Rozpoznawanie kodów splotowych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Rozpoznawanie kodów splotowych"

Transkrypt

1 Buletyn WAT Vol. LV, Numer specjalny, 2006 Rozpoznawane kodów splotowych LESZEK NOWOSIELSKI, BARTOSZ ORLIŃSKI Wojskowa Akadema Technczna, Wydzał Elektronk, Instytut Telekomunkacj, Warszawa, ul. S. Kalskego 2 Streszczene. Na wstępe referatu przedstawono krótk ops dekodowana kodów splotowych za pomocą algorytmu Vterbego. Przedstawono metodę automatycznego rozpoznawana rodzaju kodu splotowego, bazującą na montorowanu wartośc metryk śceżek podczas pracy dekodera Vterbego. Przedstawono wynk pomaru efektywnośc pracy zaproponowanego algorytmu rozpoznawana kodów splotowych uzyskane metodą symulacj komputerowych. Słowa kluczowe: telekomunkacja, kanały radowe, rozpoznawane, kody splotowe, algorytm Vterbego Symbole UKD: Wstęp W określonych aplkacjach wymagane jest automatyczne rozpoznawane, demodulowane dekodowane wykorzystywanych w systemach radowych protokołów transmsyjnych. Każdy radowy system transmsyjny cechuje sę określonym, specyfcznym tylko dla nego parametram transmsj. Z punktu wdzena operatora urządzena do automatycznego rozpoznawana dekodowana protokołów radowych ważne jest, aby urządzene to w sposób automatyczny rozpoznało parametry cechujące dany protokół transmsyjny. Po właścwym rozpoznanu zastosowanego systemu transmsj danych urządzene pownno przejść do procesu dekodowana przekazywanej nformacj zgodne z regułam specyfcznym dla rozpoznanego systemu transmsyjnego. Jednym z elementów składowych urządzena do automatycznego rozpoznawana dekodowana protokołów radowych jest blok realzujący rozpoznawane kodów splotowych wykorzystywanych do korekcyjnego zabezpeczena transmsj danych.

2 94 L. Nowoselsk, B. Orlńsk W ponższym artykule przedstawono propozycję metody automatycznego rozpoznawana rodzaju kodu splotowego. 2. Kody splotowe ch dekodowane O dużej popularnośc kodów splotowych śwadczy fakt produkcj scalonych koderów dekoderów kodów splotowych przez take frmy, jak QALCOMM czy STANFORD TELECOM. Wyroby te chętne wykorzystuje sę w systemach korekcj błędów urządzeń radokomunkacyjnych. Celowe jest węc zamplementowane w urządzenach do automatycznego rozpoznawana dekodowana radowych protokołów transmsyjnych algorytmu, który pozwol na automatyczne rozpoznawane tego rodzaju kodów. O tym, że kody splotowe stały sę w ostatnch latach standardem śwadczy ch zastnene w norme wojskowej dotyczącej modemów KF. Zbór bnarnych kodów splotowych posadających maksymalny odstęp swobodny d free jest dostępny w lteraturze fachowej. Optymalną metodą dekodowana kodów splotowych mnmalzującą prawdopodobeństwo błędu decyzj dekodera jest dekodowane zgodne z regułą najwększego prawdopodobeństwa, przy założenu, że wszystke wadomośc są jednakowo prawdopodobne. Regułę tę w przypadku kodów splotowych realzuje algorytm Vterbego. Algorytm realzuje ten proces dekodowana przez wybór śceżk w wykrese kratowym, opsującym dzałane kodera, dla której cąg zakodowany różn sę od cągu odebranego na najmnejszej lczbe mejsc na śceżce. Algorytm jest wykonywany przez oblczane metryk dla każdej możlwej śceżk w wykrese kratowym. Metryka dla konkretnej śceżk jest zdefnowana odległoścą Hammnga mędzy cągem kodowym wyznaczonym przez daną śceżkę a cągem odebranym. Tak węc dla każdego węzła kraty algorytm porównuje śceżk wchodzące do węzła. Wyberana jest śceżka o najmnejszej metryce. Oblczena są powtarzane dla każdego pozomu w wykrese kratowym w zakrese pamęc dekodera. Śceżk wybrane przez algorytm noszą nazwę śceżek ocalonych. W trakce pracy dekoder prowadz przez wykres kratowy tyle śceżek, le stanów posada koder. 3. Automatyczne rozpoznawane kodów splotowych 3.1. Algorytm automatycznego rozpoznawana kodów splotowych Warunkem poprawnej pracy dekodera Vterbego kodu splotowego jest znajomość po strone odborczej rodzaju kodu wykorzystywanego do zakodowana odberanej sekwencj cągów kodowych. Jeśl zna sę rodzaj kodu, można w sposób prawdłowy określć postać wykresu kratowego kodera, na podstawe którego dekoder Vterbego będze dekodował napływający strumeń cągów kodowych.

