ZASTOSOWANIE PROCESU GENEZOWANIA STANU MASZYN W DEDYKOWANYCH SYSTEMACH DIAGNOZOWANIA JOANNA WILCZARSKA

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZASTOSOWANIE PROCESU GENEZOWANIA STANU MASZYN W DEDYKOWANYCH SYSTEMACH DIAGNOZOWANIA JOANNA WILCZARSKA"

Transkrypt

1 ZASTOSOWANIE PROCESU GENEZOWANIA STANU MASZYN W DEDYKOWANYCH SYSTEMACH DIAGNOZOWANIA JOANNA WILCZARSKA Streszczeie Wstpe prace ad stworzeiem dedykowaych systemów diagostyczych maszy, wykorzystucych opracowae w iieszym artykule metody geezowaia stau maszy, s u obecie w krau prowadzoe, p. w postaci aalizy opracowaych procedur geezowaia stau dla wybraych układów maszy roboczych. W artykule przedstawioo rówie moliwo wykorzystaia programu Matlab do implemetaci metod geezowaia stau maszy. Słowa kluczowe: sta techiczy, geezowaie stau maszy, parametr diagostyczy, techiki wirtuale. Wstp W kade fazie istieia maszy, w celu podcia decyzi o sposobie postpowaia z imi, koiecze est okreleie ich staów za pomoc metod i rodków diagostyki techicze. Moe to by decyza o ich uytkowaiu, podciu przedsiwzi profilaktyczych (regulaca, wymiaa) lub wprowadzeiu zmia podczas kostruowaia i wytwarzaia maszy. Moliwe est to dziki temu, e diagostyka techicza pozwala a udzieleie odpowiedzi a pytaia: a) aki est aktualy sta badae maszyy? b) ak ocei przeszło maszyy a podstawie e aktualego stau? c) ak przewidzie przyszł ewoluc stau maszyy? Odpowiedzi a kade z tych pyta wymaga przeaalizowaia zada poawiacych si podczas opracowywaia algorytmów diagozowaia. Ewoluca stau techiczego maszy est moliwa do ledzeia za pomoc symptomowych modeli diagostyczych i diagostyczo iezawodociowych, a w połczeiu ze statystyczym przetwarzaiem wyików bada pozwala a oce obecego i przyszłego stau maszyy, a moe i przeszłego stau maszyy. Ozacza to, Itegralym elemetem procesu diagozowaia stau est geezowaie stau maszy. ledzeie zmia stau maszyy moliwe est dziki zaomoci podstaw fizyczych zawisk zuyciowych, co ułatwia pozaie geezowaych wartoci parametrów stau i parametrów diagostyczych. Taka wiedza pozwala a racoale kostruowaie, wybór odpowiedie techologii wytwarzaia oraz optymalizac właciwoci eksploatacyych maszy. Wówczas sta maszyy, uwzgldiacy ego zmia w czasie, okrelay est zaleoci [5]: G (X(Θ), U(Θ), Z(Θ)) = Y(Θ) () gdzie: X(Θ) wektor cech stau maszyy, U(Θ) wektor wymusze,

2 Studies & Proceedigs of Polish Associatio for Kowledge Maagemet Nr 48, Z(Θ) wektor zakłóce, Y(Θ) wektor wyciowy zawieracy sygały wykorzystywae w diagostyce (symptomy-sygały diagostycze zorietowae uszkodzeiowo), parametry diagostycze, G globala fukca odpowiedzi, Θ czas eksploataci maszyy. 2. Aaliza metod geezowaia stau maszy Geezowaie dotyczy przede wszystkim pierwotych staów uszkodzeiowych i ma szczególe zaczeie w przypadku uszkodze zaleych (rozwiacych si). Wiarygodo geezy zaley w duym stopiu od zaomoci poprzedich staów i obcie obiektu. Wród małe iloci metod, umoliwiacych geezowaie stau maszy, moa wyrói dwie grupy [4]: a) metody akociowe (geezowaie sytuacye a podstawie iformaci zebraych z otoczeia i metody eksperckie a podstawie relaci wiadków zdarzeia); b) aalitycze (metody symptomowe a podstawie wartoci parametrów diagostyczych z przedziału czasu ( i, t ) [4]. Geezowaie sytuacye W przypadku geezowaia sytuacyego przyczy wystpieia iezdatoci okrela si a podstawie ogldzi przeprowadzoych od razu po zaistieiu zdarzeia. Zebrae w te sposób dae sytuacye słu do porówaia z daymi sytuacyymi powstałymi w wyiku zamodelowaia pewych uszkodze. Szuka si wówczas daych odpowiadacych daym sytuacyym zdarzeia weciowego. Geezowaie eksperckie Metoda polega a okreleiu przyczy zaistiałego stau maszyy a podstawie relaci wiadków daego zdarzeia. Przykładowo w przypadku wystpieia stau iezdatoci silika spaliowego a podstawie aalizy symptomów moa okreli przyczy powstaia iezdatoci. Iym przypadkiem mog by tu rówie iformace przekazae przez osob obsługuc da maszy, która moe dostarczy bardzo ceych daych o zachowaiu si maszyy przed uszkodzeiem. W zakładach bardzo czsto wykorzystue si kamery przemysłowe mogce pomóc w okreleiu przyczyy powstałe iezdatoci. Geezowaie symptomowe Zakładac moliwo reestrowaia wartoci parametrów diagostyczych w czasie ( i, b ) oraz staów maszyy w czasie eksploataci (p. w trakcie eksperymetu biero czyego) uzyskue si baz iformaci w postaci macierzy iformaci: wartoci parametrów diagostyczych stay maszyy czas eksploataci[2]. W chwili utraty przez maszy stau zdatoci S prawdopodobie bdzie moliwo stwierdzeia, a podstawie zebraych daych ak i ogldzi maszyy, aka mogła by przyczya oraz waruki powstaia stau iezdatoci maszyy. Szukac metod aalityczych do procesu geezowaia stau maszy aley zwróci uwag

