Rachunek różniczkowy funkcji wielu zmiennych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Rachunek różniczkowy funkcji wielu zmiennych"

Transkrypt

1 Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.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 czelow jao ćwczee. Nec R ={: R R} ozacza zbór par lczb rzeczwsc a R ={z: R R zr } zbór róje -elemeowc cągów ac lczb. Eleme zborów R R możem raować jao pu w lub -wmarowej przesrze z auralm uładem współrzędc weor zaczepoe w usalom puce będącm począem uładu współrzędc ońcac w zadac puac wodzącego weor swobode w lub -wmarowej przesrze óre moża zaczepać w dowolm puce. Traując eleme przesrze R jao pu P P możem zdeować odległość euldesową pomędz m puam P P Przesrzeń R jes zw. przesrzeą merczą. Mera speła asępujące posula:. P P P P P R P P P. P P P P P P R. P P P P P P P P P R warue rójąa Graca cągu o waroścac w R Wadomo że cąg o waroścac rzeczwsc o ucja rzeczwsa oreśloa a zborze lczb rzeczwsc. Podobe ucję P : N P P R azwem cągem w przesrze R. Przjmując ozaczea P... P g... g możem zdeować grace cągu w R lm P P lm P P prz czm odległość P Q pomędz puam P... Q... jes zadaa wzorem P Q. Uwaga. Powżej zdeowaa zbeżość jes rówoważa zbeżośc po współrzędc - uzasadć. s Przład. e lm.

2 Z Z Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl Podobe ja w rozważam poprzedo przpadu ucj : RR rzeczwsej zmeej rzeczwsej możem zdeować ooczee sąsedzwo puu w przesrze merczej OP = KP = { P D : P P } ; SP = OP -{P } Fucja rzeczwsa zmec rzeczwsc Uożsamając pu P z jego współrzędm... rozważać będzem rzeczwsą ucję puu P jao ucję welu zmec współrzędc puu : R D R Przład. =arcs a + arcs b jes rzeczwsą ucją dwóc zmec rzeczwsc oreśloą a prosoące [-a a][-b b]. Przładowe wres ucj zmec- przeroje- powerzce obroowe p.: z= + Paraboloda perbolcza = - sodło > < < < < -7 < -7 < -7 < -7 z= paraboloda obroowa = > 77 < 7 < < < < < < <

3 Z Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl z = +* paraboloda elpcza = > < < 7 < < 9 < < Graca ucj : R D P P R w puce supea P dzedz D pu supea zboru D e mus ależeć do zboru D Hee lm PP P g P S P lm P P lm P g Cauc lm P P P g PD P P P g Cągłość ucj : R D P P R w puce P D Hee jes cągła w P D lm P P lm P P P O P Cauc jes cągła w P D PD P P P P Podobe ja w przpadu ucj jedej zmeej ucja : R OP P P R jes cągła w ażdm puce zolowam P D a w puce supea P zboru D jes cągła jeżel lm P P. PP Cągłość puowa jedosaja ucj a zborze D jes deowaa dołade a ja poprzedo zasępując moduł różc dwóc lczb rzeczwsc przez odległość puów przesrze merczej R. De. Fucja : R D P P R jes jedosaje cągła w D gd P DQD P Q P Q Tw. cągłość jedosaja cągłość puowa

4 Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl POCHODNE CZĄSTKOWE I KIERUNKOWE R E R : E - owar E... De. Pocodą cząsową ucj w puce względem -ej zmeej czl azwam sończoą o le seje gracę lm d De. Pocodą eruową ucj w puce w eruu weora zwle przjmuje sę że czl w eruu wersora azwam sończoą o le seje gracę lm d. Uwaga. - ucja jedej zmeej Uwaga. Pocoda cząsowa jes szczególm przpadem pocodej eruowej w eruu - ego wersora baz aoczej wersora -ej os e Przład. pocode cząsowe = lm lm pocoda eruowa = lm lm lm

5 Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl W puce lm lm lm Fucja ma węc w ażdm puce w ażdm eruu pocodą. Pae. Cz seje graca lm? Powższa graca e seje gdż a. Wazalśm wec że posadae pocodej eruowej w dowolm eruu w szczególośc posadae pocodc cząsowc e zapewa awe cągłośc ucj.