3 Rozpoznawane kodów splotowych 95 Do określena postac wykresu kratowego potrzebna jest znajomość następujących parametrów kodera kodu splotowego: lość komórek rejestru przesuwnego kodera m; lość btów nformacyjnych podawanych na wejśce kodera na jednostkę czasu k; lość btów kodowych otrzymywanych na wyjścu kodera na jednostkę czasu n; postać wektora połączeń kodera g. Aby dekoder Vterbego dzałał poprawne, koneczne jest także uzyskane synchronzacj z napływającym strumenem cągów kodowych. Metoda automatycznego rozpoznawana rodzaju kodu polega na montorowanu wartośc przyrostu metryk śceżek, na odcnku o długośc l gałęz wykresu kratowego, które przeżyły podczas pracy dekodera Vterbego. Jeżel wartość metryk j-tej śceżk w -tym (-l)-tym kroku dekodowana oznaczymy odpowedno przez ( j ) ( j), to wówczas przyrost wartośc metryk -tej śceżk przypadający na l l gałęz jest opsany wzorem =. (1) ( j) ( j) ( j) l, l W przypadku gdy dekoder Vterbego wylcza przyrosty metryk śceżek bazując na wykrese kratowym odpowadającym koderow splotowemu, który został użyty do wygenerowana odberanej sekwencj cągów kodowych, przyrosty metryk odpowadające jednej ze śceżek będą mały wartość dużo wększą od przyrostów odpowadających pozostałym śceżkom, które przeżyły podczas pracy dekodera. Wartość przyrostu metryk domnującej śceżk pownna wynosć = l n, (2) ( j) l, gdze: l montorowana lczba gałęz wykresu kratowego kodera; n lczba btów kodowych odpowadająca jednej gałęz wykresu kratowego kodera. W przypadku gdy dekoder Vterbego wylcza przyrosty metryk śceżek bazując na wykrese kratowym neodpowadającym koderow splotowemu, który został użyty do wygenerowana odberanej sekwencj cągów kodowych, przyrosty metryk wszystkch śceżek, które przeżyły podczas pracy dekodera Vterbego będą mały ( j) małą wartość l,. Dla przypadku gdy dekoder Vterbego wylcza przyrosty metryk śceżek bazując na wykrese kratowym odpowadającym koderow splotowemu, który został użyty do wygenerowana odberanej sekwencj cągów kodowych, oraz gdy sekwencja cągów kodowych zostane przesłana przez kanał zarnsty, w którym występują błędy nezależne z prawdopodobeństwem p, sytuacja opsana powyżej powtórzy