3 24 Joaa Wilczarska Kocepca systemu rozpozawaia stau maszy a aproksymac oraz iterpolac ako metody przybliaia fukci. Aproksymac moa wykorzysta w sytuaci, gdy ie istiee fukca aalitycza pozwalaca a wyzaczeie wartoci dla dowolego z e argumetów, a edoczeie wartoci te iezae fukci s dla pewego zbioru e argumetów zae. Aproksymaca est to przybliaie fukci Y(Θ) zwae fukc aproksymowa i fukc Y a (Θ) zwa fukc aproksymuc. Z wielu metod aproksymaci, a podstawie bada własych [4] zostały wybrae: aproksymaca rediokwadratowa puktowa wielomiaowa oraz aproksymaca trygoometrycza. Aproksymaca rediokwadratowa puktowa wielomiaowa Dae s pukty czasowe Θ,, Θ i,, Θ,, Θ b parami róe czyli dla i Θ Θ oraz dae s wartoci parametrów diagostyczych w tych puktach y,, y i,, y b, gdzie y=f(θ i ), i=,, b. Zadaiem aproksymaci est wic zale wartoci współczyików a 0, a,, a m wielomiau Y m (Θ) stopia m-tego postaci: Y a = aby błd rediokwadratowy był amieszy czyli: ( m, (2) = 0 Y m Θ) = a Θ e G = mi B = ( yi a0, a,..., a i= 0 = 0 m a Θ ) i 2 (3) Zadaie aproksymaci rediokwadratowe puktowe sprowadza si wic do rozwizaia m+ rówa o m+ iewiadomych. Aproksymaca trygoometrycza Aproksymaca trygoometrycza est stosowaa wówczas, gdy fukca aproksymowaa est fukc okresow a pukty szeregu czasowego Y = {y i (Θ)} pochodzce z obserwaci zmiay wartoci parametru diagostyczego s rówoodległe. Fukca aproksymuca przymue wówczas posta: m 2π i 2π i Y a = Y ( Θ) = a0 + ( a i cos Θ + bi si Θ) (4) i= gdzie: liczba puktów szeregu czasowego, m stopie wielomiau trygoometryczego, przy czym parametr m musi spełia waruek: > 2m +. Zagadieie aproksymaci sprowadza si wówczas do obliczeia wartoci współczyików a 0 oraz a i, b i (i =, 2,..., m). Współczyiki te wyzacza si ze wzorów Eulera Fouriera:

4 Studies & Proceedigs of Polish Associatio for Kowledge Maagemet Nr 48, a 0 = 2 ai = 2 bi = = = = Θ 2πi Θ cos 2πi Θ si i=,2,,m (5) gdzie Θ ( =, 2,..., ) s elemetami cigu (3.30). Błd aproksymaci trygoometrycze moa wyrazi zaleoci: e G = B = gdzie: y warto fukci aproksymuce, y i warto fukci aproksymowae. b i= 2 ( y ) (6) Iterpolaca to metoda polegaca a wyzaczaiu w daym przedziale tzw. fukci iterpolacye, która przymue w im z góry zadae wartoci w ustaloych puktach, azywaych wzłami. Jest stosowaa w zagadieiach geezowaia ze wzgldu a to, e dyspoue si bardzo czsto skoczo liczb daych do okreleia zaleoci midzy wielkociami. Iterpolaca est szczególym przypadkiem metod umeryczych typu aproksymaca [8]. Autor wybrał iterpolac Lagrage a oraz iterpolaca za pomoc fukci skleaych. Iterpolaca Lagrage a Zagadieie iterpolacye Lagrage a charakteryzue si wymagaiem, aby wartoci fukci iterpoluce rówały si wartociom fukci iterpolowae w + puktach. Załómy, e zamy kilka wartoci fukci Y(Θ) dla kilku argumetów Θ,, Θ k,, Θ b, a chcemy dowiedzie si, akie s wartoci dla iych argumetów. Moa tego dokoa dziki fukcom iterpolacyym. Wymaga si, aby ich wykres przechodził przez wzły iterpolaci (pukty dyskrete, których współrzde zamy) y(θ ),, y(θ k ),, y(θ b ) a poza imi przybliał ak alepie pierwowzór. Aby zale wartoci fukci w kadym pukcie dziedziy, aley a podstawie zaomoci kilku wartoci dyskretych wyzaczy wielomia iterpolacyy. Naprostszy wielomia iterpolacyy w sesie Lagrage'a przymue posta: b * ( Θ Θo )( Θ Θ)...( Θ Θi )( Θ Θi+ )...( Θ Θ) Y ( Θ) = y i i= ( Θi Θ0)( Θi Θ)...( Θi Θi )( Θi Θi+ )...( Θi Θ) (8) y i

5 26 Joaa Wilczarska Kocepca systemu rozpozawaia stau maszy Oszacowaie est w duym stopiu zalee od rozkładu argumetów puktów dyskretych Θ k. Oszacowaie błdu w te metodzie est astpuce: + gdzie: M = max y ( Θ), w a Θ b M Y( i + (9) ( + )! + e G = t) Y ( t) w ( Θ) + = ( Θ Θ0 )( Θ Θ)...( Θ Θ ) Iterpolaca za pomoc fukci skleaych W dotychczasowych rozwaaiach fukca była iterpolowaa edym wielomiaem. Oczywicie, eli wzrasta liczba wzłów wzrasta rówie stopie wielomiau iterpolacyego imoe si okaza, e ie bdzie o zbiey do fukci iterpolowae. Moa zatem iacze sformułowa problem, miaowicie iech dae bd wzły uporzdkowae astpuco: a = Θ0 < Θ < Θ2 <... < Θ < Θ = b (0) W kadym z przedziałów Θ Θ ) = 0,,2,..., fukc iterpolowa przyblia, + si wielomiaem stosukowo iskiego stopia. Na ogół w kadym przedziale wielomia bdzie róy, ale cała fukca iterpoluca powia by cigła wraz z odpowiedimi pochodymi a odciku a, b. Zagadieie iterpolacye za pomoc fukci skleaych wymaga, aby ich wykres przechodził przez wzły iterpolaci (pukty dyskrete, których współrzde zamy) y,, y i,, y b, a poza imi przybliał ak alepie pierwowzór za pomoc odpowiedich fukci wposzczególych przedziałach <Θ, Θ + ). Na przykład w kadym przedziale <Θ, Θ + ) fukca skleaa stopia 3 przymue posta: 2 3 = 0,,2,..., () Y i ( Θ ) = a + b ( Θ Θ ) + c ( Θ Θ ) + d ( Θ Θ ), przy czym współczyiki a i, bi, ci, di wyzacza si według odpowiedich algorytmów [4]. Oprócz opisaych wye metod, moa rówie podda aalizie metod Newtoa ako ed z metod iterpolacyych. Iterpolaca Newtoa Metody polegace a bezporedim wyzaczaiu wielomiaów iterpolacyych z daych stablicowaych azywae s metodami ilorazów róicowych. Metody te były powszechie uywae zaim komputery cyfrowe stały sie powszechie dostpe. Jed z tych metod est iterpolaca Newtoa. Day est wielomia Lagrage a stopia co awye przechodzcy przez stablicowae wartoci fukci f. Aby wyzaczy iloraz róicowy fukci f aley przedstawi wielomia Lagrage a w postaci:

