Podstawy informatyki. Wykład nr 7 ( ) Plan wykładu nr 7. Politechnika Białostocka - Wydział Elektryczny. Całkowanie numeryczne

Wielkość: px
Rozpocząć pokaz od strony:

Download "Podstawy informatyki. Wykład nr 7 ( ) Plan wykładu nr 7. Politechnika Białostocka - Wydział Elektryczny. Całkowanie numeryczne"

Transkrypt

1 Wyład r 7 /38 odstawy formaty olteca Bałostoca - Wydzał Eletryczy Eletroteca, semestr II, studa estacjoare Ro aademc 6/7 la wyładu r 7 Metody całowaa umeryczego metoda rostoątów metoda traezów metoda arabol (Smsoa Oblczae lczby π metodą Mote Carlo Całowae umerycze - metoda Mote Carlo Wyład r 7 (857 Wyład r 7 3/38 Wyład r 7 4/38 Całowae umerycze Całowae umerycze całowae umerycze fucj f( olega a oblczau rzyblŝoej wartoc cał ozaczoej: w całowau umeryczym wyorzystywaa jest defcja cał ozaczoej Remaa I f ( d F( ( według tej defcj cała ozaczoa terretowaa jest jao suma ól obszarów ograczoyc wyresem fucj f( oraz osą OX w rzedzale [, ] azywaym rzedzałem całowaa grace rzedzału [, ] azywae są gracam całowaa f( całowae umerycze jest oecze wtedy, gdy trude lub emoŝlwe jest wyzaczee fucj erwotej F( oraz gdy fucja odcałowa daa jest w ostac dysretej (za omocą tablcy wartoc

2 ć Wyład r 7 5/38 Wyład r 7 6/38 Całowae umerycze do oeczoc oblczea umeryczego całe rowadzą astęujące zadaa Ŝyerse: wyzaczae owerzc lub objętoc obszaru o zadaym brzegu wyzaczae masy, wsółrzędyc rodów cęŝoc oraz yc caraterysty ejedorodyc eregularyc brył oblczae mocy a wydzeloej w dwóju eletryczym w zadaym rzedzale czasu, oblczea aęca suteczego lub ładuu zgromadzoego w ojemoc elowej wyzaczee drog rzebytej rzez obet oruszający sę ze zmeą rędocą Metoda rostoątów zgode z defcją cał ozaczoej Remaa, wartoć cał terretowaa jest jao suma ól obszarów od wyresem rzywej w zadaym rzedzale całowaa [, ] w metodze rostoątów suma ta rzyblŝaa jest za omocą sumy ól odowedc rostoątów dzelmy rzedzał całowaa a rówyc częc o długoc : otrzymując + rówoodległyc utów,,, : f( ( rzy czym: +,,,,, (3 (4 Wyład r 7 7/38 Wyład r 7 8/38 Metoda rostoątów f( Metoda rostoątów - scemat bloowy jao długoć odstawy aŝdego rostoąta rzyjmujemy odległoć omędzy olejym utam -, czyl jao wysooć aŝdego rostoąta rzyjmujemy wartoć fucj w rodu rzedzału ( -, ole jedego rostoąta ma ostać: f ( + /,,,, zatem rzyblŝoa wartoć cał ozaczoej fucj f( w rzedzale [, ] ma ostać: f ( d f ( + / + f ( + / + + f ( f ( + / f ( + / + / 6 (5 (6 długoć odstawy rostoąta: ocząte -tego rzedzału (, + : ole jedego rostoąta: wartoć cał: f ( + /,,,, +,,,, f ( d f ( + /,, s ( - / < s s + f( + +/ + s s sz cał

3 ć Wyład r 7 9/38 Wyład r 7 /38 Metoda rostoątów - fucja w języu C Metoda rostoątów - róŝe wersje algorytmu float Metodarostoatow(float, float, t t ; float s, ; (-/; for (; <; ++ s s + f(+*+/; s *s; retur s;,, s ( - / < f( w rzedstawoym algorytme, jao wysooć rostoąta braa jest wartoć fucj w rodowym uce rzedzału (, + - rysue a metoda ta azywaa jest taŝe metodą utu rodowego, ag mdot rule jao wysooć rostoąta moŝa rzyjąć taŝe wartoć fucj w ońcowym uce rzedzału (, + - rysue b a b f( Uwaga: do rawdłowego dzałaa owyŝszej fucj ezbęde jest zdefowae fucj f( zwracającej wartoć fucj w uce s s + f( + +/ + s s sz cał metoda rostoątów daje dobre rzyblŝee cał jel fucja f( zmea sę w ewelm stou a rzedzale [, ] Wyład r 7 /38 Wyład r 7 /38 Metoda traezów f( Metoda traezów f( w metodze traezów, odobe ja w metodze rostoątów, dzelmy rzedzał całowaa a rówyc częc o długoc : ( wyorzystujemy terolację lową fucj w oszczególyc rzedzałac [ -, ],,,, w tam rzyadu wartoć cał terretowaa będze jao suma ól traezów zbudowayc a utac,,,, otrzymując + rówoodległyc utów,,, : rzy czym: +,,,,, (8 (9 ole jedego traezu ma ostać: f ( + f ( +,,,, zatem rzyblŝoa wartoć cał ozaczoej fucj f( w rzedzale [, ] ma ostać: f ( + f ( f ( + f ( f ( f ( d f ( + f ( + f ( + f ( + + f ( ( (