4 96 L. Nowoselsk, B. Orlńsk sę, z tą różncą, że wartość przyrostu metryk śceżk domnującej będze mnejsza od wartośc określonej zależnoścą (2). Różnca pomędzy tym wartoścam będze tym wększa, m wększe będze prawdopodobeństwo występowana błędów w kanale zarnstym. Opsana powyżej zależność przyrostu metryk śceżek, wylczanych podczas pracy dekodera Vterbego, od rodzaju wykresu kratowego (rodzaju kodu), na baze którego są one wylczane może zostać wykorzystana do automatycznego rozpoznawana kodu splotowego, który został wykorzystany do zakodowana odberanych sekwencj cągów kodowych. Procedura wykrywana kodu splotowego wskaże dopasowane określonego wykresu kratowego (kodu splotowego) do odberanej sekwencj cągów kodowych gdy l, t dla jednej ze śceżek, które przeżyły, gdze t jest wartoścą progową, której wartość została dobrana dla określonego kanału. Wartość parametru t pownna być mnejsza od l n. Dolna granca wartośc parametru t zależy od wartośc prawdopodobeństwa występowana błędów w kanale zarnstym. Im wększa jest wartość prawdopodobeństwa występowana błędów w kanale zarnstym, tym mnejsza pownna być wartość t. Zbór rodzaju kodów splotowych testowanych podczas pracy procedury rozpoznawana kodu splotowego może być ogranczony do kodów, których kodery dekodery są produkowane w postac układów scalonych, poneważ te kody występują najczęścej w praktyce. Dekoder kodu splotowego może dzałać prawdłowo tylko przy założenu prawdłowo dzałającej synchronzacj. Nepoprawne skojarzene odberanych btów z btam przyporządkowanym odpowednm gałęzom w wykrese kratowym kodera spowodowałoby bardzo dużą lczbę błędów. Aby tego unknąć, stosowane są w praktyce złożone układy nadzorujące utrzymujące stan synchronzmu dekodera z napływającym strumenem symbol odebranych. Prostym sposobem uzyskwana synchronzacj jest montorowane wartośc przyrostu metryk śceżek, które przeżyły podczas pracy dekodera Vterbego. Realzuje sę to w sposób podobny jak opsane powyżej rozpoznawane kodów splotowych, z tą różncą, że ne zmena sę tutaj postac wykresu kratowego, natomast przesuwa sę cyklczne sekwencję odebranych symbol kodowych o jeden bt w stosunku do btów odpowadających poszczególnym gałęzom wykresu kratowego kodera. Po każdym takm przesunęcu dokonuje sę sprawdzena wartośc przyrostu metryk śceżek, na odcnku o długośc l gałęz wykresu kratowego, które przeżyły podczas pracy dekodera Vterbego. W przypadku synchronzacj odebranej sekwencj cągów kodowych z cągam kodowym odpowadającym poszczególnym gałęzom wykresu kratowego kodera, przyrosty metryk odpowadające jednej ze śceżek będą posadły wartość dużo wększą od przyrostów odpowadających pozostałym śceżkom, które mały podczas pracy dekodera. Wartość przyrostu metryk domnującej śceżk, w przypadku odebrana nezakłóconej sekwencj kodowej oraz w przypadku uzyskana synchronzacj jest określona zależnoścą (2).

5 Rozpoznawane kodów splotowych 97 Algorytm wyżej opsanej procedury automatycznego rozpoznawana kodów splotowych przedstawono na rysunku Ops eksperymentu symulacyjnego automatycznego rozpoznawana kodów splotowych W celu przebadana możlwośc automatycznego rozpoznawana kodów splotowych metodą montorowana wartośc przyrostu metryk śceżek, które przeżyły podczas pracy dekodera Vterbego, przeprowadzona została symulacja komputerowa pracy odpowednego kanału kodowego. W wynku przeprowadzonej symulacj komputerowej otrzymano dane statystyczne, które potwerdzły możlwość automatycznej detekcj rodzaju kodu splotowego tą metodą. We wszystkch symulacjach do generacj błędów powstałych w kanale zarnstym posłużono sę modelem kanału z błędam nezależnym BSC. Program symulacyjny został napsany w języku C++. W celu przebadana możlwośc wykrywana rodzaju kodu metodą montorowana wartośc przyrostu metryk śceżek, podczas pracy dekodera Vterbego przeprowadzono szereg symulacj komputerowych, w wynku których otrzymano dane statystyczne, które wykorzystano do oceny możlwośc wykrywana rodzaju kodu splotowego. W trakce eksperymentu symulacyjnego przebadano możlwość wykrywana kodów splotowych o stope kodu Rc = 1/2 Rc = 1/3. Jako kod wykrywany o stope kodu Rc = 1/2 został wykorzystany kod zalecany przez normę wojskową MIL-STD A o parametrach: lczba komórek rejestru przesuwnego kodera m = 7; lczba sumatorów modulo-2 wchodzących w skład kodera n = 2; wektory połączeń kodera zapsane w kodze bnarnym [ ], [ ]. Jako kod wykrywany o stope kodu Rc = 1/3 został wykorzystany kod, który jest standardem przemysłowym o parametrach: lczba komórek rejestru przesuwnego kodera m = 7; lczba sumatorów modulo-2 wchodzących w skład kodera n = 3; wektory połączeń kodera zapsane w kodze bnarnym [ ], [ ], [ ]. Zgodne z algorytmem pracy programu symulacyjnego, na początku każdej symulacj kodowano cąg bnarny danych wejścowych za pomocą jednego z kodów wymenonych powyżej. Następne do sekwencj cągów kodowych otrzymanych z wyjśca kodera wprowadzano błędy wygenerowane przez procedurę symulującą pracę kanału zarnstego. Zakłóconą sekwencję cągów kodowych poddawano następne obróbce przez procedurę automatycznego rozpoznawana kodu splotowego (rys. 1). Symulację przeprowadzono metodą Monte Carlo, w wynku której otrzymano średną wartość przyrostu metryk śceżk przypadającą na l gałęz wykresu

