Proces stochastyczny jako funkcja dwóch zmiennych. i niepusty podzbiór zbioru liczb rzeczywistych T. Proces stochastyczny jest to funkcja

Wielkość: px
Rozpocząć pokaz od strony:

Download "Proces stochastyczny jako funkcja dwóch zmiennych. i niepusty podzbiór zbioru liczb rzeczywistych T. Proces stochastyczny jest to funkcja"

Transkrypt

1 POJĘCI PROCSU STOCHSTYCZNGO Przykład mpluda napęca gnrowango przz prądncę prądu zmnngo zalży od czynnków losowych moż być zapsana jako funkcja X sn c c - sała okrślająca częsolwość - zmnna losowa o rozkładz np. N0 0 - czas R. Procs sochasyczny jako funkcja dwóch zmnnych Dana js przsrzń probablsyczna Ω S P npusy podzbór zboru lczb rzczywsych T. Procs sochasyczny js o funkcja X : Ω T R rzczywsa dwóch zmnnych: zdarzna lmnarngo ω zmnnj rzczywsj czasu. Przy czym zakładamy ż dla usalongo funkcja X jako funkcja argumnu ω js zmnną losową pownn być spłnony warunk { ω : X ω < } S. T R X ω procs sochasyczny procs X oznaczać będzmy X lub X. Jśl usalmy zdarzn lmnarn zn. przyjmmy ω ω0 o orzymujmy funkcję X ω 0 rzczywsą zmnnj rzczywsj. Oznaczamy ją nazywamy ralzacją procsu X. Jśl usalmy czas zn. przyjmmy 0 o orzymujmy funkcję X ω 0 rzczywsą zdarzna lmnarngo czyl zmnną losową. Jśl usalmy zdarzn lmnarn ω ω0 usalmy czas 0 o orzymujmy lczbę X ω zwaną sanm procsu. 0 0 Procs sochasyczny jako rodzna zmnnych losowych Rozważamy dwa npus zbory: T podzbór zboru lczb rzczywsych lmny go zboru są chwlam oraz zbór Z zmnnych losowych okrślonych na zborz zdarzń lmnarnych Ω. Procs sochasyczny js o rodzna zmnnych losowych powsała przz przyporządkowan każdj chwl z zboru T zmnnj losowj z zboru Z. W j syuacj procs wygodn js zapsywać: X.

2 To podjśc pozwala ławo pokazać ż procs sochasyczny js uogólnnm znanych z rachunku prawdopodobńswa pojęć zmnnj losowj jdnowymarowj dwuwymarowj wlowymarowj cągu zmnnych losowych. Manowc procs sochasyczny js zmnną losową jdnowymarową gdy T { }; ralzacja procsu: lczba rzczywsa zmnną losową dwuwymarową gdy T { } ; ralzacja procsu: para lczb rzczywsych zmnną losową n-wymarową gdy T {... n} ; ralzacja procsu: cąg n-wyrazowy lczb rzczywsych cągm zmnnych losowych gdy T {...} ; ralzacja procsu: nskończony cąg lczb rzczywsych. Rozważan nprzlczaln wlu zmnnych losowych zalżnych w spcjalny sposób js zagadnnm son różnącym procsy sochasyczn od klasyczngo rachunku prawdopodobńswa. Przykład Nch T R. Jśl każdj chwl przyporządkujmy zmnna losową X opsaną wzorm cos π / o okrślmy procs X cos π / drgan harmonczn o losowj ampludz jako rodzna zmnnych losowych. Procs sochasyczny jako rodzna ralzacj Rozważamy zbór zdarzń lmnarnych Ω zbór Y funkcj T rzczywsych zmnnj rzczywsj. Procs sochasyczny js o rodzna funkcj T rzczywsych zmnnj rzczywsj powsała w wynku przyporządkowana każdmu zdarznu lmnarnmu z zboru Ω dokładn jdnj funkcj z zboru Y. Procs oznaczamy wówczas X. ω Klasyfkacja procsów S zbór sanów procsu X T zbór chwl dla kórych procs js okrślony. Procs DD js o procs dyskrny w sanach dyskrny w czas zn. zbory sanów S chwl T są przlczaln lub skończon. Procs DC js o procs dyskrny w sanach cągły w czas zn. zbór S js skończony lub przlczalny naomas zbór T js przdzałm najczęścj T < 0; lub T ;.