6 Studies & Proceedigs of Polish Associatio for Kowledge Maagemet Nr 48, F (x) = a 0 + a (x x 0 ) + a 2 (x x 0 )(x x ) a (x x 0 )(x x )... (x x ) (2) Współczyik a 0 est rówy f(x 0 ) poiewa dalsze wyrazy F (x) sie zeru. Aalogiczie moa wyzaczy a : (3) Ogólie, ozaczac iloraz róicowy ako f[x i ], otrzymue si: (4) Gdy zay est (k )-wszy iloraz róicowy to moemy wyzaczy k-ty z: (5) Tak wiec wielomia iterpolacyy Newtoa F (x) moa wyrazi ako: Błd geezy metod iterpolaci Newtoa oblicza si ze wzoru: (6) (7) Oszacowaie wartoci parametrów diagostyczych, za pomoc przedstawioych powye metod geezowaia, pozwala wyzaczy ich wartoci geezowae {y,it (Θ)}, co umoliwi opracowaie algorytmu geezowaia stau maszyy.

7 28 Joaa Wilczarska Kocepca systemu rozpozawaia stau maszy 3. Zastosowaie techik wirtualych do weryfikaci metod geezowaia wartoci parametrów diagostyczych Niezbde obliczeia i wykreleie wykresów dokoao w programie MATLAB R2009a. Wszystkie poleceia i fukce iezbde do uzyskaia wykresów poszczególych fukci opisao przy aalizie kade z metod. Do weryfikaci metod wykorzystae zostały wyiki pomiarów staowiskowych przekładi zbate samochodowe. Przykładowe wyiki bada zawiera tabel, za wyiki aalizy metod geezowaia wartoci parametrów diagostyczych zawiera rysuki 8. Tabela. Wartoci otrzymaych miar procesu drgaiowego dla przekładi zbate samochodowe Czas [s] Asr RMS(t) RMS(f) Wmax 0 0,063 0,080 0,32 0, ,6 0,05 0,064 0,07 0, ,6 0,048 0,060 0,0 0,26 374,6 0,048 0,06 0,04 0, ,6 0,048 0,062 0,07 0, ,6 0,050 0,064 0, 0, ,6 0,052 0,067 0,4 0,27 555,6 0,062 0,079 0,20 0, ,6 0,077 0,0 0,46 0,398 56,6 0,207 0,276 0,465 0, ,6 0,224 0,296 0,52 0, ,6 0,93 0,253 0,436 0, ,6 0,93 0,254 0,435 0, ,6 0,226 0,292 0,492 0, ,6 0,226 0,297 0,505 0, ,6 0,86 0,252 0,433 0, ,6 0,92 0,260 0,448 0, ,6 0,92 0,257 0,45 0, ,6 0,8 0,234 0,404 0, ,6 0,82 0,237 0,404 0,858 ródło: [4]. Przykładowe wyiki przedstawioo poie Aproksymaca wielomiaem pierwszego stopia Utworzoo wektory x i y w procesie traspozyci wektorów podstawowych x i y. Wektor x to wektor zawieracy iformac z koleymi czasami pomiarów. Wektor y to wektor zawieracy iformac z koleymi wartociami przyspiesze drga. Zbiór rzdych: x =[ ]' Zbiór wartoci: y =[ ]'

8 Studies & Proceedigs of Polish Associatio for Kowledge Maagemet Nr 48, y =[ ] y =[ ] y =[ ] Zapis wielomiau w postaci macierzy: A=[x oes(size(x))] Obliczeie współczyików fukci aproksymuce: c=(a' *A)\(A' *y) c = c = c = c = Wzór fukci aproksymuce: f(x) = x f(x) = x f(x) = x f(x) = x

9 30 Joaa Wilczarska Kocepca systemu rozpozawaia stau maszy Rysuek. Przebieg fukci aproksymuce wielomiaem pierwszego stopia dla Asr ródło: Opracowaie włase. Czas, s Obliczeie wartoci błdu rediokwadratowego: r=y-a*c R2=-(orm(r)/orm(y-mea(y)))^2 R2 = R2 = R2 = R2 = Aproksymaca wielomiaem trzeciego stopia Rówie w te metodzie utworzoo wektory x i y. Zbiór rzdych: x =[ ]' Zbiór wartoci: y =[ ]' y =[ ] Czas, s

10 Studies & Proceedigs of Polish Associatio for Kowledge Maagemet Nr 48, 20 3 y =[ ] y =[ ] Zapis wielomiau w postaci macierzy: A=[x.^3 x.^2 x oes(size(x))] Obliczeie współczyików fukci aproksymuce: c=(a' *A)\(A' *y) c = e e e e-002 c = c = c = Wzór fukci aproksymuce: f(x) = e-05x e-0x e-005x e-002 f(x) = x x x f(x) = x x x f(x) = x x x

