D C B

Bardziej szczegółowo

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

III. ZMIENNE LOSOWE JEDNOWYMIAROWE III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta

Bardziej szczegółowo

Generacja liczb pseudolosowych

Generacja liczb pseudolosowych Generacja liczb pseudolosowych Zapis liczb w komputerze Generatory liczb pseudolosowych Liniowe kongruentne Liniowe mutiplikatywne kongruentne Jakość generatorów Test widmowy Generowanie liczb losowych

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne Metody numeryczne materiały do wykładu dla studentów 7. Całkowanie numeryczne 7.1. Całkowanie numeryczne 7.2. Metoda trapezów 7.3. Metoda Simpsona 7.4. Metoda 3/8 Newtona 7.5. Ogólna postać wzorów kwadratur

Bardziej szczegółowo

Podstawy OpenCL część 2

Podstawy OpenCL część 2 Podstawy OpenCL część 2 1. Napisz program dokonujący mnożenia dwóch macierzy w wersji sekwencyjnej oraz OpenCL. Porównaj czasy działania obu wersji dla różnych wielkości macierzy, np. 16 16, 128 128, 1024

Bardziej szczegółowo

Spis treści PRZEDMOWA DO WYDANIA PIERWSZEGO...

Spis treści PRZEDMOWA DO WYDANIA PIERWSZEGO... Spis treści PRZEDMOWA DO WYDANIA PIERWSZEGO....................... XI 1. WPROWADZENIE DO GEODEZJI WYŻSZEJ..................... 1 Z historii geodezji........................................ 1 1.1. Kształt

Bardziej szczegółowo

Plik pobrany ze strony www.zadania.pl

Plik pobrany ze strony www.zadania.pl Plik pobrany ze strony www.zadania.pl Wpisuje zdający przed rozpoczęciem pracy PESEL ZDAJĄCEGO Miejsce na nalepkę z kodem szkoły PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI Instrukcja dla zdającego Arkusz I

Bardziej szczegółowo

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y.

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. FUNKCJE LICZBOWE Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. Innymi słowy f X Y = {(x, y) : x X oraz y Y }, o ile (x, y) f oraz (x, z) f pociąga

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja Politechnika Wrocławska, Wydział Informatyki i Zarządzania Optymalizacja Dla podanych niżej problemów decyzyjnych (zad.1 zad.5) należy sformułować zadania optymalizacji, tj.: określić postać zmiennych

Bardziej szczegółowo

Ekonometria - ćwiczenia 10

Ekonometria - ćwiczenia 10 Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na

Bardziej szczegółowo

PŁOCKA MIĘDZYGIMNAZJALNA LIGA PRZEDMIOTOWA MATEMATYKA marzec 2013

PŁOCKA MIĘDZYGIMNAZJALNA LIGA PRZEDMIOTOWA MATEMATYKA marzec 2013 PŁOCKA MIĘDZYGIMNAZJALNA LIGA PRZEDMIOTOWA MATEMATYKA marzec 03 KARTA PUNKTACJI ZADAŃ (wypełnia komisja konkursowa): Numer zadania Zad. Zad. SUMA PUNKTÓW Poprawna Zad. 3 Zad. 4 Zad. 5 Zad. 6 Zad. 7 odpowiedź

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

TEMAT 1. LICZBY I DZIAŁANIA 14 20. 1. Liczby 1-2. 2. Rozwinięcia dziesiętne liczb wymiernych. 3. Zaokrąglanie liczb. Szacowanie wyników 1-2

TEMAT 1. LICZBY I DZIAŁANIA 14 20. 1. Liczby 1-2. 2. Rozwinięcia dziesiętne liczb wymiernych. 3. Zaokrąglanie liczb. Szacowanie wyników 1-2 TEMAT 1. LICZBY I DZIAŁANIA 14 20 LICZBA GODZIN LEKCYJNYCH 1. Liczby 1-2 2. Rozwinięcia dziesiętne liczb wymiernych 3. Zaokrąglanie liczb. Szacowanie wyników 1 1-2 WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ

Bardziej szczegółowo

1. Liczby zespolone. Jacek Jędrzejewski 2011/2012

1. Liczby zespolone. Jacek Jędrzejewski 2011/2012 1. Liczby zespolone Jacek Jędrzejewski 2011/2012 Spis treści 1 Liczby zespolone 2 1.1 Definicja liczby zespolonej.................... 2 1.2 Postać kanoniczna liczby zespolonej............... 1. Postać