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

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne Spóe pzeszee ecze De. Pzeszeń eczą zw spóą eżel e d sę e pzedswć w posc s dwóc zoów epsc owc ozłączc. - pzeszeń spó ~ owe Icze es zoe spó eżel dl dowolc pów czl see cągł c : : = = see dog łącząc Tw. ągł

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

Johann Wolfgang Goethe Def.

Johann Wolfgang Goethe Def. "Maemac ą ja Facuz: coolwe m ę powe od azu pzeładają o a wój wła jęz wówcza aje ę o czmś zupełe m." Joha Wola Goehe Weźm : m m Jeżel zdeujem ucje pomoccze j : j dla j = m o = m dze = Czl wacz pzeaalzowad

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

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

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

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

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

1. WSTĘP. METODA EULERA 1 1. WSTĘP. METODA EULERA

1. WSTĘP. METODA EULERA 1 1. WSTĘP. METODA EULERA . WSTĘP. MTODA ULRA. WSTĘP. MTODA ULRA Wprowadzee Mowacja pozawaa meod umerczc:. Rozwązwae bardzo dużc kosrukcj o złożoej geomer welu sopac swobod powżej mloa prz różorodm zacowau maerałów.. Śwadome wkorzswae

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

Automatyka i Robotyka Analiza Wykład 14 dr Adam Ćmiel

Automatyka i Robotyka Analiza Wykład 14 dr Adam Ćmiel Własośi zbiorów otwarth i domięth Tw. a) Suma dowolej ilośi zbiorów otwarth jest zbiorem otwartm. b) Iloz sońzoej ilośi zbiorów otwarth jest zbiorem otwartm. Dow. a) Mam rodzię zbiorów otwarth: U A s {

Bardziej szczegółowo

Równania różniczkowe zwyczajne

Równania różniczkowe zwyczajne cał Padaows Isu Tecolog Iormacjc w Iżer Lądowej Wdał Iżer Lądowej Poleca Kraowsa Rówaa różcowe wcaje W ajprossm prpadu posuujem ucj jedej meej recwsej x w posac: ( x órej pocoda ( x ma spełać rówae dae

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

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

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

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

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Automatya i Robotya Aaliza Wyład dr Adam Ćmiel cmiel@agh.edu.pl Rachue różiczowy fucji wielu zmieych W olejych wyładach uogólimy pojęcia rachuu różiczowego i całowego fucji jedej zmieej a przypade fucji

Bardziej szczegółowo

(liniowy model popytu), a > 0; b < 0

(liniowy model popytu), a > 0; b < 0 MODELE EKONOMERYCZNE Model eoomercz o ops sochasczej zależośc adaego zjawsa eoomczego od czów szałującch go, wrażo w posac rówośc lu uładu rówośc. Jeśl p. rozparujem zjawso popu a oreślo owar lu grupę

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

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

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

Immunizacja portfela

Immunizacja portfela Immuzaja porfela Sraega mmuzaj porfelowej [Redgo 9] polega a sworzeu porfela srumeów sało upoowh spełająego dwa waru: - spade e srumeów fasowh wwoła wzrosem sóp spo jes w peł reompesowa przez wzros dohodów

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

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne lz Włd 5 d d Ćel cel@gedpl Spóe pzeszee ecze De Pzeszeń eczą ρ zw spóą eżel e d sę e pzedswć w psc s dwóc zów epsc wc złączc ρ - pzeszeń spó ~ we Icze es ze spó eżel dl dwlc pów czl see cągł c γ : : γ

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

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

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

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale AIB-Inormatka-Wkła - r Aam Ćmel cmel@.ah.eu.pl Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale [ ] Q spełna je także

Bardziej szczegółowo

Opis ruchu we współrzędnych prostokątnych (kartezjańskich)

Opis ruchu we współrzędnych prostokątnych (kartezjańskich) Opis ruchu we współrędch prosokąch (karejańskich) Opis ruchu we współrędch prosokąch jes podob do opisu a pomocą wekora wodącego, kórego pocąek leż w pocąku układu odiesieia. Położeie. Położeie puku A

Bardziej szczegółowo

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n lkowe_um- łkowe umercze Zde: olczć przlżee cłk ( ) d () użwjąc wrtośc ukcj () w puktc rówoodległc. Przjmujem (), gdze,,, () () tąd / (5) Metod prostokątów d / (6) gdze / / (7) -- :9: /6 lkowe_um- td. td.

