Przetwarzanie danych meteorologicznych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Przetwarzanie danych meteorologicznych"

Transkrypt

1 Sps teśc I Rozważaa ogóle 5 Pzetwazae daych meteoologczych Notat z wyładu pokhamaa Wyoała: Alesada Kadaś I Iomacja odowae 5 I Poces pzetwazaa daych 5 I Aalza 6 I Syteza 7 I3 Edycja wzualzacja 7 I3 Dae meteoologcze 8 I3 Obsewacje meteoologcze 9 I4 Wyywae popawae błędów I4 Wyywae błędów I4 Metody oecj II Aalza daych meteoologczych II Sala II Pojęce sal II Oeślae sal 3 II Itepolacja, aposymacja 4 II Itepolacja pojęce cele 4 II Ogóly schemat podzał tepolacj 5 II3 Kytea doboc aposymacj 6 II4 Tech tepolacj 7 II5 Metody tepolacj z wyozystaem wedzy o polu metoda teacyja II3 Asymlacja 3 II4 Icjalzacja 4 II5 Fltacja 5 II5 Fltacja podczas pomau 5 II5 Ops matematyczy pocesu ltacj (opeato całowy) 6 II5 Flt jedoody 7 II53 Obcae szeegowe ozwęć 9 II54 Podobeństwo metod 9 III Metody statystycze pzetwazaa daych 3 III Pojęca podstawowe 3 III Pzestzeń zdazeń losowych 3 III Pawdopodobeństwo 3 III3 Zmea losowa 3 III4 Zmee losowe welowymaowe 34

2 III5 Rozłady wauowe bzegowe 35 III6 Hstogam, wygładzae gęstośc pawdopodobeństwa 37 III Uśedae, chaateysty ozładów 38 III Uśedae statystycze 38 III Chaateysty ozładów 38 III3 Uśedae momety zmeych welowymaowych, 4 III3 Regesja 4 III3 Pojęce egesj 4 III3 Regesja lowa dla dwóch zmeych 43 III33 Regesja dla zmeej welowymaowej 45 IV Elemety teo pocesów stochastyczych 47 IV Poces stochastyczy decje tepetacje 47 IV Chaateysty ozładów pawdopodobeństwa dla pocesów losowych 48 IV Uśedae 49 IV Fucja oelacyja 5 IV3 Fucje stutuale 5 IV3 Repezetacja pocesu losowego w postac szeegu 5 IV3 Rozwęce pocesu w szeeg 5 IV3 Rozwęce aocze 53 IV33 Posługwae sę ozwęcem 54 IV4 Szumy 55 IV5 Pocesy stacjoae jedoode 56 IV5 Poces stacjoay 56 IV5 Pocesy egodycze 57 IV53 Rozwęce oueowse jao atuale ozwęce pocesu stacjoaego 58 IV54 Aalza oueowsa pocesu stacjoaego 6 IV6 Pocesy estacjoae 6 IV7 Pola losowe 63 IV7 Pola losowe 63 IV7 Pola tubulecyje 64 V Aalza alowa atala 65 V Aalza alowa ( wavelet ) 65 V Zjawsa aalzowae metodą alową 65 V Fal 66 V3 Pzyłady ale 67 V4 Kostucja ale ówoległych 68 3 V Aalza atala 69 V Zjawsa aalzowae metodą atalą 69 V Wyma w sese Hausdoa, atale 69 V3 Wyma oelacyjy pudełowy 7 VI Uzupełea dygesje 74 VI Zmee losowe zespoloe 74 VI Watośc włase ucj oelacyjej 75 VI3 Itepolacja optymala 77 VI4 Ułady samouczące (sec euoowe) 79 Najpostsza seć eutoowa 79 VI5 Wybó póby z populacj 8 VI5 Wybó póby 8 VI5 Estymatoy 8 VI53 Ocea doboc hpotez 8 4

3 I Rozważaa ogóle I Iomacja odowae Iomacja pozwala odóżać obety jest pzeazywala ym osobom (obetom) Najpostszym ozóżeem (jedostą omacj) jest ozóżee mędzy dwoma obetam (bt omacj) Do pzeazywaa omacj potzebe jest azędze odowae Najpostszy pzypade, odpowadający jedemu btow, zapsać możemy odem baym (,, etc) Kod bay jest ajpostszy wszyste badzej somplowae ody moża a ego pzetłumaczyć W pzestze odów może steć jede szczególy, wymagający mmalej lczby btów do zapsaa omacj o daym obece Na ogół omacja zaodowaa jest węszą ż potzeba loścą btów Ta własość to edudacja Dzę edudacj moża p zabezpeczać omacje pzed pzełamaem Jao dae ozumemy wszele omacje, w ome zaodowaej (bae, szesastowo, esowo, oloystycze etc) I Poces pzetwazaa daych aalza syteza edycja wzualzacja Pzetwazae omacj to poces, w tóym e powstają owe dae Pzecwe omacje są tacoe Do zbou omacj moża ajwyżej dodać ops pocedu Achwzowae pzeoszee daych łączą sę z osztam Dlatego stosuje sę ozmate omy ompesj I Aalza Potecjale mamy do dyspozycj ogome lczby daych, Pzetwazae to a ogół educja zbou daych do lośc - ezbędej - tóą moża opeować Może to polegać a selecj oaz uogóleu (ezygacj z epotzebych ozóżeń) Następym oem jest pzetwazae polegające a zmae odów (p cąg daych moża pzetasomować do macezy lub omy gaczej) Zmaa odu może być zwązaa z selecją lub uogóleem Dae mogą być zaodowae a ośu wtedy pzetwazae obejmuje wymaę omacj mędzy ośam W czase pzetwazaa omacje mogą być guboe celowo lub echcący (to ostae astępuje zwłaszcza pzy zmae odów ośów, w pzypadu meteoolog często w wyu załóceń a lach teleomuacyjych) Elemetam pocesu aalzy daych muszą być taże detecja oecja błędów a poszczególych etapach Jeśl omacja jest zapsaa w odze edudatym, to jest szasa, że ocalały agmet odu zawea jej powtózee lub lość omacj wystaczającą do odtwozea baujących (pzy pewej zajomośc języa) Pzyład: żłw żółw 5 6

4 I Syteza Zacza część pzetwazaa może być wyoywaa pzez uządzea (ompute) Jeda a ońcu pocesu pojawa sę zawsze użytow, mogący opeować jedocześe ewelą lczbą omacj Dlatego pzetwazae mus ończyć sę sytezą daych, a węc pewą ch educją I3 Edycja wzualzacja Pzetwazae daych ończyć sę mus pzedstaweem ch w ome łatwej w odboze dla użytowa To właśe ozacza edycja wzualzacja omacj Edycja polega a decydowau, jae omacje w jam omace zostają udostępoe po pzejścu pzetwazaa Wzualzacja jest gaczą omą edycj (wyesem, hstogamem, pzeojem, mapą, pseudotójwymaowym obazem etc) Powa bać pod uwagę psychologę użytowa (zwłaszcza gdy użytow mus podjąć szybo subetywą decyzję a podstawe daych p meteoolog lotsowy) Ne ma estety jedozaczej ecepty a to, ja powa być pzepowadzoa I3 Dae meteoologcze Podstawowym źódłem daych meteoologczych są obsewacje Dae mogą meć chaate: - cągły być mezoe salam cągłym utzymywać cągłość pzestzeą czasową (pola tempeatuy, cśea, pędośc watu etc), - jaoścowy być opsywae dysete; p lczbam atualym, tóym pzypsao lasy (jest mgła e ma, deszcz: ba, słaby, umaoway, sly, etc) Jedoodoścą cągu daych azywamy ch poówywalość czasową pzestzeą (zgodość ze stadadam pomaów) Ba jedoodośc pzestzeej daych może być zwązay p z óżcam w stadadach służb meteoologczych óżych ajów Ba jedoodośc czasowej wyać może ze zmay metod, pzyządów, stadadów pomaowych Poówywalość daych moża póbować pzywócć pzy pomocy odpowedch popawe Pocesy zma w polach paametów meteoologczych mogą zachodzć w óżych salach Jeżel pomay mają dobze opsywać zjawsa w jaejś sal, puty pomaowe muszą być ta dobae, by zapewć ch epezetatywość (p by a watośc pól w tych mejscach decydującego wpływu e mały zjawsa loale) 7 8

5 I3 Obsewacje meteoologcze Obsewacje specjale (estadadowe) - obsewacje dooywae w celu zbadaa oetego zjawsa lub po postu plaowae aczej ż pomay stadadowe ogazowae pzez WMO e duże ogazacje Obsewacje estadadowe mogą być czasem stadayzowae Pomay stadadowe - wyoywae egulae, w stadadowy, opsay pzez WMO sposób Ze stadadowych obsewacj óżych obsewatoów w óżych czasach mejscach powstaje (dzę poówywalośc daych) obaz maozjaws atmoseyczych Obsewacje stadadowe dzel sę a: a) syoptycze, staowące put wyjśca dla pogoz pogody, wyoywae sychocze (o tych samych poach GMT w óżych mejscach), pozwalają a oeślee stau atmosey w daej chwl b) lmatycze, służące do oeślaa długotemowych zma w atmoseze, wyoywae esychocze o tych samych poach czasów loalych Bywają ta spowadzae do GMT Na ogół obsewacje azeme są sychocze a sateltae esychocze Dae obsewacyje zbeae a stacjach po weyacj popaweu udostępae są dla potzeb ogólych I4 Wyywae popawae błędów I4 Wyywae błędów Do wyywaa błędów w daych potzeba jest pzede wszystm wedza a temat mezoych welośc: Zajomość zaesu zmeośc paametu (watość odbegająca zacze od oczewaej może być błęda) Zajomość sal zmeośc pola pozwala a wyyce eeale dużych gadetów, mogących śwadczyć o błędze Zauważyć coś taego moża dzę edudacj zajomośc stutuy pola (watośc paametu w putach ch óżc) 3 Zajomość zależośc pomędzy óżym weloścam moża p szuać ozbeżośc pomędzy zmezoym polem cśea polem oczewaym a podstawe pomaów tempeatuy tp oaz ówaa hydostaty, tóa śwadczyć może o błędze Jeśl zmay pola paametów w puce zdają sę zachodzć aczej ż w otoczeu, może to wyać z zewaa jedoodośc daych, p zmay pzyządów lub zmay w otoczeu stacj I4 Metody oecj Najpostszą metodą oecj jest odzucee błędej omacj Może to estety spowodować odzucee omacj etypowej ale pawdzwej W mejsce usuętej daej ależy wtepolować watość polczoą a podstawe: - posadaych daych edudatych, - posadaych daych o otoczeu Dae lmatycze moża popawać, wyozystując dae achwale a temat oelacj tedecj zma paametów w sąsedch stacjach 9