11 32 Joaa Wilczarska Kocepca systemu rozpozawaia stau maszy Rysuek 2. Przebieg fukci aproksymuce wielomiaem trzeciego stopia dla Asr ródło: Opracowaie włase. Czas, s Obliczeie wartoci błdu rediokwadratowego: r=y-a*c R2=-(orm(r)/orm(y-mea(y)))^2 R2 = R2 = R2 = R2 = Iterpolaca Iterpolaca Lagrage a pierwszego stopia Tak samo a w przypadku wszystkich aproksymaci aley utworzy wektory x i y. Zbiór rzdych: x=[ ] Zbiór wartoci: y=[ ] y=[ ]

12 33 Studies & Proceedigs of Polish Associatio for Kowledge Maagemet Nr 48, 20 y=[ ] y=[ ] Okreleie przedziału argumetów fukci iterpoluce: xi=0: Wyzaczeie wartoci fukci iterpoluce: yi=iterp(x,y,xi, liear ) Czas, s Rysuek 4. Przebieg fukci iterpoluce Lagrage a pierwszego stopia dla Asr ródło: Opracowaie włase. Iterpolaca fukcami skleaymi W przypadku iterpolaci fukcami skleaymi aley utworzy wektory x i y. Zbiór rzdych: x=[ ] Zbiór wartoci: y=[ ] y=[ ] Czas, s

13 34 Joaa Wilczarska Kocepca systemu rozpozawaia stau maszy y=[ ] y=[ ] Okreleie przedziału argumetów fukci iterpoluce: xi=0: Wyzaczeie wartoci fukci iterpoluce: yi=iterp(x,y,xi, splie ) Czas, s Rysuek 5. Przebieg fukci iterpoluce fukcami skleaymi dla Asr ródło: Opracowaie włase. 4. Wioski W chwili obece est kilka metod geezowaia stau maszy, które moa wykorzysta wpraktyce. Za abardzie przydat metod przyto geezowaie symptomowe, wykorzystuce reestrowae w trakcie eksploataci maszyy zmiee wartoci parametrów diagostyczych. Rozpatrzoo moliwo wykorzystaia w obszarze geezowaia wartoci parametrów diagostyczych: metody aproksymacye (rediokwadratowa puktowa wielomiaowa, trygoometrycza) i metody iterpolacye (Lagrage a, fukci skleaych oraz metoda Newtoa). W przypadku metod aproksymacyych metoda trygoometrycza est zupełie ieprzydata ze wzgldu a to, i powio si stosowa tylko do fukci okresowych. Aalizuc metod wielomiaow moa stwierdzi, e im wyszy stopie wielomiau tym fukca przybliaca dokładie odwzorowue rzeczywisty przebieg fukci. Biorc pod uwag metody iterpolacye, adokładiesz z ich okazała si metoda iterpolaci fukcami skleaymi. Bardzo pomocy podczas weryfikaci metod okazał si pakiet

14 35 Studies & Proceedigs of Polish Associatio for Kowledge Maagemet Nr 48, 20 Matlab, który est rodowiskiem do wykoywaia oblicze aukowych i iyierskich, oraz do tworzeia symulaci komputerowych. Przeprowadzeie weryfikaci opracowaych metod geezowaia stau wymaga ich implemetaci i przeprowadzeia odpowiedich bada wybraych układów maszy, w celu uzyskaia zbioru staów i zbioru wartoci parametrów diagostyczych. Aby wyzaczy te zbiór propoue si ako kryterium wyboru przy awiksze wartoci wag oraz metod korelaci wartoci parametru diagostyczego ze staem i czasem eksploataci maszyy, ak rówie metod poemoci iformacye parametru diagostyczego. Bibliografia. Bdkowski L.: Elemety diagostyki techicze, WAT, Warszawa Cempel Cz.: Redukca zbioru daych w diagostyce maszy, Zagadieia Eksploataci Maszy, r 4/980, Warszawa Tylicki H.: Redukca iformaci diagostycze w rozpozawaiu stau maszy. Diagostyka, vol. 26, Olszty, Wilczarska J.: Geezowaie stau techiczego w procesie eksploataci maszy. Rozprawa doktorska. Bydgoszcz, ółtowski B., Cempel C.: Iyieria diagostyki maszy. Warszawa: Polskie Towarzystwo Diagostyki Techicze, Istytut Techologii Eksploataci, APPLICATION PROCESS GENESIS STATE MACHINES DEDICATED SYSTEMS IN DIAGNOSES Summary Prelimiary work o a dedicated machie diagostic systems, developed usig the methods i this article geesis state machies are already beig coducted i the coutry, such as aalysis procedures developed for selected geesis state systems of workig machies. The article also presets the possibility to use Matlab to implemet the methods geesis state machies. Keywords: coditio, state geesis machies, diagostic parameter, the virtual techology Joaa Wilczarska Uiwersytet Techologiczo-Przyrodiczy w Bydgoszczy asiulazol@utp.edu.pl

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

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

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

Metody Obliczeniowe w Nauce i Technice laboratorium

Metody Obliczeniowe w Nauce i Technice laboratorium Marci Rociek Iformatyka, II rok Metody Obliczeiowe w Nauce i Techice laboratorium zestaw 1: iterpolacja Zadaie 1: Zaleźć wzór iterpolacyjy Lagrage a mając tablicę wartości: 3 5 6 y 1 3 5 6 Do rozwiązaia

Bardziej szczegółowo

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. L. Baachowski, K. Diks, W. Rytter Algorytmy i struktury daych.

