Podstawy informatyki kwantowej. Jerzy KLAMKA

Wielkość: px
Rozpocząć pokaz od strony:

Download "Podstawy informatyki kwantowej. Jerzy KLAMKA"

Transkrypt

1 Podstawy formatyk kwatowej Jerzy KLAMKA. Wprowadzee. Qubty.. Qubty w zapse wektorowym.. Notaja Draa.3. Maerze gęstoś.4. Stay kwatowe splątae.5. Obserwable 3. Bramk kwatowe 3.. Bramk -qubtowe 3.. Bramk -qubtowe 4. Perspektywzy uwersaly komputer kwatowy 5. Algorytmy kwatowe 5.. Algorytm poszukwań Grovera 5.. Algorytm faktoryzaj Shora

2 . Wprowadzee. Qubty.. Qubty w zapse wektorowym W klasyzej formatye pojedyzy bt może przyjmować tylko dwe ustaloe wartoś logze to zazy lub. Natomast elemetarą jedostką kwatowej formatyk jest kwatowy bt zway qubtem oraz ozazoy symbolem. W opse matematyzym pojedyzy qubt jest dwuwymarowym zormalzowaym (o długoś ), wektorem o współzykah zespoloyh, a wę jest elemetem -wymarowej zespoloej przestrze C. Dwa ortogoale stay dla pojedyzego qubtu są posta {,} tworzą oe bazę ortogoalą, w -wymarowej zespoloej przestrze C. W zapse tym wektory bazowe C C reprezetują odpowedo wartoś logze oraz klasyzego btu algebry Boole'a.

3 Dowoly qubt C może być przedstawoy w posta lowej kombaj wektorów bazowyh, gdze lzby zespoloe oraz azywae są ampltudam prawdopodobeństwa, atomast wektor jest wektorem zormalzowaym o długoś to zazy [], [3], [8]. Ozaza to, że qubt C przyjmuje wartość logzą z prawdopodobeństwem oraz wartość logzą z prawdopodobeństwem.

4 Przestrzeą staów kwatowyh dla qubtów jest lozy tesorowy (ozazoy symbolem ) przestrze staów kwatowyh dla pojedyzyh qubtów. W przypadku qubtów jest to 4- wymarowa przestrzeń zespoloa C 4 =C C. Przykładowo, lozy tesorowy dwóh dowolyh qubtów posta =+= C oraz =+= C, będąy wektorem w 4-wymarowej zespoloej przestrze C 4 jest day astępująym wzorem: = = ++ = = = = = = = = = = 4 C

5 Ilozy tesorowy wektorów jest dzałaem łązym ale e jest przemey to zazy Ogóle, układ kwatowy złożoy z qubtów moża rozpatrywać jako wektor w -wymarowej zespoloej przestrze C, która jest lozyem tesorowym -wymarowyh przestrze zespoloyh C, zyl C C C... C razy która zawera wzajeme ortogoalyh staów posta {,,...,,..., -}, gdze jest lzbą aturalą przedstawoą za pomoą -btowego kodu barego, =,,,..., -. W tym przypadku stosuje sę róweż rówoważy zaps wykorzystująy bezpośredo wagowy kod bary lzby aturalej to zazy k a k k k, =a - a -...a k...a a gdze a k, k=,,,...,(-) przyjmująe wartoś lub są współzykam odpowadająym wagom k, k=,,,...,(-).

6 Zatem, wektor C posada a (+) pozyj a zera a wszystkh pozostałyh. Wykorzystują lozy tesorowy wektor moża przedstawć w astępująej posta a a a a a a a k k a a a Poadto, -wymarowe wektory posta [,,...,,,,,,,...,,] C razy ( ) razy T tworzą bazę ortogoalą w zespoloej przestrze C. Układ kwatowy qubtów jest zormalzowaym wektorem C w przestrze, który może być przedstawoy w posta lowej kombaj wzajeme ortogoalyh wektorów bazowyh,,,...,,..., -. Stąd: gdze

7 Przykładowo, dla układu kwatowego złożoego z qubtów 4 wektory bazowe wzajeme ortogoale {,,,3}={,,,} w 4-wymarowej zespoloej przestrze C 4 są posta astępująej: C C C 3 C Rejestr kwatowy jest zbudoway z qubtów z wykorzystaem superpozyj staów kwatowyh oraz operaj lozyu tesorowego. Neh k C, k=,,..,-, będze daym zborem qubtów. Rejestr kwatowy jest lozyem tesorowym qubtów posta k

