Przetwarzanie sygnałów biomedycznych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Przetwarzanie sygnałów biomedycznych"

Transkrypt

1 Przetwarzaie sygałów biomeyczyc Człowiek- ajlesza iwestycja Projekt wsółfiasoway rzez Uię uroejską w ramac uroejskiego Fuuszu Sołeczego Wykła XII Rutkowski L. Filtry aatacyje i aatacyje rzetwarzaie sygałów, WN,

2 Filtracja sygałów Filtracja liiowa zakłaa, że filtroway sygał staowi kombiację liiową skłaowyc o stacjoarej wimowej gęstości mocy: yt t +t filtracja liiowa ozwala a elimiację ieożąayc skłaowyc Sygały mogą być owiązae w iy sosób iż kombiacja liiowa,. slotowo: ytt*t Filtracja liiowa ie rzyiesie ożąayc skutków - stosuje się filtrację omomorficzą. Koleja sytuacja - ieożąae skłaowe mogą być zmiee w czasie - filtracja aatacyja - ostosowaie właściwości filtru o właściwości sygału lub zakłóceia szumu sygał wejściowy filtru, sygał oiesieia;, rocesy stocastycze stacjoare w szerszym sesie fukcje korelacji zależe tylko o oóźieia. y sygał wyjściowy filtru, e - y błą

3 sygał wejściowy filtru, sygał oiesieia; y sygał wyjściowy filtru, e różica mięzy i y błą e - y Zaaiem filtru H jest zmiimalizowaie różicy mięzy sygałami i y czyli miimalizacja błęu e w sesie śreiokwaratowym, a więc orowazeie o sytuacji, w której wyik filtracji jest jak ajbliższy sygałowi oiesieia. Jeśli sygał jest zakłóceiem obecym także w, wyik filtracji owiie być woly o tego zakłóceia. oyfikując aatując wsółczyiki filtru miimalizujemy błą śreiokwaratowy - wartość oczekiwaą e oerator uśreiaia: J e y Filtr Wieera obór wsółczyików Filtr FIR o trasmitacji H i oowiezi imulsowej, sygał wejściowy filtru: H z z sygał wyjściowy filtru H jest rówy y różica mięzy sygałami i y jest fukcją wsółczyików, i wyosi: e y 3

4 Filtr Wieera różica mięzy sygałami i y jest fukcją wsółczyików i wyosi: e y miimalizacja różicy mięzy sygałami i y miimalizacja błęu śreiokwaratowego J : J e y J Wsółczyiki oowiezi imulsowej filtru owiy ążyć o wartości zaewiającyc tę miimalizację, i - o ile sygały są stacjoare o osiągięciu tyc wartości ozostać bez zmia. Filtr Wieera sygał wejściowy filtru miimalizacja błęu J rzez obór wsółczyików J Po zakończeiu otymalizacji wsółczyików filtru estymata ma ostać: y gzie, 1,..., 1,... 4

5 5 Po otymalizacji filtru estymata ma ostać: Błą: y J Filtr Wieera y e J rzekształceie: r macierz fukcji korelacji wzajemej i, R macierz fukcji autokorelacji sygału j j...,1,, R...,1, r Błą ma ostać: + J Filtr Wieera Ozaczając: Dostajemy: R r J +

6 Filtr Wieera Błą: J r + R R macierz autokorelacji r macierz korelacji wzajemej i, 1,... Poszukiwaie otymalyc wartości wsółczyików filtru - ocoa błęu J wzglęem, rzyrówaie o : δj r δ + R ot r + R ot wyrażeie a otymale wsółczyiki filtru H: ot R 1 r Filtr Wieera Rówaie umożliwiające wyzaczeie otymalyc wartości wsółczyików filtru H r-ie filtru Wieera: ot R r 1 R j,, j,1... r,,1... ot ot ot ot R 1 R R R 1 R 1 R... R r 1 R R 1... R 1 r 1 r R R r 6

7 zastosowaia Aatacyja elimiacja zakłóceń/szumów s i s 1 są skorelowae to samo zakłóceie ss 1 Sygał jest ieskoreloway z zakłóceiem s s Filtr aatacyjy ąży o zmiimalizowaia e, a więc zmiimalizowaia różicy sygałów +s i s 1, czyli orowazeia o sytuacji, w której sygał wyjściowy filtru aatacyjego y jest estymatą s: y s Filtr koryguje ew. różice fazy i amlituy sygałów s i s 1. zastosowaia Aatacyja elimiacja zakłóceń/szumów s i s 1 są skorelowae to samo zakłóceie sygał jest ieskoreloway z zakłóceiem s Filtr aatacyjy tak filtruje s 1, aby sygał y był jak ajbliższy s: y s Na wyjściu e z sygału +s usuwaa jest iformacja skorelowaa z sygałem s 1 : e+s - s~ Sygał błęu e jest oszacowaiem sygału ajleszym w sesie śreiokwaratowym. 7

