Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,...
|
|
- Marian Olszewski
- 5 lat temu
- Przeglądów:
Transkrypt
1 Model Lesliego Macierze Lesliego i Markowa K. Leśiak Wyodrębiamy w populaci k grup wiekowych. Po każde edostce czasu astępuą arodziy i zgoy oraz starzeie (przechodzeie do astępe grupy wiekowe). Chcemy symulować zmiay stau liczebości w poszczególych grupach wiekowych. Ozaczmy: 0 m i liczba potomstwa poawiaącego się co edostkę czasu u osobika z i-te grupy wiekowe, i =,..., k, [0, ] s i przeżywalość osobików z i-te grupy wiekowe dożywaących przyależości do astępe (i + )-e grupy wiekowe (aki procet odobików i-te grupy dożywa awasu do (i + )-e grupy wiekowe), i =,..., k, x,i liczba osobików z i-te grupy wiekowe w -te edostce czasu, i =,..., k.
2 2 Macierze Lesliego i Markowa K. Leśiak Struktura wiekowa populaci w -te edostce czasu podlega zależościom: x = [x,, x,2,..., x,k ] T x +, = k i= m i x,i liczba owych osobików (wszystkie grupy wiekowe mogą wydawać potomstwo), x +,i+ = s i x,i, i =, 2,..., (k ), liczba osobików, które postarzały się awasuąc do astępe grupy wiekowe (pozostałe umarły). Macierzowo: x + = M x, gdzie M = m, m 2,..., m k, m k s, 0,..., 0, 0 0, s 2,..., 0, , 0,..., s k, 0. Powyższy wzór rekurecyy prowadzi do wzoru awego : x = M x 0.
3 Macierze Lesliego i Markowa K. Leśiak 3 Przykład. W pewe populaci wyróżiaą się dwie grupy wiekowe: osobiki iedorzałe, które ie mogą się rozmażać (m = 0 o przeżywałości s (s = s), oraz 2 osobiki dorzałe o płodości m, które mogą się rozmażać (m 2 = m). m Macierz Lesliego: M = m 2 s 0 Przez idukcę moża zauważyć, że: M 2+ = Zatem 0 m + s s + m 0 x 2+ = M 2+ x 0 = = x 2 = M 2 x 0 = m + s x 0,2 s + m x 0, =, M 2 = 0 m s 0 0 m + s s + m 0. m s 0 0 s m x 0, x 0,2 = = (m s) [m x 0,2, s x 0, ] T, m s 0 0 s m Zachowaie asymptotycze: x = x, x,2 x 0, x 0,2 = (m s) x 0. [ 0 0 ], gdy 0 < ms <, [ ], gdy ms >..
4 4 Macierze Lesliego i Markowa K. Leśiak Przykład (cyklicze zmiay struktury wieku). M = Zachowaie asymptotycze:. Łatwo dostrzec, że: M 3 = [ x 3 = x 0 = [x 0, x 02, x 03 ] T, x 3+ = x = [x, x 2, x 3 ] T = x 3+2 = x 2 = [x 2, x 22, x 23 ] T = Cykl powtarza się co trzy edostki czasu: x 0, x, x 2, x 0, x, ]. 4 x 03, 3 x 0, 3 4 x 02 3 x 02, 4 3 x 03, 4 x 0 T T,.
5 Macierze Lesliego i Markowa K. Leśiak 5 Przykład (stabila struktura wieku). 2 M = (3) 0 W tabeli zbieramy dae o procetowym udziale w liczebości populaci poszczególych grup wiekowych po trzech iteracach. liczebość początkowa udział procetowy [x,i / 3 i= x,i, i =, 2, 3] [, 0, 0] [49, 772%, 26, 94%, 23, 288%] [0, 20, 0] [49, 54%, 27, 85%, 23, 30%] [0, 0, 8] [50, 000%, %, 24, 999%] [00, 00, 00] [49, 749%, 26, 936%, 23, 38%] [250, 0000, 00] [49, 56%, 27, 38%, 23, 300%] [00000, 5000, 0] [49, 77%, 26, 942%, 23, 288%] [200, 45000, 6000] [49, 534%, 27, 33%, 23, 334%] Struktura wiekowa populaci w stosukowo krótkim czasie stabilizue się i zależy od takich parametrów specyficzych dla populaci ak śmiertelość i rozrodczość.
