Nieklasyczna analiza skªadowych gªównych
|
|
- Nina Lisowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 * Wydziaª Matematyki i Informatyki UAM Pozna«Referat ten jest przygotowany na podstawie wspólnych wyników uzyskanych z Karolem Der gowskim z Instytutu Zarz dzania Pa«stwowej Wy»szej Szkoªy Zawodowej w Kaliszu
2 1 2
3 Zaªó»my,»e mamy prób zªo»on z n obiektów charakteryzowanych p zmiennymi, mierzonych w T ró»nych momentach czasowych lub warunkach zycznych. Uzyskane dane okre±lane s jako wielowymiarowe dane z powtarzanych pomiarów lub dane podwójnie wielowymiarowe. Niech X jk b dzie wektorem kolumnowym zªo»onym z pomiarów p cech w k-tym punkcie czasowym na j-tym obiekcie i niech X j = (X j1, X j2,..., X jt ) b dzie macierz rozmiaru p T pomiarów p cech w T momentach czasowych dokonanych na j-tym obiekcie oraz niech x j = vec (X j ), j = 1, 2,..., n.
4 Zakªadamy,»e x j N pt (µ, Ω), gdzie x 1, x 2,..., x n s niezale»ne, Ω > 0, j = 1, 2,..., n.
5 Skªadowe gªówne konstruowane s na podstawie oceny z próby ˆΩˆΩˆΩ macierzy Ω. Ocena ˆΩˆΩˆΩ jest dodatnio okre±lona z prawdopodobie«stwem jeden wtedy i tylko wtedy, gdy n > pt. Dodatnia okre±lono± macierzy ˆΩˆΩˆΩ jest po» dana, poniewa» tylko wówczas warto±ci wªasne i wektory wªasne macierzy ˆΩˆΩˆΩ s ocenami najwi kszej wiarogodno±ci warto±ci wªasnych i wektorów wªasnych macierzy Ω i st d skªadowe gªówne z próby b d ocenami najwi kszej wiarogodno±ci populacyjnych skªadowych gªównych (Seber, 1984, s. 197).
6 Niestety warunek n > pt wymaga bardzo licznych prób, co nie zawsze jest mo»liwe. Mo»na wówczas przyj,»e Ω = V Σ, gdzie V jest dodatnio okre±lon macierz rozmiaru T T oraz Σ jest dodatnio okre±lon macierz rozmiaru p p. Oceny z próby macierzy V i Σ s dodatnio okre±lone z prawdopodobie«stwem jeden wtedy i tylko wtedy, gdy n > max (p, T ).
7 Oceny najwi kszej wiarogodno±ci macierzy V i Σ uzyskujemy rozwi zuj c iteracyjnie ukªad równa«(srivastava i inni, 2008): ˆVˆVˆV = 1 np ˆΣˆΣˆΣ = 1 nt n X ˆΣˆΣˆΣ 1 X jc jc, j=1 n X jc ˆVˆVˆV 1 X, jc j=1 n gdzie X jc = X j X, X = 1 X n j, j = 1, 2,..., n. Srivastava i inni j=1 (2008) pokazali,»e je»eli n > max(p, T ), to iteracyjny algorytm jest zbie»ny do jedynego maksimum.
8 Skªadowe gªówne konstruujemy na podstawie macierzy ˆVˆVˆV ˆΣˆΣˆΣ. Je»eli n > max(p, T ) wówczas macierz ˆVˆVˆV ˆΣˆΣˆΣ jest dodatnio okre±lona z prawdopodobie«stwem jeden i wszystkie jej warto±ci wªasne s rzeczywiste i dodatnie. Jednym z gªównych powodów posªu»enia si iloczynem Kroneckera jest prosty i pi kny zwi zek mi dzy warto±ciami wªasnymi i wektorami wªasnymi macierzy ˆVˆVˆV i ˆΣˆΣˆΣ oraz macierzy ˆVˆVˆV ˆΣˆΣˆΣ (Ortega, 1987, s. 237).
9 Je»eli α 1, α 2,..., α T s warto±ciami wªasnymi macierzy ˆVˆVˆV, a β 1, β 2,..., β p s warto±ciami wªasnymi macierzy ˆΣˆΣˆΣ, to α r β s, r = 1, 2,..., T, s = 1, 2,..., p, s warto±ciami wªasnymi macierzy ˆVˆVˆV ˆΣˆΣˆΣ. Je»eli u = (u 1, u 2,..., u T ) jest wektorem wªasnym macierzy ˆVˆVˆV, odpowiadaj cym warto±ci wªasnej α, a w = (w 1, w 2,..., w p ) jest wektorem wªasnym macierzy ˆΣˆΣˆΣ, odpowiadaj cym warto±ci wªasnej β, to γ = u w = (u 1 w, u 2 w,..., u T w ) jest wektorem wªasnym macierzy ˆVˆVˆV ˆΣˆΣˆΣ, odpowiadaj cym warto±ci wªasnej αβ.
