Elementy wspo łczesnej teorii inwersji

Wielkość: px
Rozpocząć pokaz od strony:

Download "Elementy wspo łczesnej teorii inwersji"

Transkrypt

1 Elementy wspo łczesnej teorii inwersji W. Debski,

2 Zagadnienia modelowania i inwersji uogólnienie debski@igf.edu.pl: W2-1 IGF PAN,

3 Zagadnienie odwrotne - pomiary pośrednie zagadnienie odwrotne pomiar pośredni (estymacja parametrów) debski@igf.edu.pl: W2-2 IGF PAN,

4 Zagadnienia odwrotne - estymacja parametrów Modelowanie: Inwersja: m d th = G(m) d obs m est debski@igf.edu.pl: W2-3 IGF PAN,

5 Zagadnienie odwrotne (ogólnie) zagadnienie odwrotne proces wnioskowania W2-4 IGF PAN,

6 Elementy wspo łczesnej teorii inwersji Inwersja - Wnioskowanie debski@igf.edu.pl: W2-5 IGF PAN,

7 Zagadnienia odwrotne - estymacja parametrów Parametry i wielkości mierzalne System fizyczny: Parametery układu: p 1, p 2, p K m = (m 1, m 2, m M ) Przewidywane mierzalne wielkości: d = (d 1, d 2, d N ) Parametry ustalone (znane a priori): m fix = (u 1, u 2, ) debski@igf.edu.pl: W2-6 IGF PAN,

8 Przykład - propagacja fal sejsmicznych System fizyczny: r s, r r, t, v Zagadnienie lokalizacji: m = r s = (r x, r y, r z ) d = t m fix = v, r r Tomografia pr edkościowa: m = v = (v 1, v 2, v M ) d = t, m fix = r r, r s debski@igf.edu.pl: W2-7 IGF PAN,

9 Lokalizacja wstrzasów 21 48' 22 00' 22 12' 22 24' 38 24' NAF RODI FISH ANEM 38 24' UNI EGIO 38 12' CLAU 38 12' DERV 38 00' 21 48' 22 00' 22 12' 22 24' 38 00' W2-8 IGF PAN,

10 Tomografia sejsmiczna v =? debski@igf.edu.pl: W2-9 IGF PAN,

11 Liniowy problem odwrotny m = (m 1, m 2, m M ) M d = (d 1, d 2, d N ) D d(m) = G m d(m) = G(m) G(m o ) + H δm m = m o + δm debski@igf.edu.pl: W2-10 IGF PAN,

12 Liniowy problem odwrotny Podejście naiwne: m est = G 1 d obs Ale dim(g) = N M jest na ogół macierza prostokatn a debski@igf.edu.pl: W2-11 IGF PAN,

13 Liniowy problem odwrotny d = G m / G T G T d = G T G m G T G = G T G + λi m est = (G T G + λi) 1 G T d obs debski@igf.edu.pl: W2-12 IGF PAN,

14 Liniowy problem odwrotny m m apr ; d = G m apr d = G m / d d d = G (m m apr ) G T (d d) = G T G (m m apr ) G T G = G T G + λi m est = m apr +(G T G+λI) 1 G T (d obs G m apr) debski@igf.edu.pl: W2-13 IGF PAN,

15 Liniowy problem odwrotny λ - parametr dowolny = rozwiazanie jest subiektywne m est = m est (λ) 1) λ m est m apr + 1 λ GT (d obs G m apr) 2) λ 0 m est... debski@igf.edu.pl: W2-14 IGF PAN,

16 Liniowy problem odwrotny - subiektywność rozwiazania m est = m apr + (G T G + λi) 1 G T (d obs G m apr) Załóżmy, że G T G jest diagonalna 1) (G T G) ii 0 2) (G T G) ii = 0 m est = (G T G) 1 G T m est nieokreślone (d obs) debski@igf.edu.pl: W2-15 IGF PAN,

17 Liniowy problem odwrotny - ocena rozdzielczości m = (m 1, m 2,... m M ) jak dokładnie potrafimy wyznaczyć m i? czy otrzymane m i, m j sa skorelowane? m est = m apr + (G T G + λi) 1 G T (d obs G m apr) d true = G m true ; d obs = d true m est m apr = R(λ) (m true m apr ) debski@igf.edu.pl: W2-16 IGF PAN,

18 Liniowy problem odwrotny - ocena rozdzielczości R = m est i G T G G T G + λi = R ij m true j Otrzymane parametry m est sa przefitrowanymi obrazami nieznanych, prawdziwych m true. Obecność tego filtru wynika ze skończonej ilości posiadanych danych a wiec i informacji o parametrach m. debski@igf.edu.pl: W2-17 IGF PAN,

19 Liniowy problem odwrotny - ocena rozdzielczości Average R ii γ=0.001 γ=1 γ=10 γ= Cell size [cm] debski@igf.edu.pl: W2-18 IGF PAN,

