Symulacja układu sztywnych kul

Wielkość: px
Rozpocząć pokaz od strony:

Download "Symulacja układu sztywnych kul"

Transkrypt

1 Symulacja układu sztywnych kul Dawid Toton 5 listopada 4 Streszczenie Opisano program symulujący układ sztywnych kul zderzających się doskonale sprężyście, wykonujących ruch postępowy. Zaprezentowany jest przykładowy otrzymany rozkład prawdopodobieństwa przebywania kul w funkcji odległości w jakiej się znadują. Za pomocą programu można też badać zależność odległości kuli od jej położenia w wybranej chwili w funkcji czasu. 1 Układ. Okresowe warunki brzegowe. Przestrzeń podzielona została na sześciany. W każdym z nich jest tyle samo kul i ich położenia są identyczne. Jeśli więc pewna kula opuszcza komórkę, to od przeciwległej ściany wlatuje jej odpowiednik. Przy takich założeniach, możemy objąć symulacją tylko jedną komórkę, otrzymując jednocześnie warunki brzegowe odpowiadające rozciąganiu się układu w nieskończoność. Brak oddziaływań poza zderzeniami umożliwia dokładne wyznaczanie trajektorii każdej cząstki, niezależnie od zachowania pozostałych. Dzięki temu w każdym kroku symulacji można postąpić w czasie od chwili poprzedniego do najbliżego zderzenia. Kule mają jednakowe masy i zróżnicowane średnice. Program umożliwia wybranie ilości kul i ich średnic. Zależności. Prędkości początkowe kul nadawane są według rozkładu Maxwella: dn v) N = ) 3/ mβ m v β e d v π 1

2 Trzy składowe prędkośći losowane są oddzielnie. Potrzebny jest więc rozkład jednej składowej v prędkości cząsteczek: dn v) mβ f v) = Ndv = mv e β 1) π Symulowane kule będą miały w przybliżeniu taki rozkład prędkości, jeśli f v) dv potraktuje się jako prawdopodobieństwo nadania prędkości składowej v każdej cząstce. Im więcej jest kul, tym otrzymany rozkład mniej odbiega od pożądanego. Chcemy nadać odpowiednio wylosowane prędkości kulom, dysponując generatorem liczb pseudolosowych o rozkładzie jednostajnym. Modelem generatora niech będzie zmienna losowa ξ : Ω [, 1), której dystrybuanta jest równa F ξ x) = x dla x [, 1]. Mamy na celu uzyskanie zmiennej losowej o gęstości rozkładu f v) z równania 1. Pokażemy, że jest nią F 1 f ξ, gdzie v F f v) = f v) dv jest dystrybuantą. Zgodnie z definicją dystrybuanty P X oznacza rozkład prawdopodobieństwa zmiennej X): F F 1 f ξ = P F 1 ξ, x)) = P ξ F f, x))) f Ponieważ dystrybuanta przyjmuje wartości z przedziału [, 1], możemy napisać F f, x)) =, F f x)). Wiemy ponadto, że dla A, x) [, 1] jest P ξ A) = x. Mamy zatem: F F 1 f ξ = P ξ, F f x))) = F f x) Po każdym losowaniu otrzymujemy prędkość F 1 f ξ), która zostaje nadana jako składowa prędkości kuli. W programie funkcja odwrotna do dystrybuanty wyznaczana jest przez numeryczne całkowanie i odwrócenie przez poszukiwanie argumentu, z wykorzystaniem monotoniczności). Parametr β = 1 k B T rozkładu zależy od temperatury, którą można programowi zadać przed symulacją. Poszukiwanie zderzenia. Bok sześcianów, na które podzielona została przestrzeń, oznaczmy a. Nazwijmy sobie rodziną kuli o współrzędnych r x, r y, r z ) zbiór kul jej odpowiadających włącznie z nią): Potrzebujemy odpowiedzi na pytania: {r x + ka, r y + la, r z + ma) : k, l, m Z} Czy dwie rodziny kul zderzą się w przyszłości, zakładając że po drodze nie zmienią prędkości w innym zderzeniu? Kiedy to nastąpi? Aby móc odpowiedzieć na pierwsze pytanie: Czy i kiedy) zderzą się dane dwie kule?

