Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 3 Nr: 1 Metody obliczeniowe wykład nr 3 aproksymacja i interpolacja pojęcie modelu regresji

Wielkość: px
Rozpocząć pokaz od strony:

Download "Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 3 Nr: 1 Metody obliczeniowe wykład nr 3 aproksymacja i interpolacja pojęcie modelu regresji"

Transkrypt

1 Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Metod oblczeowe wkład r 3 aproksmacja terpolacja pojęce modelu regresj

2 Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja daa jest ukcja jedej zmeej określoa a przedzale [ab] ukcja moŝe bć zadaa w postac dskretej zboru puktów { }... wzoru aaltczego aleŝ dobrać taką ukcję F ab w sese przjętego krterum ukcja F moŝlwe dokłade przblŝała przebeg ukcj w określom przedzale F F

3 Nr: 3 Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja - zadae aproksmacj lowej - ukcja aproksmowaa określoa a pewm przedzale doberam { φ k } zbór ukcj tzw. ukcj k bazowch

4 Nr: 4 Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja - zadae aproksmacj lowej - ukcja aproksmowaa określoa a pewm przedzale doberam { φ k } zbór ukcj tzw. ukcj k bazowch poszukwaa ukcja aproksmująca postac: ϕ c... c ckφk k kombacja lowa ukcj bazowch zadaem wzaczee wartośc współczków c...c Przkład: {... } ukcje bazowe przblŝee welomaem ϕ k c k k

5 Metod oblczeowe - Budowctwo semestr - wkład r 3 Nr: 5 Aproksmacja - zadae aproksmacj lowej zadae: wzaczee wartośc współczków c...c dla wraŝea ukcja aproksmowaa daa w postac dskretej dae są wartośc ukcj w puktach satk... m m m m m c c c c c c c c c φ φ φ φ φ φ φ φ φ L L L L k k k c c c F... φ tworzm układ rówań: F

6 Metod oblczeowe - Budowctwo semestr - wkład r 3 Nr: 6 Aproksmacja - zadae aproksmacj lowej m m m m c c c c c c c c c φ φ φ φ φ φ φ φ φ L L L L jeśl m to układ ma zwkle dokłade jedo rozwązae przpadek terpolacj jeśl m > lczba puktów satk wększa od lczb poszukwach współczków p. m to jede w szczególch przpadkach moŝe bć spełoa rówość φ we wszstkch puktach satk układ rówań azwam wówczas adokreślom. Otrzmujem przblŝoe spełee rówań poprzez uŝce adokreśloośc doprowadzam do tzw. wgładzaa ukcj adae krzwej gładszego kształtu mędz puktam zredukowae skutków błędów losowch błędów pomaru jeśl dae są wkam pomarów

7 Nr: 7 Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja średokwadratowa ukcj Zadae aproksmacj średokwadratowej PrzblŜam ukcję ukcją aproksmującą postac ϕ c... c ckφk k Jak dobrać współczk c...c?

8 Nr: 8 Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja średokwadratowa ukcj terpretacja geometrcza przpadek dskret { } m ϕ m ϕ 4 3 mmalzacja sum kwadratów tch odległośc 3 4

9 Nr: 9 Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja średokwadratowa ukcj terpretacja geometrcza przpadek cągł ϕ b a ϕ d ϕ mmalzacja kwadratów pól powerzch pomędz ukcjam

10 Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja średokwadratowa ukcj Zadae aproksmacj średokwadratowej PrzblŜam ukcję ukcją aproksmującą postac ϕ Określam współczk c...c tak ab wraŝee: przpadek cągł: [ ] przpadek dskret: bło jak ajmejsze c... c ckφk C a b { } m k ϕ ϕ b a m ϕ ϕ d

11 Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja średokwadratowa ukcj ukcj rozwązae zadaa przpadek dskret metoda ajmejszch kwadratów Gauss Legedre 86 Ozaczea satka węzłów dae: pukt węzłowe ukcje bazowe...m...m ϕ... k k k Ilocz skalar: dla dowolch ukcj g prz daej satce węzłów loczem skalarm azwać będzem wraŝee g jeśl <g> to ukcje g azwam ortogoalm. : m c... c c φ g jeŝel < j > dla j j {...} < > {...} to ukcje { } azwam układem rodzą ukcj ortogoalch. ϕ

12 Metod oblczeowe - Budowctwo semestr - wkład r 3 Nr: Aproksmacja średokwadratowa ukcj JeŜel ukcje bazowe są lowo ezaleŝe to zadae aproksmacj lowej średokwadratowej ma jede rozwązae. Rozwązae to speła układ rówań: c c c ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ ϕ L M L L L L L L L... c ϕ ϕ ϕ Zadae: zapsz kod programu realzując metodę ajmejszch kwadratów dla baz { 3 }. Przetestuj dla dach zameszczoch a kolejm slajdze Aproksmacja średokwadratowa ukcj JeŜel ukcje bazowe są rodzą ukcj ortogoalch to rozwązae upraszcza sę do współczk c azwam wówczas współczkam ortogoalm:

13 Nr: 3 Metod oblczeowe - Budowctwo semestr - wkład r 3 Metoda ajmejszch kwadratów - przkład dae są wk pomarów: aleŝ zaleźć ukcję aproksmującą postac: c c ukcje bazowe: {}

