Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce"

Transkrypt

1 ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl Wre rozkłd prwdopodoeństw żtecze w sttstce Rozkłd ch-kwdrt o stopch swood - to rozkłd s kwdrtów ezleżch zech losowch o stdrzow rozkłdze orl tz......d. rozkłd o kcj gęstośc e Γ >. Wdć że rozkłd jest szczegól przpdke rozkłd g. Rozkłd t-tdet o stopch swood ech ędze zeą losową o rozkłdze zeą losową o rozkłdze. Jeżel zee są ezleże to ze losow T rozkłd t tdet o stopch swood kcj gęstośc Γ t T t π Γ Rozkłd edecor-sher- ech ędą ezleż ze losow o rozkłdch wówczs ze losow Z rozkłd edecor-sher z Γ kcją gęstośc z z z> Z Γ Γ z ecetrle rozkłd ch-kwdrt tdet t edecor De. ech... ędą ezleż ze losow o rozkłdch... Wówczs ze losow U swood pretrze ecetrlośc ozcz rozkłd ecetrl ch-kwdrt o stopch. Bezpośredo z decj wdć że czl że zwkł cetrl rozkłd szczegól przpdke ecetrlego rozkłd z. jest Przeksztłć ortogole wektor I wektor wedłg wzor

2 ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl gdze pozostłe wersze cerz przeksztłce są tk dore cerz ł ortoorl. oż to zroć trktjąc perwsz wersz jko wektor w R zpełć te wektor - wektor tk zskć zę w R zstosowć procedrę ortogolzcj Gr -chdt. Przeksztłco ortogole wektor rozkłd I. Poewż przeksztłcee ortogole zchowje orę U. Otrzlś dekopozcję z której wk że ecetrl rozkłd to rozkłd s ezleżch zech losowch z którch perwsz jest kwdrte zeej losowej o rozkłdze drg zeą losową o rozkłdze. kt te zpsje solcze. Woec tego dl > P P U > dd d d ] [ d tosjąc wzór d d d d dt t dt t d d β β β β otrzje gęstość rozkłd w postc d. Cłk t e wrż sę przez kcje eleetre. oż pokzć że gęstość wrż sę przez tzw. ogóloą kcje hpergeoetrczą jed z kcj specjlch jest tlcow l dostęp w p. w thetc po złdow ttstcs`cotosdstrtos` koedą ocetrlchqredstrto[ld] gdze pretr ecetrlośc ld p. CD[ocetrlChqreDstrto[ld]] zwrc wrtość dstrt w pkce. Z dekopozcj łtwo oże zskć wrtość oczekwą wrcję w rozkłdze. Rzeczwśce jeżel zee losowe są ezleże to ze losow U o rozkłdze wrtość oczekwą EUE EVE E - VU V V4-4

3 ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl o zpsjąc jko zskje V V V 4 V 4Cov 4 4 Uwg. 3 E E E E E Cov Twerdzee o dodw U U U U ezleże U U Dowód. Z dekopozcj otrzje U U gdze wszstke zee są ezleże. Z twerdze o dodw dl cetrlego rozkłd tost dl wektor Z I stosje przeksztłcee ortogole Z Z otrzje że Z Z I. Woec tego ze Z U jest są ezleżch trzech zech losowch z którch perwsz jest kwdrte U zeej losowej o rozkłdze drg kwdrte zeej losowej o rozkłdze czl zeej o rozkłdze zeej o rozkłdze twerdzee o dodw dl cetrlego rozkłd U U otrzje dekopozcję.. tosjąc jeszcze rz ecetrl rozkłd t- tdet ech ezleże. Wówczs T t ecetrl rozkłd edecor sher ech ezleże. Wówczs Uzpełee. ech... ędze próą prostą z rozkłd. Przeksztłć ortogole wektor I wektor wedłg wzor 3

4 ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl 4 gdze pozostłe wersze cerz przeksztłce są cerz ł ortoorl oż to zroć trktjąc perwsz wersz jko wektor w R zpełć te wektor - wektor tk zskć zę w R zstosowć procedrę ortogolzcj Gr chdt. Przeksztłco ortogole wektor rozkłd I węc jego skłdowe są ezleże. Zwż że tost. tąd sttstk są ezleże. Ze losow rozkłd tost rozkłd. tąd Q... θ rozkłd t-tdet z - stop swood tost kcj... Q rozkłd. Przedzł ośc estcj przedzłow ech... ędze próą prostą z rozkłd P θ P{P θ : θθ θ Θ Θ Θ Θ R}. Decj. osow przedzł [... U... ] gdze θ Θ P θ <U tk że dl zdego P θ θ U- θ Θ zw -% przedzłe ośc dl pretr θ Θ R. ttstk U zw odpowedo dol gór końce przedzł współczk - zw pozoe ośc. Iterpretcj. Prwdzw ez elosow wrtość θ z prwdopodoeństwe - leż do losowego przedzł jest krt losow przedzłe [U]. e oż t ówć o prwdopodoeństwe że ez pretr ędze zwrt w jkś stł przedzle. Tke zde ło ses gd ez pretr ł zeą losową e jest.

5 ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl Kostrkcj przedzłów ośc z poocą kcj cetrlej wodącej Decj. ech... ędze próą prostą z rozkłd P θ P{P θ : θθ θ Θ Θ Θ Θ R}. kcj Q... θ to e jest sttstk zw sę kcją cetrlą dl pretr θ Θ jeżel jej rozkłd prwdopodoeństw e zleż od θθ θ. Przkłd ech... ędze próą prostą z rozkłd gdze ze. kcj Q... jąc rozkłd jest kcją cetrlą dl ech... ędze próą prostą z rozkłd. Ozcz. kcj Q... jąc rozkłd t - t - tdet z - stop swood jest kcją cetrlą dl. kcj Q... jąc rozkłd jest kcją cetrlą dl. ech... ędze próą prostą z rozkłd o cągłej dstrce. Poewż rozkłd U wec kcj Q... o rozkłdze jedostj kostce jest kcją cetrlą dl. Złóż że dspoje kcją cetrlą Q... θ. Przedzł ośc kostrje w stępjąc sposó: Wer lcz tk spełł erówość P θ Q... θ - θ Θ. Gd kcj cetrl Q... θ jest cągłą ścśle ootoczą kcją pretr θ to erówość Q jest rówowż erówośc... θ U.... tąd [... U... ] jest -% przedzłe ośc dl pretr θ Θ. Przedzł ośc dl w rozkłdze gdze ze. kcj cetrl Q... θ rozkłd. Woec tego 5

6 ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl 4 3 Rozkłd z co jest rówowże P P z z z z - otrzlś wec przedzł ośc [ z z ] o stłej dłgośc l z Tą kostrkcję oż powelć kostrjąc sptotcz przedzł ośc dl pojedczego pretr estowego W θ P ˆ θ z θ ˆ θ z s s θ gdze z sptotczą wrcję s θ leż przjąć jej esttor. Dokłdej w orcj sher θ θ z pretr θ leż przjąć θˆ EW[θ]. Poprwość tej kostrkcj jest prost woske z sptotczch włsośc esttorów W twerdze łckego. Przedzł ośc dl w rozkłdze gdze eze. 4 3 kcj cetrl Q... swood. Woec tego Rozkłd t - θ rozkłd t - t - tdet z - stop P co jest rówowże t P t t t-d t-- otrzlś wec przedzł ośc [ t t ] o losowej dłgośc l t o wrtośc oczekwej dłgośc E E E l t t t Przedzł ośc dl w rozkłdze cost kcj Q... rozkłd. Woec tego 6

7 ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl 7 Rozkłd ch ch - ch -- P co jest rówowże P otrzlś wec przedzł ośc ] [ o losowej dłgośc l o wrtośc oczekwej dłgośc E l E W przpdk setrczego rozkłd kcj cetrlej wór lcz tk spełł erówość P θ Q... θ - θ Θ wdje sę oczwst. W przpdk rozkłd esetrczego wór e jest jż oczwst. oż postwć prole tkego door dłgość l przedzł [... U... ] gd jest elosow l wrtość oczekw dłgośc ł l. ów wted o jkrótszch przedzłch ośc pozoe -.. Jeżel ozcz dstrtę rozkłd kcj cetrlej to leż rozwązć stępjące zgdee optlzcje Zleźć tk l pod wrke --. W rozwż powżej prolee l A rozwązć powższ prole ekstre wrkowego tworz kcję grge ;. Z WK otrzje kłd

8 ttstk Wkłd 5 Ad Ćel A3-A4 3 cel@gh.ed.pl ech ψ ψ leż tk dorć pozo pr { } ψ [{ }] spełł wrek 8

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce

Wybrane rozkłady prawdopodobieństwa użyteczne w statystyce Wyre rozkłdy prwdopodoieństw żytecze w sttystyce Rozkłd chi-kwdrt o stopich swoody - to rozkłd sy kwdrtów iezleżych zieych losowych o stdryzowy rozkłdzie orly N tz iid N = i i rozkłd y o kcji gęstości

Bardziej szczegółowo

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne Spóe pzeszee ecze De. Pzeszeń eczą zw spóą eżel e d sę e pzedswć w posc s dwóc zoów epsc owc ozłączc. - pzeszeń spó ~ owe Icze es zoe spó eżel dl dowolc pów czl see cągł c : : = = see dog łącząc Tw. ągł

Bardziej szczegółowo

Projekt 3 3. APROKSYMACJA FUNKCJI

Projekt 3 3. APROKSYMACJA FUNKCJI Projekt 3 3. APROKSYMACJA FUNKCJI 3. Krter proksmcj. Złóżm że () jest ukcją cągłą w przedzle [ b ]. Zlezee przblże (proksmcj) poleg wzczeu współczków pewego welomu P() któr będze dobrze przblżł w tm przedzle

Bardziej szczegółowo

Regresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa)

Regresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa) Regresj low (metod jmejszch kwdrtów, metod wrówwcz, metod Guss) stot metod postult Guss współczk prostej kostrukcj prostej teoretczej trsformcj fukcj elowch przkłd Regresj low czm poleg? Jeśl merzoe dwe

Bardziej szczegółowo

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n lkowe_um- łkowe umercze Zde: olczć przlżee cłk ( ) d () użwjąc wrtośc ukcj () w puktc rówoodległc. Przjmujem (), gdze,,, () () tąd / (5) Metod prostokątów d / (6) gdze / / (7) -- :9: /6 lkowe_um- td. td.

Bardziej szczegółowo

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne lz Włd 5 d d Ćel cel@gedpl Spóe pzeszee ecze De Pzeszeń eczą ρ zw spóą eżel e d sę e pzedswć w psc s dwóc zów epsc wc złączc ρ - pzeszeń spó ~ we Icze es ze spó eżel dl dwlc pów czl see cągł c γ : : γ

Bardziej szczegółowo

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna.

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna. terpolcj.doc Iterpolcj fukcj. Sformułowe problemu: Rs.. Iterpolcj fukcj low, b kwdrtow, c kubcz. De są rgumet,,,. orz odpowdjące m wrtośc fukcj = f, = f,, = f. Postć fukcj = f jest e z lub z. Poszukw jest

Bardziej szczegółowo

Metody numeryczne. Wykład nr 5: Aproksymacja i interpolacja. dr Piotr Fronczak

Metody numeryczne. Wykład nr 5: Aproksymacja i interpolacja. dr Piotr Fronczak Metod umerze Wkłd r 5: Aproksmj terpolj dr Potr Frozk Aproksmj terpolj Aproksmj rówem lowm Błąd dopsow E - Fukj dwóh zmeh Fukj E m mmum dl tkh wrtoś, dl którh pohode ząstkowe względem zerują sę: E E Jest

Bardziej szczegółowo

Rozkłady prawdopodobieństwa 1

Rozkłady prawdopodobieństwa 1 Rozkłdy rwdoodoeństw Rozkłdy rwdoodoeństw. Rozkłdy dyskrete cągłe. W rzydku rozkłdu dyskretego określmy wrtośc rwdoodoeństw dl rzelczlej skończoej lu eskończoej lczy wrtośc zmeej losowej. N.... wszystke

Bardziej szczegółowo

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia dr Mchł Koopczńsk Ekoom mtemtcz ćwcze. Ltertur obowązkow Eml Pek red. Podstw ekoom mtemtczej. Mterł do ćwczeń MD r 5 AE Pozń.. Ltertur uzupełjąc Eml Pek Ekoom mtemtcz AE Pozń. Alph C. Chg Podstw ekoom

Bardziej szczegółowo

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu. Elementy rchunku prwdopodoeństw f 0 f() - gęstość rozkłdu prwdopodoeństw X f d P< < = f( d ) F = f( tdt ) - dystryunt rozkłdu E( X) = tf( t) dt - wrtość średn D ( X) = E( X ) E( X) - wrncj = f () F ()

Bardziej szczegółowo

[ ] Pochodne cząstkowe funkcji złożonych.

[ ] Pochodne cząstkowe funkcji złożonych. EI-Iork-Wkł - r Ćel cel@.g.e.pl De. Mów że kc es kls D eżel pos w kż pkce zbor D wszske pocoe cząskowe cągłe czl es F- różczkowl w kż pkce zbor E. Pocoe cząskowe wższc rzęów. Rozwż kcę rzeczwsą zec : R

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA Woskowe sttstcze - egesj koelcj teść Wpowdzee Regesj koelcj low dwóch zmech Regesj koelcj elow - tsfomcj zmech Regesj koelcj welokot Wpowdzee Jedostk zoowośc sttstczej mogą ć chktezowe

Bardziej szczegółowo

VIII. RÓŻNICZKOWANIE NUMERYCZNE

VIII. RÓŻNICZKOWANIE NUMERYCZNE VIII. RÓŻICZKOWAIE UMERYCZE Z defcj pocodej wey, że f ( x+ ) f ( x) f ( x) = ( ), >. (8.) Fucję f(x + ) ożey rozwąć przez zstosowe wzoru ylor: + f x f x f x f x + ( + ) = ( ) + ( ) + ( ) + K + f ( x) +

Bardziej szczegółowo

POWTÓRKA ( ) ( ) ROZRÓŻNIENIE MIĘDZY PARAMETREM A STATYSTYKĄ

POWTÓRKA ( ) ( ) ROZRÓŻNIENIE MIĘDZY PARAMETREM A STATYSTYKĄ Zwsowe Metod Ali Prestrech Powtórk I Mrci Ligs Ktedr Geomtki WGGiIŚ AGH w Krkowie POWÓRKA ROZRÓŻNINI MIĘDZY PARAMRM A SAYSYKĄ Populcj sttstc populcj geerl iorowość) peł iór elemetów podlegjącch diu sttstcemu.

Bardziej szczegółowo

PROGRAMOWANIE LINIOWE.

PROGRAMOWANIE LINIOWE. Wykłd 6 Progrowe lowe. Zstosow ekoocze. PROGRAMOWANIE LINIOWE. ZASTOSOWANIA EKONOMICZNE. CENY DUALNE. ANALIZA WRAŻLIWOŚCI.. RACHUNEK EKONOMICZNY. ZASADY RACJONALNEGO GOSPODAROWANIA. Rchuek ekooczy - porówe

Bardziej szczegółowo

Granica cigu punktów. ), jest zbieny do punktu P 0 = ( x0. n n. ) n. Zadania. Przykłady funkcji dwu zmiennych

Granica cigu punktów. ), jest zbieny do punktu P 0 = ( x0. n n. ) n. Zadania. Przykłady funkcji dwu zmiennych Gric cigu puktów Ztem Cig puktów P P ; jest zie do puktu P ; gd P P [ ] Oliczm gric cigu l Poiew l l wic cig l jest zie i jego gric jest pukt π π [ ] Oliczm gric cigu si π π π π Poiew si si wic cig si

Bardziej szczegółowo

11. Aproksymacja metodą najmniejszych kwadratów

11. Aproksymacja metodą najmniejszych kwadratów . Aproksmcj metodą jmejszch kwdrtów W ukch przrodczch wkoujem często ekspermet polegjące pomrch pr welkośc, które, jk przpuszczm, są ze sobą powąze jkąś zleżoścą fukcją =f(, p. wdłużee spręż w zleżośc

Bardziej szczegółowo

WYZNACZANIE PRĘDKOŚCI DŹWIĘKU W POWIETRZU METODĄ FALI STOJĄCEJ

WYZNACZANIE PRĘDKOŚCI DŹWIĘKU W POWIETRZU METODĄ FALI STOJĄCEJ Drg fle WYZNACZANIE PRĘDKOŚCI DŹWIĘKU W POWIETRZU METODĄ FALI STOJĄCEJ. Ops teoretcz do ćwcze zmeszczo jest stroe www.wtc.wt.ed.pl w dzle DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops kłd pomrowego Drg

Bardziej szczegółowo

Równania różniczkowe. y xy (1.1) x y (1.2) z xyz (1.3)

Równania różniczkowe. y xy (1.1) x y (1.2) z xyz (1.3) ownn oznczkowe Równn óżnczkowe. Wstę Równne óżnczkow nzw ównne zwejące funkcje newdoe zenne nezleżne oz ocodne funkcj newdoc lu c óżnczk. Pzkłd d 5 d d sn d. d d e d d d. z z z z. ównne óżnczkowe zwczjne

Bardziej szczegółowo

ELEMENTY TEORII GIER

ELEMENTY TEORII GIER ELEMENTY TEORII GIER Śwt s otcząc pełe est koflktów rwlzc. Moż weć lcze przkłd stuc deczch, ędz : wo, kpe poltcze, kpe reklowe rketgowe rwlzuącch ze sobą fr wele ch, w którch do cze z koflkte ędz ch uczestk.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ.

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ. L.Kowls - Uwg o rozłdz uc zm losow UWAI O ROZKŁADZIE UNKCJI ZMIENNEJ LOSOWEJ. - d zm losow cągł o gęstośc. Y g g - borlows tz. g - B BR dl B BR Wzczć gęstość g zm losow Y. Jśl g - ścśl mootocz różczowl

Bardziej szczegółowo

Zapis wskaźnikowy i umowa sumacyjna

Zapis wskaźnikowy i umowa sumacyjna Zpis wskźnikow i mow smcjn Pokzć, że e ikm e ikm Pokzć, że e e δ ikm jkm Dn jest mcierzow reprezentcj tensor 7 7 7 ), ), c) 7 7 Podć dziewięć skłdowch d zdefiniownch związkiem: Wrnki nierozdzielności możn

Bardziej szczegółowo

ę Ł Ó ę ę ć ę ę ż ę ę Ź Ć ć ę ę ż ę ę Ł ć ż ż ć ć ź ć ę Ń ć ę ż ę ć ęż Ń ć ż ć ź ę ę ź ę ć ż ć Ź ż ę Ł Ż ż ć Ź ę Ń ż ć ę ę ż ę ę ć ę ż ż ż Ł ę żę ż ć ź ę Ó ć ć ż ć ę ę ę ę ę ć ę Źć ę ę ę ę ę ę ż ż ż ć

Bardziej szczegółowo

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr LABORATORIUM TEORII I TEHCNIKI STEROWANIA INSTRUKCJA LABORATORYJNA

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr LABORATORIUM TEORII I TEHCNIKI STEROWANIA INSTRUKCJA LABORATORYJNA prwch rękops do żytk słżboweo ISTYTUT RGOLKTRYKI POLITCHIKI WROCŁAWSKIJ Rport ser SPRAWODAIA r LABORATORIUM TORII I THCIKI STROWAIA ISTRUKCJA LABORATORYJA ĆWICI r 9 Sterowe optymle dyskretym obektem dymcym

Bardziej szczegółowo

Ł Ł ŁÓ Ę ó ź ś óź ś ó Ó ż Ł Ł Ń Łó ó Ś ó ó ż ó Ó ś ś ż ż ż śó Ó ó ś ó ś ś Ó ś ś Ś ó Ś Ż ż Ó Ć ó Ó Ź Ż ż ś Ó Ó ż ś Ż Ż Ż ó Ź śó ó Ż Ż ż ó ż ó ś ś ć ó Ś Ó ż Ć Ż ś ó ć Ż ż Ó Ś ó ś ó Ó Ż Ż Ż Ś ó ć ś Ó Ż Ż

Bardziej szczegółowo

Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej

Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej Isttt Atomt Iformt Stosowe Poltech Wrszwse Algortm predce w wers ltcze z efetwm mechzmem względ ogrczeń wść Potr Mrs Pl prezetc. Wstęp. Algortm reglc predce 3. Uwzględe ogrczeń łoŝoch sgł sterąc 4. Uwzględe

Bardziej szczegółowo

3. F jest lewostronnie ciągła

3. F jest lewostronnie ciągła Def. Zmienną losową nzywmy funkcję X: tką, że x R : { : X( ) < x }. Ozn.: zmist pisd A = { : X( ) < x } piszemy A = { X < x } zdrzenie poleg n tym, że X( )

Bardziej szczegółowo

ÓŁ Ą Ś ż ę Ę ć ż ż ę ż ż ń ż ń ż ę ę ż ż ż ż ę ż ć ę żę ę ń ę ęć ż Ę ż ż ę ę ń Ą ęć ń ę ć ęć ęż ę ń ęć ń ęć ęż ę Ł ę ęć ę ęć Ł ę ę ę ęć ęć ę ę Ę ęż ę ń ęć Ę ć ęć ę ę ż ę ęż ę ń ż ę ń ż ć Ą Ą Ą żę ż ż ż

Bardziej szczegółowo

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne.

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne. Wykłd Pojęcie fukcji, ieskończoe ciągi liczbowe, dziedzi fukcji, wykres fukcji, fukcje elemetre, fukcje złożoe, fukcje odwrote.. Fukcje Defiicj.. Mówimy, że w zbiorze liczb X jest określo pew fukcj f,

Bardziej szczegółowo

Automatyka i Robotyka Analiza Wykład 27 dr Adam Ćmiel

Automatyka i Robotyka Analiza Wykład 27 dr Adam Ćmiel Automty Rooty Az Wyłd 7 dr Adm Ćme cme@gh.edu.p Szereg Fourer Przypomee. Rozwżmy przestrzeń eudesową VR, tórej eemetm (putm, wetorm )są eemetowe cąg cz rzeczywstych p.,..., ) y y,..., y ). W przestrze

Bardziej szczegółowo

Ę ś ó ó ź ć ó ó ą ś ą ą ż ą ą ś ś ą ż ą ó Ą Ę Ę Ą Ó ą ż ą ą ź ąż ą ś ą ą Ł ŁÓ Ę Ł Ę Ą Ą ą Ł ą ą ą ą ą ć ą Ę Ę Ą Ł ą ś ą ź ż ź ą ż ć ąż ą ś ą ó Ż ż ż ą ą ż ś ż ź ó ą Ą Ę Ę ż ż ś ó ó ś ż ó ą ą ą ż ś ś ą

Bardziej szczegółowo

Wykład 6 Całka oznaczona: obliczanie pól obszarów płaskich. Całki niewłaściwe.

Wykład 6 Całka oznaczona: obliczanie pól obszarów płaskich. Całki niewłaściwe. Wykłd 6 Cłk ozczo: olcze pól oszrów płskch. Cłk ewłścwe. Wprowdźmy jperw ocję sumow: Dl dego zoru lcz {,,..., } symol ozcz ch sumę, z.... Cłk ozczo zosł wprowdzo w celu wyzcz pól rpezów krzywolowych (rys.

Bardziej szczegółowo

Wyznacznik macierzy. - wyznacznik macierzy A

Wyznacznik macierzy. - wyznacznik macierzy A Wzncznik mcierz Uwg Wzncznik definiujem tlko dl mcierz kwdrtowch:,,,,,, =,,,,,, n n n n nn n,,, det = n,,, n n nn - mcierz - wzncznik mcierz Wzncznik mcierz to wzncznik n wektorów, które stnowią kolumn

Bardziej szczegółowo

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 2. Układy liniowe i niezmienne w czasie (układy LTI) y[n] x[n]

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 2. Układy liniowe i niezmienne w czasie (układy LTI) y[n] x[n] Toi Sgłów II ok Goizki III ok Ioki Sosowj Wkłd Ukłd liiow i izi w czsi ukłd LTI Kilk uwg: LTI jpopulijsz odl ilcji LTI odl pocsów izczch [] Ukłd liiow [] gdzi ozcz sgł wjściow do ukłdu zś sgł wjściow.

Bardziej szczegółowo

Całki oznaczone. wykład z MATEMATYKI

Całki oznaczone. wykład z MATEMATYKI Cłki oznzone wkłd z MATEMATYKI Budownitwo, studi niestjonrne sem. I, rok k. 28/29 Ktedr Mtemtki Wdził Informtki Politehnik Biłostok 1 Podstwowe pojęi 1.1 Podził P przedziłu, Nieh f ędzie funkją ogrnizoną

Bardziej szczegółowo

Przydatna wiedza dotycząca systemów transmisji cyfrowej

Przydatna wiedza dotycząca systemów transmisji cyfrowej rzd wedz docząc ssemów rsms crowe Ssem rsms crowe Krzszo Wesołowsk Wprowdzee Cel wkłdu: rzpomee podswowch zgdeń z eor sgłów, przewrz sgłów rchuku prwdopodoeńsw rdzo przdch w zrozumeu dzł crowch ssemów

Bardziej szczegółowo

Niepewność pomiaru Wybrane podstawowe zagadnienia

Niepewność pomiaru Wybrane podstawowe zagadnienia Nepewość po Wbe podstwowe zgde Tdesz M.Moled Isttt Fzk Uwestet Szzeńsk Zj. 3 Mędzodow Kowej Oe Nepewoś Po GUM Gde to the Epesso of Uett Meseet ISO Swtzeld 995. Pzewodk jest obee bezpłte dostęp potl BIPM

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

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

METODY KOMPUTEROWE 11

METODY KOMPUTEROWE 11 METOY KOMPUTEROWE METOA WAŻONYCH REZIUÓW Mchł PŁOTKOWIAK Adm ŁOYGOWSKI Konsultcje nukowe dr nż. Wtold Kąkol Poznń / METOY KOMPUTEROWE METOA WAŻONYCH REZIUÓW Metod wżonych rezduów jest slnym nrzędzem znjdown

Bardziej szczegółowo

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =. Prawdopodobieństwo i statystyka 3..00 r. Zadanie Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX 4 i EY 6. Rozważamy zmienną losową Z. X + Y Wtedy (A) EZ 0,

Bardziej szczegółowo

Wykład 9. Podejmowanie decyzji w warunkach niepewności

Wykład 9. Podejmowanie decyzji w warunkach niepewności Wkłd 9. Podejowie deczji w wrukch ieewości E L l E E F E F l S 0 0 ; R D D F F D i F() - wrtość zieej losowej - zbiór ciągł f - fukcj gęstości rozkłdu rwdoodobieństw zieej losowej Wówczs: d f E L l d

Bardziej szczegółowo

WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr.........

WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr......... WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI prowdząc(y)... grup... podgrup... zespół... seestr... roku kdeckego... studet(k)... SPRAWOZDANIE Z PRACY LABORATORYJNEJ r......... pory wykoo

Bardziej szczegółowo

N(0, 1) ) = φ( 0, 3) = 1 φ(0, 3) = 1 0, 6179 = 0, 3821 < t α 1 e t dt α > 0. f g = fg. f = e t f = e t. U nas: g = t α 1 g = (α 1)t α 2

N(0, 1) ) = φ( 0, 3) = 1 φ(0, 3) = 1 0, 6179 = 0, 3821 < t α 1 e t dt α > 0. f g = fg. f = e t f = e t. U nas: g = t α 1 g = (α 1)t α 2 Zdnie X,..., X 5 N(6, 5 ) Y,..., Y 6 N(7, 5 ) X N(6, 5 6 ) Ȳ N(7, 5 6 ) Przy złożeniu niezleżności zmiennych mmy: X Ȳ N(, ) po stndryzcji otrzymmy: Ȳ X N(, ) Pr(Ȳ X < ) = Pr(Ȳ X < ) = φ(, 3) = φ(, 3) =,

Bardziej szczegółowo

Ł Ż Ó Ó Ż Ó Ę Ó Ó Ó Ó Ó Ę Ą Ż Ż Ż Ż Ż Ź Ó Ż Ó Ż Ż Ż Ą Ą Ż Ą ć Ż Ż Ó Ą Ó Ż Ó Ó Ą Ó Ż Ą Ż Ó Ó Ó Ę Ó Ż Ż Ż Ż Ż Ó Ą Ó Ą Ż Ź Ó Ż Ó Ó ÓŹ Ż Ć Ó Ó Ż Ź Ż Ó Ó Ą Ó Ź Ż Ż ź ź Ż ć ć Ó Ż Ó Ó Ż ź ć ź Ź ź Ż ź ć ć Ó ź

Bardziej szczegółowo

ż Ś ń ń ć Ś ć ó ó ń ń ń ó Ś ń ó ń Ś ź ó ź ń Ś ń ń ó ó ń ó ó ó ż ó Ź ó ó ó ó ó ó ó ż ń ó ż ó ć ó ć ó ń ń ó ć ó ź ć Ó ć ć ż ó ó ź ó Ś ć Ó ó ń ć ż ć ó ó ć ń ć ó ó ć ż Ó ó ń ć ń ń ż ó Ś ć ó ó ż ń ó ż ń ż ó

Bardziej szczegółowo

Ó Ó Ó Ś Ó Ą Ż ć Ą Ś Ś Ś Ł ć Ż Ż Ó ć Ę Ś Ó Ł Ę Ę Ż Ś Ł Ś Ó Ó Ó ź Ż Ó Ą Ę Ź ź Ą Ę Ó Ę Ż Ż ź Ó Ść Ż Ś Ś Ź Ż Ó Ś ŚĆ ć Ó Ż Ć Ó Ś Ż Ó Ę ć Ę ć Ó ć Ą Ó Ś Ł Ś ć Ż ź Ż Ó Ó Ż Ś Ó ć ć Ń Ę Ść Ó Ó Ó ÓŹ ź Ś Ś Ś ć Ś Ś

Bardziej szczegółowo

ć Ó Ó Ń ź Ą Ą Ć Ż Ń Ą Ó Ó Ó Ą Ż Ć Ż ć ć Ż Ó Ó Ć ć Ą Ą Ó Ą Ó Ź ć Ó Ó Ó Ż ć ń ń ń ć Ż Ź ć ń ó ó Ź Ó Ó Ó Ż Ó Ó ć Ó Ó Ż Ż Ż Ó Ż Ó Ą Ó Ó Ź Ż Ó Ą Ź ć Ą Ż Ż Ó Ń Ż Ó Ó Ź Ó Ó Ó Ó Ó Ó Ó Ó Ó Ó Ó Ó Ó Ż Ó Ż Ż Ą

Bardziej szczegółowo

Ś Ł Ś Ł Ś Ś Ę Ą Ó Ś Ó Ś Ę Ł Ś Ł Ś Ż ć ć Ż Ć Ó Ó ż Ó Ż Ó Ó ć Ś Ź Ó Ó ć Ó Ą Ó Ó Ó Ą Ó Ś Ę Ż ż Ń Ń ż ć Ę Ć Ń Ś Ź ż ż Ó ż Ó Ó Ó Ś Ż Ó Ś Ń Ś Ź Ą Ę Ł Ż Ż Ó Ż Ż Ó Ż Ó Ś Ę Ó Ą Ż ÓŻ Ó Ż Ś Ó Ó ż Ą ż Ś Ć Ł Ś Ó Ą

Bardziej szczegółowo

Ę ć Ć Ś Ó Ó Ś Ł Ą Ą Ż ż Ł Ł Ż Ż ż Óż Ż ż ż Ę ż Ó ż Ę ć ż Ę Ź ż Ż ż ż ż ń ń ć ć ż ż Ż Ż Ś ż ż ń ż ń ż ż ń ż Ą ż ż Ę ć ć ć ż ń Ż Ż Ż ż Ę Ż ć ń Ż Ż ć Ę Ą Ą ć ć Ł Ą Ę Ą ć ż ć ż ć ć ż ć ć ż Ż ć Ą ż ć Ą Ą Ż

Bardziej szczegółowo

Ś Ó Ą Ą Ą Ą Ż Ć Ł Ś ć ż Ł ż Ł ź Ś Ą Ł Ś Ż ź Ó Ś Ą Ó Ś ź Ł Ł ź Ł ź ć Ć Ą Ą Ą Ą ć ź Ą Ą Ż ż ć ć Ć Ą Ą Ą Ł Ó Ż Ó Ź Ń ź Ń ź Ą Ś Ż Ą Ł ż Ś Ś Ó ź ź Ń Ł ź Ż ź ź Ą ż ż Ą Ś Ą Ą Ą Ą Ą ź Ą Ą Ó ź Ś Ł Ł Ł ź

Bardziej szczegółowo

Ń ź Ś Ó Ó ć Ś Ś ć ć Ę ć ć ć ć ć ć Ś ć ć Ś ć Ó ć ć Ść Ść Ś Ś ć Ć ć ć Ó Ą ć Ć ć Ź ć Ź ć Ź Ł Ł ć Ó Ó ć Ó Ó ć ć ć ć ć ć ć ć Ź Ś ć Ę ć ć ć ć Ł Ł ć Ź Ą Ę Ł Ó Ś Ą Ł Ł Ó Ć Ś Ś Ą Ź ć Ź Ś Ś Ś ć Ś Ś ć ć ć ć ć ć ź

Bardziej szczegółowo

Ę ó ó ó Ó ź óź óź ó ć ó ó ó ó ń ó ń ć ó ć ń ó ć ó ć ó Ł ó ó ó Ą Ę ó ó ó ń ó ó ó ŚĆ ó ó ó ó ć ó ó ó ć ń ó ó ć ć ó ó ó ź ó ń ó ó ó ó ć ó ó ń ć ó ó ó ń ć ó ó ć ó ó ć ń ć ó ó ć ó ó ó ó ć ó ó ó ó ó ć ó ó ć

Bardziej szczegółowo

Ą Ą Ś Ą Ł ż ż Ł Ł Ł Ł Ą ć ź Ą ż ż ć ć Ą ć ć Ł ź ż ż Ł Ł ź ź ż ż ć ć ż ż ż ż ć ż ż ż ż ć ż ż ż Ą ż ż ż ż ż ć ż ć ć Ł ż ż ż ż ż Ą ż ż ć ż ć ć ć Ó Ł ć ż Ł Ś Ś Ą Ł ź ć Ł ć Ś ź ż ć ź ź ź ż ż ź ż ż ć ż ć ż ć

Bardziej szczegółowo

Ó ż ż ż ż ż ż ż ż ć Ń Ą ż ż Ó Ź Ó Ą Ń ć ż ż ż ć ż ć ż ż ż ż ć ć ż ż ć Ą ż ż ć ć ż Ż Ą ż ć ź ć ć Ą ć ć ć Ą ć Ą ż Ł ż Ó ć ć Ź ż ć ż ź ż ż Ż ć Ó Ź Ó Ą ż Ó Ą ć Ą ż ć Ą Ó ż Ś Ś Ż Ś Ł Ń Ś ź Ó ć ż Ś ż ć ź Ś Ś

Bardziej szczegółowo

ż Ó ż ć ż Ź Ż ć Ż Ż Ż ż Ó ć Ż ć ż ż ć ż Ó ż ć ż ż ć Ż Ż Ą ć ć ć Ż ć Ż Ż ć ć ż Ż ć ć ć Ż Ż ć Ł ć Ą ć ć ć ć ć ć ć ż ż ć ć ć ÓŻ ć ć Ż ć Ó ć ć ć ć ć ć ć Ł ć ć Ż Ż ż Ą ć ć ć Ż ć Ż Ą ć Ż ć Ż Ż ć Ż Ż ż Ż ż ć

Bardziej szczegółowo

Ą Ń Ż ź Ń Ą Ń Ą Ą ź ź Ó Ż ź ź Ó Ó Ć Ó Ó Ó Ć Ć ź ź Ż ź Ą Ź ź Ć Ć Ć Ó Ó Ó Ó Ó Ó ź Ó Ę Ó Ó Ę Ó Óź ź ź Ó Ó Ó Ó Ó Ó Ń Ź Ę ź ź Ó ź Ń Ę Ę Ę Ń ź Ę Ź Ó Ó Ó ź Ó Ę Ą Ó ź ź Ó Ó Ó Ó Ó ź Ó Ń Ó Ę ź Ż Ó Ó Ó Ę Ę Ó Ę Ć

Bardziej szczegółowo

Ś ÓŹ ż Ś ń Ś Ś Óż Ż Ś Ś Ś Ś Ś Ś ń Ó Ó Ż ż Ż ń Ż Ś Ó ń Ś Ą Ą Ą Ś Ś Ź ń Ż ż Ż Ż Ę ż Ś Ś ż ń ń ń ż Ó Ż Ż ż ń ż ż Ż ż Ó ż ń ż ń ń Ż Ż Ś ń ń ż ż ń ń Ź Ż ń ż Ż Ę ń Ż ż Ź Ź ń ż Ź ż Ź ż ż Ż Ż Ó Ż Ż Ź ż Ż Ż Ż Ę

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

śą ś ć Ą Ó ó Ę ń ó

śą ś ć Ą Ó ó Ę ń ó ć Ł Ś Ó ó ś ą ś Ł ń Ą Ę ń śą ś ć Ą Ó ó Ę ń ó Ę ń Źą ń ó Ą ś ś ń Ń ó ń ń ń ń ę ś Ę ń ń ś ą ą ą ę śó ń Ó Ś ę Ź ę ść ń ó ę Ę ń ó ą ó ą ą ą ę ą ó ń ń ę ć ń ó ó ń ą ń ę ó ś ą ś Ł ą ń ą ń Źą ń ę ś ń Ź ó ę ń

Bardziej szczegółowo

ę ó ó Ź Ż ę Ż ę ż ó ę Ź ó ż ć ż ę ó ó Ż ć ę ę ę Ż Ż ó ć ę Ą ż ę ó ę ę ć ć ż ó Ż Ź Ż ó Ż Ż ć ż ę ó Ż ż óż ęż ć ó ż Ż ę ę ę ż

ę ó ó Ź Ż ę Ż ę ż ó ę Ź ó ż ć ż ę ó ó Ż ć ę ę ę Ż Ż ó ć ę Ą ż ę ó ę ę ć ć ż ó Ż Ź Ż ó Ż Ż ć ż ę ó Ż ż óż ęż ć ó ż Ż ę ę ę ż Ś ó ż ż ó ó Ż ó ó ż ę Ż ż ę ó ę Ż Ż ć ó ó ę ó Ż ę Ź ó Ż ę ę ę ó ó ż ę ż ó ęż ę ó ó Ź Ż ę Ż ę ż ó ę Ź ó ż ć ż ę ó ó Ż ć ę ę ę Ż Ż ó ć ę Ą ż ę ó ę ę ć ć ż ó Ż Ź Ż ó Ż Ż ć ż ę ó Ż ż óż ęż ć ó ż Ż ę ę ę ż

Bardziej szczegółowo

WYZNACZNIKI. . Gdybyśmy rozważali układ dwóch równań liniowych, powiedzmy: Takie układy w matematyce nazywa się macierzami. Przyjmijmy definicję:

WYZNACZNIKI. . Gdybyśmy rozważali układ dwóch równań liniowych, powiedzmy: Takie układy w matematyce nazywa się macierzami. Przyjmijmy definicję: YZNACZNIKI Do opisu pewnh oiektów nie wstrz użć liz. ie n przkłd, że do opisni sił nleż użć wektor. Sił to przeież nie tlko wielkość le i jej punkt przłożeni, zwrot orz kierunek dziłni. Zte jedną lizą

Bardziej szczegółowo

< f g = fg. f = e t f = e t. U nas: e t (α 1)t α 2 dt = 0 + (α 1)Γ(α 1)

< f g = fg. f = e t f = e t. U nas: e t (α 1)t α 2 dt = 0 + (α 1)Γ(α 1) Zdnie X,..., X 5 N(6, 5 ) Y,..., Y 6 N(7, 5 ) X N(6, 5 6 ) Ȳ N(7, 5 6 ) Przy złożeniu niezleżności zmiennych mmy: X Ȳ N(, ) po stndryzcji otrzymmy: Ȳ X N(, ) Pr(Ȳ X < ) = Pr(Ȳ X < ) = φ(, 3) = φ(, 3) =,

Bardziej szczegółowo

Ekoenergetyka Matematyka 1. Wykład 8. CIĄGI LICZBOWE

Ekoenergetyka Matematyka 1. Wykład 8. CIĄGI LICZBOWE Ekoeergetk Mtemtk 1. Wkłd 8. CIĄGI LICZBOWE Defiicj (ciąg liczbow) Ciągiem liczbowm zwm fukcję odwzorowującą zbiór liczb turlch w zbiór liczb rzeczwistch. Wrtość tej fukcji dl liczb turlej zwm -tm wrzem

Bardziej szczegółowo

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA Z n a k s p r a w y G C S D Z P I 2 7 1 0 1 12 0 1 5 S P E C Y F I K A C J A I S T O T N Y C H W A R U N K Ó W Z A M Ó W I E N I A D o s t a w a ( u d o s t p n i e n i e ) a g r e g a t u p r» d o t w

Bardziej szczegółowo

a a a b M. Przybycień Matematyczne Metody Fizyki I

a a a b M. Przybycień Matematyczne Metody Fizyki I Relcje równowr wnowżności i klsy Definicj: Relcją określoną n zbiorze A nzywmy dowolny test porównwczy pomiędzy uporządkownymi prmi elementów elementów zbioru A. Jeśli pr (, b) œ A ä A spełni ten test,

Bardziej szczegółowo

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY . Określ ootoiczość podch fukcji, iejsce zerowe orz pukt przecięci się jej wkresu z osią OY ) 8 ) 8 c) Określjąc ootoiczość fukcji liiowej = + korzst z stępującej włsości: Jeżeli > to fukcj liiow jest

Bardziej szczegółowo

dr inż. Zbigniew Szklarski

dr inż. Zbigniew Szklarski Wkłd 3: Kinemtk dr inż. Zbigniew Szklrski szkl@gh.edu.pl http://ler.uci.gh.edu.pl/z.szklrski/ Wstęp Opis ruchu KINEMATYKA Dlczego tki ruch? Przczn ruchu DYNAMIKA MECHANIKA Podstwowe pojęci dl ruchu prostoliniowego

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

Rozwiązanie niektórych zadań treningowych do I kolokwium sem. zimowy, 2018/19

Rozwiązanie niektórych zadań treningowych do I kolokwium sem. zimowy, 2018/19 Rozwąze ektóryh zdń tregowyh do I kolokwum sem. zmowy, 8/9 Zd.. V = ost, = 98 K W wrukh dtyzyh Q = ΔU =. Końową temperturę zjdzemy rozwązują rówe ΔU =. Zm eerg wewętrzej zhodz wskutek rekj hemzej jlepej

Bardziej szczegółowo

ż ę ć ę ę ę ę ę ę ę ć Ż ę ę ę ż ę ę ę ę ę Ż ć ż ż ę ż Ę ć ę ż ę ęż ę ę ę ę ż ć ź Ł Ę ę ż Ę ć ę Ż ę ęż ę ę ę ę ż ć ź Ę Ł ę ę Ą ż Ę ż Ę ż Ę ż ę Ą Ą ę Ę ę ę Ż ź Ż Ż ż ć ź ź ę ż Ę ż Ę ę Ę Ę ć ż ę ć ż ć ź Ł

Bardziej szczegółowo

ć ą ą ą ż ą ż ć Ę ą ą ż ć ą ą ń ą ą ż ń ą ą ą ą ą ą ą ą ż ż ń ą ą ą ż ą ń Ś ą ą Ó ą Ęż ż ń Ś ń ń ń Ę ą ą Ó ń ą ą Ż ą ą Ó ą Ó ą Ż Ó Ó ą Ż ą ą Ó Ó ą ą Ś ą ą ń ń ą ą ą Ó ą Ż Ó ą Ę Ę Ł ą ą Ł Ą Ł Ł Ś ć ą Ś

Bardziej szczegółowo

ż ż Ę Ę Ę Ó ś ó ę Ć ęż ś ę ę ó ś ę ó ę ę Ę ę ó ść Ę ęć Ż Ś ę ę ę ó ż ż ź ę ż ż ś ę Ó ę ę Ł ęż ś ę ę ó ś ę ż ó Ę ę ę ę ść Ę ę ę ę ęć ę ż ś ę ę ę ę ó ż ę Ł Ę ę ż Ę ęż ś ę ó ę ś ę ż ó ę ę ż ść ę ę ę ę ę ęć

Bardziej szczegółowo

SYSTEMY ROZMYTO-NEURONOWE REALIZUJĄCE RÓŻNE SPOSOBY ROZMYTEGO WNIOSKOWANIA

SYSTEMY ROZMYTO-NEURONOWE REALIZUJĄCE RÓŻNE SPOSOBY ROZMYTEGO WNIOSKOWANIA POLIECHIK CZĘSOCHOWSK KEDR IŻYIERII KOMPUEROWEJ PRC DOKORSK SYSEMY ROZMYO-EUROOWE RELIZUJĄCE RÓŻE SPOSOY ROZMYEGO WIOSKOWI Roert owc Promotor: dr h. ż. Dut Rutows rof. dzw. P.Cz. Częstochow 999 eszm chcłm

Bardziej szczegółowo

Aproksymacja funkcji

Aproksymacja funkcji Aprosymcj fcj. Ogóle sformłowe zgde prosymcj jedowymrowej Sformłowe zgde prosymcj D - prosymcj cągł: zleźć fcję p( x ) prosymjącą (zstępjącą, przylżjącą) dą fcję cągłą ( ) f x w przedzle [ ] p( x ) powy

Bardziej szczegółowo

6. *21!" 4 % rezerwy matematycznej. oraz (ii) $ :;!" "+!"!4 oraz "" % & "!4! " )$!"!4 1 1!4 )$$$ " ' ""

6. *21! 4 % rezerwy matematycznej. oraz (ii) $ :;! +!!4 oraz  % & !4!  )$!!4 1 1!4 )$$$  ' Memy fow 09..000 r. 6. *!" ( orz ( 4 % rezerwy memycze $ :;!" "+!"!4 orz "" % & "!4! " $!"!4!4 $$$ " ' "" V w dowole chwl d e wzorem V 0 0. &! "! "" 4 < ; ;!" 4 $%: ; $% ; = > %4( $;% 7 4'8 A..85 B..90

Bardziej szczegółowo

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja. Aproksymacja Interpolacja wielomianowa Przykłady. Jaki jest dopuszczalny błąd wyniku?

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja. Aproksymacja Interpolacja wielomianowa Przykłady. Jaki jest dopuszczalny błąd wyniku? METODY NUMERYCZNE Wkłd. dr h.ż. Ktrz Zkrzewsk, prof.agh Met.Numer. wkłd Pl Aproksmc Iterpolc welomow Przkłd Met.Numer. wkłd Aproksmc Metod umercze zmuą sę rozwązwem zdń mtemtczch z pomocą dzłń rtmetczch.

Bardziej szczegółowo

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel, utomtyk Robotyk lgebr -Wykłd - dr dm Ćmel cmel@ghedupl Równn lnowe Nech V W będą przestrzenm lnowym nd tym smym cłem K T: V W przeksztłcenem lnowym Rozwżmy równne lnowe T(v)w Powyższe równne nzywmy równnem

Bardziej szczegółowo

ĺ ĺ ę ĺ ż ż ĺ ś ń ś Ł ś ś ę ń ś ś ś ĺ Ż ś ę ń ę ę ę Ż ś ę ń ń ĺ Ł Ż ęć ś Í ż ĺ Ż ę ż ę ę ĺ ę ę ń ĺ ń ĺ ę ś ť ę ś ť Ě ę ń ę ń ż ę ż ę őż ę ę ő ś Ż ś ś í í í ę ô ę ę Í ę ś ę ń ń Ł ń ż ę ś ś ż ś ę ę í ő ę

Bardziej szczegółowo

Ł ŁÓ í đ í Í Í đ đ őżĺ ę ę ń ń ę ę ż Ą ĺ ŻŻ ĺ ĺ Ż í ĺ ĺ ő ý ĺ ý Ę ő ż ő ý ę Ż Ę Ź ń ę ż żý ę ę ý Ź ż ő Ę ę ę ę ő Í żý ę ĺ ę ż Í ĺ żý ż Ę ĺ ĺ ę ę ĺ Ę ę Đ Żý Đ Ż ý ę Ę Ę ż ý ý ĺ ý ę é ő ę ń ę ż Ą ż Ä

Bardziej szczegółowo

ż ć Ś Ń ż ż ż ć ę ę Ą ę ę Ł Ść ż ż ę ź ę ż

ż ć Ś Ń ż ż ż ć ę ę Ą ę ę Ł Ść ż ż ę ź ę ż Ł ę ź ę ż ę ć ęż ę ę Ł ć ę ę ż ć Ś Ń ż ż ż ć ę ę Ą ę ę Ł Ść ż ż ę ź ę ż ż ż ę ę ż ć ę ę Ń ę ę ż ę ę żę ż ć ę ć ę ę ć ę ć Ź ż ć ę ę ę Ą ę ę ę ź ę ż ę Ó ż ę ę ż ć ć ź ż ę ę ę ż ę ż ć ę ę ż ę ę ż ż ć ę ę

Bardziej szczegółowo

WYZNACZENIE CZUŁOŚCI GALWANOMETRU ZWIERCIADŁOWEGO

WYZNACZENIE CZUŁOŚCI GALWANOMETRU ZWIERCIADŁOWEGO ĆWICZENIE 6 Elektzość Metzm WYZNACZENIE CZŁOŚCI GALWANOMET ZWIECIADŁOWEGO Ops teoetz do ćwze zmeszzo jest stoe www.wt.wt.ed.pl w dzle DYDAKTYKA FIZYKA ĆWICZENIA LABOATOYJNE. Ops kłd pomoweo s.. Shemt kłd

Bardziej szczegółowo

Metody numeryczne. Wykład nr 9. Dr Piotr Fronczak

Metody numeryczne. Wykład nr 9. Dr Piotr Fronczak Metod nmerczne Wkłd nr 9 Dr Potr Fronczk Równn róŝnczkowe zwczne - prolem rzegowe BVP Dotcczs omwlśm prolem początkowe równ róŝnczkowe w którc dne ł wrtośc zmennc zleŝnc l c pocodne dl pewne szczególne

Bardziej szczegółowo

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a Ciągi liczbowe Defiicj Fukcję : N R zywmy iem liczbowym Wrtość fukcji () ozczmy symbolem i zywmy -tym lub ogólym wyrzem u Ciąg Przykłdy Defiicj róŝic zpisujemy rówieŝ w postci { } + Ciąg liczbowy { } zywmy

Bardziej szczegółowo