Podstawy przetwarzania sygnałów. Lesław Dereń, 239 C4

Wielkość: px
Rozpocząć pokaz od strony:

Download "Podstawy przetwarzania sygnałów. Lesław Dereń, 239 C4"

Transkrypt

1 Podsawy przewarzaia sygałów Lesław Dereń, 39 C4 Kosulacje: poiedziałek, godz. 9: : worek, godz. 3: 5: zo.ia.pwr.wroc.pl/~dere

2 Lieraura. R. Lyos, Wprowadzeie do cyfrowego przewarzaia sygałów, WKiŁ, Warszawa, ;. J. Szabai, Podsawy eorii sygałów, WKiŁ, Warszawa, 7; 3. A. V. Oppeheim, R. W. Schafer, Cyfrowe przewarzaie sygałów, WKiŁ, Warszawa, 979; 4. T. P. Zieliński, Cyfrowe przewarzaie sygałów. Od eorii do zasosowań, WKiŁ, Warszawa, 6; 5. D. Sraeby, Cyfrowe przewarzaie sygałów, Wydawicwo BTC, Warszawa 4; 6. S. W. Smih, Cyfrowe przewarzaie sygałów, Wydawicwo BTC, Warszawa 7; 7. A. Papoulis, Prawdopodobieńswo, zmiee losowe i procesy sochasycze, PWN, Warsawa 97;

3 Podsawowe pojęcia

4 Sygał Działaie (zamierzoe lub ie) przekazujące określoą iformację syrea alarmowa kierukowskaz w samochodzie elefo od zajomego SOS pomiar emperaury w pomieszczeiu odgłos grzmou Sygał rozprasza iepewość co do jakiegoś zdarzeia jego pojawieie się jes zdarzeiem losowym

5 Bardziej złożoe sygały: apięcie z mikrofou lumiacja różych puków obrazu przebiegi z urządzeń radarowych przebiegi odbierae przez aeę odbiorika (radio, TV) szum kosmiczy wsrząsy skorupy ziemskiej (rejesrowae przez sejsmografy) Wszyskie sygały fizycze (geerowae szuczie czy będące wyikiem zjawisk auralych) są pewymi fukcjami czasu. Mogą eż być fukcjami iych zmieych, p. kieruku, skąd przychodzą.

6 Przebieg apięcia z mikrofou u( ) ( ) u u( ) Zarówo u jak i zmieiają się w sposób ciągły sygał ciągły z czasem ciągłym

7 Pomiar emperaury w pomieszczeiu Godzia 9: : : : 3: 4: 5: 6: 7: 8: Temperaura 8, 9,5, 9, 8,5 8, 7, 6,5 7,5 8,5 T ( ) f [ ] Θ = f T = = godz. = 9,,,, 3, 4, 5, 6, 7, 8 Temperaura Θ jes mierzoa z dokładością,5 warości są skwaowae, czyli są liczbami zapisaymi z określoą dokładością Sygał cyfrowy jedowymiarowy (D)

8 φ φ φ 3 φ 4 Odbieray sygał jes fukcją dwóch zmieych: czasu i kąa f (, φ) Sygał aki będziemy azywać dwuwymiarowym (D)

9 L P L ( ) ( ) Sygał D f (, φ) zosał rozłożoy a dwie składowe D: f i f P

10 8 56 = = = 75 7 = 7 Lumiacja: λ= f [ m, ] m, liczby całkowie dyskrey sygał D

11 Jeżeli warości λ zapiszemy w posaci ablicy liczb o skończoej długości o warości e będą skwaowae. Wówczas jes o sygał cyfrowy D. Kwaowaie powoduje ieodwracalą uraę części iformacji Kwaowaie biowe ( poziomy) Kwaowaie biowe (4 poziomy) Kwaowaie 3 biowe (8 poziomów) Kwaowaie 4 biowe (6 poziomów)

12 m Odbieraa jes iformacja o lumiacji rzech podsawowych kolorów: RGB Obraz jes próbkoway w czasie z częsoliwością f s = 5 Hz lub 5 Hz, a więc próbki są pobierae w dyskreych chwilach = kt, gdzie T = / f s Odbieramy 3 iformacje o lumiacji: [,, ], [,, ], [,, ] λ = f m k λ = f m k λ = f m k R R G G B B Jeżeli poziomy lumiacji są skwaowae są o sygały cyfrowe 3D (rójwymiarowe)

13 Klasyfikacja sygałów Sygały Deermiisycze Sochasycze Z czasem ciągłym (aalogowe) Z czasem dyskreym Z czasem ciągłym Z czasem dyskreym Okresowe Nieokresowe Cyfrowe Cyfrowe Impulsowe

