Informatyka 1. Wykład nr 7 ( ) Plan wykładu nr 7. Politechnika Białostocka. - Wydział Elektryczny. Algorytm - definicje.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Informatyka 1. Wykład nr 7 ( ) Plan wykładu nr 7. Politechnika Białostocka. - Wydział Elektryczny. Algorytm - definicje."

Transkrypt

1 Rok akademicki 007/008, Wykład r 7 /44 Pla wykładu r 7 Iformatyka Politechika Białostocka - Wydział Elektryczy Elektrotechika, semestr II, studia stacjoare I stopia Rok akademicki 007/008 Wykład r 7 ( ) Defiicje algorytmu komputerowego Sposoby opisu algorytmów opis słowy schemat blokowy pseudokod język programowaia Klasyfikacje algorytmów Rekurecja ZłoŜoość obliczeiowa Języki programowaia Geeracje języków programowaia Rok akademicki 007/008, Wykład r 7 3/44 Rok akademicki 007/008, Wykład r 7 4/44 Algorytm - defiicje Defiicja Algorytm to skończoy, uporządkoway ciąg jaso zdefiiowaych czyości, koieczych do wykoaia pewego zadaia Defiicja Metoda rozwiązaia zadaia Defiicja 3 Ściśle określoa procedura obliczeiowa, która dla właściwych daych wejściowych zwraca Ŝądae dae wyjściowe zwae wyikiem działaia algorytmu Defiicja 4 Skończoy zbiór reguł, wskazujący kolejość operacji przy rozwiązywaiu problemu pewego typu Algorytmy Słowo algorytm pochodzi od azwiska Mohammed ib Musa al-khowarizmiego (po łaciie pisae jako Algorismus), matematyka perskiego z IX wieku i początkowo ozaczało w Europie sposób obliczeń oparty a dziesiętym systemie liczbowym Badaiem algorytmów zajmuje się algorytmika Algorytm moŝe zostać zaimplemetoway w postaci programu komputerowego lub dla iego urządzeia Te sam algorytm moŝe być zaimplemetoway w róŝy sposób przy uŝyciu róŝych języków programowaia Jeśli day algorytm da się wykoać a maszyie o dostępej mocy obliczeiowej i pamięci oraz akceptowalym czasie, to mówi się Ŝe jest to algorytm obliczaly

2 Rok akademicki 007/008, Wykład r 7 5/44 Rok akademicki 007/008, Wykład r 7 6/44 Algorytmy Podstawowe cechy algorytmu Algorytm powiie posiadać dae wejściowe (w ilości większej lub rówej zeru) pochodzące z dobrze zdefiiowaego zbioru Algorytm powiie zwracać pewie wyik Algorytm powiie być precyzyjie zdefiioway (kaŝdy krok algorytmu musi być jedozaczie określoy) Sposoby opisu algorytmów. Opis w puktach, w języku aturalym (opis słowy, lista kroków). Za pomocą schematu blokowego 3. Z zastosowaiem pseudokodu (język publikacyjy), czyli iezbyt formalej odmiaie języka programowaia (p. odformalizoway Pascal, C, C++) 4. W kokretym języku programowaia, p. Pascalu, C, C++, Matlabie Algorytm powiie być zawsze poprawy (dla kaŝdego z załoŝoego dopuszczalego zestawu daych wejściowych) Algorytm powiie zawsze kończyć się po skończoej liczbie kroków (powia istieć poprawie działająca reguła stopu algorytmu) Algorytm powiie być efektywy (jak ajkrótszy czas wykoaia i jak ajmiejsze zapotrzebowaie a pamięć) Rok akademicki 007/008, Wykład r 7 7/44 Rok akademicki 007/008, Wykład r 7 8/44 Opis słowy s algorytmu Opis słowy przypomia przepis kuliary z ksiąŝki kucharskiej Schematy blokowe Elemety występujące a schematach blokowych: Przykład: Algorytm: Tortilla (a podstawie PodróŜy kuliarych R. Makłowicza) Dae wejściowe: Dae wyjściowe: Koleje kroki: 0,5 kg ziemiaków, 00 g kiełbasy Chorizo, 8 jajek gotowa Tortilla początek algorytmu moŝe występować tylko jede raz koiec algorytmu musi występować przyajmiej jede raz. Ziemiaki obrać i pokroić w plasterki. Kiełbasę pokroić w plasterki 3. Ziemiaki wrzucić a gorącą oliwę a pateli i przyrumieić z obu stro 4. Kiełbasę wrzucić a gorącą oliwę a pateli i przyrumieić z obu stro 5. Ubić jajka i dodać do połączoych ziemiaków i kiełbasy 6. Dodać sól i pieprz 7. UsmaŜyć z obu stro wielki omlet adzieway chipsami ziemiaczaymi z kiełbaską Opis operacji elemetara istrukcja blok fukcyjy operacje obliczeiowe lub orgaizacyje blok decyzyjy operacje warukowe testy

3 Rok akademicki 007/008, Wykład r 7 9/44 Rok akademicki 007/008, Wykład r 7 0/44 algorytm Euklidesa zajdowaia ajwiększego wspólego dzielika dwóch liczb - NWD(a,b) algorytm Euklidesa zajdowaia ajwiększego wspólego dzielika dwóch liczb - NWD(a,b) Opis w puktach: Dae wejściowe: iezerowe liczby aturale a i b NWD(675,375) =? Dae wyjściowe: Koleje kroki: NWD(a,b). Czytaj liczby a i b. Dopóki a i b są większe od zera, powtarzaj krok 3, a astępie przejdź do kroku 4 3. Jeśli a jest większe od b, to weź za a resztę z dzieleia a przez b, w przeciwym razie weź za b resztę z dzieleia b przez a 4. Przyjmij jako ajwiększy wspóly dzielik tę z liczb a i b, która pozostała większa od zera 5. Drukuj NWD(a,b) a b NWD(675,375) = 67 Dzieleie większej liczby przez miejszą b/a = 375/675 = reszta 40 a/b = 675/40 = 4 reszta 67 b/a = 40/67 = 6 reszta 0 KONIEC Zamiaa b = 40 a = 67 b = 0 Rok akademicki 007/008, Wykład r 7 /44 Rok akademicki 007/008, Wykład r 7 /44 algorytm Euklidesa zajdowaia ajwiększego wspólego dzielika dwóch liczb - NWD(a,b) algorytm Euklidesa zajdowaia ajwiększego wspólego dzielika dwóch liczb - NWD(a,b) Schemat blokowy: Pseudokod: NWD(a,b) while a>0 i b>0 do if a>b the a a mod b else b b mod a if a>0 the retur a else retur b

