Marek Walesiak. MIAR lwrel!cji W AB.lLIZIE 'lfl'nixćw
|
|
- Wiktor Kowalik
- 7 lat temu
- Przeglądów:
Transkrypt
1 PRACE NAUKOWE AKADEMII BOII'OKICZNEJ WROCŁAWIU Nr 600 Metody statystyczej aalisy wielowymiarowej ich sastosowaia w badaiach ekoomiczych Marek Walesiak O S'rOSOW.ALII'OŚCI MIAR lwrel!cji W AB.lLIZIE 'lfl'nixćw POMIARU 1'0RZłl)XOWEGO w artykule scharakteryzowao swięzki istiej~ między współczyikami: korelacji liiowej Pearsoa, rag Spearmaa i tau Xedalla z puktu widzeia skal pomiaru. Zwrócoo uwagę a ie dostrzegay w polskiej literaturze statystyczej 'fakt, łe wapółe~ik korelacji tau Iedalla jest (dla wyików pomiaru ragowego) szczególą poataeią współczyika korelacji liiowej Pearsoa. pojęć Problemetyka poruszaa w artykule wymaga wprowadzeia podatawowych z r.akresu teorii pomiaru. Przez pomiar rosumie się pr~rsądkowaie licsb obiektom zgodie z określoymi regułami w ta~i sposób, aby liczby odzwierciedlały zachodzące 111iędzy tymi obiektami relacje (por. p.[ 5, 54;, s. 17 ] ). Podsta~ teorii pomiaru jest pojęcie skali. D e 'f i i c j a ( por. [ 1, e ; 9, s. 37 ] ). Takłl uporządkowaą czwórkę U <.A; G; H; F >, h a).a to iepusty zbiór obiektów, H - zbiór liczb rzeczywistych, G- klaaa fukcji odwzotowującycb A w H, F- klasa fukc ji odwzorowujących H w H, b) dla wuyatlcich g E G i!e.7, 'f o seg, o) l zawiera przekształceie H a H, a poadto d1a ka żdeso!k, t 1 E F iłohie!ko r 1 E 7, azywa się skalą pomiaru. W teorii pomiaru rozróżia się 4 podstawowe skale pomiaru, wprowadzoe przez s.s. Steveaa [ 7]. D e! i i c j a {por. [ 1, a. 103]). U <.A; G; H; I'> jest alta-l!ł om ialą wtedy i tylko 7 jest sbiorea wa y tkicb!akcji! odvzorowuj,oych R w H (H ~ R) taki ch, łe
2 14 t - fukcja wzajemie jedozacza. ( 1) D e t i i c ja 3 (por.[1, e. 103]). U <A; G; H; P)jest skalą porządkową wtedy i tylko wtedy, gdy ~ jest zbiorem wszystkich fukcji t odwsorowuj~ych H w B (B R) takich, te t - fukcja ściśle mootoiczie rosąca. (} D e t i i c ja 4 (por.[1, e. 103; 9, s. 37]}. U (A; G; H; F) jest ekalą iterwalową (przedziałową) wtedy i tyl~o wtedy, gdy H jest zbiorem wezyetkicb liczb rzeczywistych R i ~ jest zbiorem fukcji f takich, te dla dodatiego b t(y} b y + a, t(y)e R (3} dla wezyetkicb ye R. D e t i i c ja 5 (por. [1, s. 103; 9, s. 38]). U (A; G; H;~) jeet skalą ilorazową (etosukową} wtedy i tylko wtedy, gdy H jest zbiorem liczb rzeczywietych dodatich R+ i ~ jest zbiorem fukcji f takich, te dla d. oda tie go b!(y) b y, t(y)e R+ (4) dla wszyetkich ye R+. Skale te uporządkowae są od ajsłabszej (omiala) at do ajmociejszej (ekala ilorazowa). Wyika to z defiicji 6. D e f i i c j a 6 (por. [ 8, s. 5_]). Skala u jelł't -fllociejsza od skali 0 1 zawsze i tylko wtedy, gdy jej dopuszczale przekształceie jest zdegeerowaym przypadkiem dopuszcsalego przekeztałceia skali o 1 Na wartościach poszczególych ekal, ze względu a _dopuszczale przekształceie, mota wyzaczać aetępujące relacje: a) skala omiala - relacje: I'Ó\: ości, rótości, b) ekala porządkowa - relacje: rówośoi, rótości, miejezości, większości, c) skala przedziałowa - relacje: rówo&oi, rótości, miejszości, większości, rówości