6 II Aalza daych meteoologczych W pzypadu daych syoptyczych mamy do czyea z polam paametów, opsywaym daym z pojedyczych putów W celu pzedstawea obazu pól tzeba pzepowadzć tepolację asymlację Fltacja syteza ończą poces pzetwazaa daych, powadząc do edycj wzualzacj Icjalzacją azywamy pzygotowae daych do podaa modelow umeyczemu II Sala Oeślee sal pzez zdolość ozdzelczą e jest ajczęścej spotyae Pzyład: Weźmy pzebeg: L Tu salę oeślmy a podstawe odległośc estemów Pzy zastosowau ampltudy zmeośc, sala L służy do oeślaa ozmaów pocesu: II Pojęce sal Pojęce sal występuje w mowe potoczej ja w ozważaach auowych My ozpatujemy sale pzestzee czasowe L x max = L ( ) L= U L x Spóbujmy oeślć pojęce sal, wychodząc od zdolośc ozdzelczej epezetacj pola zyczego, tóą możemy opeować Zdolość ozdzelczą oeśla ajmejsza odległość mędzy dwoma ozóżalym putam sat (zwązaa z możlwoścam pzyządu sposobem pzetwazaa daych) Nech: L zdolość ozdzelcza, (x) pole zycze, ampltuda zmeośc pola Pocesy welosalowe (małosalowe) to te, tóych estema oddaloe są o odległośc oeślae pzez salę dużą (małą) Fltacja pzy pomocy sal pozwala wyodębć teesujące as zjawsa Sale wyozystuje sę do oceaa względych elacj człoów ówań ch zaczea Masymala welość pochodej to: max max = x L ( ) L staow wewętzą salę pzestzeą pola Sala taa może być zotopowa lub azotopowa

7 II Oeślae sal Pocedua pecyzyjego oeślea sal wymaga pzedstawea ucj w ozładze spetalym: = = ( x) ce ( ) x d ( x) =( ) e(, x) Rozładając epezetowaą ucję a sład, tóym pzypsujemy sale, a ogół ozystamy z jaejś bazy ucj otogoalych, jao że tae ucje mają chaate oscylacyjy Na pzyład: b = a δ e ( x) e ( x) dx -ucje zomalzowae a odcu Taa omalzacja wymaga zma zau ucj e ; ażda oleja ma węcej ze a odcu, m wyższy wsaź ucj tym mejsze sale może epezetować Dobym pzyładem tego odzaju ucj są ucje tygoometycze II Itepolacja, aposymacja II Itepolacja pojęce cele Dae, tóym dyspoujemy, pochodzą z dysetych putów, położoych eegulae (ja stacje meteoologcze) Tymczasem welośc, tóe as teesują, chcelbyśmy pzedstawć w postac cągłych pól Potzebujemy węc możlwośc oeślea watośc pól poza putam pomaowym Itepolację pzepowadzać moża w óżych celach: - wzualzacj pola w postac zol, - pzeesea watośc dysetych, pomaowych, a egulaą satę putów (taa postać ułatwa aalzy umeycze) Sposoby tepolacj w powyższych wypadach są eco óże Tadycyja tepolacja polegała a oeślau a oo zol pomędzy putam pomaowym Nazywało sę to aalzą subetywą obejmowało aoszee dodatowych omacj (stey opadów etc) Obece stosuje sę metody aalzy obetywej, czyl zalgoytmzowaej, wyoywaej automatycze pzez ompute, ezależej od człowea W lteatuze aglosasej aalzą obetywą azywa sę już tylo aalzę opatą a statystyce (dobó wag w ozładze spetalym zachodz w opacu o statystyę watośc pzybeaych pzez ucję) W wyu tepolacj uzysujemy coś, co eoecze jest zgode z zeczywstoścą Itepolacja powadz do umowej epezetacj pola 3 4

8 II Ogóly schemat podzał tepolacj Mamy N putów pomaowych watośc obsewowaych O( x ) ( =,,, N) Wybeamy odzę ucj zależych od N paametów: u ( x, c,, ) c N 3 Watośc paametów wybeamy a podstawe watośc zmezoych = ~,, ~ 4 Otzymujemy ucję ztepolowaą: ( x) u( xc ) A, c N Rodzy ucj wybeać moża w óży sposób Najczęścej wybea sę bazę ucję zapsuje w ome ombacj lowej ucj bazowych: u ( xc,, cn) = ce( x), N = Fucje bazowe mogą być a pzyład ucjam ezeowym tylo a ewelch obszaach, ucjam lowym, welomaowym etc Fucję tepolowaą zapsać moża ogóle jao ombację lową watośc obsewowaych A N ( x) = O( x) ϖ ( x, x) ( ϖ ( x, x) - ucje wagowe) = Itepolacje moża podzelć a: a) loale watość ucj tepolowaej w puce x zależy od watośc zmezoych w pewym otoczeu x; ϖ (, x) tylo dla x x x b) globale watośc tepolowae uzależa sę od wszystch daych (, x) ϖ x II3 Kytea doboc aposymacj Kytea oloacyje Kytea oloacyje wymagają zgodośc watośc tepolowaych z putam pomaowym Pzyładem zgodośc oloacyjej jest tepolacja pzedzałam lowym Kytea waacyje Kytea waacyje mają chaate globaly żądają, by ucja tepolująca mmalzowała pewe ucjoał Dodatowym żądaem może być mmalzacja wadatów pochodych ucj aposymującej (wygładzae) Pzyładem może być yteum mmalzacj błędu wadatowego (suma wadatów odchyleń od postej lub zywej ma być ajmejsza) Uzgadae pól W meteoolog aalzujemy pola tempeatuy, cśea, wlgotośc etc, ecałem od sebe ezależe Może sę zdazyć, że po osobej aalze pól, wpowadzee ch do modelu ozacza wystatowae go z establym wauam początowym wyłożee Dlatego oecze jest uzgodee pól (cjalzacja patz dalej), aby e powodowały eozystych zjaws umeyczych Uzgodea doouje sę zwyle metodam waacyjym Kedyś p uzgadao pole cśea eu watu, aładając a e waue geostoczośc 5 6

9 II4 Tech tepolacj Po az olejy zapszmy ucję tepolowaą w postac sumy: A N ( x) = O( x) ( x, x) = ϖ Fucje wagowe ( wag a posteo ) mogą być wybeae w opacu o ytea oloacyje ( ϖ (, ) =, ϖ (, ) = ) albo e (ajczęścej x x x x l wymog statystycze czasu lmatyczego) Moża póbować uzależać ucje wagowe od watośc ucj Mamy wtedy epezetację elową, co staamy sę pomąć wząć ta ombację lową II4a Oeśloość zagadea Oeśloość zagadea zależy od lczby paametów do oeślea; - paametów mej ż daych adoeśloość, - paametów tyle samo co daych oeśloość, - paametów węcej ż daych edooeśloość Zauważmy, że bazy teoetycze obca sę a teoetycze dowolym wyaze Ta sę jeda e ob w patyce jeśl współczyów będze węcej ż daych, wy będze eps A właścwe go e będze Wybeając bazy do epezetacj spetalych ucj możemy apotać espodza Szczególe wtedy, gdy lczba paametów do wyzaczea jest blsa lub wyższa od lczby putów pomaowych Pzyład: Szuając welomau pątego zędu pzechodzącego pzez pęć putów pomaowych uzysujemy jaś wy, jeda może o być zupełe zwaoway ezgody z oczewaam Pzy pzedstaweu spetalym ucj o sal decydują sale ucj bazowych Oscylacje szybozmeych ucj oueowsch mogą załócć pzebeg ucj mędzy putam pomaowym II4b Metoda olejych pzyblżeń (teacyja) W metodze olejych pzyblżeń wychodz sę od jaejś bazowej aposymacj wybeaej a óże sposoby (może to być p śede pole lmatycze albo pole z pogozy wychodzącej z popzedch pomaów) Bazową aposymację oyguje sę: ( x) ( x) A = B, ( x) ( x) + [ ( x ) ( x )] ϖ( x x) A B O A, = Tę opeację moża powtózyć: [ ] ϖ ( x x) ( x) ( x) + ( x ) ( x ) A A O A, =, td Z putu wdzea lmatologczego aalzy oboe olejym pzyblżeam są lepsze ż e, dowodz tego spawdzalość w polach otolych ja w pogozach 7 8

10 II4c Metody sple Metody sple opeają sę a tagulacj smplesam, czyl podzale pzestze putów pomaowych a tój twozące tójąty Jao ucje aposymujące wybeamy welomay o lczbe zmeych zależej od lczby wymaów pzestze, po jedym welomae a smples Fucje muszą spełć wau: - cągłośc a putach pomaowych, - cągłośc pochodych odpowedego zędu, tóe pozwalają a ustalee paametów welomaów Moża zauważyć, że aposymacje lowe lub sple to szczególe pzypad ozładu spetalego; współczy pzy ucj opsującej agmet dzedzy jest ezeowy tylo w obębe tego agmetu Logcze jest, że wag ostuuje sę ta, by dla watośc ucj aalzowaej w puce x zaczee mały watośc pomaowe z putów sąsedch II4d Metoda ajmejszych wadatów Metoda ajmejszych wadatów to metoda waacyja Mmalzowaym ucjoałem jest wadatowa óżca ucj obsewowaej aposymowaej Jeśl: A( x) = c( x) h( x), P = to mmalzujemy: [ A( x) O( x) ] N = ϖ, gdze ϖ jest dodawaą czasem, a podstawe statystyczych ozważań o umejscoweu błędów, wagą a posteo Mamy węc: J = = N [ ( ) ( )] ( ) A x O x ϖ = ch O x cjhj O( x) = N M M cc h N M = = j= ( x) hj( x) ch( x) O( x) + O ( x) j = = j= = M ϖ = M ϖ Różczujemy ucjoał po dowolym, wybaym paametze c j : J c j c = h( x) hj( x) Ohj( x) ϖ, pzyówujemy do ozwązujemy Wymaga to odwócea macezy Gamma, czyl typu: h ( x ) h ( x ) Najlepej odwaca sę maceze j otogoale estety e ażą macez da sę zotogoalzować 9