6 98 L. Nowoselsk, B. Orlńsk Rys. 1. Algorytm automatycznego rozpoznawana kodów splotowych

7 Rozpoznawane kodów splotowych 99 kratowego kodera oraz odchylene standardowe wartośc przyrostu metryk śceżk :. W wynku symulacj otrzymano wartośc tych parametrów w funkcj: rodzaju testowanego kodu (rodzaj kodu dla uproszczena zapsu zaznaczano lczbą komórek rejestru przesuwnego kodera m); lczby l gałęz wykresu kratowego służących do oceny przyrostu metryk śceżk; prawdopodobeństwa wystąpena błędu w kanale zarnstym p; zawartośc nformacyjnej kodu. Na rysunku 2 przedstawono wartość przyrostu metryk śceżk przypadającą na l = 5 gałęz wykresu kratowego kodera w funkcj rodzaju testowanego kodu, oznaczanego lczbą komórek rejestru przesuwnego kodera m, dla kodów o zawartośc nformacyjnej R = 1/3. Z tego wykresu wdać, że w przypadku gdy testowany przez procedurę rozpoznawana kod jest zgodny z kodem zastosowanym do zakodowana odberanej sekwencj kodowej wartość parametru przyjmuje wartość dużo wększą od wartośc przypadających dla pozostałych testowanych kodów splotowych. Różnca ta jest tym wększa, m mnejsze jest prawdopodobeństwo wystąpena błędu w kanale zarnstym p. W przypadku nezakłóconej sekwencj ( j) kodowej (p = 0) wartość przyrostu metryk śceżk wynos = l n = 5 3 = 15. l, Rys. 2. Wartość przyrostu metryk śceżk jej odchylene standardowe przypadające na l = 5 gałęz wykresu kratowego kodera w funkcj lczby komórek rejestru przesuwnego kodera m dla kodów o stope kodu R = 1/3

8 100 L. Nowoselsk, B. Orlńsk Na rysunku 2 przedstawono także odchylene standardowe wartośc przyrostu metryk śceżk :. Wartość odchylena standardowego w przypadku kodów nezgodnych z kodem zastosowanym do zakodowana odberanej sekwencj kodowej jest w przyblżenu stała. W przypadku zgodnośc testowanego kodu z kodem odberanym wartość odchylena standardowego maleje w funkcj zmnejszających sę wartośc prawdopodobeństwa wystąpena błędu w kanale zarnstym p. Na rysunku 3 przedstawono wartość przyrostu metryk śceżk przypadającą na l = 5 gałęz wykresu kratowego kodera oraz jej odchylene standardowe w funkcj lczby komórek rejestru przesuwnego kodera m dla kodów o zawartośc nformacyjnej R = 1/2. Z tego wykresu wynka, że w przypadku gdy testowany przez procedurę rozpoznawana kod jest zgodny z kodem zastosowanym do zakodowana odberanej sekwencj kodowej, wartość parametru przyjmuje wartość dużo wększą od wartośc przypadających dla pozostałych testowanych kodów splotowych. Wartość maksymalna parametru dla kodu o zawartośc nformacyjnej ( j) R = 1/2 l = 5 wynos l, = l n = 5 2 = 10. W przypadku zwększena wartośc parametru l wartość przyrostu metryk śceżk równeż ulegne zwększenu. Można to zauważyć na rysunku 4. Rys. 3. Wartość przyrostu metryk śceżk jej odchylene standardowe przypadające na l = 5 gałęz wykresu kratowego kodera w funkcj lczby komórek rejestru przesuwnego kodera m dla kodów o stope kodu R = 1/2