4 ć ć Wyład r 7 3/38 Wyład r 7 4/38 Metoda traezów Metoda traezów - scemat bloowy w celu uroszczea oblczeń umeryczyc zaszemy sumę w ej ostac: f ( + f ( + f ( + f ( f ( + f ( f ( + f ( f ( + f ( + f ( + f ( + f ( + + f ( + f ( f ( f ( + f ( + f ( + f ( + + f ( + f ( + f ( f ( + f ( + f ( + + f ( + f ( + f ( + f ( + f ( f ( + ( długoć rzedzału : ocząte -tego rzedzału (, + : wartoć cał: +,,,, f ( + f ( f ( + f ( + + f (,, s ( - / < s s + f( + + s (s+(f( +f( / sz cał Wyład r 7 5/38 Wyład r 7 6/38 Metoda traezów - fucja w języu C Metoda arabol f( float MetodaTraezow(float, float, t t ; float s, ; Uwaga: (-/; for (; <; ++ s s + f(+*; s *(s+(f(+f(/ ; retur s;,, s ( - / < s s + f( + + s (s+(f( +f( / sz cał w metodze arabol (Smsoa całę ozaczoą rzyblŝamy arabolą rzedzał całowaa [, ] dzelmy a rówyc częc o długoc : otrzymując + rówoodległyc utów,,, : rzy czym: (3 +,,,,, t t t 3 3 t 4 4 t 5 5 t 6 6 (4 (5 do rawdłowego dzałaa owyŝszej fucj ezbęde jest zdefowae fucj f( zwracającej wartoć fucj w uce dla aŝdyc dwóc sąsedc utów -, wyzaczamy ut rodowy t : + t,,,, (6

5 ć ć Wyład r 7 7/38 Wyład r 7 8/38 Metoda arabol f( Metoda arabol w aŝdym rzedzale [ -, ],,,, rzyblŝamy fucję za omocą arabol: g ( a + b + c,, dla,,, arabola g ( mus rzecodzć rzez uty:, f, ( t, f, (, f ( t (7 (8 t t t 3 3 t 4 4 t 5 5 t 6 6 ole od arabolą w rzedzale [ -, ],,,, wyzaczae jest ze wzoru: g ( d ( f 6 + f + 4 f,,,, wartoć całej cał wyzaczaa jest rzez sumowae oszczególyc ól: f ( d ( f + f + 4 ft 6 t ( ( gdze: f f (, f f ( t, f f ( t (9 wsółczy a, b, c arabol g ( wyzaczae są z uładu trzec rówań: a b + c f at + bt + c ft a + b + c f + ( oewaŝ w oblczayc sumac wartoc fucj owtarzają sę dwurote (z wyjątem erwszej ostatej węc do oblczeń stosoway jest leszy wzór: lub f ( d ( f + f + f + 4 f 6 f ( d ( f 6 + f + f + 4 t t t f + 4 f (3 (4 Wyład r 7 9/38 Wyład r 7 /38 Metoda arabol - scemat bloowy Metoda ARABOL - fucja w języu C długoć rzedzału : ocząte -tego rzedzału (, + : wartoć cał: +,,,, ( 6 f ( d f + f + f + 4 f + 4 f t t,, s s t ( - / < + s t s t + f( ī / s s + f( + s t s t +f( -/ s (f( +f( +s+4s t /6 sz cał float Metodaarabol(float, float, t t ; float s, st,, ; (-/; for (; <; ++ + *; st st + f(-/; s s + f(; st st+f(-/; s * (f(+f(+*s+4*st/6; retur s;,, s s t ( - / < + s t s t + f( ī / s s + f( + s t s t +f( -/ s (f( +f( +s+4s t /6 sz cał