8 zastosowaia Aatacyja elimiacja zakłóceń sieciowyc s i s 1 są skorelowae sygał jest ieskoreloway z zakłóceiem s Filtr aatacyjy tak filtruje s 1, aby sygał y był jak ajbliższy s. Sygał wyjściowy filtru aatacyjego jest estymatą s: y s Na wyjściu e usuwaa jest z sygału +s iformacja związaa z sygałem s 1 : e+s-s~ e jest ajleszym oszacowaiem sygału zastosowaia CG matki/łou 8

9 zastosowaia CG matki/łou zastosowaia CG matki/łou 9

10 zastosowaia Aatacyja elimiacja zakłóceń lie eacer Oóźieie sygału wejściowego filtru aatacyjego wzglęem sygału wejściowego całego systemu srawia, że szum zakłóceie w sygale wejściowym s i sygale wejściowym s filtru rzestają być skorelowae. Skoreloway ozostaje sygał wystęujący w obywu częściac toru. iimalizacja błęu e ozacza orowazeie o sytuacji, w której sygał wyjściowy filtru aatacyjego y jest ajleszym oszacowaiem sygału w oróżieiu o orzeiego rzyaku ie jest to sygał błęu e!! y zastosowaia Aatacyje rojektowaie filtrów Secyfikacja arametrów filtru astęuje orzez określeie wartości moułu i fazy oowiezi częstotliwościowej la zbioru N częstotliwości, czyli amlitu a k i faz Θ k N skłaowyc sygału s. s N k k 1 a siπ f + θ k k Na wejście filtru aatacyjego oaway jest sygał s bęący sumą tyc samyc skłaowyc częstotliwościowyc, ale o jeostkowyc amlituac i zerowyc fazac. Proces aatacyjego rojektowaia filtru ozacza taki obór wsółczyików filtru aatacyjego, by sygał błęu ążył o. Wtey filtr aatacyjy aroksymuje żąaą carakterystykę częstotliwościową. N s' siπf k 1 k 1

11 zastosowaia Aatacyja ietyfikacja toru systemu W rzyaku gy właściwości systemu zmieiają się czasie, aatacyja ietyfikacja jego właściwości może być rzyata. Jeśli błą rocesu aatacji ąży o jest rówy, filtr aatacyjy osiaa carakterystykę częstotliwościową bliską carakterystyce ietyfikowaego systemu rówą. Sygał wejściowy owiie być ostateczie złożoy, by obuzić wszystkie częstotliwości rezoasowe systemu. szum biały; Filtr aatacyjy owiie być filtrem ostateczie wysokiego rzęu, by oowieio zamoelować system. W raktyce - truość w uzyskaiu orawyc estymat fukcji korelacji iezae rozkłay rawooobieństwa sygałów, iestacjoarość oszukujemy miimum J, ie korzystając z estymat fukcji korelacji i autokorelacji. J y Filtr SOI Wieera estymacja R i r > wsółczyiki Algorytmy oszukujące miimum J w fukcji wsółczyików filtru. 11

12 filtry graietowe Graietowe filtry aatacyje oszukiwaie miimum fukcji J tzw. fukcji kosztu. J y J, 1,... k W metoac graietowyc moyfikacja wektora ma ostać: µ δj δj δj δj,,..., δ δ δ 1 δ Uwaga: tu i alej jest ieksem iteracji wektora wsółczyików!! - graiet fukcji kosztu J;µ stała oatia filtry graietowe J, 1, µ 1

13 filtry graietowe oyfikacja wektora : µ δj δj δj δj,,..., δ δ δ 1 δ Oczekujemy, że fukcja kosztu: J bęzie ierosącą fukcją wektora wsółczyików filtru: J + J filtry graietowe Oczekujemy, że fukcja kosztu bęzie ierosącą fukcją wektora wsółczyików filtru: J + J Dla małyc zmia - rozwiięcie w szereg aylora: J + J + Przy rzyjętym sosobie moyfikacji wsółczyików ostajemy:.5µ J + J.5µ 13

14 filtry graietowe wyrażeie oisujące fukcję kosztu: J + J.5µ co ozacza, że rzy iewielkiej moyfikacji wektora wartość fukcji kosztu jest miejsza o lub rówa wartości rze moyfikacją. J µ W rzyaku filtru aatacyjego o jeym wsółczyiku J jest arabolą, w rzyaku wsółczyików J jest ieraraboloią osiaającą miimum skierowaą ku górze oieważ błą śreiokwaratowy >. Dla filtrów wyższyc rzęów owierzcia kwaratowa w rzestrzei o oowieio wyższej liczbie wymiarów. Przy założeiu µ> ążymy o miimum fukcji kosztu zera graietu J. 14