8 .. Notaja Draa. Symbol C, =,,..., ozaza -wymarowy wektor kolumowy o elemetah zespoloyh, atomast symbol, C, =,,..., ozaza -wymarowy wektor werszowy o sprzężoyh elemetah zespoloyh. Elemety zespoloyh wektorów zormalzowayh o długoś spełają rówość

9 Ilozy skalary -wymarowyh wektorów oraz day jest wzorem d d d d d Stąd Neh w przestrze C będze daa baza ortoormala złożoa z wektorów jedostkowyh {e,e,,e, e }. Wówzas e e e e e e e e e Ilozy jest wymarową maerzą o elemetah zespoloyh, której rząd wyos.

10 .3. Maerze gęstoś. Maerz -wymarowa azywa sę maerzą gęstoś jeżel jest maerzą dodato określoą o śladze rówym. Szzególym przypadkem maerzy gęstoś jest maerz rzutowaa a day wektor q ozazoa symbolem P q, której rząd jest rówy. Maerze gęstoś e będąe maerzam rzutowaa mają zawsze rząd wększy od. Każdemu wektorow qc moża przyporządkować w sposób jedozazy operator rzutowaa P q, który rzutuje dowoly wektor wc a -wymarową podprzestrzeń lową geerowaą przez day wektor q. P q w q w q Operator rzutowaa reprezetoway jest x-wymarową hermtowską (symetryzą) maerzą P q q q jak łatwo moża sprawdzć speła waruek rzutowaa P q P q =P q. Przestrzeą staów jest -wymarowa przestrzeń C C C C... C

11 W przestrze C zyste stay kwatowe są reprezetowae zormalzowaym wektoram o długoś. Neh symbol B, ozaza zbór dwuelemetowy oraz B, zbór będąy lozyem kartezjańskm zborów B,. Poadto, eh x B dla =,,...,. Wówzas -wymarowe zormalzowae wektory posta x, x,..., x,..., x x x... x... x tworzą bazę ortoormalą w zespoloej przestrze kwatowyh C. staów Zatem dowoly sta kwatowy qc układu kwatowego złożoego z qubtów moża przedstawć w posta kombaj lowej staów bazowyh q ( x, x x, x,..., x,..., x,...,,..., x,..., x ) B x, x,..., x x gdze zespoloe współzyk x, x,..., x,..., x spełają rówość ( x, x,..., x,..., x ) B x, x,..., x,..., x Zespoloe współzyk x, x,..., x,..., x oszą azwę ampltud prawdopodobeństwa względem bazy ortoormalej

12 Współzyk x, x,..., x,..., x kwadraty h modułów mają terpretaję fzyzą, a maowe x, x,..., x,..., x reprezetują prawdopodobeństwa zalezea sę układu kwatowego w stae bazowym x, x,..., x,..., x C. W przypadku, gdy układ kwatowy składa sę z dwóh podukładów k m kwatowyh odpowedo o przestrzeah staów C oraz C, wówzas jego -wymarowa, (=k+m) przestrzeń staów C jest lozyem tesorowym C k m C C. Wykorzystują postać wektora q, moża zdefować odpowadająy mu operator rzutowaa reprezetoway astępująą -wymarową, hermtowską (symetryzą), dodato określoą, maerzą rzutowaa P q q q Poadto ślad maerzy rzutowaa Tr(P q )=. Maerz rzutowaa P q reprezetuje operator rzutowaa a jedowymarową podprzestrzeń geerowaą przez wektor q. Zatem steje wzajema odpowedość pomędzy daym qubtem q w posta -wymarowego wektora, a dopowadająym mu operatorem gęstoś P q w posta maerzy rzutowaa (gęstoś).