10 Niech λ 1 > λ 2 > > λ pt > 0 b d uporz dkowanymi warto±ciami wªasnymi macierzy ˆVˆVˆV ˆΣˆΣˆΣ. Wówczas istnieje macierz ortogonalna Γ = (γ 1, γ 2,..., γ pt ) taka,»e (ˆVˆVˆV ) Γ ˆΣˆΣˆΣ Γ = D λ = diag(λ 1, λ 2,..., λ pt ).
11 St d, je»eli y = y 1 y 2. y pt = Γ x = to Cov(y) = D λ i zmienne γ 1 γ 2... γ pt x = γ 1 x γ 2 x... γ pt x, y 1 = γ 1 x, y 2 = γ 2 x,..., y pt = γ pt x s nieskorelowane.
12 Zmienna y 1 = γ 1x nazywa si pierwsz skªadow gªówn, y 2 = γ 2x nazywa si drug skªadow gªówn, i tak dalej. Wariancja y i jest równa λ i. Poniewa» ) λ 1 + λ λ pt = tr (ˆVˆVˆV ˆΣˆΣˆΣ, to suma wariancji pt skªadowych gªównych jest równa sumie wariancji p zmiennych pierwotnych mierzonych w T momentach czasowych.
13 Przykªad. Dane s pomiary trzech cech (p = 3) w czterech ró»nych warunkach zycznych (T = 4) na 12 obiektach (n = 12) pochodz cych z dwóch grup. Poniewa» pt = n, to nie istnieje dodatnio okre±lona ocena ˆΩˆΩˆΩ macierzy kowariancji Ω. St d przyjmujemy,»e Ω = V Σ, gdzie V > 0, Σ > 0. Dwie pierwsze skªadowe gªówne obja±niaj 73.75% zmienno±ci caªkowitej.
14 y y 1
15 Niech k : R p R p R b dzie funkcj speªniaj c dla wszystkich x, y R p warunek k(x, y) =< Φ(x), Φ(y) >, (I ) gdzie Φ jest odwzorowaniem na pewn przestrze«h z iloczynem skalarnym. Funkcj k nazywa b dziemy j drem.
16 Denicja (Macierz Gramma) Je±li k jest j drem a x 1, x 2,..., x n R p s danymi wej±ciowymi, to symetryczna macierz stopnia n postaci K : (k(x i, x j )) (II ) nazywa si macierz Gramma lub macierz j drow j dra k wzgl dem x 1, x 2,..., x n.
17 Denicja (Dodatnio okre±lone j dro) J dro k : R p R p R takie,»e dla wszystkich n N oraz x 1, x 2,..., x n R p speªniony jest warunek c i c j k(x i, x j ) 0, c i R (III ) i,j nazywa si dodatnio okre±lonym j drem. Warunek (III ) oznacza,»e macierz K jest nieujemnie okre±lona.
18 Uwaga Poniewa» c i c j < Φ(x i ), Φ(x j ) >=< c i Φ(x i ), i,j i j c j Φ(x j ) > 0, to j dro postaci k(x, y) =< Φ(x), Φ(y) > jest dodatnio okre±lone przy dowolnym wyborze Φ.
19 J dro k(x, y) Jednorodne wielomianowe (x y) d, d N Niejednorodne wielomianowe (x y + c) d, c 0, d N Gaussa exp ( c x y 2), c > 0 Tablica: Przykªady j der dodatnio okre±lonych
20 Niech teraz H oznacza przestrze«hilberta, tj. rzeczywist przestrze«liniow z iloczynem skalarnym, unormowan i zupeªn. Denicja Mówimy,»e H posiada wªasno± reprodukowania, je»eli istnieje rodzina {k x = k(, x)} x R p j der zawarta w H taka,»e dla wszystkich funkcji postaci zachodzi Φ( ) = n c i k(, x i ), c i R, x i R p, i = 1, 2,..., n, i=1 Φ(x) =< Φ, k x >, Φ H, x R p. (IV ) W szczególno±ci k(x, y) =< k y, k x >, x, y R p. (V )
21 Denicja (Patrz np. F. H. Szafraniec, 2004) Funkcj k : R p R p R dan wzorem (V ) nazywamy j drem reprodukuj cym przestrzeni H, a par (H, k) nazywamy przestrzeni Hilberta z j drem reprodukuj cym. Uwaga Konsekwencj wzoru (IV ) jest to,»e j dro reprodukuj ce k jest dodatnio okre±lone. Twierdzenie (Moore'a-Aronszajna (Aronszajn, 1950)) Dla ka»dego dodatnio okre±lonego j dra na R p R p, istnieje jedyna przestrze«hilberta z reprodukuj cym j drem i na odwrót.