6 Wyład r 7 /38 Wyład r 7 /38 Metody całowaa - rogram w C (/4 Metody całowaa - rogram w C (/4 /* Name: w8 metody_calowaac Coyrgt: olteca Balostoca, Wydzal Eletryczy Autor: Jaroslaw Forec (jaref@bedul Date: -4-7 Descrto: Metody calowaa */ #clude <stdo> #clude <stdlb> #clude <mat> float f(float retur (*; float Metodarostoatow(float, float, t t ; float s, ; (-/; for (; <; ++ s s+f(+*+/; s *s; retur s; float MetodaTraezow(float, float, t t ; float s, ; (-/; for (; <; ++ s s+f(+*; s *(s+(f(+f(/; retur s; float Metodaarabol(float, float, t t ; float s, st,, ; (-/; for (; <; ++ +*; st st+f(-/; s s+f(; st st+f(-/; s*(f(+f(+*s+4*st/6; retur s; Wyład r 7 3/38 Wyład r 7 4/38 Metody całowaa - rogram w C (3/4 Metody całowaa - rogram w C (4/4 t ma( float,, w, w, w, w3, w4; rtf("wartosc dolada: %f\\",8/3; rtf("metoda rostoatow:\"; w Metodarostoatow(,,5; w Metodarostoatow(,,; w Metodarostoatow(,,; w3 Metodarostoatow(,,; w4 Metodarostoatow(,,; rtf(" %5d cala %f rozca %e\",5,w,fabs(w-8/3; rtf(" %5d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %5d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %5d cala %f rozca %e\",,w3,fabs(w3-8/3; rtf(" %5d cala %f rozca %e\",,w4,fabs(w4-8/3; rtf("\metoda traezow:\"; w MetodaTraezow(,,5; w MetodaTraezow(,,; w MetodaTraezow(,,; w3 MetodaTraezow(,,; w4 MetodaTraezow(,,; rtf(" %5d cala %f rozca %e\",5,w,fabs(w-8/3; rtf(" %5d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %5d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %5d cala %f rozca %e\",,w3,fabs(w3-8/3; rtf(" %5d cala %f rozca %e\",,w4,fabs(w4-8/3; rtf("\metoda arabol:\"; w Metodaarabol(,,5; w Metodaarabol(,,; w Metodaarabol(,,; w3 Metodaarabol(,,; w4 Metodaarabol(,,; rtf(" %5d cala %f rozca %e\",5,w,fabs(w-8/3; rtf(" %5d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %5d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %5d cala %f rozca %e\",,w3,fabs(w3-8/3; rtf(" %5d cala %f rozca %e\",,w4,fabs(w4-8/3; system("ause"; retur (;

7 ą Wyład r 7 5/38 Wyład r 7 6/38 Metody całowaa - rogram w C (4/4 Oblczae lczby π metodą Mote Carlo Wartosc dolada: rtf(" %5d cala %f rozca %e\",5,w,fabs(w-8/3; rtf(" %5d cala Metoda %f rostoatow: rozca %e\",,w,fabs(w-8/3; rtf(" %5d cala %f rozca 5 cala %e\",,w,fabs(w-8/3; 6689 rozca e- rtf(" %5d cala %f rozca cala %e\",,w3,fabs(w3-8/3; rozca e-3 rtf(" %5d cala %f rozca cala %e\",,w4,fabs(w4-8/3; rozca 66965e-5 cala rozca e-7 rtf("\metoda arabol:\"; cala rozca e-7 w Metodaarabol(,,5; w Metodaarabol(,,; Metoda traezow: w Metodaarabol(,,; 5 cala 6879 rozca e- w3 Metodaarabol(,,; cala rozca e- w4 Metodaarabol(,,; cala rozca 337e-4 cala rozca 74843e-6 rtf(" %5d cala %f rozca cala %e\",5,w,fabs(w-8/3; rozca e-7 rtf(" %5d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %5d cala Metoda %f arabol: rozca %e\",,w,fabs(w-8/3; rtf(" %5d cala %f rozca 5 cala %e\",,w3,fabs(w3-8/3; rozca e-8 rtf(" %5d cala %f rozca cala %e\",,w4,fabs(w4-8/3; rozca e-8 cala rozca e-8 system("ause"; cala rozca e-8 retur (; cala rozca e-8 załóŝmy, Ŝe ccemy oblczyć ole oła wsaego w wadrat o bou rówym r, gdze r - romeń oła ola oła wadratu osują wzory: o orówau owyŝszyc wzorów otrzymamy: czyl: oło π r wadrat ( r 4 r oło r r π 4 wadrat oło wadrat π 4 oło π 4 (5 wadrat r r mając zatem oblczoe wczeej w ewe sosób ole wadratu ole oła wsaego w te wadrat, moŝa w rosty sosób oblczyć wartoć lczby π Wyład r 7 7/38 Wyład r 7 8/38 Oblczae lczby π metodą Mote Carlo odstawowe ytae: ja oblczyć ole oła? Stosujemy metodę Mote Carlo: wyzaczamy wewątrz wadratu bardzo duŝo losowyc utów zlczamy te uty, tóre wadają do wętrza oła stosue lczby utów zawerającyc sę w ole do wszystc wylosowayc utów będze dąŝył w esończooc do stosuu ola oła do ola wadratu: gdze: oło - lczba utów w ole wadrat - lczba wszystc utów oło oło π 4 4 (6 wadrat wadrat r r Oblczae lczby π metodą Mote Carlo - rogram w C (/ /* Name: w9 MoteCarloc Coyrgt: olteca Bałostoca, Wydzał Eletryczy Autor: Jarosław Forec (jaref@bedul Date: Descrto: Oblczae lczby metod Mote Carlo */ #clude <stdo> #clude <tme> #clude <stdlb> #clude <mat> t ma(t argc, car *argv[] t t_wadrat ; /* uty w wadrace */ t t_olo ; /* uty w ole */ float, y; /* wsolrzede utu */ float ; /* oblczoa wartosc lczby */ t ; erwsze zastosowae: Marqus erre-smo de Lalace (886