6 6 Macierze Lesliego i Markowa K. Leśiak Macierze Markowa M = p p 2 p 3... p s p 2 p 22 p p 2s p s p s2 p s3... p ss = [p i ] i, s macierz stochastycza (= macierz Markowa = macierz prześcia), gdy i, 0 p i, i s = p i =. Termiologia: {,..., s} zbiór staów układu; p i prawdopodobieństwo prześcia ze stau i w sta, i, {,..., s}; M = [p i ] i, {,...,s} macierz prześcia dla edorodego łańcucha Markowa; p () i prawdopodobieśtwo z akim cząstka, która est w staie i zadzie się w staie po cyklach.
7 Macierze Lesliego i Markowa K. Leśiak 7 Przykład. Niech () czerwoy i (2) iebieski będą staami akie przymue pewa cząstka. Zmieia oa swó sta zgodie z macierzą prześcia W szczególości: M = p 2 = 2 3 prawdopodobieństwo zmiay z czerwoego a iebieski, p 2 = 3 4 prawdopodobieństwo zmiay z iebieskiego a czerwoy. (a) Wyzaczyć prawdopodobieństwo p (2) zalezieia się czerwoe cząstki w staie czerwoości po dwóch cyklach. p p 2 2 p p (2) p 2 I cykl II cykl p (2) = p p + p 2 p 2 = = 8 3 = p.
8 8 Macierze Lesliego i Markowa K. Leśiak prze- (b) Wyzaczyć wszystkie prawdopodobieństwa p (3) i miay ze stau i w sta po trzech cyklach. p i p i2 i i 2 p p (2) p 2 I cykl II cykl p (2) i = p i p + p i2 p 2 = 2 macierz prześcia po dwóch cyklach: k= [p (2) i ] i, = M M = M 2. p ik p k,
9 Macierze Lesliego i Markowa K. Leśiak 9 p (2) i i i 2 p p (3) p (2) i2 p 2 II cykl III cykl p (3) i = p (2) i p + p (2) i2 p 2 = 2 macierz prześcia po trzech cyklach: k= p (2) ik p k, [p (3) i ] i, = [p (2) ik ] i,k [p k ] k, = M 2 M = M 3.
10 0 Macierze Lesliego i Markowa K. Leśiak (c) Prawdopodobieństwo pozostawaia czerwoym przez cykli wyosi p p... p }{{} razy = p. Prawdopodobieństwo pozostawaia iezmieie czerwoym wyosi lim p = lim = 0. 3 Co dziee się z prawdopodobieństwem p () powrotu do stau czerwoości po cyklach? i p ( ) i p ( ) i2 i 2 p p () p 2 cykl ( ) cykl p () i = p ( ) i p + p ( ) i2 macierz prześcia po cyklach: p 2 = 2 k= p ( ) ik p k, [p () i ] i, = [p ( ) ik ] i,k [p k ] k, = M M = M.
11 Macierze Lesliego i Markowa K. Leśiak Aby zaleźć p () musimy wyzaczyć potęgę M. Ozaczmy: M α = β. Wówczas γ δ skąd α + β + γ + δ + = α β γ δ α + β = () α + = 3 α β (2) β + = 2 3 α + 4 β α = 3, β = 2 3 (3) γ + δ = γ + = 3 γ δ α β γ δ (*), δ + = 2 3 γ + 4 δ γ = 3 4, δ = 4. Wystarczy rozwiązać podukład (*). Podstawiaąc () do (2) dostaemy rówaie (L-): α + = 3 α ( α ) = 5 2 α + 3 4, którego rozwiązaie ogólym est α = α
12 2 Macierze Lesliego i Markowa K. Leśiak Uwzględiaąc waruek początkowy (3): dostaemy 3 = α = α = 5 α α 0 = Zatem p () = α 3 4 = Podobie p () 8 2 = β = α 7. Przymuąc za (α, β ) odpowiedio ciągi (γ, δ ) otrzymuemy rozwiązaie ogóle tego samego kształtu: δ = γ, γ = γ 0 + Po uwzględieiu waruków początkowych 3 4 = γ = γ γ 0 = 0
13 Macierze Lesliego i Markowa K. Leśiak 3 uzyskuemy γ = Zatem ak poprzedio p () 2 = γ = 9 7, p () 8 22 = δ 7. W te sposób otrzymaliśmy opis asymptotyczego zachowaia się macierzy prześcia po cyklach: M Mówimy, że macierz M est ergodycza, a prawdopodobieństwa graicze lim p() = lim p () 2 = 9 7, lim p() 2 = lim p () 22 = 8 7, azywae są prawdopodobieństwami ergodyczymi.