3 Procs CD js o procs cągły w sanach dyskrny w czas zn. zbór S js przdzałm ogranczonym lub nogranczonym naomas T js zborm skończonym lub przlczalnym. Procs CC js o procs cągły w sanach cągły w czas zn. zbory S T są przdzałam. Przykład a Procs X oznacza lczbę zgłoszń do cnral lfoncznj w czas. Obsrwacj lczby zgłoszń dokonujmy w cągu h pracy j cnral. Mamy: S { 0...} T < 0; >. Procs X js węc DC. b Cząsczka błądz po os O przmszczając sę losowo po punkach o współrzędnych całkowych. Zmana położna cząsczk nasępuj z prawdopodobńswm 05 co skundę o czyl o jdnoskę w prawo lub z prawdopodobńswm 05 o czyl o jdnoskę w lwo. Procs X oznacza współrzędną punku w kórym cząsczka znajduj sę w chwl. Mamy: S { 0...} T {0...}. Procs X js DD. c Obsrwujmy mpraurę powrza w pwnym mśc. Obsrwacj dokonujmy w cągu doby co godznę. Wadomo ż mpraura moż być dowolną lczbą z przdzału < 0 ; 0 > w sopnach Clsjusza. Procs X oznacza mpraurę powrza w ym mśc o godzn. Mamy: S < 0 ;0 > T {0...}. Procs X js CD. Przykład a X czas uzyskana połączna z okrśloną sroną nrnową jśl polcn połączna zosało wydan na przglądarc w chwl. Js o procs ypu CC. b {X n n... 7} czas fkywnj pracy modmu dango kompura w poszczgóln dn konkrngo ygodna. Js o procs ypu CD. c X lczba uczsnków forum dyskusyjngo na okrślonj sron nrnowj zalogowanych w chwl. Js o procs ypu DC. d {X n n } lczba zalogowań kompurów do dango srwra w poszczgóln dn konkrngo roku. Js o procs ypu DD. Rozkład procsu. Nch X T będz procsm sochasycznym. Rozkład jdnowymarowy procsu X js o rodzna funkcj F gdz dla każdgo usalongo losowj X : T T funkcja F js dysrybuaną zmnnj

4 F P X < Rozkład n- wymarowy procsu X js o rodzna funkcj F... n... n... n T gdz dla dowoln usalonych... n T js dysrybuaną zmnnj losowj n-wymarowj X X... X : n F... P X < X <... X < n... n n n Uwaga Jśl dla każdj lczby T zmnna losowa X js cągła o rozkład procsu moż być okrślany za pomocą gęsośc f... zaś gdy... n n zmnna losowa X js skokowa o rozkład procsu moż być okrślany za pomocą funkcj prawdopodobńswa P X X... X p... n n... n n Paramry procsu sochasyczngo Rozważamy procs sochasyczny X T. Warość oczkwana procsu X js o funkcja kóra każdj chwl T przyporządkowuj warość oczkwaną zmnnj losowj X. Funkcję ę oznaczamy przz m. Zam m X W szczgólnośc: I gdy dla każdgo T zmnna losowa X ma rozkład skokowy o funkcj prawdopodobńswa P X p mamy: II gdy dla każdgo f o: m p T zmnna losowa X ma rozkład cągły o gęsośc m f d W nnych przypadkach przy oblczanu warośc oczkwanj procsu korzysamy z własnośc warośc oczkwanj zmnnj losowj. Momn rzędu procsu X js o warość oczkwana procsu X. Funkcję ę oznaczamy przz m. Zam m X

5 W powyższych przypadkach sosujmy wzory: m p f d przypadk I przypadk II Warancja procsu X js o warość oczkwana procsu Funkcję ę oznaczamy przz D X σ V. Zam D X σ V X m W powyżj rozparywanych przypadkach możmy zasosować wzory: D X X m. m m p f d przypadk I przypadk II Na warancję procsu można sosować wzór: D X m m Odchyln sandardow procsu X js o prwask z warancj go procsu: D X D X Uwaga Rozparywan paramry procsów sochasycznych n zawsz muszą snć. Warunk ch snna w usalonj chwl są dnyczn jak snn odpowdnch paramrów zmnnj losowj. uokorlacja R procsu X js o momn rzędu zmnnj losowj dwuwymarowj X X dla dowolnych chwl T czyl warość oczkwana loczynu zmnnych losowych X X R [ X X ] 5

6 uokowarancja K procsu X js o kowarancja zmnnj losowj dwuwymarowj X X dla dowolnych chwl T : K {[ X m ][ X m ]} Współczynnk auokorlacj procsu auokowarancja unormowana X js o współczynnk korlacj zmnnj losowj dwuwymarowj X X dla dowolnych chwl T : K ρ σ σ Inrpracja własnośc paramrów procsu Warość oczkwana procsu w chwl js uogólnnm śrdnj arymycznj sanów procsu w j chwl. Warancja odchyln sandardow procsu w chwl są maram rozproszna rozrzuu zróżncowana rozkładu procsu od warośc oczkwanj procsu wzęj w j samj chwl. uokowarancja współczynnk auokorlacj procsu w dwóch chwlach są maram sły zalżnośc lnowj dwóch zmnnych losowych wybranych z procsu dla ych chwl. Własność a K R m m b D σ K c K σ σ σ σ D σ X X d Uwaga. Z powyższych własnośc wynka ż prakyczn wysarczy wylczyć m R a pozosał paramry uzyskamy na ch podsaw.. Przy oblczanu paramrów przydan bywają nasępując zalżnośc znan z rachunku prawdopodobńswa X D X X bo D X X X XY Cov X Y XY bo Cov X Y XY XY Cov X Y Cov X Y ρdxdy bo ρ DXDY Przykład Oblczymy paramry procsu ω - sała - zmnna losowa o rozkładz N0 5 6 X sn ω gdz R.

7 Rozwązan. Warość oczkwana: m X snω 0snω uokorlacja: R X X snω snω snω sn ω snω snω D ω snω snω snω sn uokowarancja: K R m m 5 sn ω sn ω Warancja: D 5 sn ω kπ Zauważmy ż dla warośc paramru k 0 ± ±... ω orzymujmy zmnną losową o rozkładz jdnopunkowym wdy warancja procsu js zrowa. Współczynnk auokorlacj: K ρ V V 5sn ω sn ω 5sn ω 5sn ω Oznacza o ż zmnn losow worząc procs są w płn lnowo skorlowan zn. zmnna losowa X js funkcją lnową od X. Mamy X kx gdz k snω snω. Przykład Oblczymy paramry procsu X R. - zmnna losowa skokowa o funkcj prawdopodobńswa Rozwązan. Zauważmy z rozparywany procs ma ylko dw ralzacj: parabolę y parabolę y. Warość oczkwana: m X uokorlacja: 0 7

8 8 0 D X X R uokowarancja: m m R K Warancja: V Zauważmy ż dla warośc paramru 0 orzymujmy zmnną losową o rozkładz jdnopunkowym wdy warancja procsu js zrowa. Wraz z bzwzględnym wzrosm warancja gwałown rośn. Współczynnk auokorlacj: V V K ρ Oznacza o ż zmnn losow worząc procs są w płn lnowo skorlowan zn. zmnna losowa X js funkcja lnową od X. Mamy kx X gdz k. Przykład Oblczymy paramry procsu X R - zmnn losow o paramrach 0; D D ; cov -. Rozwązan. Warość oczkwana: X m uokorlacja: 0 0 cov D D X X R uokowarancja:

9 m K R m Warancja: V Zauważmy ż warancja go procsu js n mnjsza nż dla dowolngo. Współczynnk auokorlacj: K ρ V V Zadana Zadan Dany js procs sochasyczny X R gdz js zmnną losową skokową o funkcj prawdopodobńswa b p a Znajdź wykrśl wszysk ralzacj go procsu. b Wyznacz paramry go procsu warość oczkwaną auokorlację auokowarancję warancję. c Wyznacz funkcję prawdopodobńswa zmnnj losowj X. Zadan Dany js procs sochasyczny X R gdz js zmnną losową o rozkładz normalnym N. a Wyznacz jdnowymarowy rozkład go procsu. b Oblcz P X <. c Wyznacz paramry go procsu. Zadan Dany js procs X R gdz js zmnną losową o rozkładz jdnosajnym w przdzal w przdzal 0;. a Wykonaj wykrs rzch dowolnych ralzacj go procsu. b Wyznacz paramry go procsu. 9

10 Zadan Dany js procs X R gdz są zmnnym losowym nskorlowanym o paramrach 0 D D. Wyznacz paramry go procsu. Zadan 5 Dany js procs X R gdz są zmnnym losowym o paramrach D D 5 cov. Wyznacz paramry go procsu. Zadan 6 Dany js procs X cos v Φ R gdz Φ js zmnną losową o rozkładz jdnosajnym w przdzal < 0;π. Wyznacz paramry go procsu. Zadan 7 Dany js procs X cos v Φ R gdz Φ są zmnnym losowym nzalżnym; ma paramry: 0 D σ zaś Φ ma rozkład jdnosajny w przdzal < 0;π. Wyznacz paramry go procsu. Zadan 8 Wyznaczyć paramry procsu X gdz o nskorlowan zmnn losow o paramrach: ; - D D. Zadan 9 Wyznaczyć paramry procsu o paramrach: 0; 0 macrzy kowarancj X gdz o zmnn losow 0 K. 0 5 Zadan 0 Wyznaczyć paramry procsu X gdz js zmnną losową o rozkładz jdnosajnym w przdzal 0. Jak wyglądają ralzacj go procsu? Kór z ponższych funkcj są ralzacjam go procsu? 0 ; 0 ;. Dla usalonych wyznacz sał k c aby X kx c. 0

11 Zadan Wyznaczyć paramry procsu X gdz js zmnną losową o rozkładz N. Jak wyglądają ralzacj go procsu? Zadan Wyznaczyć paramry procsu X cos gdz o zmnn losowa o rozkładz jdnosajnym w przdzal π π. Zadan Wyznaczyć paramry procsu X sn gdz o zmnn losow nzalżn o rozkładach jdnosajnych w przdzałach odpowdno 05;05 π π.; Zadan Procs X ma ylko ralzacj: ; ;. Ralzacj są przyjmowan odpowdno z prawdopodobńswam: / /; /6. Wyznaczyć paramry go procsu. Zadan 5 Wyznaczyć paramry procsu X Y gdz Y js zmnną losową o paramrach Y m D Y σ. Jak wyglądają ralzacj go procsu? Zadan 6 Wyznaczyć dwuwymarową dysrybuanę procsu cągłą zmnną losową o dysrybuanc F. X Y gdz Y js Zadan 7 Wyznaczyć jdnowymarową gęsość procsu zmnną losową o rozkładz Nm σ. X Y c gdz Y js Zadan 8 Wyznaczyć paramry procsu X gdz o zmnn losow o paramrach: 0; 0 D D ; cov -. Zadan 9 Wyznaczyć paramry procsu X gdz o zmnn losow o paramrach: -; D D ; ρ -05.

12 Zadan 0 Wyznaczyć paramry procsu X gdz o zmnn losow nskorlowan. ma rozkład wykładnczy z paramrm 5 js zmnną losową skokową o funkcj prawdopodobńswa: P - 05; P 05; Zadan Dany js procs X cos R gdz js zmnną losową o rozkładz jdnosajnym w przdzal < 0 ; >. Wyznacz paramry go procsu. Zadan Dany js procs Y f X g gdz f g są funkcjam rzczywsym nlosowym. Wyrazć paramry procsu Y za pomocą paramrów procsu X. Zadan Dany js procs X < 0; > gdz X0 0 X j dla ; j j j... j - nzalżn zmnn losow o jdnakowym rozkładz ak ż j 0 D j np. j N0;. Sprawdź ż m 0 R Zadan Uzasadnj własnośc: K R m m D σ K D 0 gdy T T j j. gdy Tj Tj X X σ Wskazówka. Skorzysaj z odpowdnch własnośc paramrów zmnnych losowych. Odpowdz do zadań Zadan a 7 7 b m 7 R 5

13 06 K funkcja sała 6 0 σ c p Zadan a R F gdz dla każdgo usalongo R funkcja F js dysrybuaną zmnnj losowj : Φ Φ < < < P P P F / Φ js dysrybuaną rozkładu normalngo N0. b 0695 c m 5 R K σ Zadan a np b m R K σ Zadan m 5 R K σ Zadan 5 m 8 R 5 K 5 σ Zadan 6

14 m 0 R cos v K R σ Zadan 7 m 0 R σ cos v K R σ Zadan 8 m K σ ρ Zadan 9 m 0 K 0 5 σ ρ Zadan 0 m 05 K σ ρ k c Zadan Ralzacj o rodzna prosych. m K σ ρ σ Zadan X gdz js zmnną losową skokową o funkcj prawdopodobńswa: P 0 05; P /; P / m K σ ρ 9 9 k c Zadan 5 Ralzacj procsu o sał równ waroścom zmnnj losowj Y. m m K σ σ ρ

15 Zadan 6 F P X < X < P Y < F mn{ gdz } P Y < Y < Zadan 7 W każdj usalonj chwl procs ma rozkład normalny funkcja lnowa N m c σ. rozkładu normalngo ma rozkład normalny Zam Zadan 8 mc σ f. σ π m 0 K R σ Zadan 9 m R 5 σ R Zadan 0 8 m R K σ Zadan m cos R cos cos K cos cos σ cos L.K W.M

gdzie E jest energią całkowitą cząstki. Postać równania Schrödingera dla stanu stacjonarnego Wprowadźmy do lewej i prawej strony równania Schrödingera

gdzie E jest energią całkowitą cząstki. Postać równania Schrödingera dla stanu stacjonarnego Wprowadźmy do lewej i prawej strony równania Schrödingera San sacjonarny cząsk San sacjonarny - San, w kórym ( r, ) ( r ), gęsość prawdopodobńswa znalzna cząsk cząsk w danym obszarz przsrzn n zalży od czasu. San sacjonarny js charakrysyczny dla sacjonarngo pola

Bardziej szczegółowo

BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH

BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTOICZYCH ISTYTUT SYSTEMÓW ELEKTOICZYCH WYDZIAŁ ELEKTOIKI WOJSKOWA AKADEMIA TECHICZA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH

BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTOICZYCH ISTYTUT SYSTEMÓW ELEKTOICZYCH WYDZIAŁ ELEKTOIKI WOJSKOWA AKADEMIA TECHICZA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Wykład 6 Pochodna, całka i równania różniczkowe w praktycznych zastosowaniach w elektrotechnice.

Wykład 6 Pochodna, całka i równania różniczkowe w praktycznych zastosowaniach w elektrotechnice. Wykład 6 Pochodna, całka i równania różniczkow w prakycznych zasosowaniach w lkrochnic. Przypomnini: Dfinicja pochodnj: Granica ilorazu różnicowgo-przyros warości funkcji do przyrosu argumnów-przy przyrości

Bardziej szczegółowo

E2. BADANIE OBWODÓW PRĄDU PRZEMIENNEGO

E2. BADANIE OBWODÓW PRĄDU PRZEMIENNEGO E. BADANE OBWODÓW PĄDU PZEMENNEGO ks opracowały: Jadwga Szydłowska Bożna Janowska-Dmoch Badać będzmy charakrysyk obwodów zawrających różn układy lmnów akch jak: opornk, cwka kondnsaor, połączonych z sobą

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

9. WYBRANE ZAGADNIENIA DYNAMIKI KONSTRUKCJI

9. WYBRANE ZAGADNIENIA DYNAMIKI KONSTRUKCJI 9. WYBRANE ZAGADNIENIA DYNAMIKI KONSRUKCJI 9. WYBRANE ZAGADNIENIA DYNAMIKI KONSRUKCJI W rozdzal 5 wyprowadzlśmy równan równowag saycznj dla cała analzowango modą lmnów skończonych. Równan o można równż

Bardziej szczegółowo

Politechnika Wrocławska Instytut Maszyn, Napędów i Pomiarów Elektrycznych. Materiał ilustracyjny do przedmiotu. (Cz. 2)

Politechnika Wrocławska Instytut Maszyn, Napędów i Pomiarów Elektrycznych. Materiał ilustracyjny do przedmiotu. (Cz. 2) Poltchnka Wrocławska nstytut Maszyn, Napędów Pomarów Elktrycznych Matrał lustracyjny do przdmotu EEKTOTEHNKA (z. ) Prowadzący: Dr nż. Potr Zlńsk (-9, A0 p.408, tl. 30-3 9) Wrocław 004/5 PĄD ZMENNY Klasyfkacja

Bardziej szczegółowo

ψ przedstawia zależność

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

Bardziej szczegółowo

ĆWICZENIE 11 OPTYMALIZACJA NIEZAWODNOŚCIOWA STRUKTURY ELEKTRONICZNEGO SYSTEMU BEZPIECZEŃSTWA

ĆWICZENIE 11 OPTYMALIZACJA NIEZAWODNOŚCIOWA STRUKTURY ELEKTRONICZNEGO SYSTEMU BEZPIECZEŃSTWA ĆWICZENIE OPTYMALIZACJA NIEZAWODNOŚCIOWA STUKTUY ELEKTONICZNEGO SYSTEMU EZPIECZEŃSTWA Cl ćwicznia: zapoznani z analizą nizawodnościowo-ksploaacyjną lkronicznych sysmów bzpiczńswa; wyznaczni wybranych wskaźników

Bardziej szczegółowo

Służą opisowi oraz przewidywaniu przyszłego kształtowania się zależności gospodarczych.

Służą opisowi oraz przewidywaniu przyszłego kształtowania się zależności gospodarczych. MODEL EOOMERYCZY MODEL EOOMERYCZY DEFIICJA Modl konomtrczn jst równanm matmatcznm (lub układm równao), któr przdstawa zasadncz powązana loścow pomędz rozpatrwanm zjawskam konomcznm., uwzględnającm tlko

Bardziej szczegółowo

Algorytmy numeryczne w Delphi. Ksiêga eksperta

Algorytmy numeryczne w Delphi. Ksiêga eksperta IDZ DO PRZYK ADOWY ROZDZIA SPIS TREŒCI KALOG KSI EK KALOG ONLINE ZAMÓW DRUKOWANY KALOG Algorymy numryczn w Dlph Ksêga kspra Auorzy: Brnard Baron, Arur Pasrbk, Marcn Mac¹ k ISBN: 83-736-95-8 Forma: B5,

Bardziej szczegółowo

16, zbudowano test jednostajnie najmocniejszy dla weryfikacji hipotezy H

16, zbudowano test jednostajnie najmocniejszy dla weryfikacji hipotezy H Zada Zakładając, ż zm losow,,, 6 są zalż mają rozkłady ormal ~ N( m, ),,, 6, zbudowao tst jdostaj ajmocjszy dla wryfkacj hpotzy H 0 : m 0 przy altratyw H : m 0 a pozom stotośc 0,05 W rzczywstośc okazało

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

{ } ( ) p(t) = p(0)p(t) Dyskretne procesy Markowa. =,...,

{ } ( ) p(t) = p(0)p(t) Dyskretne procesy Markowa. =,..., Dyrn rocy Marowa. Rozarumy roc ochayczny, w órym aramr cągły zwyl. Będzmy załadać, ż zbór anów co nawyż rzlczalny. Proc, rocm Marowa, śl dowolngo n, dowolnych chwl czau <

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

L6 - Obwody nieliniowe i optymalizacja obwodów

L6 - Obwody nieliniowe i optymalizacja obwodów L6 - Obwody nlnow optymalzacja obwodów. Funkcj optymalzacj Tabla Zstawn najważnjszych funkcj optymalzacyjnych Matlaba [] Nazwa funkcj Rodzaj rozwązywango zadana Matmatyczny ops zadana fmnbnd Mnmalzacja

Bardziej szczegółowo

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych ora Sygałów III ro Ioray Sosowaj Wyła Rozważy sończoy sygał () spróboway z częsolwoścą : Aalza częsolwoścowa ysrych sygałów cyrowych p óra js wa razy węsza o częsolwośc asyalj a. Oblczy jgo rasorację Fourra.

Bardziej szczegółowo

ĆWICZENIE 5 BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH

ĆWICZENIE 5 BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH ĆWICZEIE 5 BADAIE WYBAYCH STUKTU IEZAWODOŚCIOWYCH Cl ćwczna: lustracja praktyczngo sposobu wyznaczana wybranych wskaźnków opsujących nzawodność typowych struktur nzawodnoścowych. Przdmot ćwczna: wrtualn

Bardziej szczegółowo

Rozkład prędkości cząsteczek.

Rozkład prędkości cząsteczek. Rozkład prędkośc czątczk. Jak było powdzan wczśnj n oŝy oczkwać, Ŝ wzytk czątczk gazu ają tę aą prędkość. a podtaw znajoośc cśnna gazu oŝy jdyn polczyć dną prędkość kwadratową, a ty ay dną nrgę czątczk

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE JAN KOOŃSKI POBLEM ODWOTNY DLA ÓWNANIA PAABOLICZNEGO W PZESTZENI NIESKOŃCZENIE WYMIAOWEJ THE INVESE PAABOLIC POBLEM IN THE INFINITE DIMENSIONAL SPACE S r e s z c z e n e A b s r a c W arykule skonsruowano

Bardziej szczegółowo

2. Tablica routingu dla pewnej sieci złożonej z czterech węzłów wygląda następująco:

2. Tablica routingu dla pewnej sieci złożonej z czterech węzłów wygląda następująco: Colloquium 4, Grupa A. Jaką oszczędność w zarządzaniu działm Biura Obsługi Klina (polgającą na rdukcji liczby sanowisk obsługi) mogą odnoować dwa połączon przdsiębiorswa, jżli: a. każda z firm przd połącznim

Bardziej szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.

Bardziej szczegółowo

f (3) jesli 01 f (4) Rys. 1. Model neuronu

f (3) jesli 01 f (4) Rys. 1. Model neuronu Wstęp tortyczny. Modl sztuczngo nuronu Podobn jak w przypadku nuronowych sc bologcznych, podstawowym lmntam z których buduj sę sztuczn sc nuronow są sztuczn nurony. Sztuczny nuron jst lmntm, którgo własnośc

Bardziej szczegółowo

1 n 0,1, exp n

1 n 0,1, exp n 8. Właścwośc trmczn cał stałych W trakc zajęć będzmy omawać podstawow własnośc trmczn cał stałych, a szczgóln skupmy sę na cpl właścwym. Klasyczna dfncja cpła właścwgo wygląda następująco: C w Q (8.) m

Bardziej szczegółowo

LABORATORIUM ESBwT. Optymalizacja niezawodnościowa struktury elektronicznego systemu bezpieczeństwa

LABORATORIUM ESBwT. Optymalizacja niezawodnościowa struktury elektronicznego systemu bezpieczeństwa ZESPÓŁ LAORATORIÓW TELEMATYKI TRANSPORTU ZAKŁAD TELEKOMUNIKACJI W TRANSPORCIE WYDZIAŁ TRANSPORTU POLITECHNIKI WARSZAWSKIEJ LAORATORIUM ESwT INSTRUKCJA DO ĆWICZENIA nr Opymalizacja nizawodnościowa srukury

Bardziej szczegółowo

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 5 ( ) ( ) ( ) ( ) ( ) ( ) ( ) Transformacja Hilberta. sgn( + = + = + lim.

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 5 ( ) ( ) ( ) ( ) ( ) ( ) ( ) Transformacja Hilberta. sgn( + = + = + lim. Tora Synałów II rok Gozyk III rok Inormatyk Stosowanj Wykład 5 ) sn( d d d F Najprw nzbędny rzltat. Transormacja Forra (w sns rancznym) nkcj sn() F lm π sn Z twrdzna o dalnośc wynka, ż π sn Transormacja

Bardziej szczegółowo

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1) Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 4. iωα. Własności przekształcenia Fouriera. α α

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 4. iωα. Własności przekształcenia Fouriera. α α ora Sygałów rok Gozyk rok ormatyk Stosowaj Wykład 4 Własośc przkształca ourra własość. Przkształc ourra jst low [ β g ] βg dowód: rywaly całkowa jst opracją lową. własość. wrdz o podobństw [ ] dowód :

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg

Bardziej szczegółowo

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ.

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

Bardziej szczegółowo

CAŁKOWANIE NUMERYCZNE całki pojedyncze

CAŁKOWANIE NUMERYCZNE całki pojedyncze CAŁKOWANIE NUMERYCZNE całk pojedyncze Kwadratury nterpolacyjne Kwadratury nterpolacyjne Rozpatrujemy funkcję f() cągłą ogranczoną w przedzale domknętym [a, b]. Przedzał [a, b] dzelmy na skończoną lczbę

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie próby. Rozkład χ 2 Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie

Bardziej szczegółowo

Ą Ż Ł ś ż ńż ż ż ś ź ź ć ź ś ń ż ć ź ź ź ż ź ś ź ń ź Ę ż ź ź ź ż ż ś ń ż ż ś ż ź ż ź źń ż ż ż ź ś ś ż ś ż ż Ż Ł ń ż ś ż ń ź ź ż żń ść ż ż ń ń ń ń ń ż ś ź ż ń ż ś ń ż ć ż ś ż ż ć ń ż ż ź ż ć ż ż ś ż ż ć

Bardziej szczegółowo

Ę ć ń ż ć Ń ń ż ć ć ń ż ć ń ź ń Ę Ń ń ń ż ć ż ć ć Ń ż ć ń ć ż ń ż ć ć Ń ż ć Ń ż Ń Ń Ń ż ż Ń ż ż Ń ń ź Ń ń Ń ń ń Ą ń ń ź ń Ń Ń ć Ę ż Ń ż ć ć ć Ę ńż ń Ą ć ć Ę ż ż ć ż ć Ń ż Ń ż Ń ż ż ń ć ń Ń ń Ę ż Ł Ń ż

Bardziej szczegółowo

ć ć ć ć Ń Ę Ś Ę Ę ć Ę ć Ń

ć ć ć ć Ń Ę Ś Ę Ę ć Ę ć Ń Ź Ź Ó Ń Ó ź ć Ź ć ć ć ć Ń Ę Ś Ę Ę ć Ę ć Ń Ź ć Ź Ę Ę ć ć ź Ę Ę Ź ć Ó Ó Ś Ó Ń ŚĆ Ę Ś Ó ćć Ó Ś Ę Ś Ę Ę Ś Ś ć Ę Ó Ę Ó Ę Ń Ć Ś Ś Ś Ś Ó ŚĆ Ó ć Ń Ń Ó Ę Ó Ó Ó Ś Ę Ć Ó ć ć Ó ź Ę ć ć Ź ć ć ć ć ć ź ć Ź ć Ć ć ć Ś

Bardziej szczegółowo

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu

Bardziej szczegółowo

przegrody (W ) Łukasz Nowak, Instytut Budownictwa, Politechnika Wrocławska, e-mail:lukasz.nowak@pwr.wroc.pl 1

przegrody (W ) Łukasz Nowak, Instytut Budownictwa, Politechnika Wrocławska, e-mail:lukasz.nowak@pwr.wroc.pl 1 1.4. Srawdzn moŝlwośc kondnsacj ary wodnj wwnątrz ścany zwnętrznj dla orawngo oraz dla odwrócongo układu warstw. Oblczn zawlgocna wysychana wlgoc. Srawdzn wykonujmy na odstaw skrytu Matrały do ćwczń z

Bardziej szczegółowo

I zasada termodynamiki dla układu zamkniętego (ujęcie masy kontrolnej)

I zasada termodynamiki dla układu zamkniętego (ujęcie masy kontrolnej) Wykład 8 I zasada rmodynamk dla układów zamknęyh (uję masy konrolnj) Prwsza zasada rmodynamk jako równan knyzn dla układu zamknęgo (uję masy konrolnj; zmana sanu masy konrolnj) Układy owar; uję masy konrolnj

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

KONSPEKT WYKŁADU. nt. METODA ELEMENTÓW SKOŃCZONYCH TEORIA I ZASTOSOWANIA. Piotr Konderla

KONSPEKT WYKŁADU. nt. METODA ELEMENTÓW SKOŃCZONYCH TEORIA I ZASTOSOWANIA. Piotr Konderla Studa doktorancke Wydzał Budownctwa Lądowego Wodnego Poltechnk Wrocławskej KONSPEKT WYKŁADU nt. METODA ELEMENTÓW SKOŃCZONYCH TEORIA I ZASTOSOWANIA Potr Konderla maj 2007 Kurs na Studach Doktoranckch Poltechnk

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Teoria Sygnałów. II Inżynierii Obliczeniowej. Wykład /2019 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )

Teoria Sygnałów. II Inżynierii Obliczeniowej. Wykład /2019 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Tora Sygałów II Iżyr Oblczowj Wyład 8 8/9 Rozważy sończoy sygał δ () spróboway z częsolwoścą : Aalza częsolwoścowa dysrych sygałów cyfrowych f p óra js dwa razy węsza od częsolwośc asyalj f a. Oblczy jgo

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

Wykład 4 Metoda Klasyczna część III

Wykład 4 Metoda Klasyczna część III Teoria Obwodów Wykład 4 Meoda Klasyczna część III Prowadzący: dr inż. Tomasz Sikorski Insyu Podsaw Elekroechniki i Elekroechnologii Wydział Elekryczny Poliechnika Wrocławska D-, 5/8 el: (7) 3 6 fax: (7)

Bardziej szczegółowo

Podstawowe definicje

Podstawowe definicje W-8 (Jarswc na ba J. Rukwsk) 5 slajów Ruch rgający Psaww fncj Swbn rgana harmncn Drgana łumn Drgana wymusn Skłaan rgań 3/8 L.R. Jarswc Psaww fncj rgana prcsy, w kórych ana wlkść fycna na prman rśn malj

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

Wykład 2 Metoda Klasyczna część I

Wykład 2 Metoda Klasyczna część I Tora Obwodów 2 Wykład 2 Moda Klasyczna część I Prowadzący: dr nż. Toasz Skorsk Insyu Podsaw lkrochnk lkrochnolog Wydzał lkryczny Polchnka Wrocławska D-1, 205/8 l: (071) 320 21 60 fax: (071) 320 20 06 al:

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

Analiza wybranych własności rozkładu reszt

Analiza wybranych własności rozkładu reszt Analiza wybranych własności rozkładu rsz Poprawni skonsruowany i oszacowany modl, kóry nasępni ma być wykorzysany do clów analizy i prdykcji, poza wysokim sopnim odzwircidlania zmian warości mpirycznych

Bardziej szczegółowo

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko MECHANIKA Wykład Nr 10 MOMENT BEZWŁADNOŚCI Prowadzący: dr Krzysztof Polko Defncja momentu bezwładnośc Momentem bezwładnośc punktu materalnego względem płaszczyzny, os lub beguna nazywamy loczyn masy punktu

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Projektowanie procesu doboru próby

Projektowanie procesu doboru próby Projkowai procsu doboru próby Okrśli populacji gralj i badaj Okrśli jdoski próby 3 Okrśli wykazu badaj populacji 4 Okrśli liczbości próby 5 Wybór mody doboru próby losowgo ilosowgo Usali ko lub co moż

Bardziej szczegółowo

CHEMIA KWANTOWA Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej

CHEMIA KWANTOWA Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej CHEMI KWTOW CHEMI KWTOW Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoreycznej Zespół Chemii Kwanowej Grupa Teorii Reakywności Chemicznej LITERTUR R. F. alewajski, Podsawy i meody chemii kwanowej:

Bardziej szczegółowo

4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego

4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego 4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Rachunek całkowy funkcji wielu zmiennych

Rachunek całkowy funkcji wielu zmiennych Rachunek całkowy funkcji wielu zmiennych Całki potrójne wykład z MATEMATYKI Budownictwo studia niestacjonarne sem. II, rok ak. 2008/2009 Katedra Matematyki Wydział Informatyki olitechnika Białostocka 1

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

ć Ę ć Ę ć Ę ż ź ż Ą ć Ą ż Ę Ę ć ż ź ż Ę ż ż Ą ż

ć Ę ć Ę ć Ę ż ź ż Ą ć Ą ż Ę Ę ć ż ź ż Ę ż ż Ą ż Ń Ę Ę ć Ę ć Ę ć Ę ż ź ż Ą ć Ą ż Ę Ę ć ż ź ż Ę ż ż Ą ż Ę ż Ę ż ć ż Ę ż Ł ż ć ź Ę Ą ź ż Ź Ę ż Ę ź Ę ż ż ż ć ż ż ź ć Ę ż ż ż ż ź ć ż ż ć ź ż ć ź Ę ż Ę ć ź Ę ź ć Ę ź Ę Ą Ę ź ż ć ź ź ź Ę ż ć ć Ę Ę ż Ł ż ż ż

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Wykład 2 Wahadło rezonans parametryczny. l+δ

Wykład 2 Wahadło rezonans parametryczny. l+δ Wykład Wahadło rzonans paramryczny θ θ l l+δ C B B Wykład Wahadło - rzonans paramryczny E E E B mg l cos θ θ E kinb m d d l l+δ B B l C I m l E B B kinb' I m B' B' d d d d B l ml d d B ' mgl cos ' B gcos

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

Symulacja czasu wychładzania powietrza w przewodzie wentylacyjnym

Symulacja czasu wychładzania powietrza w przewodzie wentylacyjnym Por Prybycn Symulacja casu ychłaana pora pro nylacyjnym Symulacja casu ychłaana pora pro nylacyjnym ) Do cgo służy program: Program służy o okrślna sybkośc ychłaana, lub ograna pora nąr prou nylacyjngo

Bardziej szczegółowo

1.7 Zagadnienia szczegółowe związane z równaniem ruchu Moment bezwładności i moment zamachowy

1.7 Zagadnienia szczegółowe związane z równaniem ruchu Moment bezwładności i moment zamachowy .7 Zagadnna zczgółow zwązan z równan ruchu.7. ont bzwładnośc ont zaachowy Równan równowag ł dzałających na lnt ay d poazany na ry..8 będz ało potać: df a tąd lntarny ont dynaczny: d d ϑ d r * d d ϑ r d

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru

Bardziej szczegółowo

ż ż ż ż ż ż ż Ś ż ń ż ż Ę ż ż ż ż ń ż ż Ś ż ż ż ż ń Ł

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

Bardziej szczegółowo

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych. Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać

Bardziej szczegółowo

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń: .. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B

Bardziej szczegółowo

Zmiany w stosunku do poprzedniego wydania...9 Przedmowa...11 Rozdział 1. Definicje typów, procedur, funkcji i klas dla zagadnień numerycznych...

Zmiany w stosunku do poprzedniego wydania...9 Przedmowa...11 Rozdział 1. Definicje typów, procedur, funkcji i klas dla zagadnień numerycznych... Sps rśc Zmany w sosunku do poprzdngo wydana 9 Przdmowa Rozdzał Dfncj ypów, procdur, funkcj klas dla zagadnń numrycznych 3 Organzacja bblok oblczń numrycznych 4 Typ waranowy 4 3 Prdfnowany yp lczb zspolonych

Bardziej szczegółowo

Cechy szeregów czasowych

Cechy szeregów czasowych energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas

Bardziej szczegółowo

Dyskretny proces Markowa

Dyskretny proces Markowa Procesy sochasyczne WYKŁAD 4 Dyskreny roces Markowa Rozarujemy roces sochasyczny X, w kórym aramer jes ciągły zwykle. Będziemy zakładać, że zbiór sanów jes co najwyżej rzeliczalny. Proces X, jes rocesem

Bardziej szczegółowo

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Statystyka i opracowanie danych W4 Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny wykres funkcji gęstości

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym ĆWCZENE 3 Analza obwodów C przy wymszenach snsodalnych w stane stalonym 1. CE ĆWCZENA Celem ćwczena jest praktyczno-analtyczna ocena obwodów elektrycznych przy wymszenach snsodalne zmennych.. PODSAWY EOEYCZNE

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 13

RÓWNANIA RÓŻNICZKOWE WYKŁAD 13 RÓWNANIA RÓŻNICZKOWE WYKŁAD 13 Geomeria różniczkowa Geomeria różniczkowa o dział maemayki, w kórym do badania obieków geomerycznych wykorzysuje się meody opare na rachunku różniczkowym. Obieky geomeryczne

Bardziej szczegółowo

Prąd sinusoidalny. najogólniejszy prąd sinusoidalny ma postać. gdzie: wartości i(t) zmieniają się w czasie sinusoidalnie

Prąd sinusoidalny. najogólniejszy prąd sinusoidalny ma postać. gdzie: wartości i(t) zmieniają się w czasie sinusoidalnie Opracował: mgr nż. Marcn Weczorek www.marwe.ne.pl Prąd snsodalny najogólnejszy prąd snsodalny ma posać ( ) m sn(2π α) gdze: warość chwlowa, m warość maksymalna (amplda), T okres, α ką fazowy. T m α m T

Bardziej szczegółowo

OGÓLNE PODSTAWY SPEKTROSKOPII

OGÓLNE PODSTAWY SPEKTROSKOPII WYKŁAD 8 OGÓLNE PODSTAWY SPEKTROSKOPII E E0 sn( ωt kx) ; k π ; ω πν ; λ T ν E (m c 4 p c ) / E +, dla fotonu m 0 p c p hk Rozkład energ w stane równowag: ROZKŁAD BOLTZMANA!!!!! P(E) e E / kt N E N E/

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład VII Przekształcenie Fouriera.

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

Bardziej szczegółowo