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)

Bardziej szczegółowo

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne. Rachuek prawopoobieństwa MA064 Wyział Elektroiki, rok aka 2008/09, sem leti Wykłaowca: r hab A Jurlewicz Wykła 3: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

W wielu przypadkach zadanie teorii sprężystości daje się zredukować do dwóch

W wielu przypadkach zadanie teorii sprężystości daje się zredukować do dwóch Wykład 5 PŁASKI ZADANI TORII SPRĘŻYSTOŚCI Płaski sta arężeia W wielu rzyadkach zadaie teorii srężystości daje się zredukować do dwóch wymiarów Przykładem może być cieka tarcza obciążoa siłami działającymi

Bardziej szczegółowo

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI CHARAKERYSYKI CZĘSOLIWOŚCIOWE PODSAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUOMAYKI Do podstawowych form opisu dyamii elemetów automatyi (oprócz rówań różiczowych zaliczamy trasmitację operatorową s oraz trasmitację

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

ZAGADNIENIE W POSTACI OGÓLNEJ

ZAGADNIENIE W POSTACI OGÓLNEJ ZAGADNINI W POSAI OGÓLNJ s e ˆ - sygał - sygał -sygał obserwoway -sygał skoreloway z e eskoreloway z s -moel sygału s e ˆ -błą Szukae: 0,,..., M ] - ooweź mulsowa fltru FIR, - trasozycja Kryterum: m ]

Bardziej szczegółowo

Teoria Sygnałów. II Inżynieria Obliczeniowa. Wykład 13

Teoria Sygnałów. II Inżynieria Obliczeniowa. Wykład 13 Toria Sygałów II Iżyiria Oblicziowa Wyład 3 Filtr adaptacyjy dostraja się do zmiych waruów pracy. Filtr tai posiadają dwa sygały wjściow. Pirwszym jst sygał poddaway filtracji x(). Drugim ta zway sygał

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne. Rachuek prawopoobieństwa MA5 Wyział Elektroiki, rok aka 20/2, sem leti Wykłaowca: r hab A Jurlewicz Wykła 8: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług rozkłau

Bardziej szczegółowo

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

METODY NUMERYCZNE dr inż. Mirosław Dziewoński Metody Numerycze METODY NUMERYCZNE dr iż. Mirosław Dziewoński e-mail: miroslaw.dziewoski@polsl.pl Pok. 151 Wykład /1 Metody Numerycze Aproksymacja fukcji jedej zmieej Wykład / Aproksymacja fukcji jedej

Bardziej szczegółowo

h = 10 / N, a N jest zadaną liczbą naturalną.

h = 10 / N, a N jest zadaną liczbą naturalną. 5. CAŁKOWAIE I RÓŻICZKOWAIE FUKCJI 5.. Przykład wprowadzający Dae są ukcje cos oraz F si dla [,] związae zależościami: F dξ ξ oraz oraz ciąg wartości argumetu : dla,..., gdzie df d /, a jest zadaą liczbą

Bardziej szczegółowo

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego Elemety rach macierzowego Materiały pomocicze do MES Stroa z 7 Elemety rachuku macierzowego Przedstawioe poiżej iformacje staowią krótkie przypomieie elemetów rachuku macierzowego iezbęde dla zrozumieia

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

KADD Metoda najmniejszych kwadratów Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem) D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie

Bardziej szczegółowo

Metody numeryczne Laboratorium 5 Info

Metody numeryczne Laboratorium 5 Info Metody umerycze Laboratorium 5 Ifo Aproksymacja - proces określaia rozwiązań przybliżoych a podstawie rozwiązań zaych, które są bliskie rozwiązaiom dokładym w ściśle sprecyzowaym sesie. Metoda ajmiejszych

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

Badanie efektu Halla w półprzewodniku typu n

Badanie efektu Halla w półprzewodniku typu n Badaie efektu alla w ółrzewodiku tyu 35.. Zasada ćwiczeia W ćwiczeiu baday jest oór elektryczy i aięcie alla w rostoadłościeej róbce kryształu germau w fukcji atężeia rądu, ola magetyczego i temeratury.

Bardziej szczegółowo

FILTRY FILTR. - dziedzina pracy filtru = { t, f, ω } Filtr przekształca w sposób poŝądany sygnał wejściowy w sygnał wyjściowy: Filtr: x( ) => y( ).