4 Rok akademicki 007/008, Wykład r 7 3/44 Rok akademicki 007/008, Wykład r 7 4/44 algorytm Euklidesa zajdowaia ajwiększego wspólego dzielika dwóch liczb - NWD(a,b) zamiaa zapisu liczby aturalej l daej w systemie dziesiętym, a zapis w systemie pozycyjym o podstawie p Język C: it NWD(it a, it b) { while (a>0 && b>0) if (a>b) a = a % b; else b = b % a; if (a>0) retur a; else retur b; } Opis w puktach: Dae wejściowe: Dae wyjściowe: Koleje kroki:. Czytaj liczby l i p liczba l w systemie dziesiętym, podstawa systemu p zapis liczby l w systemie o podstawie p. Dopóki l > 0 powtarzaj krok 3 3. Wykoaj dzieleie całkowite liczby l przez p, resztę z dzieleia zapamiętaj jako koleją cyfrę przedstawieia liczby l w owym systemie pozycyjym 4. Drukuj cyfry przedstawieia liczby l w owym systemie pozycyjym w odwrotej kolejości iŝ były zapamiętywae Rok akademicki 007/008, Wykład r 7 5/44 Rok akademicki 007/008, Wykład r 7 6/44 zamiaa zapisu liczby aturalej l daej w systemie dziesiętym, a zapis w systemie pozycyjym o podstawie p 75 (0) =?(6) 75(0) = 035(6) 75/ 6 9/ 6 48 / 6 8 / 6 / 6 = = = = = reszta reszta reszta reszta reszta kolejość odczytywaia cyfr liczby w systemie szóstkowym Klasyfikacje algorytmów Podstawowe paradygmaty tworzeia programów komputerowych: strategia dziel i zwycięŝaj programowaie dyamicze algorytmy zachłae programowaie liiowe algorytmy siłowe (brute force) algorytmy probabilistycze heurystyka NajwaŜiejsze techiki implemetacji algorytmów komputerowych: proceduralość obiektowość praca sekwecyja praca wielowątkowa praca rówoległa rekurecja

5 Rok akademicki 007/008, Wykład r 7 7/44 Rok akademicki 007/008, Wykład r 7 8/44 Strategia dziel i zwycięŝ ęŝaj Strategia dziel i zwycięŝaj (ag. divide ad coquer) jest strategią kostruowaia algorytmów, jedą z ajefektywiejszych metod w iformatyce W strategii tej zazwyczaj rekurecyjie dzielimy problem a dwa lub więcej miejszych problemów tego samego (lub podobego) typu tak długo, aŝ staie się o wystarczająco prosty do bezpośrediego rozwiązaia Rozwiązaia otrzymae dla miejszych podproblemów są scalae w celu uzyskaia rozwiązaia całego zadaia Przykłady zastosowań: sortowaie szybkie (quicksort) wyszukiwaie biare - polega a sprawdzeiu czy szukay elemet zajduje się w uporządkowaej tablicy, jeśli tak, to zwraca jego ideks Programowaie dyamicze Kostrukcja programu wykorzystującego zasadę programowaia dyamiczego moŝe być sformułowaa w trzech etapach: Kocepcja: Iicjacja: Progresja: dla daego problemu stwórz rekurecyjy model jego rozwiązaia (wraz z jedozaczym określeiem przypadków elemetarych) stwórz tablicę, w której będzie moŝa zapamiętywać rozwiązaia przypadków elemetarych i podproblemów, które zostaą obliczoe a ich podstawie wpisz do tablicy wartości umerycze odpowiadające przypadkom elemetarym a podstawie wartości wpisaych do tablicy, uŝywając formuły rekurecyjej, oblicz rozwiązaie problemu wyŝszego rzędu i wpisz je do tablicy postępuj w te sposób do osiągięcia poŝądaej wartości Rok akademicki 007/008, Wykład r 7 9/44 Rok akademicki 007/008, Wykład r 7 0/44 Programowaie dyamicze - przykład Kocepcja: (F 0 w ciągu Fiboaciego) Iicjacja: Progresja: model rekurecyjy rozwiązaia + przypadki elemetare F, tablica z rozwiązaiem 0 = 0 F =, F = F + F F wpisaie do tablicy wartości dla przypadków elemetarych F 0 obliczeie rozwiązań problemów wyŝszego rzędu aŝ do osiągięcia poŝądaej wartości i wpisaie ich do tablicy F Algorytmy zachłae ae Algorytm zachłay (ag. greedy algorithm) jest to algorytm, w którym w celu rozwiązaia pewego zadaia w kaŝdym kroku dokouje się zachłaego, tj. ajlepiej rokującego w daym momecie wyboru rozwiązaia częściowego Algorytm podejmuje decyzję lokalie optymalą, dokouje wyboru wydającego się w daej chwili ajlepszym, kotyuując rozwiązaie podproblemu wyikające z podjętej decyzji Algorytmy zachłae stosowae są przede wszystkim w optymalizacji Musi zawsze istieć kryterium pozwalające oceić jakość rozwiązaia Dokoyway lokalie ajkorzystiejszy wybór ma w załoŝeiu prowadzić do zalezieia globalego optymalego rozwiązaia