11 II4e Itepolacje ucj wetoowych Czasam tzeba tepolować ucje odpowadające - zeczywstym wetoom (p pędośc watu), - zespołom paametów opsywaych łącze (wat, cśee, tempeatua) Wtedy może meć ses łącze mmalzowae ucjoału dla wszystch sładowych pola oaz azucee dodatowych wauów (ustalee dodatowego ucjoału, oeślającego wau zgodośc pomędzy paametam) Może meć ses możee sładów sumy w metodze ajmejszych wadatów pzez wag a po (oeślające ważość putów pomaowych, pewość pomaów) Pzyładowe ozszezee ucjoału, pzy tóym sala ucj aalzowaej e jest duża: N M A ch O( x) + γ = = x ϖ II5 Metody tepolacj z wyozystaem wedzy o polu metoda teacyja Metoda teacyja SCM (Subsequeced Coecto Method) posługuje sę omułą tepolacyją typu: A N ( x) = O( x) ( x) = ϖ Oczeujemy, że m blżej x leży x, tym stotejszy jest jego wpływ a watość ucj w x (odpowedo dobea sę wag) Ne mus być jeda ta, że ( x ) = ( x ) Fucje wagowe mają zwyle ształt A O L gaussopodoby, z masmum w puce x=, p ϖ ( x ) = e Ogóla postać metod SCM: Mamy dae O ( x) x ( x x ) Wybeamy zeową, początową postać pola A ( x), wyającą z aszej wedzy o polu (wy pogozy, dae lmatycze) 3 Wpowadzamy do tej postac popaw: A + A [ A O ] ϖ [ x x ] ϖ ( x) = ( x) + ( x ) ( x ) A ϖ ( x) = ( x) ϖ + ( ) ( ) A Zastosowae stau pogostyczego jao wyjścowego pozwala a obsewację pewej cągłośc modelu pogostyczego Modele umeycze e odzwecedlają atmosey ścśle, ale mają własą wewętzą logę Poste wstawee daych pomaowych w mejsce pogozowaych dopowadza do załócea log modelu jego wysypaa (ba wewętzej spójośc wauów początowych) Z tego względu jest zeczą sesową, żeby wau początowe uwzględały to, co dotychczas model wypoduował Pzyładem metody SCM jest algoytm Buesa zmejszający sale ucj wagowych z ou a o, co pozwala a wyodębae coaz mejszych pocesów A O

12 II3 Asymlacja Asymlacją azywamy tepolację, w tóej wyaźe odóża sę tepolację czasową pzestzeą oaz uwzględa omacje pzychodzące esychocze Model statuje od pewej chwl czasu (p czasu stadadowego pomau) Do czasu astępego pomau sychoczego pojawać sę mogą dae ego odzaju (z sateltów, z samolotów etc) Właśe pocedua wpowadzaa tych daych do modelu azywa sę asymlacją Polega oa a spowadzau daych do pozomu czasowego, z tóego atuale statuje model Najczęścej twozy sę ucjoał zależy od putu pzestze czasu a astępe mmalzuje sę go z dodatowym wauam Modele mają pewe establośc - wyające ze stutuy umeyczej, - zwązae z tym, że opsyway uład jest chaotyczy II4 Icjalzacja Icjalzacja to poces polegający a zgywau wauów początowych ta, by e zabuzały ówowag modelu Pewote póbowao uzgadać sytuację początową ta, by pole watu cśea twozyły pole geostocze Ne było to ozwązae śwete, ale pozwalało a uęce etóych poblemów Póbowao taże statować model a la godz a potem wacać do początu dostawało sę owe pole Atmosea waca do ówowag quasgeostoczej popzez geeację al austyczych, ozchodzących sę woół obszau zabuzea, tóych eega ulega dyssypacj (w zwązu z dzałaem sł lepośc etc) Podobe powót do ówowag quashydostatyczej zachodz pzy pomocy al gawtacyjych Podobe pocesy wpsae są w model e zależą oe od euu maszu modelu Pzejśce la azy w pzód w tył zgywa dae Jest węc tedecja do wzostu zabuzeń ( ozjeżdżaa sę ozwązań ) Zabuzea w atmoseze opsywae są jao ale (austycze, gawtacyje, Rossbego) W zeczywstośc jest pewe atualy ozład eeg mędzy alam Modele e zawsze mają odpowed mechazm adaptacj do pocesów alowych 3 4

13 II5 Fltacja Fltacja ozacza wydobywae z sygału tych daych pomaowych, tóe as teesują Najczęścej chodz o wyodębee sładowych o sal węszej ż stadadowa odległość mędzy putam pomaowym Służą do tego lty Najczęścej używamy ltacj, by usuąć z sygału zjawsa o eteesującej as sal: - małej (lt dolopzepustowy), - dużej (lt góopzepustowy) II5 Fltacja podczas pomau Już sam poma jego sposób staow pewe lt Np stała czasowa pzyządu to lt dolopzepustowy (e pzepuszcza lutuacj) Jeśl atomast uządzee zbea dae w sposób dysety, e moża wydobyć sal mejszej ż odstęp czasowy pomaów Pzyład: Temomet jao lt dolopzepustowy dt TO = dt τ τ T τ τ - stała czasowa temometu Gdyby tempeatua zmeała sę susodale: ejestowaa: A τ = A τ + 4π T, π T = ω T O Ae po dostatecze długm czase sygały są mało zeształcoe ωt =, to tempeatua Róweż w pzypadu sygałów pzestzeych zachodz ltacja Np w pzypadu pomaów sateltaych ogaczeem jest ozma psela Na Zem e możemy dostać sygału ze sal mejszej ż odległość stacj Poblem ltacj może sęgać dalej Sygał wstępe pzeltoway pzez uządzea może wymagać dalszej ltacj II5 Ops matematyczy pocesu ltacj (opeato całowy) Weźmy sygał ( x, t) = Opeację ltacj ozaczmy jao F: ( x, t) F( ( x, t) ) Opeacja F może być óża, awet elowa Najczęścej jeda jest lowa, co ma wele zalety opeacyje Opeacj lowych może być dużo Chcelbyśmy, aby ltacja mała óweż e, ułatwające własośc: ( x, t) = ( x, t) - oleje ltowae e zmea pzeltowaego sygału g ( x, t) ( x, t) = g( x, t) ( x, t) - w pzypadu loczyu sygału dugego sygału po ltacj, ltacja odpowada loczyow sygałów pzeltowaych Powyższe własośc speła opeacja uśedaa statystyczego Ogóla postać opeatoa ltacj: ( t) K( t τ) ( τ) =, dτ Ozacza to, że watośc sygału w óżych putach τ wchodzą do wyu ltacj z óżym wagam K ( t,τ) Pamętamy, że pochoda ucj pzeltowaej jest zędu stosuu ampltudy zmeośc ucj do sal czasowej: A t L t Jao że = ( ) K t τ dτ, jądo opeatoa ltacj oeśla salę W zależośc od sytuacj stosujemy óże jąda Pzepustowość ltu dotyczy częstotlwośc Zjawsa welosalowe mają zwyle małą częstotlwość zma a małosalowe dużą 5 6

14 II5 Flt jedoody Flt jedoody jest ltem stosowaym ajczęścej Chaateyzuje sę tym, że postać jąda e zależy od obszau dzedzy Ma postać ta zwaej śedej begącej: ( t) K( t τ) ( τ) = dτ Na ogół wymaga sę, by wag były uomowae (dla zachowaa ombacj lowych współczy muszą tasomować sę a sebe A węc: K mus być socetowae a jamś odcu dążyć szybo do w esończooścach, aby jego cała była sończoa Wygładzae czasowe Najpostszym opeatoem tego typu jest aytmetycza śeda beżąca : Nestety aytmetycza śeda beżąca w ogólośc e speła żądaych pzez as wcześej wauów Jeda jeśl sygał słada sę z dwóch sle ozsepaowaych gup sal, to wau spełae są w pzyblżeu:, ( x, t) ( x, t) g ( x, t) ( x, t) g( x, t) ( x, t) Tego odzaju opeacje są stosowae w polach hydodyamczych do ozdzelaa sygału główego tubulecj Często stosuje sę e ształty ucj K gaussows, wyładczy Wygładzae pzestzee W pzypadu wygładzaa pzestzeego stosujemy zaps podoby ja w pzypadu czasowego: K ( t τ) = T T T τ t, t+ T T τ, t t+, 3 =, d ξ ( x) K( x ξ) ( ξ) Fucja K zowu mus być taa, żeby jej cała była sończoa Jeśl K jest seycze symetycze, to lt jest zotopowy (watość K zależy tylo od odległośc ξ od x ) Pzyjzawszy sę temu wdzmy, że to po postu oblczae śedej a odcu (z putem odesea t a śodu pzedzału), a węc: T T t+ ( t) = ( ) T t τ dτ Taa opeacja ma oczywśc dzałae wygładzające tłum ampltudy szybozmee (o oesach mejszych ż T) sygałów Jeśl K jest zdecydowae asymetycze, lt zwemy azotopowym Atmosea jest z atuy azotopowa tzeba stosować w jej opse odpowede sale Oczywśce wygładzae to lt dolopzepustowy Opeacją góopzepustową byłoby a pzyład odjęce od sygału sygału wygładzoego Jeśl musmy uśedać a beżąco, e zając pzyszłośc, możemy ustawć t a ońcu pzedzału T, a e po śodu 7 8

15 II53 Obcae szeegowe ozwęć Obcae szeegowe ozwęć to duga gupa opeacj ltowaa Pole (t) pzedstawamy w postac szeegu: = = ( t) e ( ) α, t a astępe wyzucamy z sumy eteesujące as człoy (p te dotyczące małej sal) Jest to atuale podejśce, gdy opeujemy pojęcem sal jao umeu człou ozwęca Fltacja pzez obcęce szeegu ma tę właścwość, że jej teacja e zmea wyu ltowaa [ ( x, t) ( x, t) ], estety zazwyczaj za to: g, ( x, t) ( x, t) g( x, t) ( x t) Zależy to od bazy III Metody statystycze pzetwazaa daych III Pojęca podstawowe III Pzestzeń zdazeń losowych Zdazea elemetae twozą zboy esończoe ale pzelczale Pzestzeń zdazeń losowych jest zboem boelowsm, tz są a ej oeśloe opeacje możea oaz dodawaa zboów a wy pzepowadzaa tych opeacj a elemetach pzestze ależą do ej III Pawdopodobeństwo Pojęce pawdopodobeństwa występuje w co ajmej tzech zaczeach: ) Pawdopodobeństwo jao pojęce matematycze II54 Podobeństwo metod Zauważmy, że oba odzaje ltacj (opeato całowy obcęce szeegu) w pewych sytuacjach ozaczają to samo: ( x) K( x ξ) ( ξ) =, dξ ~ 443 = = K( x, ξ) ( x) = ce( x) = ( ξ) e( ξ) dξe( x) = e( x) e( ξ) ( ξ) dξ = W ogólośc jeda metody są óże Rachue pawdopodobeństwa zawea zespół asjomatów a temat zdazeń elemetaych ch pzestze Asjomatya spowadza sę do typowych dla teo ma tzech asjomatów ( ( A) [,] pawdopodobeństwo): * P ( ) = (U cała pzestzeń), * P ( ) = ( - zbó pusty), A A A = * P A = P( A) = = P - (A esończoy cąg zboów paam ozłączych) 9 3