20 Elementy wspo łczesnej teorii inwersji Liniowy problem odwrotny - ocena rozdzielczos ci debski@igf.edu.pl: W2-19 IGF PAN,

21 Technika algebraiczna - przykład A dwa parametry m 1, m 2 mierzone wielkości: d 1, d 2 d obs = (2, 2) m 1, m 2 =???? d 1 = m 1 + m 2 d 2 = m 1 m 2 (1) debski@igf.edu.pl: W2-20 IGF PAN,

22 Technika algebraiczna - przykład B d = G m d = 2 2 m = m 1 m 2 G = G T G = (G T G) 1G T = 1/2 1/2 1/2 1/2 m 1 = 0; m 2 = 2 debski@igf.edu.pl: W2-21 IGF PAN,

23 Technika algebraiczna - B dwa parametry m 1, m 2 mierzone wielkości: d 1, d 2... d 5 d 1 = m 1 + m 2 d 2 = m 1 m 2 d 3 = m 1 + 2m 2 (2) d obs = (2, 2, 4, 2, 4) d 4 = 2m 1 + m 2 d 5 = m 1 + 2m 2 debski@igf.edu.pl: W2-22 IGF PAN,

24 Technika algebraiczna - B d = G m d 1 d 2 d 3 d 4 d 5 = m 1 m 2 m 1 = 0; m 2 = 2 debski@igf.edu.pl: W2-23 IGF PAN,

25 Technika algebraiczna - C dwa parametry m 1, m 2 mierzona wielkość: d 1 d 1 = m 1 + m 2 d obs = 2 m 1, m 2 =???? debski@igf.edu.pl: W2-24 IGF PAN,

26 Technika algebraiczna - D dwa parametry m 1, m 2 mierzone wielkości: d 1, d 2, d 3 G = d obs = (2, 0, 4) m 1, m 2 =???? debski@igf.edu.pl: W2-25 IGF PAN,

27 Technika algebraiczna - E dwa parametry m 1, m 2 mierzone wielkości: d 1, d 2, d 3 G = d obs = (2, 10, 2) m 1, m 2 =???? debski@igf.edu.pl: W2-26 IGF PAN,

28 Inwersja - technika Back projection data d d=f(m) m model parameter debski@igf.edu.pl: W2-27 IGF PAN,

29 Back projection Projection "BackProjection" SOURCE -1 SOURCE-3 SOURCE-2 DATA W2-28 IGF PAN,

30 Elementy wspo łczesnej teorii inwersji Koniec W2-29 IGF PAN,

Elementy wspo łczesnej teorii inwersji

Elementy wspo łczesnej teorii inwersji Elementy wspo łczesnej teorii inwersji W. Debski, 11.12.2014 Liniowy problem odwrotny m est (λ) = m apr + (G T G + λi) 1 G T ( dobs G m apr) +δ debski@igf.edu.pl: W3-1 IGF PAN, 11.12.2014 Metoda algebraiczna

Bardziej szczegółowo

Elementy wspo łczesnej teorii inwersji

Elementy wspo łczesnej teorii inwersji Elementy wspo łczesnej teorii inwersji Metoda optymalizacyjna (2) W. Debski, 8.01.2015 Liniowy problem odwrotny m est (λ) = m apr + (G T G + λi) 1 G T ( dobs G m apr) +δ d est d o = + λ I ( G T G + λi

Bardziej szczegółowo

Elementy wspo łczesnej teorii inwersji

Elementy wspo łczesnej teorii inwersji Elementy wspo łczesnej teorii inwersji W. Debski, 5.02.2015 Przykład - 1 (Wiek A. Tarantoli???) debski@igf.edu.pl: W6-1 IGF PAN, 5.02.2015 Pomysł na rozwiazanie debski@igf.edu.pl: W6-2 IGF PAN, 5.02.2015

Bardziej szczegółowo

Współczesna technika inwersyjna - dokad zmierzamy? Wojciech Dȩbski

Współczesna technika inwersyjna - dokad zmierzamy? Wojciech Dȩbski Współczesna technika inwersyjna - dokad zmierzamy? Wojciech Dȩbski 24.5.2 Pomiar bezpośredni IGF, 24.5.2 IGF - Pomiar pośredni IGF, 24.5.2 IGF - 2 Interpretacja matematyczna m m + dm m d + dd d = G(m)

Bardziej szczegółowo

Metody inwersji Bayesowskiej - zaczynamy...