6 Rok akademicki 007/008, Wykład r 7 /44 Rok akademicki 007/008, Wykład r 7 /44 Programowaie liiowe Programowaie liiowe to klasa programowaia matematyczego, w której wszystkie waruki ograiczające oraz fukcja celu mają postać liiową, p. waruki ograiczające: Zadaie polega a zmaksymalizowaiu (zmiimalizowaiu) fukcji celu: a x + a x a x + a x a x + a x + K+ a x + K+ a x + K+ a x α α = α f = α + c x + c x + K+ c x wiele problemów moŝa sprowadzić do maksymalizacji lub miimalizacji pewej fukcji celu, przy ograiczoych zasobach i atagoistyczych warukach programowaie liiowe zalazło szerokie zastosowaie w teorii decyzji, p. do optymalizacji plau produkcyjego Programowaie liiowe Fabryka produkuje urządzeia A i B. W ciągu jedego dia moŝa wytworzyć łączie 00 urządzeń. Wyprodukowaie urządzeia A zajmuje 3 roboczogodziy, a urządzeia B - 4 roboczogodziy. Dziea liczba dostępych roboczogodzi wyosi 600. W ciągu jedego dia aleŝy wyprodukować mi. 50 urządzeń A i mi. 50 urządzeń B. Zysk ze sprzedaŝy urządzeia A to 000 PLN, a B - 00 PLN. Ile urządzeń A i B aleŝy dzieie wyprodukować, aby zysk był jak ajwiększy? Waruki ograiczające: Fukcja celu: x A 3 x + x x, x A A x B B B 50 f = 000 x A x B Rok akademicki 007/008, Wykład r 7 3/44 Rok akademicki 007/008, Wykład r 7 4/44 Algorytmy siłowe Algorytm siłowy (ag. brute force) jest to określeie algorytmu opierającego się a sukcesywym sprawdzaiu wszystkich moŝliwych kombiacji w poszukiwaiu rozwiązaia problemu Algorytmy probabilistycze Ogólie algorytmy moŝa podzielić a determiistycze i probabilistycze Dae wejściowe Dae wejściowe Algorytm siłowy jest zazwyczaj ieoptymaly, ale ajprostszy w implemetacji W programowaiu termi te odosi się do dowolego algorytmu, który rozwiązuje problem przez weryfikację i oceę wszystkich wariatów postępowaia Algorytm determiistyczy Dae wyjściowe Algorytm probabilistyczy Dae wyjściowe Geerator liczb losowych Stosowae jest takŝe pojęcie ataku brute force, odoszące się do przeprowadzaych przez człowieka lub program komputerowy prób złamaia zabezpieczeń, p. odgadięcia hasła, poprzez wypróbowaie wszystkich moŝliwych kombiacji cyfr, liter i iych zaków Działaie algorytmu determiistyczego jest całkowicie zdetermiowae przez waruki początkowe (wejście), tz. dla takich samych daych wejściowych algorytm zawsze zwraca taki sam wyik Algorytm probabilistyczy albo radomizoway (ag. radomized algorithm) to algorytm, który do swojego działaia uŝywa losowości (geeratora liczb pseudolosowych)

7 Rok akademicki 007/008, Wykład r 7 5/44 Rok akademicki 007/008, Wykład r 7 6/44 Algorytmy probabilistycze Algorytmy probabilistycze - algorytm Mote Carlo Główą zaletą algorytmów probabilistyczych jest działaie w średim przypadku, dzięki czemu złośliwe dae wejściowe ie wydłuŝają jego działaia Wśród algorytmów probabilistyczych wyróŝia się algorytmy Las Vegas i algorytmy Mote Carlo Algorytm Las Vegas: Algorytm Las Vegas zawsze zwraca prawidłową odpowiedź, ale jego czas działaia ie jest z góry ustaloy (p. szukaie litery a w tablicy zawierającej połowę liter a i połowę liter b ) Algorytm Moe Carlo: Algorytm Mote Carlo kończy się w ustaloym czasie, ale moŝe z pewym prawdopodobieństwem zwrócić zły wyik lub zwrócić wyik tylko z pewą dokładością (p. obliczaie całek ozaczoych) obliczamy przybliŝoą wartość całki ozaczoej metodą Mote Carlo: dla fukcji f(x), której całkę chcemy obliczyć w przedziale [x p,x k ] wyzaczamy prostokąt obejmujący pole pod wykresem tej fukcji o wysokości h i długości podstawy (x k -x p ) losujemy puktów i zliczamy te pukty w, które wpadają w pole pod wykresem fukcji wartość całki obliczaa jest a podstawie wzoru przybliŝoego: I xk = x p xk I = f ( x) dx x p w f ( x) dx h( xk x p ) Rok akademicki 007/008, Wykład r 7 7/44 Rok akademicki 007/008, Wykład r 7 8/44 Rekurecja Rekurecja - przykłady Rekurecja lub rekursja (ag. recursio, z łac. recurrere, przybiec z powrotem) jest to odwoływaie się p. fukcji do samej siebie Rekurecja polega a tym, Ŝe rozwiązaie daego problemu wyraŝa się za pomocą rozwiązań tego samego problemu, ale dla daych o miejszych rozmiarach W matematyce mechaizm rekurecji stosoway jest dość często do defiiowaia lub opisywaia algorytmów silia liczby! = ( )! dla dla = 0 UŜycie opisu rekurecyjego w przypadku algorytmu pozwala a przejrzysty, zwarty opis fukcji lub procedury Nie zawsze rozwiązaie rekurecyje prowadzi do rozwiązaia efektywego, czasem prowadzi do obiŝeia efektywości programu Rekurecja zawsze zwiększa zapotrzebowaie programu a pamięć it silia(it ) { if (==0) retur ; else retur *silia(-); }

8 Rok akademicki 007/008, Wykład r 7 9/44 Rok akademicki 007/008, Wykład r 7 30/44 Rekurecja - przykłady Rekurecja - przykłady defiicja ciągu Fiboacciego ajwiększy wspóly dzielik - algorytm Euklidesa 0 dla = 0 F = dla = F + F dla > NWD(a, b) a = NWD(b,a mod b) dla dla b = 0 b it F(it ) { if (==0) retur 0; else if (==) retur ; else retur F(-) + F(-); } it NWD(it a, it b) { if (b==0) retur a; else retur NWD(b,a % b); } Rok akademicki 007/008, Wykład r 7 3/44 Rok akademicki 007/008, Wykład r 7 3/44 ZłoŜoość obliczeiowa W celu rozwiązaia daego problemu obliczeiowego staramy się zaleźć algorytm ajbardziej efektywy, tz. ajszybszy i o moŝliwie małym zapotrzebowaiu a pamięć Do ocey efektywości programu słuŝy tzw. złoŝoość obliczeiowa ZłoŜoość obliczeiowa azywaa jest takŝe kosztem algorytmu ZłoŜoość obliczeiowa algorytmu jest to ilość zasobów (czas, pamięć, liczba procesorów) potrzebych do jego działaia ZłoŜoość obliczeiowa algorytmu jest fukcją rozmiaru daych wejściowych (p. sortowaie tablicy - im większa tablica tym więcej zasobów jest potrzebych do jej posortowaia) W zaleŝości od rozwaŝaego zasobu mówimy o: złoŝoości czasowej złoŝoości pamięciowe ZłoŜoość obliczeiowa ZłoŜoość czasowa: Miarą złoŝoości czasowej jest liczba operacji podstawowych (domiujących) w zaleŝości od rozmiaru daych wejściowych Operacje podstawowe to p. podstawieie, porówaie, operacja arytmetycza Pomiar czasu zegarowego ie jest stosoway ze względu a silą zaleŝość od implemetacji algorytmu, zastosowaego kompilatora, komputera, doświadczeia programisty ZłoŜoość pamięciowa: ZłoŜoość pamięciowa jest miarą wykorzystaia pamięci (liczba komórek pamięci)