Bardziej szczegółowo

Funkcje tworz ce skrypt do zada«

Funkcje tworz ce skrypt do zada« Fukcje tworz ce skrypt do zada«mateusz Rapicki, Piotr Suwara 20 maja 2012 1 Kombiatoryka Deicja 1 (dwumia Newtoa) dla liczb caªkowitych ieujemych, k to liczba k sposobów wybraia k elemetów z -elemetowego

Bardziej szczegółowo

c 2 + d2 c 2 + d i, 2

c 2 + d2 c 2 + d i, 2 3. Wykład 3: Ciało liczb zespoloych. Twierdzeie 3.1. Niech C R. W zbiorze C określamy dodawaie: oraz możeie: a, b) + c, d) a + c, b + d) a, b) c, d) ac bd, ad + bc). Wówczas C, +, ) jest ciałem, w którym

Bardziej szczegółowo

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

Bardziej szczegółowo

SZACOWANIE PRZYCZYN USZKODZE W PROCESIE GENEZOWANIA STANU HENRYK TYLICKI

SZACOWANIE PRZYCZYN USZKODZE W PROCESIE GENEZOWANIA STANU HENRYK TYLICKI SZACOWANIE PRZYCZYN USZKODZE W PROCESIE GENEZOWANIA STANU RODKÓW TRANSPRTU HENRYK TYLICKI Streszczee Problem wykorzystaa metod geezowaa stau w motorowau stau rodków trasportu est rzadko poruszay w lteraturze

Bardziej szczegółowo

lim a n Cigi liczbowe i ich granice

lim a n Cigi liczbowe i ich granice Cigi liczbowe i ich graice Cigiem ieskoczoym azywamy dowol fukcj rzeczywist okrelo a zbiorze liczb aturalych. Dla wygody zapisu, zamiast a() bdziemy pisa a. Elemet a azywamy -tym wyrazem cigu. Cig (a )

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

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

ZASTOSOWANIE METODY CBR DO SZACOWANIA KOSZTÓW WYTWARZANIA W FAZIE PROJEKTOWANIA

ZASTOSOWANIE METODY CBR DO SZACOWANIA KOSZTÓW WYTWARZANIA W FAZIE PROJEKTOWANIA ZASTOSOWANIE METODY CBR DO SZACOWANIA KOSZTÓW WYTWARZANIA W FAZIE PROJEKTOWANIA prof. r hab. iż. Ryszar Kosala r.kosala@po.opole.pl mgr iż. Barbara Baruś b.barus@po.opole.pl Politechika Opolska Wyział

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

Analiza matematyczna 1 Notatki do wykªadu Mateusz Kwa±nicki. 7 Sumy i iloczyny uogólnione

Analiza matematyczna 1 Notatki do wykªadu Mateusz Kwa±nicki. 7 Sumy i iloczyny uogólnione Aaliza matematycza Notatki do wykªadu Mateusz Kwa±icki 7 Sumy i iloczyy uogólioe Dla dowolych liczb a k, a k+, a k+,..., a l okre±lamy sum uogólio i iloczy uogólioy: a k + a k+ + a k+ +... + a l, l a k

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

> 1), wi c na mocy kryterium porównawczego szereg sin(n n)

> 1), wi c na mocy kryterium porównawczego szereg sin(n n) .65. si() W szeregu tym wyst puj wyrazy dodatie i ujeme, ale ie a przemia. Zbadajmy wi c szereg: si() zªo»oy z warto±ci bezwzgl dych wyrazów szeregu daego w zadaiu. Poiewa» si(), wi c si() = Po prawej

Bardziej szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

7 Liczby zespolone. 7.1 Działania na liczbach zespolonych. Liczby zespolone to liczby postaci. z = a + bi,

7 Liczby zespolone. 7.1 Działania na liczbach zespolonych. Liczby zespolone to liczby postaci. z = a + bi, 7 Liczby zespoloe Liczby zespoloe to liczby postaci z a + bi, gdzie a, b R. Liczbę i azywamy jedostką urojoą, spełia oa waruek i 2 1. Zbiór liczb zespoloych ozaczamy przez C: C {a + bi; a, b R}. Liczba

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

Planowanie organizacji robót budowlanych na podstawie analizy nakładów pracy zasobów czynnych

Planowanie organizacji robót budowlanych na podstawie analizy nakładów pracy zasobów czynnych Budowictwo i Architektura 12(1) (2013) 39-46 Plaowaie orgaizacji robót budowlaych a podstawie aalizy akładów pracy zasobów czyych Roma Marcikowski 1 1 Istytut Budowictwa, Wydział Budowictwa Mechaiki i

Bardziej szczegółowo

ROZDZIAŁ VIII OPTYMALIZACJA W DIAGNOSTYCE MASZYN

ROZDZIAŁ VIII OPTYMALIZACJA W DIAGNOSTYCE MASZYN ... auka zaczya si wtedy, kiedy zaczya si mierzeie... ROZZIAŁ VIII OPTYMALIZACJA W IAGNOSTYCE MASZYN 8. Wprowadzeie 8.2 Jako maszy w aspekcie diagostyki 8.3 Model destrukcji maszy 8.4 Optymalizacja testów

Bardziej szczegółowo

Nieklasyczne modele kolorowania grafów

Nieklasyczne modele kolorowania grafów 65 Nieklasycze modele kolorowaia grafów 66 Kolorowaie sprawiedliwe Def. Jeli wierzchołki grafu G moa podzieli a k takich zbiorów iezaleych C,...,C k, e C i C j dla wszystkich i,j,...,k, to mówimy, e G

Bardziej szczegółowo

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY Nr zadaia Odpowiedzi Pukty Badae umiejtoci Obszar stadardu 1. B 0 1 plauje i wykouje obliczeia a liczbach

Bardziej szczegółowo

Równoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~.

Równoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~. 16 Rówoliczo zbiorów Defiicja 3.1 Powiemy, e iepuste zbiory A i B s rówolicze jeeli istieje f : A B. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~. Twierdzeie 3.1 (podstawowa właso rówoliczoci zbiorów)

Bardziej szczegółowo

FAQ ANALIZA R c ZADANIA

FAQ ANALIZA R c ZADANIA FAQ ANALIZA R c ZADANIA Caªki wersja wst pa uwaga a bª dy!!! Fukcje pierwote Zadaie. Rozgrzewka. Obliczy caªki ieozaczoe, tz zale¹ fukcje pierwote. W awiasach wymieioe s arz dzia jakie mog by potrzebe

Bardziej szczegółowo

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość

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

CAŁKA NIEOZNACZONA. F (x) = f(x) dx.