14 4 Macierze Lesliego i Markowa K. Leśiak (d) Niech π = [π, π 2 ] będzie początkowym rozkładem prawdopodobiestwa: zaim zadziałał mechaizm zmia kolorów cząstka zadowała się w staie () z prawdopodobieństwem π, a w staie (2) z prawdopodobieństwem π 2. Wyzaczyć rozkład prawdopodobieństwa stau cząstki π () = [π (), π () 2 ] po edym cyklu. π π 2 2 p p 2 p 2 p sta początkowy sta po cyklu czyli [π (), π () 2 ] = [π, π 2 ] π () = π p + π 2 p 2, π () 2 = π p 2 + π 2 p 22, p p 2 p 2 p 22 = [π, π 2 ] M.
15 Macierze Lesliego i Markowa K. Leśiak 5 (e) Przez idukcę rozkład prawdopodobieństwa π () = [π (), π () 2 ] stau cząstki po cyklach opisue zależość [π (), π () 2 ] = [π, π 2 ] p p 2 p 2 p 22 Uzasadieie: ćwiczeie. Niezależie od rozkładu początkowego π gdzie π = [π, π 2], π () = π M π, π = lim p () i = = [π, π 2 ] M. 9 7, = 8 7, = 2 iezależe od i =, 2 prawdopodobieństwa graicze zalezioe w pukcie (c). Tym samym rozkład graiczy π występue we wszystkich wierszach macierzy graicze lim M.
16 6 Macierze Lesliego i Markowa K. Leśiak Przykład M = (3) 0.(3) 0.(3). W tabeli zbieramy dae z czterech kroków iteraci wykoaych dla trzech rozkładów początkowych. π () π () π () 0 [0, 0, ] [0.5, 0.25, 0.25] [.667,.333, 0] [.333,.333,.333] [.246,.346,.408] [.27,.350,.433] 2 [.26,.327,.4] [.272,.32,.407] [.275,.38,.406] 3 [.27,.323,.405] [.27,.325,.406] [.270,.325,.404] 4 [.270,.324,.405] [.27,.324,.406] [.270,.324,.406] π = [0.(270), 0.(324), 0.(405)].
17 Macierze Lesliego i Markowa K. Leśiak 7 Sam rozkład ergodyczy π łatwo zaleźć ie iteruąc ai macierzy ai rozkładów, gdyż est o stacoary. Twierdzeie (stacoarość rozkładu ergodyczego) Jeżeli łańcuch Markowa M est ergodyczy tz. -te rozkłady prawdopodobieństwa π = π M zbiegaą do pewego rozkładu π iezależie od rozkładu początkowego π, to π = π M est edyym rozkładem stacoarym. Dowód. Stacoarość: π () = π M π, π π(+) = π M + = (π M ) M π M. Jedyość: ˆπ = ˆπ M ˆπ = ˆπ M = (ˆπ M) M = ˆπ M 2 =... = ˆπ M π ˆπ = π.
18 8 Macierze Lesliego i Markowa K. Leśiak Przykład. M = [π, π 2 ] = [π, π 2 ] M =, π = [π, π 2 ], π i 0, i π i =. 3 π π 2, 2 3 π + 4 π 2 π = 9 7, π 2 = π = 8 7. Jedak awet edyość rozkładu stacoarego ie gwaratue ego ergodyczości. Przykład (łańcuch okresowy). 0 M =, π = [π 0, π 2 ], π i 0, π i =. i [π, π 2 ] = [π, π 2 ] M = [π 2, π ] π = π 2 = 2. Zalezioy rozkład ie est ergodyczy, bo M = 0, 0 parzyste, M, ieparzyste. Jak się przekoać, że zalezioy rozkład stacoary est ergodyczy?