14 Nr: 4 Metod oblczeowe - Budowctwo semestr - wkład r 3 Metoda ajmejszch kwadratów - przkład dae są wk pomarów: aleŝ zaleźć ukcję aproksmującą postac: c c ukcje bazowe: {} <φ > φ φ <φ >-.-.9*3-.6*4.6*6.9*7.7 <φ φ > 5 <φ φ > 3467 <φ φ >

15 Nr: 5 Metod oblczeowe - Budowctwo semestr - wkład r 3 Metoda ajmejszch kwadratów - przkład dae są wk pomarów: aleŝ zaleźć ukcję aproksmującą postac: c c ukcje bazowe: {} <φ > <φ >-.-.9*3-.6*4.6*6.9*7.7 <φ φ > 5 <φ φ > 3467 <φ φ > otrzmujem układ rówań: 5 c c. c.7 c φ φ

16 Nr: 6 Weloma Czebszewa przkład baz ortogoalej Metod oblczeowe - Budowctwo semestr - wkład r 3 Wzór: T Postać rekurecja: cos arccos... T T T T T T T T T3 4 3 T4 8 8 weloma są ortogoale w przpadku dskretm względem wag węzłów które są zeram welomau a przedzale [-] T zachodz smetra: weloma T ma zer w przedzale [-] dach wzoram węzł Czebszewa: k π k cos k T

17 Nr: 7 Metod oblczeowe - Budowctwo semestr - wkład r 3 Weloma Czebszewa - wkres T4 T T3 T

18 Nr: 8 Metod oblczeowe - Budowctwo semestr - wkład r 3 Weloma Czebszewa przkład aproksmacj ukcje bazowe {ϕ }... weloma Czebszewa poszukwaa ukcja aproksmująca postac: współczk c wzaczam z wzorów: ϕ c... ϕ ϕ c -.4 c.5 c c ϕ c... c ckφk k aproks. Czebszewa 3 pukt aproks. Czebszewa 4 Zadae: zapsz ukcję Sclaba wzaczającą ukcję aproksmującą jako kombację lową welomaów Czebszewa. WE: - stopeń welomau ma 5 -wektor współrzęde puktów węzłowch - wskaza pukt; WY: c współczk welomau Czebszewa - wartość ukcj we wskazam pukce.

19 Nr: 9 Metod oblczeowe - Budowctwo semestr - wkład r 3 Zadae welomaowej aproksmacj jedostajej Tw. Weerstrassa JeŜel ukcja jest cągła w skończom przedzale [ab] to dla kaŝdego ε> steje weloma P stopa tak Ŝe dla kaŝdego [ab] P < ε.5 Zadae aproksmacj jedostajej: ukcja przblŝaa dae ε > satka węzłów...m dae pukt węzłowe...m ukcja aproksmująca P a ma bć welomaem stopa co ajwŝej szukae stałe a.5... take b ma P ukcja ukcja P < ε

20 Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Postać ukcj aproksmującej problem doboru ukcj do zestawu dach: aturalm sposobem uŝce welomau postać welomau e adaje sę gd wkres ukcj ma ostre załamaa osoblwośc przpadk ecągłośc jest okresow aproksmacja ukcją złoŝoą z kawałków ukcj prostej postac ukcją okresową ukcją wkładczą przekształcee zmech p. log log adają sę lepej do aproksmacj Ŝ sama ukcja zamaa zmech zamaa współrzędch moŝe zmejszć stote koszt oblczeń dobór stopa welomau wkorzstae ekspermetalch zaburzeń pukt w eloma stopma w eloma 6 stopa

21 Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Iterpolacja Daa jest pewa ukcja oraz puktów węzłowch { } poszukujem takej ukcj g spośród wszstkch ukcj pewej klas ab g Klas ukcj terpolującch: weloma ukcje wmere weloma trgoometrcze ukcje sklejae 3 4

22 Metod oblczeowe - Budowctwo semestr - wkład r 3 Nr: Iterpolacja welomaowa ukcja przblŝaa satka węzłów Dla dowolch róŝch puktów węzłowch steje dokłade jede weloma terpolacj P stopa co ajwŝej tak Ŝe dla... Sposob wzaczaa współczków welomau terpolacjego: P a a...a rozwązae układu rówań lowch... P a a a a a a a a a L L L L

23 Metod oblczeowe - Budowctwo semestr - wkład r 3 Nr: 3 Iterpolacja welomaowa wzór Lagrage a macerz Lagrage a Dla dowolch róŝch puktów węzłowch wzaczam dla kaŝdego... wraŝee to jest welomaem co ajwŝej -tego stopa. Ozaczm: Zapsując w postac macerzowej otrzmujem macerz L azwam macerzą Lagrage a: { } k k k k δ j j j a δ [ ] a a a a F L X L wzór Lagrage a k k k k k k k k L δ δ k k k δ Zadae: zapsz cąg strukcj Sclaba tworząc macerz współczków Lagrage a dla puktów węzłowch ze slajdu r 4.

