Reprezentacje zmiennoprzecinkowe Reprezentacje zmiennoprzecinkowe

Wielkość: px
Rozpocząć pokaz od strony:

Download "Reprezentacje zmiennoprzecinkowe Reprezentacje zmiennoprzecinkowe"

Transkrypt

1 F. znacznk (sgnfcanmnoŝnk awnej zwany mantysą (mantssa baza (ostawa rerezentacj (rax ustalona zaś wykłank (exonent zwany awnej cechą (characterstc. znacznk lczba wymerna (stałorzecnkowa ze znakem wykłank lczba całkowta rerezentacja lczb uŝych małych ostulaty uŝa okłaność uŝy zakres łatwe orównane łatwe wykonane ostawowych załań arytmetycznych stanary I 754 (985 arytmetyka wójkowa I 854 (987 arytmetyka w owolnej ostawe Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP Weloznaczność rerezentacj zmennorzecnkowej owolne wele róŝnych rerezentacj lczby Przykła F ( Ogranczene jenostronne znacznka ( k < ne jest wystarczające bo naal jest wele legalnych rerezentacj tej samej lczby o legalne wszystke rerezentacje z owolną lczbą woących zer < k - k < ( wykorzystane rzestrzen koowej jest neełne mogą stneć legalne rzyblŝena znacznka róŝnące sę okłanoścą Koneczne ogranczene wustronne Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP

2 Normalzacja rerezentacj zmennorzecnkowej znacznk znormalzowany < [ 0 : [ mn F > 0 brak znormalzowanej rerezentacj zera! ½ < ¾ ½ ¼ 0 ¼ ½ ¾ < 3 / ½ 0 ½ Przezały znormalzowanych wartośc znacznka rzy 0 Problem rerezentacj zera sztuczna rerezentacja jako cągu samych zer zero jako jena z lczb enormalzowanych (e-/sub-normalze o mn F lczby enormalzowane mn < Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 3 3 / Realzacja ostawowych załań arytmetycznych argumenty znormalzowane (lub enormalzowane F wynk załana normalzacja wynku: W F < W f F F... ( W tak aby s : W s < mn W s namar zmennorzecnkowy (exonent overflow s W : W < W > neomar zmennorzecnkowy (exonent unerflow s W : W < W < mn Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 4

3 noŝene F F ( ( ( < < albo < albo < normalzacja loczynu (ε0 lub ε ε F F ( nezbęna normalzacja jeśl > lub <0 otrzeba oatkowych ozycj aby ne utracć cyfr znaczących skutkem normalzacj moŝe być tylko namar 0 skutkem normalzacj moŝe być tylko neomar 0 normalzacja: ( ( normalzacja: ( ( Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 5 Dzelene F F /( ( / ( < / < albo / < albo < normalzacja lorazu (ε0 lub ε ε F F (( / nezbęna normalzacja jeśl > lub <0 otrzeba oatkowych ozycj aby ne utracć cyfr znaczących skutkem normalzacj moŝe być tylko neomar 0 skutkem normalzacj moŝe być tylko namar 0 normalzacja: ( / ( normalzacja: ( / ( Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 6

4 Doawane oejmowane F ± F ( ± ( ( ( ± wyrównane wykłanków jeśl enormalzacja oeranu o mnejszym wykłanku ( # < utrata okłanośc oeranu enormalzowanego (F jeśl > normalzacja wynku ( > W < < W < W ± ( < oraz W < namar oraz ( mn neomar utrata okłanośc wynku F F (wyrównane 0 0 F F F F F F F C F F F F F F F C F F (ostnormalzacja Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 7 Oblczane znormalzowanej owrotnośc lczby wykonalność załana /F ( < owrotność rawe najmnejszej lczby znormalzowanej mn Fmn mn F F < < jeśl warunek ne jest sełnony moŝe wystąć namar (exonent overflow owrotność najwększej lczby znormalzowanej F < Fˆ mn F > jeśl warunek ne jest sełnony moŝe wystąć neomar (exonent unerflow enormalzacja lub zaokrąglene o 0 stneją owrotnośc nektórych lczb enormalzowanych mn mn Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 8

5 Wybór sosobu koowana ostulaty uŝy zakres łatwe wykrywane enormalzacj łatwe szybke orównywane lczb znakowanych uorząkowane lczb zgone z naturalną nterretacją koów wykłank na wyŝszych znacznk na nŝszych ozycjach rzyak secjalne neskończonośc najwększy ko wykłanka zero lczby barzo małe najmnejszy ko wykłanka Koowane wykłanka naturalne tylko wartośc oatne uzuełnenowe wartośc oatne ujemne roblem uorząkowana solaryzowane wartośc oatne ujemne uorząkowane naturalne Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 9 Jak zakoować znacznk? ko uzuełnenowy warunek normalzacj < < ( ( < to wa rozłączne warunk: > 0 < 0 trune orównane orząek lczb nezgony z naturalnym ko solaryzowany roblem zakresu w mnoŝenu newykonalność zelena ko znak-mouł: s warunek normalzacj ( < uraszcza sę o ostac ( ( < x0 x x x3... x x0 łatwe orównane orząek lczb zgony z naturalnym robne roblemy w oawanu oejmowanu m 0 Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 0