Metody inwersji Bayesowskiej - zaczynamy... Metody inwersji Bayesowskiej - zaczynamy... W. D ebski debski@igf.edu.pl www.igf.edu.pl/ debski/ Plan wykładu Literatura i materiały pomocnicze Wprowadzenie Zagadnienia modelowania Zagadnienia odwrotne

Bardziej szczegółowo

Inverse problems - Introduction - Probabilistic approach

Inverse problems - Introduction - Probabilistic approach Inverse problems - Introduction - Probabilistic approach Wojciech Dȩbski Instytut Geofizyki PAN debski@igf.edu.pl Wydział Fizyki UW, 13.10.2004 Wydział Fizyki UW Warszawa, 13.10.2004 (1) Plan of the talk

Bardziej szczegółowo

Lokalizacja zjawisk sejsmicznych w kopalni - problemy. Lokalizacja - problemy. brak czasu w ognisku. Lokalizacja względna. niedokładne wyznaczanie

Lokalizacja zjawisk sejsmicznych w kopalni - problemy. Lokalizacja - problemy. brak czasu w ognisku. Lokalizacja względna. niedokładne wyznaczanie Lokalizacja zjawisk sejsmicznych w kopalni - problemy Lokalizacja - problemy niedokładne wyznaczanie brak czasu w ognisku głębokości Absolutna lokalizacja pojedynczych zjawisk Lokalizacja względna wyznaczamy

Bardziej szczegółowo

Metody inwersji Bayesowskiej -L7- IGF PAN, 21.IV.2005

Metody inwersji Bayesowskiej -L7- IGF PAN, 21.IV.2005 Metody inwersji Bayesowskiej -L7- Podejście optymalizacyjne i probabilistyczne podobieństwa i różnice (C) G(m) d obs + λ m m apr = min d obs m apr d th = d true + ɛ obs = m true + ɛ apr = G(m) + ɛ th G(m)

Bardziej szczegółowo

Ż ż Ł ż ż ż Ż Ś ż ż ż Ł Ż Ż ć ż Ż Ż Ż Ń Ż Ź ż Ź Ź ż Ż ż ż Ż Ł Ż Ł Ż ż Ż ż Ż Ż Ń Ą Ż Ń Ż Ń ć ż Ż ź Ś ć Ł Ł Ź Ż Ż ż Ł ż Ż Ł Ż Ł ź ć ż Ż Ż ż ż Ó ż Ł Ż ć Ż Ż Ę Ż Ż Ż ż Ż ż ż Ś ż Ż ż ż ź Ż Ń ć Ż ż Ż Ż ż ż ż

Bardziej szczegółowo

Ł Ł Ś ź ń ź ź ź Ś Ł Ę Ę Ś ż Ś ń Ą Ś Ą Ł ż ż ń ż ć ż ż ż ź ż ć ź Ę Ę ń ć ż Ł ń ż ż ż Ś ż Ś ż ż ż ż ż ż ż ń ń ż ż ż ć ż ń ż ń ź ż ć ż ż ć ń ż Ę Ę ć ń Ę ż ż ń ń ź Ę ź ż ń ż ń ź ż ż ż ń ż ż ż ż ż ż ż ż ń ń

Bardziej szczegółowo

Ś Ł Ą Ś Ś ź Ś ń ż ż Ó ż ż Ś Ł ż ń ń ń ż ń Ś ń ć ŚĘ Ó Ł Ę Ł Ś Ę Ę ń ń ń ń ń Ź ń ń ń ń ń ż ń ń ń ń ń Ę ż ż ć Ść ń ń ż Ń ż ż ń ń Ś Ą ń Ś ń ń ż Ó ż Ź ń ż ń Ś Ń Ó ż Ł ż Ą ź ź Ś Ł ć Ś ć ż ź ż ć ć Ę Ó Ś Ó ż ż

Bardziej szczegółowo

Ł Ł Ś Ę ź ń ź ź Ś Ę Ę Ś Ą Ś Ę Ż Ł ń Ę Ś ć ć ń ć ń ń ń ź ń Ę ź ń ń ń ź ź Ś ź ź ć ń ń ń ń Ś ć Ś ń ń Ś ź ń Ę ń Ś ź ź ź ź ź Ę Ę Ę Ś ń Ś ć ń ń ń ń ń ń Ę ń ń ń ń ć ń ń ń ń ć ń Ś ć Ł ń ń ń ć ń ć ź ń ź ć ń ń ć

Bardziej szczegółowo

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera Wyk lad 4 Macierz odwrotna i twierdzenie Cramera 1 Odwracanie macierzy I n jest elementem neutralnym mnożenia macierzy w zbiorze M n (R) tzn A I n I n A A dla dowolnej macierzy A M n (R) Ponadto z twierdzenia

Bardziej szczegółowo

ELEMENTY GEOFIZYKI. Seismologia W. D. ebski

ELEMENTY GEOFIZYKI. Seismologia W. D. ebski ELEMENTY GEOFIZYKI Seismologia W. D ebski debski@igf.edu.pl Plan wykładu z geofizyki - (Seismologia) 1. Geofizyka litosfery (Sejsmologia): trz esienia Ziemi sejsmologia obserwacyjna fale sejsmiczne fizyka