9 Rozpoznawane kodów splotowych 101 Rys. 4. Wartość przyrostu metryk śceżk jej odchylene standardowe przypadające na l = 10 gałęz wykresu kratowego kodera w funkcj lczby komórek rejestru przesuwnego kodera m dla kodów o stope kodu R = 1/3 4. Wnosk Zaproponowany w artykule algorytm automatycznego rozpoznawana kodów splotowych, polegający na montorowanu wartośc przyrostu metryk śceżek podczas pracy dekodera Vterbego, posada następujące cechy: wraz ze wzrostem lczby l gałęz wykresu kratowego, służących do oceny przyrostu metryk śceżk, rośne różnca pomędzy przyrostem wartośc metryk śceżk dla kodu dopasowanego a przyrostem wartośc metryk śceżk dla kodów nedopasowanych. Dla dużych wartośc parametru l łatwej jest węc odróżnć kod dopasowany od kodu nedopasowanego; wraz ze wzrostem wartośc parametru l rośne opóźnene wprowadzane przez układ automatycznego rozpoznawana kodów splotowych; wartość progowa t przyrostu metryk śceżk, przypadająca na l gałęz wykresu kratowego kodera, służąca do detekcj rodzaju kodu pownna być mnejsza od l n. Dolna granca wartośc parametru t zależy od wartośc prawdopodobeństwa występowana błędów w kanale zarnstym. Im

10 102 L. Nowoselsk, B. Orlńsk wększa jest wartość prawdopodobeństwa występowana błędów w kanale zarnstym, tym mnejsza pownna być wartość t; w celu zmnejszena czasu potrzebnego na rozpoznane kodu splotowego należy ogranczyć lczbę testowanych kodów splotowych do nezbędnego mnmum (kodów najczęścej spotykanych w praktyce); dla poprawnego funkcjonowana procedury rozpoznawana kodów splotowych koneczne jest uzyskane poelementowej synchronzacj z odebraną sekwencją cągów kodowych. Artykuł wpłynął do redakcj r. Zweryfkowaną wersję po recenzj otrzymano r. LITERATURA [1] L. Nowoselsk, Efektywność kodów splotowych w kanałach zakresu krótkofalowego, rozprawa doktorska, WAT, [2] Norma MIL-STD A. [3] L. H. Charles Lee, Convolutonal codng Fundamentals and applcatons, [4] L. Nowoselsk, Komputerowa symulacja pracy kanału kodowego zawerającego koder dekoder kodu splotowego. Systemy łącznośc nformatyk na potrzeby obrony bezpeczeństwa RP, KNSŁ-96, Zegrze 2-4 paźdzernka L. NOWOSIELSKI, B. ORLIŃSKI Recognton of convoluton codes Abstract. At frst, short descrpton of Vterb algorthm for convoluton codes decodng s gven. Next, a method of automatc convoluton codes recognton, based on montorng of the survvng paths metrcs of Vterb algorthm, and ts performance are presented. Performance of the proposed algorthm for automatc convoluton codes recognton was evaluated usng computer smulaton. Keywords: telecommuncaton, rado channels, recognton, convoluton codes, Vterb algorthm Unversal Decmal Classfcaton:

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW

STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW Źródło Kompresja Kanał transmsj sek wdeo 60 Mbt 2 mn muzyk (44 00 próbek/sek, 6 btów/próbkę) 84 Mbt Dekompresja Odborca. Metody bezstratne 2. Metody stratne 2 Kodowane

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

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

Kodowanie informacji. Instytut Informatyki UWr Studia wieczorowe. Wykład nr 2: rozszerzone i dynamiczne Huffmana

Kodowanie informacji. Instytut Informatyki UWr Studia wieczorowe. Wykład nr 2: rozszerzone i dynamiczne Huffmana Kodowane nformacj Instytut Informatyk UWr Studa weczorowe Wykład nr 2: rozszerzone dynamczne Huffmana Kod Huffmana - nemłe przypadk... Nech alfabet składa sę z 2 lter: P(a)=1/16 P(b)=15/16 Mamy H(1/16,