16 ) Statystyczy ses pawdopodobeństwa Pawdopodobeństwo dotyczy częstotlwośc pojawaa sę pewej cechy w obębe populacj Populacja to a ogół zbó sończoy (N elemetów) Jeśl m elemetów ma pewą cechę to: ( m) P = m N Moża poazać, że pawdopodobeństwo ta zdeowae speła wau pawdopodobeństwa opsywaego w teo ma Moża węc stosować do ego w wym teoę Na ogół e mamy do dyspozycj daych o całym zboze a tylo o pewej jego póbe Powstaje wtedy poblem uogólea daych a populację geealą (patz: Uzupełea dygesje) 3) Pawdopodobeństwo psychologcze To zaczee zlustować moża pzyładem: Juto z pawdopodobeństwem 3% wystąp deszcz to zdae odos sę do jedostowej sytuacj, ozumemy, że statystya taych pogoz wyoaych tą metodą wyazuje 3% błąd III3 Zmea losowa Zmeą losową azywamy ucję zeczywstą oeśloą a zboze zdazeń elemetaych, jest to lczbowa chaateystya zdazeń (pzypoządowae zdazeom lczb) Zmea losowa może być dwojaego typu: - cągłego (pzebega wszyste watośc oeśloego pzedzału) - dysetego (pzebega watośc ze zbou dysetego) W patyce mamy a ogół tylo zmee dysete, gdyż e umemy eetywe opeować zmeym cągłym Często zdaza sę, że watość ucj pzypsaa jest do zdazea w sposób atualy p wystąpee tempeatuy w oeśloym mejscu opsujemy watoścą tempeatuy Stutuę pobablstyczą oeśloej gupy zjaws opsać moża ozładem pawdopodobeństwa dla wystąpea zmeej Dystybuata (F(x)), zwaa pawdopodobeństwem umulacyjym to zmea chaateyzująca zachowae zmeej ξ, oeśla pawdopodobeństwo zdazea, że ξ x: F ( x) P( x) = ξ Z tej decj właścwośc pawdopodobeństwa wya, że: ( ) = F, ( ) = F 3 3

17 F(x) jest ucja emalejącą: Dystybuata dla zmeej cągłej ma chaate ucj gładej Dla zmeej dysetej jest schodowa Czasem wygodej jest opsywać ucję dysetą pzyblżeem cągłym, dystybuata ma wtedy postać badzo sch schodów wygode ja aposymować lą cągłą Aposymacja dystybuaty empyczej do ładej postac (p Gaussa) to codzey poblem pzetwazaa daych W pzypadu dystybuat cągłych wygodejszym ż dystybuata pojęcem jest gęstość pawdopodobeństwa: F x ( x) = ( ξ ) dξ ( (ξ) gęstość pawdopodobeństwa) III4 Zmee losowe welowymaowe W pobablstyce występuje badzo waże pojęce zdazeń ezależych ( P ( AB) = P( A) P( B) ) Wpowadzee go w pzypadu opeowae ozładam dystybuatam wymaga zdeowaa zmeych losowych welowymaowych, czyl wetoów losowych sończoych Tzeba odóżć weto od cągu zmeych losowych Wetoow losowemu pzypsywae jest pawdopodobeństwo oeśloe jao pawdopodobeństwo zdazea, że wszyste zmee jedozacze spełają jaś waue: F ( x x ) = P( ξ x,, ξ x ),, Dla cągu zmeych waue dla ażdej jest osoby Zmee ezależe to tae, że: F ( x x ) F( x ) F ( x ),, = Jeśl wszyste wetoy są cągłe dystybuata óżczowala, to gęstość: = x x ( x,, x ) F Ops zmeych losowych cągłych dysetych moża ujedolć z pomocą delt Daca 33 34

18 III5 Rozłady wauowe bzegowe Zdeujmy odpowed pobablstyczego pawdopodobeństwa P P = P wauowego, czyl ( A B) F x, x,, x = P = 4 43 ustaloe ( ξ x, ξ = x,, ξ x ) ( AB) ( B), jest to ozład wauowy: Jeśl weźmemy zmee cetowae ( X, Y), to ozład wauowy dla X = X będze ozładem putów a postej X X = (będze omował, jae jest pawdopodobeństwo wystąpea poszczególych watośc Y pzy ustaloym X = X ) Dugą ategoą ozładów zwązaą ze zmeym welowymaowym są ozłady bzegowe: F ( x ) = P( ξ x, ξ +,, ξ +), + Jeśl weźmemy zmee cetowae ( X, Y) zobazujemy ozład pawdopodobeństwa jao gęstość putów w uładze współzędych, to ozłady bzegowe będze moża ozumeć: - dla X jao ozład putów zzutowaych a oś X, - dla Y jao ozład putów zzutowaych a oś Y Jao że zmee są cetowae, ch śede wyoszą zeo, węc chmua putów mus być mej węcej symetycza względem os W pzypadu ozładów tego odzaju dystybuata staje sę de acto dystybuatą jedowymaowej zmeej losowej pzybea jej watośc P P ( A B) ( B A) Pawdopodobeństwo wauowe speła astępujący zwąze: P = P P = P ( AB) ( B) ( AB) ( A) P ( A B) P = ( B A) P( B) P ( A) 35 36

19 III6 Hstogam, wygładzae gęstośc pawdopodobeństwa Oczywśce zamaa postac schodowej a cągłą może być pzepowadzaa e tylo dla dystybuat ale dla gęstośc pawdopodobeństwa, jeda może to być tudejsze Hstogam powstaje gdy podzelmy zbó watośc zmeej a pzedzały, tóym pzypoządujemy częstośc wystąpeń (dae empycze) Wyeślamy go w postac słupowej a astępe pzepowadzamy aposymację zywej Pawdopodobeństwo statystycze moża uzysać, posługując sę wystaczająco dużą póbą Jeśl daych empyczych jest mało, aposymacja a podstawe hstogamu jest epewa, co jest badzo łopotlwe techcze III Uśedae, chaateysty ozładów III Uśedae statystycze Uśedaem azywamy bae śedej statystyczej (zwaej też adzeją matematyczą ): ξ = xdf( x) = x ( x) dx ( ( x) dx= ) { gest pawd Ogóle zecz boąc dla ucj od zmeej losowej ξ: ( ) g( x) ( x) g ξ = dx W pzypadu pawdopodobeństwa ozumaego statystycze, śeda watość ucj losowej to po postu śeda aytmetycza III Chaateysty ozładów W zagadeach patyczych metody pobablstycze mają dwe typowe gupy zastosowań: - zamy omacje o wszystch elemetach populacj, - zamy omacje o pewej lczbe elemetów populacj a ch podstawe chcemy wosować o ogóle Uogólae omacj a puty, o tóych e mamy daych to osoby poblem statystyczy Jaą watość może meć uogólee? Jae jest pawdopodobeństwo tego, że póba jest epezetatywa? Pełą omację o zmeej mamy, zając ucję jej ozładu Uzysae tej omacj z daych e zawsze sę udaje, zwłaszcza gdy posługujemy sę póbam to być może eepezetatywym Poza tym cała ucja ozładu zaweać może móstwo daych a dużym loścam daych tudo jest opeować Dlatego też wpowadza sę uposzczoe chaateysty ozładów, tóym opeować łatwej Najczęścej są to momety statystycze watyle 37 38

20 Momety Momety olejych zędów () ucj zmeej losowej (X), to śede watośc jej olejych potęg ( X ) Zając esończee wele mometów możemy ścśle oeślć ucję Zwyle jeda używamy ch tylo lu, bowem już oe pozwalają a zalezee pewych właścwośc ozładu Najstotejszy jest pewszy momet, czyl watość śeda:x Pzy jego pomocy ostuujemy momety cetale: ( X X) Często zajmujemy sę zmeym będącym odchyleam od watośc śedej Ich śeda wyos zeo (są cetowae ), węc ch momet cetaly wygląda dużo poścej Waacja to dug momet cetaly: ( X X) Jej pewaste ( X X) azywamy dyspesją Duża dyspesja ozacza ozmyce pawdopodobeństwa a mała socetowae Często spotya sę óweż momety tzec czwaty, obazujące stutuę ucj ozładu Np wadomo, że dla ucj symetyczej względem śedej, momety epazyste zeują sę Kwatyle Kwatyl podaje, pożej jaej zmeej losowej meśc sę jaś pocet pzypadów Np watyl,5 to medaa (lczba, pożej tóej meśc sę połowa pzypadów) III3 Uśedae momety zmeych welowymaowych, Uśedae zmeych welowymaowych Gdy mamy welowymaową ucję gęstośc pawdopodobeństwa: ( x,, x ), to śeda watość jaejś ucj welowymaowej G ( x,, x ) wyos oczywśce:,, = dx dx ( x x ) G( x,, x ) ( x,, x ) G Jeśl ucja G ( x,, x ) ta apawdę zależy tylo od etóych x, to zaczy, że tylo la z szeegu całe dotyczy loczyu ( x,, x) ( x x ) (pozostałe są typu ( x ) dx = ) Fatycze mamy G,, węc uśedae po ozładze bzegowym Opeacja uśedaa ombacj lowej zmeych losowych (oczywśce po odpowedm ozładze bzegowym) jest opeacją lową: λ x + + µ µ x = λx x Momety zmeych welowymaowych Jeśl mamy weto: X,, X, to mometem azywamy: X α α X, a mometem cetalym: ( X X ) ( ) α X X, atomast zędem mometu: α = α + α + + α α 39 4