9 Rok akademicki 007/008, Wykład r 7 33/44 Rok akademicki 007/008, Wykład r 7 34/44 ZłoŜoość obliczeiowa ZłoŜoość obliczeiowa zaleŝy od postaci daych a jakich algorytm operuje Dla pewych, specyficzych daych algorytm moŝe wykoać się bardzo szybko, dla iych zaś zaczie woliej Z powyŝszych powodów rozróŝia się: złoŝoość pesymistyczą złoŝoość średią ZłoŜoość obliczeiowa Porówując złoŝoość algorytmów bierze się pod uwagę asymptotycze tempo wzrostu, czyli to jak zachowuje się fukcja określająca złoŝoość wraz ze wzrostem wartości jej argumetów Asymptotycze tempo wzrostu opisuje jak szybko daa fukcja rośie lub maleje abstrahując od kokretej postaci tych zmia Do opisu asymptotyczego tempa wzrostu stosuje się otację duŝego O, zwaą otacją Ladaua ZłoŜoość pesymistycza: Odpowiada ajbardziej iesprzyjającym dla algorytmu daym ZłoŜoość średia: ZłoŜoość uśredioa po wszystkich moŝliwych zestawach daych ZłoŜoość dla typowych daych wejściowych Rok akademicki 007/008, Wykład r 7 35/44 Rok akademicki 007/008, Wykład r 7 36/44 Notacja O Notacja O otacja ta wyraŝa złoŝoość matematyczą algorytmu porówaie ajczęściej występujących złoŝoości: w otacji tej po literze O występuje wyraŝeie w awiasach zawierające literę, która ozacza liczbę elemetów, a której działa algorytm za miarę dobroci algorytmu przyjmuje się liczbę wykoywaych w im elemetarych operacji, p. dodawaie, moŝeie, porówywaie Elemety 0 00 O(log ) 3 7 O() 0 00 O( log ) O( ) O( ) 04, Przykład: O() - złoŝoość algorytmu jest prostą fukcją liczby elemetów , , O( ) - (jeśli sortowaie 000 elemetów zajmuje s, to sortowaie - (000 elemetów zajmie s) - czas koieczy do wykoaia algorytmu rośie wraz z kwadratem liczby elemetów (przy podwojeiu liczby elemetów ich obsługa będzie trwała cztery razy dłuŝej) O(log ) - złoŝoość logarytmicza O() - złoŝoość liiowa O( log ) - złoŝoość liiowo-logarytmicza O( ) - złoŝoość kwadratowa O( ) - złoŝoość wykładicza

10 Rok akademicki 007/008, Wykład r 7 37/44 Rok akademicki 007/008, Wykład r 7 38/44 Notacja O Uwagi: przy porówywaiu róŝych wyraŝeń O() stałe ie mają zaczeia i mogą być igorowae, p. O( ) i O(9 ) mogą być rozwaŝae jak O( ) Język programowaia Język programowaia jest to usystematyzoway sposób przekazywaia komputerowi poleceń do wykoaia Język programowaia pozwala a dokłady zapis algorytmów oraz iych zadań jakie komputer ma wykoać połączeie algorytmów o róŝych złoŝoościach tworzy algorytm o wyŝszej z połączoych złoŝoości, p. dołączeie algorytmu o złoŝoości O( ) do algorytmu o złoŝoości O() tworzy algorytm o złoŝoości O( ) zagłębiaie algorytmów (tj. moŝeie ich wpływu) tworzy algorytm z pomoŝoą złoŝoością, p. algorytm O() zagłębioy w O(log ) daje w wyiku O( log ) Rok akademicki 007/008, Wykład r 7 39/44 Rok akademicki 007/008, Wykład r 7 40/44 Język programowaia Składia języka określa: sposób opisywaia struktur sterujących sposób opisywaia struktur daych sposób tworzeia poprawych symboli do azywaia zmieych i struktur daych sposób stosowaia iterpukcji, tj. zaków typu spacje, średiki, kropki, awiasy sposób budowy poprawych wyraŝeń Sematyka języka określa zaczeie poprawych składiowo wyraŝeń Język programowaia Implemetacja języka - kokreta realizacja języka dla maszy określoego typu Program komputerowy - zbiór (ciąg) istrukcji opisujących zadaie, które ma wykoać komputer Program komputerowy - pewa metoda obliczeiowa wyraŝoa za pomocą języka programowaia Kod źródłowy - postać programu wyraŝoa w języku programowaia Przetwarzaie kodu źródłowego odbywa się a dwa sposoby kompilacja (kompilowae języki programowaia) iterpretacja (iterpretowae języki programowaia)

11 Rok akademicki 007/008, Wykład r 7 4/44 Rok akademicki 007/008, Wykład r 7 4/44 Język programowaia Kompilacja: Kod źródłowy jest tłumaczoy do postaci kodu maszyowego (sekwecji elemetarych operacji gotowych do bezpośrediego przetworzeia przez procesor) Kompilacja do kodu maszyowego zapewia ajwyŝszą wydajość Wygeeroway kod jest ściśle powiązay z platformą sprzętową Iterpretacja: Kod źródłowy jest a bieŝąco tłumaczoy i wykoyway przez dodatkowy program zway iterpreterem Języki iterpretowae zapewiają większą przeośość programów, które są często iezaleŝe od platformy i systemu operacyjego Programy w językach iterpretowaych są miej wydaje iŝ w językach kompilowaych Geeracje językj zyków w programowaia Geeracje języków opisują zaawasowaie (rozbudowaie) struktury języka, co jest rówocześie związae z łatwością posługiwaia się imi im miejsza liczba ozaczająca geerację języka tym bardziej jest o zbliŝoy do sprzętu im większa geeracja języka tym jest o bardziej ituicyjy i iezaleŝy od sprzętu Rok akademicki 007/008, Wykład r 7 43/44 Rok akademicki 007/008, Wykład r 7 44/44 Języki programowaia Języki programowaia Istieje około 500 języków programowaia