3 Która para rodzin zderzy się wcześniej niż wszystkie inne? czyli to zderzenie na pewno zajdzie) Dzięki symetrii zagadnienia względem translacji, wystarczy aby rozwiązać pierwszy problem sprawdzić pary kul, w których jedną jest wyróżniona kula z pierwszej rodziny, a drugimi są poszczególne kule z drugiej. Niestety, potrzeba by zbadać nieskończenie wiele par. Konieczne jest zatem ograniczenie ich ilości. Pary kul znacznie odleglejszych od siebie od średniej drogi swobodnej w układzie, dadzą prawie zawsze tak duży czas do ich zderzenia, że kule z tej pary wezmą wcześniej udział w innym zderzeniu. Można więc je pominąć. Można nawet ograniczyć się do sprawdzenia 7 sąsiednich kul albo do tylko jednej pary najbliższej sobie. Abyśmy mogli zastosować wybrane uproszczenie, gęstość kul musi być odpowiednio duża. Poszukajmy warunku na zderzenie dwóch zadanych kul powiedzmy, kul 1 i ). Aby ono nastąpiło, w pewnej chwili t musi być spełniony warunek: r t) = σ 1 + σ ) r t) = x t) x 1 t) oznacza wektor łączący środki kul; σ 1,σ oznaczają ich średnice. Wyraźmy równanie przez znane wartości x 1, = x 1, t ), v 1, = v 1, t ) z obecnej chwili t : Oznaczmy w = v v 1. Mamy równanie kwadratowe: x + v t x 1 + v 1 t) = σ 1 + σ r + t w) σ1 + σ = t w + t r w) + ) r σ 1 + σ ) 4 ) = ) = r w) 4 w r σ 1 + σ ) 4 Jeśli nie ma rozwiązania, <, para kul nie zderzy się. W przeciwnym wypadku możemy obliczyć czas zderzenia: t = r w w Wybraliśmy mniejsze rozwiązanie, bo większe z nich odpowiada stykaniu się kul od odleglejszej strony, co nie odpowiada sytuacji zderzenia się kul nadlatujących z zadanych położeń x 1, x. 3

4 Odpowiedź na ostatnie z postawionych tu pytań wymaga przeprowadzenia jakiegoś przeszukiwania wśród czasów przewidywanych zderzeń. To znalezione zderzenie z pewnością nastąpi. Z jednej z rodzin, które mają wziąść udział w zderzeniu wybierzemy reprezentanta, tak aby obydwie zderzające się kule znajdowały się obok siebie. Umożliwi to prawidłowe obliczenie wektora łączącego środki zderzających się kul. Krok czasowy w symulacji do chwili t znalezionego zderzenia. Bez okresowych warunków brzegowych, aktualizacja położeń byłaby następująca t chwila poprzedniego zderzenia): x t) = x t ) + t t ) v 3) My jednak potrzebujemy przechowywać współrzędne reprezentanta rodziny znajdującego się aktualnie w wyróżnionym sześcianie. Każdą składową położenia musimy poprawić następująco: x x = x a 4) a Współrzędne wszystkich kul mają być tak sprowadzone do sześcianu symulacji. jest doskonale sprężyste. O prędkościach kul po zderzeniu decy- Zderzenie dują: zachowanie lub rozpraszanie energii γ energii początkowej ulega rozproszeniu podczas jednego zderzenia), zachowanie pędu, ograniczenie oddziaływania między kulami do kierunku wektora r łączącego środki kul, prostopadłego do ich powierzchni, wymaganie, by w chwili po zderzeniu kule oddalały się od siebie. Mamy zatem równania v 1, v prędkości kul przed zderzeniem; u 1, u prędkości po zderzeniu): v 1 + v ) 1 γ) = u 1 + u 5) v 1 + v = u 1 + u 6) u 1 v 1 ) r = 7) Oznaczmy ˆr = r r. Równania 6 i 7 spełniają rozwiązania postaci: v 1 = u 1 v 1 = α ˆr ˆr v ) ˆr ˆr v 1 )) v = u v = α ˆr ˆr v 1 ) ˆr ˆr v )) 8) Podstawimy je do równania 5: v 1 + v ) 1 γ) = v 1 + v + v 1 v 1 + v v + v 1 + v 4

5 v 1 v 1 + v v + v 1 + v + γ v 1 + v ) = 9) v 1 ˆrα ˆr v ˆr v 1 )+ v ˆrα ˆr v 1 ˆr v )+α ˆr v 1 ) + ˆr v ) ) +γ v 1 + v ) = 1) α ˆr v 1 ) + ˆr v ) ) α ˆr v 1 ) + ˆr v ) ) + γ v 1 + v ) = 11) Oznaczmy: γ ) v 1 + v c = 1) ˆr v 1 ) ) + ˆr v ) Równanie 11 możemy zapisać: α α + c = Jego rozwiązania: α = 1± 1 4c. Jeśli zmiany prędkości byłyby małe, środki kul po zderzeniu zbliżały by się do siebie. Wybieramy więc rozwiązanie α = c W przypadku sprężystych zderzeń γ = ) otrzymujemy α = 1. Równania 8 można przekształcić do optymalniejszej postaci bez pierwiastkowania podczas obliczania r ): v i = α r r r v j) r v i )) gdzie i, j) = 1, ) lub, 1). Podobnie jest z równaniem 1: 3 Algorytm. γ v 1 + v c = ) r r v 1 ) + r v ) ) Użyte struktury. Niech n oznacza ilość kul w układzie. Program używa następujących obiektów: tablice v i, x i wektorów prędkości i położeń, tablica X i nie redukowanych wg wzoru 4) do wyróżnionego sześcianu wektorów położeń. Aktualizowane są tylko według równania 3. Położenia X i odnoszą się stale do tego samego reprezentanta rodziny, pozwalają więc na śledzenie wybranej kuli. 5