22 Problem wykorzystania j der do konstrukcji nieliniowych skªadowych gªównych pochodzi od Schölkopfa, Smoli i Müllera (1998). Niech X b dzie macierz rozmiaru n p zªo»on z n scentrowanych p-wymiarowych obserwacji x 1, x 2,..., x n R p, tj. X = x 1 x 2... x n. Ka»d obserwacj x i R p przeksztaªcamy za pomoc nieliniowej funkcji Φ : R p H, gdzie H jest przestrzeni Hilberta z reprodukuj cym j drem wymiaru N H > p.
23 W celu skonstruowania liniowych skªadowych gªównych w przestrzeni H znajdujemy warto±ci wªasne λ 0 i niezerowe wektory wªasne v H macierzy kowariancji C = 1 n n Φ(x j )Φ (x j ) (1) j=1 scentrowanych i nieliniowo przeksztaªconych wektorów x 1, x 2,..., x n.
24 Je»eli v jest wektorem wªasnym macierzy C odpowiadaj cym warto±ci wªasnej λ 0, to lub równowa»nie Poniewa» Cv = λv (2) Φ (x j )C v = λφ (x j )v, j = 1, 2,..., n. (3) C v = 1 n n Φ(x j )Φ (x j )v, (4) j=1 to wszystkie rozwi zania v odpowiadaj ce niezerowym warto±ciom wªasnym λ nale» do podprzestrzeni rozpi tej przez wektory Φ(x 1 ), Φ(x 2 ),..., Φ(x n ).
25 St d istniej wspóªczynniki α j, j = 1, 2,..., n, takie,»e v = n α j Φ(x j ). (5) j=1 Podstawiaj c (5) do (3) dostajemy: 1 n n n α j Φ(x i ) Φ(x k )Φ (x k )Φ(x j ) = j=1 k=1 n = λ α k Φ (x i )Φ(x k ), i = 1, 2,..., n. (6) k=1
26 W zapisie macierzowym równo± (6) przybiera posta K 2 α = nλkα, (7) gdzie K = (k ij ), α = (α 1, α 2,..., α n ) lub K 2 α = λkα, (8) gdzie λ = nλ.
27 Zauwa»my,»e ka»dy wektor α 0 b d cy rozwi zaniem równania Kα = λα (9) jest zarazem rozwi zaniem równania (8), i»e rozwi zania równa«(8) i (9) ró»ni si tylko wektorami wªasnymi macierzy K odpowiadaj cymi zerowym warto±ciom wªasnym, co nie ma znaczenia w problemie skªadowych gªównych.
28 W ogólnym przypadku wektory {Φ(x i )}, i = 1, 2,..., n, nie s scentrowane. Niech Φ i := Φ i 1 n n Φ k oraz K = ( k ij ) = (< Φ i, Φ j >). k=1 Wówczas K = PKP, gdzie P = (δ ij 1 ) jest operatorem rzutu oraz K jest macierz n j drow na R p. Rzut pierwotnych danych scentrowanych x 1, x 2,..., x n na j-t skªadow gªówn jest równy Kα j.
29 W pierwotnej przestrzeni R p, liniowe skªadowe gªówne wyznaczone s za pomoc wektorów wªasnych u macierzy kowariancji z próby Wektory te speªniaj równanie S = 1 n X X. Su = λu (10) lub 1 n X X u = λu. (11) Dokonajmy reparametryzacji zagadnienia wªasnego przyjmuj c,»e u = X α. Wówczas gdzie λ = nλ. X X X α = λx α, (12)
30 Mno» c lewostronnie (12) przez X otrzymujemy: Zauwa»my,»e X X = = X X X X α = λx X α. (13) x 1 x 2 x n [x 1, x 2,..., x n ] = x 1 x 1 x 1 x 2... x 1 x n x 2 x 1 x 2 x 2... x 2 x n x x n 1 x x n 2... x x n n (14) jest macierz rozmiaru n n par iloczynów skalarnych wektorów x 1, x 1,..., x n.
31 W równo±ci (13) zast pmy macierz X X macierz j drow K. Wówczas równanie (13) przybierze posta i jest to»same z równaniem (7). K 2 α = λkα
32 Przykªad. Wygenerowano 100 punktów z rozkªadu jednostajnego na kole jednostkowym, 100 punktów z rozkªadu jednostajnego na okr gu o promieniu 2 oraz 100 punktów z rozkªadu jednostajnego na okr gu o promieniu 4. W dwóch ostatnich przypadkach rozkªady te zostaªy zaburzone rozkªadem N(0, σ 2 ), gdzie σ = 0.25.