12 Rok akademicki 007/008, Wykład r 7 45/44 Rok akademicki 007/008, Wykład r 7 46/44 Koiec wykładu r 7 Źródła a (KsiąŜ ąŝki): Dziękuj kuję za uwagę! Adamski T., Ogrodzki J.: Algorytmy komputerowe i struktury daych. Oficya Wydawicza Politechiki Warszawskiej, Warszawa, Rozdz... Wprowadzeie (str. 9-48) Goczyła K.: Struktury daych. Wydawictwo Politechiki Gdańskiej, Gdańsk, 00 - Rozdz..3 Miary jakości algorytmów (str. 9-0) Goczyła K.: Struktury daych. Wydawictwo Politechiki Gdańskiej, Gdańsk, 00 - Rozdz..4 Szacowaie (str. 0-3) Alexader R., Besley G.: C++. Optymalizacja oprogramowaia. Wydawictwo RM, Warszawa, 00 - Rozdz. 5 Pomiary czasu i złoŝoości (str. 89-9) Baachowski L., Diks K., Rytter W.: Algorytmy i struktury daych. WNT, Warszawa, Rozdz... ZłoŜoość obliczeiowa (str. 3-0) Baachowski L., Diks K., Rytter W.: Algorytmy i struktury daych. WNT, Warszawa, Rozdz..8. Metody układaia algorytmów (str. 40-4) Corme T.H., Leiserso Ch.E., Rivest R.L., Stei C.: Wprowadzeie do algorytmów. WNT, Warszawa, Rozdz.. Rola algorytmów w obliczeiach (str. 4-) Rok akademicki 007/008, Wykład r 7 47/44 Rok akademicki 007/008, Wykład r 7 48/44 Źródła a (KsiąŜ ąŝki): Źródła a (Iteret): Corme T.H., Leiserso Ch.E., Rivest R.L., Stei C.: Wprowadzeie do algorytmów. WNT, Warszawa, Rozdz..3. Projektowaie algorytmów (str. 7-36) Corme T.H., Leiserso Ch.E., Rivest R.L., Stei C.: Wprowadzeie do algorytmów. WNT, Warszawa, Rozdz. 4. Rekurecje (str ) Wróblewski P.: Algorytmy, struktury daych i techiki programowaia. Wydaie III, Helio, Gliwice, Rozdz.. Zaim wystartujemy (str. 9-8) Wróblewski P.: Algorytmy, struktury daych i techiki programowaia. Wydaie III, Helio, Gliwice, Rozdz.. Rekurecja (str. 9-5) Wróblewski P.: Algorytmy, struktury daych i techiki programowaia. Wydaie III, Helio, Gliwice, Rozdz. 9. Zaawasowae techiki programowaia (str. 09-7) - Algorytm - Dziel i zwycięŝaj - Programowaie dyamicze - Algorytm zachłay - Programowaie liiowe - Atak brute force - Algorytm probabilistyczy - Heurystyka - Rekurecja - ZłoŜoość obliczeiowa

Informatyka 1. Wykład nr 8 ( ) Plan wykładu nr 8. Politechnika Białostocka. - Wydział Elektryczny. Algorytm - definicje.

Informatyka 1. Wykład nr 8 ( ) Plan wykładu nr 8. Politechnika Białostocka. - Wydział Elektryczny. Algorytm - definicje. Rok akademicki 007/008, Wykład r 8 /8 Pla wykładu r 8 Iformatyka Politechika Białostocka - Wydział Elektryczy Elektrotechika, semestr II, studia iestacjoare I stopia (zaocze) Rok akademicki 007/008 Defiicje

Bardziej szczegółowo

Algorytmy komputerowe. dr inŝ. Jarosław Forenc

Algorytmy komputerowe. dr inŝ. Jarosław Forenc Rok akademicki 2009/2010, Wykład nr 8 2/24 Plan wykładu nr 8 Informatyka 1 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr II, studia niestacjonarne I stopnia Rok akademicki 2009/2010

Bardziej szczegółowo

Informatyka 1. Wykład nr 7 ( ) Politechnika Białostocka. - Wydział Elektryczny. dr inŝ. Jarosław Forenc

Informatyka 1. Wykład nr 7 ( ) Politechnika Białostocka. - Wydział Elektryczny. dr inŝ. Jarosław Forenc Informatyka 1 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr II, studia stacjonarne I stopnia Rok akademicki 2007/2008 Wykład nr 7 (09.06.2008) Rok akademicki 2007/2008, Wykład

Bardziej szczegółowo

Algorytmy komputerowe. dr inż. Jarosław Forenc

Algorytmy komputerowe. dr inż. Jarosław Forenc Rok akademicki 2010/2011, Wykład nr 9/10 2/38 Plan wykładu nr 9/10 Informatyka 1 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr II, studia niestacjonarne I stopnia Rok akademicki

Bardziej szczegółowo

Informatyka 1. Wykład nr 7 ( ) Politechnika Białostocka. - Wydział Elektryczny. dr inŝ. Jarosław Forenc

Informatyka 1. Wykład nr 7 ( ) Politechnika Białostocka. - Wydział Elektryczny. dr inŝ. Jarosław Forenc Informatyka 1 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr II, studia niestacjonarne I stopnia Rok akademicki 2008/2009 Wykład nr 7 (24.05.2009) Rok akademicki 2008/2009, Wykład

Bardziej szczegółowo

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. L. Baachowski, K. Diks, W. Rytter Algorytmy i struktury daych.

Bardziej szczegółowo

Algorytm. a programowanie -

Algorytm. a programowanie - Algorytm a programowanie - Program komputerowy: Program komputerowy można rozumieć jako: kod źródłowy - program komputerowy zapisany w pewnym języku programowania, zestaw poszczególnych instrukcji, plik

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WPISUJE ZDAJĄCY PESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INFORMATYKI

Bardziej szczegółowo

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych.