8 Wyład r 7 9/38 Wyład r 7 3/38 Oblczae lczby π metodą Mote Carlo - rogram w C (/ Oblczae lczby π metodą Mote Carlo srad(tme(null; for (; <t_wadrat; ++ * (rad(/(floatrand_max; y * (rad(/(floatrand_max; f ((-*(-+(y-*(y- < t_olo++; 4 * (float t_olo / t_wadrat; rtf("uty w wadrace: %d\",t_wadrat; rtf("uty w ole: %d\",t_olo; rtf("oblczoa wartosc I: %f\",; rtf("blad: %f\",fabs(m_i-; system("ause"; retur ; uty w wadrace: uty w ole: 79 Oblczoa wartosc I: 364 Blad: 47 ZaleŜoć doładoc wyzaczaa lczby π od lczby losowyc utów: w aŝdym rzyadu wyzaczao lczbę π razy wartoc rzedstawoe w tabel są redą arytmetyczą otrzymayc wyów rostoat oło 7, , , ,8 7853,6 Średa wartoć lczby π 3,3898 3,3955 3,4543 3,434 3,499 Śred błąd bezwzględy,47763,4593,495,3,456 Śred błąd względy 3,9847 % 4,655 %,33554 %,488 %,375 % doładoć wyu jest zaleŝa od lczby srawdzeń w mejszym stou, jaoc uŝytego geeratora lczb seudolosowyc Wyład r 7 3/38 Wyład r 7 3/38 Metoda Mote Carlo Całowae umerycze - metoda Mote Carlo jao metodę Mote Carlo (MC orela sę dowolą tecę uŝywającą lczb losowyc do rozwązaa roblemu Defcja Haltoa (97: metoda Mote Carlo jest to metoda rerezetująca rozwązae roblemu w ostac arametru ewej otetyczej oulacj uŝywająca losowyc sewecj lczb do sostruowaa róby losowej daej oulacj, z tórej mogą być otrzymae oszacowaa statystycze tego arametru metoda Mote Carlo jest stosowaa do modelowaa matematyczego rocesów zbyt złoŝoyc, aby moŝa było rzewdzeć c wy za omocą odejca aaltyczego stotą rolę w metodze MC odgrywa losowae (wybór rzyadowy weloc carateryzującyc roces zastosowaa metody MC: oblczae całe łańcucy rocesów statystyczyc otymalzacja oblczamy rzyblŝoą wartoć cał ozaczoej: dla fucj f(, tórej całę ccemy oblczyć w rzedzale [, ] wyzaczamy rostoąt obejmujący ole od wyresem tej fucj o wysooc długoc odstawy ( - losujemy utów zlczamy te uty w, tóre wadają w ole od wyresem fucj wartoć cał oblczaa jest a odstawe wzoru rzyblŝoego: I f ( d (7 w I f ( d ( (8 owyŝsza metoda azywaa jest: cybł-trafł, orzeł-resza, suces-oraŝa f( ( - w

9 ć ć Wyład r 7 33/38 Wyład r 7 34/38 Całowae umerycze - metoda Mote Carlo Całowae umerycze - metoda Mote Carlo Wady metody: w ogólym rzyadu mogą ojawć sę roblemy z wyzaczeem wysooc algorytm metody mus być dodatowo zmodyfoway, gdy fucja zmea za w rzedzale całowaa Ia wersja algorytmu: a odstawe ser losowo wybrayc wsółrzędyc wyzaczamy redą z wartoc fucj w rzedzale całowaa otrzymaa reda jest moŝoa rzez długoć rzedzału całowaa: I f ( losowe f ( d ( (9 gdze losowe jest wartocą seudolosową z rzedzału całowaa [, ] Lsta roów: Kro : : Kro : Kro 3: dla,,,-: Kro 4: s d,, geeruj losowe w rzedzale [, ] s s + f ( losowe s s d Kro 5: sz ć cał,, s d ( - < geeruj losowe w rzedzale [, ] s s + f( losowe s d s/ sz cał + Wyład r 7 35/38 Wyład r 7 36/38 Całowae umerycze - metoda Mote Carlo Metoda Mote Carlo - rogram w C (/ float MetodaMoteCarlo(float, float, t t ; float s, d, _los;,, #clude <stdo> #clude <stdlb> #clude <mat> #clude <tme> srad(tme(null; d -; for (; <; ++ _los+(floatrad(/(rand_max+*d; s s + f(_los; s d * s / ; retur s; s d ( - < geeruj losowe w rzedzale [, ] s s + f( losowe + s d s/ sz cał float f(float retur (*; float MetodaMoteCarlo(float, float, t t ; float s, d, _losowe; srad(tme(null; d -; for (; <; ++ _losowe + (floatrad(/(rand_max+*d; s s + f(_losowe; s d * s / ; retur s;

10 Wyład r 7 37/38 Wyład r 7 38/38 Metoda Mote Carlo - rogram w C (/ Metoda Mote Carlo - rogram w C (/ t ma( float,, w, w, w, w3, w4; rtf("wartosc dolada: %f\\",8/3; rtf("\metoda Mote Carlo:\"; w MetodaMoteCarlo(,,; w MetodaMoteCarlo(,,; w MetodaMoteCarlo(,,; w3 MetodaMoteCarlo(,,; w4 MetodaMoteCarlo(,,; rtf(" %6d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %6d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %6d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %6d cala %f rozca %e\",,w3,fabs(w3-8/3; rtf(" %6d cala %f rozca %e\",,w4,fabs(w4-8/3; system("ause"; retur (; Wartosc dolada: t ma( Metoda Mote Carlo: float,, w, w, cala w, w3, w4; rozca 55863e+ rtf("wartosc dolada: %f\\",8/3; cala rozca e- cala 736 rozca e- rtf("\metoda Mote Carlo:\"; cala rozca 3759e- w MetodaMoteCarlo(,,; cala rozca e- w MetodaMoteCarlo(,,; w MetodaMoteCarlo(,,; w3 MetodaMoteCarlo(,,; w4 MetodaMoteCarlo(,,; rtf(" %6d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %6d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %6d cala %f rozca %e\",,w,fabs(w-8/3; rtf(" %6d cala %f rozca %e\",,w3,fabs(w3-8/3; rtf(" %6d cala %f rozca %e\",,w4,fabs(w4-8/3; system("ause"; retur (;

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

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lecja 4 Nearametrycze testy stotośc ZADANIE DOMOWE www.etraez.l Stroa 1 Część 1: TEST Zazacz orawą odowedź (tylo jeda jest rawdzwa). Pytae 1 W testach earametryczych a) Oblczamy statystyę

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

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i ZAJĘCIA NR Dzsaj omówmy o etro, redudacj, średej długośc słowa odowego o algorytme Huffmaa zajdowaa odu otymalego (od ewym względam; aby dowedzeć sę jam doczeaj do ońca). etro JeŜel źródło moŝe adawać

Bardziej szczegółowo

Podstawy informatyki 2. Podstawy informatyki 2. Wykład nr 9 (09.05.2007) Plan wykładu nr 9. Politechnika Białostocka. - Wydział Elektryczny

Podstawy informatyki 2. Podstawy informatyki 2. Wykład nr 9 (09.05.2007) Plan wykładu nr 9. Politechnika Białostocka. - Wydział Elektryczny odstawy iforatyki Wykład r 9 /44 odstawy iforatyki olitechika Białostocka - Wydział Elektryczy Elektrotechika, seestr II, studia stacjoare Rok akadeicki 006/007 la wykładu r 9 Obliczaie liczby π etodą

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi,

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi, Zadaie aa jest fucja gęstości zmieej losowej X: 9 8 Wyzacz: F (X ; Q ; ; ( X ; 9 9 P X P Zadaie ( Statystya II, X a b F( b F( a X e! P m ( ; m E( X ( X V ( X X R P ( X R ( X V ( X jest fucją gęstości zmieej

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

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.

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

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

Politechnika Poznańska

Politechnika Poznańska Aradusz Atcza Poltecha Pozańsa Wydzał Budowy Maszy Zarządzaa N u m e r y c z e w e r y f o w a e r o z w ą - z a e r ó w a a r u c h u o j e d y m s t o p u s w o b o d y Autor: Aradusz Atcza Promotor:

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

BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW

BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW INSTYTUT FIZYKI WYDZIAŁ INŻYNIERII RODUKCJI I TECHNOLOGII MATERIAŁÓW OLITECHNIKA CZĘSTOCHOWSKA RACOWNIA DETEKCJI ROMIENIOWANIA JĄDROWEGO Ć W I C Z E N I E N R J-6 BADANIE STATYSTYCZNEJ CZYSTOŚCI OMIARÓW

Bardziej szczegółowo

Paliwa stałe, ciekłe i gazowe

Paliwa stałe, ciekłe i gazowe Palwa stałe, cekłe gazowe Podstawowe właścwośc alw gazowych Wydzał Eergetyk Palw Katedra Techolog Palw Gaz Gaz doskoały jest to hotetyczy gaz, którego droby e rzycągają sę wzajeme, są eskończee małe sztywe

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β

Bardziej szczegółowo

Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz

Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty Zeo Zwerzewcz Szczec Zeo Zwerzewcz Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty W artyle

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

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem.

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem. . Hofma Wyłady z ermodyam techczej chemczej Wydzał Chemczy PW erue: echologa chemcza sem.3 215/216 WYKŁAD 3-4. D. Blase reatorów chemczych E. II zasada termodyam F. Kosewecje zasad termodyam D. BILANE

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

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

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

Badanie energetyczne płaskiego kolektora słonecznego

Badanie energetyczne płaskiego kolektora słonecznego Katedra Slnów Salnowych Pojazdów ATH ZAKŁAD TERMODYNAMIKI Badane energetyczne łasego oletora słonecznego - 1 - rowadzene yorzystane energ celnej romenowana słonecznego do celów ogrzewana, chłodzena oraz

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

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

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 6 Matematyka fasowa c.d. Rachuek retowy (autetowy) Maem rachuku retowego określa sę regulare płatośc w stałych odstępach czasu przy założeu stałej stopy procetowej. Przykłady

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

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera)

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera) Wyład 4 Blas rówań teor srężystośc Dooamy zestawea wszystch rówań teor srężystośc Gra rówań. Różczowe rówaa rówowag (war Navera Lczba rówań Lczba ewadomych X 6 (. Zwąz geometrycze (rówaa Cachy ego ( 6

Bardziej szczegółowo

Spis treści ZŁOŻONOŚĆ OBLICZEŃ 5 ELEMENTY TEORII ZŁOŻONOŚCI OBLICZENIOWEJ I PROBLEM DZIELNIKÓW 5

Spis treści ZŁOŻONOŚĆ OBLICZEŃ 5 ELEMENTY TEORII ZŁOŻONOŚCI OBLICZENIOWEJ I PROBLEM DZIELNIKÓW 5 Ss treśc SPIS TREŚCI WYKŁAD 5 ZŁOŻONOŚĆ OBLICZEŃ 5 ELEMENTY TEORII ZŁOŻONOŚCI OBLICZENIOWEJ I PROBLEM DZIELNIKÓW 5 WYKŁAD 9 TESTY PIERWSZOŚCI I LICZBY PSEUDOPIERWSZE 9 LICZBY PSEUDOPIERWSZE EULERA WYKŁAD

Bardziej szczegółowo

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h() dla dysretej zm. losowej oraz ucji h() dla ciągłej zm. losowej: m E P m E ( ) d Deiicja: Mometem cetralym µ rzędu

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

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

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

Wyznaczenie prędkości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze

Wyznaczenie prędkości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze Podstawy analizy wypadów drogowych Instrucja do ćwiczenia 1 Wyznaczenie prędości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze Spis treści 1. CEL ĆWICZENIA... 3. WPROWADZENIE...

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

Tekst oraz ilustracje do niniejszego opracowania zaczerpnięto z następujących podręczników, publikacji i wydawnictw popularno naukowych:

Tekst oraz ilustracje do niniejszego opracowania zaczerpnięto z następujących podręczników, publikacji i wydawnictw popularno naukowych: UZUPEŁNIAJĄCE MATERIAŁY DYDAKTYCZNE DLA UCZNIÓW TECHNIKUM MECHANICZNEGO PRZYGOTOWUJĄCYCH SIĘ DO ZEWNĘTRZNEGO EGZAMINU KWALIFIKACYJNEGO METROLOGIA TECHNICZNA (materały wybrae) Materały zebrał : mgr ż. Aatol

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

Wyższe momenty zmiennej losowej Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla

Bardziej szczegółowo

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

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

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe

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

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

Metody probabilistyczne Rozwiązania zadań

Metody probabilistyczne Rozwiązania zadań Metody robabilistyczne Rozwiązania zadań 6. Momenty zmiennych losowych 8.11.2018 Zadanie 1. Poaż, że jeśli X Bn, to EX n. Odowiedź: X rzyjmuje wartości w zbiorze {0, 1,..., n} z rawdoodobieństwami zadanymi

Bardziej szczegółowo

TERMODYNAMIKA TECHNICZNA I CHEMICZNA

TERMODYNAMIKA TECHNICZNA I CHEMICZNA TRMODYNAMIKA TCHNICZNA I CHMICZNA Część IV TRMODYNAMIKA ROZTWORÓW TRMODYNAMIKA ROZTWORÓW FUGATYWNOŚCI I AKTYWNOŚCI a) Wrowadzene Potencjał chemczny - rzyomnene de G n na odstawe tego, że otencjał termodynamczny

Bardziej szczegółowo

Matematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył.

Matematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył. Wkład. Całka podwója. Zamaa a całkę terowaą. Oblczae pól obszarów objętośc brł.. Całka podwója w prostokące. Jak pamętam, całka ozaczoa z cągłej fukcj jedej zmeej wprowadzoa bła w celu oblczaa pola powerzch

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

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

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

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

Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1

Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa Języ prawdopodobeństwo jego rozład Pojęce rozładu prawdopodobeństwa lczby z totolota jao zmee losowe o rozładze sretym zmea losowa częstoścowa defcja

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

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

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

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ W stronę bolog: dnama oulacj Martn. owa Evolutonar Dnamcs elna Press 6 SELEKCJ: JK JED POPULCJ (STRTEGI) WYPIER IĄ Model determnstczn ( a ) ( b ) : Dodając stronam mam a b czl średne dostosowane (ftness).

Bardziej szczegółowo

3. Kinematyka podstawowe pojęcia i wielkości

3. Kinematyka podstawowe pojęcia i wielkości 3. Kinematya odstawowe ojęcia i wielości Kinematya zajmuje się oisem ruchu ciał. Ruch ciała oisujemy w ten sosób, że odajemy ołożenie tego ciała w ażdej chwili względem wybranego uładu wsółrzędnych. Porawny

Bardziej szczegółowo

Janusz Górczyński. Moduł 1. Podstawy prognozowania. Model regresji liniowej

Janusz Górczyński. Moduł 1. Podstawy prognozowania. Model regresji liniowej Materały omoccze do e-leargu Progozowae symulacje Jausz Górczyńsk Moduł. Podstawy rogozowaa. Model regresj lowej Wyższa Szkoła Zarządzaa Marketgu Sochaczew Od Autora Treśc zawarte w tym materale były erwote

Bardziej szczegółowo

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym Załązn nr 3 Do zzegółowyh Zasad rowadzena Rozlzeń Transa rzez KDW_CC Zasady wyznazana mnmalne wartoś środów oberanyh rzez uzestnów od osób zleaąyh zaware transa na rynu termnowym 1. Metodologa wyznazana

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

i i i = (ii) TAK sprawdzamy (i) (i) NIE

i i i = (ii) TAK sprawdzamy (i) (i) NIE Egzam uaruszy z aźdzera 009 r. Maemaya Fasowa Zadae ( ) a a& a ( Da) a&& ( Ia) a a&& D I a a&& a a ( ) && ( ) 0 a a a 0 ( ) a 4 0 ( ) a () K srawdzamy () ( ) a& a ( ) a ( ) a&& a&& ( ) a&& ( ) a&& () NIE

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

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

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

Podstawy matematyki finansowej i ubezpieczeniowej

Podstawy matematyki finansowej i ubezpieczeniowej Podstawy matematy fasowej ubezpeczeowej oreślea, wzory, przyłady, zadaa z rozwązaam KIELCE 2 SPIS TREŚCI WSTEP... 7 STOPA ZWROTU...... 9 2 RACHUNEK CZASU W MATEMATYCE FINANSOWEJ. 0 2. DOKŁADNA LICZBA DNI

Bardziej szczegółowo

KALIBRACJA NIE ZAWSZE PROSTA

KALIBRACJA NIE ZAWSZE PROSTA KALIBRACJA NIE ZAWSZE PROSTA Potr Koeczka Katedra Chem Aaltyczej Wydzał Chemczy Poltechka Gdańska S w S C -? C w Sygał - astępstwo kosekwecja przeprowadzoego pomaru główy obekt zateresowań aaltyka. Cel

Bardziej szczegółowo

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz System M/M// System ten w odrónenu do wczenej omawanych systemów osada kolejk. Jednak jest ona ogranczona, jej maksymalna ojemno jest wartoc skoczon

Bardziej szczegółowo

Wykład 10 Wnioskowanie o proporcjach

Wykład 10 Wnioskowanie o proporcjach Wykład 0 Wioskowaie o roorcjach. Wioskowaie o ojedyczej roorcji rzedziały ufości laowaie rozmiaru róby dla daego margiesu błędu test istotości dla ojedyczej roorcji Uwaga: Będziemy aalizować roorcje odobie

Bardziej szczegółowo

Materiały do ćwiczeń 2 Zmienna losowa dyskretna Rozkład zmiennej losowej dyskretnej Powtarzanie doświadczeń

Materiały do ćwiczeń 2 Zmienna losowa dyskretna Rozkład zmiennej losowej dyskretnej Powtarzanie doświadczeń Materały do ćwczeń Zmea losowa dysreta Rozład zmeej losowej dysretej Powtarzae dośwadczeń Przygotował: Dr ż Wojcech Artchowcz Katedra Hydrotech PG Zma 4/5 ZMIEA LOSOWA DYSKRETA I JEJ ROZKŁAD PRAWDOPODOBIEŃSTWA

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

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

Bardziej szczegółowo

Równanie Schrödingera z potencjałem anharmonicznym. The Schrödinger Equation with Anharmonic Potential. Marcin Michalski

Równanie Schrödingera z potencjałem anharmonicznym. The Schrödinger Equation with Anharmonic Potential. Marcin Michalski Polteca Wrocławsa Wydzał Podstawowyc Problemów Tec Rówae Scrödgera z potecjałem aarmoczym Te Scrödger Equato wt Aarmoc Potetal arc cals PRACA DYPLOOWA INśYNIERSKA KIERUNEK: FIZYKA TECHNICZNA SPECJALNOŚĆ:

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

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa.

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa. Fundacja Centrum Edukacj Obyatelskej, ul. Noakoskego 10, 00-666 Warszaa, e-mal: ceo@ceo.org.l; Akadema ucznoska, Tel. 22 825 04 96, e-mal: au@ceo.org.l; ęcej nformacj:.akademaucznoska.l 1 Konstrukcja ger

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

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki Politechia Warszawsa Wydział Samochodów i Maszy Roboczych Istytut Podstaw Budowy Maszy Załad Mechaii http://www.ipbm.simr.pw.edu.pl/ Teoria maszy i podstawy automatyi semestr zimowy 206/207 dr iż. Sebastia

Bardziej szczegółowo

Klasyfikacja w oparciu o przykłady

Klasyfikacja w oparciu o przykłady Klasyfaca w oparcu o przyłady (ag. stace based learg Wyład, 4/0/003 Pla wyładu Wprowadzee Metoda ablszyc ssadów Mary podobestwa Pratycze problemy Reduca zbdyc przyładów Reduca szumu w dayc Wyzaczae wag