6 Zero lczby barzo małe lczby znormalzowane F s ( ( f 0 f < ( brak rerezentacj zera!! naturalną rerezentacją zera jest ko ostac s lczby zenormalzowane F < mn F mn < F s mn ( (0 0 f f < mn mn ( ]( ][ [ mn mn 0 mn Lczby zenormalzowane mn mn mn Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP Dobór zakresu wykłanka Dla skrajnych lczb znormalzowanych warunk wykonalnośc / są srzeczne lesze rozwązane moŝlwość wykluczena namaru: mn < krajne wartośc wykłanka otrzebne o zakoowana: zera ewentualne lczb zenormalzowanych neskończonośc neskalowalnych lczb barzo uŝych ne-lczb Jeśl ostawa jest arzysta to o wykluczenu koów skrajnych rozętość zakresu wykłanka jest stała nearzysta k ( wyberając wartośc najblŝsze otymalnych otrzymamy mn k mn mn k > k k > 3 Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP

7 Dokłaność rerezentacj (rzyblŝena lczby rzeczywstej Fl( rerezentacja zmennorzecnkowa lczby rzeczywstej ( ul Fl( oległość wóch kolejnych lczb zaleŝy o wykłanka ul 0 [ [ [ 3 wzglęny błą rerezentacj lokalny ε( maksymalny Fl( ul ε ( ul ( m ε ( RR śren błą wzglęny ARR (average relatve reresentaton error ARR ε( ln ul 4ln 4ln ( m Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 3 Dokłaność wynków załań schematy zaokrąglana ochrona rze utratą okłanośc uŝyce cyfr (btów namarowych Fl( rerezentacja zmennorzecnkowa lczby rzeczywstej Fl( Fl( Fl Fl( ( < ul ( Fl( ( Fl( ul x x x ( < ul ( Fl( Fl( ( Fl( Fl( zaokrąglane (roun-off rzyblŝane z załoŝoną okłanoścą obcęce (truncaton chong gnorowane cyfr (btów namarowych rzycągane (o najblŝszej (roun-off mnmalzacja błęu lokalnego rzycągane symetryczne mnmalzacja błęu śrenego Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 4

8 Cyfry chronące normalzacja wynku wymaga skalowana (rzesunęca arytmetycznego rzesunęce w rawo roblem zaokrąglena rzesunęce w lewo ryzyko utraty okłanośc najmnejszy zakres rzesunęć (skalowana rzy 0 lub roblem mnmalna lczba oatkowych cyfr wynku nezbęnych o orawnej ostnormalzacj normalzacja rzy mnoŝenu lub zelenu (bez rzyblŝana jena oatkowa cyfra wynku cyfra chronąca (guar gt G 0 < (hl (G! / < (hr < (hr < (hl (G! / normalzacja z zaokrąglanem zwykłym (rzy 0 otrzebna oatkowa cyfra zaokrąglana (roun gt R normalzacja z zaokrąglanem symetrycznym roblem R½ otrzebny wskaźnk zer na ozostałych ozycjach (stcky gt Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 5 Cyfry chronące w oawanu lub oejmowanu oawane znacznków (z ewentualną enormalzacją jenego z nch < < ( normalzacja rzesunęce arytmetyczne o jeną ozycję w rawo zaokrąglane otrzebne R moŝna je wyznaczyć bez oejmowana oejmowane znacznków (z ewentualną enormalzacją jenego z nch znacznk ojemnej znormalzowany ( < ojemnk zenormalzowany ( k k < k k k k>0 ( < < ( o k róŝnca jest znormalzowana rzyblŝane (GR k o k róŝnca jest zawsze w rzezale < < normalzacja rzesunęce arytmetyczne o jeną ozycję w lewo (G zaokrąglane otrzebne R moŝna je wyznaczyć bez oejmowana (cyfry GR ojemnej są wszystke równe 0! k0 wszystke cyfry róŝncy są okłane ale k Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 6

9 Utrata okłanośc w oawanu lub oejmowanu k0 ( wszystke cyfry róŝncy są okłane F s ± F ± ( ( normalzacja wynku (r lczba ostęnych oatkowych cyfr argumentów r < wynk okłany (uŝyce cyfr GR r < utrata okłanośc wynku w < < oraz w mn neomar GR F F F F (ostnormalzacja okłane są najwyŝej 3 cyfry znacznka! Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 7 Kumulacja błęów oczas załań arytmetycznych wynk załana rzyblŝony ( Fl( ( ε kumulacja błęów oczas załana na wynkach orzench załań błą wzglęny mnoŝena lub zelena newelka kumulacja Fl( Fl( ( ε ( ε ε ε ε ε ε ε Fl( / Fl( / / ( ε ( ε ε ε ( ε ( ε ε błą wzglęny oawana lub oejmowana Fl( ± Fl( ( ± ε ± ε ± ± ε ± ± ε ± błą wynku jest śreną waŝoną błęów argumentów krytyczna sytuacja w oejmowanu oraz ε ε Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 8

10 Zaobegane kumulacj błęów ( utrata okłanośc (cancellaton łagona (bengn argumenty okłane (zaobegane cyfry chronące katastrofczna (catastrohc argumenty obarczone błęem zaokrąglana elmnacja katastrofcznej utraty okłanośc jest trunejsza ne zawsze moŝe być zrealzowana srzętowo raktyczny sosób rzecwzałana algorytmy Oblczane erwastków równana ax bx c 0 weług znanej formuły x b ± b 4ac a moŝe sowoować barzo uŝą neokłaność jenego z nch b >> 4ac. Alternatywa algorytm oarty na wzorach Vety zgone z którym w x a c x w sgn( b( b b 4ac. w w oraz erwastk równana są oblczone z okłanoścą oobną o a b c Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 9 Zaobegane kumulacj błęów ( Oblczane ola trójkąta weług orygnalnego wzoru Herona ( q ( a b c q( q a( q b( q c barzo uŝy błą rzyblŝena trójkąt jest barzo łask tzn. a b c bo wtey qa 0. Kahan zaroonował moyfkację tego wzoru o ostac (a b c [ a ( b c][ c ( a b][ c ( a b][( a ( b c ] 4 oblczena w kolejnośc wskazanej rzez nawasy (najerw oblczyć wynk w nawasach okrągłych wewnętrznych nawet a b ne nastęuje katastrofczna kumulacja błęu bo ab jest oobnego rzęu jak c. Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 0