33 Dane te pokazane s na poni»szym rysunku.
34 Dla tego typu danych sferycznych nie mo»na skonstruowa sensownie tradycyjnych skªadowych gªównych. Z poª czonych 300 obserwacji skonstruowane zostaªy skªadowe gªówne w oparciu o dodatnio okre±lone j dro. Jako dodatnio okre±lone j dro wybrano j dro gaussowskie postaci k(x, y) = exp( σ x y 2 ), σ > 0. Utworzona zostaªa macierz j drowa K = (k ij ), gdzie k ij = k(x i, x j ), i, j = 1, 2,..., 300, a nast pnie rozwi zano zagadnienie wªasne Kα = λα. Poniewa» funkcja j drowa k(x, y) zale»y od parametru σ > 0, to wszystkie wielko±ci K, α oraz λ zale» od tego parametru.
35 Przebieg funkcji λ 1 (σ)/ j λ j (σ) oraz λ 2 (σ)/ j λ j (σ), przy zmieniaj cym si σ, pokazany jest na poni»szym rysunku.
36 Funkcja λ 1 (σ) + λ 2 (σ) λ j (σ) j osi ga maksimum dla σ = Dla tak znalezionego σ skonstruowano dwie pierwsze skªadowe gªówne. Trzysta wygenerowanych punktów w ukªadzie dwóch pierwszych skªadowych gªównych pokazanych jest na nast pnym rysunku.
37
38 1 Aronszajn N. (1950), Theory of reproducing kernels, Trans. Amer. Math. Soc. 68, Ortega J.M. (1987), Matrix theory: A second course, Plenum Press, New York. 3 Schölkopf B., Smola A.J., Müller K.R. (1998), Nonlinear component analysis as a kernel eigenvalue problem, Neural Comput. 10, Seber G.A.F. (1984), Multivariate observations, Wiley, New York. 5 Srivastava M.S., von Rosen T., von Rosen D. (2008), Models with a Kronecker product covariance structure: estimation and testing, Mathematical Methods of Statistics 17, Szafraniec F.H.,Przestrzenie Hilberta z j drem reprodukuj cym, Wydawnictwo Uniwersytetu Jagiello«skiego, Kraków 2004.
2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v)
Przeksztaªcenia liniowe Def 1 Przeksztaªceniem liniowym (homomorzmem liniowym) rzeczywistych przestrzeni liniowych U i V nazywamy dowoln funkcj L : U V speªniaj c warunki: 1 L( u + v) = L( u) + L( v) dla
Bardziej szczegółowoANALIZA MATEMATYCZNA Z ALGEBR
ANALIZA MATEMATYCZNA Z ALGEBR WYKŠAD II Maªgorzata Murat MACIERZ A rzeczywist (zespolon ) o m wierszach i n kolumnach nazywamy przyporz dkowanie ka»dej uporz dkowanej parze liczb naturalnych (i, j), gdzie
Bardziej szczegółowoELEMENTARNA TEORIA LICZB. 1. Podzielno±
ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m
Bardziej szczegółowoLiniowe zadania najmniejszych kwadratów
Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e
Bardziej szczegółowo3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka
EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast
Bardziej szczegółowoElementy geometrii w przestrzeni R 3
Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi
Bardziej szczegółowodet A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32
Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoEstymacja parametru gªadko±ci przy u»yciu falek splajnowych
Estymacja parametru gªadko±ci przy u»yciu falek splajnowych Politechnika Gda«ska Wydziaª Fizyki Technicznej i Matematyki Stosowanej Wisªa, 3-7.12.2012 Przestrze«Biesowa Przestrze«Biesowa B s p,q, 1 p,
Bardziej szczegółowoPrzeksztaªcenia liniowe
Przeksztaªcenia liniowe Przykªady Pokaza,»e przeksztaªcenie T : R 2 R 2, postaci T (x, y) = (x + y, x 6y) jest przeksztaªceniem liniowym Sprawdzimy najpierw addytywno± przeksztaªcenia T Niech v = (x, y
Bardziej szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Analiza matematyczna 2; MatematykaS-I 0 lic 21 maja 2018 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(, y b dzie okre±lona przynajmniej na otoczeniu punktu
Bardziej szczegółowo1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f.