FILTRY FILTR. - dziedzina pracy filtru = { t, f, ω } Filtr przekształca w sposób poŝądany sygnał wejściowy w sygnał wyjściowy: Filtr: x( ) => y( ). FILTRY Sygał wejściowy FILTR y( ) F[x( )] Sygał wyjściowy - dziedzia pracy filtru { t, f, } Filtr przekształca w sposób poŝąday sygał wejściowy w sygał wyjściowy: Filtr: x( ) > y( ). Działaie filtru moŝe

Bardziej szczegółowo

Definicja interpolacji

Definicja interpolacji INTERPOLACJA Defiicja iterpolacji Defiicja iterpolacji 3 Daa jest fukcja y = f (x), x[x 0, x ]. Zamy tablice wartości tej fukcji, czyli: f ( x ) y 0 0 f ( x ) y 1 1 Defiicja iterpolacji Wyzaczamy fukcję

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

OKREŚLENIE CHARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI

OKREŚLENIE CHARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI Ćwiczeie 5 OKREŚLENIE CARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI Wykaz ważiejszych ozaczeń c 1 rędkość bezwzględa cieczy a wlocie do wirika, m/s c rędkość bezwzględa cieczy a wylocie

Bardziej szczegółowo

Sygnały pojęcie i klasyfikacja, metody opisu.

Sygnały pojęcie i klasyfikacja, metody opisu. Sygały pojęcie i klasyfikacja, meody opisu. Iformacja przekazywaa jes za pośredicwem sygałów, kóre przeoszą eergię. Sygał jes o fukcja czasowa dowolej wielkości o charakerze eergeyczym, w kórym moża wyróżić

Bardziej szczegółowo

Zatem przyszła wartość kapitału po 1 okresie kapitalizacji wynosi

Zatem przyszła wartość kapitału po 1 okresie kapitalizacji wynosi Zatem rzyszła wartość kaitału o okresie kaitalizacji wyosi m k m* E Z E( m r) 2 Wielkość K iterretujemy jako umowa włatę, zastęującą w rówoważy sosób, w sesie kaitalizacji rostej, m włat w wysokości E

Bardziej szczegółowo

Wykład 24 Optyka geometryczna Widmo i natura światła

Wykład 24 Optyka geometryczna Widmo i natura światła Wykła 4 Optyka geometrycza Wimo i atura światła Optyka to auka o falach elektromagetyczych, ich wytwarzaiu, rozchozeiu się w różych ośrokach, i oziaływaiu z tymi ośrokami. Różice mięzy falami elektromagetyczymi

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

Kongruencje Wykład 4. Kongruencje kwadratowe symbole Legendre a i Jac

Kongruencje Wykład 4. Kongruencje kwadratowe symbole Legendre a i Jac Kogruecje kwadratowe symbole Legedre a i Jacobiego Kogruecje Wykład 4 Defiicja 1 Kogruecję w ostaci x a (mod m), gdzie a m, azywamy kogruecją kwadratową; jej bardziej ogóla ostać ax + bx + c może zostać

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

2. Schemat ideowy układu pomiarowego

2. Schemat ideowy układu pomiarowego 1. Wiadomości ogóle o prostowikach sterowaych Układy prostowikowe sterowae są przekształtikami sterowaymi fazowo. UmoŜliwiają płya regulację średiej wartości apięcia wyprostowaego, a tym samym średiej

Bardziej szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

TRANZYSTORY POLOWE JFET I MOSFET POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

(a) Jednowarstwowa sieć Hopfielda, z n neuronami (źródło [2]) (b) Bipolarna funkcja przejścia

(a) Jednowarstwowa sieć Hopfielda, z n neuronami (źródło [2]) (b) Bipolarna funkcja przejścia Sieci rekurecyje Przedmiot: Sieci euroowe i ich zastosowaie Sieci rekurecyje posiadają sprzężeie zwrote, co ma istoty wpływ a ich możliwości uczeia. Mają symulować asocjacyjy charakter ludzkiej pamięci.

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW Wydział Elektryczy Zespół Automatyki (ZTMAiPC) ZERiA LABORATORIUM MODELOWANIA I SYMULACJI Ćwiczeie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW I. Cel ćwiczeia Celem ćwiczeia jest zapozaie

Bardziej szczegółowo

Laboratorium Przetwarzania Sygnałów Biomedycznych

Laboratorium Przetwarzania Sygnałów Biomedycznych Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 3 Analiza sygnału o nieznanej strukturze Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - mgr inż. Tomasz Kubik Politechnika Warszawska,