11 Rerezentacja wójkowa Koowane znacznka ko znak-mouł s znacznk znormalzowany ( < ma ostać (bez znaku ( ( ne trzeba zasywać woącej ( bt ukryty amętane bty znacznka to część ułamkowa k Koowane wykłanka ( zakres mn ( k ko solaryzowany k ( mn lczba zenormalzowana mn neskończonośc ne-lczby (NaN lczba znormalzowana (ukryty bt Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP b b b b b... b 3 s F ( ( f 0 f < lczba zenormalzowana (ukryty bt 0 m b b b b... b 0 3 s mn F ( (0 f 0 f < m b m Format zmennorzecnkowy I 754/854 bt ukryty s e e e... e e e e b b b b... b b b b b b b b b b b b b znak wykłank (N f część ułamkowa moułu znacznka INGL (3b [s 3 30:3 f :0 ] DOUBL (64b [s 63 6:5 f 5:0 ] Wzorce koów obektów stanaru I 754 Wykłank Ułamek Ko bnarny Welkość mn s b...bb s m ± F ( ( mn s e...ee b...bb s m ± F ( f 0 s ± f 0 s... b..bb NaN mn f s s m ± F ( ( s m f... s ± F ( ( Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP

12 Obcęce lczba btów obcnanych Fl ( T ( < ul stanaryzowany błą obcnana ( ul 0 T ( ul 0 0 śren stanaryzowany błą obcnana (rozkła równomerny δ T ( 0 ( ( błą wzglęny śren jest zawsze ujemny bowem skutkem obcnana jest zawsze neoszacowane estymator T( jest ujemne obcąŝony (negatve base. Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 3 Przycągane (o najblŝszej zaokrąglane zwykłe Fl ( R( ul < (moŝlwe rzecwne rzysane R( rzy ul ul. ul stanaryzowany błą zaokrąglana ( ul 0 R( ul < < (0 < ( ul ul < ul. śren stanaryzowany błą zaokrąglana (rozkła równomerny δ R ( ( 0 śren błą zaokrąglana jest barzo blsk 0 estymator R( obcąŝony oatno (lub ujemne (zaleŝne o efncj rzysane R( rzy ul zaleŝne o znaku (R 0 lub R Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 4

13 Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 5 Przycągane (zaokrąglane symetryczne ( ( ul ul ul ul ul ul ul ul Fl < < < stanaryzowany błą rzyblŝena ( ul ( ul < < < śren stanaryzowany błą zaokrąglana symetrycznego 0 ( ( 0 δ estymator ( neobcąŝony (śren błą zaokrąglana równy 0 zaokrąglane o arzystej (nearest-even lub nearzystej (nearest-o Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 6 chematy roblemy ul ul ul ul (00 ul 4 4 ( roagacja rzenesena oczas zaokrąglana...x000...x00...x00...x0...x00...x0...x0...x R(...x0...x0...x...x...x...x...x...x (...x0...x0...x0...x...x...x...x...x rzeczywsty rozkła błęu

14 Arytmometr zmennorzecnkowy sumator / sx sy ex ey mx my IGN 0 P > 0 < 0 b ALIGN UB ( ex ey UB c n a/s c out hr R v ADD/UB hr/hl hr L LZ n c r ROUND sa ov uv ea ma m 0 ouł wykłanka: P wybór wykłanka IGN generator znaku sumy UB subtraktor ALIGN sterowane enormalzacją; ouł znacznka: ADD/UB sumator hr rzesuwnk w rawo LZ koer woących zer hr/hl ukła ostnormalzacj ROUND ukła zaokrąglana Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 7 Arytmometr zmennorzecnkowy ukła mnoŝąco-zelący s x s y ex ey v/mul m x my ADD/UB TP ~ /D RO D TP Port Port n n ULTIPLIR L hl UB c n c r ROUND sa ov uv ea m 0 m a ouł wykłanka: UB ukła oejmujący wykłank. ouł znacznka: TP rejestr wartośc chwlowej D oblczane oełnena zelnka hl ukła ostnormalzacj ROUND ukła zaokrąglana Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 8

15 noŝene akumulacyjne x 0 a 4 b 4 a 3 b 3 a b a b a 0 b 0 x FA FA FA FA HA s 0 x FA FA FA FA HA s arytmometr zmennorzecnkowy tylko matryca mnoŝena akumulacyjnego *A B Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 9 Arytmometr zmennorzecnkowy ukła mnoŝąco-zelący UB enormalzacja n G R Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 30