Bardziej szczegółowo

klasa III technikum I. FIGURY I PRZEKSZTAŁCENIA Wiadomości i umiejętności

klasa III technikum I. FIGURY I PRZEKSZTAŁCENIA Wiadomości i umiejętności I. FIGURY I PRZEKSZTAŁCENIA - zna i rozumie pojęcia, zna własności figur: ogólne równanie prostej, kierunkowe równanie prostej okrąg, równanie okręgu - oblicza odległość dwóch punktów na płaszczyźnie -

Bardziej szczegółowo

Microsoft EXCEL SOLVER

Microsoft EXCEL SOLVER Microsoft EXCEL SOLVER 1. Programowanie liniowe z wykorzystaniem dodatku Microsoft Excel Solver Cele Po ukończeniu tego laboratorium słuchacze potrafią korzystając z dodatku Solver: formułować funkcję

Bardziej szczegółowo

Metoda mnożników Lagrange a i jej zastosowania w ekonomii

Metoda mnożników Lagrange a i jej zastosowania w ekonomii Maciej Grzesiak Metoda mnożników Lagrange a i jej zastosowania w ekonomii 1 Metoda mnożników Lagrange a znajdowania ekstremum warunkowego Pochodna kierunkowa i gradient Dla prostoty ograniczymy się do

Bardziej szczegółowo

Dopasowanie prostej do wyników pomiarów.

Dopasowanie prostej do wyników pomiarów. Dopasowanie prostej do wyników pomiarów. Graficzna analiza zależności liniowej Założenie: każdy z pomiarów obarczony jest taką samą niepewnością pomiarową (takiej samej wielkości prostokąty niepewności).

Bardziej szczegółowo

Propozycje rozwiązań zadań otwartych z próbnej matury rozszerzonej przygotowanej przez OPERON.

Propozycje rozwiązań zadań otwartych z próbnej matury rozszerzonej przygotowanej przez OPERON. Propozycje rozwiązań zadań otwartych z próbnej matury rozszerzonej przygotowanej przez OPERON. Zadanie 6. Dane są punkty A=(5; 2); B=(1; -3); C=(-2; -8). Oblicz odległość punktu A od prostej l przechodzącej

Bardziej szczegółowo

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Badanie współzależności zmiennych Uwzględniając ilość zmiennych otrzymamy 4 odmiany zależności: Zmienna zależna jednowymiarowa oraz jedna

Bardziej szczegółowo

Biotechnologia, Chemia, Chemia Budowlana - Wydział Chemiczny - 1

Biotechnologia, Chemia, Chemia Budowlana - Wydział Chemiczny - 1 Biotechnologia, Chemia, Chemia Budowlana - Wydział Chemiczny - 1 Równania różniczkowe pierwszego rzędu Równaniem różniczkowym zwyczajnym pierwszego rzędu nazywamy równanie postaci (R) y = f(x, y). Najogólniejszą

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów

Metody numeryczne. materiały do wykładu dla studentów Metody numeryczne materiały do wykładu dla studentów. Metody dokładne rozwiązywania układów równań liniowych.. Układy równań o macierzach trójkątnych.. Metoda eliminacji Gaussa.3. Metoda Gaussa-Jordana.4.

Bardziej szczegółowo

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO ZAGADNIENIA PROGRAMOWANIA LINIOWEGO Maciej Patan Uniwersytet Zielonogórski WSTĘP często spotykane w życiu codziennym wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e

Bardziej szczegółowo

MATeMAtyka cz.1. Zakres podstawowy

MATeMAtyka cz.1. Zakres podstawowy MATeMAtyka cz.1 Zakres podstawowy Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i wykraczające poza program nauczania (W). Wymienione

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych

Bardziej szczegółowo

Klucz odpowiedzi do zadań zamkniętych i przykładowe rozwiązania zadań otwartych

Klucz odpowiedzi do zadań zamkniętych i przykładowe rozwiązania zadań otwartych Centralna Komisja Egzaminacyjna Materiał współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Próbny egzamin maturalny z matematyki listopad 009 Klucz odpowiedzi do

Bardziej szczegółowo

Efekt motyla i dziwne atraktory

Efekt motyla i dziwne atraktory O układzie Lorenza Wydział Matematyki i Informatyki Uniwersytet Mikołaja kopernika Toruń, 3 grudnia 2009 Spis treści 1 Wprowadzenie Wyjaśnienie pojęć 2 O dziwnych atraktorach 3 Wyjaśnienie pojęć Dowolny

Bardziej szczegółowo

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych

Bardziej szczegółowo

Optymalizacja konstrukcji

Optymalizacja konstrukcji Optymalizacja konstrukcji Kształtowanie konstrukcyjne: nadanie właściwych cech konstrukcyjnych przeszłej maszynie określenie z jakiego punktu widzenia (wg jakiego kryterium oceny) będą oceniane alternatywne