24 Metod oblczeowe - Budowctwo semestr - wkład r 3 Nr: 4 Iterpolacja welomaowa wzór Lagrage a dla węzłów rówoodległch: h: h s:- /h hs...!!!! s s s s s s s s s s s s s s s h s s s s s h h h h h h h h h h h hs h hs h hs h hs hs h h h h h h h h h h hs h hs h hs h hs hs L k k k k

25 Nr: 5 Metod oblczeowe - Budowctwo semestr - wkład r 3 Iterpolacja welomaowa wzór Newtoa Iloraz RóŜcowe perwszego rzędu k-tego rzędu sposób wzaczaa wzór Iterpolacj Newtoa Q [ ] [... ] k [... ] [... ] [ ] [ ] [ 3] [ ] 3 4 k k [ ] [ 3] [ ] 3 4 k [ 3] [ ] 3 4 [ ] 3 4 [... ] Q [ ] j j k... j k Zadae: zapsz ukcję ScLaba wzaczającą wartość ukcj terpolującej opartej a węzłach w podam pukce wg wzoru Newtoa; WE: -wektor - współrzęde puktów węzłowch - wskaza pukt; WY: - wartość ukcj we wskazam pukce. k k

26 Metod oblczeowe - Budowctwo semestr - wkład r 3 Nr: 6 Wzór Newtoa przkład zastosowaa dae pukt węzłowe : [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] Q [ ]... j k k j j Q

27 Nr: 7 Metod oblczeowe - Budowctwo semestr - wkład r 3 Fukcje sklejae określee ukcj sklejach 3 stopa cubc sple zachowaa cągłość ukcj jej pochodch do stopa włącze wkres welomaów stopa co ajwŝej druge pochode rówe 3 4

28 Nr: 8 Metod oblczeowe - Budowctwo semestr - wkład r 3 Fukcje sklejae przedzał [ ] dzelm a podprzedzał w kaŝdm podprzedzale [ - ]...: 3 s a b c d... łącze 4 współczków - ewadomch wartośc w węzłach zewętrzch spełają waruek terpolacj : s s wartośc drugch pochodch w węzłach zewętrzch spełają waruek aturalośc : s s w węzłach wewętrzch wartośc ukcj wartośc perwszch pochodch wartośc drugch pochodch są rówe są rówe :... s s... s s... s s Zadae: zapsz cąg strukcj Sclaba wzaczając współczk ukcj sklejaej dla puktów węzłowch ze slajdu r 4.

29 Nr: 9 Metod oblczeowe - Budowctwo semestr - wkład r 3 Fukcje sklejae porówae z terpolacją welomaową ukcja s klejaa w eloma terpolując ukcja s klejaa w eloma terpolując

30 Nr: 3 Metod oblczeowe - Budowctwo semestr - wkład r 3 Krzwa Bézera krzwa welomaowa Perre Bézer 97 powszeche stosowae w programach do projektowaa Ŝerskego - programach CAD-owskch Najczęścej uŝwae są krzwe trzecego stopa leŝące a płaszczźe. Deując krzwą trzecego stopa określam 4 pukt tzw. pukt kotrole A B C D którch połoŝee wzacza przebeg krzwej. Krzwa ma swój początek w pukce A skerowaa jest w stroę puktu B. Następe zmerza w stroę puktu D dochodząc do ego od stro puktu C. Odcek AB jest stcz do krzwej w pukce A atomast odcek CD jest stcz w pukce D Krzwą Bézera trzecego stopa określa astępujące rówae: Pt At 3 3Btt 3Ct t Dt 3 dla t. Czl: P t A t 3 3B tt 3C t t D t 3 P t A t 3 3B tt 3C t t D t 3 Krzwa ma swój początek w pukce A t koec w pukce D t. Zadae: zapsz kod programu wzaczając w oparcu o podae współrzęde puktów kotrolch krzwą Bézera. Przebeg krzwej przedstaw a rsuku umeszczając a m róweŝ odck AB BC CD.

31 Nr: 3 Metod oblczeowe - Budowctwo semestr - wkład r 3 Powerzche sklejae ajprostsz sposób: przblŝae powerzch sklejam guram płaskm wkorzstae powerzch -go stopa kwadrk powerzch bkubczch

32 Nr: 3 Metod oblczeowe - Budowctwo semestr - wkład r 3 Płat Bézera deowae ogracza sę do wskazaa satk puktów kotrolch KaŜda satka puktów kotrolch deująca płat Bèzera posada wersz m kolum. Szczególm przpadkem płata Bèzera jest postać bkubcza płat jest 3 stopa w obu kerukach mam 6 puktów kotrolch.

33 Nr: 33 Metod oblczeowe - Budowctwo semestr - wkład r 3 Iterpolacja a aproksmacja proces terpolacj zwłaszcza terpolacj welomaowej jest wraŝlw a wbór węzłów terpolacj zaburzea wartośc ukcj w puktach terpolacj mogą bardzo zacze zmeać ukcję terpolującą aproksmacja jest mało wraŝlwa a wbór węzłów aproksmacj jeśl lczba węzłów jest wstarczająco duŝa pukt w eloma 6 s topa 4 jeśl mam moŝlwość wboru rozmeszczea węzłów ajmejsz błąd terpolacj dostajem doberając węzł mejsca zerowe welomau Czebszewa prz sprowadzeu przedzału terpolowach wartośc do przedzału [-] pukt w eloma 6 stopa

34 Nr: 34 Metod oblczeowe - Budowctwo semestr - wkład r 3 Model regresj celem pomarów wkrce opsae za pomocą ukcj aaltczch zaleŝośc... medz ezaleŝm parametram... oraz parametrem od ch zaleŝm wkrce stea zaleŝośc korelacja ustalee postac ukcj która ją opsuje regresja zadae polega a wzaczeu zaleŝośc ukcjej p. regresja jedowmarowa: zaleŝość ukcja jedowmarowa regresja lowa: zaleŝość ukcja a a zbadau arzędzam rachuku prawdopodobeństwa jakośc wzaczoego modelu regresj