16 Wyjątk obsługa namaru neomaru wyjątk zmennorzecnkowe sytuacje zagroŝena orawnośc wynku namar rzejścowy skalowane k zaamętane ermanentny (namar o skalowanu sygnalzacja neomar rzejścowy skalowane (k zaamętane ermanentny (neomar o skalowanu sygnalzacja utrata okłanośc zmana algorytmu neozwolona oeracja sygnalzacja zmana algorytmu argument lub wynk ne jest lczbą ccha NaN (quet NaN - kontynuacja sygnalzowana NaN (sgnallng NaN sygnalzacja błęu błą zaokrąglena Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 3 aszynowe tryby zaokrąglana Zaokrąglane w kerunku o zera obcnane Zaokrąglane w kerunku neskończonośc oatne w górę ujemne w ół lub owrotne arytmetyka rzezałowa (nterval arthmetc Zaokrąglane o najblŝszej (arzystej symetryczne śroek xx0 I Zaokrąglane o najblŝszej (nearzystej symetryczne śroek xx ne I 3 Proagacja orawk l amęć RO l (l wejść oraz l btów wyjścowych l<m o...x... obcnane ostatnch btów błą zaokrąglana ( zamast ( l śren stanaryzowany błą zaokrąglana l l l śrena wartość błęu stanaryzowanego - ( ( Śren błą stanaryzowany -- wskaźnk neokłanośc zaokrąglana jest uŝywany rzy wyborze metoy zaokrąglana. Janusz Bernat Zmennorzecnkowe-r 5 gruna 003 FP 3.

β ustalona podstawa reprezentacji, baza (radix), β 2,

β ustalona podstawa reprezentacji, baza (radix), β 2, Koncepcja postulaty F mno nk (sgnfcan,. mantysa (mantssa lczba stałoprzecnkowa ustalona postawa reprezentacj, baza (ra,, wykłank (eponent,. cecha (characterstc lczba całkowta wele ró nych reprezentacj

Bardziej szczegółowo

architektura komputerów w. 3 Arytmetyka komputerów

architektura komputerów w. 3 Arytmetyka komputerów archtektura komputerów w. 3 Arytmetyka komputerów Systemy pozycyjne - dodawane w systeme dwójkowym 100101011001110010101 100111101000001000 0110110011101 1 archtektura komputerów w 3 1 Arytmetyka bnarna.

Bardziej szczegółowo

Dla dzielnej X (dividend) i dzielnika D 0 (divisor) liczby Q oraz R takie, Ŝe

Dla dzielnej X (dividend) i dzielnika D 0 (divisor) liczby Q oraz R takie, Ŝe zelene ekwencyjne zelene la dzelnej X (dvdend) dzelnka (dvor) lczby Q oraz R take, Ŝe X=Q R, R < nazywa ę lorazem Q (uotent) reztą R (remander) z dzelena X rzez. Równane dzelena moŝe meć rozwązana ełnające

Bardziej szczegółowo

Dzielenie. Dzielenie pozycyjne

Dzielenie. Dzielenie pozycyjne zelene ozycyjne zelene dzelene całkowte: dzelna (dvdend), dzelnk 0 (dvor) Iloraz (uotent) rezta R (remander) z dzelena to lczby take, e R, R rozw zana (,R ) oraz (,R ) take, e R, rzy tym R R, R, R oraz

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

Laboratorium z Podstaw Automatyki. Laboratorium nr 4. Działanie układu automatycznej regulacji. Rodzaje regulatorów.

Laboratorium z Podstaw Automatyki. Laboratorium nr 4. Działanie układu automatycznej regulacji. Rodzaje regulatorów. . Cele ćwczena Laboratorum nr 4 Dzałane ukłau automatycznej regulacj. ozaje regulatorów. zaoznane sę z buową załanem ukłau regulacj, zaoznane sę z różnym strukturam regulatorów, obór arametrów regulatorów

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Zagadnienia - równania nieliniowe

Zagadnienia - równania nieliniowe Zagadnienia - równania nieliniowe Sformułowanie zadania poszukiwania pierwiastków. Przedział izolacji. Twierdzenia o istnieniu pierwiastków. Warunki zatrzymywania algorytmów. Metoda połowienia: założenia,

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Przybli anie ilorazu wymiernego jego sko czonym rozwini ciem X D. dokładno ilorazu okre lona precyzj wyznaczenia liczby m

Przybli anie ilorazu wymiernego jego sko czonym rozwini ciem X D. dokładno ilorazu okre lona precyzj wyznaczenia liczby m Algort oblczenowe Janusz Bernat, 7-6-Oblczena nuer.oc, 7 gruna 4 NUM Przbl ane lorazu wernego ego sko czon rozwn ce R X R D X D X Q R D D R D }: { okłano lorazu okre lona precz wznaczena lczb R R R...

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Systemy Just-in-time. Sterowanie produkcją

Systemy Just-in-time. Sterowanie produkcją Systemy Just-n-tme Sterowane proukcją MRP MRP II Just n tme OPT 1 Sterowane proukcją MRP MRP II Just n tme OPT Koszty opóźneń Kary umowne Utrata zamówena Utrata klenta Utrata t reputacj 2 Problemy z zapasam

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łan Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łan Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn Metody numeryczne Wykład 2 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Arytmetyka zmiennopozycyjna

Bardziej szczegółowo

LABORATORIUM PROCESORY SYGNAŁOWE W AUTOMATYCE PRZEMYSŁOWEJ. Zasady arytmetyki stałoprzecinkowej oraz operacji arytmetycznych w formatach Q

LABORATORIUM PROCESORY SYGNAŁOWE W AUTOMATYCE PRZEMYSŁOWEJ. Zasady arytmetyki stałoprzecinkowej oraz operacji arytmetycznych w formatach Q LABORAORIUM PROCESORY SYGAŁOWE W AUOMAYCE PRZEMYSŁOWEJ Zasady arytmetyki stałoprzecinkowej oraz operacji arytmetycznych w formatach Q 1. Zasady arytmetyki stałoprzecinkowej. Kody stałopozycyjne mają ustalone