19 Macierze Lesliego i Markowa K. Leśiak 9 Jako że zadowaie awe postaci -te potęgi macierzy est pracochłoe (awet z użyciem postaci Jordaa), powstae pytaie, czy ie moża określić ergodyczości macierzy Markowa bezpośredio a podstawie e współczyików. Takiego kryterium dostarcza Twierdzeie 2 (ergodycze dla łańcuchów) Niech macierz Markowa M = [p i ] i, {,...,s} spełia i, p i > 0. Wówczas π > 0 i lim p () i = π, s = π =, π = ( π ) s = = π M. Przypomimy, że M = [ p () ] i, a więc i, {,...,s} M [π,..., π ] T, }{{} s razy π () = π M π.
20 20 Macierze Lesliego i Markowa K. Leśiak Dowód. Ustalmy 0 < ε < mi i, i przymimy ozaczeia: α () β () p i = mi i=,...,s p() i = max i=,...,s p() i [!] > 0, α (). [!] Jeśli i p i > 0, to i p () i > 0 (ćwiczeie). Oczywiście Stąd p (+) i czyli [p (+) i ] i, = M + = M M = [p il ] i,l [p () l ] l,, = l β (+) Aalogiczie Łączie: p (+) i = l ( pil ε p () ) () l p l β () = max i α (+) β (+) l p il p () l. + ε l p () l p () l ( pil ε p () ) (2) l + ε p = = β () p (+) i α () p il l }{{} = β () ε l p () l }{{} = + ε p (2), ( ε) + ε p (2). ( ε) + ε p (2) (*). α (+) ( ε) ( β () α () ),
21 skąd β () Macierze Lesliego i Markowa K. Leśiak 2 α () ( ε) ( β () α () ) 0. Przechodząc w (*) z ε 0 widzimy, że tz. ( α () ) = przy czym π > 0, bo lim α() Ostateczie α () α (+), rosący i ograiczoy. Istieą więc graice α () α () p () i π = lim α (), = mi i π β () a tym samym istieą lim p () i π = lim p() i p i mi i α () 0, = π > 0 oraz = lim p() i =. p i > ε > 0. Uwaga: Wystarczy założyć, że dla pewego 0 potęga M 0 ma wszystkie wyrazy dodatie: p ( 0) i > 0.
MACIERZE STOCHASTYCZNE
MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:
Bardziej szczegółowoZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)
ZADANIA - ZESTAW Zadaie.. Wyzaczyć m (), D ( ) dla procesu symetryczego (p = q =,) błądzeia przypadkowego. Zadaie.. Narysuj graf łańcucha Markowa symetrycze (p = q =,) błądzeie przypadkowe z odbiciem.
Bardziej szczegółowoModele wzrostu populacji w czasie dyskretnym
Temat wykładu: Modele wzrostu populacji w czasie dyskretym Kody kolorów: Ŝółty owe pojęcie pomarańczowy uwaga kursywa kometarz * materiał adobowiązkowy Aa Rajfura, Matematyka a kieruku Biologia w SGGW
Bardziej szczegółowoRelacje 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 szczegółowoTwierdzenie Cayleya-Hamiltona
Twierdzeie Cayleya-Hamiltoa Twierdzeie (Cayleya-Hamiltoa): Każda macierz kwadratowa spełia swoje włase rówaie charakterystycze. D: Chcemy pokazać, że jeśli wielomiaem charakterystyczym macierzy A jest
Bardziej szczegółowoRozmieszczenie liczb pierwszych
Rozmieszczeie liczb pierwszych Euler Pierwszy owoczesy wyik pochodzi od Eulera: TWIERDZENIE: Szereg p primes p est rozbieży. Szkic dowodu: Dla s > zachodzi rówość ( ) = s = i= ( + p s i ) + p 2s i +....
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.
Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe
Bardziej szczegółowo2 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 szczegółowoVII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3.