35 Nr: 35 Metod oblczeowe - Budowctwo semestr - wkład r 3 Model regresj dae parametr poszukwaa zaleŝość ukcja: a a próbka r model regresj wkres rozrzutu

36 Nr: 36 Metod oblczeowe - Budowctwo semestr - wkład r 3 Model regresj dae parametr poszukwaa zaleŝość ukcja: a a próbka r model regresj wkres rozrzutu - emprcz model regresj ws półczk korelacj

37 Nr: 37 Metod oblczeowe - Budowctwo semestr - wkład r 3 Model regresj dae parametr poszukwaa zaleŝość ukcja: a a próbka r model regresj wkres rozrzutu

38 Nr: 38 Metod oblczeowe - Budowctwo semestr - wkład r 3 Model regresj dae parametr poszukwaa zaleŝość ukcja: a a próbka r model regresj wkres rozrzutu - emprcz model regresj ws półczk korelacj

39 Nr: 39 Metod oblczeowe - Budowctwo semestr - wkład r 3 Istota badań statstczch zaleŝośc pomędz cecham cel badań statstczch pozae prawdłowośc zachodzącch w badach zjawskach populacja geerala zborowość będąca przedmotem badań statstczch próbka wselekcjoowaa część populacj geeralej jedostka statstcza elemet populacj geeralej cech statstcze merzale emerzale właścwośc jedostek podlegające badau statstczemu badae częścowe reprezetacje badae cech statstczch próbk reprezetatwej kaŝd elemet populacj ma jedakową szasę traea do próbk próbka wa bć dostatecze lcza a postawe badań próbk wk uogóla sę a populację geeralą rezultatem pewe sąd odoszące sę do całej populacj wdae prawdzwego sądu jest zdarzeem losowm któremu odpowada pewe prawdopodobeństwo

40 Nr: 4 Metod oblczeowe - Budowctwo semestr - wkład r 3 Istota badań statstczch zaleŝośc pomędz cecham a obserwowae zjawsko wpłw mają przcz główe wkające z stot zjawska powodują powstae pewch prawdłowośc przcz ubocze przpadkowe losowe dzałają w sposób euporządkowa etrwał cel bada statstczch opsae eektu oddzałwań przcz główch oraz oddzałwań przcz uboczch prawo welkch lczb w marę wzrostu lczb dośwadczeń eekt oddzałwaa przcz uboczch wzajeme sę zoszą uwdaczają sę eekt przcz główch

41 Metod oblczeowe - Budowctwo semestr - wkład r 3 Nr: 4 Regresja - badae korelacj współczk korelacj Pearsoa wraŝa stopeń zaleŝośc lowej mędz zmem losowm oszacowae współczka korelacj a podstawe realzacj prób wartość z przedzału [-]: r Zadae: zapsz ukcję ScLaba oblczającą współczk korelacj

42 Nr: 4 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja - pojęce zmeej losowej Próbka Próbka parametr X parametr Y zmea losowa: zmea która przjmuje określoą wartość po wkoau dośwadczea losowego zmeą losową azwam dskretą jeśl ma skończo lub przelczal zbór wartośc wartośc przberae przez zmeą losową realzacje zmeej losowej kaŝdej wartośc przjmowaej przez zmeą losową dskretą moŝe bć przpsae odpowede prawdopodobeństwo PX p... XY- zmea losowa -wmarowa

43 Nr: 43 Regresja lowa Metod oblczeowe - Budowctwo semestr - wkład r 3 przjmujem Ŝ zaleŝość pomędz zmem X Y ma charakter low XY zmea losowa o rozkładze ormalm rówaa regresj moŝa zapsać: a a b b dla oszacowaa parametrów rówań regresj realzuje sę próbę losową elemetową serę ekspermetów :... która dostarcza par lczb realzacj zmeej losowej XY próbka została pobraa w sposób losow jeśl: kaŝd elemet populacj przestrze puktów ekspermetalch mał zapewoe jedakowe prawdopodobeństwo traea do próbk dośwadczea geerujące próbkę bł ezaleŝe.

44 Nr: 44 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa wzaczee rówaa regresj z prób próba -elemetowa... Dla kaŝdego... wartość z prób b b wartość oblczoa róŝca pomędz wartoścam metoda ajmejszch kwadratów SSE-suma kwadratów błędów SSE Φ b b b b Y X m

45 Nr: 45 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa wzaczee rówaa regresj z prób próba -elemetowa... Dla kaŝdego... wartość z prób b b wartość oblczoa róŝca pomędz wartoścam metoda ajmejszch kwadratów SSE-suma kwadratów błędów SSE Φ b b b b m ukcja Φab osąga ajmejszą wartość dla b b wzaczoch z układu rówań: Φ b Φ b Y b b b b X

46 Metod oblczeowe - Budowctwo semestr - wkład r 3 Nr: 46 Regresja lowa wzaczee rówaa regresj z prób Rozwązując układ rówań otrzmujem: b b b

47 Nr: 47 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa - badae jakośc wzaczoego modelu Mar jakośc przjętego modelu waracja resztkowa waracja składka losowego S b b resztkowe odchlee stadardowe σ S Y X Re gre s ja o s tos ukowo małe j waracj s kładka los owe go Re gre s ja o s tos ukowo duŝe j waracj s kładka los owe go