Bardziej szczegółowo

Markowa. ZałoŜenia schematu Gaussa-

Markowa. ZałoŜenia schematu Gaussa- ZałoŜena scheatu Gaussa- Markowa I. Model jest nezennczy ze względu na obserwacje: f f f3... fl f, czyl y f (x, ε) II. Model jest lnowy względe paraetrów. y βo + β x +ε Funkcja a być lnowa względe paraetrów

Bardziej szczegółowo

Podstawy Informatyki. Jednostki informacji. Metalurgia, I rok. Systemy pozycyjne. Konwersja kodu dziesiętnego na dwójkowy. System dwójkowy (binarny)

Podstawy Informatyki. Jednostki informacji. Metalurgia, I rok. Systemy pozycyjne. Konwersja kodu dziesiętnego na dwójkowy. System dwójkowy (binarny) Podstawy Iformatyk Metalurga, I rok Wykład 3 Lczby w komuterze Jedostk formacj Bt (ag. bt) (Shao, 948) Najmejsza lość formacj otrzeba do określea, który z dwóch rówe rawdoodobych staów rzyjął układ. Jedostka

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

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Statystyczne metody przetwarzania danych

Statystyczne metody przetwarzania danych Artfcal Intellgence Krzysztof Ślot, 2008 Statystyczne metody rzetwarzana danych Klasyfkacja mnmalnoodległoścowa Krzysztof Ślot Instytut Informatyk Stosowanej Poltechnka Łódzka Artfcal Intellgence Krzysztof

Bardziej szczegółowo

r i m r Fwyp R CM Dynamika ruchu obrotowego bryły sztywnej

r i m r Fwyp R CM Dynamika ruchu obrotowego bryły sztywnej Dynamka ruchu obrotowego bryły sztywnej Bryła sztywna - zbór punktów materalnych (neskończene welu), których wzajemne położene ne zmena sę po wpływem załających sł F wyp R C O r m R F wyp C Śroek masy

Bardziej szczegółowo

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

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Kod znak-moduł. Wartość liczby wynosi. Reprezentacja liczb w kodzie ZM w 8-bitowym formacie:

Kod znak-moduł. Wartość liczby wynosi. Reprezentacja liczb w kodzie ZM w 8-bitowym formacie: Wykład 3 3-1 Reprezentacja liczb całkowitych ze znakiem Do przedstawienia liczb całkowitych ze znakiem stosowane są następujące kody: - ZM (znak-moduł) - U1 (uzupełnienie do 1) - U2 (uzupełnienie do 2)

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA SZEREGÓW CZASWYCH Szereg czasow zbór warośc baanej cech lub warośc baanego zjawska zaobserwowanch w różnch momenach czasu uporząkowan chronologczne. Skłank szeregu czasowego:. enencja rozwojowa

Bardziej szczegółowo

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI. EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

U L T R A ZAKŁAD BADAŃ MATERIAŁÓW

U L T R A ZAKŁAD BADAŃ MATERIAŁÓW U L T R A ZAKŁAD BADAŃ MATERIAŁÓW Zał 1 instr Nr02/01 str. 53-621 Wrocław, Głogowska 4/55, tel/fax 071 3734188 52-404 Wrocław, Harcerska 42, tel. 071 3643652 www.ultrasonic.home.pl tel. kom. 0 601 710290

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c,

Funkcja kwadratowa. f(x) = ax 2 + bx + c, Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010 Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Szybkie dzielenie. Szybkie dzielenie

Szybkie dzielenie. Szybkie dzielenie Metody szybkego dzelena dzelene sekwencyjne czas dzelena popocjonalny do lczby cyf loazu β q uposzczene wyznaczana cyf loazu loaz w kodze S q { β,...,,,,... β } waunek zbeŝnośc dzelena: < jednoczesne wyznaczane

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb

Bardziej szczegółowo

3.3.1. Metoda znak-moduł (ZM)

3.3.1. Metoda znak-moduł (ZM) 3.3. Zapis liczb binarnych ze znakiem 1 0-1 0 1 : 1 0 0 1 1 0 1 1 0 1 0 0 0 0 1 0 0 0 1 reszta 0 0 0 0 0 0 0 1 3.3. Zapis liczb binarnych ze znakiem W systemie dziesiętnym liczby ujemne opatrzone są specjalnym

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie Wykład 5. Problemy algebry lnowej w Matlabe. Analza sygnałów a) w dzedzne częstotlwośc b) w dzedzne czasu c) częstotlwoścowo-czasowa d) nagrywane analza dźwęku e) Sgnal Processng Toolbox Problemy algebry

Bardziej szczegółowo

ARYTMETYKA KOMPUTERA

ARYTMETYKA KOMPUTERA 006 URZĄDZENIA TECHNIKI KOMPUTEROWEJ ARYTMETYKA KOMPUTERA Systemy liczbowe o róŝnych podstawach 1 UTK System dziesiętny Cyfry: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 Liczba 764.5 oznacza 7 * 10 2 + 6 * 10 1 + 4

Bardziej szczegółowo

Cyfrowy zapis informacji

Cyfrowy zapis informacji F1-1 Cyfrowy zapis informacji Alfabet: uporządkowany zbiór znaków, np. A = {a,b,..., z} Słowa (ciągi) informacyjne: łańcuchy znakowe, np. A i = gdtr Długość słowa n : liczba znaków słowa, np. n(sbdy) =

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.