Bardziej szczegółowo

5. WNIOSKOWANIE PSYCHOMETRYCZNE

5. WNIOSKOWANIE PSYCHOMETRYCZNE 5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania

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

6. Identyfikacja wielowymiarowych systemów statycznych metodanajmniejszychkwadratów

6. Identyfikacja wielowymiarowych systemów statycznych metodanajmniejszychkwadratów 6. Identyfikacja wielowymiarowych systemów statycznych metodanajmniejszychkwadratów . Przedmiot identyfikacji System () x (2) x * a z y ( s ) x y = F (x,z)=f(x,z,a ),gdziex = F () znane, a nieznane x ()

Bardziej szczegółowo

Własności wyznacznika

Własności wyznacznika Własności wyznacznika Rozwinięcie Laplace a względem i-tego wiersza: n det(a) = ( 1) i+j a ij M ij (A), j=1 gdzie M ij (A) to minor (i, j)-ty macierzy A, czyli wyznacznik macierzy uzyskanej z macierzy

Bardziej szczegółowo

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1 Algebra liniowa II Lista Zadanie Udowodnić, że jeśli B b ij jest macierzą górnotrójkątną o rozmiarze m m, to jej wyznacznik jest równy iloczynowi elementów leżących na głównej przekątnej: det B b b b mm

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Wykład5,str.1. Maszyny ze stosem ... 1,0 λ r. λ,z λ

Wykład5,str.1. Maszyny ze stosem ... 1,0 λ r. λ,z λ Wykład5,str1 p 0,Z 0Z 0,0 00 q λ,z λ r Wykład5,str1 Słowo na wejściu: 0011 część nieprzeczytana Z p 0,Z 0Z 0,0 00 q λ,z λ r Wykład5,str1 Słowo na wejściu: 0011 część nieprzeczytana 0 Z p 0,Z 0Z 0,0 00

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń

Bardziej szczegółowo

Postać Jordana macierzy

Postać Jordana macierzy Rozdział 8 Postać Jordana macierzy Niech F = R lub F = C Macierz J r λ) F r r postaci λ 1 0 0 0 λ 1 J r λ) = 0 λ 1 0 0 λ gdzie λ F nazywamy klatką Jordana stopnia r Oczywiście J 1 λ) = [λ Definicja 81

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą

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

Fizyka źródła sejsmicznego cz

Fizyka źródła sejsmicznego cz Fizyka źródła sejsmicznego cz eść I Wojciech Dȩbski IGF PAN Warszawa 8.05.2017 Sejsmologia Źródło sejsmiczne Sejsmologia rozważa dwie klasy problemów: Struktura i budowa Ziemi w różnych skalach: globalnej

Bardziej szczegółowo

Zestaw 12- Macierz odwrotna, układy równań liniowych

Zestaw 12- Macierz odwrotna, układy równań liniowych Zestaw - Macierz odwrotna, układy równań liniowych Przykładowe zadania z rozwiązaniami Załóżmy, że macierz jest macierzą kwadratową stopnia n. Mówimy, że macierz tego samego wymiaru jest macierzą odwrotną

Bardziej szczegółowo

Metody oceny stanu zagrożenia tąpaniami wyrobisk górniczych w kopalniach węgla kamiennego. Praca zbiorowa pod redakcją Józefa Kabiesza

Metody oceny stanu zagrożenia tąpaniami wyrobisk górniczych w kopalniach węgla kamiennego. Praca zbiorowa pod redakcją Józefa Kabiesza Metody oceny stanu zagrożenia tąpaniami wyrobisk górniczych w kopalniach węgla kamiennego Praca zbiorowa pod redakcją Józefa Kabiesza GŁÓWNY INSTYTUT GÓRNICTWA Katowice 2010 Spis treści 1. Wprowadzenie

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

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Równania różniczkowe liniowe wyższych rzędów o stałych współcz Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym

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

Ekonometria. Przepływy międzygałęziowe. Model Leontiefa. Jakub Mućk. Katedra Ekonomii Ilościowej. Przepływy międzygałęziowe Model Leontiefa

Ekonometria. Przepływy międzygałęziowe. Model Leontiefa. Jakub Mućk. Katedra Ekonomii Ilościowej. Przepływy międzygałęziowe Model Leontiefa Ekonometria Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 10 1 / 22 Outline 1 2 Jakub Mućk Ekonometria Ćwiczenia 10 2 / 22 Oznaczenia i definicje Numeracja gałęzi: i, j = 1, 2,,

Bardziej szczegółowo

POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko

Bardziej szczegółowo

Maciej DWORNIK, Andrzej LEŚNIAK Akademia Górniczo Hutnicza, Wydział Geologii, Geofizyki i Ochrony Środowiska, Kraków

Maciej DWORNIK, Andrzej LEŚNIAK Akademia Górniczo Hutnicza, Wydział Geologii, Geofizyki i Ochrony Środowiska, Kraków Materiały Warsztatów str. 197 209 Maciej DWORNIK, Andrzej LEŚNIAK Akademia Górniczo Hutnicza, Wydział Geologii, Geofizyki i Ochrony Środowiska, Kraków Porównanie efektywności podstawowych technik inwersji