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych. Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. A. V. Aho, J.E. Hopcroft, J. D. Ullma - Projektowaie i aaliza

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki

Bardziej szczegółowo

3 Arytmetyka. 3.1 Zbiory liczbowe.

3 Arytmetyka. 3.1 Zbiory liczbowe. 3 Arytmetyka. 3.1 Zbiory liczbowe. Bóg stworzył liczby aturale, wszystko ie jest dziełem człowieka. Leopold Kroecker Ozaczeia: zbiór liczb aturalych: N = {1, 2,...} zbiór liczb całkowitych ieujemych: N

Bardziej szczegółowo

Parametryzacja rozwiązań układu równań

Parametryzacja rozwiązań układu równań Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie

Bardziej szczegółowo

Egzamin maturalny z informatyki Poziom rozszerzony część I

Egzamin maturalny z informatyki Poziom rozszerzony część I Zadaie 1. Długość apisów biarych (7 pkt) Opisaa poiżej fukcja rekurecyja wyzacza, dla liczby aturalej 0, długość apisu uzyskaego przez sklejeie biarych reprezetacji liczb aturalych od 1 do 1. ukcja krok

Bardziej szczegółowo

Ciągi liczbowe wykład 3

Ciągi liczbowe wykład 3 Ciągi liczbowe wykład 3 dr Mariusz Grządziel semestr zimowy, r akad 204/205 Defiicja ciągu liczbowego) Ciagiem liczbowym azywamy fukcję odwzorowuja- ca zbiór liczb aturalych w zbiór liczb rzeczywistych

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

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

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 1 Algorytmy sortowania (27.02.

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 1 Algorytmy sortowania (27.02. Poiedziałki 11.45 Grupa I3 Iformatyka a wydziale Iformatyki Politechika Pozańska Algorytmy I Struktury Daych Prowadząca: dr Hab. iż. Małgorzata Stera Sprawozdaie do Ćwiczeia 1 Algorytmy sortowaia (27.2.12)

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

Wstęp do informatyki. System komputerowy. Magistrala systemowa. Magistrala systemowa (System Bus) Architektura komputera

Wstęp do informatyki. System komputerowy. Magistrala systemowa. Magistrala systemowa (System Bus) Architektura komputera System komputerowy systemowa (System Bus) Wstęp do iformatyki Architektura komputera Cezary Bolek cbolek@ki.ui.lodz.pl Uiwersytet Łódzki Wydział Zarządzaia Katedra Iformatyki Pamięć operacyja ROM, Jedostka

Bardziej szczegółowo

METODY OPISU ALGORYTMÓW KOMPUTEROWYCH

METODY OPISU ALGORYTMÓW KOMPUTEROWYCH Wydział Elektryczny Katedra Elektrotechniki Teoretycznej i Metrologii Instrukcja do pracowni z przedmiotu Podstawy Informatyki Kod przedmiotu: TS1C 100 003 Ćwiczenie pt. METODY OPISU ALGORYTMÓW KOMPUTEROWYCH

Bardziej szczegółowo

Teoria obliczeń: ciągi, notacja 0. Wykład 7

Teoria obliczeń: ciągi, notacja 0. Wykład 7 Teoria obliczeń: ciągi, otacja 0 Wykład 7 Ο( log ) Σ Ciąg to fukcja określoa a zbiorze liczb aturalych N a, a,..., a 1, a, a 1,... N Ciąg opisuje się jako listę: 1 + w której dla każdej liczby aturalej

Bardziej szczegółowo

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji http://www.ii.ui.wroc.pl/ sle/teachig/a-apr.pdf Aaliza umerycza Staisław Lewaowicz Grudzień 007 r. Aproksymacja fukcji Pojęcia wstępe Defiicja. Przestrzeń liiową X (ad ciałem liczb rzeczywistych R) azywamy

Bardziej szczegółowo

I. Podzielność liczb całkowitych

I. Podzielność liczb całkowitych I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc

Bardziej szczegółowo

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 3 Algorytmy grafowe ( )

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 3 Algorytmy grafowe ( ) Poiedziałki 11.45 Grupa I3 Iformatyka a wydziale Iformatyki Politechika Pozańska Algorytmy I Struktury Daych Prowadząca: dr Hab. iż. Małgorzata Stera Sprawozdaie do Ćwiczeia 3 Algorytmy grafowe (26.03.12)

Bardziej szczegółowo

Matematyka. Zakres podstawowy. Nawi zanie do gimnazjum. n/m Rozwi zywanie zada Zadanie domowe Dodatkowe Komunikaty Bie ce materiały

Matematyka. Zakres podstawowy. Nawi zanie do gimnazjum. n/m Rozwi zywanie zada Zadanie domowe Dodatkowe Komunikaty Bie ce materiały Lekcja 1. Lekcja orgaizacyja kotrakt Podręczik: W. Babiański, L. Chańko, D. Poczek Mateatyka. Zakres podstawowy. Wyd. Nowa Era. Zakres ateriału: Liczby rzeczywiste Wyrażeia algebraicze Rówaia i ierówości

Bardziej szczegółowo

Scenariusz lekcji: Kombinatoryka utrwalenie wiadomości

Scenariusz lekcji: Kombinatoryka utrwalenie wiadomości Sceariusz lekcji: Kombiatoryka utrwaleie wiadomości 1 1. Cele lekcji a) Wiadomości Uczeń: za pojęcia: permutacja, wariacja i kombiacja, zdarzeie losowe, prawdopodobieństwo, za iezbęde wzory. b) Umiejętości

Bardziej szczegółowo

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3: Szereg geometryczy Zad : Suma wszystkich wyrazów ieskończoego ciągu geometryczego jest rówa 4, a suma trzech początkowych wyrazów wyosi a) Zbadaj mootoiczość ciągu sum częściowych tego ciągu geometryczego

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

KADD Metoda najmniejszych kwadratów Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Metody Obliczeniowe w Nauce i Technice laboratorium

Metody Obliczeniowe w Nauce i Technice laboratorium Marci Rociek Iformatyka, II rok Metody Obliczeiowe w Nauce i Techice laboratorium zestaw 1: iterpolacja Zadaie 1: Zaleźć wzór iterpolacyjy Lagrage a mając tablicę wartości: 3 5 6 y 1 3 5 6 Do rozwiązaia

Bardziej szczegółowo

Struktura i funkcjonowanie komputera struktura połączeń, magistrala, DMA systemy pamięci komputerowych hierarchia pamięci, pamięć podręczna

Struktura i funkcjonowanie komputera struktura połączeń, magistrala, DMA systemy pamięci komputerowych hierarchia pamięci, pamięć podręczna Rok akademicki 2009/2010, Wykład nr 7 2/56 Plan wykładu nr 7 Informatyka 1 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr II, studia stacjonarne I stopnia Rok akademicki 2009/2010

Bardziej szczegółowo

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

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

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

Rozsądny i nierozsądny czas działania

Rozsądny i nierozsądny czas działania ZŁOŻONOŚĆ OBLICZENIOWA Wyzaczaie złożoości obliczeiowej dokładej i asymptotyczej Złożoość obliczeiowa algorytmów Chcemy podać miarodają oceę efektywości algorytmu, abstrahując od komputera, techiki (języka)

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Chemia Teoretyczna I (6).