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

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

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ)

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ) Załącznk nr 1C do Umowy nr.. z dna.2014 r. ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymane Systemu Kop Zapasowych (USKZ) 1 INFORMACJE DOTYCZĄCE USŁUGI 1.1 CEL USŁUGI: W ramach Usług Usługodawca zobowązany jest

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

Realizacja logiki szybkiego przeniesienia w prototypie prądowym układu FPGA Spartan II

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

Bardziej szczegółowo

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO 3. ŁUK ELEKTRYCZNY PRĄDU STŁEGO I PRZEMIENNEGO 3.1. Cel zakres ćwczena Celem ćwczena jest zapoznane sę z podstawowym właścwoścam łuku elektrycznego palącego sę swobodne, w powetrzu o cśnentmosferycznym.

Bardziej szczegółowo

Diagnostyka układów kombinacyjnych

Diagnostyka układów kombinacyjnych Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane

Bardziej szczegółowo

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 4 60-965 POZAŃ (budynek Centrum Mechatronk, Bomechank anonżyner) www.zmsp.mt.put.poznan.pl tel. +48 61 665 5 70 fax

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

architektura komputerów w. 3 Arytmetyka komputerów

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

Bardziej szczegółowo

LABORATORIUM PODSTAW ELEKTROTECHNIKI Badanie obwodów prądu sinusoidalnie zmiennego

LABORATORIUM PODSTAW ELEKTROTECHNIKI Badanie obwodów prądu sinusoidalnie zmiennego Ćwczene 1 Wydzał Geonżyner, Górnctwa Geolog ABORATORUM PODSTAW EEKTROTECHNK Badane obwodów prądu snusodalne zmennego Opracował: Grzegorz Wśnewsk Zagadnena do przygotowana Ops elementów RC zaslanych prądem

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Sprawozdanie powinno zawierać:

Sprawozdanie powinno zawierać: Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Zmodyfikowana technika programowania dynamicznego

Zmodyfikowana technika programowania dynamicznego Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Regulamin promocji zimowa piętnastka

Regulamin promocji zimowa piętnastka zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna

Bardziej szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb

Bardziej szczegółowo

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego. RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu

Bardziej szczegółowo

Opracowanie metody predykcji czasu życia baterii na obiekcie i oceny jej aktualnego stanu na podstawie analizy bieżących parametrów jej eksploatacji.

Opracowanie metody predykcji czasu życia baterii na obiekcie i oceny jej aktualnego stanu na podstawie analizy bieżących parametrów jej eksploatacji. Zakład Systemów Zaslana (Z-5) Opracowane nr 323/Z5 z pracy statutowej pt. Opracowane metody predykcj czasu życa bater na obekce oceny jej aktualnego stanu na podstawe analzy beżących parametrów jej eksploatacj.

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

Minimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice

Minimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice Mnmalzacja globalna, algorytmy genetyczne zastosowane w geotechnce Metoda sejsmczna Metoda geoelektryczna Podstawowy podzał ZAGADNIENIE PROSTE (ang. forward problem) model + parametry modelu dane (ośrodek,

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

Teoria informacji i kodowania Ćwiczenia Sem. zimowy 2016/2017

Teoria informacji i kodowania Ćwiczenia Sem. zimowy 2016/2017 Algebra liniowa Zadanie 1 Czy jeśli wektory x, y i z, należące do binarnej przestrzeni wektorowej nad ciałem Galois GF (2), są liniowo niezależne, to można to samo orzec o następujących trzech wektorach:

Bardziej szczegółowo

ZASTOSOWANIE DZIANIN DYSTANSOWYCH DO STREFOWYCH MATERACY ZDROWOTNYCH. Bogdan Supeł

ZASTOSOWANIE DZIANIN DYSTANSOWYCH DO STREFOWYCH MATERACY ZDROWOTNYCH. Bogdan Supeł ZASTOSOWANIE DZIANIN DYSTANSOWYCH DO STREFOWYCH MATERACY ZDROWOTNYCH. Wstęp Bogdan Supeł W ostatnm czase obserwuje sę welke zanteresowane dzannam dystansowym do produkcj materaców. Człowek około /3 życa