48 Nr: 48 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa - badae jakośc wzaczoego modelu Mar jakośc przjętego modelu współczk determacj przjmuje wartośc z zakresu od do gd R : dae leŝą dokłade a l" regresj zmeość jest wjaśoa w %; R : regresja czego e wjaśa dae są eskorelowae; 9 R < : dopasowae bardzo dobre 8 R <9 : dopasowae dobre 7 R <8 : dopasowae zadawalające w ektórch zastosowaach. zwróćm takŝe uwagę ze mówm p.: "model regresj wjaśa 93 % zmeośc gd R 93. Zadae: zapsz ukcję ScLaba oblczającą współczk determacj SSE SST R SSR SST b b SST SSE SST ˆ ˆ b b SST SSR SSE SST całkowta suma kwadratów SSR suma kwadratów zwązaa z regresją SSE suma kwadratów błędów

49 Nr: 49 Regresja lowa Metod oblczeowe - Budowctwo semestr - wkład r 3 Próbka Próbka

50 Nr: 5 Regresja lowa Metod oblczeowe - Budowctwo semestr - wkład r 3 Próbka Próbka teoretcza la regresj odosząca sę do populacj geeralej: emprcze rówae regresj rówae regresj w próbce: b b aproksmując teoretczą prostą regresj za pomocą emprczego rówaa rozpatrujem współczk b b jako realzacje pewej zmeej losowej B B przjmujące w kokretej próbe take lub e wartośc

51 Nr: 5 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa - badae jakośc wzaczoego modelu werkacja statstcza test stotośc dla parametrów regresj wzaczee obszaru pasa uośc Y α.98 -α X przjmując określo pozom uośc p-α p. p95 obszarem uośc azwam obszar w którm z prawdopodobeństwem rówm pozomow uośc zajduje sę ezaa teoretcza la regresj dla populacj geeralej wzaczee obszaru pasa predkcj przjmując określo pozom uośc p-α p. p95 obszarem predkcj azwam obszar w którm z prawdopodobeństwem rówm pozomow uośc dla kokretej wartośc p zajduje sę wartość zaleŝego parametru.

52 Nr: 5 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa przkład Dokoao aalz próbek grutu merząc a róŝch głębokoścach procetową zawartość pasku aalza prz uŝcu MS Ecel % głębokość zawartośc Nr próbk cm pasku % pasku aalza próbek grutu głębokość cm

53 Nr: 53 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa przkład Dokoao aalz próbek grutu merząc a róŝch głębokoścach procetową zawartość pasku aalza prz uŝcu MS Ecel % głębokość zawartośc Nr próbk cm pasku % pasku aalza próbek grutu R głębokość cm

54 Nr: 54 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa przkład Dokoao aalz próbek grutu badao zaleŝość dwóch parametrów stopa plastczośc spójośc grutu zaleŝość wzaczoo w oparcu 7 prób prób s to peń plas tczoś c - s pó jość R R.85 7 prób

55 Nr: 55 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa przkład - cd s to peń plas tczoś c - s pó jość R prób

56 Nr: 56 Metod oblczeowe - Budowctwo semestr - wkład r 3 Regresja lowa przkład - wkorzstae paketu Statstca W kres rozrzut u - model low * ; 95 Prz.U. Wkres rozrzutu - regresja welomaem kwadratowm Zm *3787*^; 95 Prz.Pred.; 95 Prz.U Zm3 spójość W kres rozrzutu - regresja lowa *; 95 Prz.Pred.; 95 Prz.U spójość 5 5 stopeń plastczośc stopeń plast czośc

57 Nr: 57 Metod oblczeowe - Budowctwo semestr - wkład r 3 Modele elowe regresj sprowadzae do modelu lowego

58 Nr: 58 Metod oblczeowe - Budowctwo semestr - wkład r 3 Modele elowe regresj sprowadzae do modelu lowego zaleŝość X-Y R zaleŝość X-Y 979e 857 R

59 Nr: 59 Metod oblczeowe - Budowctwo semestr - wkład r 3 Modele elowe regresj sprowadzae do modelu lowego l l zaleŝość X-lY R w s p. Korelacj zaleŝość X-Y 979e 857 R Y ae bx l Y bx l a

60 Nr: 6 Metod oblczeowe - Budowctwo semestr - wkład r 3 ukcje ScLaba chepol - oblczae wartośc welomaów Czebszewa cshepd eval_cshepd - wmarowa terpolacja ukcjam sklejam dla węzłów e tworzącch satk prostokątej terp oblczee wartośc terpolującej ukcj sklejaej terpd terp3d terpolacja ukcjam sklejam terpl rozwązae zadaa terpolacj lowej a płaszczźe lsq rozwązae rówaa postac AXB metodą ajmejszch kwadratów lsq_sple aproksmacja średokwadratowa sześceą ukcją sklejaą lear_terp rozwązae zadaa -wmarowej terpolacj lowej spl spld spl3d oblczee współczków ukcj sklejaej terpolującej podae pukt węzłowe regl regress wzaczee współczków regresj lowej

61 Nr: 6 Metod oblczeowe - Budowctwo semestr - wkład r 3 Podsumowae Aproksmacja terpolacja pojęce modelu regresj Aproksmacja ogóla postać zadaa aproksmacj. Zadae aproksmacj lowej pojęce ukcj bazowch postać rozwązaa układ rówań lowch adokreślo wgładzae ukcj Zadae aproksmacj średokwadratowej: metoda ajmejszch kwadratów locz skalar ukcj ukcje ortogoale własośc welomaów Czebszewa. Zadae aproksmacj jedostajej: sormułowae zadaa Twerdzee Weerstrassa Zadae terpolacj terpolacja welomaowa wzór Lagrage a postać macerz Lagrage a wzór Lagrage a dla węzłów rówoodległch wzór Iterpolacj Newtoa.