Bardziej szczegółowo

Katalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć

Katalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć Katalog wymagań programowych na poszczególne stopnie szkolne Matematyka. Poznać, zrozumieć Kształcenie w zakresie rozszerzonym. Klasa 3 Poniżej podajemy umiejętności, jakie powinien zdobyć uczeń z każdego

Bardziej szczegółowo

Zrównoleglona optymalizacja stochastyczna na dużych zbiorach danych

Zrównoleglona optymalizacja stochastyczna na dużych zbiorach danych Zrównoleglona optymalizacja stochastyczna na dużych zbiorach danych mgr inż. C. Dendek prof. nzw. dr hab. J. Mańdziuk Politechnika Warszawska, Wydział Matematyki i Nauk Informacyjnych Outline 1 Uczenie

Bardziej szczegółowo

Elżbieta Świda Elżbieta Kurczab Marcin Kurczab. Zadania otwarte krótkiej odpowiedzi na dowodzenie na obowiązkowej maturze z matematyki

Elżbieta Świda Elżbieta Kurczab Marcin Kurczab. Zadania otwarte krótkiej odpowiedzi na dowodzenie na obowiązkowej maturze z matematyki Elżbieta Świda Elżbieta Kurczab Marcin Kurczab Zadania otwarte krótkiej odpowiedzi na dowodzenie na obowiązkowej maturze z matematyki Zadanie Trójkąt ABC jest trójkątem prostokątnym. Z punktu M, należącego

Bardziej szczegółowo

Rozkłady dwóch zmiennych losowych

Rozkłady dwóch zmiennych losowych Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe

Bardziej szczegółowo

Grupy. Permutacje 1. (G2) istnieje element jednostkowy (lub neutralny), tzn. taki element e G, że dla dowolnego a G zachodzi.

Grupy. Permutacje 1. (G2) istnieje element jednostkowy (lub neutralny), tzn. taki element e G, że dla dowolnego a G zachodzi. Grupy. Permutacje 1 1 Definicja grupy Niech G będzie zbiorem. Działaniem na zbiorze G nazywamy odwzorowanie (oznaczane, jak mnożenie, przez ) przyporządkowujące każdej parze uporządkowanej (a, b) G G element

Bardziej szczegółowo

Analiza wyników egzaminu gimnazjalnego 2013 r. Test matematyczno-przyrodniczy (matematyka) Test GM-M1-132

Analiza wyników egzaminu gimnazjalnego 2013 r. Test matematyczno-przyrodniczy (matematyka) Test GM-M1-132 Analiza wyników egzaminu gimnazjalnego 2013 r. Test matematyczno-przyrodniczy (matematyka) Test GM-M1-132 Zestaw zadań z zakresu matematyki posłużył w dniu 24 kwietnia 2013 roku do sprawdzenia u uczniów

Bardziej szczegółowo

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2 Instytut Matematyczny Uniwersytet Wrocławski Zakres egzaminu magisterskiego Wybrane rozdziały anazlizy i topologii 1 i 2 Pojęcia, fakty: Definicje i pojęcia: metryka, iloczyn skalarny, norma supremum,

Bardziej szczegółowo

PLAN WYNIKOWY Z ROZKŁADEM MATERIAŁU klasa 3

PLAN WYNIKOWY Z ROZKŁADEM MATERIAŁU klasa 3 PLAN WYNIKOWY Z ROZKŁADEM MATERIAŁU klasa 3 W planie wynikowym wraz z rozkładem materiału dla klasy trzeciej uwzględniono zarówno nowy materiał, zawarty w programie nauczania Matematyka wokół nas Gimnazjum

Bardziej szczegółowo

Matlab, zajęcia 3. Jeszcze jeden przykład metoda eliminacji Gaussa dla macierzy 3 na 3

Matlab, zajęcia 3. Jeszcze jeden przykład metoda eliminacji Gaussa dla macierzy 3 na 3 Matlab, zajęcia 3. Pętle c.d. Przypomnijmy sobie jak działa pętla for Możemy podać normalnie w Matlabie t=cputime; for i=1:20 v(i)=i; e=cputime-t UWAGA: Taka operacja jest bardzo czasochłonna i nieoptymalna

Bardziej szczegółowo

Wykaz treści i umiejętności zawartych w podstawie programowej z matematyki dla IV etapu edukacyjnego

Wykaz treści i umiejętności zawartych w podstawie programowej z matematyki dla IV etapu edukacyjnego Wykaz treści i umiejętności zawartych w podstawie programowej z matematyki dla IV etapu edukacyjnego 1. Liczby rzeczywiste P1.1. Przedstawianie liczb rzeczywistych w różnych postaciach (np. ułamka zwykłego,

Bardziej szczegółowo