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

D Archiwum Prac Dyplomowych - Instrukcja dla studentów

D Archiwum Prac Dyplomowych - Instrukcja dla studentów Kraków 01.10.2015 D Archwum Prac Dyplomowych - Instrukcja dla studentów Procedura Archwzacj Prac Dyplomowych jest realzowana zgodne z zarządzenem nr 71/2015 Rektora Unwersytetu Rolnczego m. H. Kołłątaja

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Detekcja i korekcja błędów w transmisji cyfrowej

Detekcja i korekcja błędów w transmisji cyfrowej Detekcja i korekcja błędów w transmisji cyfrowej Błędy w transmisji cyfrowej pojedyncze wielokrotne. całkowita niepewność względem miejsca zakłóconych bitów oraz czy w ogóle występują paczkowe (grupowe)

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

Regulamin promocji upalne lato 2014 2.0

Regulamin promocji upalne lato 2014 2.0 upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa

Bardziej szczegółowo

W11 Kody nadmiarowe, zastosowania w transmisji danych

W11 Kody nadmiarowe, zastosowania w transmisji danych W11 Kody nadmiarowe, zastosowania w transmisji danych Henryk Maciejewski Jacek Jarnicki Marek Woda www.zsk.iiar.pwr.edu.pl Plan wykładu 1. Kody nadmiarowe w systemach transmisji cyfrowej 2. Typy kodów,

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli) Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu

Bardziej szczegółowo

Instrukcja instalacji systemu. Moduzone Z11 Moduzone Z20 B Moduzone Z30

Instrukcja instalacji systemu. Moduzone Z11 Moduzone Z20 B Moduzone Z30 Instrukcja nstalacj systemu Moduzone Z11 Moduzone Z20 B Moduzone Z30 SPIS TREŚCI INTRUKCJA 1 Instrukcja... 2 1.1 Uwag dotyczące dokumentacj...2 1.2 Dołączone dokumenty...2 1.3 Objaśnene symbol...2 1.4

Bardziej szczegółowo

Pomiary parametrów akustycznych wnętrz.

Pomiary parametrów akustycznych wnętrz. Pomary parametrów akustycznych wnętrz. Ocena obektywna wnętrz pod względem akustycznym dokonywana jest na podstawe wartośc następujących parametrów: czasu pogłosu, wczesnego czasu pogłosu ED, wskaźnków

Bardziej szczegółowo

Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne.

Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne. Mnmalzacja globalna Algorytmy genetyczne ewolucyjne. Lnearyzacja nelnowego operatora g prowadz do przyblżonych metod rozwązywana zagadnena odwrotnego. Wynk takej nwersj jest slne uzależnony od wyboru modelu

Bardziej szczegółowo

Regulamin promocji 14 wiosna

Regulamin promocji 14 wiosna promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono

Bardziej szczegółowo

Urządzenia wejścia-wyjścia

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

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2 T A R C Z A Z E G A R O W A ASTYGMATYZM 1.Pojęca ogólne a) astygmatyzm prosty (najbardzej zgodny z pozomem) - najbardzej płask połudnk tzn. o najmnejszej mocy jest pozomy b) astygmatyzm odwrotny (najbardzej

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Zestaw przezbrojeniowy na inne rodzaje gazu. 1 Dysza 2 Podkładka 3 Uszczelka

Zestaw przezbrojeniowy na inne rodzaje gazu. 1 Dysza 2 Podkładka 3 Uszczelka Zestaw przezbrojenowy na nne rodzaje gazu 8 719 002 262 0 1 Dysza 2 Podkładka 3 Uszczelka PL (06.04) SM Sps treśc Sps treśc Wskazówk dotyczące bezpeczeństwa 3 Objaśnene symbol 3 1 Ustawena nstalacj gazowej

Bardziej szczegółowo

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

APROKSYMACJA QUASIJEDNOSTAJNA

APROKSYMACJA QUASIJEDNOSTAJNA POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy

Bardziej szczegółowo

Wyznaczenie promienia hydrodynamicznego cząsteczki metodą wiskozymetryczną. Część 2. Symulacje komputerowe