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

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

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

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI KASYCZNY ODE REGRESJI INIOWEJ Z WIEOA ZIENNYI NIEZAEŻNYI. gdz: wtor obsrwacj a zmj Y, o wmarach ( macrz obsrwacj a zmch zalżch, o wmarach ( ( wtor paramtrów struturalch (wtor współczów, o wmarach (( wtor

Bardziej szczegółowo

Reprezentacja krzywych...

Reprezentacja krzywych... Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc

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 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

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

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

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [ ] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale spełna je także unkcja [ ] Q. Dokłaając warunek cąłośc unkcj [ ]

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

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej

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

takimi, że W każdym przedziale k 1 x k wybieramy punkt k ) i tworzymy sumę gdzie jest długością przedziału, x ). 1 k

takimi, że W każdym przedziale k 1 x k wybieramy punkt k ) i tworzymy sumę gdzie jest długością przedziału, x ). 1 k RACHUNEK CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ Cł ozczo Niech ędzie ucją oreśloą i ogriczoą w przedzile . Przedził e dzielimy pumi,,,..., imi, że....,,.,..., W żdym przedzile wyiermy pu, i worzymy sumę gdzie

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

Erlanga. Znajdziemy rozkład czasów oczekiwania na n-te zdarzenie. Łączny czas oczekiwania. na n zdarzeń dany jest przez: = u-v i t 2.

Erlanga. Znajdziemy rozkład czasów oczekiwania na n-te zdarzenie. Łączny czas oczekiwania. na n zdarzeń dany jest przez: = u-v i t 2. Rozład Erlaga Zajdziem rozład czasów oczeiwaia a -e zdarzeie. Łącz czas oczeiwaia a zdarzeń da jes przez: M. Przbcień Rachue prawdopodobieńswa i sasa ( (- gdzie E ; λ λ exp λ Podobie zajdujem: E ( ; E(

Bardziej szczegółowo

Rozszerzenie znaczenia symbolu całki Riemanna

Rozszerzenie znaczenia symbolu całki Riemanna Rozszerzeie zczei smolu cłi Riem Z deiicji cłi Riem widć że isoą rolę odrw uporządowie prosej R prz worzeiu podziłu P. Jeżeli zmieim uporządowie prosej o sum cłowe zmieiją z o zmieiją z różice - -. Przjmiem

Bardziej szczegółowo

ZAAWANSOWANE TECHNIKI PRZETWARZANIA SYGNAŁÓW W TELEKOMUNIKACJI LABORATORIUM

ZAAWANSOWANE TECHNIKI PRZETWARZANIA SYGNAŁÓW W TELEKOMUNIKACJI LABORATORIUM POLITCHNIKA WARSZAWSKA WYDZIAŁ LKTRONIKI I TCHNIK INFORMACYJNYCH INSTYTUT TLKOMUNIKACJI ZAAWANSOWAN TCHNIKI PRZTWARZANIA SYGNAŁÓW W TLKOMUNIKACJI LABORATORIUM ĆWICZNI NR RPRZNTACJA ORTOGONALNA SYGNAŁÓW.