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

Laboratorium Metrologii I Nr ćwicz. Opracowanie serii wyników pomiaru 4

Laboratorium Metrologii I Nr ćwicz. Opracowanie serii wyników pomiaru 4 Laboratorium Metrologii I olitechika Rzeszowska Zakład Metrologii i Systemów omiarowych Laboratorium Metrologii I Grua Nr ćwicz. Oracowaie serii wyików omiaru 4... kierowik...... 4... Data Ocea I. Cel

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

ZAJĘCIA II. Zmienne losowe, sygnały stochastyczne, zakłócenia pomiarowe

ZAJĘCIA II. Zmienne losowe, sygnały stochastyczne, zakłócenia pomiarowe ZAJĘCIA II Zmienne losowe, sygnały stochastyczne, zakłócenia pomiarowe Po co statystyka w identyfikacji? Zmienne losowe i ich parametry Korelacja zmiennych losowych Rozkłady wielowymiarowe i sygnały stochastyczne

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń 3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie

Bardziej szczegółowo

{ x n } = {,1.1, 0.2,2.1,3.0, 1.2, }

{ x n } = {,1.1, 0.2,2.1,3.0, 1.2, } CPS 6/7 Defiicje: SYGNAŁY DYSKRETNE USygały dyskree w czasieu rerezeowae są rzez ciągi liczb i ozaczae jako {x[]} Elemey ych ciągów azywa się UróbkamiU, warości róbek sygałów ozacza się jako x[] dla całkowiych

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871 COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

Adaptacyjne Przetwarzanie Sygnałów. Filtracja adaptacyjna w dziedzinie częstotliwości

Adaptacyjne Przetwarzanie Sygnałów. Filtracja adaptacyjna w dziedzinie częstotliwości W Filtracja adaptacyjna w dziedzinie częstotliwości Blokowy algorytm LMS (BLMS) N f n+n = f n + α x n+i e(n + i), i= N L Slide e(n + i) =d(n + i) f T n x n+i (i =,,N ) Wprowadźmy nowy indeks: n = kn (

Bardziej szczegółowo

Rozdział 4 Model teoretyczny 40

Rozdział 4 Model teoretyczny 40 4. Model teoretyczy ozdział 4 Model teoretyczy 4 4. ówaia fizycze. Klasycze odele teoretycze oisujące zachowaie się betou zwye ostulują istieie lastyczości tego ateriału [7, 5]. W ostatich latach coraz

Bardziej szczegółowo

Promotor: dr Marek Pawełczyk. Marcin Picz

Promotor: dr Marek Pawełczyk. Marcin Picz Promotor: dr Marek Pawełczyk Marcin Picz Stosowane metody: - Grupa metod odejmowania widm (subtractive( subtractive-typetype algorithms); - Filtracja Wienera; - Neural networks & Fuzzy logic (sieci neuronowe

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń

Bardziej szczegółowo

Egzamin / zaliczenie na ocenę*

Egzamin / zaliczenie na ocenę* WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI Zał. nr 4 do ZW 33/01 KARTA PRZEDMIOTU Nazwa w języku polskim CYFROWE PRZETWARZANIE SYGNAŁÓW Nazwa w języku angielskim DIGITAL SIGNAL PROCESSING Kierunek studiów

Bardziej szczegółowo

u t 1 v u(x,t) - odkształcenie, v - prędkość rozchodzenia się odkształceń (charakterystyczna dla danego ośrodka) Drgania sieci krystalicznej FONONY

u t 1 v u(x,t) - odkształcenie, v - prędkość rozchodzenia się odkształceń (charakterystyczna dla danego ośrodka) Drgania sieci krystalicznej FONONY Drgaia sieci krystaliczej FONONY 1. model klasyczy (iekwatowy) a) model ośrodka ciągłego (model Debye a) - przypadek jedowymiarowy - drgaia struy drgaia mogą być podłuże (guma, sprężya) i dwie prostopadłe

Bardziej szczegółowo

Parametryzacja rozwiązań układu równań

Parametryzacja rozwiązań układu równań Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie

Bardziej szczegółowo

ANALIZA KORELACYJNA I FILTRACJA SYGNAŁÓW

ANALIZA KORELACYJNA I FILTRACJA SYGNAŁÓW POLIECHNIKA BIAŁOSOCKA KAEDRA ZARZĄDZANIA PRODUKCJĄ Instrukcja do zajęć laboratoryjnych z przedmiotu: Podstawy diagnostyki technicznej Kod przedmiotu: KS05454 Ćwiczenie Nr ANALIZA KORELACYJNA I FILRACJA

Bardziej szczegółowo

Wynik finansowy transakcji w momencie jej zawierania jest nieznany z uwagi na zmienność ceny przedmiotu transakcji, czyli instrumentu bazowego

Wynik finansowy transakcji w momencie jej zawierania jest nieznany z uwagi na zmienność ceny przedmiotu transakcji, czyli instrumentu bazowego .Istmety ochoe otaty temiowe azywae sa istmetami ochoymi (eivatives. otat temiowy zobowiazje wie stoy o zeowazeia w zyszłosci ewej tasacji a wczesiej staloych waach. Jea stoa otatów (abywca - te, co je

Bardziej szczegółowo

Instrukcja Filtr Cyfrowy - µps 2101

Instrukcja Filtr Cyfrowy - µps 2101 Istrukcja Filtr yfrowy - µs Struktura staowiska laboratoryjego Na rysuku.. okazao staowisko laboratoryje z rocesorem ADSP. Na rysuku. zazaczoo uŝywae w ćwiczeiu rzyciski do obsługi kosoli obserwacyjosterującej

Bardziej szczegółowo

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA? EKONOMETRIA Temat wykładu: Co to jest model ekoometryczy? Dobór zmieych objaśiających w modelu ekoometryczym Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapata Tarapata@isi.wat..wat.edu.pl http://

Bardziej szczegółowo

Rysunek 1: Fale stojące dla struny zamocowanej na obu końcach; węzły są zaznaczone liniami kropkowanymi, a strzałki przerywanymi

Rysunek 1: Fale stojące dla struny zamocowanej na obu końcach; węzły są zaznaczone liniami kropkowanymi, a strzałki przerywanymi Aaliza fal złożoych Autorzy: Zbigiew Kąkol, Bartek Wiedlocha Przyjrzyjmy się drgaiu poprzeczemu struy. Jeżeli strua zamocowaa a obu końcach zostaie ajpierw wygięta, a astępie puszczoa, to wzdłuż struy

Bardziej szczegółowo

Przykładowe pytania na egzamin dyplomowy dla kierunku Automatyka i Robotyka

Przykładowe pytania na egzamin dyplomowy dla kierunku Automatyka i Robotyka Przykładowe pytaia a egzami dyplomowy dla kieruku Automatyka i obotyka Aktualizacja: 13.12.2016 r. Przedmiot: Matematyka 1 (Algebra liiowa) 1. Wiemy że struktura (Gh) jest grupą z elemetem eutralym e.

Bardziej szczegółowo

WYKŁAD 6 TRANZYSTORY POLOWE

WYKŁAD 6 TRANZYSTORY POLOWE WYKŁA 6 RANZYSORY POLOWE RANZYSORY POLOWE ZŁĄCZOWE (Juctio Field Effect rasistors) 55 razystor polowy złączowy zbudoway jest z półprzewodika (w tym przypadku typu p), w który wdyfudowao dwa obszary bramki

Bardziej szczegółowo

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu Przykład 10.5. Obliczeie wskaźika plastyczości przy skręcaiu Obliczyć wskaźiki plastyczości przy skręcaiu dla astępujących przekrojów: a) -kąta foremego b) przekroju złożoego 6a 16a 9a c) przekroju ciekościeego

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

Filtr Kalmana. Struktury i Algorytmy Sterowania Wykład 1-2. prof. dr hab. inż. Mieczysław A. Brdyś mgr inż. Tomasz Zubowicz

Filtr Kalmana. Struktury i Algorytmy Sterowania Wykład 1-2. prof. dr hab. inż. Mieczysław A. Brdyś mgr inż. Tomasz Zubowicz Filtr Kalmana Struktury i Algorytmy Sterowania Wykład 1-2 prof. dr hab. inż. Mieczysław A. Brdyś mgr inż. Tomasz Zubowicz Politechnika Gdańska, Wydział Elektortechniki i Automatyki 2013-10-09, Gdańsk Założenia

Bardziej szczegółowo

Ćwiczenie 6. Realizacja i pomiary filtrów adaptacyjnych

Ćwiczenie 6. Realizacja i pomiary filtrów adaptacyjnych Ćwiczeie 6 Realizacja i pomiary filtrów adaptacyjyc Cele ćwiczeia Zapozaie z działaiem prostyc filtrów adaptacyjyc. Obserwacja efektów działaia filtru predykcyjego. Porówaie algorytmów LMS i LMS. Pomiary

Bardziej szczegółowo

Wykład 10 Wnioskowanie o proporcjach

Wykład 10 Wnioskowanie o proporcjach Wykład 0 Wioskowaie o roorcjach. Wioskowaie o ojedyczej roorcji rzedziały ufości laowaie rozmiaru róby dla daego margiesu błędu test istotości dla ojedyczej roorcji Uwaga: Będziemy aalizować roorcje odobie