CAŁKA NIEOZNACZONA. F (x) = f(x) dx. CAŁKA NIEOZNACZONA Mówimy, że fukcja F () jest fukcją pierwotą dla fukcji f() w pewym ustaloym przedziale - gdy w kadym pukcie zachodzi F () = f(). Fukcję pierwotą często azywamy całką ieozaczoą i zapisujemy

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

a 2 + b, b ) ( ) Wówczas (a, b) =, =(1, 0). 2 a 2 + b 2 a 2 + b2 a 2 + b 2

a 2 + b, b ) ( ) Wówczas (a, b) =, =(1, 0). 2 a 2 + b 2 a 2 + b2 a 2 + b 2 Ciało liczb zespoloych Twierdzeie Niech C = R W zbiorze C określamy dodawaie: a, b)+c, d) =a + c, b + d) oraz możeie: a, b) c, d) =ac bd, ad + bc) Wówczas C, +, ) jest ciałem, w którym elemetem eutralym

Bardziej szczegółowo

MATURA 2014 z WSiP. Zasady oceniania zadań

MATURA 2014 z WSiP. Zasady oceniania zadań MATURA 0 z WSiP Matematyka Poziom rozszerzoy Zasady oceiaia zadań Copyright by Wydawictwa Szkole i Pedagogicze sp z oo, Warszawa 0 Matematyka Poziom rozszerzoy Kartoteka testu Numer zadaia Sprawdzaa umiejętość

Bardziej szczegółowo

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,...

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,... Model Lesliego Macierze Lesliego i Markowa K. Leśiak Wyodrębiamy w populaci k grup wiekowych. Po każde edostce czasu astępuą arodziy i zgoy oraz starzeie (przechodzeie do astępe grupy wiekowe). Chcemy

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.6.6, godz. 9:-: Zadaie. puktów) Wyzaczyć wszystkie rozwiązaia rówaia z i w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej bez używaia fukcji trygoometryczych) oraz zazaczyć

Bardziej szczegółowo

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne.

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne. Szeregi iczbowe. Szeregi potęgowe i trygoometrycze. wykład z MATEMATYKI Automatyka i Robotyka sem. I, rok ak. 2008/2009 Katedra Matematyki Wydział Iformatyki Poitechika Białostocka Szeregi iczbowe Defiicja..

Bardziej szczegółowo

WYKŁAD 1 INTERPOLACJA WIELOMIANOWA

WYKŁAD 1 INTERPOLACJA WIELOMIANOWA WYKŁAD INTERPOLACJA WIELOMIANOWA /6 Sformułowaie problemu iterpolaci. Metoda Lagrage a Rozważmy zaday uład putów {(, y ),,,..., }, zwaych dale węzłami iterpolacyymi. Poszuuemy wielomiau iterpolacyego zadaego

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Wymagania edukacyjne na poszczególne oceny z matematyki w klasie III poziom rozszerzony

Wymagania edukacyjne na poszczególne oceny z matematyki w klasie III poziom rozszerzony Wymagaia edukacyje a poszczególe ocey z matematyki w klasie III poziom rozszerzoy Na oceę dopuszczającą, uczeń: zazacza kąt w układzie współrzędych, wskazuje jego ramię początkowe i końcowe wyzacza wartości

Bardziej szczegółowo

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji http://www.ii.ui.wroc.pl/ sle/teachig/a-apr.pdf Aaliza umerycza Staisław Lewaowicz Grudzień 007 r. Aproksymacja fukcji Pojęcia wstępe Defiicja. Przestrzeń liiową X (ad ciałem liczb rzeczywistych R) azywamy

Bardziej szczegółowo

Metody kontroli poziomów emisji pola elektromagnetycznego w środowisku

Metody kontroli poziomów emisji pola elektromagnetycznego w środowisku Metody kotroli poziomów emisji pola elektromagetyczego w środowisku Paweł Bieńkowski Pracowia Ochroy Środowiska elektromagetyczego, ITTA, Politechika Wrocławska Pawel.biekowski@pwr.wroc.pl Wstęp Dyamiczy

Bardziej szczegółowo

Zadania - powtórzenie do egzaminu dojrzałoci

Zadania - powtórzenie do egzaminu dojrzałoci Zadaia - powtórzeie do egzamiu dojrzałoci. Dla jakich wartoci parametru m rozwizaie układu rówa y = m y = m jest par liczb o przeciwych zakach. Sformułuj waruek zbieoci ieskoczoego cigu geometryczego i

Bardziej szczegółowo

ELEKTROTECHNIKA I ELEKTRONIKA

ELEKTROTECHNIKA I ELEKTRONIKA UNIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIAŁ INŻYNIERII MECHANICZNEJ INSTYTUT EKSPLOATACJI MASZYN I TRANSPORTU ZAKŁAD STEROWANIA ELEKTROTECHNIKA I ELEKTRONIKA ĆWICZENIE: E20 BADANIE UKŁADU

Bardziej szczegółowo

Elastyczno silników FIAT

Elastyczno silników FIAT ARCHIWU OTORYZACJI 4, pp. 319-35 (009) Elastyczo silików FIAT JANUSZ YSŁOWSKI, WAWRZYNIEC GOŁBIEWSKI Zachodiopomorski Uiwersytet Techologiczy W artykule przedstawioo elastyczo silików FIAT. Pierwszym aspektem

Bardziej szczegółowo

Twierdzeie Closa Problem: Jak duże musi być m, aby trzysekcye pole Closa ν(m,, r) )było ieblokowale w wąskim sesie? Twierdzeie Closa: Dwustroe trzysek

Twierdzeie Closa Problem: Jak duże musi być m, aby trzysekcye pole Closa ν(m,, r) )było ieblokowale w wąskim sesie? Twierdzeie Closa: Dwustroe trzysek Sieci i Systemy z Itegracą Usług Trzysekcye pole Closa m r r m Własości kombiatorycze pól komutacyych Prof. dr hab. iż. Wociech Kabaciński r m Pole Closa est edozaczie defiiowae przez trókę m,, r i ozaczae

Bardziej szczegółowo

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych.