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej

Bardziej szczegółowo

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

Bardziej szczegółowo

Ć ń ń Ę Ó ń Ę ć ć ź Ę ć Ź ć ń ń ń ń ć ń ń ń Ę ć Ą Ę Ź ć ć ń Ą ź Ó ź ń Ę ć ć ń Ó Ą Ą ź ź Ę Ć Ę ć Ó ź Ą ć ć Ę ź ć Ź ć Ę ć Ź Ź ć ć ć ć Ł Ę ć Ć Ę Ź ć Ż Ę ń Ź Ę ć ń ć ń Ź Ź ń Ę ń ć Ó Ó Ź ć ń Ź ń Ż ć ź ź Ą Ć

Bardziej szczegółowo

Ł Ł Ń Ń Ś Ń Ń ź Ń Ą Ż Ł Ę Ł Ś Ą Ą Ś Ł Ń Ś Ą Ń ć Ą Ą Ą Ą Ł Ś Ę Ś Ń Ż Ż Ś Ć Ź ć Ę Ś Ą Ź Ś Ś Ś Ś Ż Ś Ź Ą Ż Ć Ą Ś Ź Ż Ź Ź Ź Ś Ą ć Ś Ść Ś Ść Ż Ź Ź ć Ź Ź Ź Ż Ż Ź Ś Ś Ż Ż ć Ź Ż Ż ć Ś Ś Ą Ź ć Ś ć ć Ś Ś ć Ż Ż Ą

Bardziej szczegółowo

Ą Ą ć Ż ć ć ź ć ć ć ć ć ć ć ć ć Ą ć ć Ą ć ć Ó Ź ć Ą ć ć ć ć ć Ą ć ć Ą Ź ć ć ć ć ć ć ć ć ć ć ć ć ć Ą ć Ą Ż ć Ź ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć Ż ć ć Ż ć ć ć ć ć Ą ź ć Ę ć ć ć ć Ź ć ć ź ć ć ć

Bardziej szczegółowo

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

Bardziej szczegółowo

ć ź ć ź ć ć Ź ć ć ć ć ź ć ć ź ć ć Ź Ł ć ć ć Ż ć Ż ć ć Ź ź Ć Ą Ź Ż Ż Ź Ż Ć Ł Ł Ź Ź ź Ą ź Ą Ć Ź Ł Ź ć Ź ćź Ź Ź Ą Ź ć Ź ć Ł ć Ł ć ć Ł ć Ą ć ć ć ź ź ć ć ć ć ź ć ć ć ź ć ć ć ć ć ć ć ć Ł Ź ć ź ć Ą ć ć Ą Ć

Bardziej szczegółowo

Ą Ą Ą ń ż Ę Ż ż ń ż ć ż ż ć Ń Ż ż ż Ź Ą ń Ż Ę Ń ż Ą ń ż ć Ź ć ć ż ć ż ć ż Ż ż ż ż ć ż ń ż ć ń ż ż ż ć ć ń ń ż ć ż ćż ż ż ń ż ń ż ż Ę ż Ę Ą ż ż Ęć ż ż Ę ż ć ć ć ż ń ź ń ń Ź ż Ę Ę ń Ź Ź ć Ż ć ź ż ż ż ź Ę

Bardziej szczegółowo

Ł Ł Ś Ł Ń Ń Ł Ę ć ć Ż ć Ż Ę ć ć ć Ę Ę ć Ż ź Ż ć Ż Ą Ę Ę Ż Ę ź Ś ć ć Ę ź Ą ć Ł Ę Ę ź Ż ć ć Ę Ę Ż Ż ć Ż Ę ć Ę Ę ć ź Ą ć ć ć Ę ć ć ź ć ć ź ć Ś Ż ć ć Ż ć Ż ć Ż ć ź Ż Ż Ę Ę ź Ę ć Ż Ż Ę Ż Ę Ż Ą ć ć ć Ż ź Ż ć

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

Macierze hamiltonianu kp

Macierze hamiltonianu kp Macere halonanu p acer H a, dla wranego, war 44 lu 88 jeśl were jao u n r uncje s>; X>, Y>, Z>, cl uncje ransorujące sę według repreenacj grp weora alowego Γ j. worące aę aej repreenacj - o ora najardej

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

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

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982. Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy

Bardziej szczegółowo

Prognozowanie na podstawie szeregów czasowych.