GAL II 2012-2013 A Strojnowski str1 Wykªad 1 Ten semestr rozpoczniemy badaniem endomorzmów sko«czenie wymiarowych przestrzeni liniowych Denicja 11 Niech V b dzie przestrzeni liniow nad ciaªem K 1) Przeksztaªceniem
Bardziej szczegółowoWektory w przestrzeni
Wektory w przestrzeni Informacje pomocnicze Denicja 1. Wektorem nazywamy uporz dkowan par punktów. Pierwszy z tych punktów nazywamy pocz tkiem wektora albo punktem zaczepienia wektora, a drugi - ko«cem
Bardziej szczegółowoPRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:
Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow
Bardziej szczegółowoTwierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski
Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej
Bardziej szczegółowoMacierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n
Plan Spis tre±ci 1 Problemy liniowe 1 2 Zadania I 3 3 Formy biliniowe 3 3.1 Odwzorowania wieloliniowe..................... 3 3.2 Formy biliniowe............................ 4 4 Formy kwadratowe 4 1 Problemy
Bardziej szczegółowoZadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej
Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej Denicja 1. Niech X = R n b dzie przestrzeni unormowan oraz d(x, y) = x y.
Bardziej szczegółowoMacierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja
Macierze 1 Podstawowe denicje Macierz wymiaru m n, gdzie m, n N nazywamy tablic liczb rzeczywistych (lub zespolonych) postaci a 11 a 1j a 1n A = A m n = [a ij ] m n = a i1 a ij a in a m1 a mj a mn W macierzy
Bardziej szczegółowoBiostatystyka, # 4 /Weterynaria I/
Biostatystyka, # 4 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia
Bardziej szczegółowoUkªady równa«liniowych
dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1
Bardziej szczegółowo. 0 0... 1 0. 0 0 0 0 1 gdzie wektory α i tworz baz ortonormaln przestrzeni E n
GAL II 2013-2014 A. Strojnowski str.45 Wykªad 20 Denicja 20.1 Przeksztaªcenie aniczne f : H H anicznej przestrzeni euklidesowej nazywamy izometri gdy przeksztaªcenie pochodne f : T (H) T (H) jest izometri
Bardziej szczegółowoWykªad 4. Funkcje wielu zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 4. Funkcje wielu zmiennych. Zbiory na pªaszczy¹nie i w przestrzeni.
Bardziej szczegółowoLiniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach
Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie
Bardziej szczegółowoistnienie elementu neutralnego dodawania (zera): 0 K a K a + 0 = a, istnienie elementu neutralnego mno»enia (jedynki): 1 K a K a 1 = a,
Ciaªo Denicja. Zbiór K z dziaªaniami dodawania + oraz mno»enia (których argumentami s dwa elementy z tego zbioru, a warto±ciami elementy z tego zbioru) nazywamy ciaªem, je±li zawiera co najmniej dwa elementy
Bardziej szczegółowoWykorzystanie lokalnej geometrii danych w Maszynie Wektorów No±nych
WM Czarnecki (GMUM) Lokalna geometria w SVM 13 Listopada 2013 1 / 26 Wykorzystanie lokalnej geometrii danych w Maszynie Wektorów No±nych Wojciech Marian Czarnecki Jacek Tabor GMUM Grupa Metod Uczenia Maszynowego
Bardziej szczegółowoElementy geometrii analitycznej w przestrzeni
Wykªad 3 Elementy geometrii analitycznej w przestrzeni W wykªadzie tym wi kszy nacisk zostaª poªo»ony raczej na intuicyjne rozumienie deniowanych poj, ni» ±cisªe ich zdeniowanie. Dlatego niniejszy wykªad
Bardziej szczegółowoa) f : R R R: f(x, y) = x 2 y 2 ; f(x, y) = 3xy; f(x, y) = max(xy, xy); b) g : R 2 R 2 R: g((x 1, y 1 ), (x 2, y 2 )) = 2x 1 y 1 x 2 y 2 ;
Zadania oznaczone * s troch trudniejsze, co nie oznacza,»e trudne.. Zbadaj czy funkcjonaª jest dwuliniowy, symetryczny, antysymetryczny, dodatniookre±lony: a) f : R R R: f(x, y) = x y ; f(x, y) = 3xy;
Bardziej szczegółowoMateriaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Bardziej szczegółowo1 Granice funkcji wielu zmiennych.
AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica
Bardziej szczegółowoMacierze. Dziaªania na macierzach. 1. Niech b d dane macierze , D = , C = , B = 4 12 A = , F = , G = , H = E = a) Obliczy A + B, 2A 3B,
Macierze Dziaªania na macierzach Niech b d dane macierze A = E = [ 2 3 0 3 2 3 2 0 [ 0 8, B = 4 2, F = [ 2 3, C = 3 2 2 3 0 0 0 4 0 6 3 0, G =, D = 0 2 0 2 0 3 0 3 0 2 0 0 2 2 0 0 5 0 2,, H = 0 0 4 0 0
Bardziej szczegółowoNumeryczne zadanie wªasne
Rozdziaª 11 Numeryczne zadanie wªasne W tym rozdziale zajmiemy si symetrycznym zadaniem wªasnym, tzn. zadaniem znajdowania warto±ci i/lub wektorów wªasnych dla macierzy symetrycznej A = A T. W zadaniach
Bardziej szczegółowoMetody dowodzenia twierdze«
Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku
Bardziej szczegółowoRachunek zda«. Relacje. 2018/2019
Rachunek zda«. Relacje. 2018/2019 Zdanie logiczne. Zdaniem logicznym nazywamy ka»de wyra»enie, któremu mo»na przyporz dkowa jedn z dwóch warto±ci logicznych: 0 czyli faªsz b d¹ 1 czyli prawda. Zdanie logiczne.
Bardziej szczegółowoRelacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.
Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór
Bardziej szczegółowoEkonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) W modelu rezerwy R n = u + n (W 1 + + W n ) wiemy,»e W i s iid o rozkªadzie geometrycznym na 0, 1, 2,...
Bardziej szczegółowoModele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Bardziej szczegółowo5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach ( Niezale»ne szkody maja rozkªady P (X i = k) = exp( 1)/k!, P (Y i = k) = 4+k ) k (1/3) 5 (/3) k, k = 0, 1,.... Niech S = X 1 +... + X 500 + Y 1 +... + Y 500. Skªadka
Bardziej szczegółowoZbiory i odwzorowania
Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):
Bardziej szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )
Bardziej szczegółowoCiaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1
Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,
Bardziej szczegółowoZadania. 4 grudnia k=1
Zadania 4 grudnia 205 Zadanie. Poka»,»e dla dowolnych liczb zespolonych z,..., z n istnieje zbiór B {,..., n}, taki,»e n z k π z k. k B Zadanie 2. Jakie warunki musz speªnia ci gi a n i b n, aby istniaªy
Bardziej szczegółowoRównania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010
WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna
Bardziej szczegółowor = x x2 2 + x2 3.
Przestrze«aniczna Def. 1. Przestrzeni aniczn zwi zan z przestrzeni liniow V nazywamy dowolny niepusty zbiór P z dziaªaniem ω : P P V (które dowolnej parze elementów zbioru P przyporz dkowuje wektor z przestrzeni
Bardziej szczegółowo1 Poj cia pomocnicze. Przykªad 1. A A d
Poj cia pomocnicze Otoczeniem punktu x nazywamy dowolny zbiór otwarty zawieraj cy punkt x. Najcz ±ciej rozwa»amy otoczenia kuliste, tj. kule o danym promieniu ε i ±rodku x. S siedztwem punktu x nazywamy
Bardziej szczegółowoJanusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoStacjonarne szeregi czasowe
e-mail:e.kozlovski@pollub.pl Spis tre±ci 1 Denicja 1 Szereg {x t } 1 t N nazywamy ±ci±le stacjonarnym (stacjonarnym w w»szym sensie), je»eli dla dowolnych m, t 1, t 2,..., t m, τ ª czny rozkªad prawdopodobie«stwa
Bardziej szczegółowoFunkcje jednej zmiennej. Granica, ci gªo±. (szkic wykªadu)
Funkcje jednej zmiennej Granica, ci gªo± (szkic wykªadu) opracowaªa Gra»yna Ciecierska 1 Granica funkcji Denicja Niech 0 R, r > 0 Otoczeniem punktu 0 o promieniu r nazywamy przedziaª ( 0 r, 0 +r) Otoczeniem
Bardziej szczegółowoJądrowe klasyfikatory liniowe
Jądrowe klasyfikatory liniowe Waldemar Wołyński Wydział Matematyki i Informatyki UAM Poznań Wisła, 9 grudnia 2009 Waldemar Wołyński () Jądrowe klasyfikatory liniowe Wisła, 9 grudnia 2009 1 / 19 Zagadnienie
Bardziej szczegółowoPewne algorytmy algebry liniowej Andrzej Strojnowski
Pewne algorytmy algebry liniowej ndrzej Strojnowski 6 stycznia 2011 Przedstawimy tu kilka algorytmów rozwi zuj ce typowe zadania algebry liniowej Wszystkie zaprezentowane tu algorytmy polegaj na zbudowaniu
Bardziej szczegółowoModele wielorównaniowe. Estymacja parametrów
Modele wielorównaniowe. Estymacja parametrów Ekonometria Szeregów Czasowych SGH Estymacja 1 / 47 Plan wykªadu 1 Po±rednia MNK 2 Metoda zmiennych instrumentalnych 3 Podwójna MNK 4 Estymatory klasy k 5 MNW
Bardziej szczegółowoWykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja
Bardziej szczegółowoA = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.
Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta
Bardziej szczegółowoMatematyka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowych
Matematka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowch. Znale¹ ekstrema lokalne funkcji f(, ) = ( 2 + 2 2 )e (2 + 2 ) Odp. Jedno minimum (w p. (, )),
Bardziej szczegółowoMacierze i Wyznaczniki
Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,
Bardziej szczegółowoDodatek 2. Wielowymiarowe modele GARCH model GoGarch
Dodatek 2. Wielowymiarowe modele GARCH model GoGarch MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 2) Model GoGARCH 1 / 14 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu MGARCH
Bardziej szczegółowoWST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14
WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 2013/14 Spis tre±ci 1 Kodowanie i dekodowanie 4 1.1 Kodowanie a szyfrowanie..................... 4 1.2 Podstawowe poj cia........................
Bardziej szczegółowoUkªady równa«liniowych - rozkªady typu LU i LL'
Rozdziaª 9 Ukªady równa«liniowych - rozkªady typu LU i LL' W tym rozdziale zapoznamy si z metodami sªu» cych do rozwi zywania ukªadów równa«liniowych przy pomocy uzyskiwaniu odpowiednich rozkªadów macierzy
Bardziej szczegółowoZadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006
Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ Marek Majewski Aktualizacja: 1 pa¹dziernika 006 Spis tre±ci 1 Macierze dziaªania na macierzach. Wyznaczniki 1 Macierz odwrotna. Rz d macierzy
Bardziej szczegółowoJAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1
J zyki formalne i operacje na j zykach J zyki formalne s abstrakcyjnie zbiorami sªów nad alfabetem sko«czonym Σ. J zyk formalny L to opis pewnego problemu decyzyjnego: sªowa to kody instancji (wej±cia)
Bardziej szczegółowoWybrane poj cia i twierdzenia z wykªadu z teorii liczb
Wybrane poj cia i twierdzenia z wykªadu z teorii liczb 1. Podzielno± Przedmiotem bada«teorii liczb s wªasno±ci liczb caªkowitych. Zbiór liczb caªkowitych oznacza b dziemy symbolem Z. Zbiór liczb naturalnych
Bardziej szczegółowoXVII Warmi«sko-Mazurskie Zawody Matematyczne
1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych
Bardziej szczegółowoMatematyka 1. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Matematyka 1 Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Pochodna funkcji Niech a, b R, a < b. Niech f : (a, b) R b dzie funkcj oraz x, x 0 (a, b) b d ró»nymi punktami przedziaªu (a, b). Wyra»enie
Bardziej szczegółowoX WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne)
X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne) Zadanie 1 Obecnie u»ywane tablice rejestracyjne wydawane s od 1 maja 2000r. Numery rejestracyjne aut s tworzone ze zbioru
Bardziej szczegółowoMacierze i Wyznaczniki
dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Model mieszany
Bardziej szczegółowoIndeksowane rodziny zbiorów
Logika i teoria mnogo±ci, konspekt wykªad 7 Indeksowane rodziny zbiorów Niech X b dzie przestrzeni zbiorem, którego podzbiorami b d wszystkie rozpatrywane zbiory, R rodzin wszystkich podzbiorów X za± T
Bardziej szczegółowoZadania z PM II A. Strojnowski str. 1. Zadania przygotowawcze z Podstaw Matematyki seria 2
Zadania z PM II 010-011 A. Strojnowski str. 1 Zadania przygotowawcze z Podstaw Matematyki seria Zadanie 1 Niech A = {1,, 3, 4} za± T A A b dzie relacj okre±lon wzorem: (a, b) T, gdy n N a n = b. a) Ile
Bardziej szczegółowowiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i
Bardziej szczegółowoRównania różniczkowe liniowe rzędu pierwszego
Katedra Matematyki i Ekonomii Matematycznej SGH 21 kwietnia 2016 Wstęp Definicja Równanie różniczkowe + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to
Bardziej szczegółowoInformacje pomocnicze
Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia
Bardziej szczegółowoAlgebra Liniowa 2. Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak
Algebra Liniowa 2 Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak Podobie«stwo macierzy, diagonalizacja macierzy 1. Znale¹ macierze przeksztaªcenia liniowego T
Bardziej szczegółowoEkstremalnie fajne równania
Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów
Bardziej szczegółowoZagadnienia na wej±ciówki z matematyki Technologia Chemiczna
Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?
Bardziej szczegółowoMetodydowodzenia twierdzeń
1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych
Bardziej szczegółowoStatystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Statystyka Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Statystyka Statystyka: nauka zajmuj ca si liczbowym opisem zjawisk masowych oraz ich analizowaniem, zbiory informacji liczbowych. (Sªownik
Bardziej szczegółowo1 Bª dy i arytmetyka zmiennopozycyjna
1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.