rótic i przedziałów, d) skala ilorazowa - relacje: rówości, rótości, miejszości, większości, rówości rótic i przedziałów, rówości stoeuk6w między poszczególymi wartościami skali. Wykoywaie operacji arytmetyczych dodawaia i odejmowaia jest dopuszczale a wartościach skali przedziałowej. Skala ilorazowa dopuszcza poadto wykoywaie a wartościach skali operacji dzieleia 1 moteia. Jedyą dopuszczalą operacją empiryczą a wartościach skali omialej 1 porządkowej jeet zliczaie zdarzeń (tz. tego, ile relacji miejszości, więkezości i rówości określoo a wartościach p. skali porządkowej). Jeda s podstawowych re~ł teorii pomiaru mówi, ~e jedyie rezultaty
3 15 ooriaru w skali mociejszej mogą być trasformowae a liczby aletące do skali słabszej (por. p. [6, s. 17], [9, s. H]). Stosując dozwoloe przekształceie wartości a skali, zachowujemy iezmieość typu skali p rzyjętej dla daej cechy. Typ skali, ze względu a dopuszczale przekształceia, determiuje rozmaitych techik etatystyczo-ekoometryczych. stosowalość D e f 1 i c j a 7 (por. p. [8, s. 61]). 'l'echikami statystyczymi dopuszczalymi dla daego typu skali są takie techiki, które doetarozsją wyików (w sesie relacji) iezmieych względem dopuszczalych przekształceń. W pracy [10] J.W. Wiśiewski a przykładzie współczyika korelacji 1 Wkweetioował ią z reguł teorii pomiaru, która mówi, te metody ilościowe, które mota stosować do wyików pomiaru w skali słabszej, zezwala się stosować rówie! do liczb uzyskaych z mierzeia a poziomie mociejszym. W kokluzji stwierdza się, te o ile współczyik korelacji Pearsoa mota stosować z powodzeiem do badaia skorelowaia cech mierzoych a skali omialej (po odpowiediej traeformacji), o tyle trasformację Yapółczyika korelacji Pearaoa w formie współczyika korelacji rag S~armaa alety stosować z ostrożością w stosuku do pomiaru ragowego. Wprawdzie ostatie zdaie jest prawdziwe, ale ie kwestiouje powytezej reguły teorii pomiaru, albowiem odpowiedikiem współczyika korelaoji Pearsoa (stosowaego do pomiaru siły i kieruku zw~zku liiowego międsy dwiema cechami mierzoymi a a~ali przedziałowej i (lub) ilorazowej) w badaiu skorelowaia dwóch eech mierzoych a skali porządkowej jest ie współczyik rag Spearmaa, ale współczyik tau Xedalla. Współczyik korelacji rag Spearmaa jest w szczególy sposób trasformowaym współczyikiem korelacji liiowej Pearsoa, w 'którym wykorzystuje eię specyfikę kolejych liczb aturalych (por. p. [ 6, s. 160-, 16] ). Współczyik te ie jest typową lliarą korelacji rag, stosując go bowiem zakłada się, h odległości po111iędzy sąsiedimi regami są sobie rówe {a skali porządkowej odległości aiędzy dowolymi dwiema ragami, ie eą zae). Załohie to ozacza, te mota go wjkorzystyvać. gdy Mmy do czyieia ie z pomiarem porządkowym, ald z pomiarem co ajmiej przedz iałowym. W myśl defiicji 7 współczyik korelacji rag Spearmaa ie 111ote być etoscway jako miara skorelowaia warto! ci dwóch cech mierzoych a skali. Porządkowej. Ilustruje to astępujący przykład. 1w artykule ie podejmuje się obroy tej reguły teorii pomiaru, ale ~estiouje się przykład, a podstawie kt6rego j4 podwałoo.