6 K j n kopców 1 użytych, by szybko znajdować najmniejszy czas zderzenia). Każdy element zawiera: czas t ij przewidywanego zderzenia kul i, j oraz numer i jednej z tych kul numer drugiej jest równy numerowi kopca). Każdy kopiec K j jest uporządkowany tak, że na szczycie znaduje się element z najmniejszym t ij. I ij macierz indeksów elementów w kopcach przechowujących wartości t ij. Potrzebna jest, by nie musieć przeszukiwać kopców w celu znalezienia elementu odpowiadającego parze kul i, j. Znajdowanie najbliższego zderzenia. Na początku symulacji kopce zostają wypełnione właściwymi czasami do zderzeń dla każdej pary kul. Później najmniejszy element t ij jest znajdowany przez wybranie najmniejszego spośród elementów minimalnych w K i, i = 1,,..., n czas n). O waściwy porządek w kopcach dbamy podczas modyfikowania czasów i w rzeczywistości to będzie dla komputera bardziej pracochłonne). Kiedy wiemy już, które kule się zderzą: zmieniamy ich położenia odpowiednio do chwili zderzenia obliczamy zderzenie zmieniamy prędkości dwóch kul poprawiamy współrzędne wszystkich kul, by znajdowały się w sześcianie symulacji W tym momencie n spośród przechowywanych czasów może już nie być prawidłowe. Aktualizacja czasów. Niech w zderzeniu biorą udział kule i-ta i j-ta. Postępowanie jest następujące: obliczamy nowe czasy zderzeń t kj dla k=1..n, zapisując je w kolejnych elementach K j burząc strukturę kopca, poprawiając I kj ; czas n), zapisujemy nowe czasy zderzeń t jk = t kj ) dla k=1..n, zmieniając odpowiedni element K k czas log n na aktualizację jednego kopca; łącznie n log n). odbudowujemy kopiec K j czas n log n), jednocześnie poprawiając indeksy w j-tym wierszu I, 1 Kopiec jest drzewem binarnym tak uporządkowanym, że każdy element ma wszystkich przodków od niego mniejszych na rys. przykładowy kopiec)

7 obliczamy nowe czasy zderzeń t ki dla k=1..n, zapisując je w kolejnych elementach K i czas n), zapisujemy nowe czasy zderzeń t ik = t ki ) dla k=1..n, zmieniając odpowiedni element K k czas n log n). odbudowujemy kopiec K i czas n log n), jednocześnie poprawiając indeksy w i-tym wierszu I, 4 Wyniki. Rozkład prawdopodobieństwa odległości między parami. Jedną z wielkości opisujących strukturę układu jest rozkład prawdopodobieństwa przebywania dwóch wybranych kul w danej odległości. Program zlicza podczas symulacji ilość par kul znajdujących się w poszczególnych przedziałach odległości. Zmierzone w ten sposób prawopodobieństwa dzielone są przez odpowiedni rozkład dla gazu doskonałego, z zaniedbaniem stałego czynnika. Wynik prezentowany jest w postaci wykresu w którym skala na osi względnej gęstości prawdopodobieństwa jest dobrana tylko tak, aby zmieścił się cały wykres). Dla dużych gęstości otrzymujemy charakterystyczną zależność. Odległość od wyróżnionego położenia w funkcji czasu. Za pomocą programu można zbadać zależność xt) xt) odległości kuli w chwili t od jej położenia w chwili t w funkcji czasu. Najpierw zostaje wybrana kula przez wskazanie jej na ekranie). W chwili ropoczęcia rejestrowania, zapamiętywane jest położenie X = X t ) wybranej kuli. Co zadany okres czasu upływającego w symulowanym układzie obliczana i zapamiętywana jest odległość X t) X wraz z aktualną wartością symulowanego czasu. Postać zależności. Podzielmy czas na odcinki t. Na potrzeby tego wyprowadzenia zamieńmy ruch kuli w każdej współrzędnej x i, tak by w okresach t kula pokonywała odległość x zmieniając współrzędną na x i + x lub x i x z równym prawdopodobieństwem. Współrzędna kuli wyrażona jako liczba vt całkowita ma rozkład Bernoulliego. Ilość kroków wynosi x, gdzie t jest czasem x obserwacji. Wariancja zmiennej x wynosi σb = vt 1 x 4 Ostatni czynnik pochodzi od tego, że prawdopodobieństwa przejść w prawo i w lewo wynoszą 1. Przechodząc do granicy otzymujemy rozkład Gaussa o odchyleniu któremu nadamy wymiar odległości): σ = σ B x = 1 vt x Dokładniej przy każdym zderzeniu kul, które następuje po upłynięciu kolejnej wielokrotności zadanego okresu. 7

8 Łączymy trzy niezależne rozkłady prawdopodobieństwa takie jak właśnie otrzymany) powstaje rozkład wektora. Gęstość prawdopodobieństwa osiągnięcia współrzędnej x jest równa: f x) = 1 πσ ) 3 e x σ Przechodząc do współrzędnych sferycznych otrzymujemy prawdopodobieństwo, że odległość środka kuli od początku układu mieści się w przedziale H: P x H) = 4π Obliczmy oczekiwaną odległość: H 1 πσ ) 3 r e r σ dr r = 4π + r ) 3 ) 3 1 r e r 1 σ 4 vt x σ dr = 4π πσ πσ = 8π Jeśli ograniczymy ruch kuli do płaszczyzny, otrzymamy inny promień: + ) r d = π r re r σ dr = σ u d e u du = σ e au) du πσ da = a=1 = σ d da ) 1 4 πa = σ 8 π = 1 vt xd = r 16 π 4 xd x W obydwu rozważanych przypadkach otrzymaliśmy zależność: Literatura xt) xt ) t t ) [1] M. P. Allen, J. D. Tildesley, Computer simulation of liquids. 8

17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek

17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 17 KLASYCZNA DYNAMIKA MOLEKULARNA 17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Rozważamy układ N punktowych cząstek

Bardziej szczegółowo

FUNKCJA LINIOWA - WYKRES

FUNKCJA LINIOWA - WYKRES FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (Postać kierunkowa) Funkcja liniowa jest podstawowym typem funkcji. Jest to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości

Bardziej szczegółowo

FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe

FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (postać kierunkowa) Funkcja liniowa to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości liczbowe Szczególnie ważny w postaci

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

Bardziej szczegółowo

3. Macierze i Układy Równań Liniowych

3. Macierze i Układy Równań Liniowych 3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x

Bardziej szczegółowo

Z Wikipedii, wolnej encyklopedii.

Z Wikipedii, wolnej encyklopedii. Rozkład normalny Rozkład normalny jest niezwykle ważnym rozkładem prawdopodobieństwa w wielu dziedzinach. Nazywa się go także rozkładem Gaussa, w szczególności w fizyce i inżynierii. W zasadzie jest to

Bardziej szczegółowo

Ćwiczenie M-2 Pomiar przyśpieszenia ziemskiego za pomocą wahadła rewersyjnego Cel ćwiczenia: II. Przyrządy: III. Literatura: IV. Wstęp. l Rys.

Ćwiczenie M-2 Pomiar przyśpieszenia ziemskiego za pomocą wahadła rewersyjnego Cel ćwiczenia: II. Przyrządy: III. Literatura: IV. Wstęp. l Rys. Ćwiczenie M- Pomiar przyśpieszenia ziemskiego za pomocą wahadła rewersyjnego. Cel ćwiczenia: pomiar przyśpieszenia ziemskiego przy pomocy wahadła fizycznego.. Przyrządy: wahadło rewersyjne, elektroniczny

Bardziej szczegółowo

Biostatystyka, # 3 /Weterynaria I/

Biostatystyka, # 3 /Weterynaria I/ Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Definicja i własności wartości bezwzględnej.

Definicja i własności wartości bezwzględnej. Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności

Bardziej szczegółowo

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas: ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań

Bardziej szczegółowo

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

Wstęp 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 szczegółowo

Ważne rozkłady i twierdzenia

Ważne rozkłady i twierdzenia Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne

Bardziej szczegółowo

Układy stochastyczne

Układy stochastyczne Instytut Informatyki Uniwersytetu Śląskiego 21 stycznia 2009 Definicja Definicja Proces stochastyczny to funkcja losowa, czyli funkcja matematyczna, której wartości leżą w przestrzeni zdarzeń losowych.

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XIV: Metody Monte Carlo 19 stycznia 2016 Przybliżone obliczanie całki oznaczonej Rozważmy całkowalną funkcję f : [0, 1] R. Chcemy znaleźć przybliżoną wartość liczbową całki 1 f (x) dx. 0 Jeden ze

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM PODSTAWOWY 17 KWIETNIA 2010 CZAS PRACY: 170 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT.) Jeżeli liczba 3b

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM PODSTAWOWY 17 KWIETNIA 2010 CZAS PRACY: 170 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT.) Jeżeli liczba 3b

Bardziej szczegółowo

Zadanie. Oczywiście masa sklejonych ciał jest sumą poszczególnych mas. Zasada zachowania pędu: pozwala obliczyć prędkość po zderzeniu

Zadanie. Oczywiście masa sklejonych ciał jest sumą poszczególnych mas. Zasada zachowania pędu: pozwala obliczyć prędkość po zderzeniu Zderzenie centralne idealnie niesprężyste (ciała zlepiają się i po zderzeniu poruszają się razem). Jedno z ciał przed zderzeniem jest w spoczynku. Oczywiście masa sklejonych ciał jest sumą poszczególnych

Bardziej szczegółowo

Definicje i przykłady

Definicje i przykłady Rozdział 1 Definicje i przykłady 1.1 Definicja równania różniczkowego 1.1 DEFINICJA. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (t, x, ẋ, ẍ,..., x (n) ) = 0. (1.1) W równaniu tym t jest

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n) MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości

Bardziej szczegółowo

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i

Bardziej szczegółowo

Zasady oceniania karta pracy

Zasady oceniania karta pracy Zadanie 1.1. 5) stosuje zasadę zachowania energii oraz zasadę zachowania pędu do opisu zderzeń sprężystych i niesprężystych. Zderzenie, podczas którego wózki łączą się ze sobą, jest zderzeniem niesprężystym.

Bardziej szczegółowo

P (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)

P (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A) Wykład 3 Niezależność zdarzeń, schemat Bernoulliego Kiedy dwa zdarzenia są niezależne? Gdy wiedza o tym, czy B zaszło, czy nie, NIE MA WPŁYWU na oszacowanie prawdopodobieństwa zdarzenia A: P (A B) = P

Bardziej szczegółowo

Algorytmy zrandomizowane

Algorytmy zrandomizowane Algorytmy zrandomizowane http://zajecia.jakubw.pl/nai ALGORYTMY ZRANDOMIZOWANE Algorytmy, których działanie uzależnione jest od czynników losowych. Algorytmy typu Monte Carlo: dają (po pewnym czasie) wynik

Bardziej szczegółowo

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Przygotował: Dr inż. Wojciech Artichowicz Katedra Hydrotechniki PG Zima 2014/15 1 TABLICE ROZKŁADÓW... 3 ROZKŁAD

Bardziej szczegółowo

6.4 Podstawowe metody statystyczne

6.4 Podstawowe metody statystyczne 156 Wstęp do statystyki matematycznej 6.4 Podstawowe metody statystyczne Spóbujemy teraz w dopuszczalnym uproszczeniu przedstawić istotę analizy statystycznej. W szczególności udzielimy odpowiedzi na postawione

Bardziej szczegółowo

Wyznaczenie współczynnika restytucji

Wyznaczenie współczynnika restytucji 1 Ćwiczenie 19 Wyznaczenie współczynnika restytucji 19.1. Cel ćwiczenia Celem ćwiczenia jest wyznaczenie współczynnika restytucji dla różnych materiałów oraz sprawdzenie słuszności praw obowiązujących

Bardziej szczegółowo

Metody Rozmyte i Algorytmy Ewolucyjne

Metody Rozmyte i Algorytmy Ewolucyjne mgr inż. Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Uniwersytet Kardynała Stefana Wyszyńskiego Podstawowe operatory genetyczne Plan wykładu Przypomnienie 1 Przypomnienie Metody generacji liczb

Bardziej szczegółowo

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory; Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia

Bardziej szczegółowo

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów

Bardziej szczegółowo

Zmienne losowe i ich rozkłady

Zmienne losowe i ich rozkłady Zmienne losowe i ich rozkłady 29 kwietnia 2019 Definicja: Zmienną losową nazywamy mierzalną funkcję X : (Ω, F, P) (R n, B(R n )). Definicja: Niech A będzie zbiorem borelowskim. Rozkładem zmiennej losowej

Bardziej szczegółowo

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018 Katedra Matematyki i Ekonomii Matematycznej SGH 16 października 2018 Definicja σ-algebry Definicja Niech Ω oznacza zbiór niepusty. Rodzinę M podzbiorów zbioru Ω nazywamy σ-algebrą (lub σ-ciałem) wtedy

Bardziej szczegółowo

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

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

Bardziej szczegółowo

Pole magnetyczne magnesu w kształcie kuli

Pole magnetyczne magnesu w kształcie kuli napisał Michał Wierzbicki Pole magnetyczne magnesu w kształcie kuli Rozważmy kulę o promieniu R, wykonaną z materiału ferromagnetycznego o stałej magnetyzacji M = const, skierowanej wzdłuż osi z. Gęstość

Bardziej szczegółowo

Macierze. Rozdział Działania na macierzach

Macierze. Rozdział Działania na macierzach Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy

Bardziej szczegółowo

13. Równania różniczkowe - portrety fazowe

13. Równania różniczkowe - portrety fazowe 13. Równania różniczkowe - portrety fazowe Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny 13. wrównania Krakowie) różniczkowe - portrety fazowe 1 /

Bardziej szczegółowo

gęstością prawdopodobieństwa

gęstością prawdopodobieństwa Funkcja falowa Zgodnie z hipotezą de Broglie'a, cząstki takie jak elektron czy proton, mają własności falowe. Własności falowe cząstki (lub innego obiektu) w mechanice kwantowej opisuje tzw. funkcja falowa(,t)

Bardziej szczegółowo

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III. Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej

Bardziej szczegółowo

Ćwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II

Ćwiczenia: 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 szczegółowo

Spacery losowe generowanie realizacji procesu losowego

Spacery 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 szczegółowo

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Wstęp 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 szczegółowo

5. Rozwiązywanie układów równań liniowych

5. Rozwiązywanie układów równań liniowych 5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a

Bardziej szczegółowo

Przekształcenia liniowe

Przekształcenia liniowe Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )

Bardziej szczegółowo

Obliczenia iteracyjne

Obliczenia iteracyjne Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej

Bardziej szczegółowo

Aby opisać strukturę krystaliczną, konieczne jest określenie jej części składowych: sieci przestrzennej oraz bazy atomowej.

Aby opisać strukturę krystaliczną, konieczne jest określenie jej części składowych: sieci przestrzennej oraz bazy atomowej. 2. Podstawy krystalografii Podczas naszych zajęć skupimy się przede wszystkim na strukturach krystalicznych. Kryształem nazywamy (def. strukturalna) substancję stałą zbudowaną z atomów, jonów lub cząsteczek

Bardziej szczegółowo

Hierarchiczna analiza skupień

Hierarchiczna analiza skupień Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 13 kwietnia D n =

Lista 6. Kamil Matuszewski 13 kwietnia D n = Lista 6 Kamil Matuszewski 3 kwietnia 6 3 4 5 6 7 8 9 Zadanie Mamy Pokaż, że det(d n ) = n.... D n =.... Dowód. Okej. Dla n =, n = trywialne. Załóżmy, że dla n jest ok, sprawdzę dla n. Aby to zrobić skorzystam

Bardziej szczegółowo

Rozwiązania zadań. Arkusz maturalny z matematyki nr 1 POZIOM PODSTAWOWY

Rozwiązania zadań. Arkusz maturalny z matematyki nr 1 POZIOM PODSTAWOWY Rozwiązania zadań Arkusz maturalny z matematyki nr POZIOM PODSTAWOWY Zadanie (pkt) Sposób I Skoro liczba jest środkiem przedziału, więc odległość punktu x od zapisujemy przy pomocy wartości bezwzględnej.

Bardziej szczegółowo

KLASA II TECHNIKUM POZIOM PODSTAWOWY PROPOZYCJA POZIOMÓW WYMAGAŃ

KLASA II TECHNIKUM POZIOM PODSTAWOWY PROPOZYCJA POZIOMÓW WYMAGAŃ KLASA II TECHNIKUM POZIOM PODSTAWOWY PROPOZYCJA POZIOMÓW WYMAGAŃ Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i wykraczające (W).

Bardziej szczegółowo

Manipulatory i roboty mobilne AR S1 semestr 5

Manipulatory i roboty mobilne AR S1 semestr 5 Manipulatory i roboty mobilne AR S semestr 5 Konrad Słodowicz MN: Zadanie proste kinematyki manipulatora szeregowego - DOF Położenie manipulatora opisać można dwojako w przestrzeni kartezjańskiej lub zmiennych

Bardziej szczegółowo

Procesy 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. 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 szczegółowo

1 Płaska fala elektromagnetyczna

1 Płaska fala elektromagnetyczna 1 Płaska fala elektromagnetyczna 1.1 Fala w wolnej przestrzeni Rozwiązanie równań Maxwella dla zespolonych amplitud pól przemiennych sinusoidalnie, reprezentujące płaską falę elektromagnetyczną w wolnej

Bardziej szczegółowo

O 2 O 1. Temat: Wyznaczenie przyspieszenia ziemskiego za pomocą wahadła rewersyjnego

O 2 O 1. Temat: Wyznaczenie przyspieszenia ziemskiego za pomocą wahadła rewersyjnego msg M 7-1 - Temat: Wyznaczenie przyspieszenia ziemskiego za pomocą wahadła rewersyjnego Zagadnienia: prawa dynamiki Newtona, moment sił, moment bezwładności, dynamiczne równania ruchu wahadła fizycznego,

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru

Bardziej szczegółowo

Elementy Rachunek prawdopodobieństwa

Elementy Rachunek prawdopodobieństwa Elementy rachunku prawdopodobieństwa Rachunek prawdopodobieństwa zajmuje się analizą praw rządzących zdarzeniami losowymi Pojęciami pierwotnymi są: zdarzenie elementarne ω oraz zbiór zdarzeń elementarnych

Bardziej szczegółowo

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna. Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Bardziej szczegółowo

Modelowanie komputerowe

Modelowanie komputerowe Modelowanie komputerowe wykład 1- Generatory liczb losowych i ich wykorzystanie dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 5,12 października 2016 r.

Bardziej szczegółowo

Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport

Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport Michał Krzemiński Streszczenie Projekt dotyczy metod generowania oraz badania własności statystycznych ciągów liczb pseudolosowych.

Bardziej szczegółowo

Zagadnienie dwóch ciał

Zagadnienie dwóch ciał Zagadnienie dwóch ciał Rysunek : Rysunek ilustrujący zagadnienie dwóch ciał. Wektor R określa położenie środka masy, wektor x położenie masy m, a wektor x 2 położenie masy m 2. Położenie masy m 2 względem

Bardziej szczegółowo

Wykład 14. Elementy algebry macierzy

Wykład 14. Elementy algebry macierzy Wykład 14 Elementy algebry macierzy dr Mariusz Grządziel 26 stycznia 2009 Układ równań z dwoma niewiadomymi Rozważmy układ równań z dwoma niewiadomymi: a 11 x + a 12 y = h 1 a 21 x + a 22 y = h 2 a 11,

Bardziej szczegółowo

Ćw. nr 31. Wahadło fizyczne o regulowanej płaszczyźnie drgań - w.2

Ćw. nr 31. Wahadło fizyczne o regulowanej płaszczyźnie drgań - w.2 1 z 6 Zespół Dydaktyki Fizyki ITiE Politechniki Koszalińskiej Ćw. nr 3 Wahadło fizyczne o regulowanej płaszczyźnie drgań - w.2 Cel ćwiczenia Pomiar okresu wahań wahadła z wykorzystaniem bramki optycznej