Bardziej szczegółowoZadanie 1. (8 punktów) Dana jest nast puj ca macierz: M =
Matematyka w ekonomii i ubezpieczeniach 1. (8 punktów) Dana jest nast puj ca macierz: M = 2 14 2 10 8 0 10 8. a) Znajd¹ rozwi zanie dwuosobowej gry o sumie zero maj cej powy»sz macierz wypªat. b) Przyjmuj
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja
Bardziej szczegółowoZdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt:
Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: zdzedzej@mif.pg.gda.pl www.mif.pg.gda.pl/homepages/zdzedzej () 5 pa¹dziernika 2016 1 / 1 Literatura podstawowa R. Rudnicki, Wykªady z analizy
Bardziej szczegółowoMetody probablistyczne i statystyka stosowana
Politechnika Wrocªawska - Wydziaª Podstawowych Problemów Techniki - 011 Metody probablistyczne i statystyka stosowana prowadz cy: dr hab. in». Krzysztof Szajowski opracowanie: Tomasz Kusienicki* κ 17801
Bardziej szczegółowoMatematyka dyskretna dla informatyków
Matematyka dyskretna dla informatyków Cz ± I: Elementy kombinatoryki Jerzy Jaworski Zbigniew Palka Jerzy Szyma«ski Uniwersytet im. Adama Mickiewicza Pozna«2007 4 Zależności rekurencyjne Wiele zale»no±ci
Bardziej szczegółowoCAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski
III. CAŠKOWAIE METODAMI MOTE CARLO Janusz Adamowski 1 1 azwa metody Podstawowym zastosowaniem w zyce metody Monte Carlo (MC) jest opis zªo-»onych ukªadów zycznych o du»ej liczbie stopni swobody. Opis zªo»onych
Bardziej szczegółowoFunkcje, wielomiany. Informacje pomocnicze
Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a
Bardziej szczegółowoPrzestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH
Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające
Bardziej szczegółowoPodstawy matematyki dla informatyków
Podstawy matematyki dla informatyków Wykªad 6 10 listopada 2011 W poprzednim odcinku... Zbiory A i B s równoliczne (tej samej mocy ), gdy istnieje bijekcja f : A 1 1 B. Piszemy A B lub A = B. na Moc zbioru
Bardziej szczegółowoSpl tanie i inne korelacje kwantowe w ukªadach zªo»onych
Spl tanie i inne korelacje kwantowe w ukªadach zªo»onych Lech Jakóbczyk Instytut Fizyki Teoretycznej Uniwersytet Wrocªawski 1 / 17 Spl tanie stanów czystych Formalna denicja spl tania Ukªad zªo»ony: Hilberta
Bardziej szczegółowoWST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14
WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................
Bardziej szczegółowoAM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium
AM II.1 2018/2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium Normy w R n, iloczyn skalarny sprawd¹ czy dana funkcja jest norm sprawd¹, czy dany zbiór jest kul w jakiej± normie i oblicz norm wybranego
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x, y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0, y 0 ) Pochodn cz stkow pierwszego rz du funkcji dwóch zmiennych wzgl
Bardziej szczegółowoZadania z analizy matematycznej - sem. II Rachunek ró»niczkowy funkcji wielu zmiennych
Zadania z analizy matematycznej - sem II Rachunek ró»niczkowy funkcji wielu zmiennych Denicja (Pochodne cz stkowe dla funkcji trzech zmiennych) Niech D R 3 b dzie obszarem oraz f : D R f = f y z) P 0 =
Bardziej szczegółowo1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler
GAL (Informatyka) Wykład - formy hermitowskie Wersja z dnia 23 stycznia 2014 Paweł Bechler 1 Formy hermitowskie Niech X oznacza przestrzeń liniową nad ciałem K. Definicja 1. Funkcję φ : X X K nazywamy
Bardziej szczegółowoElementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo
Spis tre±ci Elementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis tre±ci Spis tre±ci 1 2 3 4 5 Spis tre±ci Spis tre±ci 1 2 3 4
Bardziej szczegółowoMatematyka z elementami statystyki
Matematyka z elementami statystyki Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Korelacja Zale»no± funkcyjna wraz ze wzrostem jednej zmiennej nast puje ±ci±le okre±lona zmiana druiej zmiennej.
Bardziej szczegółowoStrategie zabezpieczaj ce
04062008 Plan prezentacji Model binarny Model Black Scholesa Bismut- Elworthy -Li formuła Model binarny i opcja call Niech cena akcji w chwili pocz tkowej wynosi S 0 = 21 Zaªó»my,»e ceny akcji po trzech
Bardziej szczegółowo