14 Przebiegi deermiisycze ( sygały deermiisycze) ( ) [.8 ] y( ) ( ) = si( ) X ω m < < [ ] y [ ] = si( ) X ω T m =,,,,, 3, s ( ) = e y < < [ ] = T e y T =,,, 3, 4, Przebiegi są opisae pewą zależością maemayczą warość ej fukcji dla dowolej warości argumeu jes zaa, czyli ie dosarcza żadej iformacji

15 Będziemy rozparywać sygały jako modele maemaycze różorakich sygałów, auralych bądź szuczie wyworzoych, wysępujących w przyrodzie. Ograiczymy się do sygałów D Nauralą zmieą iezależą będzie czas (ciągły lub dyskrey) Ozaczeia: ( ) ( ) f [ ] [ ] f sygały z czasem ciągłym (aalogowe) sygały z czasem dyskreym [ ] = ( ) ciąg dyskreych warości a osi czasu Najczęściej [ ] ( ) = T = T

16 N zbiór liczb auralych Ozaczeia Z zbiór liczb całkowiych (iem. Zahle liczby) Q zbiór liczb wymierych (ag. Quoie iloraz) R zbiór liczb rzeczywisych + R zbiór liczb rzeczywisych dodaich C zbiór liczb zespoloych zbiór pusy X, Y, A dowole zbiory X jes elemeem zbioru X (ależy do zbioru X) a A a ie ależy do zbioru A (ie jes elemeem ego zbioru) { a, b, c} Y = Y jes zbiorem składającym się z rzech elemeów: a, b, c.

17 A B część wspóla (iersekcja) zbiorów A i B A B A i B A B suma zbiorów A i B A B A lub B A \ B różica zbiorów A i B A \ B A i B X A ikluzja zbiorów, czyli p X p A X A ikluzja właściwa zbiorów, czyli p X p A ale X A Przykłady N { } R \{ } zbiór złożoy z liczb auralych i liczby zero zbiór złożoy z liczb rzeczywisych różych od zera N Z Q R R + Z =N

18 A B iloczy karezjański zbiorów A i B jes o zbiór, kórego elemeami są uporządkowae pary ( ) a, b akie, że a A i b B A A zbiór par o posaci ( a, a ), gdzie a, a A A = A A A A k l k l ( ) ( ) Uwaga! jeżeli k l o a, a a, a!!! razy k l l k czyli zbiór wszyskich -elemeowych ciągów { a }, k =,,, a A R R? k k

19 Sygały deermiisycze Sygały z czasem ciągłym (aalogowe) Są o fukcje ciągłej zmieej. Ozaczeia: ( ), y( ), f ( ), id. ( ) Sygał przyczyowy: ( ) gdy < zwykle = y( ).4 R, : ( ) R R R ( ) y e, =, <

20 Sygały okresowe ( ) = ( kt ), k = ±, ±, ± 3 ( ) ( ) X m T ( ) = m si X ω Sygały akie ie są fizyczie realizowale są idealizacją przebiegów fizyczych Wszyskie fizyczie realizowale przebiegi muszą być przyczyowe!!! T = π ω

21 Sygały impulsowe (udarowe) Są o sygały o skończoym czasie rwaia, czyli isieją i, akie, że ( ) dla < i > ( ) ( ) ( ) π cos = <, > =, =

22 Sygały zespoloe ( ) ( ) { } ( ) { } ( ) ( ) ( ) r + i = Re + jim = j j = R, : ( ) R C C Przykład j ( ) = X e = X cosω + j X siω ω m m m r( ) i( )

23 Warość średia Podsawowe paramery sygałów aalogowych. Sygał przyczyowy ( ) m = lim ( ) d τ τ m = lim ( ) d τ τ τ τ τ ( dla < ). Sygał impulsowy, róży od zera w przedziale (, ) m = ( ) d 3. Sygał okresowy o okresie T Warość średią sygału azywa się składową sałą Ie ozaczeia: X,, + T m = ( ) d T dowole

24 Eergia sygału E = ( ) d Jeżeli całka jes zbieża, czyli E < sygał o skończoej eergii. Sygał przyczyowy ( ) ( ) E d = ( dla < ). Sygał impulsowy, róży od zera w przedziale (, ) = ( ) d E 3. Sygały okresowe są sygałami o ieskończoej eergii

25 Moc sygału P lim ( ) = d τ τ τ τ Jeżeli P sygał o skończoej mocy < Sygał okresowy o okresie T + T P azywa się P = ( ) d T warością skueczą przebiegu okresowego Moc sygału o skończoej eergii jes rówa. (!!!) Jeżeli sygał jes obserwoway w przedziale (, ) moża zdefiiować P (, ) = ( ) d Średia moc w przedziale (, )

26 azywa się składową zmieą sygału ( ) Sygał ( ) = ( ) m Moc składowej zmieej v = lim ( ) m d τ τ azywa się wariacją sygału ( ) τ τ σ v = azywa się odchyleiem sadardowym Sygał okresowy + T v = ( ) m d T σ v = warość skuecza składowej zmieej sygału.

27 Przykład. ( ) T = < T ( ) = < 3 ( 4) T m = ( ) d = 3 = T Sygał o ieskończoej eergii + T 3 4 P = ( ) d d d ( 4) d T = + + = + + = T 3 4 ( ) ( ) ( ) ( ) v = m d d d d T = = + + =

28 Przykład. ( ) A α Ae,, α > =, <, > ( ) Warość średia w przedziale ( ) Warość średia przedziale ( ),, : = m α A α A e m = ( ) d = e d = α Eergia sygału ( ) α α E = d = A e d = A e α Moc średia przedziale ( ), α A α e ( ) P = d = e d = A α

29 Przebieg siusoidaly Sadardowe sygały aalogowe θ ω ( ) X m ( ) = si ( ω + θ ) = si( π + θ ) X X f X ω θ m m m ampliuda pulsacja faza począkowa X m T T = π ω okres m = f = T = ω π częsoliwość P = v = X m [ ω] rad s [ θ ] [ f ] [ T ] = = rad = Hz = s = s Iaczej: ( ) = cos + si A ω B ω A = X si θ, B = X cosθ m m

30 Fukcja skoku jedoskowego (azywaa rówież fukcją Heaviside a) ( ) ( ) gdy > = gdy < ( ) ( ) gdy > = gdy < y( ) ( ) y e, > =, < = e ( )

31 Fukcja bramki Π( ) A ( ) ( ) ( ) ( = + ) Π ( ) = ( ) ( ) A c + ( ) = AΠ, c =, b = b ( ) ( ) π cos π = = cos Π <, >

32 Bóg użył piękej maemayki do sworzeia świaa Paul Adrie Maurice Dirac Sygały dysrybucyje Paul Adrie Maurice Dirac agielski fizyk eoreyk. Jede z wórców mechaiki kwaowej i elekrodyamiki kwaowej, laurea Nagrody Nobla z dziedziy fizyki w roku 933 za wkład w rozwój mechaiki kwaowej. Od 93 roku profesor Uiwersyeu w Cambridge, a od 953 roku Uiwersyeu w Oksfordzie. Od 93 człoek Royal Sociey Towarzyswa Królewskiego w Lodyie. z V elekro P. A. M. Dirac (9 984) y Elekro jes rakoway jak puk ( ie ma wymiarów ), ale ma masę m e i ładuek q e Jak zapisać gęsość masy i gęsość ładuku w obszarze V?

33 Przypadek jedowymiarowy elekro = Jaka jes liiowa gęsość masy γ( )? Jaka jes liiowa gęsość ładuku σ ( )? Dirac zapisał γ( ) m ( ) σ ( ) q ( ) = δ, = δ, gdzie δ jes fukcją o własościach: e e ( ) ale δ ( ) gdy = gdy = ( ) δ d = Takiej fukcji ie ma!

34 a = a a a a = = = = f f powierzchia=?( ) δ 4 56 a = e i i i ( ) powierzchia= ( ) ( ) δ =?

35 ( ) f = e π f ( ) si( π) δ( ) f ( ) = δ( ) π f ( ) f ( ) f ( ) f3 ( ) f3 ( )

36 ( ) δ = dla ( ) δ d Elemeara defiicja dysrybucji Diraca ( dely Diraca ) ( ) ( ) lim δ d = δ d = ε ε > ε ( ) ( ) lim δ d = δ d = ε ε > + ε + + ( ) δ d = gdy δ d < gdy > ( τ ) τ = δ( τ ) dτ = = ( ) d d δ ( ) ( )

37 Różiczkowaie fukcji ieciągłych ( ) = cos ( ) f f ( ) d f ( ) = d cos ( ) + cos d ( ) = d d d = si + cosδ = ( ) ( ) ( ) δ( ) = si + f ( ) δ( )

38 Jeżeli f () jes ciągła w pukcie =, o ( ) δ( ) ( ) δ( ) f = f własość próbkująca dysrybucji Diraca () = ( ) () = () δ cos δ δ ( ) δ( ) d = ( ) δ( ) d = ( ) f f f własość filrująca dysrybucji Diraca Ogóliej, jeżeli f () jes ciągła w pukcie =, o ( ) δ( ) = ( ) δ( ) f f ( ) δ( ) d = ( ) δ( ) d = ( ) f f f b a ( ) δ( ) f d = ( ) f gdy a < < b gdy < a lub > b Całka ie jes określoa gdy = a lub = b

39 Pochode dysrybucji Diraca ( ) δ( ) f Jeżeli isieją odpowiedie pochode ( ) δ ( ) f ( k ) ( ) δ ( k ) ( ) f π ( ) = e δ( ) f f ( ) ( ) f = f ( ) 3 π π e f 3 δ ( ) ( )

40 δ T ( ) δ( kt ) k= Dysrybucja grzebieiowa δ T ( ) 3T T T T T 3T 4T T = kt kt ( ) δ ( ) ( ) δ( ) k= próbkowaie sygału ciągłego ( ) ( ) ( ) δ T T T

41 Sygały dyskree Fukcje określoe a dyskreym zbiorze puków a osi czasu ( ) Warość zmieej ideksowaej jes jedozaczie określoa przez. Będziemy pisać: ( ) = [ ] Sygały rzeczywise Sygały zespoloe Z, [ ] R Z, [ ] C : Z R : Z C

42 W elekomuikacji ajczęściej sygałem dyskreym jes ciąg próbek sygału aalogowego, pobieraych w rówych odsępach czasu T. Wówczas [ ] ( ) = T, = T T okres próbkowaia (przedział dyskreyzacji) ( ) [ ] T T 3T 4T 5T 6T 7T 8T [ ] dla = < ciąg przyczyowy (zwykle przyjmuje się = ) [ ] dla i = < > ciąg skończoy (dyskrey sygał impulsowy) [ ] [ ] = kn k Z ciąg okresowy, N okres,

43 Warość średia Paramery sygałów dyskreych m. Sygał przyczyowy [ ] N = lim N N + m = N [ ] ( = dla < ) = lim N N N +. Sygał impulsowy (ciąg skończoy, = dla < i > ) m = = + = [ ] [ ] [ ] [ ] [ ] 3. Sygał okresowy (ciąg okresowy, = kn k Z ) m + N = N = [ ] Z, dowole,

44 Eergia sygału dyskreego E = = [ ] Jeżeli suma jes skończoa, czyli E < sygał o skończoej eergii. Sygał przyczyowy [ ] ( = dla < ) E = = [ ] [ ]. Sygał impulsowy (ciąg skończoy, = dla < i > ) E = = = [ ] 3. Dyskree sygały okresowe są sygałami o ieskończoej eergii

45 Moc sygału dyskreego P = N lim N N + N [ ] Jeżeli P < sygał o skończoej mocy. Sygał przyczyowy [ ] P = lim N ( = dla < ) N N + [ ] [ ]. Sygał impulsowy (ciąg skończoy, = dla < i > ) P = + = [ ] 3. Sygał okresowy (ciąg okresowy, = kn k Z ) [ ] [ ], P + N = N [ ] Z, dowole

46 Wariacja sygału dyskreego N v = lim [ ] m N N + N v moc składowej zmieej sygału Dla ciągów przyczyowych i skończoych aalogiczie jak dla mocy Ciąg okresowy, [ ] [ ] = kn k Z, + N [ ] v = m N Z, dowole

47 Przykłady sygałów dyskreych Sygał sały ieskończoy ciąg sały [ ] m P v = = = Sygał o skończoej mocy i ieskończoej eergii

48 Dyskrey skok jedoskowy [ ] dla = dla < [ ] Sygał o ieskończoej eergii m N = lim = N N [ ] ale m [ ] + N N = N N = lim = + = Podobie P N = lim = N N [ ] ale P [ ] N + N = N N = lim = + Trzeba sprecyzować jak o było liczoe!

49 Dyskrey przyczyowy sygał wykładiczy σ [ ] = [ ] = [ ] σ + e a, a = e, σ R < a < [ ] m = E = = a 4 6 = + a + a + a + = a Sygał o skończoej eergii

50 Dela Kroeckera δ [ ] dla = = dla δ[ ] δ dla = dla [ k] = k k próbka o umerze k = [ ] δ[ ] = [ ] k k

51 Sygały cyfrowe Jeżeli warości próbek sygału dyskreego zapiszemy jako ciąg liczb o skończoej długości, o orzymay ciąg azywać będziemy sygałem cyfrowym. Liczby zapisujemy ajczęściej w sysemie biarym. Dyspoując słowem o długości k biów moża zapisać M = k liczb od do k. Przedział możliwych warości próbek dzielimy a M poziomów kwayzacji (ajczęściej rówo oddaloych) i dokłade warości próbek zaokrąglamy do ajbliższego poziomu kwayzacji. Kwaowaie -biowe (4 poziomy) Kwaowaie 3-biowe (8 poziomów) Numer próbki Kwaowaie powoduje ieodwracale ziekszałceie sygału

52 [ ] ɶ [ ] W wyiku kwaowaia sygał dyskrey zosaje przybliżoy sygałem cyfrowym co moża zapisać jako pewą operację wykoywaą a sygale [ ]: { }, [ ] = Q [ ] ɶ kóra wprowadza błąd do procesu przewarzaia sygału, azyway błędem kwaowaia: [ ] ɶ [ ] [ ] [ ] { } [ ] ε = = Q Operaor Q{ i} jes operaorem ieliiowym i aaliza błędu kwaowaia jes ruda. Zwykle zakłada się, że warości próbek są dokłade, a w procesie przewarzaia geeroway jes losowy sygał szumu kwaowaia, kóry ziekszałca sygał użyeczy.

53 Ozaczmy: P ma maksymala moc sygału (moc przy pełym wyserowaiu) σ ε wariacja sygału błędu ε [] (średia moc szumu kwaowaia) N liczba biów służących do zapisaia poziomów (długość słowa kodowego) Wówczas sosuek maksymalej mocy sygału do średiej mocy szumu kwaowaia, wyrażoy w db, moża oszacować ze wzoru P SNR = lg = 6,N +,76 db 6N db ma σ ε ( ) W prakyce sosuje się kwaowaie: 8 biowe (56 poziomów) w elefoii cyfrowej 4 biowe (6384 poziomów) sysem dźwięku NICAM (w TV) 6 biowe (65536 poziomów) płyy CD 4 biowe ( poziomów) płyy DVD Audio

Sygnały pojęcie i klasyfikacja, metody opisu.

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

Bardziej szczegółowo

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b, CAŁA RZYWOLINIOWA NIESIEROWANA rzywą o rówaiach parameryczych: = (), y = y(), a < < b, azywamy łukiem regularym (gładkim), gdy spełioe są asępujące waruki: a) fukcje () i y() mają ciągłe pochode, kóre

Bardziej szczegółowo

Podstawy elektrotechniki

Podstawy elektrotechniki Wydział Mechaniczno-Energeyczny Podsawy elekroechniki Prof. dr hab. inż. Juliusz B. Gajewski, prof. zw. PWr Wybrzeże S. Wyspiańskiego 27, 50-370 Wrocław Bud. A4 Sara kołownia, pokój 359 Tel.: 71 320 3201

Bardziej szczegółowo

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

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

Bardziej szczegółowo

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora. D:\maerialy\Maemayka a GISIP I rok DOC\7 Pochode\8ADOC -wrz-5, 7: 89 Obliczaie graic fukcji w pukcie przy pomocy wzoru Taylora Wróćmy do wierdzeia Taylora (wzory (-( Tw Szczególie waża dla dalszych R rozważań

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

Bardziej szczegółowo

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub

Bardziej szczegółowo

Funkcja generująca rozkład (p-two)

Funkcja generująca rozkład (p-two) Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są

Bardziej szczegółowo

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak

Wykład FIZYKA I. 2. Kinematyka punktu materialnego.  Dr hab. inż. Władysław Artur Woźniak Dr hab. iż. Władysław Arur Woźiak Wykład FIZYKA I. Kiemayka puku maerialego Dr hab. iż. Władysław Arur Woźiak Isyu Fizyki Poliechiki Wrocławskiej hp://www.if.pwr.wroc.pl/~woziak/fizyka1.hml Dr hab. iż.

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

WYKŁAD nr 2. to przekształcenie (1.4) zwane jest przekształceniem całkowym Laplace a

WYKŁAD nr 2. to przekształcenie (1.4) zwane jest przekształceniem całkowym Laplace a WYKŁAD r. Elemey rachuku operaorowego Podawą rachuku operaorowego je zw. przekzałceie Laplace a, mające poać przekzałceia całkowego, przyporządkowujące fukcjom pewe owe fukcje, iego argumeu. Mówi ię, że

Bardziej szczegółowo

Twierdzenia graniczne:

Twierdzenia graniczne: Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości

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

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów

Bardziej szczegółowo

Schrödingera. Dr inż. Zbigniew Szklarski. Katedra Elektroniki, paw. C-1, pok

Schrödingera. Dr inż. Zbigniew Szklarski. Katedra Elektroniki, paw. C-1, pok Wykład 0: Rówaie Schrödigera Dr iż. Zbigiew Szklarski Kaedra Elekroiki paw. C- pok.3 szkla@agh.edu.pl hp://layer.uci.agh.edu.pl/z.szklarski/ Rówaie Schrödigera jedo z podsawowych rówań ierelaywisyczej

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

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

Bardziej szczegółowo

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/

Bardziej szczegółowo

Kinetyczna teoria gazów. Zjawiska transportu : dyfuzja transport masy transport energii przewodnictwo cieplne transport pędu lepkość

Kinetyczna teoria gazów. Zjawiska transportu : dyfuzja transport masy transport energii przewodnictwo cieplne transport pędu lepkość Kieycza eoria gazów Zjawiska rasporu : dyfuzja raspor masy raspor eergii przewodicwo cieple raspor pędu lepkość Zjawiska rasporu - dyfuzja syuacja począkowa brak rówowagi proces wyrówywaia koceracji -

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

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

Bardziej szczegółowo

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

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów

Bardziej szczegółowo

Elementy nieliniowe w modelach obwodowych oznaczamy przy pomocy symboli graficznych i opisu parametru nieliniowego. C N

Elementy nieliniowe w modelach obwodowych oznaczamy przy pomocy symboli graficznych i opisu parametru nieliniowego. C N OBWODY SYGNAŁY 1 5. OBWODY NELNOWE 5.1. WOWADZENE Defiicja 1. Obwodem elektryczym ieliiowym azywamy taki obwód, w którym występuje co ajmiej jede elemet ieliiowy bądź więcej elemetów ieliiowych wzajemie

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

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

Przetwarzanie analogowocyfrowe

Przetwarzanie analogowocyfrowe Przewarzanie analogowocyfrowe Z. Serweciński 05-03-2011 Przewarzanie u analogowego na cyfrowy Proces przewarzania u analogowego (ciągłego) na cyfrowy składa się z rzech podsawowych operacji: 1. Próbkowanie

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2, lato 2018/19

Jarosław Wróblewski Analiza Matematyczna 2, lato 2018/19 7 Wyzaczyć zbiór wszyskich warości rzeczywisych parameru p, dla kórych całka iewłaściwa jes zbieża x xe Dzieląc przedział całkowaia orzymujemy x x e x x e x x e Zbadamy, dla kórych warości parameru p całki

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

Analiza obwodów elektrycznych z przebiegami stochastycznymi. Dariusz Grabowski

Analiza obwodów elektrycznych z przebiegami stochastycznymi. Dariusz Grabowski Aliz obwodów elekryczych z przebiegmi sochsyczymi Driusz Grbowski Pl wysąpiei Sochsycze modele sygłów Procesy sochsycze Przekszłcei procesów sochsyczych przez ukłdy liiowe Ciągłość i różiczkowlość sochsycz

Bardziej szczegółowo

Rys.1. Podstawowa klasyfikacja sygnałów

Rys.1. Podstawowa klasyfikacja sygnałów Kaedra Podsaw Sysemów echnicznych - Podsawy merologii - Ćwiczenie 1. Podsawowe rodzaje i ocena sygnałów Srona: 1 1. CEL ĆWICZENIA Celem ćwiczenia jes zapoznanie się z podsawowymi rodzajami sygnałów, ich

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory

Bardziej szczegółowo

Zestaw zadań do skryptu z Teorii miary i całki. Katarzyna Lubnauer Hanna Podsędkowska

Zestaw zadań do skryptu z Teorii miary i całki. Katarzyna Lubnauer Hanna Podsędkowska Zestaw zadań do skryptu z Teorii miary i całki Katarzya Lubauer Haa Podsędkowska Ciała σ - ciała. Zbadaj czy rodzia A jest ciałem w przestrzei X=[0] a) A = X 0 b) A = X 0 3 3 c) A = { X { }{}{ 0}{ 0 }

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

Ciągi liczbowe wykład 3

Ciągi liczbowe wykład 3 Ciągi liczbowe wykład 3 dr Mariusz Grządziel semestr zimowy, r akad 204/205 Defiicja ciągu liczbowego) Ciagiem liczbowym azywamy fukcję odwzorowuja- ca zbiór liczb aturalych w zbiór liczb rzeczywistych

Bardziej szczegółowo

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej Moele zmieości akywów ryzykowych Moel muliplikaywy Rozkła logarymiczo-ormay Paramery siaki wumiaowej Moel muliplikaywy zmieości akywów Rekurecyjy moel muliplikaywy: (=, (k+ = (k u(k, k=,, Cea akywa w chwili

Bardziej szczegółowo

Wykład 19. Matematyka 3, semestr zimowy 2011/ grudnia 2011

Wykład 19. Matematyka 3, semestr zimowy 2011/ grudnia 2011 Wykład 9 Matematyka 3, semestr zimowy 0/0 3 grudia 0 Zajmiemy się teraz rozwiięciem fukcji holomorficzej w szereg Taylora. Przypomijmy podstawowe fakty związae z szeregami potęgowymi o wyrazach rzeczywistych.

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

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

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

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa aaliza daych doświadczalych Wykład 6.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Własości rozkładu ormalego Cetrale twierdzeie graicze Fukcja charakterystycza

Bardziej szczegółowo

Metody oceny efektywności projektów inwestycyjnych

Metody oceny efektywności projektów inwestycyjnych Opracował: Leszek Jug Wydział Ekoomiczy, ALMAMER Szkoła Wyższa Meody ocey efekywości projeków iwesycyjych Niezbędym warukiem urzymywaia się firmy a ryku jes zarówo skuecze bieżące zarządzaie jak i podejmowaie

Bardziej szczegółowo

Wykład III. Granice funkcji. f : R A R, A przedział. f określona w x. K M x. lim. lim. Granice niewłaściwe:

Wykład III. Granice funkcji. f : R A R, A przedział. f określona w x. K M x. lim. lim. Granice niewłaściwe: : R A R, A przedział A, Wykład III Graice ukcji określoa w, S \ Deiicja 3. (deiicja Caucy eo raicy ukcji) : D U,, ( ) : ot Iaczej: Uot D U K M U ot U ot K M Graice iewłaściwe: k K R D M K K R M R D De.

Bardziej szczegółowo

Statystyka i rachunek prawdopodobieństwa

Statystyka i rachunek prawdopodobieństwa Statystyka i rachuek prawdopodobieństwa Filip A. Wudarski 22 maja 2013 1 Wstęp Defiicja 1. Statystyka matematycza opisuje i aalizuje zjawiska masowe przy użyciu metod rachuku prawdopodobieństwa. Defiicja

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

2. Wprowadzenie. Obiekt

2. Wprowadzenie. Obiekt POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,

Bardziej szczegółowo

ψ przedstawia zależność

ψ przedstawia zależność Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi

Bardziej szczegółowo

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład VII Przekształcenie Fouriera.

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład VII Przekształcenie Fouriera. 7. Całka Fouriera w posaci rzeczywisej. Wykład VII Przekszałcenie Fouriera. Doychczas rozparywaliśmy szeregi Fouriera funkcji w ograniczonym przedziale [ l, l] lub [ ] Teraz pokażemy analogicznie przedsawienie

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody ZJAZD ANALIZA DANYCH CIĄGŁYCH ramach zajęć będą badae próbki pochodzące z poplacji w kórych badaa cecha ma rozkład ormaly N(μ σ). Na zajęciach będą: - wyzaczae przedziały fości dla warości średiej i wariacji

Bardziej szczegółowo

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

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

Bardziej szczegółowo

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic). Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic

Bardziej szczegółowo

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

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

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

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

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

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

Podstawowe rozkłady zmiennych losowych typu dyskretnego

Podstawowe rozkłady zmiennych losowych typu dyskretnego Podstawowe rozkłady zmieych losowych typu dyskretego. Zmiea losowa X ma rozkład jedopuktowy, skocetroway w pukcie x 0 (ozaczay przez δ(x 0 )), jeżeli P (X = x 0 ) =. EX = x 0, V arx = 0. e itx0.. Zmiea

Bardziej szczegółowo

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

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

Bardziej szczegółowo

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych Efekywość projeków iwesycyjych Saycze i dyamicze meody ocey projeków iwesycyjych Źródła fiasowaia Iwesycje Rzeczowe Powiększeie mająku rwałego firmy, zysk spodzieway w dłuższym horyzocie czasowym. Fiasowe

Bardziej szczegółowo

Numeryczny opis zjawiska zaniku

Numeryczny opis zjawiska zaniku FOTON 8, iosa 05 7 Numeryczy opis zjawiska zaiku Jerzy Giter ydział Fizyki U Postawieie problemu wielu zagadieiach z różych działów fizyki spotykamy się z astępującym problemem: zmiay w czasie t pewej

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

POMIAR WARTOŚCI SKUTECZNEJ NAPIĘĆ OKRESOWO ZMIENNYCH METODĄ ANALOGOWEGO PRZETWARZANIA SYGNAŁU

POMIAR WARTOŚCI SKUTECZNEJ NAPIĘĆ OKRESOWO ZMIENNYCH METODĄ ANALOGOWEGO PRZETWARZANIA SYGNAŁU POMIAR WARTOŚCI SKTECZNEJ NAPIĘĆ OKRESOWO ZMIENNYCH METODĄ ANALOGOWEGO PRZETWARZANIA SYGNAŁ CEL ĆWICZENIA Celem ćwiczeia jest zwróceie uwagi a ograiczeie zakresu poprawego pomiaru apięć zmieych wyikające

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę

Bardziej szczegółowo

Wykład 5 Elementy teorii układów liniowych stacjonarnych odpowiedź na dowolne wymuszenie

Wykład 5 Elementy teorii układów liniowych stacjonarnych odpowiedź na dowolne wymuszenie Wykład 5 Elemeny eorii układów liniowych sacjonarnych odpowiedź na dowolne wymuszenie Prowadzący: dr inż. Tomasz Sikorski Insyu Podsaw Elekroechniki i Elekroechnologii Wydział Elekryczny Poliechnika Wrocławska

Bardziej szczegółowo

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1. Podstawy teorii miary probabilistyczej. Zbiory mierzale σ ciało zbiorów Załóżmy, że mamy jakiś zbiór Ω. Niech F będzie taką rodzią podzbiorów Ω, że: Ω F A F A F i I A i F i I A i F Wtedy rodzię F azywamy

Bardziej szczegółowo

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się: Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( ) Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa

Bardziej szczegółowo

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

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

Bardziej szczegółowo

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1, 1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

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

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest

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

= arc tg - eliptyczność. Polaryzacja światła. Prawo Snelliusa daje kąt. Co z amplitudą i polaryzacją? Drgania i fale II rok Fizyka BC

= arc tg - eliptyczność. Polaryzacja światła. Prawo Snelliusa daje kąt. Co z amplitudą i polaryzacją? Drgania i fale II rok Fizyka BC 4-0-0 G:\AA_Wyklad 000\FIN\DOC\Polar.doc Drgaia i fale II rok Fizyka C Polaryzacja światła ( b a) arc tg - eliptyczość Prawo Selliusa daje kąt. Co z amplitudą i polaryzacją? 4-0-0 G:\AA_Wyklad 000\FIN\DOC\Polar.doc

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka 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

Bardziej szczegółowo

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4 Zadaia z Matematyka - SIMR 00/009 - szeregi zadaia z rozwiązaiami. Zbadać zbieżość szeregu Rozwiązaie: 0 4 4 + 6 0 : Dla dostateczie dużych 0 wyrazy szeregu są ieujeme 0 a = 4 4 + 6 0 0 Stosujemy kryterium

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

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

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

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

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

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

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik Pierwiastki z liczby zespoloej Autorzy: Agieszka Kowalik 09 Pierwiastki z liczby zespoloej Autor: Agieszka Kowalik DEFINICJA Defiicja : Pierwiastek z liczby zespoloej Niech będzie liczbą aturalą. Pierwiastkiem

Bardziej szczegółowo

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń Zasosowae meody ajmejszych kwadraów do pomaru częsolwośc średej sygałów o małej sromośc zboczy w obecośc zakłóceń Elgusz PAWŁOWSKI, Darusz ŚWISULSKI Podsawowe meody pomaru częsolwośc Zlczae okresów w zadaym

Bardziej szczegółowo

Szeregi Fouriera. Powyższe współczynniki można wyznaczyć analitycznie z następujących zależności:

Szeregi Fouriera. Powyższe współczynniki można wyznaczyć analitycznie z następujących zależności: Trygonomeryczny szereg Fouriera Szeregi Fouriera Każdy okresowy sygnał x() o pulsacji podsawowej ω, spełniający warunki Dirichlea:. całkowalny w okresie: gdzie T jes okresem funkcji x(), 2. posiadający

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch

Bardziej szczegółowo

4. MODELE ZALEŻNE OD ZDARZEŃ

4. MODELE ZALEŻNE OD ZDARZEŃ 4. MODELE ZALEŻNE OD ZDARZEŃ 4.. Wrowadzeie W sysemach zależych od zdarzeń wyzwalaie określoego zachowaia się układu jes iicjowae rzez dyskree zdarzeia. Modelowaie akich syuacji ma a celu symulacyją aalizę

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska aysyka Iżyierska dr hab. iż. Jacek Tarasik AG WFiI 4 Wykład 5 TETOWANIE IPOTEZ TATYTYCZNYC ipoezy saysycze ipoezą saysyczą azywamy każde przypszczeie doyczące iezaego rozkład o prawdziwości lb fałszywości

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