21 Koelacja, pzestzeń pseudohlbetowsa Szczególą olę gają momety cetale zędu dugego, czyl oelacje: ( X X )( X X ) Macez, =,, to macez oelacyja Omawając właścwośc oelacj załadać będzemy, że momety są cetowae (watośc śede wyoszą ) Jeśl weźmemy zbó zmeych losowych X,, X,, możemy stwozyć z ch pzestzeń pseudohlbetowsą, wpowadzając loczy salay w postac oelacj ( X X = XX( X, X) dxdx ) oaz omę w postac X (waacj) lub X (dyspesj) Pzestzeń taa e speła wszystch wauów pzestze Hlbeta, ale am to pzeszadzać e będze Jeśl zmee X,X są ezależe, to ch oelacja wyos zeo (pamętamy, że zmee są z założea scetowae): ( X, X ) dx dx = X X = XX = XX Odpowada to otogoalośc wetoów pzestze Hlbeta Na odwót ta być e mus! Welośc esoelowae e muszą być ezależe! Jeda dla często używaych ucj Gaussa podoba własość występuje III3 Regesja III3 Pojęce egesj Wyobaźmy sobe, że mamy cąg zmeych losowych: X X,, X, możemy twozyć ch ombacje Wyóżjmy jedą ze zmeych: X Ma oa pewą watość waacj Pojawa sę pytae, czy wedza a temat lu zmeych daje omacje o ych Pzypuszczamy, że steje jaś zwąze typu: = ϕ ( X,, X ) R, [ X ϕ ( X,, X )] = R X + ϕ ( X,, ) - ucja detemstycza, X R - dodate losowy (waacja esztowa) Jeśl R <, to wyozystae taego zwązu zmejsza waację X wyjścowej zmeej X Tae zmejszae waacj azywa sę zwyle egesją Na ogół ucj ϕ poszuuje sę w jachś odzach ucj elemetaych, tóe mogą sę do tego adawać Często są to ucje lowe Mówmy wtedy o egesj lowej W tam pzypadu: ϕ ( X) = λx poblem egesj polega a zalezeu tach by waacja esztowa R była ajmejsza λ, Dla zmeych ecetowaych: X X = X X 4 4

22 III3 Regesja lowa dla dwóch zmeych Jeśl mamy zbó watośc pomaowych ( X, Y) chcemy móc wyzaczać Y w zależośc od X z doładoścą do błędu R, to załadamy, że: Y = ax + b+ R mmalzujemy: R [ Y b ax ] = Możemy pzesuąć zależość (scetować) szuać tylo paametu a : [ Y ax] = Y ayx + a X Różczujemy po a (poszuwae estemum): a [ Y ax] = YX + ax pzyówujemy do : YX + ax = YX a= X Zauważmy, że podstawee taego a ozacza: co moża pzeształcć astępująco: R YX = Y XY + X X YX R = Y X, ( YX) ( YX) ( YX) X = Y = Y = Y ( ) X X Y 3 - współczy oelacj lowej, jest maą mocy zwązu lowego ( = ozacza zwąze detemstyczy) Możemy go taże zdeować jao: R = (współczy oelacj welootej) Y Geometycze moża postzegać go jao cosus mędzy ( X, Y) ozumaym jao wetoy X, Powyższa ówość jest, ścśle zecz boąc, pobablstycza, jeda w patyce jest to tożsamość Jeśl pzedstawmy sytuację gacze, w uładze zmeych ( X, Y) aosząc puty obazujące pawdopodobeństwa, gęstość egesja lowa ozaczać będze wybó postej ajlepej aposymującej chmuę putów Uważajmy, by e mylć egesj z ozładem wauowym! O postej e decyduje ozład putów leżących a ej, ale ozład wszystch putów! Zauważmy, że optymala zależość ozacza: XR =, co jest zozumałe, gdy wząć pod uwagę, że put postej, położoy ajblżej putu spoza ej, leży a pzecęcu postej postej do ej postopadłej, pzechodzącej pzez put z zewątz Podobe waacja esztowa ma być otogoala do zmeej 43 44

23 III33 Regesja dla zmeej welowymaowej W pzypadu zmeej welowymaowej: [ X, X,, ], moża wyóżć X zapsać: X = λ X + R = Dobeamy odpowede λ otzymujemy: R X ( ) = W wypadu optymalym R jest esoelowae z dowolym (weto łączący put X z ajblższym mu putem a powezch jest X X zmeych a ch ombacje) W uładze zmeych otogoalych [ Z,, Z ] możemy zapsać: X = X Z Z + R = Czasam wato jest zomalzować watośc ucj pzez watość waacj Powstaje wtedy odpowed wesoa: z ma waację ówą X X z = Zmea ( X X) Czasem pzepowadzamy opeację zmay zmeych p zmaę sal a logaytmczą, tóa upaszcza zagadee (p oazuje sę, że w jaejś sal moża pzepowadzć aposymację lową) postopadły do powezch): X λ X X =, =,,, = Stąd moża zaleźć λ : X Xλ = X X, λ - elemet macezy owaacyjej, X X - owaacja (oelacja pzy bau uomowaa do ) R Rozwązując powyższy uład ówań otzymujemy powezchę ajlepej aposymującą zbó Jest o szczególe posty pzy bau oelacj zmeych jest day wzoem: X X λ = X X - wtedy macez oelacyja jest dagoala λ Ne zawsze dostajemy zmee losowe esoelowae Zdaza sę jeda, że moża wato pzepowadzć ch otogoalzację 3 (zamaę 3 Otogoalzacja Hlbeta Schmdta: Bezemy weto v Bezemy weto v Szuamy ombacj v v, otogoalej do v 3 Bezemy weto v 3 etc 45 46

24 IV Elemety teo pocesów stochastyczych IV Poces stochastyczy decje tepetacje Poces stochastyczy (losowy) (ucja stochastycza od jedej zmeej) może być deoway óże Natuala tepetacja: Poces stochastyczy to odza ucj zależych od zmeej (często czasu -t) paametu losowego (C): ϕ ( t,c) Jeśl chodz o t, będą as teesowały dwa pzypad: - ucja oeśloa a pzedzale: a t b, - ucja oeśloa a całej os C ależy ozumeć jao zmeą losową o pewej oeśloej dystybuace Każda ealzacja (ucja z odzy ϕ ( t,c) ) odpowada oetej watośc C Pzyład: Pzebeg zma tempeatuy w styczu ad jamś putem w cągu 3 lat Mamy 3 pzebegów ażdy z ch może być uważay za jedą z ealzacj Ne musmy meć wyażea aaltyczego oeślającego ϕ ( t,c) ; zajomość wszystch pzebegów wystacza Możemy ją tatować jao omplet daych lub póbę Duga decja polega a uogóleu pojęca wetoa losowego (cągu watośc o wspólym ozładze pawdopodobeństwa) Mówmy, że poces stochastyczy ϕ ( t,c) to ta, że dla dowolego, dowole lczego cągu putów t [ t,,t ], dla dowolego wetoa [ ϕ ( t ),, ϕ( t )] zamy ozład pawdopodobeństwa ( szeeg czasowy ) Poces losowy e jest zmeą losową zależą od czasu! Weźmy dwa pzebeg ozpatzmy poces losowy pzez e lustoway Nech ażdy pzebeg zachodz z pewym pawdopodobeństwem Może steć óweż zmea losowa, pzyjmująca watośc poazywae pzez pzebeg Możemy jeda ozpatywać óweż poces losowy opsyway astępującym dwoma pzebegam: Odpowadająca mu zmea losowa jest detycza ja w popzedm wypadu Poces losowy twozy zmeą losową zależą od czasu e odwote! Poces losowy cągły to uogólee a wetoy o współzędych twozących cotuum W patyce zawsze mamy sończoy cąg daych a węc weto losowy dysety Pocesy losowe są a ogół egulae możemy wyoywać a ch opeacje óżczowaa etc Poces geeuje odzę ucjoałów W szczególośc możemy b a ozpatywać cał: ( t,c) ϕ dt IV Chaateysty ozładów pawdopodobeństwa dla pocesów losowych 47 48

25 IV Uśedae Poeważ poces zależy od paametu losowego C (o zaym ozładze), możemy wpowadzć uśedae ϕ ( t) - śeda po ealzacjach (p śed pzebeg tempeatuy w styczu), oczywśce e jest już ucją losową W patyce możemy meć poblem z ustaleem ozładu pawdopodobeństwa (p w pzypadu 3 mesęczych pzebegów tudo jest ażdemu pzypsać jaeś pawdopodobeństwo) Moża atomast wząć śedą aytmetyczą Zamast węc posługwać sę pełym ozładem, zwacamy sę u paametom, tóe łatwej uzysać (p mometom) Wpowadźmy ułatwee ech poces będze cetoway: ( t) ϕ( t) ψ( t), ( t) = ϕ = ψ Poza śedą moża ozpatywać momet dug waację IV Fucja oelacyja Podobe ja dla welowymaowej zmeej losowej, dla pocesu losowego ozpatujemy momety wążące watośc pocesu w óżych putach czasowych W szczególośc teesujący jest momet dugego zędu a węc ucja (auto)oelacyja: α α ϕ ( t ) ϕ( t ) = K( t ), (ogóle: ( t ) ϕ ( t ) = K( t,, ),t ϕ t ) tóa epezetuje owaację mędzy ϕ ( t ) ϕ ( t ), jest symetycza ze względu a t t oaz dodato oeśloa jao jądo opeatoa całowego Fucja oelacyja zomalzowaa ma postać: ( t, t ) ϕ( t) ϕ( t) ( t ) ϕ( t ) R = = ϕ K K( t, t) ( t, t ) K( t, t ) Fucja oelacyja obazuje zwąze pomędzy dwoma olejym putam Jeśl współczy oelacj wyos, to zwąze jest lowy Jeśl, stosując odpowede podstawee lowe, zamemy uład współzędych a otogoaly, macez oelacyja będze dagoala Zaweać będze tylo welośc dodate (waacja), węc będze dodato oeśloa Dodato oeśloa będze taże opsywaa pzez ą oma wadatowa ( K( t, t) ψ ( t) ψ( t) dtdt ) b b a a Ta węc macez oelacyja jest dodato oeśloa jao jądo opeatoa całowego: ( t t ) ( t ) b a K, ψ dt Fucje oelacyje są chaateystyam często używaym w patyce Pojawa sę poblem aposymacj pomaów pzy pomocy jachś postych ucj Tzeba pamętać, by ucja aposymująca była dodato oeśloa 49 5