Bardziej szczegółowo

WYKŁAD 6 KINEMATYKA PRZEPŁYWÓW CZĘŚĆ 2 1/11

WYKŁAD 6 KINEMATYKA PRZEPŁYWÓW CZĘŚĆ 2 1/11 WYKŁAD 6 KINEMATYKA PRZEPŁYWÓW CZĘŚĆ 1/11 DEFORMACJA OŚRODKA CIĄGŁEGO Rozważmy dwa elementy płynu położone w pewnej chwili w bliskich sobie punktach A i B. Jak zmienia się ich względne położenie w krótkim

Bardziej szczegółowo

Rozkłady wielu zmiennych

Rozkłady wielu zmiennych Rozkłady wielu zmiennych Uogólnienie pojęć na rozkład wielu zmiennych Dystrybuanta, gęstość prawdopodobieństwa, rozkład brzegowy, wartości średnie i odchylenia standardowe, momenty Notacja macierzowa Macierz

Bardziej szczegółowo

Redukcja wariancji w metodach Monte-Carlo

Redukcja wariancji w metodach Monte-Carlo 14.02.2006 Seminarium szkoleniowe 14 lutego 2006 Plan prezentacji Wprowadzenie Metoda losowania warstwowego Metoda próbkowania ważonego Metoda zmiennych kontrolnych Metoda zmiennych antytetycznych Metoda

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy równań i równania wyższych rzędów Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem

Bardziej szczegółowo

Test na koniec nauki w klasie trzeciej gimnazjum

Test na koniec nauki w klasie trzeciej gimnazjum 8 Test na koniec nauki w klasie trzeciej gimnazjum imię i nazwisko ucznia...... data klasa Test 2 1 Na przeciwległych ścianach każdej z pięciu sześciennych kostek umieszczono odpowiednio liczby: 1 i 1,

Bardziej szczegółowo

PRZYKŁADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI

PRZYKŁADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI PRZYKŁADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI P-1 POZIOM PODSTAWOWY Czas pracy: 170 minut Za rozwiązanie wszystkich zadań można uzyskać łącznie 50 punktów BRUDNOPIS Zadanie 1. (1 pkt) ZADANIA ZAMKNIĘTE

Bardziej szczegółowo

Metody numeryczne. Wykład nr 12. Dr Piotr Fronczak

Metody numeryczne. Wykład nr 12. Dr Piotr Fronczak Metody numeryczne Wykład nr 1 Dr Piotr Fronczak Generowanie liczb losowych Metody Monte Carlo są oparte na probabilistyce działają dzięki generowaniu liczb losowych. W komputerach te liczby generowane

Bardziej szczegółowo

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się.

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się. 1 Wstęp Będziemyrozważaćgeneratorytypux n+1 =f(x n,x n 1,...,x n k )(modm). Zakładamy,żeargumentamifunkcjifsąliczbycałkowitezezbioru0,1,...,M 1. Dla ustalenia uwagi mogą to być generatory liniowe typu:

Bardziej szczegółowo

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu 1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie

Bardziej szczegółowo

g) wartość oczekiwaną (przeciętną) i wariancję zmiennej losowej K.

g) wartość oczekiwaną (przeciętną) i wariancję zmiennej losowej K. TEMAT 1: WYBRANE ROZKŁADY TYPU SKOKOWEGO ROZKŁAD DWUMIANOWY (BERNOULLIEGO) Zadanie 1-1 Prawdopodobieństwo nieprzekroczenia przez pewien zakład pracy dobowego limitu zużycia energii elektrycznej (bez konieczności

Bardziej szczegółowo

Poniżej przedstawiony został podział wymagań na poszczególne oceny szkolne:

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobieństwo i statystyka 9.06.999 r. Zadanie. Rzucamy pięcioma kośćmi do gry. Następnie rzucamy ponownie tymi kośćmi, na których nie wypadły szóstki. W trzeciej rundzie rzucamy tymi kośćmi, na których

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej

Bardziej szczegółowo

Rachunek Prawdopodobieństwa i Statystyka

Rachunek Prawdopodobieństwa i Statystyka Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne

Bardziej szczegółowo

Linie sił pola elektrycznego

Linie sił pola elektrycznego Wykład 5 5.6. Linie sił pola elektrycznego Pamiętamy, że we wzorze (5.) określiliśmy natężenie pola elektrycznego przy pomocy ładunku próbnego q 0, którego wielkość dążyła do zera. Robiliśmy to po to,

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany

Bardziej szczegółowo

MECHANIKA 2. Prowadzący: dr Krzysztof Polko

MECHANIKA 2. Prowadzący: dr Krzysztof Polko MECHANIKA 2 Prowadzący: dr Krzysztof Polko PLAN WYKŁADÓW 1. Podstawy kinematyki 2. Ruch postępowy i obrotowy bryły 3. Ruch płaski bryły 4. Ruch złożony i ruch względny 5. Ruch kulisty i ruch ogólny bryły

Bardziej szczegółowo

27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE

27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE 27. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE 27.1. Wiadomości wstępne Równaniem różniczkowym cząstkowym nazywamy związek w którym występuje funkcja niewiadoma u dwóch lub większej liczby zmiennych niezależnych i

Bardziej szczegółowo

VII. WYKRESY Wprowadzenie

VII. WYKRESY Wprowadzenie VII. WYKRESY 7.1. Wprowadzenie Wykres jest graficznym przedstawieniem (w pewnym układzie współrzędnych) zależności pomiędzy określonymi wielkościami. Ułatwia on interpretację informacji (danych) liczbowych.