4 "'1' M 16 Przykła d 1. Dae eą trzy uporządkowaia 5 obiektów ze względu a wartości 3 cech 1~ ierzoyc h a skali porządkowej: M1 1 M 3, M Zgodość uporządkowań ze względu a cechy M 1 1 M oraz M 1 M 3 oceioo r.a pomocą współczyika korelac j 1 rag Spearmaa i otrzymao wyiki: Między tymi wapółc zyikami zachodzi re la c ja: r 3 (M 1,M ) <r 3 (M,M 3 ). Do wyików pomiaru zastosowao dopuszczale przekształceie () a skali porządkowej (!(y) y ), które zachowuje ustaloy porządek wyików pomiarów. Uzyskae wyiki ie mają wcześiej stwierdzoej własości, poiewa~ r~(m 1,M ) -1,9 > r 3 (M,~) -3,. Współczyaika korelacji Spearmaa ie mo~a stosować jako miary skorelowaia wartości dwóch cech ~ierzoycb a skali porządkowej, ie zapewia o bowiem wyików iezmieych wz~lędem dopuszczalych przekształceń a tej skali. Do pomiaru siły i kieruku skorelowaia dwóch cech mierzoych a skali porządkowej wykorzystuje się wspó ł czyik tau Kedalla, który jest e ze zefólą postacią wepółc zyika korelacji liiowej Pearsoa [ 3, e ]. Wzór a współczy ik Pearsoa w wers j i rachukowej mo ż a przedstawić alteratywie jako (por. [3; 4, e. 66] ): r ( r L Lxizi- L xi L z i i i 1 ] [ l 0,5 ) xi - ( L :ri) L: - z i ( ) z!) ) L-J.., i 1 i J L. ~ (x1 - xj)(zi- zj) ~ j i 1 ~ (xi - xj) ~ j i 1 j i 1 L, L, (z i - z j) ) 0,5 (5)
5 gdzie: xi ( z1) - i-ta we rtość cechy M 1 (M); e t~ x1z1 j 1 1 j 1 1 j 1 1 t= (:x1 - xj)(z 1 - llj) - E: z= xi zj j-1 j-1 - L L :xjz1 L:: z::==xjzj ( - L x1z1 - ( L cx1zj j 1 1 j 1 1 i 1 j 1 i 1 - L xi z i) L :xi z i - L 11 i ia t t= r. + :xj (- 1) L xi -( c L:XiX;!- Cxi ) - j j i 1 L x1 - L: cx1xj L xi - <L: X i) 1=1 j 1 i 1 i Prawa stroa wzoru (5) po trasformacji wartości cech mierzoych a skali przedziałowej 1 (lub) ilorazowej a wartości cech ze skali porządkowej według Bchematu: 1, jeśli xi) xj (zi > zj), kij(bij) - o, jeśli xi x j ( z 1 zj), (6) -1, jeśli :xi ( x 3 (z 1 ( zj), przyjmuje postać wsp6lczy1ka korelacji rag ( tau) Kedalla: ( 7) Współczyik 'korelacji rk jest stosoway jako miara Bkorelowa.fa dwóch cech mierzoych a skali porządkowej. Przyjmuje wartości liczbowe z przedziału -1 ( rk ( 1. Gdy uporządkowaia rag dla obu cech Bą zupełie przeciwe, wówczas ri -1. Wartość 1 ozacza pełą zgodość u porządkowań.
6 P r s y k l a d Dokoao dwóch rówoległych 16 oce szas 6 kadydatów a prezydeta: Kadydaci A B C D E F Uporządkowaie Uporządkowaie 3,5 3,5 1,5 1,5 6 5 Zgodość oce określoo przez ustaleie zgodości uporządkowań kadydatów a podatawie współczyika (7): 11 rx -( 1_5_..:.1...:..3 -., 0..., o. 788 Otrzymaa wartość wskazuje a dość du~ą zgodość obu uporządkowań. LITERATURA [ 1] [ J [ 3] [ 4] [ 5] [ 6 ] [ 7 ] [ 8 ] Adama E.W., Fagot R.P., Robieo R.E.: A theory of appropriate etatistics. "Peychometrika 1965 (30) o. e Cboyowaki M.: Pomiar w psychologii. W: Problemy psychologii matematyczej. Red. J. Kozielecki. Warszawa: PWN Kedall M.G.: Rak Correlatio Methods. Lodo: Griffi Kedall M.G., Bucklad W.R.: Słowik termiów statystyczych. Warezawa: P\liE Pawlows~i T.: Metodologicze zagadieia humaistyki. Warszawa: PWN Steczkowski J., Zeliaś A.: Statystycze metody aalizy cech jakościowych. Warszawa: PWE Stevea S.S.: Measuremet, Psychophyeios ad Utility. W: Measuremet; Defiitios ad Theories. Red. c.w. Churehma, F. Ratoosh, New York: Wiley Waleta K.: Podstawowe pojęcie teorii pomiaru. W: Problemy psychologii matematyczej. Red. J. Kozielecki. Warszawa: PWN Walesiak M.: Sytetycze badaia porówawcze w świetle teorii pomiaru. Przegląd Statystyczy" 1990 z. 1- s Wiśieweki J.W.: Korelacja i regresja w badaiach zjawisk jakościowych a tle teorii pomiaru. "Przegląd Statystyczy" 1986 z. 3 s. '39-48.
7 1HF 1 PPL i CI\ B l LITY O F' CORRELIITION MEIISURES I N THE 1\NIILYS I S O F' ORD l NI\ i. MEIIS UREMENT RESULTS Summary the paper the relatjos betwe e Pearso correlatjo coeffjcjet. ::>~e<hma rak correlat1o coeff:c1et ad tau Kedall coefflciet ar ~ aa.y~ed WJth respect to che scale of measuremet.!t JS argued that he rau Kedall correlat1o coeff1c1et 1s (for the rak meas,jremet r~:-ul.s) the specjaj case of the Pearso correjatjo coeff1c1e
DYLEMATY STOSOWANIA WSPÓŁCZYNNIKA KORELACJI SPEARMANA
Jerzy Witold Wiśiewski Uiwersytet Mikołaja Koperika DYLEMATY STOSOWANIA WSPÓŁCZYNNIKA KORELACJI SPEARMANA Wprowadzeie W praktyce badań statystyczych relatywie często pojawia się potrzeba aalizy wyików
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,
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
Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.
Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują
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
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
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,
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
H brak zgodności rozkładu z zakładanym
WSPÓŁZALEŻNOŚĆ PROCESÓW MASOWYCH Test zgodości H : rozład jest zgody z załadaym 0 : H bra zgodości rozładu z załadaym statystya: p emp i p obszar rytyczy: K ;, i gdzie liczba ategorii p Przyład: Wyoujemy
Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy
12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!
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
Podstawowe testy statystyczne i analiza zależności zjawisk
Podstawowe testy statystycze i aaliza zależości zjawisk PODSTAWOWE TESTY STATYSTYCZNE Hipotezy statystycze Hipoteza statystycza dowole przypuszczeie dotyczące rozkładu lub jego parametrów Hipoteza parametrycza
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
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
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
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU. Ekonometria 15. Marek Walesiak. 1. Wstęp
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 1096------------------------------------------------ 2005 Ekooetria 15 Marek Walesiak UOGÓLNIONA MIARA ODLEGŁOŚCI GDM A WSPÓŁCZYNNIK KORELACJI LINIOWEJ
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
Wybrane litery alfabetu greckiego
Wybrae litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilo η eta Θ θ theta κ kappa Λ λ lambda µ mi ν i ξ ksi π pi ρ, ϱ ro σ sigma τ tau Φ φ, ϕ fi χ chi Ψ ψ psi Ω ω omega Ozaczeia a i
Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).
Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic
Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia
Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk
Wykład 11. a, b G a b = b a,
Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada
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
Zadania z algebry liniowej - sem. I Liczby zespolone
Zadaia z algebry liiowej - sem. I Liczby zespoloe Defiicja 1. Parę uporządkowaą liczb rzeczywistych x, y azywamy liczbą zespoloą i ozaczamy z = x, y. Zbiór wszystkich liczb zespoloych ozaczamy przez C
EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?