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych. Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. A. V. Aho, J.E. Hopcroft, J. D. Ullma - Projektowaie i aaliza

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

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Metody numeryczne. Marek Lefik. Wykład 1 Studia doktoranckie

Metody numeryczne. Marek Lefik. Wykład 1 Studia doktoranckie Metody umerycze Marek Lefik Wykład 1 Studia doktorackie 01-013 Metody umerycze: wstęp ogóly Czemu służą MN Rozwiązaia symbolicze zagadień brzegowych dla skomplikowaej geometrii ie jest możliwe Rozwiązaia

Bardziej szczegółowo

METODYKA OCENY EKONOMICZNEJ MAGAZYNOWANIA ENERGII ELEKTRYCZNEJ

METODYKA OCENY EKONOMICZNEJ MAGAZYNOWANIA ENERGII ELEKTRYCZNEJ Józef PASKA, Mariusz KŁOS, Karol PAWLAK Politechika Warszawska METODYKA OCENY EKONOMICZNEJ MAGAZYNOWANIA ENERGII ELEKTRYCZNEJ Magazyowaie eergii w ostatich latach cieszy się coraz większym zaiteresowaiem,

Bardziej szczegółowo

Wybór systemu klasy ERP metod AHP

Wybór systemu klasy ERP metod AHP BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 5 3-22 (200) Wybór systemu klasy ERP metod AHP A. CHOJNACI, O. SZWEDO e-mail: adrzej.chojacki@wat.edu.pl Wydzia Cyberetyki WAT ul. S. aliskiego 2, 00-908 Warszawa

Bardziej szczegółowo

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3: Szereg geometryczy Zad : Suma wszystkich wyrazów ieskończoego ciągu geometryczego jest rówa 4, a suma trzech początkowych wyrazów wyosi a) Zbadaj mootoiczość ciągu sum częściowych tego ciągu geometryczego

Bardziej szczegółowo

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby. Pojcie estymacji Metody probabilistycze i statystyka Wykład 9: Estymacja puktowa. Własoci estymatorów. Rozkłady statystyk z próby. Szacowaie wartoci parametrów lub rozkładu zmieej losowej w populacji geeralej

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Zadania z algebry liniowej - sem. I Liczby zespolone

Zadania z algebry liniowej - sem. I Liczby zespolone Zadaia z algebry liiowej - sem. I Liczby zespoloe Defiicja 1. Parę uporządkowaą liczb rzeczywistych x, y azywamy liczbą zespoloą i ozaczamy z = x, y. Zbiór wszystkich liczb zespoloych ozaczamy przez C

Bardziej szczegółowo

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce! Iformatyka Stosowaa-egzami z Aalizy Matematyczej Każde zadaie ależy rozwiązać a oddzielej, podpisaej kartce! y, Daa jest fukcja f (, + y, a) zbadać ciągłość tej fukcji f b) obliczyć (,) (, (, (,) c) zbadać,

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

UKŁADY RÓWNAŃ LINOWYCH Ekoeergetyka Matematyka. Wykład 4. UKŁADY RÓWNAŃ LINOWYCH Defiicja (Układ rówań liiowych, rozwiązaie układu rówań) Układem m rówań liiowych z iewiadomymi,,,, gdzie m, azywamy układ rówań postaci: a a a

Bardziej szczegółowo

Czas trwania obligacji (duration)

Czas trwania obligacji (duration) Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji

Bardziej szczegółowo

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG Tomasz ŚWIĘTOŃ 1 TRANSFORMACJA DO UKŁADU 2000 A ROBLEM ZGODNOŚCI Z RG Na mocy rozporządzeia Rady Miistrów w sprawie aństwowego Systemu Odiesień rzestrzeych już 31 grudia 2009 roku upływa termi wykoaia

Bardziej szczegółowo

4. Aproksymacja Wprowadzenie (4.1) aproksymowana aproksymującej przybliżającej błędami aproksymacji przybliżenia

4. Aproksymacja Wprowadzenie (4.1) aproksymowana aproksymującej przybliżającej błędami aproksymacji przybliżenia 4. Aproksymacja Wprowadzeie (4.1) Aproksymacja ozacza przybliżaie fukcji y= f x za pomocą prostszej, ależącej do określoej klasy fukcji y=f x. Przyczyy strosowaia aproksymacji: - fukcja aproksymowaa y=

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11 Matematyka I Bezpieczeństwo jądrowe i ochroa radiologicza Semestr zimowy 2018/2019 Wykład 11 Całka ozaczoa podstawowe pojęcia Defiicja podziału odcika Podziałem P odcika < a, b > a części azywamy zbiór

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.9.6, godz. :-5: Zadaie. ( puktów) Wyzaczyć wszystkie rozwiązaia rówaia z 4 = 4 w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej (bez używaia fukcji trygoometryczych)

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wzór Taylora Szeregi potęgowe Matematyka Studium doktorackie KAE SGH Semestr leti 8/9 R. Łochowski Graica fukcji w pukcie Niech f: R D R, R oraz istieje ciąg puktów D, Fukcja f ma w pukcie graicę dowolego

Bardziej szczegółowo

CIĄGI LICZBOWE. Poziom podstawowy

CIĄGI LICZBOWE. Poziom podstawowy CIĄGI LICZBOWE Poziom podstawowy Zadaie ( pkt) + 0 Day jest ciąg o wyrazie ogólym a =, N+ + jest rówy? Wyzacz a a + Czy istieje wyraz tego ciągu, który Zadaie (6 pkt) Marek chce przekopać swój przydomowy

Bardziej szczegółowo

METODY APROKSYMACJI MATEUSZ WAGA. Gimnazjum im. Jana Matejki w Zabierzowie

METODY APROKSYMACJI MATEUSZ WAGA. Gimnazjum im. Jana Matejki w Zabierzowie METODY APROKSYMACJI MATEUSZ WAGA Gimazjum im. Jaa Matejki w Zabierzowie SPIS TREŚCI 1 WSTĘP... 2 2 MODEL MATEMATYCZNY... 3 3 UOGÓLNIENIE MODELU MATEMATYCZNEG... 6 4 MODEL INFORMATYCZNY... 7 5 PRZYKŁADY