Bardziej szczegółowo

Arytmetyka stałopozycyjna

Arytmetyka stałopozycyjna Wprowadzenie do inżynierii przetwarzania informacji. Ćwiczenie 3. Arytmetyka stałopozycyjna Cel dydaktyczny: Nabycie umiejętności wykonywania podstawowych operacji arytmetycznych na liczbach stałopozycyjnych.

Bardziej szczegółowo

Kod IEEE754. IEEE754 (1985) - norma dotycząca zapisu binarnego liczb zmiennopozycyjnych (pojedynczej precyzji) Liczbę binarną o postaci

Kod IEEE754. IEEE754 (1985) - norma dotycząca zapisu binarnego liczb zmiennopozycyjnych (pojedynczej precyzji) Liczbę binarną o postaci Kod IEEE754 IEEE Institute of Electrical and Electronics Engineers IEEE754 (1985) - norma dotycząca zapisu binarnego liczb zmiennopozycyjnych (pojedynczej precyzji) Liczbę binarną o postaci (-1) s 1.f

Bardziej szczegółowo

Metody numeryczne I. Janusz Szwabiński. Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/61

Metody numeryczne I. Janusz Szwabiński. Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/61 Metody numeryczne I Dokładność obliczeń numerycznych. Złożoność obliczeniowa algorytmów Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/61 ... the purpose of

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

Najważniejsze normatywy w sterowaniu zapasami

Najważniejsze normatywy w sterowaniu zapasami Najważniejsze normatywy w sterowaniu zaasami Q artia ostawy ilość materiałów ostarczanych jenorazowo, Q artia ostawy ilość materiałów ostarczanych jenorazowo, T okres mięzy ostawami, C czas realizacji

Bardziej szczegółowo

O nauczaniu oceny niepewności standardowej

O nauczaniu oceny niepewności standardowej 8 O nauczaniu oceny niepewności stanarowej Henryk Szyłowski Wyział Fizyki UAM, Poznań PROBLEM O lat 90. ubiegłego wieku istnieją mięzynaroowe normy oceny niepewności pomiarowych [, ], zawierające jenolitą

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

Architektura systemów komputerowych. Poziom układów logicznych. Układy mnoŝące i dzielące

Architektura systemów komputerowych. Poziom układów logicznych. Układy mnoŝące i dzielące Architektura systemów komputerowych Poziom układów logicznych. Układy mnoŝące i dzielące Cezary Bolek Katedra Informatyki Plan wykładu Układy mnoŝące liczby całkowite MnoŜenie liczb bez znaku MnoŜarka

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA ZEREGÓW CZAWYCH zereg czasow zbór warosc baanej cech lub warosc baanego zjawska zaobserwowanch w róznch momenach czasu uporzakowan chronologczne. klank szeregu czasowego:. enencja rozwojowa (ren)

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Arytmetyka binarna - wykład 6

Arytmetyka binarna - wykład 6 SWB - Arytmetyka binarna - wykład 6 asz 1 Arytmetyka binarna - wykład 6 Adam Szmigielski aszmigie@pjwstk.edu.pl SWB - Arytmetyka binarna - wykład 6 asz 2 Naturalny kod binarny (NKB) pozycja 7 6 5 4 3 2

Bardziej szczegółowo

Diagnostyka układów kombinacyjnych

Diagnostyka układów kombinacyjnych Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane

Bardziej szczegółowo

Liczby zmiennoprzecinkowe i błędy

Liczby zmiennoprzecinkowe i błędy i błędy Elementy metod numerycznych i błędy Kontakt pokój B3-10 tel.: 829 53 62 http://golinski.faculty.wmi.amu.edu.pl/ golinski@amu.edu.pl i błędy Plan wykładu 1 i błędy Plan wykładu 1 2 i błędy Plan

Bardziej szczegółowo

ZAŁĄCZNIKI ROZPORZĄDZENIA DELEGOWANEGO KOMISJI

ZAŁĄCZNIKI ROZPORZĄDZENIA DELEGOWANEGO KOMISJI KOMISJA EUROPEJSKA Bruksela, dna 27.4.2018 C(2018) 2460 fnal ANNEXES 1 to 2 ZAŁĄCZNIKI do ROZPORZĄDZENIA DELEGOWANEGO KOMISJI w sprawe zany sprostowana rozporządzena delegowanego (UE) 2017/655 uzupełnającego

Bardziej szczegółowo

1 Postulaty mechaniki kwantowej

1 Postulaty mechaniki kwantowej 1 1.1 Postulat Pierwszy Stan ukłau kwantowomechanicznego opisuje funkcja falowa Ψ(r 1, r 2,..., r N, t) zwana także funkcją stanu taka, że kwarat jej moułu: Ψ 2 = Ψ Ψ pomnożony przez element objętości

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

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

ź ć Ń Ę Ś Ę ź Ś Ę ć ŚĆ Ó ÓŁ Ł ć ź ź ź ź Ń ć Ę Ę ź ć ć ź ć ć Ł ć Ę Ń ć Ę Ę ć Ł ć ź ź ć ź ć ć ć ź ć ź ź Ó Ń Ó Ż ź ć Ó ź ź ć ź ź Ś ć ć ź ć ć Ę Ł ź ź Ę Ę Ę Ę Ń Ę Ł Ę Ń Ń Ń ź Ń Ń ź ź Ń Ł ź ź ź Ę ź ź Ę Ń Ń

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

Arytmetyka finansowa Wykład z dnia 30.04.2013

Arytmetyka finansowa Wykład z dnia 30.04.2013 Arytmetyka fnansowa Wykła z na 30042013 Wesław Krakowak W tym rozzale bęzemy baać wartość aktualną rent pewnych, W szczególnośc, wartość obecną renty, a równeż wartość końcową Do wartośc końcowej renty

Bardziej szczegółowo

Plan wykładu. Architektura systemów komputerowych. MnoŜenie realizacja sprzętowa (wersja 1) Układy mnoŝące liczby całkowite.