Bardziej szczegółowo

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych)

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości

Bardziej szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli

Bardziej szczegółowo

Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.

Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki

Bardziej szczegółowo

Matematyka rozszerzona matura 2017

Matematyka rozszerzona matura 2017 Matematyka rozszerzona matura 017 Zadanie 1 Liczba ( 3 + 3) jest równa A. B. 4 C. 3 D. 3 ( 3 + 3) = 3 ( 3)( + 3) + + 3 = A. 3 4 3 + + 3 = 4 1 = 4 = Zadanie. Nieskończony ciąg liczbowy jest określony wzorem

Bardziej szczegółowo

Metoda elementów brzegowych

Metoda elementów brzegowych Metoda elementów brzegowych Tomasz Chwiej, Alina Mreńca-Kolasińska 9 listopada 8 Wstęp Rysunek : a) Geometria układu z zaznaczonymi: elementami brzegu (czerwony), węzłami (niebieski). b) Numeracja: elementów

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadanie. Niech (X, Y) ) będzie dwuwymiarową zmienną losową, o wartości oczekiwanej (μ, μ, wariancji każdej ze współrzędnych równej σ oraz kowariancji równej X Y ρσ. Staramy się obserwować niezależne realizacje

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe

Bardziej szczegółowo

Co to jest wektor? Jest to obiekt posiadający: moduł (długość), kierunek wraz ze zwrotem.

Co to jest wektor? Jest to obiekt posiadający: moduł (długość), kierunek wraz ze zwrotem. 1 Wektory Co to jest wektor? Jest to obiekt posiadający: moduł (długość), kierunek wraz ze zwrotem. 1.1 Dodawanie wektorów graficzne i algebraiczne. Graficzne - metoda równoległoboku. Sprowadzamy wektory

Bardziej szczegółowo

Podstawy OpenCL część 2

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

Bardziej szczegółowo

Interpolacja. Marcin Orchel. Drugi przypadek szczególny to interpolacja trygonometryczna

Interpolacja. Marcin Orchel. Drugi przypadek szczególny to interpolacja trygonometryczna Interpolacja Marcin Orchel 1 Wstęp Mamy daną funkcję φ (x; a 0,..., a n ) zależną od n + 1 parametrów a 0,..., a n. Zadanie interpolacji funkcji φ polega na określeniu parametrów a i tak aby dla n + 1

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można

Bardziej szczegółowo

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 20 KWANTOWE METODY MONTE CARLO 20.1 Kwantowa wariacyjna metoda Monte Carlo Problem własny dla stanu podstawowego układu N cząstek (H E 0 )ψ 0 (r)

Bardziej szczegółowo

Rozwiązania, seria 5.

Rozwiązania, 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 szczegółowo

Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie

Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie napisał Michał Wierzbicki Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie Prędkość grupowa paczki falowej Paczka falowa jest superpozycją fal o różnej częstości biegnących wzdłuż osi z.

Bardziej szczegółowo

Rozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,

Rozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2, Wykład 4. Rozkłady i ich dystrybuanty 6 marca 2007 Jak opisać cały rozkład jedną funkcją? Aby znać rozkład zmiennej X, musimy umieć obliczyć P (a < X < b) dla dowolnych a < b. W tym celu wystarczy znać

Bardziej szczegółowo

Wykład 16. P 2 (x 2, y 2 ) P 1 (x 1, y 1 ) OX. Odległość tych punktów wyraża się wzorem: P 1 P 2 = (x 1 x 2 ) 2 + (y 1 y 2 ) 2

Wykład 16. P 2 (x 2, y 2 ) P 1 (x 1, y 1 ) OX. Odległość tych punktów wyraża się wzorem: P 1 P 2 = (x 1 x 2 ) 2 + (y 1 y 2 ) 2 Wykład 16 Geometria analityczna Przegląd wiadomości z geometrii analitycznej na płaszczyźnie rtokartezjański układ współrzędnych powstaje przez ustalenie punktu początkowego zwanego początkiem układu współrzędnych

Bardziej szczegółowo

Zadania treningowe na kolokwium

Zadania treningowe na kolokwium Zadania treningowe na kolokwium 3.12.2010 1. Stan układu binarnego zawierającego n 1 moli substancji typu 1 i n 2 moli substancji typu 2 parametryzujemy za pomocą stężenia substancji 1: x n 1. Stabilność

Bardziej szczegółowo