Bardziej szczegółowo

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x Iformatyka 05/06 Kazimierz Jezuita ZADANIA - Seria. Relacja rekurecyja kowecja sumacyja suma ciągu geometryczego. Zaleźć wzór a ogóly wyraz ciągu opisaego relacją rekurecyją: x sprowadzając problem do

Bardziej szczegółowo

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr Na prawach rękopisu o użytku służbowego INSTYTUT ENEROEEKTRYKI POITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr ABORATORIUM UKŁADÓW IMPUSOWYCH la kierunku AiR Wyziału Mechanicznego INSTRUKCJA ABORATORYJNA

Bardziej szczegółowo

Komisja Egzaminacyjna dla Aktuariuszy. XXXVI Egzamin dla Aktuariuszy z 10 października 2005 r. Część I. Matematyka finansowa

Komisja Egzaminacyjna dla Aktuariuszy. XXXVI Egzamin dla Aktuariuszy z 10 października 2005 r. Część I. Matematyka finansowa Komisja Egzamiacyja dla Aktuariuszy XXXVI Egzami dla Aktuariuszy z 0 paździerika 2005 r. Część I Matematyka fiasowa Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Niech dur() ozacza duratio

Bardziej szczegółowo

Struktura czasowa stóp procentowych (term structure of interest rates)

Struktura czasowa stóp procentowych (term structure of interest rates) Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,

Bardziej szczegółowo

elektryczna. Elektryczność

elektryczna. Elektryczność Pojemność elektryczna. Elektryczność ść. Wykła 4 Wrocław University of Technology 4-3- Pojemność elektryczna Okłaki konensatora są przewonikami, a więc są powierzchniami ekwipotencjalnymi: wszystkie punkty

Bardziej szczegółowo

PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA. Ruch cząstki nieograniczony z klasycznego punktu widzenia. mamy do rozwiązania równanie 0,,

PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA. Ruch cząstki nieograniczony z klasycznego punktu widzenia. mamy do rozwiązania równanie 0,, PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA Ruch cząstki ieograiczoy z klasyczego puktu widzeia W tym przypadku V = cost, przejmiemy V ( x ) = 0, cząstka porusza się wzdłuż osi x. Rozwiązujemy

Bardziej szczegółowo

(u) y(i) f 1. (u) H(z -1 )

(u) y(i) f 1. (u) H(z -1 ) IDETYFIKACJA MODELI WIEERA METODAMI CZĘSTOTLIWOŚCIOWYMI Opracowanie: Anna Zamora Promotor: dr hab. inż. Jarosław Figwer Prof. Pol. Śl. MODELE WIEERA MODELE WIEERA Modele obietów nieliniowych Modele nierozłączne

Bardziej szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA NA ĆWICZENIA 3 I 4 Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki. Automatyka i Robotyka Systemy Sterowania i Wspomagania Decyzji

Politechnika Gdańska Wydział Elektrotechniki i Automatyki. Automatyka i Robotyka Systemy Sterowania i Wspomagania Decyzji Monitorowanie i Diagnostyka w Systemach Sterowania (MiDwSS) Podstawowe sposoby opisu niepewności, wybrane zagadnienia zastosowania estymacji rekursywnej dla potrzeb monitorowania i diagnostyki w systemach

Bardziej szczegółowo

Analityczne metody detekcji uszkodzeń

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

Bardziej szczegółowo

[d(i) y(i)] 2. Do wyprowadzenia algorytmu RLS posłuży kryterium autokorelacyjne: J n = e 2 (i) i=1. λ n i [d(i) y(i)] 2 λ (0, 1]

[d(i) y(i)] 2. Do wyprowadzenia algorytmu RLS posłuży kryterium autokorelacyjne: J n = e 2 (i) i=1. λ n i [d(i) y(i)] 2 λ (0, 1] Algorytm RLS Recursive Least Squares Ogólna postać kryterium LS: J = i e 2 (i) = i [d(i) y(i)] 2 Do wyprowadzenia algorytmu RLS posłuży kryterium autokorelacyjne: J n = e 2 (i) Zmodyfikowane kryterium

Bardziej szczegółowo

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2 Wykład 7 Dwie iezależe próby Często porówujemy wartości pewej zmieej w dwóch populacjach. Przykłady: Grupa zabiegowa i kotrola Lekarstwo a placebo Pacjeci biorący dwa podobe lekarstwa Mężczyźi a kobiety

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

Błędy kwantyzacji, zakres dynamiki przetwornika A/C

Błędy kwantyzacji, zakres dynamiki przetwornika A/C Błędy kwatyzacji, zakres dyamiki przetworika /C Celem ćwiczeia jest pozaie wpływu rozdzielczości przetworika /C a błąd kwatowaia oraz ocea dyamiki układu kwatującego. Kwatowaie przyporządkowaie kolejym