Wyznaczenie promienia hydrodynamicznego cząsteczki metodą wiskozymetryczną. Część 2. Symulacje komputerowe Rafał Górnak Wyznaczene promena hydrodynamcznego cząsteczk metodą wskozymetryczną. Część. Symulacje komputerowe Pojęca podstawowe Symulacje komputerowe, zasady dynamk Newtona, dynamka molekularna, potencjał

Bardziej szczegółowo

Komputerowe generatory liczb losowych

Komputerowe generatory liczb losowych . Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Model ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej:

Model ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej: dr Bartłomej Rokck Ćwczena z Makroekonom I Model ISLM Podstawowe założena modelu: penądz odgrywa ważną rolę przy determnowanu pozomu dochodu zatrudnena nwestycje ne mają charakteru autonomcznego, a ch

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

Detekcja i korekcja błędów w transmisji cyfrowej

Detekcja i korekcja błędów w transmisji cyfrowej Detekcja i korekcja błędów w transmisji cyfrowej Błędy w transmisji cyfrowej pojedyncze wielokrotne. całkowita niepewność względem miejsca zakłóconych bitów oraz czy w ogóle występują paczkowe (grupowe)

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu

Bardziej szczegółowo

PODSTAWY DZIAŁANIA UKŁADÓW CYFROWYCH

PODSTAWY DZIAŁANIA UKŁADÓW CYFROWYCH PODSTAWY DZIAŁANIA UKŁADÓW CYFROWYCH 110001010001010001011100111000011100 11000101000101000101110011100001110001001100011 1 Podstawy dzałana układów cyfrowych Sygnał analogowy przyjmuje dowolne wartośc

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska

Bardziej szczegółowo

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH WYKŁAD 7 7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH 7.8.. Ogólne równane rucu Rucem zmennym w korytac otwartyc nazywamy tak przepływ, w którym parametry rucu take jak prędkość średna w przekroju

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Kody splotowe. Zastosowanie

Kody splotowe. Zastosowanie Kody splotowe Zastosowanie Niekiedy potrzeba buforowania fragmentu wiadomości przed zakodowaniem, tak jak to ma miejsce w koderze blokowym, jest przeszkodą, gdyż dane do zakodowania napływają strumieniem.

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

TURBO-KODOWANIE DLA TRANSMISJI CIĄGŁEJ

TURBO-KODOWANIE DLA TRANSMISJI CIĄGŁEJ wwwpwtetputpoznanpl Sławomr Krzywak Potr Tyczka Instytut Elektronk Telekomunkacj Poltechnka Poznańska ul Potrowo 3A, 60-965 Poznań Emal: tyczka@etputpoznanpl 2004 Poznańske Warsztaty Telekomunkacyjne Poznań

Bardziej szczegółowo

Regulamin promocji fiber xmas 2015

Regulamin promocji fiber xmas 2015 fber xmas 2015 strona 1/5 Regulamn promocj fber xmas 2015 1. Organzatorem promocj fber xmas 2015, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna 2015

Bardziej szczegółowo

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010 Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene

Bardziej szczegółowo

WOJSKOWA AKADEMIA TECHNICZNA. im. Jarosława Dąbrowskiego ROZPRAWA DOKTORSKA RAFAŁ SZYMANOWSKI

WOJSKOWA AKADEMIA TECHNICZNA. im. Jarosława Dąbrowskiego ROZPRAWA DOKTORSKA RAFAŁ SZYMANOWSKI WOJSKOWA AKADEMIA TECHICZA m. Jarosława Dąbrowskego ROZPRAWA DOKTORSKA RAFAŁ SZYMAOWSKI PRECYZYJE LICZIKI CZASU CMOS FPGA Z DWUSTOPIOWĄ ITERPOLACJĄ Promotor prof. dr hab. nż. Józef KALISZ WARSZAWA 003

Bardziej szczegółowo

Zadanie na wykonanie Projektu Zespołowego

Zadanie na wykonanie Projektu Zespołowego Zadane na wykonane Projektu Zespołowego Celem projektu jest uzyskane następującego szeregu umejętnośc praktycznych: umejętnośc opracowana równoległych wersj algorytmów (na przykładze algorytmów algebry

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo