4. Aproksymacja Wprowadzenie (4.1) aproksymowana aproksymującej przybliżającej błędami aproksymacji przybliżenia

Wielkość: px
Rozpocząć pokaz od strony:

Download "4. Aproksymacja Wprowadzenie (4.1) aproksymowana aproksymującej przybliżającej błędami aproksymacji przybliżenia"

Transkrypt

1 4. Aproksymacja Wprowadzeie (4.1) Aproksymacja ozacza przybliżaie fukcji y= f x za pomocą prostszej, ależącej do określoej klasy fukcji y=f x. Przyczyy strosowaia aproksymacji: - fukcja aproksymowaa y= f x wyrażoa jest za pomocą skomplikowaej, iepraktyczej zależości aalityczej, - zay jest tylko skończoy zbiór wartości fukcji y= f x, p. odczytaych w trakcie pomiaru. Fukcji aproksymującej (przybliżającej) y=f x poszukuje się zwykle w określoej rodziie fukcji p. wśród wielomiaów. Przybliżaie jedej fukcji przez ią powoduje pojawiaie się błędów, zwaych błędami aproksymacji (przybliżeia).

2 Wprowadzeie (4.1) W zależości od sposobu mierzeia błędu aproksymacji rozróżia się dwa rodzaje: - aproksymację jedostają - aproksymację średiokwadratową Aproksymacja jedostaja (4.1.1) Zakłada się, że fukcje y= f x oraz y=f x są określoe i ciągłe w przedziale [a ;b]. Błąd aproksymacji jest mierzoy za pomocą ormy Czebyszewa f F = s up f (x) F (x). a x b Aproksymacja średiokwadratowa (4.1.2) Wyróżia sie dwa przypadki: - aproksymacja ciągła - fukcja y= f x jest określoa i ciągła w przedziale [a;b]. Błąd aproksymacji wyraża zależość gdzie y=w x b f F = a w(x)[ f (x) F (x)] 2 dx, to ieujema, rzeczywista fukcja wagowa.

3 Wprowadzeie (4.1) Aproksymacja średiokwadratowa (4.1.2) - aproksymacja dyskreta - fukcja y= f x jest fukcją dyskretą tz. Jej zae wartości moża przedstawić za pomocą tabeli. Tabela 4.1. Zae wartości fukcji dyskretej Błąd aproksymacji wyraża zależość f F = i=0 w x i [ f x i F x i ] 2. Fukcję aproksymującą wybiera się ajczęściej w postaci wielomiau uogólioego F x = 0 x a 1 1 x a m m x w którym fukcje 0 x, 1 x,, m x są wybraymi a priori fukcjami bazowymi m 1 wymiarowej przestrzei liiowej. W takim przypadku zadaie aproksymacji sprowadza się do określeia współczyików,a 1,, a m.

4 Wprowadzeie (4.1) Aproksymacja średiokwadratowa cd. (4.1.2) W charakterze fukcji bazowych wybiera się ajczęściej - jedomiay 1, x, x 2,, x m (baza jedomiaów), gdyż zgodie z twierdzeiem Weierstrassa, dla każdej fukcji y= f x określoej i ciągłej a domkiętym i ograiczoym odciku [a ;b] istieje taki wielomia W m = +a 1 x+a 2 x 2 +,a m x m, który przybliża jedostajie fukcję y= f x a odciku [a ;b]. - fukcje trygoometrycze 1,cos x, si x,cos2x,si 2x,, cos mx,si mx (baza trygoometrycza), gdyż zgodie z twierdzeiem Weierstrassa, dla każdej fukcji y= f x określoej i ciągłej a R oraz okresowej o okresie 2 istieje taki wielomia trygoometryczy S m (x)= 2 + (a k cos kx+b k si kx), k=1 który przybliża jedostajie fukcję y= f x. m

5 Aproksymacja średiokwadratowa dyskreta (4.2) Zakłada się, że zae wartości fukcji aproksymowaej y= f x zostały zestawioe w tabeli 4.1. Fukcja y= f x będzie aproksymowaa wielomiaem uogólioym F (x)= φ 0 (x)+a 1 φ 1 ( x)+ +a m φ m ( x). Błąd aproksymacji jest obliczay z wzoru f F = i=0 w x i [ f x i F x i ] 2. Zadaiem aproksymacji średiokwadratowej dyskretej jest wyzaczeie takich współczyików, a 1,a 2,, a m wielomiau F (x), przy których błąd aproksymacji f F jest ajmiejszy. Zagadieie to moża rozwiązać stosując metodę ajmiejszych kwadratów. W tym celu odległość f F rozpatruje się jako fukcję m 1 zmieych iezależych, a 1,a 2,, a m : )[ m D m (, a 1,..., a m )= f F = w(x y i i a k φ k (x i )]2. i=0 k=0 Korzystając z waruku koieczego istieia miimum fukcji wielu zmieych D m (, a 1,..., a m ) a j = i=0 2 w(x i )[ m y i k =0 )] a k φ k (x φ (x )=0 i j i dla j=0,1,...,m.

6 Aproksymacja średiokwadratowa dyskreta cd. (4.2) Po uporządkowaiu składików względem a k, k=0,1,, m otrzymuje się Ozaczając przez (iloczy skalary) sprowadza się zagadieie zalezieia optymalych współczyików a k, k=0,1,, m do rozwiązaia układu rówań liiowych: oszącego azwę układu ormalego (układu rówań ormalych).

7 Aproksymacja średiokw. dyskreta za pomocą wielomiaów (4.3) Jeśli w charakterze fukcji bazowych przyjmie się ciąg jedomiaów 1, x, x 2,, x m, fukcja aproksymująca przybierze postać wielomiau a układ ormaly będzie rówy gdzie: F x = a 1 x a 2 x 2 a m x m s 0 + s 1 a s m a m =t 0, s 1 + s 2 a s m+1 a m =t 1,..., s m +s m+1 a s 2m a m =t m, s k = i=0 t k = i =0 x i k y i x i k dla k=0,1,..., dla k=0,1,... Moża wykazać, że jeżeli argumety x 0, x 1, x 2,, x są róże i m, wyzaczik układu ormalego jest róży od zera układ ma jedozacze rozwiązaie. Rozwiązując powyższy układ wyzacza się współczyiki, a 1, a 2,,a m.

8 Aproksymacja średiokw. dyskreta za pomocą wielomiaów cd. (4.3) Przykład: W poiższej tabeli zostały odotowae wyiki przeprowadzoego doświadczeia Przeprowadzający doświadczeie stwierdził, że badaa fukcja jest zbliżoa do fukcji kwadratowej oraz wartość f (2,5) jest obarczoa zbyt dużym błędem. Wyzaczyć wartość fukcji y= f x dla x=2,5. Rozwiązaie: Poieważ wartość fukcji f (2,5)=1,55 jest obarczoa błędem grubym, ie będzie uwzględiaa w obliczeiach. Zostaą oe oparte a astępującej fukcji tabelaryczej: Zgodie z uwagą poczyioą przez przeprowadzającego eksperymet fukcja będzie przybliżaa parabolą F 2 x = a 1 x a 2 x 2. Współczyiki, a 1,a 2 zostaą wyzaczoe poprzez rozwiązaie układu rówań liiowych s 0 +s 1 a 1 +s 2 a 2 =t 0, s 1 +s 2 a 1 +s 3 a 2 =t 1, s 2 +s 3 a 1 +s 4 a 2 =t 2.

9 Aproksymacja średiokw. dyskreta za pomocą wielomiaów cd. (4.3) W tabeli poiżej zestawioo obliczeia prowadzące do wyzaczeia współczyików s i i t i, i=0,1, 2. Tabela 4.3. Proces obliczaia współczyików s i i t i.

10 Aproksymacja średiokw. dyskreta za pomocą wielomiaów cd. (4.3) Rozwiązując uklad rówań Otrzymuje się: =1,124, Wielomia aproksymacyjy [ 7,000 11,500 28,750 11,500 28,750 82,375 a 1 30,810 28,750 82, ,188][a0 a 2]=[11,920 96,235] a 1 = 1,495, a 2 =0,739. F 2 x ma postać F 2 (x)=1,124 1,495 x+0,739 x 2. Rozwiązaie zadaia otrzyma się podstawiając x=2,5 F 2 (2,5)=1,124 1,495 2,5+0,739 2,5 2 =2,0.

11 Aproksymacja średiokw. dyskreta wielomiaami ortogoalymi (4.4) Układ wielomiaów φ 0 (x), φ 1 (x),, φ m (x) azyway jest układem ortogoalym z fukcją wagową y=w x a zbiorze X ={x 0, x 1,, x } wtedy i tylko wtedy gdy j, k = i =0 w x i j x i k x i { =0 dla j k, 0 dla j=k.} Układ ortogoaly wielomiaów jest układem fukcji liiowo iezależych. Moża zatem układ taki potraktować jako bazę pewej podprzestrzei fukcyjej i aproksymować fukcję y= f x za pomoca liiowej kombiacji wielomiaów tej bazy. W przypadku, gdy fukcje bazowe tworzą układ ortogoaly, tz. j, k =0 dla j,k=0,1,, m ; j k układ rówań ormalych przyjmuje postać (φ 0,φ 0 ) =(φ 0, f ), (φ 1,φ 1 )a 1 =(φ 1, f ),, (φ m, φ m )a m =(φ m, f ).

12 Aproksymacja średiokw. dyskreta wielomiaami ortogoalymi cd. (4.4) Rozwiązaie powyższego układu rówań określają wzory a j =, f j j, j = i =0 Błąd aproksymacji moża wyzaczyć korzystając z zależości D mi m = f F = i=0 w x i j x i f x i i =0 w x i j 2 x i m w x i f 2 x i k=0 dla i=0 j=0,1,,m. w x i k x i f x i 2 i =0 w x i k 2 x i. Jak moża zauważyć: D mi 0 D mi 1 D mi 2, co ozacza, że odchyleie średiokwadratowe maleje mootoiczie wraz ze wzrostem stopia wielomiau aproksymującego.

13 Aproksymacja średiokw. dyskreta wielomiaami ortogoalymi cd. (4.4) Układ wielomiaów ortogoalych p 0, p 1, p 2,, p m moża otrzymać p. ortogoalizując ciąg jedomiaów x 0, x 1, x 2,, x m za pomocą metody Grama-Schmidta: i 1 p 0 =x 0 =1, p i =x i ( x i, p k ) k=0 ( p k, p k ) p, i=1,,m. k Moża pokazać, że wielomiay ortogoale spełiają prostą zależość rekurecyją tzw. regułę trójczłoową, która po uproszczeiach przyjmuje postać: p 1 (x)=0, p 0 (x)=1, p k 1 x = x k 1 p k x k p k 1 x, k=0,1,, gdzie k = 0 i =0 i=0 dowole oraz p k 2 x i 2 p k 1 x i k=1, 2,, k 1 = Wielomiay p 0, p 1, p 2,, p m tworzą a zbiorze X ={x 0, x 1, x 2,, x } układ ortogoaly z fukcją wagową y=w(x) 1. Fukcję y= f (x) moża teraz przybliżać za pomoca wielomiau i =0 i=0 x i p k 2 x i p k 2 x i F (x)= p 0 (x)+a 1 p 1 (x)+ +a m p m (x). k=0,1,,.

14 Aproksymacja średiokw. dyskreta wielomiaami ortoormalymi (4.5) Układ wielomiaów φ 0 (x), φ 1 (x),, φ m (x) azyway jest układem ortoormalym z fukcją wagową y=w(x) 1 a zbiorze X ={x 0, x 1,, x } wtedy i tylko wtedy gdy (φ j, φ k )= i=0 w(x i )φ j (x i )φ k (x i )= i=0 φ j (x i )φ k (x i ) { =0 dla j k, =1 dla j=k. Układ rówań ormalych redukuje się rówczas do zestawu rówań pozwalających a bezpośredie wyzaczeie wektora parametrów, a 1,a 2,, a m. =(φ 0, f )= i=0 φ 0 ( x i ) f (x i ), a 1 =(φ 1, f )= φ 1 (x i ) f ( x i ), i=0, a m =(φ m, f )= i=0 φ m (x i ) f (x i ).

15 Aproksymacja średiokw. dyskreta wielom. ortoormalymi cd. (4.5) Aproksymacja za pomocą wielomiaów Grama (4.5.1): Zakłada się, że węzły fukcji aproksymowaej, ozaczoe przez u 0, u 1,,u, są puktami podziału odcika [ 1 ;1] a rówych części tj.: u i = 2 i 1, i=0,1,,. W puktach tych fukcja aproksymowaa f (x) przyjmuje wartości: Wielomiay Grama są określoe zależościami rekurecyjymi: G G 0 (u)=α 0 = 1 (+1), 1 u =0, G k u = k u G k 1 u k G k 2 u dla k=1,2,, 1, α k = k y i = f (u i ), i=0, 1,,. 4k 2 1 (+1) 2 k 2 dla k=1,2,, 1, 1 jest dowole, k = k k 1 dla k=1, 2,, 1.

16 Aproksymacja średiokw. dyskreta wielom. ortoormalymi cd. (4.5) Aproksymacja za pomocą wielomiaów Grama cd. (4.5.1): Wielomiay Grama G k (u)=0, k=0,1,, 1, tworzą układ ortoormaly a zbiorze: X ={u 0, u 1,, u }={ 1, 2 1, 4 1,, 1 } z fukcją wagową y=w( x) 1. Fukcję y= f (x) a odciku [ 1;1] moża przybliżać stosując wielomia: Q m (u)= G 0 (u)+a 1 G 1 (u)+,,+a m G m (u ) dla m 1. Przykład: Dokoać aproksymacji daych pomiarowych zamieszczoych w poiższej tablicy za pomocą wielomiau aproksymacyjego rzedu m=2 zbudowaego z wielomiaów Gramma. Q 2 (u)= G 0 (u)+a 1 G 1 (u)+a 2 G 2 (u ). Stosując wielomia Q 2 (u) oszacować wartość fukcji f (x) dla x=2,125.

17 Aproksymacja średiokw. dyskreta wielom. ortoormalymi cd. (4.5) Aproksymacja za pomocą wielomiaów Grama cd. (4.5.1): Rozwiązaie: Do rozwiązaia powyższego zadaia moża użyć wielomiaów Grama, poieważ węzły są rozmieszczoe rówomierie - h=0,25 oraz =6. W pierwszej kolejosci ależy przekształcić przedział zmieości fukcji f (x) rówy [1,0 ; 2,5] a odciek [ 1 ;1], w którym to przedziale wielomiay Grama G i (u), i=0,1,, są ortogoale. Przekształceia proste i odwrote wyrażają zależości: u= 4 3 x 7 3, x= 3 4 u gdzie: 1,0 x 2,5 oraz 1 u 1. Wielomia aproksymacyjy przyjmuje postać: Q 2 (u)= G 0 (u)+a 1 G 1 (u)+a 2 G 2 (u ). Q 2 ( x)= G 0( 4 3 x 7 3) +a G 1( x 7 3) +a G 2( x 7 3) =a G ' 0 0(x)+a 1 G ' 1 (x)+a 2 G ' 2 (x). Aby skostruować wielomiay Grama G 0 (u ), G 1 (u), G 2 (u), koiecze jest wyzaczeie wartości zmieych pomociczych: α 0,α 1,α 2,γ 2, przy czym przyjmuje się, że G 1 (u)=0 oraz γ 1 jest dowole.

18 Aproksymacja średiokw. dyskreta wielom. ortoormalymi cd. (4.5) Aproksymacja za pomocą wielomiaów Grama cd. (4.5.1): Rozwiązaie cd.: G ' 0 (x)=g 0 (u)=α 0 = 1 (+1) = 1 (6+1) =0,378, α 1 = (6+1) 2 1 =1,500, 2 α 2 = (6+1) 2 2 =1,7321, 2 γ 2 = α 2 =1,1547. α 1 Wielomiay G 1 (u) oraz G 2 (u) wyzacza się rekurecyjie otrzymując zależości: G 1 (u)=α 0 α 1 (u ) G ' 1 (x )=α 0 α 1( 4 3 x 7 3) =0,7559 x 1,3229, G 2 (u)=α 0 α 1 α 2 (u) 2 α 0 γ 2 G 2 ' (x)=α 0 α 1 α 2( 4 3 x 7 3)2 α 0 γ 2 =1,7457 x 2 6,1101 x+4,9099. Współczyiki wagowe,a 1,a 2 wielomiau aproksymacyjego Q 2 ( x) oblicza się rozwiązując ''zredukoway'' układ rówań ormalych:

19 Aproksymacja średiokw. dyskreta wielom. ortoormalymi cd. (4.5) Aproksymacja za pomocą wielomiaów Grama cd. (4.5.1): Rozwiązaie cd.: =(G ' 0 (x), f (x))= G ' 0 (x i ) f (x i )= 0,378 f (x i )= 0,0038, 6 a 1 =(G ' 1 (x), f (x))= i=0 Ostateczie wielomia aproksymacyjy przyjmuje postać: A po uporządkowaiu: 6 i=0 Oszacowaie wartość fukcji f (x) dla x=2,125 wyosi Q 2 (2,125)=0, i=0 G ' 1 (x i ) f (x i )= (0,7559 x i 1,3229) f (x i )= 0,0493, i=0 a 2 =(G ' 2 (x), f ( x))= G ' 2 (x i ) f (x i ) 6 i=0 6 = i=0 (1,7457 x i 2 6,1101 x i +4,9099) f (x i )= 3,4460. Q 2 ( x)= 0,0038 0,378 0,0493 (0,7559 x 1,3229)+ 3,446 (1,7457 x 2 6,1101 x+4,9099). Q 2 ( x)= 16, ,0180 x 6,0158 x 2.

20 Aproksymacja średiokw. dyskreta wielom. ortoormalymi cd. (4.5) Aproksymacja za pomocą wielomiaów Grama cd. (4.5.1): Rozwiązaie cd.: Dae pomiarowe f (x i ) oraz wielomia aproksymacyjy Grama Q 2 ( x).

21 Aproksymacja średiokw. dyskreta wielomiaami ortogoalymi (4.6) Aproksymacja za pomocą wielomiaów trygoometryczych: Zakładamy, że fukcja aproksymowaa y= f (ν ) jest fukcją ciągłą, okresową o okresie głowym 2π oraz, że zae są jej wartości w węzłach ν 0, ν 1,,ν będących puktami odcika [0 ; 2 π ] (okres główy f (ν )) określoych wzorami. ν i = 2π i dla i=0,1,,. +1 Ciąg fukcji 1,cos(ν ),si(ν ),cos(2ν ),si(2ν ),,cos(2ν ),si (2ν ),, zway układem trygoometryczym jest układem fukcji ortogoalych a zbiorze V ={ν 0, ν 1,,ν }={ 0, 2π +1, 4 π 2 π,, +1 +1} z fukcją wagową y=w(ν ) 1. Fukcję y= f (ν ) moża przybliżać stosując wielomia trygoometryczy rzędu m: m S m (ν )= 2 + (a k cos(kν )+b k si(kν )). k=1 Optymale w sesie aproksymacji średiokwadratowej współczyiki a k, k=0,1,, b k, k=1, 2,, wyraża się wzorami:

22 Aproksymacja średiokw. dyskreta wielomiaami ortogoalymi cd. (4.6) Aproksymacja za pomocą wielomiaów trygoometryczych: a k = 2 +1 i=0 f (ν i )cos(kν i )= 2 +1 i=0 f ( 2 π +1 i ) cos ( 2k π +1 i ) dla k=0,1,, b k = 2 +1 i=0 f (ν i )si(kν i )= 2 +1 i=0 f ( 2π +1 i ) si ( 2k π +1 i ) dla k=1, 2,. Noszą oe azwę współczyików Fouriera. Wielomia trygoometryczy ze współczyikami Fouriera azywa się wielomiaem Fouriera. Dla fukcji y= f (ν ) ciągłej, parzystej i okresowej o okresie z okresem głowym [0 ; 2 π ], współczyiki Fouriera b k =0, dla k=1,2,. Wielomia aproksymacyjy upraszcza siędo postaci: S m (ν )= a m a k cos(kν ). k=1 Dla fukcji y= f (ν ) ciągłej, ieparzystej i okresowej o okresie 2π z okresem głowym [0 ; 2 π ], współczyiki Fouriera a k =0, dla k=0,1,. Wielomia aproksymacyjy upraszcza się do postaci: m S m (ν )= k=1 b k si(k ν ). 2π

23 Aproksymacja średiokw. dyskreta wielomiaami ortogoalymi cd. (4.6) Aproksymacja za pomocą wielomiaów trygoometryczych: Przykład: W tabeli poiżej podao wybrae wartości fukcji y= f (t) dla <t<, okresowej o okresie 2 z okresem głowym [ 1;1]. ciągłej Zbudować i wykreślić wielomia aproksymacyjy Fouriera stopia 5. Rozwiązaie: Fukcja y= f (t) jest ciągła i okresowa, węzły są rozmieszczoe ze stałym krokiem h=0.2 (=9). Poieważ okres głowy fukcji jest rówy [ 1 ;1] a wielomiay trygoometrycze są ortogoale a odciku [0 ; 2 π ], koiecze jest wyzaczeie przekształceia odcika [ 1;1] a [0 ; 2 π ]. Przekształceie takie (wraz z przekształceiem odwrotym) ma postać: ν =π t+π, t= ν π 1, gdzie: 1 t 1 oraz 0 ν 2 π. Jak moza zauważyć y= f (t) jest fukcją parzystą, stad do jej aproksymacji moża wykorzystać uproszczoą wersję wielomiau: S m (ν )= a m a k cos(kν ). k=1

24 Aproksymacja średiokw. dyskreta wielomiaami ortogoalymi cd. (4.6) Aproksymacja za pomocą wielomiaów trygoometryczych: Wyzaczaie współczyików wielomiau Fouriera: = i=0 a 1 = i =0 a 2 = i=0 a 3 = i=0 a 4 = i=0 a 5 = i =0 f ( 2 π 9 i ) cos (0)=0,2 (0,0+0,4+0,8+1,2+1,6+2,0+ +0,8+0,4)=2,0000, f ( 2 π 9 i ) cos ( 2π 9 i ) =0,2 (0,0+0,3236+0, ,3236)= 0,8378, f ( 2π 9 i ) cos ( 4π 9 i ) =0,2 (0,0+0,1236 0, ,1236)=0,0000, f ( 2 π 9 i ) cos ( 6π 9 i ) =0,2 (0,0 0,1236 0, ,1236)= 0,1222, f ( 2 π 9 i ) cos ( 8π 9 i ) =0,2 (0,0 0,3236+0, ,3236)=0,0000, f ( 2 π 9 i ) cos ( 10π 9 i ) =0,2 (0,0 0,4000+0, ,4000)= 0,0800, Trygoometryczy wielomia aproksymacyjy ma postać: S 5 (t)=1,0000 0,8378 cos(π t+π ) 0,1222 cos(3 (π t+π )) 0,0800cos(5(π t+π )).

25 Aproksymacja średiokw. dyskreta wielomiaami ortogoalymi cd. (4.6) Aproksymacja za pomocą wielomiaów trygoometryczych: Fukcja aproksymowaa Fouriera S 5 (t). f (t) oraz aproksymacyjy wielomia

26 Aproksymacja średiokw. dyskreta wielomiaami ortogoalymi cd. (4.6) Aproksymacja za pomocą wielomiaów trygoometryczych: Aproksymacja wielomiaem Fouriera 5 rzędu aproksymacja przechodzi w iterpolację. F 5 (t) jedeastu węzłow f (t)

27 Aproksymacja średiokwadratowa ciągła (4.7) Zakłada się, że fukcja aproksymowaa y= f x jest określoa i ciągła w przedziale [a;b]. Fukcja ta zostaje poddaa aproksymacji za pomocą wielomiau uogólioego Zagadieie aproksymacji średiokwadratowej ciągłej polega a zalezieiu takich współczyików c 0,c 1,, c m, dla których odległość sesie metryki średiokwadratowej jest ajmiejsza. Zagadieie to rozwiązuje sie stosując metodę ajmiejszych kwadratów. Miimalizowaa fukcja celu m 1 zmieych iezależych c 0,c 1,, c m ma postać: Korzystając z waruku koieczego istieia miimum fukcji wielu zmieych otrzymuje się

28 Aproksymacja średiokwadratowa ciągła (4.7) Po przekształceiach wyrażeia polegających między iymi a zamiaie kolejości sumowaia i całkowaia oraz uporządkowaiu zależości względem otrzymuje się Ozaczając przez (iloczyy skalare) powyższe wyrażeie moża zapisać w postaci układu ormalego rówań liiowych Rozwiązując te układ rówań zajdujemy optymale współczyiki c 0, c 1,, c m (przyjęte ogóle założeia odośie bazowych fukcji aproksymujących ie dają gwaracji istieia rozwiązaia).

29 Aproksymacja średiokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomiaów (4.7.1) Jeśli w charakterze fukcji bazowych wykorzysta się ciąg jedomiaów 1, x, x 2,, x m, fukcja aproksymująca przybierze postać wielomiau F (x)= +a 1 x+a 2 x 2,,a m x m, Układ rówań ormalych przyjmie postać: s 0 + s 1 a s m a m =t 0, s 1 + s 2 a s m+1 a m =t 1,... s m +s m+1 a s 2m a m =t m, gdzie: Rozwiązując powyższy układ rówań wyzaczamy współczyiki,a 1,, a m.

30 Aproksymacja średiokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomiaów (4.7.1) Przykład: Zaleźć wielomia drugiego stopia alepiej przybliżający, w sesie metryki średiokwadratowej fukcję f x = x w przedziale [0 ; 2].

31 Aproksymacja średiokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomiaów (4.7.1) Przykład: Zaleźć wielomia drugiego stopia alepiej przybliżający, w sesie metryki średiokwadratowej fukcję f x = x w przedziale [0 ; 2]. Rozwiązaie: Poszukiwae są współczyiki F 2 x = a 1 x a 2 x 2.,a 1,a 2 m=2 wielomiau Dla ich zalezieia koiecze jest rozwiązaie astępującego układu rówań: s 0 +s 1 a 1 +s 2 a 2 =t 0, s 1 +s 2 a 1 +s 3 a 2 =t 1, s 2 +s 3 a 1 +s 4 a 2 =t 2, gdzie:

32 Aproksymacja średiokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomiaów (4.7.1) Rozwiązaie (cd): Ostateczie układ rówań przyjmuje postać Jego rozwiązaiem są współczyiki = , a 1 = , a 2 = 2 7. Wielomia aproksymacyjy wyraża zalezość: F 2 x = x 2 7 x2. Tablica wartości fukcji f x = x oraz wielomiau aproksymującego F 2 x

33 Aproksymacja średiokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomiaów (4.7.1) Rozwiązaie (cd): Wykresy fukcji f x oraz wielom. aproksymującego F 2 x

34 Aproksymacja średiokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomiaów ortogoalych (4.7.2) Układ wielomiaów 0 x, 1 x,, k x, azyway jest układem ortogoalym z fukcja wagową y=w x a odciku [a ;b] wtedy i tylko wtedy, gdy iloczyy skalare g jk = j x, k x spełiają waruki: Układ ortogoaly jest układem fukcji liiowo iezależych. Układ 0 x, 1 x,, k x, moża zatem potraktować jako bazę pewej przestrzei fukcyjej i aproksymować fukcję f x za pomocą liiowej kombiacji fukcji bazy. W przypadku, gdy fukcje 0 x, 1 x,, k x, tworzą bazę ortogoalą, wówczas układ rówań ormalych upraszcza sie do postaci

35 Aproksymacja średiokwadratowa ciągła (4.7) Aproksymacja za pomocą wielomiaów ortogoalych (4.7.2) Poieważ a mocy defiicji ortogoalości g jj 0 dla j=0,1,, m, powyższy układ rówań ma jedozacze rozwiązaie określoe zależościami: Odchyleie średiokwadratowe fukcji aproksymowaej aproksymującej F x wyraża się wzorem: f x od Z zależości wyika, że ze wzrostem stopia wielomiau aproksymującego maleje mootoiczie odchyleie średiokwadratowe tj.: I 0 mi I 1 mi I 2 mi.

36 Aproksymacja za pomocą wzorów empiryczych (4.8) Czasami do aproksymacji używa się jedej fukcji aalityczej (lub kilku różych fukcji). Jej postać dobiera się a podstawie aprioryczej wiedzy o przebiegu przybliżaej zależości lub w oparciu o oceę wzrokową rozrzutu jej wartości umieszczoych w prostokątym układzie współrzędych. Do często stosowaych fukcji ależą: Charakteryzują się oe małą liczbą parametrów i oraz często łatwą iterpretacją fizyczą.

37 Aproksymacja za pomocą wzorów empiryczych (4.8) Dobór postaci aalityczej fukcji aproksymującej w oparciu o oceę wzrokową rozrzutu jej wartości umieszczoych w prostokątym układzie współrzędych (4.4.1) y y 0 x 0 x y=ax+b y=ba x lub y=b x a (dla a>1) lub y= +a 1 x+a 2 x 2 (dla a 2 >0)

38 Aproksymacja za pomocą wzorów empiryczych (4.8) Dobór postaci aalityczej fukcji aproksymującej w oparciu o oceę wzrokową rozrzutu jej wartości umieszczoych w prostokątym układzie współrzędych (4.4.2) y y 0 x 0 y= +a 1 x+a 2 x 2 y=b+a log x lub y=b x a (0<a<1) lub y= a x x+b x

39 Aproksymacja za pomocą wzorów empiryczych (4.8) Dobór postaci aalityczej fukcji aproksymującej w oparciu o oceę wzrokową rozrzutu jej wartości umieszczoych w prostokątym układzie współrzędych (4.4.3) y y 0 y= k x 0 x y= +a 1 x+a 2 x 2 +a 3 x 3 1+b e ax

40 Aproksymacja za pomocą wzorów empiryczych (4.8) Dobór postaci aalityczej fukcji aproksymującej w oparciu o oceę wzrokową rozrzutu jej wartości umieszczoych w prostokątym układzie współrzędych (4.4.4) y y 0 y=b x a lub x 0 y= 1 ax+b lub y= x ax+b y=b a x y=b x a y= +a 1 x+a 2 x 2 y=b x

41 Aproksymacja za pomocą wzorów empiryczych (4.8) Przykład: W trakcie badań pewego zjawiaka fizyczego zebrao astępujacy zestaw daych: Zebrae pomiary wykeśloo w prostokątym układzie współrzędych. y= f x W wyiku ocey wzrokowej rozrzutu ich wartości zdecydowao, że ajlepszym przybliżeiem daych będzie fukcja: F x =e x 2 x (kształt fukcji gęstości rozkładu ormalego (prawdopod.)). Należy wyzaczyć parametry, i.

42 Aproksymacja za pomocą wzorów empiryczych (4.8) Rozwiązaie: Wybraa fukcja jest ieliiowa (rowież względem wspólczyików, i ) stąd, rozwiązaie takiego zadaia aproksymacyjego jest trude. Zastosowaie do powyższej zależości przekształceia w postaci obustroego logarytmowaia, sprowadza zagadieie do aproksymacji za pomocą jedomiaów Stosując podstawieia a 2 =, a 1 =, =, otrzymuje się postać wielomiau drugiego stapia ajlepiej przybliżającego (w sesie ajmiejszych kwadratów) fukcję g x =l f x. Tabela fukcji G x =l F x = x 2 x. g x G(x)=a 2 x 2 +a 1 x+. ma postać:

43 Aproksymacja za pomocą wzorów empiryczych (4.8) Rozwiązaie (CD): Współczyiki a 2, a 1 i wyzaczy się rozwiązując układ rówań ormalych s 0 +s 1 a 1 +s 2 a 2 =t 0, s 1 +s 2 a 1 +s 3 a 2 =t 1, s 2 +s 3 a 1 +s 4 a 2 =t 2. gdzie : s k = i=0 x i k dla k=0,1,..., t k = i =0 y i x i k dla k=0,1,...

44 Aproksymacja za pomocą wzorów empiryczych (4.8) Rozwiązaie (CD): Powyższy układ rówań przyjmuje postać 7, ,250a 1 +23,188 a 2 = 0,010, 12, ,188 a 1 +46,703 a 2 = 0,083, 23, ,703a 1 +98,574 a 2 = 2,236. Rozwiązaiem układu są wartości: a 2 = 6,015, a 1 =21,016, = Poszukiwae parametry fukcji aproksymującej są rówe: =6,015, = 21,016, =16,854. F (x)=e (6,015 x2 21,016 x+16,854)

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

METODY NUMERYCZNE dr inż. Mirosław Dziewoński Metody Numerycze METODY NUMERYCZNE dr iż. Mirosław Dziewoński e-mail: miroslaw.dziewoski@polsl.pl Pok. 151 Wykład /1 Metody Numerycze Aproksymacja fukcji jedej zmieej Wykład / Aproksymacja fukcji jedej

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

Definicja interpolacji

Definicja interpolacji INTERPOLACJA Defiicja iterpolacji Defiicja iterpolacji 3 Daa jest fukcja y = f (x), x[x 0, x ]. Zamy tablice wartości tej fukcji, czyli: f ( x ) y 0 0 f ( x ) y 1 1 Defiicja iterpolacji Wyzaczamy fukcję

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

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

Bardziej szczegółowo

Metody numeryczne Laboratorium 5 Info

Metody numeryczne Laboratorium 5 Info Metody umerycze Laboratorium 5 Ifo Aproksymacja - proces określaia rozwiązań przybliżoych a podstawie rozwiązań zaych, które są bliskie rozwiązaiom dokładym w ściśle sprecyzowaym sesie. Metoda ajmiejszych

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

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

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość

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

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

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

I. Podzielność liczb całkowitych

I. Podzielność liczb całkowitych I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem: Relacje rekurecyje Defiicja: Niech =,,,... będzie astępująco zdefiiowaym ciągiem: () = r, = r,..., k = rk, gdzie r, r,..., r k są skalarami, () dla k, = a + a +... + ak k, gdzie a, a,..., ak są skalarami.

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

Szybka transformacja Fouriera (FFT Fast Fourier Transform)

Szybka transformacja Fouriera (FFT Fast Fourier Transform) Szybka trasformacja Fouriera (FFT Fast Fourier Trasform) Pla wykładu: 1 Trasformacja Fouriera, iloczy skalary 2 DFT - dyskreta trasformacja Fouriera 3 FFT szybka trasformacja Fouriera a) algorytm PFA b)

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

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

Bardziej szczegółowo

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rekursja Materiały pomocicze do wykładu wykładowca: dr Magdalea Kacprzak Rozwiązywaie rówań rekurecyjych Jedorode liiowe rówaia rekurecyje Twierdzeie Niech k będzie ustaloą liczbą aturalą dodatią i iech

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

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

Parametryzacja rozwiązań układu równań

Parametryzacja rozwiązań układu równań Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie

Bardziej szczegółowo

Metody Obliczeniowe w Nauce i Technice laboratorium

Metody Obliczeniowe w Nauce i Technice laboratorium Marci Rociek Iformatyka, II rok Metody Obliczeiowe w Nauce i Techice laboratorium zestaw 1: iterpolacja Zadaie 1: Zaleźć wzór iterpolacyjy Lagrage a mając tablicę wartości: 3 5 6 y 1 3 5 6 Do rozwiązaia

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

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

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

MATURA 2014 z WSiP. Zasady oceniania zadań

MATURA 2014 z WSiP. Zasady oceniania zadań MATURA 0 z WSiP Matematyka Poziom rozszerzoy Zasady oceiaia zadań Copyright by Wydawictwa Szkole i Pedagogicze sp z oo, Warszawa 0 Matematyka Poziom rozszerzoy Kartoteka testu Numer zadaia Sprawdzaa umiejętość

Bardziej szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim. Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako

Bardziej szczegółowo

CAŁKA NIEOZNACZONA. F (x) = f(x) dx.

CAŁKA NIEOZNACZONA. F (x) = f(x) dx. CAŁKA NIEOZNACZONA Mówimy, że fukcja F () jest fukcją pierwotą dla fukcji f() w pewym ustaloym przedziale - gdy w kadym pukcie zachodzi F () = f(). Fukcję pierwotą często azywamy całką ieozaczoą i zapisujemy

Bardziej szczegółowo

16 Przedziały ufności

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

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

MARIUSZ KAWECKI zbiór zadań dla zainteresowanego matematyką licealisty

MARIUSZ KAWECKI zbiór zadań dla zainteresowanego matematyką licealisty MARIUSZ KAWECKI zbiór zadań dla zaiteresowaego matematyką licealisty Copyright by M. Kawecki 07 Spis treści Wstęp 3. Logika w praktyce 5. Liczby i działaia 0 3. Rówaia i układy rówań 6 4. Własości fukcji

Bardziej szczegółowo

Wymagania edukacyjne na poszczególne oceny z matematyki w klasie III poziom rozszerzony

Wymagania edukacyjne na poszczególne oceny z matematyki w klasie III poziom rozszerzony Wymagaia edukacyje a poszczególe ocey z matematyki w klasie III poziom rozszerzoy Na oceę dopuszczającą, uczeń: zazacza kąt w układzie współrzędych, wskazuje jego ramię początkowe i końcowe wyzacza wartości

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Katalog wymagań programowych z matematyki od absolwenta II klasy (poziom rozszerzony).

Katalog wymagań programowych z matematyki od absolwenta II klasy (poziom rozszerzony). Katalog wymagań programowych z matematyki od absolweta II klasy (poziom rozszerzoy). LICZBY RZECZYWISTE Na poziomie wymagań koieczych lub podstawowych a oceę dopuszczającą () lub dostateczą (3) uczeń wykorzystać

Bardziej szczegółowo

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy Klucz odpowiedzi do zadań zamkiętych oraz schematy oceiaia zadań otwartych Matematyka CZERWIEC 0 Schemat oceiaia Klucz puktowaia zadań zamkiętych Nr zad Odp 5 6 8 9 0 5 6 8 9 0 5 6 B C C B C C A A B B

Bardziej szczegółowo

c 2 + d2 c 2 + d i, 2

c 2 + d2 c 2 + d i, 2 3. Wykład 3: Ciało liczb zespoloych. Twierdzeie 3.1. Niech C R. W zbiorze C określamy dodawaie: oraz możeie: a, b) + c, d) a + c, b + d) a, b) c, d) ac bd, ad + bc). Wówczas C, +, ) jest ciałem, w którym

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.9.6, godz. :-5: Zadaie. ( puktów) Wyzaczyć wszystkie rozwiązaia rówaia z 4 = 4 w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej (bez używaia fukcji trygoometryczych)

Bardziej szczegółowo

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy Klucz odpowiedzi do zadań zamkiętych oraz schematy oceiaia zadań otwartych Matematyka CZERWIEC 0 Klucz puktowaia zadań zamkiętych Nr zad Odp 5 6 8 9 0 5 6 8 9 0 5 6 B C C B C C A A B B C A B A A A B D

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wektory Fukcje rzeczywiste wielu zmieych rzeczywistych Matematyka Studium doktorackie KAE SGH Semestr leti 2008/2009 R. Łochowski Wektory pukty w przestrzei R Przestrzeń R to zbiór uporządkowaych -ek liczb

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Aproksymacja. Plan wykładu. 1. Problem aproksymacji, normy, rodzaje aproksymacji. 2. Aproksymacja średniokwadratowa

Aproksymacja. Plan wykładu. 1. Problem aproksymacji, normy, rodzaje aproksymacji. 2. Aproksymacja średniokwadratowa Aproksyacja Pla wykładu 1. Prole aproksyacji, ory, rodzaje aproksyacji. Aproksyacja średiokwadratowa a) w ) w c) w d) w azie azie azie azie jedoiaów wieloiaów ortogoalych fukcji trygooetryczych fukcji

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

x 2 5x + 6, (i) lim 9 + 2x 5 lim x + 3 ( ) 9 Zadanie 1.4. Czy funkcjom, (c) h(x) =, (b) g(x) = x x, (c) h(x) = x + x.

x 2 5x + 6, (i) lim 9 + 2x 5 lim x + 3 ( ) 9 Zadanie 1.4. Czy funkcjom, (c) h(x) =, (b) g(x) = x x, (c) h(x) = x + x. Zadaie.. Obliczyć graice x 2 + 2x 3 (a) x x x2 + x2 + 25 5 (d) x 0. Graica i ciągłość fukcji x 2 5x + 6 (b) x x 2 x 6 4x (e) x 0si 2x (g) x 0 cos x x 2 (h) x 8 Zadaie.2. Obliczyć graice (a) (d) (g) x (x3

Bardziej szczegółowo

ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ.

ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ. ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ I Fukcja kwadratowa ) PODAJ POSTAĆ KANONICZNĄ I ILOCZYNOWĄ (O ILE ISTNIEJE) FUNKCJI: a) f ( ) + b) f ( ) 6+ 9 c) f ( ) ) Narysuj wykresy fukcji f

Bardziej szczegółowo

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1 Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

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

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

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

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych (zakres rozszerzony)

Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych (zakres rozszerzony) Przedmiotowy system oceiaia wraz z określeiem wymagań edukacyjych (zakres rozszerzoy) Wymagaia koiecze (K) dotyczą zagadień elemetarych, staowiących swego rodzaju podstawę, zatem powiy być opaowae przez

Bardziej szczegółowo

ALGEBRA LINIOWA Z GEOMETRIA

ALGEBRA LINIOWA Z GEOMETRIA Tadeusz Iglot ALGEBRA LINIOWA Z GEOMETRIA LISTA ZADAŃ NR 1 ( 1 2 3 4 5 1 Dae sa permutacje f = 3 1 4 5 2 permutacje f g 2 oraz f g f g g = ( 1 2 3 4 5 4 1 2 5 3 Wyzaczyć 2 Permutacja h azywa sie odwrota

Bardziej szczegółowo

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne.

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne. Szeregi iczbowe. Szeregi potęgowe i trygoometrycze. wykład z MATEMATYKI Automatyka i Robotyka sem. I, rok ak. 2008/2009 Katedra Matematyki Wydział Iformatyki Poitechika Białostocka Szeregi iczbowe Defiicja..

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

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

Bardziej szczegółowo

Analiza Matematyczna I dla Inżynierii Biomedycznej Lista zadań

Analiza Matematyczna I dla Inżynierii Biomedycznej Lista zadań Aaliza Matematycza I dla Iżyierii Biomedyczej Lista zadań Jacek Cichoń, WPPT PWr, 205/6 Logika, zbiory i otacja matematycza Zadaie Niech p, q, r będą zmieymi zdaiowymi. Pokaż, że:. = ( (p p)), 2. = (p

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

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

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

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

Bardziej szczegółowo

Ekonomia matematyczna 2-2

Ekonomia matematyczna 2-2 Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające

K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające Ozaczeia: *OZNACZONE ZOSTAŁY TEMATY REALIZOWANE NA OZIOMIE ROZSZERZONYM wymagaia koiecze; wymagaia podstawowe; R wymagaia rozszerzające; D wymagaia dopełiające; W wymagaia wykraczające Temat lekcji Zakres

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

Klasa II technikum Egzamin poprawkowy z matematyki sierpień 2013

Klasa II technikum Egzamin poprawkowy z matematyki sierpień 2013 /7 I. FUNKCJA KWADRATOWA. Fukcja kwadratowa w postaci kaoiczej i ogólej. Napisz wzór fukcji kwadratowej wiedząc, że wierzchołkiem paraboli będącej jej wykresem jest początek układu współrzędych oraz, że

Bardziej szczegółowo

I kolokwium z Analizy Matematycznej

I kolokwium z Analizy Matematycznej I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY Nr zadaia Odpowiedzi Pukty Badae umiejtoci Obszar stadardu 1. B 0 1 plauje i wykouje obliczeia a liczbach

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

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

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu Przykład 10.5. Obliczeie wskaźika plastyczości przy skręcaiu Obliczyć wskaźiki plastyczości przy skręcaiu dla astępujących przekrojów: a) -kąta foremego b) przekroju złożoego 6a 16a 9a c) przekroju ciekościeego

Bardziej szczegółowo

Wymagania kl. 2. Zakres podstawowy i rozszerzony. Uczeń:

Wymagania kl. 2. Zakres podstawowy i rozszerzony. Uczeń: Wymagaia kl. 2 Zakres podstawowy i rozszerzoy Temat lekcji Zakres treści Osiągięcia uczia 1. WIELOMIANY 1. Stopień i defiicja jedomiau, dwumiau, wielomiau współczyiki pojęcie stopia jedomiau i stopia wielomiau

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

2. Schemat ideowy układu pomiarowego

2. Schemat ideowy układu pomiarowego 1. Wiadomości ogóle o prostowikach sterowaych Układy prostowikowe sterowae są przekształtikami sterowaymi fazowo. UmoŜliwiają płya regulację średiej wartości apięcia wyprostowaego, a tym samym średiej

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

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1). TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ

Bardziej szczegółowo

METODY APROKSYMACJI MATEUSZ WAGA. Gimnazjum im. Jana Matejki w Zabierzowie

METODY APROKSYMACJI MATEUSZ WAGA. Gimnazjum im. Jana Matejki w Zabierzowie METODY APROKSYMACJI MATEUSZ WAGA Gimazjum im. Jaa Matejki w Zabierzowie SPIS TREŚCI 1 WSTĘP... 2 2 MODEL MATEMATYCZNY... 3 3 UOGÓLNIENIE MODELU MATEMATYCZNEG... 6 4 MODEL INFORMATYCZNY... 7 5 PRZYKŁADY

Bardziej szczegółowo

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce! Iformatyka Stosowaa-egzami z Aalizy Matematyczej Każde zadaie ależy rozwiązać a oddzielej, podpisaej kartce! y, Daa jest fukcja f (, + y, a) zbadać ciągłość tej fukcji f b) obliczyć (,) (, (, (,) c) zbadać,

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

Chemia Teoretyczna I (6).

Chemia Teoretyczna I (6). Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez

Bardziej szczegółowo

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności Edward Stachowski O trzech elemetarych ierówościach i ich zastosowaiach przy dowodzeiu iych ierówości Przy dowodzeiu ierówości stosujemy elemetare przejścia rówoważe, przeprowadzamy rozumowaie typu: jeżeli

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Zadania z analizy matematycznej - sem. I Szeregi liczbowe Zadaia z aalizy matematyczej - sem. I Szeregi liczbowe Defiicja szereg ciąg sum częściowyc. Szeregiem azywamy parę uporządkowaą a ) S ) ) ciągów gdzie: ciąg a ) ciąg S ) jest day jest ciągiem sum częściowych

Bardziej szczegółowo

Szybka transformacja Fouriera (FFT Fast Fourier Transform)

Szybka transformacja Fouriera (FFT Fast Fourier Transform) Szybka trasformacja Fouriera (FFT Fast Fourier Trasform) Pla wykładu:. Trasformacja Fouriera, iloczy skalary. DFT - dyskreta trasformacja Fouriera 3. FFT szybka trasformacja Fouriera a) algorytm PFA b)

Bardziej szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej). Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

ZADANIA Z ALGEBRY LINIOWEJ LISTA ZADAŃ NR 1. do f oznaczamy f 1. Dla f, g z zadania 1 wyznaczyć f 1, g 1 oraz g f 1 g.

ZADANIA Z ALGEBRY LINIOWEJ LISTA ZADAŃ NR 1. do f oznaczamy f 1. Dla f, g z zadania 1 wyznaczyć f 1, g 1 oraz g f 1 g. LISTA ZADAŃ NR 1 1 2 3 4 5 1 Dae sa permutacje f = 3 1 4 5 2 permutacje f g 2 oraz f g f g g = 1 2 3 4 5 4 1 2 5 3 Wyzaczyć 2 Permutacja h azywa sie odwrota do permutacji f jeśli f h = h f = e gdzie e

Bardziej szczegółowo

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

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

Bardziej szczegółowo

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12 Rozwiazaia zadań z pierwszej klasówki, 0 listopada 06 r zestaw A Ciag a ) jest zaday rekuryjie: a a, a + a a 9, a R, a

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

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

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.6.6, godz. 9:-: Zadaie. puktów) Wyzaczyć wszystkie rozwiązaia rówaia z i w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej bez używaia fukcji trygoometryczych) oraz zazaczyć

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

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