13 W mehae kwatowej występują: stay kwatowe zyste reprezetowae wektoram lub maerzam rzutowaa, oraz stay kwatowe meszae będąe wypukłym kombajam lowym staów zystyh reprezetowae maerzam gęstoś. Dowoly samosprzężoy, dodato określoy operator : C C, reprezetoway -wymarową maerzą gęstoś, której ślad tr =, azywa sę staem układu kwatowego złożoego z qubtów. Maerzy gęstoś jest -wymarową maerzą hermtowską (symetryzą), dodato określoą, posadająą rzezywstyh pojedyzyh lub welokrotyh wartoś własyh s, s,..., s,..., s, którym odpowadają rzezywste -wymarowe wektory włase, w,..., w w, a jej ślad w,..., ( ) Tr P q s Wykorzystują wartoś włase s, =,,..., oraz odpowadająe m wektory włase w, =,,...,, maerz gęstoś moża przedstawć w posta lowej kombaj maerzy rzutowaa a wektorów własyh s w w Należy jedak zazazyć, że powyższe przedstawee maerzy gęstoś jest jedozaze jedye w przypadku pojedyzyh wartoś własyh.

14 W tym przypadku wartoś włase s, =,,..., reprezetują prawdopodobeństwa zalezea sę układu kwatowego w stae kwatowym odpowadająym wektorow własemu w, =,,..., lub rówoważe maerzy rzutowaa w w, =,,...,. W przypadku, gdy Tr( ) Tr z z z z maerz gęstoś jest jedoześe maerzą rzutowaa =P q a wektor q oraz odpowadająy tej maerzy sta kwatowy azywa sę zystym staem kwatowym. Natomast w pozostałyh przypadkah maerz gęstoś reprezetuje tak zway meszay sta kwatowy. Rozróżae staów kwatowyh zystyh meszayh jest możlwe poprzez badae śladu kwadratu maerzy gęstoś. Dla zystyh staów kwatowyh mamy: Tr( ) Tr( ) Tr( P ) Tr q q q q q o wyka z ormalzaj wektora q, którego długość wyos Zatem w tym przypadku =P q =. W przypadku meszayh staów kwatowyh, odpowadająe m wektory zespoloe q zajdują sę wewątrz kul jedostkowej w przestrze C, a zatem h długość jest zawsze mejsza od. W tym przypadku ślad kwadratu maerzy gęstoś reprezetująy kwadrat długoś wektora q jest mejszy od jedoś wyos Tr( ) Tr q q z z

15 .4. Stay kwatowe splątae. Neh oraz j będą bazam ortoormalym odpowedo A B dla -wymarowego układu kwatowego A oraz m-wymarowego układu kwatowego B. Zatem dla staów kwatowyh oraz A B mamy A A j m B j a oraz b Stąd lozy tesorowy tyh staów kwatowyh jest posta j j B A B jm j a b j A j B jm j j A j B gdze j = a b j, =,,,, j=,,,m są dowolym współzykam zespoloym. W ogólym przypadku faktoryzaja ta e jest możlwa wówzas sta kwatowy reprezetoway wektorem m-wymarowym w przestrze C m e posadająy tej faktoryzaj azywa sę staem splątaym. Przykładowo sta kwatowy A B A B jest staem kwatowym splątaym. Splątae ozaza zatem, że day sta kwatowy C e może być przedstawoy jedozaze w posta lozyu tesorowego staów kwatowyh C, =,,...,. Ozaza to, że mędzy poszzególym staam kwatowym steją wzajeme korelaje.

16 Przykładowo, eh 4 C Wektor te reprezetuje sta kwatowy będąy wykem splątaa, gdyż e moża zaleźć dwóh staów kwatowyh C oraz C takh, że =. Pojęe splątaa wąże sę bezpośredo z tak zwaą bazą ortogoalą Bella, którą w zespoloej przestrze C 4 tworzą astępująe 4 wzajeme ortogoale wektory bazowe: +C 4, -C 4, +C 4, -C 4.

17 .5. Obserwable. Neh Q będze -wymarową, maerzą hermtowską, to zazy Q = Q*, reprezetująą obserwablę Q. Wówzas wartość lzbowa obserwabl ozazoa symbolem Q dla qubtu qc jest posta: Q q Q q Z drugej stroy wykorzystują zae z algebry pojęe śladu maerzy otrzymuje sę rówość Tr( QPq ) Tr Q q Zatem po wykoau odpowedh przekształeń maerzowyh wartość lzbową obserwabl Q moża wyrazć wzorem: q Q q Q q Tr( QP ) q gdze P q jest maerzą rzutowaa a -wymarowy wektor q. W szzególym przypadku, gdy wektor q jest wektorem własym obserwabl Q, wówzas wartoś lzbowa obserwabl jest wartośą własą odpowadająa wektorow własemu q. W szzególym przypadku obserwabla może być reprezetowaa operatorem rzutowaa lub kombają lową operatorów rzutowaa. Q z P gdze P q jest maerzą rzutowaa a -wymarowy wektor q. q z

18 3. Bramk kwatowe 3.. Bramk -qubtowe. Kwatowym bramkam logzym są wszystke operaje kwatowe wykoywae w przestrze staów kwatowyh. Podstawowe operaje kwatowe wykoywae a pojedyzym qube azywae jedo-qubtowym kwatowym bramkam logzym reprezetowae są -wymarowym maerzam utarym U będąym lowym wzajeme odwraalym odwzorowaam w zespoloej przestrze C. Maerze utare spełają astępująą podstawową rówość: U - = U *, gdze U - jest maerzą odwrotą, atomast w przypadku rzezywstyh maerzy utaryh U - = U T, gdze U T jest maerzą traspoowaą. Maerze utare reprezetują w zespoloej przestrze C obroty o pewe kąt wokół pozątku układu współrzędyh, które e zmeają długoś poszzególyh wektorów. Poeważ steje eskońzee wele -wymarowyh maerzy utaryh, zatem dla pojedyzego qubtu teoretyze steje eskońzee wele różyh kwatowyh bramek logzyh, odpowadająyh poszzególym maerzom utarym U, oraz realzująyh zadaą kwatową operaję matematyzą [], [4], [8]. Należy zazazyć, że w przypadku klasyzej dwustaowej algebry Boole a w odeseu do jedego btu steją tylko dwe operaje logze, to zazy detyzość ozazoa symbolem I, oraz egaja ozazoa symbolem NOT. W układah kwatowyh operaje te są reprezetowae odpowedo astępująym maerzam utarym U I = U NOT = dla operaj detyzoś I, oraz dla operaj egaj NOT.

19 Przykładowo, dzałae bramk NOT dla ortogoalyh wektorów bazowyh C oraz C moża przedstawć astępująo:, oraz, gdze symbol ozaza trasformaję wektora. U NOT U NOT Borą pod uwagę postać maerzy utarej U NOT reprezetująej kwatową operaję egaj oraz stosują stadardowy zaps wektorowy otrzymuje sę astępująą zależość: U NOT U ) U NOT ( NOT ( ) ( ( ) ) Zatem, dzałae kwatowej bramk NOT dla dowolego zormalzowaego stau kwatowego =+C reprezetowaego wektorem o współzykah zespoloyh,, moża przedstawć astępująo: = + + = gdze symbol ozaza egaję w zapse kwatowym, to zazy zamaę współzyków oraz..

20 Bramka kwatowa Hadamarda H jest reprezetowaa astępująą -wymarową maerzą utarą H Dzałae bramk Hadamarda H dla ortogoalyh wektorów bazowyh C oraz C moża przedstawć astępująo: (+)C, oraz (-)C. Dzałae bramk Hadamarda H dla dowolego stau kwatowego =+C reprezetowaego wektorem o współzykah zespoloyh,, moża przedstawć astępująo: = + ( + ) + ( - ) Istotą rolę w oblzeah kwatowyh odgrywają - wymarowe hermtowske utare maerze Paulego posta

21 Ogóle lzby zespoloe u j,,j=, tworzą -wymarową maerz utarą U u u u u Przykładowo, mogą to być maerze posta: / 4 / 4 e os( / 8) e s( / 8) F / 4 / 4 e s( / 8) e os( / 8) os( / 8) s( / 8) G s( / 8) os( / 8) e H / 4 / 4 e J e / 4 V (, ) os( / ) e s( / ) e s( / ) os( / )

22 3.. Bramk -qubtowe. W przypadku układu kwatowego złożoego z dwóh qubtów podstawowe operaje kwatowe reprezetowae są 44- wymarowym maerzam utarym dzałająym w przestrze C 4. Szzególe zazee ma operaja, której dzałae moża przedstawć za pomoą astępująej 44-wymarowej utarej maerzy: U D u u u u gdze D u u u u jest dowolą operają kwatową a pojedyzym qube, reprezetowaą -wymarową utarą maerzą D. Operaja ta os azwę sterowaej bramk D, gdyż operaja wykoywaa a drugm qube reprezetowaa maerzą D zależy od tego zy perwszy qubt jest w stae kwatowym C zy też w stae kwatowym C. W przypadku, gdy perwszy qubt jest w stae kwatowym C, wówzas drug qubt pozostaje bez zma, atomast gdy perwszy qubt jest w stae kwatowym C, wówzas a drugm qube wykoywaa jest operaja kwatowa reprezetowaa -wymarową maerzą utarą D.

23 W szzególym przypadku gdy maerz utara D jest maerzą odpowadająą operaj egaj NOT, to zazy D=U NOT uzyskuje sę bramkę kwatową o azwe "sterowaa egaja" ozazaej symbolem CNOT (ag. otrolled NOT), której odpowada 44-wymarowa utara maerz U CNOT. U CNOT Dzałae -qubtowej bramk kwatowej CNOT dla ztereh ortoormalyh wektorów bazowyh jest astępująe: =C 4, =C 4, =C 4, 3 =C 4 moża przedstawć astępująo: ==, ==, == 3, 3 ==. Zatem dzałae -qubtowej bramk CNOT dla dowolego stau kwatowego = C 4 reprezetowaego wektorem odpowedo o współzykah zespoloyh,,,, moża przedstawć astępująo: =

24 4. Perspektywzy uwersaly komputer kwatowy Formale kwatowy komputer jest układem qubtów, a któryh moża przeprowadzać odpowede operaje kwatowe reprezetowae bramkam kwatowym zyl maerzam utarym odpowedh wymarów. Bez utraty ogóloś moża założyć, że pozątkowy sta kwatowy -elemetowego układu qubtów odpowada wektorow bazowemu,,,..., C, który astępe jest sekweyje przetwarzay przez dowoly ąg bramek kwatowyh. W wyku dzałaa ągu odpowedo dobrayh kwatowyh bramek logzyh a pozątkowy sta kwatowy otrzymuje sę w efeke -qubtowy końowy sta kwatowy W, który jest wektorem o długoś w -wymarowej zespoloej przestrze pomar wektora W daje am formaje probablstyze. C. Końowy

25 5. Algorytmy kwatowe Do ajważejszyh algorytmów kwatowyh ależą:. algorytm poszukwań opraoway przez Grovera w 997 roku,. algorytm faktoryzaj lzb aturalyh zapropooway w 993 roku przez Shora,

26 5.. Algorytm poszukwań Grovera W 997 roku Grover zapropoował [5], [6] kwatowy algorytm wyszukwaa formaj w dużyh zborah dayh. Problem polega a wyszukau w euporządkowaym zborze dayh {d, =,,3,...,N} zawerająym N elemetów określoego elemetu d j =y. Klasyze algorytmy poszukwań potrzebują średo N / kroków a wyszukae daej formaj w zborze dayh zawerająym N elemetów. Algorytm kwatowy poszukwań Grovera zaze bardzej efektywy potrzebuje średo jedye N kroków. Przykładowo dla N= 6 euporządkowayh elemetów. klasyzy komputer wykoałby taką zyość w zase około klkuset lat. Natomast komputer kwatowy wykorzystująy algorytm poszukwań Grovera wyzazyłby poszukway elemet zboru w ągu około klku mut.

27 5.. Algorytm faktoryzaj Shora W 993 roku Shore zapropoował [7] efektywy kwatowy algorytm umożlwąjay faktoryzaję lzb aturalyh to zazy zajdowae jej podzelków. Algorytm te posada welomaową złożoość oblzeową. Należy zaazyć, że jest to ajważejszy opraoway do tej pory algorytm kwatowej formatyk umożlwająy zaze przyspeszee welu stotyh proesów oblzeowyh, wystepujayh główe w kryptograf. Moża wykazać, że przewaga algorytmu kwatowego ad algorytmem klasyzym wzrasta wraz ze wzrostem lzby aturalej N, która podlega faktoryzaj.

28 Lteratura. Bareo A., A uversal two-bt gate for quatum omputato, Proeedgs of the Royal Soety of Lodo, vol.449, 995, pp Deutsh D., Quatum omputatoal etworks, Proeedgs of the Royal Soety of Lodo, vol.45, 989, pp Bugajsk S., Klamka J., Węgrzy S., Foudatos of quatum omputg. Part I, Arhwum Iformatyk Teoretyzej Stosowaej, vol.3, o,, str Bugajsk S., Klamka J., Węgrzy S., Foudatos of quatum omputg. Part II, Arhwum Iformatyk Teoretyzej Stosowaej, vol.3, o,, str Grover L.K., A fast quatum mehaal algorthm for database searh, Proeedgs of the 8th ACM Symposum o Theory of Computatos, 996, pp Klamka J., Quatum searh algorthm, Studa Iformata, vol.3, o,, str Shore P., Polyomal-tme algorthms for prme fatorzato ad dsrete logarthms o a quatum omputer, Proeedgs of the 35th Aual Symposum o Foudatos of Computer See. Sata Fe, pp Węgrzy S., Klamka J., Kwatowe systemy formatyk, Istytut Iformatyk Teoretyzej Stosowaej PAN, Glwe,. 9. Węgrzy S., Klamka J., Kwatowe systemy formatyk, Studa Iformata, vol., o.,, str Węgrzy S., Kwatowe systemy formatyk, Nauka,, o.3, str.7-8,. Węgrzy S., Klamka J., Quatum omputg, Arhwum Iformatyk Teoretyzej Stosowaej, tom, zeszyt 3,, pp Węgrzy S., Iformatyka kwatowa jej mejse w formatye jako dysyple aukowej, Studa Iformata, vol., o., pp.-7.

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

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

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

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZENIA NR 2

INSTRUKCJA DO ĆWICZENIA NR 2 KATEDRA MECHANIKI STOSOWANEJ Wydzał Mehazy POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 PRZEDMIOT TEMAT OPRACOWAŁ MECHANIKA TECHNICZNA Wyzazee położee środka ężkoś układu mehazego Dr ż. K. Kęk 1.

Bardziej szczegółowo

LABORATORIUM FIZYKI PAŃSTWOWEJ WYŻSZEJ SZKOŁY ZAWODOWEJ W NYSIE

LABORATORIUM FIZYKI PAŃSTWOWEJ WYŻSZEJ SZKOŁY ZAWODOWEJ W NYSIE LABORATORIUM FIZYKI PAŃSTWOWEJ WYŻSZEJ SZKOŁY ZAWODOWEJ W NYSIE Ćwzee r 4 Temat: Wyzazee współzyka załamaa ezy refraktometrem Abbego.. Wprowadzee Śwatło, przy przejśu przez graę dwóh ośrodków, zmea swój

Bardziej szczegółowo

Podprzestrzenie macierzowe

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

Bardziej szczegółowo

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

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

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

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

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

Bardziej szczegółowo

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

będzie próbką prostą z rozkładu normalnego ( 2

będzie próbką prostą z rozkładu normalnego ( 2 Zadae. eh K będze próbką prostą z rozkładu ormalego ( μ σ ) zaś: ( ) S gdze:. Iteresuje as względy błąd estymaj: σ R S. σ rzy wartość ozekwaa E R jest rówa ( ) (A).8 (B).9 (C). (D). (E). Zadae. eh K K

Bardziej szczegółowo

1. Relacja preferencji

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

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

Elementy arytmetyki komputerowej

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

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

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

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

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

Bardziej szczegółowo

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

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

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

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

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

Bardziej szczegółowo

Indukcja matematyczna

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Badania Maszyn CNC. Nr 2

Badania Maszyn CNC. Nr 2 Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

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

Bardziej szczegółowo

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

KINEMATYKA MANIPULATORÓW

KINEMATYKA MANIPULATORÓW KIEMK MIULOÓW WOWDEIE. Manpulator obot można podzelć na zęść terująą mehanzną. Część mehanzna nazywana jet manpulatorem. punktu wdzena Mehank ta zęść jet najbardzej ntereująa. Manpulator zaadnzo można

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

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

Bardziej szczegółowo

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x Iformatyka 05/06 Kazimierz Jezuita ZADANIA - Seria. Relacja rekurecyja kowecja sumacyja suma ciągu geometryczego. Zaleźć wzór a ogóly wyraz ciągu opisaego relacją rekurecyją: x sprowadzając problem do

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

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

Bardziej szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka dyskretna. 10. Funkcja Möbiusa Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1

Bardziej szczegółowo

System finansowy gospodarki

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

Bardziej szczegółowo

Szeregi liczbowe i ich własności. Kryteria zbieżności szeregów. Zbieżność bezwzględna i warunkowa. Mnożenie szeregów.

Szeregi liczbowe i ich własności. Kryteria zbieżności szeregów. Zbieżność bezwzględna i warunkowa. Mnożenie szeregów. Materiały dydaktyze Aaliza Matematyza (Wykład 3) Szeregi lizbowe i ih własośi. Kryteria zbieżośi szeregów. Zbieżość bezwzględa i warukowa. Możeie szeregów. Defiija. Nieh {a } N będzie iągiem lizbowym.

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

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

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

( ) WŁASNOŚCI MACIERZY

( ) WŁASNOŚCI MACIERZY .Kowalski własości macierzy WŁSNOŚC MCERZY Własości iloczyu i traspozycji a) możeie macierzy jest łącze, tz. (C) ()C, dlatego zapis C jest jedozaczy, b) możeie macierzy jest rozdziele względem dodawaia,

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

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

Bardziej szczegółowo

Relacyjny model danych. Relacyjny model danych

Relacyjny model danych. Relacyjny model danych Pla rozdzału Relacyjy model daych Relacyjy model daych - pojęca podstawowe Ograczea w modelu relacyjym Algebra relacj - podstawowe operacje projekcja selekcja połączee operatory mogoścowe Algebra relacj

Bardziej szczegółowo

Równania liniowe rzędu drugiego stałych współczynnikach

Równania liniowe rzędu drugiego stałych współczynnikach Rówaia liiowe rzędu drugiego stałyh współzyikah Rówaiem różizkowym zwyzajym liiowym drugiego rzędu azywamy rówaie postai p( t) y q( t) y r( t), (1) gdzie p( t), q( t), r( t ) są daymi fukjami Rówaie to,

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

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

TMM-2 Analiza kinematyki manipulatora metodą analityczną

TMM-2 Analiza kinematyki manipulatora metodą analityczną Opracował: dr ż. Przemysław Szumńsk Laboratorum Teor Mechazmów Automatyka Robotyka, Mechatroka TMM- Aalza kematyk mapulatora metodą aaltyczą Celem ćwczea jest zapozae sę ze sposobem aalzy kematyk mechazmu

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

ELEMENTY TEORII MOŻLIWOŚCI ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

Bardziej szczegółowo

ĆWICZENIE 10 OPTYMALIZACJA STRUKTURY CZUJKI TEMPERATURY W ASPEKCIE NIEZWODNOŚCI

ĆWICZENIE 10 OPTYMALIZACJA STRUKTURY CZUJKI TEMPERATURY W ASPEKCIE NIEZWODNOŚCI ĆWICZENIE 0 OPTYMALIZACJA STUKTUY CZUJKI TEMPEATUY W ASPEKCIE NIEZWODNOŚCI Cel ćwczea: zapozae z metodam optymalzac wewętrze struktury mozakowe czuk temperatury stosowae w systemach sygalzac pożaru; wyzaczee

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Modelowanie i Analiza Danych Przestrzennych

Modelowanie i Analiza Danych Przestrzennych Modelowae Aalza Dayh Przestrzeyh Wykład Adrze Leśak atedra Geoformatyk Iformatyk Stosowae Akadema Górzo-Hutza w rakowe Proesy welowymarowe ałóżmy że w tyh samyh uktah rzestrzeyh x x.x omerzoo klka ( różyh

Bardziej szczegółowo

Współczynnik korelacji rangowej badanie zależności między preferencjami

Współczynnik korelacji rangowej badanie zależności między preferencjami Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl Pla referatu: Klasycze metody

Bardziej szczegółowo

A B - zawieranie słabe

A B - zawieranie słabe NAZEWNICTWO: : rówoważość defcj : rówość defcj dla każdego steje! ZBIORY steje dokłade jede {,,,...} - całkowte * - całkowte be era - wmere - ujeme plus ero - recwste - espoloe A B - awerae słabe A :

Bardziej szczegółowo

Regresja REGRESJA

Regresja REGRESJA Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Projekt 2 2. Wielomiany interpolujące

Projekt 2 2. Wielomiany interpolujące Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa

Bardziej szczegółowo

Modele wartości pieniądza w czasie

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

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

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

Komputer kwantowy Zasady funkcjonowania. Dr hab. inż. Krzysztof Giaro Politechnika Gdańska Wydział ETI

Komputer kwantowy Zasady funkcjonowania. Dr hab. inż. Krzysztof Giaro Politechnika Gdańska Wydział ETI Komputer kwantowy Zasady funkcjonowana Dr hab. nż. Krzysztof Garo Poltechnka Gdańska Wydzał ETI Oblczena kwantowe. R. Feynman [985] symulację zachowana układu kwantowego należy przeprowadzć na "maszyne"

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Niepewności pomiarów. DR Andrzej Bąk

Niepewności pomiarów. DR Andrzej Bąk Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w

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

Twierdzenie Cayleya-Hamiltona

Twierdzenie Cayleya-Hamiltona Twierdzeie Cayleya-Hamiltoa Twierdzeie (Cayleya-Hamiltoa): Każda macierz kwadratowa spełia swoje włase rówaie charakterystycze. D: Chcemy pokazać, że jeśli wielomiaem charakterystyczym macierzy A jest

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej Dr hab. ż. Ato Śwć, prof. adzw. Istytut Techologczych ystemów Iformacyych oltechka Lubelska ul. Nadbystrzycka 36, 2-68 Lubl e-mal: a.swc@pollub.pl Dr ż. Lech Mazurek aństwowa Wyższa zkoła Zawodowa w Chełme

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

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

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

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

Cyfrowe przetwarzanie i kompresja danych

Cyfrowe przetwarzanie i kompresja danych Cyfrowe przetwarzane kompresja danyh dr nż.. Wojeh Zają Wykład 4. Dyskretna transformata kosnusowa Shemat przetwarzana danyh w systeme yfrowym Cyfryzaja danyh Dekorelaja kwantyzaja ompresja FEC + przeplot

Bardziej szczegółowo

AM1.1 zadania 8 Przypomn. e kilka dosyć ważnych granic, które już pojawiły się na zajeciach. 1. lim. = 0, lim. = 0 dla każdego a R, lim (

AM1.1 zadania 8 Przypomn. e kilka dosyć ważnych granic, które już pojawiły się na zajeciach. 1. lim. = 0, lim. = 0 dla każdego a R, lim ( AM11 zadaia 8 Przypom e kilka dosyć ważyh grai, które już pojawiły się a zajeiah e 1 lim 1 l(1+) (1+) 1, lim 1, lim a 1 si a, lim 1 0 0 0 0 l 2 lim 0, lim a 0 dla każdego a R, lim (1 + 1 e ) e, lim 1/

Bardziej szczegółowo

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

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

Bardziej szczegółowo

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

WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW

WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW U podstaw wszystkch auk przyrodczych leży zasada: sprawdzaem wszelkej wedzy jest eksperymet, tz jedyą marą prawdy aukowej jest dośwadczee Fzyka, to auka

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

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

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

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

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

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

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

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

Bardziej szczegółowo

. 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

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego Elemety rach macierzowego Materiały pomocicze do MES Stroa z 7 Elemety rachuku macierzowego Przedstawioe poiżej iformacje staowią krótkie przypomieie elemetów rachuku macierzowego iezbęde dla zrozumieia

Bardziej szczegółowo

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

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

Bardziej szczegółowo

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ

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

Bajki kombinatoryczne

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

Bardziej szczegółowo

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.

Bardziej szczegółowo

WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU. Wprowadzenie. = =

WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU. Wprowadzenie. = = WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU Wprowadzeie. Przy przejśiu światła z jedego ośrodka do drugiego występuje zjawisko załamaia zgodie z prawem Selliusa siα

Bardziej szczegółowo

VI. TWIERDZENIA GRANICZNE

VI. TWIERDZENIA GRANICZNE VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych

Bardziej szczegółowo