KOOF Szczeci: www.of.szc.pl VII MIĘDZYNAODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretycze T3. Źródło: Komitet Główy Olimpiady Fizyczej; Olimpiada Fizycza XXIII XXIV, WSiP Warszawa 1977 Autor: Waldemar Gorzkowski
Bardziej szczegółowoĆwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II
Ćwiczenia: Ukryte procesy Markowa lista kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II dr Jarosław Kotowicz Zadanie. Dany jest łańcuch Markowa, który może przyjmować wartości,,...,
Bardziej szczegółowoI. 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 szczegółowof '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n
Metoda Newtoa i rówaie z = 1 Załóżmy, że fucja f :C C ma ciągłą pochodą. Dla (prawie) ażdej liczby zespoloej z 0 tworzymy ciąg (1) (z ) 0, z 1 = z f ( z ), ciąg te f ' (z ) będziemy azywać orbitą liczby
Bardziej szczegółowo40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.
Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje
Bardziej szczegółowoMetody badania zbieżności/rozbieżności ciągów liczbowych
Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu
Bardziej szczegółowoO 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 szczegółowoTwierdzeie Closa Problem: Jak duże musi być m, aby trzysekcye pole Closa ν(m,, r) )było ieblokowale w wąskim sesie? Twierdzeie Closa: Dwustroe trzysek
Sieci i Systemy z Itegracą Usług Trzysekcye pole Closa m r r m Własości kombiatorycze pól komutacyych Prof. dr hab. iż. Wociech Kabaciński r m Pole Closa est edozaczie defiiowae przez trókę m,, r i ozaczae
Bardziej szczegółowoI kolokwium z Analizy Matematycznej
I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4
Bardziej szczegółowoPRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA. Ruch cząstki nieograniczony z klasycznego punktu widzenia. mamy do rozwiązania równanie 0,,
PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA Ruch cząstki ieograiczoy z klasyczego puktu widzeia W tym przypadku V = cost, przejmiemy V ( x ) = 0, cząstka porusza się wzdłuż osi x. Rozwiązujemy
Bardziej szczegółowoO pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii
O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję
Bardziej szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoPodprzestrzenie 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 szczegółowo3. 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 szczegółowoZnajdowanie 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 szczegółowoSZEREGI LICZBOWE. s n = a 1 + a a n = a k. k=1. aq n = 1 qn+1 1 q. a k = s n + a k, k=n+1. s n = 0. a k lim n
SZEREGI LICZBOWE Z ciągu liczb a, a 2,... utwórzmy owy ciąg Przyjmijmy ozaczeia s = a + a 2 +... a = a k. k= k= a k = a + a 2 +... = s. Gdy graica k= a k jest liczbą, to mówimy, że szereg k= a k jest sumowaly
Bardziej szczegółowo1 Układy równań liniowych
Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b
Bardziej szczegółowo3. Funkcje elementarne
3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących
Bardziej szczegółowoRekursja 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 szczegółowoa 1, a 2, a 3,..., a n,...
III. Ciągi liczbowe. 1. Defiicja ciągu liczbowego. Defiicja 1.1. Ciągiem liczbowym azywamy fukcję a : N R odwzorowującą zbiór liczb aturalych N w zbiór liczb rzeczywistych R i ozaczamy przez { }. Używamy
Bardziej szczegółowoPodprzestrzenie 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 szczegółowoProcesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.
Procesy stochastyczne WYKŁAD 2-3 Łańcuchy Markowa Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi. 2 Łańcuchem Markowa nazywamy proces będący ciągiem zmiennych
Bardziej szczegółowoZmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,
Matematyka ubezpieczeń majątkowych.0.008 r. Zadaie. r, Zmiea losowa N ma rozkład ujemy dwumiaowy z parametrami (, q), tz.: Pr( N k) (.5 + k) (.5) k! Γ Γ * Niech k ozacza taką liczbę aturalą, że: * k if{
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R
Kresy zbiorów. Ćwiczeia 21.11.2011: zad. 197-229 Kolokwium r 7, 22.11.2011: materiał z zad. 1-249 Defiicja: Zbiór Z R azywamy ograiczoym z góry, jeżeli M R x Z x M. Każdą liczbę rzeczywistą M R spełiającą
Bardziej szczegółowoz przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X
Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie
Bardziej szczegółowoRÓWNANIA 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 szczegółowoStwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).
Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic
Bardziej szczegółowoWykład 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 szczegółowoWzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Wzór Taylora Szeregi potęgowe Matematyka Studium doktorackie KAE SGH Semestr leti 8/9 R. Łochowski Graica fukcji w pukcie Niech f: R D R, R oraz istieje ciąg puktów D, Fukcja f ma w pukcie graicę dowolego
Bardziej szczegółowo3. Wykład III: Warunki optymalności dla zadań bez ograniczeń
3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie
Bardziej szczegółowoCIĄGI LICZBOWE. Poziom podstawowy
CIĄGI LICZBOWE Poziom podstawowy Zadaie ( pkt) + 0 Day jest ciąg o wyrazie ogólym a =, N+ + jest rówy? Wyzacz a a + Czy istieje wyraz tego ciągu, który Zadaie (6 pkt) Marek chce przekopać swój przydomowy
Bardziej szczegółowoZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest
Bardziej szczegółowoKADD 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 szczegółowoCiągi 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 szczegółowoSzeregi liczbowe i ich własności. Kryteria zbieżności szeregów. Zbieżność bezwzględna i warunkowa. Mnożenie szeregów.
Materiały dydaktyze Aaliza Matematyza (Wykład 3) Szeregi lizbowe i ih własośi. Kryteria zbieżośi szeregów. Zbieżość bezwzględa i warukowa. Możeie szeregów. Defiija. Nieh {a } N będzie iągiem lizbowym.
Bardziej szczegółowoθx θ 1, dla 0 < x < 1, 0, poza tym,
Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.
Bardziej szczegółowoZadania z analizy matematycznej - sem. I Szeregi liczbowe
Zadaia z aalizy matematyczej - sem. I Szeregi liczbowe Defiicja szereg ciąg sum częściowyc. Szeregiem azywamy parę uporządkowaą a ) S ) ) ciągów gdzie: ciąg a ) ciąg S ) jest day jest ciągiem sum częściowych
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.
Bardziej szczegółowoZdarzenia 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 szczegółowoPrawdopodobieństwo 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 szczegółowoZadania z algebry liniowej - sem. I Liczby zespolone
Zadaia z algebry liiowej - sem. I Liczby zespoloe Defiicja 1. Parę uporządkowaą liczb rzeczywistych x, y azywamy liczbą zespoloą i ozaczamy z = x, y. Zbiór wszystkich liczb zespoloych ozaczamy przez C
Bardziej szczegółowoTermodynamika defektów sieci krystalicznej
Termodyamika defektów sieci krystaliczej Defekty sieci krystaliczej puktowe (wakasje, atomy międzywęzłowe, obce atomy) jedowymiarowe (dyslokacje krawędziowe i śrubowe) dwuwymiarowe (graice międzyziarowe,
Bardziej szczegółowoWykład 11 ( ). Przedziały ufności dla średniej
Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 11 Łańcuchy Markova
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu
Bardziej szczegółowo1 Twierdzenia o granicznym przejściu pod znakiem całki
1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae
Bardziej szczegółowoGeometrycznie o liczbach
Geometryczie o liczbach Geometryczie o liczbach Łukasz Bożyk Dodatią liczbę całkowitą moża iterpretować jako pole pewej figury składającej się z kwadratów jedostkowych Te prosty pomysł pozwala w aturaly
Bardziej szczegółowoInformatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!
Iformatyka Stosowaa-egzami z Aalizy Matematyczej Każde zadaie ależy rozwiązać a oddzielej, podpisaej kartce! y, Daa jest fukcja f (, + y, a) zbadać ciągłość tej fukcji f b) obliczyć (,) (, (, (,) c) zbadać,
Bardziej szczegółowoZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE
ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE WARTOŚĆ BEZWZGLĘDNA LICZBY Wartość bezwzględą liczby rzeczywistej x defiiujemy wzorem: { x dla x 0 x = x dla x < 0 Liczba x jest to odległość a osi liczbowej
Bardziej szczegółowo201. a 1 a 2 a 3...a n a 2 1 +a 2 2 +a a 2 n n a 4 1 +a 4 2 +a a 4 n n. a1 + a 2 + a a n 204.
Liczby rzeczywiste dodatie a 1, a 2, a 3,...a spełiają waruek a 1 +a 2 +a 3 +...+a =. Wpisać w kratkę zak lub i udowodić podaą ierówość bez korzystaia z gotowych twierdzeń (moża korzystać z wcześiejszych
Bardziej szczegółowoLista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym
Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że
Bardziej szczegółowozadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12
Rozwiazaia zadań z pierwszej klasówki, 0 listopada 06 r zestaw A Ciag a ) jest zaday rekuryjie: a a, a + a a 9, a R, a
Bardziej szczegółowo19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136
Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 19 marzec, 2012 Przykłady procesów Markowa (i). P = (p ij ) - macierz stochastyczna, tzn. p ij 0, j p ij =
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoAnaliza matematyczna dla informatyków 4 Zajęcia 5
Aaliza matematycza dla iformatyków Zajęcia 5 Twiereie (auchy ego) Niech Ω bęie otwartym pobiorem oraz f : Ω fukcją holomorficzą Wtedy dla dowolego koturu całkowicie zawartego w Ω zachoi f(z) = 0 Zadaie
Bardziej szczegółowoWstęp do Rachunku Prawdopodobieństwa, IIr. WMS
Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS przykładowe zadania na. kolokwium czerwca 6r. Poniżej podany jest przykładowy zestaw zadań. Podczas kolokwium na ich rozwiązanie przeznaczone będzie ok. 85
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa
Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego
Bardziej szczegółowoI. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n
I. Ciągi liczbowe Defiicja 1. Fukcję określoą a zbiorze liczb aturalych o wartościach rzeczywistych azywamy ciągiem liczbowym. Ciągi będziemy ozaczać symbolem a ), gdzie a ozacza -ty wyraz ciągu a ). Defiicja.
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16
Egzami,.9.6, godz. :-5: Zadaie. ( puktów) Wyzaczyć wszystkie rozwiązaia rówaia z 4 = 4 w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej (bez używaia fukcji trygoometryczych)
Bardziej szczegółowoP π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny
Rówaie ogóle płaszczyzy w E 3. ae: P π i π o =[A,B,C] P (,y,z ) Wówczas: P P=[-,y-y,z-z ] P π PP PP= o o Rówaie () azywamy rówaiem ogólym płaszczyzy A(- )+B(y-y )+C(z-z )= ( ) A+By+Cz+= Przykład
Bardziej szczegółowoRozwiązania, seria 5.
Rozwiązania, seria 5. 26 listopada 2012 Zadanie 1. Zbadaj, dla jakich wartości parametru r R wektor (r, r, 1) lin{(2, r, r), (1, 2, 2)} R 3? Rozwiązanie. Załóżmy, że (r, r, 1) lin{(2, r, r), (1, 2, 2)}.
Bardziej szczegółowoCiąg geometryczny i jego własności
Ciąg geometryczy Def: Ciągiem geometryczym (a) azywamy ciąg liczbowy co ajmiej trzywyrazowy, w którym każdy wyraz, począwszy od drugiego, powstaje z pomożeia wyrazu poprzediego przez stałą liczbę q, zwaą
Bardziej szczegółowoParametryzacja 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 szczegółowoP = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +
Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch
Bardziej szczegółowo> 1), wi c na mocy kryterium porównawczego szereg sin(n n)
.65. si() W szeregu tym wyst puj wyrazy dodatie i ujeme, ale ie a przemia. Zbadajmy wi c szereg: si() zªo»oy z warto±ci bezwzgl dych wyrazów szeregu daego w zadaiu. Poiewa» si(), wi c si() = Po prawej
Bardziej szczegółowoWprowadzenie. metody elementów skończonych
Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów
Bardziej szczegółowoDefinicja 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 szczegółowoLista 1. Procesy o przyrostach niezależnych.
Lista. Procesy o przyrostach niezależnych.. Niech N t bedzie procesem Poissona o intensywnoci λ = 2. Obliczyć a) P (N 2 < 3, b) P (N =, N 3 = 6), c) P (N 2 = N 5 = 2), d) P (N =, N 2 = 3, N 4 < 5), e)
Bardziej szczegółowoJarosław 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 szczegółowoW wielu przypadkach zadanie teorii sprężystości daje się zredukować do dwóch
Wykład 5 PŁASKI ZADANI TORII SPRĘŻYSTOŚCI Płaski sta arężeia W wielu rzyadkach zadaie teorii srężystości daje się zredukować do dwóch wymiarów Przykładem może być cieka tarcza obciążoa siłami działającymi
Bardziej szczegółowoWykªad 2. Szeregi liczbowe.
Wykªad jest prowadzoy w oparciu o podr czik Aaliza matematycza 2. Deicje, twierdzeia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 2. Szeregi liczbowe. Deicje i podstawowe twierdzeia Deicja Szeregiem liczbowym
Bardziej szczegółowo8. Jednostajność. sin x sin y = 2 sin x y 2
8. Jedostajość Mówimy, że fukcja f : I R spełia waruek Lipschitza ze stałą C > 0, jeśli fx) fy) C x y, x, y I. 8.. Przykład. a) Taką fukcją jest p. si : R [, ]. Rzeczywiście, si x si y = 2 si x y 2 cos
Bardziej szczegółowooznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:
Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:
Bardziej szczegółowoWokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych
Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowoProcesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.
Procesy stochastyczne WYKŁAD 2-3 Łańcuchy Markowa Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi. Przykład Symetryczne błądzenie przypadkowe na prostej. 1 2 Łańcuchem
Bardziej szczegółowoAnaliza 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 szczegółowoSTATYSTYKA 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 szczegółowoSzeregi liczbowe. 15 stycznia 2012
Szeregi liczbowe 5 styczia 0 Szeregi o wyrazach dodatich. Waruek koieczy zbieżości szeregu Defiicja.Abyszereg a < byłzbieżyciąga musizbiegaćdo0. Jest to waruek koieczy ale ie dostateczy. Jak wiecie z wykładu(i
Bardziej szczegółowolim a n Cigi liczbowe i ich granice
Cigi liczbowe i ich graice Cigiem ieskoczoym azywamy dowol fukcj rzeczywist okrelo a zbiorze liczb aturalych. Dla wygody zapisu, zamiast a() bdziemy pisa a. Elemet a azywamy -tym wyrazem cigu. Cig (a )
Bardziej szczegółowoKolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski
olorowaie Dywau ierpińskiego Adrzej zablewski, Radosław Peszkowski pis treści stęp... Problem kolorowaia... Róże rodzaje kwadratów... osekwecja atury fraktalej...6 zory rekurecyje... Przekształcaie rekurecji...
Bardziej szczegółowoChemia 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 szczegółowoJarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy
12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
Bardziej szczegółowoInternetowe Kółko Matematyczne 2004/2005
Iteretowe Kółko Matematycze 2004/2005 http://www.mat.ui.toru.pl/~kolka/ Zadaia dla szkoły średiej Zestaw I (20 IX) Zadaie 1. Daa jest liczba całkowita dodatia. Co jest większe:! czy 2 2? Zadaie 2. Udowodij,
Bardziej szczegółowoPrawo odbicia i załamania. Autorzy: Zbigniew Kąkol Piotr Morawski
Prawo odbicia i załamaia Autorzy: Zbigiew Kąkol Piotr Morawski 207 Prawo odbicia i załamaia Autorzy: Zbigiew Kąkol, Piotr Morawski Jeżeli światło pada a graicę dwóch ośrodków, to ulega zarówo odbiciu a
Bardziej szczegółowoSzeregi liczbowe. Szeregi potęgowe i trygonometryczne.
Szeregi iczbowe. Szeregi potęgowe i trygoometrycze. wykład z MATEMATYKI Automatyka i Robotyka sem. I, rok ak. 2008/2009 Katedra Matematyki Wydział Iformatyki Poitechika Białostocka Szeregi iczbowe Defiicja..
Bardziej szczegółowoma 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 szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematycza Aa Jaicka wykład XIII, 30.05.06 STATYSTYKA BAYESOWSKA Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej
Bardziej szczegółowo