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

1. Parametry strumienia piaskowo-powietrznego w odlewniczych maszynach dmuchowych

1. Parametry strumienia piaskowo-powietrznego w odlewniczych maszynach dmuchowych MATERIAŁY UZUPEŁNIAJACE DO TEMATU: POMIAR I OKREŚLENIE WARTOŚCI ŚREDNICH I CHWILOWYCH GŁÓWNYCHORAZ POMOCNICZYCH PARAMETRÓW PROCESU DMUCHOWEGO Józef Dańko. Wstę Masa wyływająca z komory nabojowej strzelarki

Bardziej szczegółowo

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI Adrzej POWNUK *) PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI. Wprowadzee Mechaka lowa staow jak dotąd podstawowy obszar zateresowań żyerskch. Isteje jedak

Bardziej szczegółowo

Kody Huffmana oraz entropia przestrzeni produktowej. Zuzanna Kalicińska. 1 maja 2004

Kody Huffmana oraz entropia przestrzeni produktowej. Zuzanna Kalicińska. 1 maja 2004 Kody uffmana oraz entroia rzestrzeni rodutowej Zuzanna Kalicińsa maja 4 Otymalny od bezrefisowy Definicja. Kod nad alfabetem { 0, }, w tórym rerezentacja żadnego znau nie jest refisem rerezentacji innego

Bardziej szczegółowo

Badanie efektu Halla w półprzewodniku typu n

Badanie efektu Halla w półprzewodniku typu n Badaie efektu alla w ółrzewodiku tyu 35.. Zasada ćwiczeia W ćwiczeiu baday jest oór elektryczy i aięcie alla w rostoadłościeej róbce kryształu germau w fukcji atężeia rądu, ola magetyczego i temeratury.

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

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja rzedziałowa - rzedziały ufości Próbę -elemetową charakteryzujemy jej arametrami ( x, s, s ). SłuŜą oe do ocey wartości iezaych arametrów oulacji (m, σ, σ). Nazywamy je estymatorami uktowymi iezaych

Bardziej szczegółowo

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY ZMIENNYCH LOSOWYCH ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X

Bardziej szczegółowo

Parametry zmiennej losowej

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

Bardziej szczegółowo

Laboratorium Metod i Algorytmów Sterowania Cyfrowego

Laboratorium Metod i Algorytmów Sterowania Cyfrowego Laboratorium Metod i Algorytmów Sterowania Cyfrowego Ćwiczenie 3 Dobór nastaw cyfrowych regulatorów rzemysłowych PID I. Cel ćwiczenia 1. Poznanie zasad doboru nastaw cyfrowych regulatorów rzemysłowych..

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 Informatyki. Jednostki informacji. Metalurgia, I rok. Systemy pozycyjne. Konwersja kodu dziesiętnego na dwójkowy. System dwójkowy (binarny)

Podstawy Informatyki. Jednostki informacji. Metalurgia, I rok. Systemy pozycyjne. Konwersja kodu dziesiętnego na dwójkowy. System dwójkowy (binarny) Podstawy Iformatyk Metalurga, I rok Wykład 3 Lczby w komuterze Jedostk formacj Bt (ag. bt) (Shao, 948) Najmejsza lość formacj otrzeba do określea, który z dwóch rówe rawdoodobych staów rzyjął układ. Jedostka

Bardziej szczegółowo

F - wypadkowa sił działających na cząstkę.

F - wypadkowa sił działających na cząstkę. PRAWA ZACHOWAIA Podstawowe termny Cała tworzące uład mechanczny oddzałują mędzy sobą z całam nenależącym do uładu za omocą: Sł wewnętrznych Sł zewnętrznych - Sł dzałających na dane cało ze strony nnych

Bardziej szczegółowo

Analiza niepewności pomiarów Definicje

Analiza niepewności pomiarów Definicje Teora pomarów Aalza epewośc pomarów Defce Dr hab. ż. Paweł Mada www.pmada.zt.ed.pl Podstawowa defca Nepewość pomar to parametr zwązay z wykem pomar, charakteryzący rozrzt wartośc, który w zasadoy sposób

Bardziej szczegółowo

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ

Bardziej szczegółowo

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna TECHNIKUM ZESPÓŁ SZKÓŁ w KRZEPICACH PRACOWNIA EKONOMICZNA TEORIA ZADANIA dla klasy II Techkum Marek Kmeck Zespół Szkół Techkum w Krzepcach Wprowadzee do statystyk Lekcja Statystyka - określa zbór formacj

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

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

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

Przykładowe zadania z matematyki na poziomie podstawowym wraz z rozwiązaniami

Przykładowe zadania z matematyki na poziomie podstawowym wraz z rozwiązaniami 8 Liczba 9 jest równa A. B. C. D. 9 5 C Przykładowe zadania z matematyki na oziomie odstawowym wraz z rozwiązaniami Zadanie. (0-) Liczba log jest równa A. log + log 0 B. log 6 + log C. log 6 log D. log

Bardziej szczegółowo

Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej

Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej --8 Wstęp do probablsty statysty Wyład. Zmee losowe ch rozłady dr hab.ż. Katarzya Zarzewsa, prof.agh, Katedra Eletro, WIET AGH Wstęp do probablsty statysty. wyład Pla: Pojęce zmeej losowej Iloścowy ops

Bardziej szczegółowo