62 Nr: 6 Metod oblczeowe - Budowctwo semestr - wkład r 3 Podsumowae - cd. Aproksmacja terpolacja pojęce modelu regresj Fukcje sklejae własośc ukcj sklejach 3 stopa cubc sple Krzwa Bézera Model regresj opsae problemu podstawowe pojęca statstk: populacja geerala jedostka statstcza cech statstcze próbka badae częścowe pojęce zmeej losowej jej realzacj teoretcza la regresj a emprcze rówae regresj badae korelacj a podstawe realzacj prób sposób wzaczea rówaa regresj metodą ajmejszch kwadratów mar jakośc przjętego modelu regresj waracja resztkowa współczk determacj werkacja statstcza przjętego modelu regresj obszar uośc predkcj Modele elowe regresj sprowadzae do modelu lowego

Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 3 Nr: 1 Metody obliczeniowe wykład nr 3 aproksymacja i interpolacja pojęcie modelu regresji

Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 3 Nr: 1 Metody obliczeniowe wykład nr 3 aproksymacja i interpolacja pojęcie modelu regresji Nr: Metody oblczeowe - Budowctwo semestr - wykład r 3 Metody oblczeowe wykład r 3 aproksymacja terpolacja pojęce modelu regresj Nr: Metody oblczeowe - Budowctwo semestr - wykład r 3 Aproksymacja daa jest

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.

Bardziej szczegółowo

Linie regresji II-go rodzaju

Linie regresji II-go rodzaju Lam regresj II-go rodzaju zmeej () względem () azwam zadae krzwe g(;,, ) oraz h(;,, ) gd spełają oe odpowedo waruk: E E Le regresj II-go rodzaju ( ( )) ( ) ( ) ( ) ( ) g ;,,... g ;,,... f, dd m,,... (

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US Regresja lowa metoda ajmejszch kwadratów Tadeusz M. Moleda Isttut Fzk US Regresja lowa (też: metoda ajmejszch kwadratów, metoda wrówawcza, metoda Gaussa) Zagadea stota metod postulat Gaussa współczk prostej

Bardziej szczegółowo

Projekt 2 2. Wielomiany interpolujące

Projekt 2 2. Wielomiany interpolujące Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA

Bardziej szczegółowo

Opracowanie wyników pomiarów

Opracowanie wyników pomiarów Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów

Bardziej szczegółowo

Rachunek Prawdopodobieństwa i statystyka W 10: Analizy zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)

Rachunek Prawdopodobieństwa i statystyka W 10: Analizy zależności pomiędzy zmiennymi losowymi (danymi empirycznymi) Rachuek Prawdopodoeństwa statstka W 0: Aalz zależośc pomędz zmem losowm dam emprczm) Dr Aa ADRIAN Paw B5, pok 407 adra@tempus.metal.agh.edu.pl Odkrwae aalza zależośc pomędz zmem loścowmlczowm) Przedmotem

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZA 1. Wkład wstęp. Teora prawdopodobeństwa elemet kombatork. Zmee losowe ch rozkład 3. Populacje prób dach, estmacja parametrów 4. Testowae hpotez statstczch 5. Test parametrcze (a

Bardziej szczegółowo

Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3. Metody obliczeniowe. wykład nr 3. interpolacja i aproksymacja funkcji model regresji

Metody obliczeniowe - Budownictwo semestr 4 - wykład nr 3. Metody obliczeniowe. wykład nr 3. interpolacja i aproksymacja funkcji model regresji Metod obliczeiowe - Bdowictwo semestr 4 - wkład r 3 Metod obliczeiowe wkład r 3 iterpolacja i aproksmacja fkcji model regresji Jeśli i = f( i )(i=,,) dla pewej fkcji f() to mówim iż fkcja g() iterpolje

Bardziej szczegółowo

MODELE OBIEKTÓW W 3-D3 część

MODELE OBIEKTÓW W 3-D3 część WYKŁAD 5 MODELE OBIEKTÓW W -D część la wykładu: Kocepcja krzywej sklejaej Jedorode krzywe B-sklejae ejedorode krzywe B-sklejae owerzche Bezera, B-sklejae URBS 1. Kocepcja krzywej sklejaej Istotą z praktyczego

Bardziej szczegółowo

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wkład 4 Matematcze opracowwae wków ekspermetalch Cz. I. Metoda ajmejszch kwadratów Cz. II. Metod statstcze UWAGI OGÓLNE Ekspermet wkowae w auce moża podzelć

Bardziej szczegółowo

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2 2. Dwa modele wzaczea parametrów

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

KORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech

KORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech KORELACJA I REGRESJA. KORELACJA X, Y - cech badae rówocześe. Dae statstcze zapsujem w szeregu statstczm dwóch cech...... lub w tablc korelacjej. X Y... l.... l.... l................... k k k... kl k..j......l

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański atala ehreecka Darusz Szmańsk Wkład . MK przpadek welu zmech. Własośc hperpłaszczz regresj 3. Doroć ć dopasowaa rówaa regresj. Współczk determacj R Dekompozcjawaracj zmeejzależejzależej Współczk determacj

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

Matematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył.

Matematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył. Wkład. Całka podwója. Zamaa a całkę terowaą. Oblczae pól obszarów objętośc brł.. Całka podwója w prostokące. Jak pamętam, całka ozaczoa z cągłej fukcj jedej zmeej wprowadzoa bła w celu oblczaa pola powerzch

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

MODEL SHARP A - MIARY WRAŻLIWOŚCI

MODEL SHARP A - MIARY WRAŻLIWOŚCI MODEL SHARP A - MIARY WRAŻLIWOŚCI Współzależość cech Rozważam jedostk zborowośc badae ze względu a dwe, lub węcej zmech W przpadku obserwacj opartch a dwóch zmech możem wkreślć dagram korelacj. Każda obserwacja

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Mędzarodowa Norma Oce Nepewośc Pomaru (Gude to Epresso of Ucertat Measuremets - Mędzarodowa Orgazacja Normalzacja ISO RACHUNEK NIEPEWNOŚCI http://phscs.st./gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewodk.

Bardziej szczegółowo

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE OBLICZNIE GEOMETRYCZNYCH MOMENTÓW BEZWŁDNOŚCI FIGUR PŁSKICH, TWIERDZENIE STEINER LBORTORIUM RCHUNKOWE Prz oblczeach wtrzmałoścowch dotczącch ektórch przpadków obcążea (p. zgae) potrzeba jest zajomość pewch

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

Statystyka powtórzenie (II semestr) Rafał M. Frąk

Statystyka powtórzenie (II semestr) Rafał M. Frąk Statstka powtórzee (II semestr) Rafał M. Frąk TEORIA, OZNACZENIA, WZORY Rodzaje mar statstczch mar położea - wzaczają przecęta wartość cech statstczej mar zróżcowaa (lub zmeośc, rozproszea, dspersj) -

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

Przykładowe zadania dla poziomu rozszerzonego

Przykładowe zadania dla poziomu rozszerzonego Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH

ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH Na ogół oprócz obserwacj jedej zmeej zberam róweż formacje towarzszące, które mogą meć zaczee w aalze teresującej as welkośc. Iformacje te mogą bć p. wkorzstae

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław

Bardziej szczegółowo

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

Niepewności pomiarów. DR Andrzej Bąk

Niepewności pomiarów. DR Andrzej Bąk Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia dr Mchł Koopczńsk Ekoom mtemtcz ćwcze. Ltertur obowązkow Eml Pek red. Podstw ekoom mtemtczej. Mterł do ćwczeń MD r 5 AE Pozń.. Ltertur uzupełjąc Eml Pek Ekoom mtemtcz AE Pozń. Alph C. Chg Podstw ekoom

Bardziej szczegółowo

Analiza ZALEśNOŚCI pomiędzy CECHAMI (Analiza KORELACJI i REGRESJI)

Analiza ZALEśNOŚCI pomiędzy CECHAMI (Analiza KORELACJI i REGRESJI) D. Mszczńska, M.Mszczńsk, Materał do wkładu 7 ze Statstk (wersja poprawoa), WSEH, Skerewce 009/0 [] Aalza ZALEśNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

VI. TWIERDZENIA GRANICZNE

VI. TWIERDZENIA GRANICZNE VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE Marek Cecura, Jausz Zacharsk PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ VI WYBRANE TWIERDZENIA WRAZ Z DOWODAMI Na prawach rękopsu Warszawa, paźdzerk 0 Data ostatej aktualzacj:

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

A B - zawieranie słabe

A B - zawieranie słabe NAZEWNICTWO: : rówoważość defcj : rówość defcj dla każdego steje! ZBIORY steje dokłade jede {,,,...} - całkowte * - całkowte be era - wmere - ujeme plus ero - recwste - espoloe A B - awerae słabe A :

Bardziej szczegółowo

ZMIENNE LOSOWE WIELOWYMIAROWE

ZMIENNE LOSOWE WIELOWYMIAROWE L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza

Bardziej szczegółowo

8.1 Zbieżność ciągu i szeregu funkcyjnego

8.1 Zbieżność ciągu i szeregu funkcyjnego Rozdzał 8 Cąg szereg fukcyje 8.1 Zbeżość cągu szeregu fukcyjego Dla skrócea zapsu przyjmjmy pewe ozaczee. Defcja. Nech X, Y. Przez Y X ozaczamy zbór wszystkch fukcj określoych a zborze X o wartoścach w

Bardziej szczegółowo

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna.

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna. terpolcj.doc Iterpolcj fukcj. Sformułowe problemu: Rs.. Iterpolcj fukcj low, b kwdrtow, c kubcz. De są rgumet,,,. orz odpowdjące m wrtośc fukcj = f, = f,, = f. Postć fukcj = f jest e z lub z. Poszukw jest

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

E K O N O M E T R I A (kurs 10 godz.)

E K O N O M E T R I A (kurs 10 godz.) E K O N O M E T R I A (kurs 0 godz.) PLAN kursu A. Ekoometra: defcje, pojęca, przkład B. Elemet statstk matematczej (zmea losowa, przedzałowa estmacja parametrów populacj, hpotez parametrcze) C. Model

Bardziej szczegółowo

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY ZMIENNYCH LOSOWYCH ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version WIII/1

PDF created with FinePrint pdffactory Pro trial version  WIII/1 Statystyka opsowa Statystyka zajmuje sę zasadam metodam uogólaa wyków otrzymaych z próby losowej a całą populację (czyl zborowość, z której została pobraa próba). Take postępowae azywamy woskowaem statystyczym.