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

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

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

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rekursja Materiały pomocicze do wykładu wykładowca: dr Magdalea Kacprzak Rozwiązywaie rówań rekurecyjych Jedorode liiowe rówaia rekurecyje Twierdzeie Niech k będzie ustaloą liczbą aturalą dodatią i iech

Bardziej szczegółowo

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

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

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

Bardziej szczegółowo

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne D o u ż y t k u w e w ę t r z e g o Katedra Iżyierii i Aparatury Przemysłu Spożywczego POMIARY WARSZTATOWE Ćwiczeia laboratoryje Opracowaie: Urszula Goik, Maciej Kabziński Kraków, 2015 1 SUWMIARKI Suwmiarka

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem) D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Definicja interpolacji

Definicja interpolacji INTERPOLACJA Defiicja iterpolacji Defiicja iterpolacji 3 Daa jest fukcja y = f (x), x[x 0, x ]. Zamy tablice wartości tej fukcji, czyli: f ( x ) y 0 0 f ( x ) y 1 1 Defiicja iterpolacji Wyzaczamy fukcję

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

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

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

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

Bardziej szczegółowo

Informatyka 1. Wykład nr 6 ( ) Plan wykładu nr 6. Politechnika Białostocka. - Wydział Elektryczny. Architektura von Neumanna

Informatyka 1. Wykład nr 6 ( ) Plan wykładu nr 6. Politechnika Białostocka. - Wydział Elektryczny. Architektura von Neumanna Rok akademicki 2008/2009, Wykład nr 6 2/61 Plan wykładu nr 6 Informatyka 1 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr II, studia stacjonarne I stopnia Rok akademicki 2008/2009

Bardziej szczegółowo

Efektywna metoda sortowania sortowanie przez scalanie

Efektywna metoda sortowania sortowanie przez scalanie Efektywna metoda sortowania sortowanie przez scalanie Rekurencja Dla rozwiązania danego problemu, algorytm wywołuje sam siebie przy rozwiązywaniu podobnych podproblemów. Metoda dziel i zwycięŝaj Dzielimy

Bardziej szczegółowo

Wstęp do programowania INP001213Wcl rok akademicki 2017/18 semestr zimowy. Wykład 1. Karol Tarnowski A-1 p.

Wstęp do programowania INP001213Wcl rok akademicki 2017/18 semestr zimowy. Wykład 1. Karol Tarnowski A-1 p. Wstęp do programowania INP001213Wcl rok akademicki 2017/18 semestr zimowy Wykład 1 Karol Tarnowski karol.tarnowski@pwr.edu.pl A-1 p. 411B Plan wykładów (1) Algorytmy i programy Proste typy danych Rozgałęzienia

Bardziej szczegółowo

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem: Relacje rekurecyje Defiicja: Niech =,,,... będzie astępująco zdefiiowaym ciągiem: () = r, = r,..., k = rk, gdzie r, r,..., r k są skalarami, () dla k, = a + a +... + ak k, gdzie a, a,..., ak są skalarami.

Bardziej szczegółowo

2. Schemat ideowy układu pomiarowego

2. Schemat ideowy układu pomiarowego 1. Wiadomości ogóle o prostowikach sterowaych Układy prostowikowe sterowae są przekształtikami sterowaymi fazowo. UmoŜliwiają płya regulację średiej wartości apięcia wyprostowaego, a tym samym średiej

Bardziej szczegółowo

MATURA 2014 z WSiP. Zasady oceniania zadań

MATURA 2014 z WSiP. Zasady oceniania zadań MATURA 0 z WSiP Matematyka Poziom rozszerzoy Zasady oceiaia zadań Copyright by Wydawictwa Szkole i Pedagogicze sp z oo, Warszawa 0 Matematyka Poziom rozszerzoy Kartoteka testu Numer zadaia Sprawdzaa umiejętość

Bardziej szczegółowo

2.8. Algorytmy, schematy, programy

2.8. Algorytmy, schematy, programy https://app.wsipnet.pl/podreczniki/strona/38766 2.8. Algorytmy, schematy, programy DOWIESZ SIĘ co oznaczają pojęcia: algorytm, schemat blokowy, język programowania, jakie są sposoby obliczania największego

Bardziej szczegółowo

1.3. Największa liczba naturalna (bez znaku) zapisana w dwóch bajtach to a) b) 210 c) d) 32767

1.3. Największa liczba naturalna (bez znaku) zapisana w dwóch bajtach to a) b) 210 c) d) 32767 Egzami maturaly z iformatyki Zadaie. (0 pkt) Każdy z puktów tego zadaia zawiera stwierdzeie lub pytaie. Zazacz (otaczając odpowiedią literę kółkiem) właściwą kotyuację zdaia lub poprawą odpowiedź. W każdym

Bardziej szczegółowo

Algorytmy i złożoność obliczeniowa. Wojciech Horzelski

Algorytmy i złożoność obliczeniowa. Wojciech Horzelski Algorytmy i złożoność obliczeniowa Wojciech Horzelski 1 Tematyka wykładu Ø Ø Ø Ø Ø Wprowadzenie Poprawność algorytmów (elementy analizy algorytmów) Wyszukiwanie Sortowanie Elementarne i abstrakcyjne struktury

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

Bardziej szczegółowo

Zapisywanie algorytmów w języku programowania

Zapisywanie algorytmów w języku programowania Temat C5 Zapisywanie algorytmów w języku programowania Cele edukacyjne Zrozumienie, na czym polega programowanie. Poznanie sposobu zapisu algorytmu w postaci programu komputerowego. Zrozumienie, na czym

Bardziej szczegółowo

Podstawy Informatyki. Inżynieria Ciepła, I rok. Wykład 7 Algorytmy

Podstawy Informatyki. Inżynieria Ciepła, I rok. Wykład 7 Algorytmy Podstawy Informatyki Inżynieria Ciepła, I rok Wykład 7 Algorytmy Programowanie Sformułowanie problemu. Opracowanie metodyki rozwiązania. Opracowanie algorytmu. Napisanie kodu źródłowego (zakodowanie) w