Prognozowanie na podstawie szeregów czasowych. Progozowaie a podsawie szeregów czasowch. Sładowe szeregów czasowch. Szereg czasow sładowa ssemacza sładowa przpadowa red sał poziom sładowa oresowa wahaia clicze wahaia sezoowe Tred (edecja rozwojowa

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β

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

Testy oparte na ilorazie wiarygodności

Testy oparte na ilorazie wiarygodności Ts opar a loraz wargodośc Probl sowaa hpoz Nch B P=P będz przsrzą sasczą prz cz = =. Probl. Na podsaw prób wu spru zwrfować hpozę wobc alraw. Rozwąza powższgo problu s fuca [] zwaa s sascz zradozowa lub

Bardziej szczegółowo

Całka krzywoliniowa nieskierowana (całka krzywoliniowa funkcji skalarnej)

Całka krzywoliniowa nieskierowana (całka krzywoliniowa funkcji skalarnej) WYŁAD : CAŁI RZYWOLINIOWE Nech - krwa w R : gde [ α β ] ora C [ α β]. Zaem dowol puk krwej moża predsawć w posac j k krwa adaa jes pre wekor parameracj r : r j k. Decja Jeśl krwa e ma puków welokroch.

Bardziej szczegółowo

Projekt 3 3. APROKSYMACJA FUNKCJI

Projekt 3 3. APROKSYMACJA FUNKCJI Projekt 3 3. APROKSYMACJA FUNKCJI 3. Krter proksmcj. Złóżm że () jest ukcją cągłą w przedzle [ b ]. Zlezee przblże (proksmcj) poleg wzczeu współczków pewego welomu P() któr będze dobrze przblżł w tm przedzle

Bardziej szczegółowo

Politechnika Opolska. Skrypt Nr 237 ISSN 1427-9932 (wersja elektroniczna) Ewald Macha. Niezawodność maszyn

Politechnika Opolska. Skrypt Nr 237 ISSN 1427-9932 (wersja elektroniczna) Ewald Macha. Niezawodność maszyn Polechka Opolska Skrp Nr 37 ISSN 47-993 (wersja elekrocza) Ewald Macha Nezawodość masz Opole 3 Sps reśc Przedmowa 5 Wkaz ważejszch ozaczeń 6. Podsawowe pojęca eor ezawodośc 7.. Pojęca ezawodośc...7.. Defcja

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

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

MODELOWANIE I PROGNOZOWANIE

MODELOWANIE I PROGNOZOWANIE L.Kowalsk-Modelowae progozowae MODELOWANIE I PROGNOZOWANIE MATERIAŁY DYDAKTYCZNE o Podsawowe charakersk dach sasczch, o Ideks, o Progozowae- wadomośc wsępe, o Modele ekoomercze, o Jedorówaow model low,

Bardziej szczegółowo

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej.

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej. L.Kowals Fucje zmeych losowych FUNKCJE ZMIENNYCH LOSOWYCH Uwag o rozładze fucj zmeej losowej jedowymarowej. Jeśl - soowa, o fucj prawdopodobeńswa P( x ) p, g - dowola o fucja prawdopodobeńswa zmeej losowej

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

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

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

Bardziej szczegółowo

Wykład 6. Stabilność układów dynamicznych

Wykład 6. Stabilność układów dynamicznych Wyłd 6. Sblość ułdó dymcych Rożmy obe dymcy (uoomcy e poddy ymueom) d d d F( ) dm d Pu róog d F( ) r d Obe loy r r mcer( ) de Ułd e bly eżel yrącoy e u róog oe prodoy do u róog Defc blośc ee Lpuo Pu róog

Bardziej szczegółowo

1. CAŁKI KRZYWOLINIOWE NIEZORIENTOWANE

1. CAŁKI KRZYWOLINIOWE NIEZORIENTOWANE CAŁKI KRZYWOLINIOWE NIEZORIENTOWANE ŁUKI NA PŁASZCZYŹNIE I W PRZESTRZENI Def (funcja weorowa jednej zmiennej 3 a Funcją weorową jednej zmiennej nazwam odwzorowanie r : I R lub r : I R gdzie I oznacza przedział

Bardziej szczegółowo

Prognozowanie- wiadomoci wstpne

Prognozowanie- wiadomoci wstpne Progozowa- wadomoc wtp Progozowa to racjoal woowa o zdarzach zach a podtaw zdarz zach. Clm progoz jt dotarcz otwch formacj potrzch do podjmowaa dczj. Progoz a mulacj. Progoza co dz w momc t Smulacja co

Bardziej szczegółowo

SYNTEZA MODELI I ALGORYTMÓW IDENTYFIKACJI SYTUACJI W ZARZĄDZANIU POTOKAMI TRANSPORTOWYMI

SYNTEZA MODELI I ALGORYTMÓW IDENTYFIKACJI SYTUACJI W ZARZĄDZANIU POTOKAMI TRANSPORTOWYMI Tadeusz Csows Łuasz Wojcechows YNTEZA MODELI I ALGORYTMÓW IDENTYFIKACJI YTUACJI W ZARZĄDZANIU OTOKAMI TRANORTOWYMI reszczee. W ejszej pracy dooao syezy mode agorymów deyfacj syuacj przy orogoaej sruurze

Bardziej szczegółowo

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow

Bardziej szczegółowo

Strona: 1 1. CEL ĆWICZENIA

Strona: 1 1. CEL ĆWICZENIA Katedra Podstaw Sstemów Techczch - Podstaw metrolog - Ćwczee 4. Wzaczae charakterstk regulacjej slka prądu stałego Stroa:. CEL ĆWICZENIA Celem ćwczea jest pozae zasad dzałaa udow slka prądu stałego, zadae

Bardziej szczegółowo

IV. RÓWNANIA RÓŻNICOWE

IV. RÓWNANIA RÓŻNICOWE V. RÓWNANA RÓŻNCOWE 4.. Wstęp Prz frowm przetwarzaiu sgałów dooujem ih dsretzaji zli próbowaia, tz. zamia sgału iągłego a iąg sgałów dsreth. Sgał iągł (t) przedstawiam jao iąg rzędh wzazah dla dsreth wartośi

Bardziej szczegółowo

IV. ZMIENNE LOSOWE DWUWYMIAROWE

IV. ZMIENNE LOSOWE DWUWYMIAROWE IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

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

2012-10-11. Definicje ogólne

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

Bardziej szczegółowo

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

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. 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

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 11 [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] = N 1 + = N. Cd filtrów cyfrowych

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 11 [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] = N 1 + = N. Cd filtrów cyfrowych Tora Sgałów III ro Iora Soowaj Wład Cd lrów crowc [ ] [ ] [ ] [ ] [ ] M g Ja aęa ogóla oać lru crowgo o: Śrda arc w ruco o. Pro rład śrdj cralj ęcu uów (lr rcow! ). [ ] [ ] 5 owa warość j rwaa do środowgo

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

Politechnika Warszawska Instytut Automatyki i Robotyki. Prof. dr hab. inż. Jan Maciej Kościelny PODSTAWY AUTOMATYKI. 3. Podstawowe elementy liniowe

Politechnika Warszawska Instytut Automatyki i Robotyki. Prof. dr hab. inż. Jan Maciej Kościelny PODSTAWY AUTOMATYKI. 3. Podstawowe elementy liniowe Poliecia Warzawa I omai i Roboi Pro. dr ab. iż. Ja Maciej Kościel PODSWY UOMYKI 3. Podawowe eleme liiowe Założeia Wiele elemeów aomai moża raować jao liiowe, jeżeli: ograicz ię zare ic prac przjmie aępjące

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Zaawasowae metod umercze Programowae lowe (problem dual, program low w lczbach całkowtch) Dualość est kluczowm poęcem programowaa lowego. Pozwala a udowodee że otrzmwae rozwązaa są optmale. Zagadee duale

Bardziej szczegółowo

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ W stronę bolog: dnama oulacj Martn. owa Evolutonar Dnamcs elna Press 6 SELEKCJ: JK JED POPULCJ (STRTEGI) WYPIER IĄ Model determnstczn ( a ) ( b ) : Dodając stronam mam a b czl średne dostosowane (ftness).

Bardziej szczegółowo