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych EAIB-Iormaa-Wład 9- dr Adam Ćmel cmel@.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec zosawam

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Mędznarodowa Norma Ocen Nepewnośc Pomaru(Gude to Epresson of Uncertant n Measurements - Mędznarodowa Organzacja Normalzacjna ISO) RACHUNEK NIEPEWNOŚCI http://phscs.nst./gov/uncertant POMIARU Wrażane Nepewnośc

Bardziej szczegółowo

Statystyka powtórzenie (II semestr) Rafał M. Frąk

Statystyka powtórzenie (II semestr) Rafał M. Frąk Statstka pwtórzee (II semestr) Rafał M. Frąk TEORIA, OZNACZENIA, WZORY Rdzae mar statstczch mar płżea - wzaczaą przecęta wartść cech statstcze mar zróżcwaa (lub zmeśc, rzprszea, dspers) - wzaczaą słę zróżcwaa

Bardziej szczegółowo

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

Bardziej szczegółowo

REGRESJA LINIOWA. gdzie

REGRESJA LINIOWA. gdzie REGREJA LINIOWA Jeżel zmerzoo obarczoe tlko błędam przpadkowm wartośc (, ),,,..., dwóch różch welkośc fzczch X Y, o którch wadomo, że są zwązae ze sobą zależoścą lową f(), to ajlepszm przblżeem współczków

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

STATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY

STATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY Państwowa Wższa Szkoła Zawodowa w Koe Materał ddaktcze 17 ARTUR ZIMNY STATYSTYKA OPISOWA Materał pomoccze do ćwczeń wdae druge zmeoe Ko 010 Ttuł Statstka opsowa Materał pomoccze do ćwczeń wdae druge zmeoe

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Męzaroowa Norma Oce Nepewośc Pomaru (Gue to Epresso of Ucertat Measuremets Męzaroowa Orgazacja Normalzacja ISO RACHUNEK NIEPEWNOŚCI http://phscs.st.gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewok.

Bardziej szczegółowo

Dane modelu - parametry

Dane modelu - parametry Dae modelu - paramer ˆ Ozaczea zmech a0 ax ax - osz w s. zł Budowa modelu: x - welość producj w seach o x - welość zarudea w osobach Meoda MNK Dae: x x 34 9 0 60 34 9 0 60 35 3 7 35 3 7 X T 0 9 3 4 5 3

Bardziej szczegółowo

Liniowe relacje między zmiennymi

Liniowe relacje między zmiennymi Lowe relacje mędzy zmeym Marta Zalewska Zakład Proflaktyk ZagrożeńŚrodowskowych Alergolog Ocea lowych relacj mędzy zmeym Metoda korelacj - określee rodzaju sły zależośc mędzy cecham. Metoda regresj 1 Uwaga

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo

ZADANIA ZAMKNIĘTE. Zadanie 1. (1 pkt) Wartość wyrażenia. b dla a 2 3 i b 2 3 jest równa A B. 5 C. 6 D Zadanie 2.

ZADANIA ZAMKNIĘTE. Zadanie 1. (1 pkt) Wartość wyrażenia. b dla a 2 3 i b 2 3 jest równa A B. 5 C. 6 D Zadanie 2. Zachęcam do samodzielej prac z arkuszem diagostczm. Pozaj swoje moce i słabe stro, a astępie popracuj ad słabmi. Żczę przjemego rozwiązwaia zadań. Zadaie. ( pkt) Wartość wrażeia a ZADANIA ZAMKNIĘTE b dla

Bardziej szczegółowo

Wymiarowanie przekrojów stalowych

Wymiarowanie przekrojów stalowych Wmarowae przekrojów stalowch Program służ o prostch, poręczch oblczeń ośośc przekrojów stalowch. Pozwala o a oblczea przekrojów obcążoch: mometem zgającm [km], mometem zgającm [km], słą połużą [k]. Przekroje

Bardziej szczegółowo

Ciągi i szeregi liczbowe. Ciągi nieskończone.

Ciągi i szeregi liczbowe. Ciągi nieskończone. Ciągi i szeregi liczbowe W zbiorze liczb X jest określoa pewa fukcja f, jeŝeli kaŝdej liczbie x ze zbioru X jest przporządkowaa dokładie jeda liczba pewego zbioru liczb Y Przporządkowaie to zapisujem w

Bardziej szczegółowo

Zadania domowe z Analizy Matematycznej III - czȩść 2 (funkcje wielu zmiennych)

Zadania domowe z Analizy Matematycznej III - czȩść 2 (funkcje wielu zmiennych) Zadaia domowe z AM III dla grup E7 (semestr zimow 07/08) Czȩść Zadaia domowe z Aaliz Matematczej III - czȩść (fukcje wielu zmiech) Zadaie. Obliczć graice lub wkazać że ie istiej a: (a) () (00) (b) + ()

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZA. Wkład węp. Teora prawdopodobeńwa elemet kombatork 3. Zmee losowe 4. Populace prób dach 5. Teowae hpotez emaca parametrów 6. Te t 7. Te 8. Te F 9. Te eparametrcze 0. Podsumowae dotchczasowego

Bardziej szczegółowo

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce. Metody probablstycze statystyka Wykład 7: Statystyka opsowa. Rozkłady prawdopodobestwa wystpujce w statystyce. Podstawowe pojca Populacja geerala - zbór elemetów majcy przyajmej jed włacwo wspól dla wszystkch

Bardziej szczegółowo