Bardziej szczegółowo

Przekształcanie równań stanu do postaci kanonicznej diagonalnej

Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przygotowanie: Dariusz Pazderski Liniowe przekształcenie równania stanu Rozważmy liniowe równanie stanu i równanie wyjścia układu niesingularnego

Bardziej szczegółowo

Modele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11

Modele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11 Modele DSGE Jerzy Mycielski Maj 2008 Jerzy Mycielski () Modele DSGE Maj 2008 1 / 11 Modele DSGE DSGE - Dynamiczne, stochastyczne modele równowagi ogólnej (Dynamic Stochastic General Equilibrium Model)

Bardziej szczegółowo

MACIERZE I WYZNACZNIKI

MACIERZE I WYZNACZNIKI Wykłady z matematyki inżynierskiej IMiF UTP 07 MACIERZ DEFINICJA. Macierza o m wierszach i n kolumnach nazywamy przyporza dkowanie każdej uporza dkowanej parze liczb naturalnych (i, j), gdzie 1 i m, 1

Bardziej szczegółowo

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)

Bardziej szczegółowo

CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH. 1.2.1. Faza identyfikacji problemów decyzyjnych lub okoliczności sprzyjających

CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH. 1.2.1. Faza identyfikacji problemów decyzyjnych lub okoliczności sprzyjających Badania marketingowe. Podstawy metodyczne Autor: Stanisław Kaczmarczyk Wstęp CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH Rozdział 1. Badania marketingowe a zarządzanie 1.1. Rozwój praktyki i teorii

Bardziej szczegółowo

Wstęp do metod numerycznych Eliminacja Gaussa Równania macierzowe. P. F. Góra

Wstęp do metod numerycznych Eliminacja Gaussa Równania macierzowe. P. F. Góra Wstęp do metod numerycznych Eliminacja Gaussa Równania macierzowe P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2015 Co można zrobić z układem równań... tak, aby jego rozwiazania się nie zmieniły? Rozważam

Bardziej szczegółowo

Badania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk

Badania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk Badania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk Badania marketingowe stanowią jeden z najważniejszych elementów działań marketingowych w każdym przedsiębiorstwie. Dostarczają decydentom

Bardziej szczegółowo

KARTA MODUŁU / KARTA PRZEDMIOTU

KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Cyfrowe przetwarzanie sygnałów pomiarowych_e2s

Bardziej szczegółowo

1 Warunkowe wartości oczekiwane

1 Warunkowe wartości oczekiwane Warunkowe wartości oczekiwane W tej serii zadań rozwiążemy różne zadania związane z problemem warunkowania.. (Eg 48/) Załóżmy, że X, X, X 3, X 4 są niezależnymi zmiennymi losowymi o jednakowym rozkładzie

Bardziej szczegółowo

Uogólniona Metoda Momentów

Uogólniona Metoda Momentów Uogólniona Metoda Momentów Momenty z próby daż a do momentów teoretycznych (Prawo Wielkich Liczb) plim 1 n y i = E (y) n i=1 Klasyczna Metoda Momentów (M M) polega na szacowaniu momentów teoretycznych

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 3. Numeryczne zagadnienie własne

Komputerowa analiza zagadnień różniczkowych 3. Numeryczne zagadnienie własne Komputerowa analiza zagadnień różniczkowych 3. Numeryczne zagadnienie własne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Wektory i wartości własne definicje Niech A C N N. Jeżeli

Bardziej szczegółowo

LABORATORIUM Z FIZYKI

LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)

Bardziej szczegółowo

SPIS TREŚCI. Od Autora. Wykaz ważniejszych oznaczeń. 1. Wstęp 1_. 2. Fale i układy akustyczne Drgania układów mechanicznych 49. Literatura..

SPIS TREŚCI. Od Autora. Wykaz ważniejszych oznaczeń. 1. Wstęp 1_. 2. Fale i układy akustyczne Drgania układów mechanicznych 49. Literatura.. SPIS TREŚCI Od Autora XI Wykaz ważniejszych oznaczeń Xlii 1. Wstęp 1_ Literatura.. 9 2. Fale i układy akustyczne 11 2.1. Fale akustyczne 11 2.2. Energia fali i natężenie dźwięku 14 2.3. Fala kulista i

Bardziej szczegółowo

Układy równań liniowych, macierze, Google

Układy równań liniowych, macierze, Google Układ równań linowych { x+2y = 6, 3x y = 4 (0) Spotkania z Matematyka Układy równań liniowych, macierze, Google Aleksander Denisiuk denisjuk@matman.uwm.edu.pl Uniwersytet Warmińsko-Mazurski w Olsztynie

Bardziej szczegółowo

Zastosowania wyznaczników

Zastosowania wyznaczników Zastosowania wyznaczników Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 7.wykład z algebry liniowej Warszawa, listopad 2012 Mirosław Sobolewski (UW) Warszawa, listopad 2012 1 / 17

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.