Plan wykładu. Architektura systemów komputerowych. MnoŜenie realizacja sprzętowa (wersja 1) Układy mnoŝące liczby całkowite. Plan wykładu rchitektura systemów komputerowych Poziom układów logicznych. Układy mnoŝące i dzielące Cezary Bolek Katedra Informatyki Układy mnoŝące liczby całkowite MnoŜenie liczb bez znaku MnoŜarka sekwencyjna

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy 5. Maszyna Turnga = T Q skończony zór stanów q 0 stan początkowy F zór stanów końcowych Γ skończony zór symol taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ: Q Γ! 2 Q Γ {L,R} funkcja

Bardziej szczegółowo

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz

Bardziej szczegółowo

LICZBY ZMIENNOPRZECINKOWE

LICZBY ZMIENNOPRZECINKOWE LICZBY ZMIENNOPRZECINKOWE Liczby zmiennoprzecinkowe są komputerową reprezentacją liczb rzeczywistych zapisanych w formie wykładniczej (naukowej). Aby uprościć arytmetykę na nich, przyjęto ograniczenia

Bardziej szczegółowo

Komputerowe generatory liczb losowych

Komputerowe generatory liczb losowych . Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -

Bardziej szczegółowo

Badanie energetyczne płaskiego kolektora słonecznego

Badanie energetyczne płaskiego kolektora słonecznego Katedra Slnów Salnowych Pojazdów ATH ZAKŁAD TERMODYNAMIKI Badane energetyczne łasego oletora słonecznego - 1 - rowadzene yorzystane energ celnej romenowana słonecznego do celów ogrzewana, chłodzena oraz

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

P 1, P 2 - wektory sił wewnętrznych w punktach powierzchni F wokół punktu A

P 1, P 2 - wektory sił wewnętrznych w punktach powierzchni F wokół punktu A TEORI STNU NPRĘŻENI. WEKTOR NPRĘŻENI r x P P P P, P - wektory sł wewnętrznych w unktach owerzchn wokół unktu P P r, P - suma sł wewnętrznych na owerzchn P P P P średna gęstość sł wewnętrznych na owerzchn

Bardziej szczegółowo

Andrzej Borowiecki. Open Office. Calc arkusz kalkulacyjny. Przykłady zadań dla geodetów

Andrzej Borowiecki. Open Office. Calc arkusz kalkulacyjny. Przykłady zadań dla geodetów Andrzej Boroweck Open Offce Calc arkusz kalkulacyjny Przykłady zadań dla geodetów Kraków 2004 . Podstawowe nformacje. Wstęp OpenOffce.0 jest funkcjonalne równowaŝny paketow StarOffce 6.0, obejmując najwaŝnejsze

Bardziej szczegółowo

Podstawy Informatyki

Podstawy Informatyki Podstawy Informatyki Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 3 Bożena Woźna-Szcześniak (AJD) Podstawy Informatyki Wykład 3 1 / 42 Reprezentacja liczb całkowitych

Bardziej szczegółowo

Arytmetyka stało i zmiennoprzecinkowa

Arytmetyka stało i zmiennoprzecinkowa Arytmetyka stało i zmiennoprzecinkowa Michał Rudowicz 171047 Łukasz Sidorkiewicz 170991 Piotr Lemański 171009 Wydział Elektroniki Politechnika Wrocławska 26 października 2011 Spis Treści 1 Reprezentacja

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

LICZBY ZMIENNOPRZECINKOWE

LICZBY ZMIENNOPRZECINKOWE LICZBY ZMIENNOPRZECINKOWE Liczby zmiennoprzecinkowe są komputerową reprezentacją liczb rzeczywistych zapisanych w formie wykładniczej (naukowej). Aby uprościć arytmetykę na nich, przyjęto ograniczenia

Bardziej szczegółowo

Architektura komputerów

Architektura komputerów Architektura komputerów Wykład 4 Jan Kazimirski 1 Reprezentacja danych 2 Plan wykładu Systemy liczbowe Zapis dwójkowy liczb całkowitych Działania arytmetyczne Liczby rzeczywiste Znaki i łańcuchy znaków

Bardziej szczegółowo

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

Bardziej szczegółowo

Podstawy Informatyki. Inżynieria Ciepła, I rok. Wykład 5 Liczby w komputerze

Podstawy Informatyki. Inżynieria Ciepła, I rok. Wykład 5 Liczby w komputerze Podstawy Informatyki Inżynieria Ciepła, I rok Wykład 5 Liczby w komputerze Jednostki informacji Bit (ang. bit) (Shannon, 948) Najmniejsza ilość informacji potrzebna do określenia, który z dwóch równie

Bardziej szczegółowo

Przykładowe zadania z matematyki na poziomie podstawowym wraz z rozwiązaniami

Przykładowe zadania z matematyki na poziomie podstawowym wraz z rozwiązaniami 8 Liczba 9 jest równa A. B. C. D. 9 5 C Przykładowe zadania z matematyki na oziomie odstawowym wraz z rozwiązaniami Zadanie. (0-) Liczba log jest równa A. log + log 0 B. log 6 + log C. log 6 log D. log