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

Wprowadzenie. metody elementów skończonych

Wprowadzenie. metody elementów skończonych Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

Wykład 11 ( ). Przedziały ufności dla średniej Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 Twierdzenia o granicznym przejściu pod znakiem całki 1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae

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

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

wi c warunek konieczny zbie»no±ci szeregu jest speªniony. 12 = 9 12 = 3 4 k(k+1) k=1 ( k+1 k(k+1) n+1 = 1 1 n+1 = 1 0 = 1 36 = =

wi c warunek konieczny zbie»no±ci szeregu jest speªniony. 12 = 9 12 = 3 4 k(k+1) k=1 ( k+1 k(k+1) n+1 = 1 1 n+1 = 1 0 = 1 36 = = 32 (+) Jest to szereg o wyrazach dodatich Poadto wyraz ogóly tego szeregu jest zbie»y do 0, wi c waruek koieczy zbie»o±ci szeregu jest speªioy s (+) 2 s 2 s + 2 (2+) 2 + 2 3 2 + 6 3 6 + 6 4 6 2 3 s 3 s

Bardziej szczegółowo

Analiza Matematyczna I.1

Analiza Matematyczna I.1 Aaliza Matematycza I Seria, P Nayar, 0/ Zadaie Niech a k >, (k =,, ) b d liczbami rzeczywistymi o tym samym zaku Udowodij,»e prawdziwa jest ierówo± ( + a )( + a ) ( + a ) + a + a + + a Czy zaªo»eie,»e

Bardziej szczegółowo

Klasa II technikum Egzamin poprawkowy z matematyki sierpień 2013

Klasa II technikum Egzamin poprawkowy z matematyki sierpień 2013 /7 I. FUNKCJA KWADRATOWA. Fukcja kwadratowa w postaci kaoiczej i ogólej. Napisz wzór fukcji kwadratowej wiedząc, że wierzchołkiem paraboli będącej jej wykresem jest początek układu współrzędych oraz, że

Bardziej szczegółowo

Wykªad 05 (granice c.d., przykªady) Rozpoczniemy od podania kilku przykªadów obliczania granic ci gów. n an = + dla a > 1. (5.1) lim.

Wykªad 05 (granice c.d., przykªady) Rozpoczniemy od podania kilku przykªadów obliczania granic ci gów. n an = + dla a > 1. (5.1) lim. Wykªad 05 graice cd, przykªady Rozpocziemy od podaia kilku przykªadów obliczaia graic ci gów Niech a > Ozaczmy a = c > 0 Mamy Poiewa» c = +, wi c tak»e a = + c + c c a = + dla a > 5 Poadto, zauwa»amy,»e

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

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

Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych (zakres rozszerzony)

Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych (zakres rozszerzony) Przedmiotowy system oceiaia wraz z określeiem wymagań edukacyjych (zakres rozszerzoy) Wymagaia koiecze (K) dotyczą zagadień elemetarych, staowiących swego rodzaju podstawę, zatem powiy być opaowae przez

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

Egzamin maturalny z informatyki Poziom rozszerzony część I

Egzamin maturalny z informatyki Poziom rozszerzony część I Zadaie 1. Długość apisów biarych (7 pkt) Opisaa poiżej fukcja rekurecyja wyzacza, dla liczby aturalej 0, długość apisu uzyskaego przez sklejeie biarych reprezetacji liczb aturalych od 1 do 1. ukcja krok

Bardziej szczegółowo

3 Arytmetyka. 3.1 Zbiory liczbowe.

3 Arytmetyka. 3.1 Zbiory liczbowe. 3 Arytmetyka. 3.1 Zbiory liczbowe. Bóg stworzył liczby aturale, wszystko ie jest dziełem człowieka. Leopold Kroecker Ozaczeia: zbiór liczb aturalych: N = {1, 2,...} zbiór liczb całkowitych ieujemych: N

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ.

ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ. ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ I Fukcja kwadratowa ) PODAJ POSTAĆ KANONICZNĄ I ILOCZYNOWĄ (O ILE ISTNIEJE) FUNKCJI: a) f ( ) + b) f ( ) 6+ 9 c) f ( ) ) Narysuj wykresy fukcji f

Bardziej szczegółowo

RAP pa¹dziernika S n = S 0 + i=1. p r q l = p r q l r. N n(a,b)

RAP pa¹dziernika S n = S 0 + i=1. p r q l = p r q l r. N n(a,b) RAP 4 5 pa¹dzierika 008 Wykªad : PSL metoda zliczaia ±cie»ek Wykªadowca: Adrzej Ruci«ski Pisarz:Bartosz Naskr cki i Marek Kaluba Wst p B dziemy dalej studiowa zachowaia osobika, którego gr zajmowali±my

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

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające

K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające Ozaczeia: *OZNACZONE ZOSTAŁY TEMATY REALIZOWANE NA OZIOMIE ROZSZERZONYM wymagaia koiecze; wymagaia podstawowe; R wymagaia rozszerzające; D wymagaia dopełiające; W wymagaia wykraczające Temat lekcji Zakres

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

Poziom rozszerzony. 5. Ciągi. Uczeń:

Poziom rozszerzony. 5. Ciągi. Uczeń: PIOTR LUDWIKOWSKI Materiał z wykładu z aalizy dla uczestików koerecji Podstawa programowa z kometarzami Tom 6 Edukacja matematycza i techicza w szkole podstawowej, gimazjum i liceum matematyka, zajęcia

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo

Ekonomia matematyczna 2-2

Ekonomia matematyczna 2-2 Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa

Analiza matematyczna i algebra liniowa Aaliza matematycza i algebra liiowa Materiały pomocicze dla studetów do wyładów Rachue różiczowy ucji wielu zmieych. Pochode cząstowe i ich iterpretacja eoomicza. Estrema loale. Metoda ajmiejszych wadratów.

Bardziej szczegółowo