Bardziej szczegółowo

Formy kwadratowe. Rozdział 10

Formy kwadratowe. Rozdział 10 Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w

Bardziej szczegółowo

Węglowego. Title: Pasywna tomografia sejsmiczna obszaru Górnośląskiego Zagłębia. Author: Wojciech Dębski, Łukasz Rudziński

Węglowego. Title: Pasywna tomografia sejsmiczna obszaru Górnośląskiego Zagłębia. Author: Wojciech Dębski, Łukasz Rudziński Title: Pasywna tomografia sejsmiczna obszaru Górnośląskiego Zagłębia Węglowego Author: Wojciech Dębski, Łukasz Rudziński Citation style: Dębski Wojciech, Rudziński Łukasz. (21). Pasywna tomografia sejsmiczna

Bardziej szczegółowo

Analiza szeregów czasowych: 5. Liniowe modele stochastyczne

Analiza szeregów czasowych: 5. Liniowe modele stochastyczne Analiza szeregów czasowych: 5. Liniowe modele stochastyczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2006/07 Dwa rodzaje modelowania 1. Modelowanie z pierwszych zasad. Znamy prawa

Bardziej szczegółowo

Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka

Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE Joanna Sawicka Plan prezentacji Model Poissona-Gamma ze składnikiem regresyjnym Konstrukcja optymalnego systemu Bonus- Malus Estymacja

Bardziej szczegółowo

D1. Algebra macierzy. D1.1. Definicje

D1. Algebra macierzy. D1.1. Definicje D1. Algebra macierzy W niniejszym dodatku podamy podstawowe operacje macierzowe oraz niektóre techniki algebry macierzowej nie dbając szczególnie o formalizm matematyczny. Zakres jest wystarczający dla

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 10 Rozkład LU i rozwiązywanie układów równań liniowych Niech będzie dany układ równań liniowych postaci Ax = b Załóżmy, że istnieją macierze L (trójkątna dolna) i U (trójkątna górna), takie że macierz

Bardziej szczegółowo

Analityczne metody detekcji uszkodzeń

Analityczne metody detekcji uszkodzeń Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 5 Model procesu Rozważmy czasowo-dyskretny model liniowy gdzie: k dyskretny czas, x(k) R n wektor stanu, x(k + 1) = Ax(k)

Bardziej szczegółowo

Macierze. Układy równań.

Macierze. Układy równań. Maciej Grzesiak Instytut Matematyki Politechniki Poznańskiej Macierze Układy równań 1 Macierze Jeżeli każdej uporządkowanej parze liczb naturalnych (i, j), 1 i m, 1 j n jest przyporządkowana dokładnie

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 10. Dwupunktowe problemy brzegowe (BVP, Boundary Value Problems)

Komputerowa analiza zagadnień różniczkowych 10. Dwupunktowe problemy brzegowe (BVP, Boundary Value Problems) Komputerowa analiza zagadnień różniczkowych 10. Dwupunktowe problemy brzegowe (BVP, Boundary Value Problems) P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Wprowadzenie Rozważmy

Bardziej szczegółowo

Badania marketingowe : podstawy metodyczne / Stanisław Kaczmarczyk. - wyd. 4. Warszawa, 2011

Badania marketingowe : podstawy metodyczne / Stanisław Kaczmarczyk. - wyd. 4. Warszawa, 2011 Badania marketingowe : podstawy metodyczne / Stanisław Kaczmarczyk. - wyd. 4. Warszawa, 2011 Spis treści Wstęp 13 CZĘŚĆ I. Przygotowanie procesu badań marketingowych 17 Rozdział 1. Badania marketingowe

Bardziej szczegółowo

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje

Bardziej szczegółowo

Miary splątania kwantowego

Miary splątania kwantowego kwantowego Michał Kotowski michal.kotowski1@gmail.com K MISMaP, Uniwersystet Warszawski Studenckie Koło Fizyki UW (SKFiz UW) 24 kwietnia 2010 kwantowego Spis treści 1 2 Stany czyste i mieszane Matematyczny

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja

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

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 13 i 14 1 / 15 MODEL BAYESOWSKI, przykład wstępny Statystyka

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 3. Metody Eulera, metody punktu środkowego i metody trapezowe

Komputerowa analiza zagadnień różniczkowych 3. Metody Eulera, metody punktu środkowego i metody trapezowe Komputerowa analiza zagadnień różniczkowych 3. Metody Eulera, metody punktu środkowego i metody trapezowe P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2011 Problem Cauchy ego dy dx = f(x, y) (1) y(x

Bardziej szczegółowo

Wykład 13 Mechanika Kwantowa

Wykład 13 Mechanika Kwantowa Wykład 13 Mechanika Kwantowa Maciej J. Mrowiński mrow@if.pw.edu.pl Wydział Fizyki Politechnika Warszawska 25 maja 2016 Maciej J. Mrowiński (IF PW) Wykład 13 25 maja 2016 1 / 21 Wprowadzenie Sprawy organizacyjne

Bardziej szczegółowo

x x 1. Przedmiot identyfikacji System x (1) x (2) : x (s) a 1 a 2 : a s mierzone, a = zestaw współczynników konkretyzujacych F ()

x x 1. Przedmiot identyfikacji System x (1) x (2) : x (s) a 1 a 2 : a s mierzone, a = zestaw współczynników konkretyzujacych F () . Przedmiot identyfikacji System () x (2) x * a z y ( s ) x y = F (x,z)=f(x,z,a ),gdziex = F () znane, a nieznane x () x (2) x (s) mierzone, a = a a 2 a s zestaw współczynników konkretyzujacych F () informacja

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych Dr inż. Marcin Zieliński I Pracownia Fizyczna dla Biotechnologii, wtorek 8:00-10:45 Konsultacje Zakład Fizyki Jądrowej

Bardziej szczegółowo

Agata Boratyńska Statystyka aktuarialna... 1

Agata Boratyńska Statystyka aktuarialna... 1 Agata Boratyńska Statystyka aktuarialna... 1 ZADANIA NA ĆWICZENIA Z TEORII WIAROGODNOŚCI Zad. 1. Niech X 1, X 2,..., X n będą niezależnymi zmiennymi losowymi z rozkładu wykładniczego o wartości oczekiwanej

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar liniowej Baza liniowej Niech V bedzie nad cia lem K Powiemy, że zbiór wektorów {α,, α n } jest baza V, jeżeli wektory α,, α n sa liniowo niezależne oraz generuja V tzn V = L(α,,

Bardziej szczegółowo

Przekształcenia liniowe

Przekształcenia liniowe Algebra Przekształcenia liniowe Aleksandr Denisiuk denisjuk@pjwstk.edu.pl Polsko-Japońska Wyższa Szkoła Technik Komputerowych zamiejscowy ośrodek dydaktyczny w Gdańsku ul. Brzegi 55 80-045 Gdańsk Algebra

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Zagadnienia na egzamin poprawkowy z matematyki w klasie III zsz. 5. Statystyka-średnia arytmetyczna, średnia ważona, mediana, dominanata.

Zagadnienia na egzamin poprawkowy z matematyki w klasie III zsz. 5. Statystyka-średnia arytmetyczna, średnia ważona, mediana, dominanata. Zagadnienia na egzamin poprawkowy z matematyki w klasie III zsz 1. Wzajemne położenia prostych, płaszczyzn w przestrzeni. 2. Graniastosłupy- podział, pole powierzchni i objętość. 3. Ostrosłupy- podział,

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2005/06 Wstęp

Bardziej szczegółowo

Praca dyplomowa magisterska

Praca dyplomowa magisterska Praca dyplomowa magisterska Implementacja algorytmów filtracji adaptacyjnej o strukturze transwersalnej na platformie CUDA Dyplomant: Jakub Kołakowski Opiekun pracy: dr inż. Michał Meller Plan prezentacji

Bardziej szczegółowo

Natalia Neherbecka. 11 czerwca 2010

Natalia Neherbecka. 11 czerwca 2010 Natalia Neherbecka 11 czerwca 2010 1 1. Konsekwencje heteroskedastyczności i autokorelacji 2. Uogólniona MNK 3. Stosowalna Uogólniona MNK 4. Odporne macierze wariancji i kowariancji b 2 1. Konsekwencje

Bardziej szczegółowo

WYKŁAD 2. Problem regresji - modele liniowe

WYKŁAD 2. Problem regresji - modele liniowe Wrocław University of Technology WYKŁAD 2 Problem regresji - modele liniowe Maciej Zięba Politechnika Wrocławska Regresja Regresja (ang. Regression): Dysponujemy obserwacjami z odpowiadającymi im wartościami

Bardziej szczegółowo

Analiza szeregów czasowych: 7. Liniowe modele stochastyczne

Analiza szeregów czasowych: 7. Liniowe modele stochastyczne Analiza szeregów czasowych: 7. Liniowe modele stochastyczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2005/06 Liniowe modele stochastyczne Niech {y n } N n=1 będzie pewnym ciagiem danych

Bardziej szczegółowo

WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej

WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej WEKTORY I WARTOŚCI WŁASNE MACIERZY Ac λ c (*) ( A λi) c nietrywialne rozwiązanie gdy det A λi problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej A - macierzowa

Bardziej szczegółowo

O pewnych związkach teorii modeli z teorią reprezentacji

O pewnych związkach teorii modeli z teorią reprezentacji O pewnych związkach teorii modeli z teorią reprezentacji na podstawie referatu Stanisława Kasjana 5 i 12 grudnia 2000 roku 1. Elementy teorii modeli Będziemy rozważać język L składający się z przeliczalnej

Bardziej szczegółowo

REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój

REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój 1 REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój 2 DOTYCHCZASOWE MODELE Regresja liniowa o postaci: y

Bardziej szczegółowo

Metoda największej wiarygodności

Metoda największej wiarygodności Rozdział Metoda największej wiarygodności Ogólnie w procesie estymacji na podstawie prób x i (każde x i może być wektorem) wyznaczamy parametr λ (w ogólnym przypadku również wektor) opisujący domniemany

Bardziej szczegółowo

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna Wyk lad 5 W lasności wyznaczników Macierz odwrotna 1 Operacje elementarne na macierzach Bardzo ważne znaczenie w algebrze liniowej odgrywaja tzw operacje elementarne na wierszach lub kolumnach macierzy

Bardziej szczegółowo

10. Metody obliczeniowe najmniejszych kwadratów

10. Metody obliczeniowe najmniejszych kwadratów 10. Metody obliczeniowe najmniejszych kwadratów 1. Dowód twierdzenia o faktoryzacji macierzy Twierdzenie 1 Każdadodatniookreślon aisymetryczn amacierzm można przedstawíc wpostaci M = PP T gdzie P jest

Bardziej szczegółowo

Diagonalizacja macierzy i jej zastosowania

Diagonalizacja macierzy i jej zastosowania Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, grudzień 2011 Mirosław Sobolewski (UW) Warszawa, grudzień

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE NIEZBĘDNE DO UZYSKANIA ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI W KLASIE I GIMNAZJUM

WYMAGANIA EDUKACYJNE NIEZBĘDNE DO UZYSKANIA ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI W KLASIE I GIMNAZJUM WYMAGANIA EDUKACYJNE NIEZBĘDNE DO UZYSKANIA ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI W KLASIE I GIMNAZJUM OCENA ŚRÓDROCZNA: NIEDOSTATECZNY ocenę niedostateczny otrzymuje uczeń, który

Bardziej szczegółowo

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Równania różniczkowe czastkowe w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Horyzonty 2014 Podstawowy obiekt wyk ladu: funkcje holomorficzne wielu zmiennych Temat: dwa problemy, których znane

Bardziej szczegółowo

teoria i przykłady zastosowań

teoria i przykłady zastosowań : teoria i przykłady zastosowań Katedra Sterowania i Pomiarów Zachodniopomorski Uniwersytet Technologiczny w Szczecinie e-mail: emirsaj@zut.edu.pl Zielona Góra, 22 listopada 21 Spis treści 1 O jakie równanie

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINIOWYCH -Metody dokładne

UKŁADY RÓWNAŃ LINIOWYCH -Metody dokładne UKŁADY RÓWNAŃ LINIOWYCH -Metody dokładne Układy równań liniowych Rozpatruje się układ n równań liniowych zawierających n niewiadomych: a + a +... + ann b a + a +... + ann b... an + an+... + annn bn który

Bardziej szczegółowo

O ŚREDNIEJ STATYSTYCZNEJ

O ŚREDNIEJ STATYSTYCZNEJ Od średniej w modelu gaussowskim do kwantyli w podstawowym modelu nieparametrycznym IMPAN 1.X.2009 Rozszerzona wersja wykładu: O ŚREDNIEJ STATYSTYCZNEJ Ryszard Zieliński XII Międzynarodowe Warsztaty dla

Bardziej szczegółowo

ELEMENTY GEOFIZYKI. Atmosfera W. D. ebski

ELEMENTY GEOFIZYKI. Atmosfera W. D. ebski ELEMENTY GEOFIZYKI Atmosfera W. D ebski debski@igf.edu.pl Plan wykładu z geofizyki - (Atmosfera) 1. Fizyka atmosfery: struktura atmosfery skład chemiczny atmosfery meteorologia - chmury atmosfera a kosmos

Bardziej szczegółowo

Ekonometria. Metodologia budowy modelu. Jerzy Mycielski. Luty, 2011 WNE, UW. Jerzy Mycielski (WNE, UW) Ekonometria Luty, / 18

Ekonometria. Metodologia budowy modelu. Jerzy Mycielski. Luty, 2011 WNE, UW. Jerzy Mycielski (WNE, UW) Ekonometria Luty, / 18 Ekonometria Metodologia budowy modelu Jerzy Mycielski WNE, UW Luty, 2011 Jerzy Mycielski (WNE, UW) Ekonometria Luty, 2011 1 / 18 Sprawy organizacyjne Dyżur: środa godz. 14-15 w sali 302. Strona internetowa

Bardziej szczegółowo

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11 M. Beśka, Wstęp do teorii miary, rozdz. 2 11 2 Rodziny zbiorów 2.1 Algebry i σ - algebry zbiorów Niech X będzie niepustym zbiorem. Rodzinę indeksowaną zbiorów {A i } i I 2 X nazywamy rozbiciem zbioru X

Bardziej szczegółowo