Bardziej szczegółowo

Wprowadzania liczb. Aby uniknąć wprowadzania ułamka jako daty, należy poprzedzać ułamki cyfrą 0 (zero); np.: wpisać 0 1/2

Wprowadzania liczb. Aby uniknąć wprowadzania ułamka jako daty, należy poprzedzać ułamki cyfrą 0 (zero); np.: wpisać 0 1/2 Wprowadzania liczb Liczby wpisywane w komórce są wartościami stałymi. W Excel'u liczba może zawierać tylko następujące znaki: 0 1 2 3 4 5 6 7 8 9 + - ( ), / $ %. E e Excel ignoruje znaki plus (+) umieszczone

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

POMIAR MOCY AKUSTYCZNEJ

POMIAR MOCY AKUSTYCZNEJ INSTYTUT KONSTRUKCJI MASZYN ABORATORIUM POMIAR MOCY AKUSTYCZNEJ Measurment of soun ower 9 8 ;7 ;6 ;5 4 h l c l Zakres ćwiczenia. Zaoznanie się z normami otyczącymi omiaru mocy akustycznej.. Zaoznanie się

Bardziej szczegółowo

Powtórzenie podstawowych zagadnień. związanych ze sprawnością rachunkową *

Powtórzenie podstawowych zagadnień. związanych ze sprawnością rachunkową * Powtórzenie podstawowych zagadnień związanych ze sprawnością rachunkową * (Materiały dydaktyczne do laboratorium fizyki) Politechnika Koszalińska październik 2010 Spis treści 1. Zbiory liczb..................................................

Bardziej szczegółowo

WYZNACZANIE WZGLĘDNEJ PRZENIKALNOŚCI DIELEKTRYCZNEJ RÓŻNYCH MATERIAŁÓW DIELEKTRYCZNYCH

WYZNACZANIE WZGLĘDNEJ PRZENIKALNOŚCI DIELEKTRYCZNEJ RÓŻNYCH MATERIAŁÓW DIELEKTRYCZNYCH INTYTUT ELEKTRONIKI I YTEMÓW TEROWANIA WYDZIAŁ ELEKTRYCZNY POLITECHNIKA CZĘTOCHOWKA LABORATORIUM FIZYKI ĆWICZENIE NR E-3 WYZNACZANIE WZGLĘDNEJ PRZENIKALNOŚCI DIELEKTRYCZNEJ RÓŻNYCH MATERIAŁÓW DIELEKTRYCZNYCH

Bardziej szczegółowo

Warunek równowagi bryły sztywnej: Znikanie sumy sił przyłożonych i sumy momentów sił przyłożonych.

Warunek równowagi bryły sztywnej: Znikanie sumy sił przyłożonych i sumy momentów sił przyłożonych. Warunek równowag bryły sztywnej: Znkane suy sł przyłożonych suy oentów sł przyłożonych. r Precesja koła rowerowego L J Oznaczena na poprzench wykłaach L L L L g L t M M F L t F Częstość precesj: Ω ϕ t

Bardziej szczegółowo

Systemy liczbowe. 1. Przedstawić w postaci sumy wag poszczególnych cyfr liczbę rzeczywistą R = (10).

Systemy liczbowe. 1. Przedstawić w postaci sumy wag poszczególnych cyfr liczbę rzeczywistą R = (10). Wprowadzenie do inżynierii przetwarzania informacji. Ćwiczenie 1. Systemy liczbowe Cel dydaktyczny: Poznanie zasad reprezentacji liczb w systemach pozycyjnych o różnych podstawach. Kodowanie liczb dziesiętnych

Bardziej szczegółowo

Pomiar mocy i energii

Pomiar mocy i energii Zakład Napędów Weloźródłowych Instytut Maszyn Roboczych CęŜkch PW Laboratorum Elektrotechnk Elektronk Ćwczene P3 - protokół Pomar mocy energ Data wykonana ćwczena... Zespół wykonujący ćwczene: Nazwsko

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki WYKŁAD Z ANALIZY MATEMATYCZNEJ I dr. Elżbieta Kotlicka Centrum Nauczania Matematyki i Fizyki http://im0.p.lodz.pl/~ekot Łódź 2006 Spis treści 1. CIĄGI LICZBOWE 2 1.1. Własności ciągów liczbowych o wyrazach

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW NR 49988 WYGENEROWANY AUTOMATYCZNIE W SERWISIE WWW.ZADANIA.INFO POZIOM PODSTAWOWY CZAS PRACY: 70 MINUT Zadania zamknięte ZADANIE ( PKT) Odległość punktu A =

Bardziej szczegółowo

PREDYKCJA PRZEMIESZCZEŃ PRZY KODOWANIU SEKWENCJI WIELOWIDOKOWYCH Z WYKORZYSTANIEM KODERA SKALOWALNEGO AVC

PREDYKCJA PRZEMIESZCZEŃ PRZY KODOWANIU SEKWENCJI WIELOWIDOKOWYCH Z WYKORZYSTANIEM KODERA SKALOWALNEGO AVC Krzysztof Klimaszewski Politechnika Poznańska, Katera Telekomunikacji Multimeialnej i Mikroelektroniki ul. Polanka 3, 60-965 Poznań kklima@et.put.poznan.pl 2006 Poznańskie Warsztaty Telekomunikacyjne Poznań

Bardziej szczegółowo