26 IV3 Fucje stutuale Iym chaateystyam opatym o momety dugego zędu są ucje stutuale Ich postać ogóla to: ( t t ) [ ϕ ( t ) ( t )] S, ϕ = Najpostsza ucja stutuala to: [ ϕ( t ) ϕ( )] - waacja óżcy t ucj w óżych chwlach Fucja stutuala dugego zędu daje sę wyazć pzez ucje oelacyje Nosą tyle samo omacj, węc odzaj chaateysty moża wybać 5 IV3 Repezetacja pocesu losowego w postac szeegu IV3 Rozwęce pocesu w szeeg Możemy w opse pocesu losowego posługwać sę bazą w pzestze ucj oeśloych a odcu w jamś sese aposymować ucje oaz szuać pzedstawea pocesu w postac szeegu ucj bazowych: ϕ ( t) λe ( ) 5 = = t λ - zmee losowe, e ( t) - zwyłe ucje od czasu Teoetycze możlwe jest taże postępowae odwote pzyjęce λ jao lczb oaz e ( t) jao pocesów stochastyczych, my sę tym jeda e będzemy zajmować Szuać ajlepszego ozwęca moża, stosując ozmate ytea Moża a pzyład dooać astępującego podzału: ϕ ( t) = λ e( t) + Rt ( ) = λ e( t) - sończoy szeeg, = R( t) - eszta, szuać taego ozładu, aby śeda waacj dla wszystch czasów b była mmala: ( t R ) dt = R ( t) a b m dt Pzypade, w tóym współczy ( λλ λ δ = ) jest szczególy Moża wtedy apsać: ( t) = λe( t) λ λ ϕ( t) = λ λe( t) ϕ // = w te sposób moża dostać λ a = λ są paam esoelowae ( t) = λe( t) λ λ e( t) λ ϕ = Zwyle jeda dostajemy ozład w jaejś baze do ej dobeać musmy współczy =

27 IV3 Rozwęce aocze Aby λ były paam esoelowae tzeba odpowedo dobać ucje bazy Odpoweda baza e zapewa jeda od azu bau oelacj Czy moża dla wybaego pocesu z góy wybać dobą bazę? Taą ozystą sytuację ba oelacj paowej współczyów otogoalość ucj bazowych melbyśmy w pzypadu ozwęca aoczego Załóżmy, że ucje bazowe są otogoale: = e( t) e( t) b δ dt a Weźmy waację pocesu uśedoą po pzedzale: b ( t t) dt = ϕ ( t ) b K, dt = λ a a ϕ ( t) - śeda po ealzacjach, b a ϕ ( t) dt - śeda po czase Śeda waacja jest, ja wdać, sumą waacj sładowych atualego ozładu (aoczego) Zwyle umeujemy λ ta, aby λ > > λ λ Fucja autooelacyja: K( t, t ) = λ e( t ) e( t ) = λ e( t) e( t) λ Tego odzaju ozwęce uzysuje sę z ucj własych opeatoa całowego z jądem K (to jest właśe zespół empyczych, atualych ucj bazowych dla ozwęca aoczego): λ e b ( t) = K( t, t' ) e( t' ) dt' a λ - watość własa opeatoa całowego (szczegóły w Uzupełeach dygesjach) Powyższa pocedua to uogólee spowadzea macezy oelacyjej a ose włase Moża poazać, że gdy cąg jest esończoy, dyspesje λ 4 IV33 Posługwae sę ozwęcem Obcęty szeeg jest pewym pzyblżeem pocesu a opsuje go sończoy cąg współczyów Podając je pzy zaych ucjach bazowych łatwo oeślć ealzację Na ogół ucje bazowe mają chaate oscylacyjy, węc mogą chaateyzować sładowe o óżych salach Waacja eszty (obcętych wyazów) opsuje błąd Często -3 pewsze wyazy załatwają 8% waacj całowtej W patyce zamast pocesu cągłego mamy weto losowy a ucje bazowe tzeba zaleźć, ozwązują zagadee włase dla opeatoa całowego 4 Zbeżość stochastycza: X P( X X ) X Zachodz wszędze poza zboam meze pobablstyczej ówej 53 54

28 Pzyład: Pzebeg zma tempeatuy w styczu ad jamś putem w cągu 3 lat T - tempeatua -tego da w -tym ou Uśedae po latach to sumowae po Fucja oelacyja jest tu symetycza wygląda astępująco: T T = K Zagadee włase: Kpe = λp ep, =,, N (N- lczba pomaów w mesącu) IV4 Szumy Wśód pocesów losowych szczególą ole gają pocesy zwae szumam Szum to poces, w tóym ucja oelacyja ma postać: K ( t, t' ) At ( ) ( t t' ) = δ Waacja szumu jest patycze esończoa, bo δ ( ) jest weloścą eoeśloą Ogóle możemy oeślć szum jao poces, w tóym dowole blse puty e wyazują oelacj p p IV5 Pocesy stacjoae jedoode IV5 Poces stacjoay O pocese mówmy, że jest stacjoay, jeśl jego własośc stochastycze są ezmecze ze względu a pzesuęce wzdłuż os czasowej: ( t ) =ϕ( t+ a) ϕ W teo żąda sę ezmeczośc wszystch cech W patyce żąda sę jej dla cech atuale badaych (p wybaych mometów) W szczególośc: ϕ ( t ) = cost Róweż waacja ja wszyste ucje jedoputowe są stałe Taże ucja oelacyja (symetycza ze względu a zamaę putów) e zależy od pzesuęca: K ( t, t' ) = ( t) ϕ( t) = ϕ( ) ϕ( t t' ) = K( t t' ) ϕ W szczególośc stacjoay szum (o atężeu ezależym od czasu), zway szumem bałym, ma ucję oelacyją: K( t, t' ) A ( t t' ) = δ Poces jedoody ma te same cechy co stacjoay, tylo że zależy od zmeej pzestzeej zamast czasowej Własość jedoodośc tudo jest spawdzć dołade Badamy węc jedoodość chaateysty Oczeujemy, że poces jest stacjoay dla pzyajmej lu pewszych mometów 55 56

29 IV5 Pocesy egodycze W pzypadu pocesów stacjoaych zado możemy sostuować odzę ealzacj Najczęścej mamy z m do czyea, gdy mamy tylo jedą ealzację (p długą seę pomaów welośc) Posługujemy sę wtedy pojęcem pocesu egodyczego, w tóym uśedae po ealzacjach moża zastąpć uśedaem po czase: T t+ g ( t) = lm g( t' ) dt' T T T t Zależość od czasu jest pozoa, gdyż w pocese stacjoaym chaateysty statystycze e zależą od czasu Ideę egodyczośc zlustować moża astępująco: IV53 Rozwęce oueowse jao atuale ozwęce pocesu stacjoaego Chcelbyśmy zaleźć dla pocesów stacjoaych ozwęce podobe do ozwęca aoczego dla pocesu a sończoym odcu Tym azem oś czasu jest esończoa, węc zamast ozwęca w postac szeegu dostaemy ozwęce a cotuum ucj: ( t) A( λ) e( λ t) =, dλ A ( λ) - odza pocesów losowych zależych od λ Żądać będzemy, aby A ( λ) były szumam paametu λ (były esoelowae), oaz by ucje bazowe były otogoale: e ( λ, t) e( λ', t) dt = δ( λ λ' ) Pzebeg ucj w olejych oesach są zblżoe, e zależą od zdazeń w sąsedch oesach Możemy węc wydzelć z cągu obsewacj oleje oesy jao oleje ealzacje Ne będzemy dowodzć twedzea egodyczego, ale podamy pzemawające za jego pawdzwoścą pzesła: Fucja oelacyja: { ' K t t = K ( τ ), τ τ co poazuje sę dla śedej (watość śeda pocesu wyos T t+ T z założea): ( t' ) dt' T T t Czyl: co ajmej dla watośc śedej mamy egodyczość Dla wyższych mometów żądamy powyższego dla dalszych ucj oelacyjych W patyce jeśl z oblczeń wya, że dla lu pzypadów K ( τ) jest spełoe, pzyjmuje sę, że poces jest egodyczy τ 57 Spełee powyższych wauów wymaga posługwaa sę dystybucjam a e zwyłym ucjam Oazuje sę, że w pzypadu pocesu stacjoaego ozwęcem atualym jest ozwęce oueowse Możemy węc pzyjąć: ( t) A( ) 58 = λ λ t e dλ, dzę czemu wemy z góy, że użyte tu ucje bazowe otogoale: δ ( λ) e λt t e λ są = dt ( jest tasomatą Fouea dla δ Daca a δ - π tasomatą )

30 Poażemy teaz, że tasomata Fouea zeczywśce speła waue bau oelacj pomędzy współczyam Aλ ( ) 5 : A A π π ( λ) = ( t) ( λ' ) = ( t' ) A ~ 4π e e λt dt λ' t' dt' A ~ ~ λt λ' t' 6 e e dtdt' 4π λ ' τ ( λ λ ') t K( τ) e e [ τ= t' t] ( λ) A( λ' ) = ( t) ( t' ) λτ ' ( λ λ' ) t e dτ π π e dt F( K( τ) ) δ( λ λ ') λτ ' ( λ λ ') t ( λ) A( λ' ) = ( τ) τ ( τ) K e e d dt = K I ta właśe otzymalśmy to, czego chcelśmy doweść ba ~ oelacj współczyów: A ( λ) A( λ' ) =S( λ) δ( λ λ' ) To ozacza, że dla pocesów stacjoaych tasomata jest epezetacją aoczą 5 Mamy tu do czyea ze zmeym zespoloym patz: Uzupełea dygesje 6 λt λ' t' ( λ' t' λt) ( λ' t ' λ' t+ λ ' t λt) λ' ( t' t) ( λ ' λ) t λτ ' ( λ ' λ)t e e = e = e = e e = e e 59 IV54 Aalza oueowsa pocesu stacjoaego Ustallśmy już, że dla pocesów stacjoaych atualą epezetacją jest tasomata Fouea: ( t) A( ) 6 = λ λ t e dλ Fucję oelacyją moża węc pzedstawć jao: K( τ) A ( λ) ( τ =t t' ) W szczególośc: K( ) ( t) = A ( ) = λdλ, = e λτ dλ czyl opsywaa tym wyażeem śeda watość waacj dla całej os czasowej jest sumą otualą waacj atężeń szumu twozących ozwęce współczyów Zauważmy, że aalogczy wy otzymalśmy wcześej dla pocesów a odcu (tam melśmy zwyczają sumę) A ( λ) azywamy wdmem mocy pocesu losowego (lczymy je, gdy mamy jaś pzebeg czasowy, po tóym sądzmy, że aalzoway pzez as poces jest stacjoay) Oczywśce tu e zależy oo od czasu Poazuje wład ompoetów oueowsch do waacj pocesu Pozwala to spojzeć a poces z ego putu wdzea Na pzyład umożlwa czasem wyodębee stałego elemetu, a tóy aładają sę lutuacje (w meteoolog mamy p beg dobowe, ocze, jedeastolete, a tóe aładają sę e pocesy) Jeśl oes ompoety jest bls czasow pomau, to pawdopodobe jest o twoem matematyczym O le e zamy zyczych pzyczy obecośc taego słada, to e możemy uważać go za waygody Badzo długoalowe ompoety są tudoodóżale od tedu lowego zwyle staamy sę usuąć je pzed aalzą daych Wdmo mocy jest zacze badzej czytele ż wdmo samego λt pocesu; A( λ ) e, tóe właścwe e ese teesujących omacj

31 Jeśl badamy poces a dostatecze długch odcach czasowych, mamy do dyspozycj dużą gupę putów twozących pay t, t W tej gupe możemy polczyć śedą watość loczyu ( t) ( t' ) = K( t, t' ) spawdzć, czy pzy bau óżych gup dostaemy podobą postać ucj oelacyjej czy dostatecze szybo dąży oa do zea Jeśl mamy wystaczająco dług czas pomaów (NT), to możemy podzelć go a cąg odców o tej samej długośc (T), wcąż zacze węszych ż zasęg ucj autooelacyjej Jeśl polczymy wdmo oueowse taego pzebegu: A b a b N t + T λt e NT NT a = π t ( λ ) = λτ ( t) e dt = ( t) ( t) π λτ e dt - pzyblża stutuę pzebegu, teoetycze a całej os, N t + T λt NT π = t ( t) e dt - śeda suma całe po odcach W tam wypadu Nasze N odców tatujemy jao oleje ealzacje pocesu możemy stosować omalą poceduę lczea wdma (dla ażdego odca osobo lczymy tasomatę a potem uśedamy) Jest to pocedua stosowaa w patyce Oczywśce w zeczywstośc e mamy gdy daych z całej os czasowej, węc lczymy cał a sończoych odcach W pzypadu pocesów jedoodych czy stacjoaych dołada loalzacja czasowa pzestzea pocesu e ma zaczea dt IV6 Pocesy estacjoae Własośc pocesów stacjoaych umożlwają pogozowae ch własośc statystyczych Zbadawszy jedą ealzację, możemy meć adzeję, że pzy bau adyalych zma, oleja będze pzebegać podobe Często jeda zdaza sę, że pzebeg e jest stacjoay; a pzyład watośc oscylują woół jaegoś pzebegu osącego (p pzebeg oczy, a tóy aładają sę pzebeg dobowe pzypadowe) Z taego pzebegu możemy staać sę elmować ompoetę detemstyczą Może sę oazać, że pozostała eszta będze mała cechy stacjoaośc Jeśl ted jest lowy, możemy dotować do ego jaąś zależość, posługując sę metodą ajmejszych wadatów Częstość Nyqvsta to masymala częstość mogąca pojawć sę w wdme odpowada oa alom o częstośc ówej połowe częstośc póbowaa (węszej częstośc po postu e moża zaobsewować) Jeśl chcemy badać sygał, w tóym pojawają sę wyższe sładowe, powśmy zastosować obcający je lt aczej aalza e będze waygoda 6 6

32 IV7 Pola losowe IV7 Pola losowe Dotychczas mówlśmy o zmeych jedowymaowych pocesy zależały od jedej zmeej (czasu) Jeda wszyste asze ozważaa pzeoszą sę a pocesy o węszej lczbe zmeych (wystaczy zameć cał a cał weloote a óżcz zupełe a cząstowe) Mówmy wówczas o polach losowych Z polam losowym mamy do czyea a pzyład w pzypadu poblemów lmatologczych (są to zagadea a pzedzałach sończoych, oleje ealzacje pola odpowadają olejym temom pomaowym) Czasem moża pzyjąć, że właścwośc statystycze dla mometów dwuputowych zależą od odległośc mędzy putam a e ch pzesuęca Pole jest wtedy zotopowe moża całować po objętośc, zamast po olejych współzędych W welowymaowej pzestze (wetoowej) watośc agumetów mogą wchodzć w gę podoelacje oelacje mędzy óżym ompoetam wetoa Ta samo moża wpowadzć ocepcję otogoalośc (złożyć ją z otogoalośc atezjańsej ucyjej) Zmea sę epezetacje, ale wszyste twedzea pozostają te same co w pzestze Hlbeta W aalze pół losowych dużą olę odgywają empycze ucje otogoale IV7 Pola tubulecyje Tudym zagadeem jest aalza pola tubulecyjego, zwłaszcza gdy pzepływ główy jest estacjoay Zagadeem tym zajmował sę Kołmogoow Pzepowadzł o aalzę wymaową dla tubulecj stacjoaej (zotopowej, jedoodej) Jej wdmo zależy od lczby alowej welośc dyssypacj (stume eeg pompowaej odbeaej pzez dyssypację lepą, czyl w sóce od współczya lepośc) Załadając że tubulecje mają stutuę samopodobą (ezależą od sal), moża wyozystać aalzę oueowsą do wyażea eeg pzez lepość dyssypację Jao że dyssypacja zachodz w małej sal, moża wyóżć tzy pzedzały wdma eeg: - eeg pompowaej, - eeg dyssypowaej, - eeg pzeazywaej (pzedzał ecyjy) Zależość wymaowa e powa zaweać lepośc Z aalzy 5 3 wya: A ( λ ) = E( ) ~, jest to ta zwae wdmo 5/

33 V Aalza alowa atala V Aalza alowa ( wavelet ) V Zjawsa aalzowae metodą alową Metodę alową stosujemy w odeseu do zespołów zjaws podobych co do wyglądu dyam ale o óżych ozmaach, mejscach lub czasach stea Pzyład: Komó owecyje w atmoseze otwate zamęte Załóżmy, że mamy poces postac: V Fal Fal (wavelets) to odza ucj jedowymaowych (uogóleem ch jest posta), całowalych z wadatem Jeśl chcemy aalzować poces zachodzący w czase, deujemy zmeą: t a = b t a ψ a, b t = ψ ξ = ψ b ξ (a, b paamety), a ucja alowa to: ( ) ( ) W zależośc od a ucja alowa pzesuwa sę a os a w zależośc od b ozcąga, zachowując ształt Fucje powy być uomowae do, węc czasem deuje sę je jao: t a b ( t) = ψ( ξ) = b ψ ψa, b Iomacje a jego temat póbujemy uzysać, stosując lty (w szczególośc ajpostszy begącą śedą) Geeale lty mają postać: ( t) K( t τ) ϕτ ( ) ˆ ϕ = dτ Jeśl w pzebegu uyta jest stutua o ształce podobym do ształtu ltu, to sygał odltoway będze mał dużą watość Odpowedo dobeając lt do poszuwaego słada możemy dołade go wyłapać co do watośc loalzacj Właśe do tego odzaju aalzy stosuje sę al Jeśl zastosujemy te sam lt, zmeając a b, zloalzujemy stutuy o podobym ształce zajdujące sę óżych mejscach Współczy ozwęca pocesu dla poszczególych sładowych mają postać: A a, b = ψ a, b pzedzaly zmeosc ( t) ( t) dadb A a, b są węsze w tych loalzacjach a czasem b, w tóych stutuy są obece Fucje ψ ( ξ) mogą meć óże odzaje Na ogół stawa sę waue, by ta ucja mata mała śedą ówą : za za ( ξ) dξ = ψ, ( ξ) ξ = ψ d 65 66

34 V3 Pzyłady ale Fal Haa Fal Haa to ajstasza stutua alowa Jest oa dobze dopasowaa do stutu postoątych (zjaws zachodzących tylo w ścśle oeśloych obszaach) Taą stutuę ma a pzyład poma tempeatuy w chmuze (wewątz tempeatua jest jedooda a a ońcach chmuy zachodzą gwałtowe zmay) Fal Moleta Fal Moleta to ucje o postac susod modulowaych ucjam Gaussa: ψ ξ ξ ( ξ) ~ e e Fal gaussopochode Populae są óweż al geeowae pzez pochode ucj Gaussa p II pochoda, zwaa mexca hat : V4 Kostucja ale ówoległych W patyce zawsze mamy ułady dysete, ozpatuje sę węc al dla dysetych cągów a b j : ( ) t a =, b t bj ψ bj ψ a Paamety moża dobać ta, żeby oleje al ψ ( t) sę mjały Pzyład: Fucje o loczye (oscylacje apzemee o tej samej ampltudze) Dysety cąg ale ostuuje sę astępująco: t a~ t a~ ~ ψ = ψ ~, b b b epezetuje salę a a loalzację al - Pzyład: ala Haa Kostucja cągu otogoalego ale polega a pzesuwau al zeowej o w maę ja pzyjmuje oleje watośc atuale Fal są otogoale, jao że óżą sę od zea a óżych odcach Wdmo alowe ma postać ese pasów o ampltudach odpowadających salom ompoet loalzacjach odpowadających loalzacjom Jao wdmo ozumemy tu stutuę salową, wład óżych sal do sygału a,b 67 68

35 V Aalza atala V Zjawsa aalzowae metodą atalą Aalza atala pozwala a badae stutu samopodobych, aładających sę a sebe Pzyład: Chmuy owecyje sładające sę z mejszych chmue Pomysł atal wzął sę z aalzy dzwych bytów matematyczych (pewotym poblemem było mezee długośc gacy mosej dowolego aju jest oa óża w zależośc od sal) Pzyład: Kzywa??? jest óweż stutuą samopodobą Odce dzelmy a tzy jedaowe częśc sładamy z ch tójąt Podobe postępujemy z boam tójąta Podobe możemy postąpć dla powezch dwuwymaowej Otzymamy wtedy: ( ) ~ ln( ) N, lm = l 3 3 Dla stutuy tójwymaowej ( ) ~ ln( ) N, lm = 3 l Watośc ln lm l (wymaze podobeństwa) ( ) staową o wymaze w sese Hausdoa W pzypadu l atualej (p l bzegowej a mape), stałe popocjoalośc wążące N mogą sę zmeać waz ze salą Jeda w gacy zależość ma chaate potęgowy Byty, dla tóych wyma podobeństwa ma watość ułamową to atale Pzyład: Dywa Sepńsego Dywa Sepńsego powstaje astępująco: Ostatecze ostzymujemy zywą esończoej długośc V Wyma w sese Hausdoa, atale Wyobaźmy sobe zywą Ja polczyć jej długość? Twoam chaateystyczym dla pzestze (seam, postopadłoścaam) poywamy zbó Uwzględając poyce mmale, lczymy długość, z pomocą elemetów yjących Powtazamy opeację, posługując sę co az to mejszym elemetam Gacę cągu długośc uzajemy za długość zywej Zapszmy to schematycze: śedce se maleją:, lczba se możoa pzez ch śedce dąży do długośc zywej: ( ) L, a węc: ( ) ~ ln( ) N lm = l N Bezemy tójąt (o bou a wymaze ), dzelmy go a cztey tójąc wyzucamy śode Teaz ażdy tójąc ma bo = a, do poyca guy potzeba ch = 3 Podobe dzelmy ażdy eodzucoy tójąc I ta dalej Mamy tu do czyea z samopodobeństwem w tym sese, że powęszee -ote e zmea obazu Nestety e możemy powęszać o dowoly czy Za -tym podzałem a ln l3 ~, N ~ 3, a węc D = lm = [,] l l ( ) 69 7

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

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

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

Analiza spektralna stóp zwrotu z inwestycji w akcje Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa

Bardziej szczegółowo

Reprezentacja krzywych...

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

Bardziej szczegółowo

www.bdas.pl Rozdział 3 Zastosowanie języka SQL w statystyce opisowej 1 Wprowadzenie

www.bdas.pl Rozdział 3 Zastosowanie języka SQL w statystyce opisowej 1 Wprowadzenie Rozdzał moogaf: 'Bazy Daych: Nowe Techologe', Kozelsk S., Małysak B., Kaspowsk P., Mozek D. (ed.), WKŁ 007 Rozdzał 3 Zastosowae języka SQL w statystyce opsowej Steszczee. Relacyje bazy daych staową odpowede

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

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

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

Bajki kombinatoryczne

Bajki kombinatoryczne Artyuł powstał a podstawe odczytu pod tym samym tytułem, wygłoszoego podczas XXXVI Szoły Matematy Poglądowej Pomysł czy rachue? w Grzegorzewcach, styczeń 006. Baj ombatorycze Joaa JASZUŃSKA, Warszawa Ja

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

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

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

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

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

Podstawy matematyki finansowej i ubezpieczeniowej

Podstawy matematyki finansowej i ubezpieczeniowej Podstawy matematy fasowej ubezpeczeowej oreślea, wzory, przyłady, zadaa z rozwązaam KIELCE 2 SPIS TREŚCI WSTEP... 7 STOPA ZWROTU...... 9 2 RACHUNEK CZASU W MATEMATYCE FINANSOWEJ. 0 2. DOKŁADNA LICZBA DNI

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i ZAJĘCIA NR Dzsaj omówmy o etro, redudacj, średej długośc słowa odowego o algorytme Huffmaa zajdowaa odu otymalego (od ewym względam; aby dowedzeć sę jam doczeaj do ońca). etro JeŜel źródło moŝe adawać

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

24-01-0124-01-01 G:\AA_Wyklad 2000\FIN\DOC\Geom20.doc. Drgania i fale III rok Fizyki BC

24-01-0124-01-01 G:\AA_Wyklad 2000\FIN\DOC\Geom20.doc. Drgania i fale III rok Fizyki BC 4-0-04-0-0 G:\AA_Wyklad 000\FIN\DOC\Geom0.doc Dgaa ale III ok Fzyk BC OPTYKA GEOMETRYCZNA. W ośodku jedoodym śwatło ozcodz sę ostolowo.. Pzecające sę omee śwetle e zabuzają sę awzajem. 3. Pawo odbca śwatła.

Bardziej szczegółowo

INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY. Zakład Teletransmisji i Technik Optycznych (Z-14)

INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY. Zakład Teletransmisji i Technik Optycznych (Z-14) INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY Załad Teletrasmsj Tech Optyczych (Z-4) Aalza badaa efetów zachodzących w śwatłowodowym medum trasmsyjym degradujących jaość trasmsj w systemach DWDM o dużej

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

miąższość warstwy wodonośnej zadana głębokość wody w studni krzywa depresji podłoże nieprzepuszczalne

miąższość warstwy wodonośnej zadana głębokość wody w studni krzywa depresji podłoże nieprzepuszczalne 4 Pemyław Baa www.a.aow.pl\~pbaa Utaloy dopływ wody do tud upełej Według teo Duputa, woda do tud dotaje ę w poób adaly. Le ewpotecjale mają tałt ół, tóyc śedce mejają ę wa bloścą tud, a c śod leżą w jej

Bardziej szczegółowo

Energia potencjalna jest energią zgromadzoną w układzie. Energia potencjalna może być zmieniona w inną formę energii (na przykład energię kinetyczną)

Energia potencjalna jest energią zgromadzoną w układzie. Energia potencjalna może być zmieniona w inną formę energii (na przykład energię kinetyczną) 1 Enega potencjalna jest enegą zgomadzoną w układze. Enega potencjalna może być zmenona w nną omę eneg (na pzykład enegę knetyczną) może być wykozystana do wykonana pacy. Sumę eneg potencjalnej knetycznej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; } Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca

Bardziej szczegółowo

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem.

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem. . Hofma Wyłady z ermodyam techczej chemczej Wydzał Chemczy PW erue: echologa chemcza sem.3 215/216 WYKŁAD 3-4. D. Blase reatorów chemczych E. II zasada termodyam F. Kosewecje zasad termodyam D. BILANE

Bardziej szczegółowo

LINIA PRZESYŁOWA PRĄDU STAŁEGO

LINIA PRZESYŁOWA PRĄDU STAŁEGO oitechnia Białostoca Wydział Eetyczny Kateda Eetotechnii Teoetycznej i Metoogii nstucja do zajęć aboatoyjnych Tytuł ćwiczenia LNA RZEYŁOWA RĄD TAŁEGO Nume ćwiczenia E Auto: mg inŝ. Łuasz Zaniewsi Białysto

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

Fizyka, technologia oraz modelowanie wzrostu kryształów

Fizyka, technologia oraz modelowanie wzrostu kryształów Fzyka, techologa oaz modelowae wzostu kyształów Stasław Kukowsk Mchał Leszczyńsk Istytut Wysokch Cśeń PA 0-4 Waszawa, ul Sokołowska 9/37 tel: 88 80 44 e-mal: stach@upess.waw.pl, mke@upess.waw.pl Zbgew

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

Johann Wolfgang Goethe Def.

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

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

Bardziej szczegółowo

Elementy arytmetyki komputerowej

Elementy arytmetyki komputerowej Elemety arytmetyk komputerowej cz. I Elemety systemów lczbowych /materał pomocczy do wykładu Iformatyka sem II/ Sps treśc. Wprowadzee.... Wstępe uwag o systemach lczbowych... 3. Przegląd wybraych systemów

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i.

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i. c 27 Rafał Kucharsk Rety Wartość beżącą cągu kaptałów: {R t R 2 t 2 R t } gdze R jest kwotą omalą płacoą w chwl t = oblczamy jako sumę zdyskotowaych płatośc: przy czym = + R j tj j= jest czykem dyskotującym

Bardziej szczegółowo

Nieparametryczna ANOVA

Nieparametryczna ANOVA Nepaametyza NOV Jeżel z pewyh względów założee omaloś błędów w modelu NOV efetów stałyh est e do pzyęa, to moża zbudować ogóleszy model e ozystaąy z tyh ępuąyh założeń. ozważmy pewe epaametyzy odpowed

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

Wytrzymałość śruby wysokość nakrętki

Wytrzymałość śruby wysokość nakrętki Wyzymałość śuby wysoość aęi Wpowazeie zej Wie Działająca w śubie siła osiowa jes pzeoszoa pzez zeń i zwoje gwiu. owouje ozciągaie lub ścisaie zeia śuby, zgiaie i ściaie zwojów gwiu oaz wywołuje acisi a

Bardziej szczegółowo

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

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

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

Modele wartości pieniądza w czasie

Modele wartości pieniądza w czasie Joaa Ceślak, Paula Bawej Modele wartośc peądza w czase Podstawowe pojęca ozaczea Kaptał (ag. prcpal), kaptał początkowy, wartośd początkowa westycj - peądze jake zostały wpłacoe a początku westycj (a początku

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

Wykład 15 Elektrostatyka

Wykład 15 Elektrostatyka Wykład 5 Elektostatyka Obecne wadome są cztey fundamentalne oddzaływana: slne, elektomagnetyczne, słabe gawtacyjne. Slne słabe oddzaływana odgywają decydującą ole w budowe jąde atomowych cząstek elementanych.

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

Lista 6. Kamil Matuszewski X X X X X X X X X X X X

Lista 6. Kamil Matuszewski X X X X X X X X X X X X Lsta 6 Kaml Matuszewsk 9..205 2 3 4 5 6 7 9 0 2 3 4 5 6 7 X X X X X X X X X X X X Zadae Lewa stroa: W delegacj możemy meć od do osób. Wyberamy ( k) osób a k sposobów wyberamy przewodczącego. k =.. węc

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY

WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH Mara KLONOWSKA-MATYNIA Natala CENDROWSKA WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY Zarys treśc: Nejsze opracowae pośwęcoe zostało spółkom akcyjym, które

Bardziej szczegółowo

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY ZMIENNYCH LOSOWYCH ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

Novosibirsk, Russia, September 2002

Novosibirsk, Russia, September 2002 Noobk, ua, Septebe 00 W-5 (Jaoewc) 4 lajdów Dyaka były tywej Cało tywe jego uch uch potępowy cała tywego uch obotowy cała tywego wględe tałej o obotu. oet bewładośc Dyaka cała tywego uch łożoy cała tywego

Bardziej szczegółowo

EFEKTYWNA STOPA PROCENTOWA O RÓWNOWAŻNA STPOPA PROCENTOWA

EFEKTYWNA STOPA PROCENTOWA O RÓWNOWAŻNA STPOPA PROCENTOWA EFEKTYWNA STOPA PROCENTOWA O RÓWNOWAŻNA STPOPA PROCENTOWA Nekedy zachodz koneczność zany okesu kapt. z ównoczesny zachowane efektów opocentowane. Dzeje sę tak w nektóych zagadnenach ateatyk fnansowej np.

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

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )

Bardziej szczegółowo

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych Cetrala Izba Pomarów Telekomukacyjych (P-1) Komputerowe staowsko do wzorcowaa geeratorów podstawy czasu w częstoścomerzach cyrowych Praca r 1300045 Warszawa, grudzeń 005 Komputerowe staowsko do wzorcowaa

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Katedra Ietycj Faoych Zarządzaa yzykem Aalza Zarządzae Portfelem cz. Dr Katarzya Kuzak Co to jet portfel? Portfel grupa aktyó (trumetó faoych, aktyó rzeczoych), które zotały yelekcjooae, którym ależy zarządzać

Bardziej szczegółowo

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec

Bardziej szczegółowo

BRYŁA SZTYWNA. Zestaw foliogramów. Opracowała Lucja Duda II Liceum Ogólnokształcące w Pabianicach

BRYŁA SZTYWNA. Zestaw foliogramów. Opracowała Lucja Duda II Liceum Ogólnokształcące w Pabianicach BRYŁA SZTYWNA Zestaw fologamów Opacowała Lucja Duda II Lceum Ogólokształcące w Pabacach Pabace 003 Byłą sztywą azywamy cało, któe e defomuje sę pod wpływem sł zewętzych. Poszczególe częśc były sztywej

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

Wyższe momenty zmiennej losowej Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla

Bardziej szczegółowo