Bardziej szczegółowo

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11 Matematyka I Bezpieczeństwo jądrowe i ochroa radiologicza Semestr zimowy 2018/2019 Wykład 11 Całka ozaczoa podstawowe pojęcia Defiicja podziału odcika Podziałem P odcika < a, b > a części azywamy zbiór

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

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

Bardziej szczegółowo

Technologie informacyjne - wykład 12 -

Technologie informacyjne - wykład 12 - Zakład Fizyki Budowli i Komputerowych Metod Projektowania Instytut Budownictwa Wydział Budownictwa Lądowego i Wodnego Politechnika Wrocławska Technologie informacyjne - wykład 12 - Prowadzący: Dmochowski

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

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

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

UKŁADY RÓWNAŃ LINOWYCH Ekoeergetyka Matematyka. Wykład 4. UKŁADY RÓWNAŃ LINOWYCH Defiicja (Układ rówań liiowych, rozwiązaie układu rówań) Układem m rówań liiowych z iewiadomymi,,,, gdzie m, azywamy układ rówań postaci: a a a

Bardziej szczegółowo

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1 Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.

Bardziej szczegółowo

Podprzestrzenie macierzowe

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

Bardziej szczegółowo

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG Tomasz ŚWIĘTOŃ 1 TRANSFORMACJA DO UKŁADU 2000 A ROBLEM ZGODNOŚCI Z RG Na mocy rozporządzeia Rady Miistrów w sprawie aństwowego Systemu Odiesień rzestrzeych już 31 grudia 2009 roku upływa termi wykoaia

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.6.6, godz. 9:-: Zadaie. puktów) Wyzaczyć wszystkie rozwiązaia rówaia z i w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej bez używaia fukcji trygoometryczych) oraz zazaczyć

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

3. Wzory skróconego mnożenia, działania na wielomianach. Procenty. Elementy kombinatoryki: dwumian Newtona i trójkąt Pascala. (c.d.

3. Wzory skróconego mnożenia, działania na wielomianach. Procenty. Elementy kombinatoryki: dwumian Newtona i trójkąt Pascala. (c.d. Jarosław Wróblewski Matematyka dla Myślących 009/10 3 Wzory skrócoego możeia działaia a wielomiaach Procety Elemety kombiatoryki: dwumia Newtoa i trójkąt Pascala (cd) paździerika 009 r 0 Skometować frgmet

Bardziej szczegółowo

Definicje. Algorytm to:

Definicje. Algorytm to: Algorytmy Definicje Algorytm to: skończony ciąg operacji na obiektach, ze ściśle ustalonym porządkiem wykonania, dający możliwość realizacji zadania określonej klasy pewien ciąg czynności, który prowadzi

Bardziej szczegółowo

ALGORYTMY Algorytm poprawny jednoznaczny szczegółowy uniwersalny skończoność efektywność (sprawność) zmiennych liniowy warunkowy iteracyjny

ALGORYTMY Algorytm poprawny jednoznaczny szczegółowy uniwersalny skończoność efektywność (sprawność) zmiennych liniowy warunkowy iteracyjny ALGORYMY Algorytm to przepis; zestawienie kolejnych kroków prowadzących do wykonania określonego zadania; to uporządkowany sposób postępowania przy rozwiązywaniu zadania, problemu, z uwzględnieniem opisu

Bardziej szczegółowo

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wektory Fukcje rzeczywiste wielu zmieych rzeczywistych Matematyka Studium doktorackie KAE SGH Semestr leti 2008/2009 R. Łochowski Wektory pukty w przestrzei R Przestrzeń R to zbiór uporządkowaych -ek liczb

Bardziej szczegółowo

Podprzestrzenie macierzowe

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

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik Pierwiastki z liczby zespoloej Autorzy: Agieszka Kowalik 09 Pierwiastki z liczby zespoloej Autor: Agieszka Kowalik DEFINICJA Defiicja : Pierwiastek z liczby zespoloej Niech będzie liczbą aturalą. Pierwiastkiem

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Podstawy i języki programowania

Podstawy i języki programowania Podstawy i języki programowania Laboratorium 1 - wprowadzenie do przedmiotu mgr inż. Krzysztof Szwarc krzysztof@szwarc.net.pl Sosnowiec, 16 października 2017 1 / 25 mgr inż. Krzysztof Szwarc Podstawy i

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r. Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca

Bardziej szczegółowo

Programowanie proceduralne INP001210WL rok akademicki 2017/18 semestr letni. Wykład 3. Karol Tarnowski A-1 p.

Programowanie proceduralne INP001210WL rok akademicki 2017/18 semestr letni. Wykład 3. Karol Tarnowski A-1 p. Programowanie proceduralne INP001210WL rok akademicki 2017/18 semestr letni Wykład 3 Karol Tarnowski karol.tarnowski@pwr.edu.pl A-1 p. 411B Plan prezentacji (1) Co to jest algorytm? Zapis algorytmów Algorytmy

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW Wydział Elektryczy Zespół Automatyki (ZTMAiPC) ZERiA LABORATORIUM MODELOWANIA I SYMULACJI Ćwiczeie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW I. Cel ćwiczeia Celem ćwiczeia jest zapozaie

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

1 Wprowadzenie do algorytmiki

1 Wprowadzenie do algorytmiki Teoretyczne podstawy informatyki - ćwiczenia: Prowadzący: dr inż. Dariusz W Brzeziński 1 Wprowadzenie do algorytmiki 1.1 Algorytm 1. Skończony, uporządkowany ciąg precyzyjnie i zrozumiale opisanych czynności

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

METODY NUMERYCZNE dr inż. Mirosław Dziewoński Metody Numerycze METODY NUMERYCZNE dr iż. Mirosław Dziewoński e-mail: miroslaw.dziewoski@polsl.pl Pok. 151 Wykład /1 Metody Numerycze Aproksymacja fukcji jedej zmieej Wykład / Aproksymacja fukcji jedej

Bardziej szczegółowo

SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE

SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE Autoreferat rozprawy doktorskiej SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE mgr iŝ. Jausz Rybarski PROMOTOR:

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

INFORMATYKA W CHEMII Dr Piotr Szczepański INFORMATYKA W CHEMII Dr Piotr Szczepański Katedra Chemii Fizyczej i Fizykochemii Polimerów WPROWADZENIE DO STATYSTYCZNEJ OCENY WYNIKÓW DOŚWIADCZEŃ 1. BŁĄD I STATYSTYKA błąd systematyczy, błąd przypadkowy,

Bardziej szczegółowo