Bardziej szczegółowo

METODY I ZASTOSOWANIA SZTUCZNEJ INTELIGENCJI. LABORATORIUM nr 01. dr inż. Robert Tomkowski

METODY I ZASTOSOWANIA SZTUCZNEJ INTELIGENCJI. LABORATORIUM nr 01. dr inż. Robert Tomkowski METODY I ZASTOSOWANIA SZTUCZNEJ INTELIGENCJI LABORATORIUM r 01 Temat: PERCEPTRON dr iż. Robert Tomkowski pok. 118 bud. C robert.tomkowski@tu.koszali.pl tel. 94 3178 251 Metody i zastosowaia sztuczej iteligecji

Bardziej szczegółowo

ALGORYTMY ESTYMACJI KĄTA FAZOWEGO

ALGORYTMY ESTYMACJI KĄTA FAZOWEGO Prace Naukowe Istytutu Maszy, Napędów i Pomiarów Elektryczych Nr 64 Politechiki Wrocławskiej Nr 64 Studia i Materiały Nr 3 1 Daiel DUSZA*, Jerzy BARTOSZEWSKI* kąt fazowy, przesuięcie fazowe, oka czasowe

Bardziej szczegółowo

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 8 1/9 ĆWICZENIE 8. Próbkowanie i rekonstrukcja sygnałów

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 8 1/9 ĆWICZENIE 8. Próbkowanie i rekonstrukcja sygnałów Andrzej Leśnicki Laboratorium CPS Ćwiczenie 8 1/9 ĆWICZENIE 8 Próbkowanie i rekonstrukcja sygnałów 1. Cel ćwiczenia Pierwotnymi nośnikami informacji są w raktyce głównie sygnały analogowe. Aby umożliwić

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Rachek rawdoodobieństwa i statystyka Wioskowaie statystycze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, ok407 ada@agh.ed.l Estymacja arametrycza Podstawowym arzędziem szacowaia iezaego arametr jest estymator

Bardziej szczegółowo

Badanie stabilności układu sterowania statkiem z nieliniowym autopilotem

Badanie stabilności układu sterowania statkiem z nieliniowym autopilotem Baaie stabilości ułau sterowaia statiem z ieliiowym autopilotem Zliearyzowae rówaie wiążące ochyleie ursu statu (zmiaę ąta ursu wzglęem ursu zaaego) ψ z ątem wychyleia steru δ jest astępujące (tzw. moel

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

Ekonometria Mirosław Wójciak Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła

Bardziej szczegółowo

I. Podzielność liczb całkowitych

I. Podzielność liczb całkowitych I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc

Bardziej szczegółowo

EFEKTY DYSPERSYJNE ZNIEKSZTAŁCAJĄCE KRÓTKIE IMPULSY LASEROWE. prof. Halina Abramczyk Laboratory of Laser Molecular Spectroscopy

EFEKTY DYSPERSYJNE ZNIEKSZTAŁCAJĄCE KRÓTKIE IMPULSY LASEROWE. prof. Halina Abramczyk Laboratory of Laser Molecular Spectroscopy EFEKTY DYSPERSYJNE ZNIEKSZTAŁCAJĄCE KRÓTKIE IMPUSY ASEROWE T t N t Dwa główe mehaizmy powoująe ziekształeie impulsów laserowyh: ) GVD-group veloity isspersio ) SMP-self phase moulatio 3 E E τ () 0 t /

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym

Bardziej szczegółowo

Podstawy Automatyzacji Okrętu

Podstawy Automatyzacji Okrętu Politechika Gdańska Wydział Oceaotechiki i Okrętowictwa St. iż. I stoia, sem. IV, kieruek: Oceaotechika, sec.: ZiMwGM Podstawy Automatyzacji Okrętu 9 SEROWANIE NAPĘDU SAKU M. H. Ghaemi Marzec 7 Podstawy

Bardziej szczegółowo

Modele zapisane w przestrzeni stanów

Modele zapisane w przestrzeni stanów Modele zapisane w przestrzeni stanów Modele Przestrzeni Stanów (State Space Models) sa to modele, w których część parametrów jest nieobserwowalna i losowa. Zachowanie wielowymiarowej zmiennej y t zależy

Bardziej szczegółowo

ANALIZA KORELACJI IREGRESJILINIOWEJ

ANALIZA KORELACJI IREGRESJILINIOWEJ ANALIZA KORELACJI IREGRESJILINIOWEJ 1. ZALEŻNOŚCI STOCHASTYCZNE Badajac zjawiska o charakterze masowym, w tym szczególie zjawiska spo leczo-ekoomicze, stwierdzamy, że każde z ich jest uwarukowae dzia laiem

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo