TRANSFORMACJE MOMENTÓW SYGNAŁÓW STOCHASTYCZNYCH W LOSOWYCH UKŁADACH NIELINIOWYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "TRANSFORMACJE MOMENTÓW SYGNAŁÓW STOCHASTYCZNYCH W LOSOWYCH UKŁADACH NIELINIOWYCH"

Transkrypt

1 LKTRYK 0 Zeszy Rok LVIII Jausz WLCZK Sewery ZURKIWICZ Isyu lekroechk Iformayk Polechka Śląska w Glwcach TRSFORCJ OTÓW SYGŁÓW STOCHSTYCZYCH W LOSOWYCH UKŁDCH ILIIOWYCH Sreszczee rykuł saow koyuację racy oyczy wyzaczaa momeów rocesów sochasyczych w bezercyjych losowych ukłaach SISIO Rozarywae rocesy są osywae sochasyczym szeream Fourera a ukła elowy jes osay welomaem losowym Poao wzory określające warośc rzecęe waracje fukcje korelacj własej wzajemej rozarywaych rocesów Osao oracoway roram komuerowy mlemeujący wzory o wyzaczaa momeów Poao rzykła zasosowaa oracowaeo roramu Słowa kluczowe: momey rocesów sochasyczych rasformacje elowe rocesów sochasyczych losowe ukłay bez amęc TRSFORTIOS OF OTS OF STOCHSTIC SIGLS I TH RDO OLIR SYSTS Summary The aer s a couao of work a volves eerm he momes of sochasc rocesses memoryless SISIO raom sysems The cosere rocesses are escrbe by sochasc Fourer seres a a olear sysem s escrbe by a raom olyomal There are ve formulas eerm he mea value varace auocorrelao fucos a correlao fuco of he cosere rocesses The eveloe comuer roram eabl eermao of he momes s resee examle of alcao of he roram s ve Keywors: momes of sochasc rocesses olear rasformaos of sochasc rocesses memoryless raom sysems

2 86 J Walczak S azurkewcz WSTĘP eoy osu losowych ukłaów elowych zelą sę a we osawowe ruy Perwsza z ch obejmuje os losowych ukłaów yamczych Ukłay ake są osywae: sochasyczym rówaam różczkowym reularym lub w sese Iô w zależośc o założeń reularoścowych arzucaych a wsółczyk wymuszea bęące rocesam sochasyczym ych rówań 90 szeream Volerry bęącym uoóleem klasyczeo ojęca slou lub G-fukcjoałam Weera 4 6 alze losowych ukłaów yamczych są ośwęcoe męzy ym race Drua zacze rossza w aalze klasa ukłaów losowych obejmuje ukłay bezercyje bez amęc Sośró welu meo osu bezercyjych ukłaów losowych częso 3 jes sosoway ch os w osac welomaów losowych W rzyaku ukłaów SISO rys os ak określa wzór: ze: Y C X X Y - wejścowy wymuszee wyjścowy ooweź roces ukłau z rys C - wzajeme ezależe zmee losowe o zaaych charakerysykach robablsyczych Rys elowy bezercyjy ukła SISO F olear memoryless SISO sysem W welu rzyakach os umożlwa wyzaczee różych charakerysyk robablsyczych rocesu wyjścoweo Y w osac jawej ejszy arykuł jes koyuacją racy oyczy wyzaczaa momeów harmozowalych rocesów sochasyczych la ukłau z rys Zakłaa sę oao że wyzacza sę momey rocesów o rueo rzęu włącze W celu efekyweo wyzaczaa

3 Trasformacje momeów syałów 87 ych momeów bęących fukcjam eermsyczym jeej lub wóch zmeych rzeczywsych oracowao roram komuerowy 5 osay w alszej częśc arykułu OTY PROCSU Y wzory: ze: Poobe jak w racy syały sochasycze X Y ukłau z rys określają Y X m Cm cos B s cos B s 3 m - skłaowa eermsycza fukcja rzeczywsa rocesu X B C - wzajeme ezależe zmee losowe o zaych charakerysykach robablsyczych - skończoy zbór częsośc wma skłaowej losowej rocesu X Wzory określające momey rocesu X oao w racy Pożej wykorzysując zae właścwośc oeraora warośc rzecęej w oeseu o wzoru oao zależośc określające momey rocesu wyjścoweo Y or rys Warość rzecęą m Y rocesu Y określa wzór: m Y Y 0 cos s s x C B B cos m 4 Warację rocesu Y określa wzór: Y Y Y 5 Y

4 88 J Walczak S azurkewcz ze: 0 0 Y cos cos m x s s B B C C Fukcje auokorelacj R Y rocesu Y fukcje korelacj wzajemej R XY rocesów X Y określają wzory: 0 0 Y Y Y R cos cos m m x x cos cos s s s s B B C C XY Y X R cos cos m m x x cos cos s s s s B B C 7 Powyższe wzory a akże wzory określające momey rocesów X Y oae w racy 5 zosały mlemeowae w osac roramu komueroweo

5 Trasformacje momeów syałów 89 3 PROGR KOPUTROWY Schema blokowy oracowaeo roramu 5 okazao a rys Rys Schema blokowy roramu aalzaora F Block aram of he aalyzer roram Dae wejścowe a maowce: aramery rocesu X z fukcję eermsyczą m rozkłaów zmeych losowych B yy rozkłaów aramery rozkłaów zmeych losowych yy rozkłaów aramery C wsuje sę bezośreo z klawaury Dosęe są asęujące moele rozkłaów zmeych losowych: rówomery ormaly wykłaczy Suea ch kwara

6 90 J Walczak S azurkewcz Po wczyau aych zosają oblczoe momey rocesów X Y rzekazae o eksoweo lku wyjścoweo ouł rafczy roramu umożlwa wykreślee: rozy realzacj rocesów X Y momeów m X m Y R X R Y R XY X Y fukcj ęsośc rozkłau rawooobeńswa zaaych zmeych losowych fukcj eermsyczej m Osay roram może być rzyay w aalze elowych ukłaów eermsyczych lub losowych z rzebeam sochasyczym 4 PRZYKŁD OBLICZIOWY Proces wejścowy ukłau z rys jes osay za omocą wzoru rzy czym: - zmea losowa wykłacza o aramerze B - zmea losowa Gaussa o aramerach 05; 05 - zmea losowa rówomera o aramerach a 0; b 05 B - zmea losowa ch kwara o aramerze k 0 m s 0 0 Ukła losowy SISO jes osay za omocą wzoru 3 ze: C - zmea losowa Gaussa o aramerach 0; 004 C - zmea losowa wykłacza o aramerze 0 5 Wykres fukcj m okazao a rys 3

7 Trasformacje momeów syałów 9 Rys 3 Fukcja eermsycza m F 3 Deermsc fuco m Klka realzacj rocesów sochasyczych X oraz Y okazao a rys 4 rys 5 Rys 4 Przykłaowe realzacje rocesu X F 4 xamles of realzaos of he rocess X

8 9 J Walczak S azurkewcz Rys 5 Przykłaowe realzacje rocesu Y F 5 xamles realzaos of he rocess Y a rys 6 7 okazao warośc oczekwae rocesów X Y Rys 6 Warość oczekwaa rocesu X F 6 xece value of he rocess X

9 Trasformacje momeów syałów 93 Rys 7 Warość oczekwaa rocesu Y F 7 xece value of he rocess Y a rys 8 9 okazao waracje rocesów X Y Rys 8 Waracja rocesu X F 8 Varace of he rocess X

10 94 J Walczak S azurkewcz Rys 9 Waracja rocesu Y F 9 Varace of he rocess Y a rys 0 okazao korelacje rocesów X Y Rys 0 Korelacja własa rocesu X F 0 uocorrelao fuco of he rocess X

11 Trasformacje momeów syałów 95 Rys Korelacja własa rocesu Y F uocorrelao fuco of he rocess Y a rys okazao korelację wzajemą rocesów X Y Rys Korelacja wzajema rocesów X Y F Correlao fuco of he rocesses X a Y

12 96 J Walczak S azurkewcz 5 PODSUOWI Osaa w arykule meoa wyzaczaa momeów rocesów syałów sochasyczych w elowych bezercyjych ukłaach SISO umożlwa wyzaczae ych momeów w osac zamkęej eoa a może być sosowaa y syały sochasycze są rerezeowae sochasyczym szeream Fourera Prowazoe obece race oyczą rozszerzea klasy syałów sochasyczych rasformowalych w ukłaach elowych a syały rerezeowae szeream Karhuea-Loève a eoa a może być akże sosowaa o wyzaczaa momeów wyższych rzęów momeów rocesów w ukłaach welowymarowych IO fekywe sosowae wyrowazoych zależośc wymaa jeak wsomaaa komueroweo BIBLIOGRFI Bharucha-Re T Sambaham : Raom Polyomals caemc Press ew York 986 Groru : le o-gaussa Processes Prece Hall ew York Komarova L Rv I: Harmoc ea Raom Polyomals a Sochasc arces vaces le ahemacs 003 Vol 3 o Kuzesov PI Sraoovch R L Tkhoov VI: o-lear Trasformao of Sochasc Processes Peramo Press Loo azurkewcz S: alzaor rocesów sochasyczych rueo rzęu Praca ylomowa maserska Wyzał lekryczy Polechka Śląska w Glwcach Glwce 0 6 Scheze : The Volerra a Weer Theores of olear Sysems J Wley ew York Puaczew WS: Teora fukcj rzyakowych jej zasosowae o zaaeń serowaa auomayczeo Wy O Warszawa Skowroek K: Obwoy elekrycze w ujęcu sochasyczym oorafa Wy Pol Poz Pozań 0 9 Sobczyk K: Sochasycze rówaa różczkowe WT Warszawa Socha L: Rówaa momeów w sochasyczych ukłaach yamczych PW Warszawa 993 Sweszkow : Posawowe meoy fukcj losowych PW Warszawa 965

13 Trasformacje momeów syałów 97 Walczak J azurkewcz S: Trasformacje momeów harmozowalych syałów sochasyczych w eermsyczych ukłaach elowych Kwaralk lekryka 0 r 3 s 7-84 Włyęło o Reakcj a 0 sycza 0 r Receze: Prof r hab ż Kora Skowroek Prof r hab ż Jausz WLCZK r ż Sewery ZURKIWICZ Polechka Śląska Wyzał lekryczy Isyu lekroechk Iformayk ul kaemcka GLIWIC el ; e-mal: jauszwalczak@olsll el ; e-mal: sewerymazurkewcz@olsll

TRANSFORMACJE MOMENTÓW HARMONIZOWALNYCH SYGNAŁÓW STOCHASTYCZNYCH W DETERMINISTYCZNYCH UKŁADACH NIELINIOWYCH

TRANSFORMACJE MOMENTÓW HARMONIZOWALNYCH SYGNAŁÓW STOCHASTYCZNYCH W DETERMINISTYCZNYCH UKŁADACH NIELINIOWYCH LKTRK 0 Zeszy Rok LVIII Jausz WLCZK Sewery ZURKIWICZ Isyu lekroechk Iforayk Polechka Śląska w Glwcach TRSFORCJ OTÓW HROIZOWLCH SGŁÓW STOCHSTCZCH W DTRIISTCZCH UKŁDCH ILIIOWCH Sreszczee. W arykule oao eoę

Bardziej szczegółowo

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

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

Schrödingera. Dr inż. Zbigniew Szklarski. Katedra Elektroniki, paw. C-1, pok Wykła 0: Rówae Schrögera Dr ż. Zbgew Szklarsk Kaera lekrok paw. C- pok.3 szkla@agh.eu.pl hp://layer.uc.agh.eu.pl/z.szklarsk/ 0.06.07 Wyzał Iforayk lekrok Telekoukacj - Teleforayka Rówae Schrögera jeo z

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

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

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

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

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161 Kaarzya Zeug-Żebro WPŁYW REDUKCJI POZIOMU SZUMU LOSOWEGO MEODĄ NAJBLIŻSZYCH SĄSIADÓW NA WAROŚĆ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA Wprowazee W aalze szeregów czasowych zakłaa sę, że w aych moża wyorębć skłak

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

Ą Ś Ś ż Ż ć Ś Ż Ś Ń Ó Ż ć Ź ć ć Ż Ź Ś Ą Ą Ż Ś Ą ĘĄ Ś Ę ŚĘ Ę Ó Ś Ą ć Ś ź Ś ż Ż Ź ć ć ć Ą ć ć Ź ć ć ć ć Ś ć Ż ć ć Ą ć Ż ć Ż ć Ż Ż Ż ć Ż ć Ż ć Ż ż ź Ą ż ć Ż Ź Ż Ś Ż Ś Ą ż Ą Ż ź Ż ż ć Ż Ż Ą Ś Ź ć Ś ż Ź ż Ł

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

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

Wyznaczyć prędkości punktów A i B

Wyznaczyć prędkości punktów A i B Wyzaczaie prędkości i przyspieszeia puku ciała w ruchu płaskim (a) Wyzaczyć prędkości puków i Dae: rad/s; ε 0; 5 cm; 5 cm 48 mechaika echicza kiemayka 3 Wyzaczaie prędkości i przyspieszeia puku ciała w

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

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

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

ZAGADNIENIE W POSTACI OGÓLNEJ

ZAGADNIENIE W POSTACI OGÓLNEJ ZAGADNINI W POSAI OGÓLNJ s e ˆ - sygał - sygał -sygał obserwoway -sygał skoreloway z e eskoreloway z s -moel sygału s e ˆ -błą Szukae: 0,,..., M ] - ooweź mulsowa fltru FIR, - trasozycja Kryterum: m ]

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

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław

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

( 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

Matematyka II. x 3 jest funkcja

Matematyka II. x 3 jest funkcja Maemayka II WYKLD. Całka eozaczoa. Rachuek całkowy. Twerdzea o całkach eozaczoych. Całkowae wybraych klas fukcj. Całkowae fukcj wymerych. Całkowae fukcj rygoomeryczych.. Defcja fukcj perwoej. Fukcję F

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

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

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

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

R n. i stopa procentowa okresu bazowego, P wartość początkowa renty, F wartość końcowa renty. R(1 )

R n. i stopa procentowa okresu bazowego, P wartość początkowa renty, F wartość końcowa renty. R(1 ) Maeayka fasowa ubezpeczeowa Ćwczea 4 IE, I rok SS Tea: achuek re oęce rey Warość począkowa końcowa rey ey o sałych raach ea o zeych raach ea uogóoa osawowe poęca rachuku re ea es o cąg płaośc okoywaych

Bardziej szczegółowo

PODSTAWY TELEDETEKCJI-ćwiczenia rachunkowe

PODSTAWY TELEDETEKCJI-ćwiczenia rachunkowe PODSTAWY TELEDETEKCJI-ćwiczenia rachunkowe Tema.eoy omiaru oległości i rękości raialnej. Zaanie. Na jakiej oległości znajuje się obiek, gy czas oóźnienia sygnałów wynosi:μs, ms, min O.50m, 50km, 9 9 0

Bardziej szczegółowo

i j k Oprac. W. Salejda, L. Bujkiewicz, G.Harań, K. Kluczyk, M. Mulak, J. Szatkowski. Wrocław, 1 października 2015

i j k Oprac. W. Salejda, L. Bujkiewicz, G.Harań, K. Kluczyk, M. Mulak, J. Szatkowski. Wrocław, 1 października 2015 WM-E; kier. MBM, lisa za. nr. p. (z kary przemiou): Rozwiązywanie zaań z zakresu: ransformacji ukłaów współrzęnych, rachunku wekorowego i różniczkowo-całkowego o kursu Fizyka.6, r. ak. 05/6; po koniec

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki Polechnka Gańska Wyzał Elekroechnk Auomayk Kaera Inżyner Sysemów Serowana Posawy Auomayk Regulaory PID, rojekowane serowana PID Maerały omocncze o ćwczeń ermn 13 14 Oracowane: Kazmerz Duznkewcz, r hab.

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

ANALIZA ASYMPTOTYCZNA WYKŁADNICZEJ SIECI ZAWODNYCH SYSTEMÓW KOLEJKOWYCH

ANALIZA ASYMPTOTYCZNA WYKŁADNICZEJ SIECI ZAWODNYCH SYSTEMÓW KOLEJKOWYCH STUDIA INFORMATICA 1 Volume 33 Number 3A (17) Mchał MATAŁYCKI Polechka Częsochowska, Isyu Maemayk Swaosław STATKIEWICZ Grodzeńsk Uwersye Pańswowy ANALIZA ASYMPTOTYCZNA WYKŁADNICZEJ SIECI ZAWODNYCH SYSTEMÓW

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

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

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

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

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

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

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

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

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

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

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

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

Szacowanie składki w ubezpieczeniu od ryzyka niesamodzielności

Szacowanie składki w ubezpieczeniu od ryzyka niesamodzielności Skłaki w ubezpieczeiu o ryzyka iesamozielości EDYTA SIDOR-BANASZEK Szacowaie skłaki w ubezpieczeiu o ryzyka iesamozielości Kalkulacja skłaki w ubezpieczeiach jes barzo ważym zagaieiem związaym z maemayką

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

ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach

ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika

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

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa Z a ł» c z n i k n r 5 d o S p e c y f i k a c j i I s t o t n y c h W a r u n k Zó aw m ó w i e n i a Z n a k s p r a w y G O S I R D Z P I 2 7 1 0 1 1 2 0 14 W Z Ó R U M O W Y z a w a r t a w Gd y n

Bardziej szczegółowo

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej Rachek prawdopodobeńswa saysyka maemaycza Esymacja przedzałowa paramerów srkralych zborowośc geeralej Częso zachodz syacja, że koecze jes zbadae ogół poplacj pod pewym kąem p. średa oce z pewego przedmo.

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

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12. Zadae p (X p (X ( ( π 6 6 e 6 X m ( π 6 6 e 6 ( X C e m 6 X, gdze staªa C e zale»y od statystyk X (X,, X 6, a m jest w ksze od zera Zatem p (X/p (X jest emalej c fukcj statystyk T (X 6 X ªatwo pokaza,»e

Bardziej szczegółowo

KRYTERIUM OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTEM MOTYWACYJNY PTE ORAZ MINIMALNY WYMÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ

KRYTERIUM OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTEM MOTYWACYJNY PTE ORAZ MINIMALNY WYMÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ KRYTERIU OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTE OTYWACYJNY PTE ORAZ INIALNY WYÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ Urząd Komsj Nadzoru Fasowego Warszawa 0 DEPARTAENT NADZORU INWESTYCJI EERYTALNYCH

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,

Bardziej szczegółowo

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

Mieszanie. otrzymanie jednorodnych roztworów, emulsji i zawiesin intensyfikacja procesów wymiany ciepła intensyfikacja procesów wymiany masy

Mieszanie. otrzymanie jednorodnych roztworów, emulsji i zawiesin intensyfikacja procesów wymiany ciepła intensyfikacja procesów wymiany masy ieszaie Celem procesu mieszaia jest : otrzymaie jeoroych roztworów, emulsji i zawiesi itesyfikacja procesów wymiay ciepła itesyfikacja procesów wymiay masy Sposoby prowazeia mieszaia w śroowisku ciekłym

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

ć ć Ą Ę Ę Ę Ę Ą ć ć ć ć ć ź Ą Ą Ą Ą ć Ą Ą Ą Ą ź Ę Ż ć ć Ł Ł ź ź Ł ć Ę Ę Ń Ż Ń ć Ę ć Ś Ś ć Ą Ę ć ć ć Ę ź Ę Ę Ń Ę Ń Ę Ę ć Ę Ę Ę Ę ć ć ź ć ć Ę ć Ę ć ć ć ć Ę Ę ź Ł Ę Ą Ą Ą Ę ź ź ć ź ć Ł ć Ł Ę ć Ą Ł

Bardziej szczegółowo

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

Bardziej szczegółowo

ż Ź Ą Ż Ż Ż ć Ó Ą Ó ź ć Ż Ż ź ż ż Ź ż ć ż Ż ć Ż Ż ż Ę Ą Ę Ą Ż Ść ć ż ż Ą ć Ź Ś ć Ż ż ż ż ż Ż ż Ż ż ż Ś ż Ź ż Ą ĘĄ Ż ć ć ż ż ż Ż ż Ż ć ż Ż ż ć ż Ż Ś Ż ż ć ż Ź Ż Ź ż ć Ź Ś ż Ź ż ż ź ż Ż ż Ż ż ż ż ż ż Ę Ś

Bardziej szczegółowo

ź Ę Ą ć ź Ą ć ć ć ź ć ć ź ć ć Ł Ę ź ć ź ć Ś Ę ź Ę Ą Ą Ś Ę ć ź ć ć ć ć ź Ę Ę ć ć ź ź ć ź ć ź ź ź ć ź ć ć ź ź ź ć Ę ć ć Ę ć Ń ć Ł Ą Ę ź Ę ć ź ć ź Ł Ę ź ź Ą Ę ć Ś Ś Ś ź Ś ź ź ź Ś Ś ć Ż Ś Ś Ś Ś Ś Ś Ś Ś Ś Ś

Bardziej szczegółowo

Ł ć ć Ł Ą Ń Ę Ą Ń Ń Ą Ą ć Ń Ń ć Ą ć ć ź ć ź Ł Ł Ą Ę ć ć ć ć ć ć Ź ć Ę ĘĄ ć Ę ĘĄ Ę Ł Ł ź Ę ć ć ć Ę Ł Ż Ę Ł ź ć Ł ć ź Ę ź Ą Ą ć ć ć Ą Ł Ł Ą ć Ę Ę Ę ć ć ć ć Ą Ę Ń Ę Ą Ń ć Ł Ą Ń Ę Ą Ń Ę ć Ń ć Ć ć Ń Ń ć ć ć

Bardziej szczegółowo

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH ARAMETRY ELEKTRYZNE YFROWYH ELEMENTÓW ÓŁRZEWODNIKOWYH SZYBKOŚĆ DZIAŁANIA wyrażona maksymalną częsolwoścą racy max MO OBIERANA WSÓŁZYNNIK DOBROI D OBIĄŻALNOŚĆ ELEMENTÓW N MAKSYMALNA LIZBA WEJŚĆ M ODORNOŚĆ

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

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

F u l l H D, I P S D, I P F u l l H D, I P 5 M P,

F u l l H D, I P S D, I P F u l l H D, I P 5 M P, Z a ł» c z n i k n r 6 d o S p e c y f i k a c j i 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 Z n a k s p r a w yg O S I R D Z P I 2 7 1 02 4 2 0 1 5 W Z Ó R U M O W Y z a w a r t a w G d y

Bardziej szczegółowo

Ś Ł Ą Ś Ś ź Ś ń ż ż Ó ż ż Ś Ł ż ń ń ń ż ń Ś ń ć ŚĘ Ó Ł Ę Ł Ś Ę Ę ń ń ń ń ń Ź ń ń ń ń ń ż ń ń ń ń ń Ę ż ż ć Ść ń ń ż Ń ż ż ń ń Ś Ą ń Ś ń ń ż Ó ż Ź ń ż ń Ś Ń Ó ż Ł ż Ą ź ź Ś Ł ć Ś ć ż ź ż ć ć Ę Ó Ś Ó ż ż

Bardziej szczegółowo

Ł Ł Ś ź ń ź ź ź Ś Ł Ę Ę Ś ż Ś ń Ą Ś Ą Ł ż ż ń ż ć ż ż ż ź ż ć ź Ę Ę ń ć ż Ł ń ż ż ż Ś ż Ś ż ż ż ż ż ż ż ń ń ż ż ż ć ż ń ż ń ź ż ć ż ż ć ń ż Ę Ę ć ń Ę ż ż ń ń ź Ę ź ż ń ż ń ź ż ż ż ń ż ż ż ż ż ż ż ż ń ń

Bardziej szczegółowo

Ł Ł Ś Ę ź ń ź ź Ś Ę Ę Ś Ą Ś Ę Ż Ł ń Ę Ś ć ć ń ć ń ń ń ź ń Ę ź ń ń ń ź ź Ś ź ź ć ń ń ń ń Ś ć Ś ń ń Ś ź ń Ę ń Ś ź ź ź ź ź Ę Ę Ę Ś ń Ś ć ń ń ń ń ń ń Ę ń ń ń ń ć ń ń ń ń ć ń Ś ć Ł ń ń ń ć ń ć ź ń ź ć ń ń ć

Bardziej szczegółowo

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

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

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej.

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej. L.Kowals Fucje zmeych losowych FUNKCJE ZMIENNYCH LOSOWYCH Uwag o rozładze fucj zmeej losowej jedowymarowej. Jeśl - soowa, o fucj prawdopodobeńswa P( x ) p, g - dowola o fucja prawdopodobeńswa zmeej losowej

Bardziej szczegółowo

MMF ćwiczenia nr 1 - Równania różnicowe

MMF ćwiczenia nr 1 - Równania różnicowe MMF ćwiczia r - Rówaia różicow Rozwiązać rówaia różicow pirwszgo rzędu: y + y = y = y + y =! y = Wsk Podzilić rówai przz! i podstawić z y /( )! Rozwiązać rówaia różicow drugigo rzędu: 5 6 F F F F F (ciąg

Bardziej szczegółowo

KALIBRACJA NIE ZAWSZE PROSTA

KALIBRACJA NIE ZAWSZE PROSTA KALIBRACJA NIE ZAWSZE PROSTA Potr Koeczka Katedra Chem Aaltyczej Wydzał Chemczy Poltechka Gdańska S w S C -? C w Sygał - astępstwo kosekwecja przeprowadzoego pomaru główy obekt zateresowań aaltyka. Cel

Bardziej szczegółowo

I n f o r m a c j e n a t e m a t p o d m i o t u k t ó r e m u z a m a w i a j» c y p o w i e r z y łk p o w i e r z y l i p r o w a d z e p o s t p

I n f o r m a c j e n a t e m a t p o d m i o t u k t ó r e m u z a m a w i a j» c y p o w i e r z y łk p o w i e r z y l i p r o w a d z e p o s t p A d r e s s t r o n y i n t e r n e t o w e j, n a k t ó r e j z a m i e s z c z o n a b d z i e 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 ( j e e ld io t y c z y )

Bardziej szczegółowo

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM Arur MACIĄG Sreszczee: W pracy przedsawoo echk aalzy szeregów czasowych w zasosowau do plaowaa progozowaa produkcj w przewórswe spożywczym.

Bardziej szczegółowo

Optymalizacja funkcji

Optymalizacja funkcji MARCIN BRAŚ Opymalzacja funcj ) Opymalzacja w obszarze neoranczonym WK: y. y WW: > > y y Znaleźć mnmum funcj: (, y) ( ) y ( ) y y ( ) y solve, P(, ) y y solve, y ( ) y ( ) y y y ( ) y W W W > (, y) > Op.

Bardziej szczegółowo

Teoria i metody optymalizacji

Teoria i metody optymalizacji Sforułowae owae zaaa otyalzacj elowej bez ograczeń: Fukcja celu f( : Zaae otyalzacj olega a zalezeu wektora zeych ecyzyjych aleŝącego o zboru rozwązań ouszczalych R takego Ŝe la R Co jest rówozacze zasow:

Bardziej szczegółowo