EKONOMETRIA Temat wykładu: Co to jest model ekoometryczy? Dobór zmieych objaśiających w modelu ekoometryczym Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapata Tarapata@isi.wat..wat.edu.pl http://
STRA TEGIE POSTĘPOWANIA W BADANIACH STATYSTYCZNYCH W PRZYPADKU ZBIORU ZMIENNYCH MIERZONYCH NA SKALACH RÓŻNEGO TYPU**
BADANIA OPERACYJNE I DECYZJE Marek WALESIAK* STRA TEGIE POSTĘPOWANIA W BADANIACH STATYSTYCZNYCH W PRZYPADKU ZBIORU ZMIENNYCH MIERZONYCH NA SKALACH RÓŻNEGO TYPU** Omówiono strategie postępowania w badaniach
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
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
1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o
1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady
7 Liczby zespolone. 7.1 Działania na liczbach zespolonych. Liczby zespolone to liczby postaci. z = a + bi,
7 Liczby zespoloe Liczby zespoloe to liczby postaci z a + bi, gdzie a, b R. Liczbę i azywamy jedostką urojoą, spełia oa waruek i 2 1. Zbiór liczb zespoloych ozaczamy przez C: C {a + bi; a, b R}. Liczba
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
Modele i narzędzia optymalizacji w systemach informatycznych zarządzania
Modele i arzędzia optymalizacji w systemach iformatyczych zarządzaia Prof. dr hab. iż. Joaa Józefowska Istytut Iformatyki Orgaizacja zajęć 8 godzi wykładów prof. dr hab. iż. J. Józefowska www.cs.put.poza.pl/jjozefowska
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
Wyższe momenty zmiennej losowej
Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla
Geometrycznie o liczbach
Geometryczie o liczbach Geometryczie o liczbach Łukasz Bożyk Dodatią liczbę całkowitą moża iterpretować jako pole pewej figury składającej się z kwadratów jedostkowych Te prosty pomysł pozwala w aturaly
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
Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera
Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki
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
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
INWESTYCJE MATERIALNE
OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów
Zasada indukcji matematycznej. Dowody indukcyjne.
Zasada idukcji matematyczej Dowody idukcyje Z zasadą idukcji matematyczej i dowodami idukcyjymi sytuacja jest ajczęściej taka, że podaje się w szkole treść zasady idukcji matematyczej, a astępie omawia,
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
n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka
Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h() dla dysretej zm. losowej oraz ucji h() dla ciągłej zm. losowej: m E P m E ( ) d Deiicja: Mometem cetralym µ rzędu
Metody badania zbieżności/rozbieżności ciągów liczbowych
Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu
I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n
I. Ciągi liczbowe Defiicja 1. Fukcję określoą a zbiorze liczb aturalych o wartościach rzeczywistych azywamy ciągiem liczbowym. Ciągi będziemy ozaczać symbolem a ), gdzie a ozacza -ty wyraz ciągu a ). Defiicja.
Ekonomia matematyczna 2-2
Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów
Dydaktyka matematyki III-IV etap edukacyjny (wykłady)
Dydaktyka matematyki III-IV etap edukacyjy (wykłady) Wykład r 12: Fukcja wykładicza cd. Ciągłość fukcji. Pochoda fukcji Semestr zimowy 2018/2019 Fukcja wykładicza (cd.) propozycja Podobie jak w przykładach
Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY
LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY Zgodie z dążeiami filozofii pitagorejsiej matematyzacja abstracyjego myśleia powia być dooywaa przy pomocy liczb. Soro ta, to liczby ależy tworzyć w miarę
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
Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
TESTY LOSOWOŚCI. Badanie losowości próby - test serii.
TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla
STATYSTYKA OPISOWA PODSTAWOWE WZORY
MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału
co wskazuje, że ciąg (P n ) jest ciągiem arytmetycznym o różnicy K 0 r. Pierwszy wyraz tego ciągu a więc P 1 z uwagi na wzór (3) ma postać P
Wiadomości wstępe Odsetki powstają w wyiku odjęcia od kwoty teraźiejszej K kwoty początkowej K, zatem Z = K K. Z ekoomiczego puktu widzeia właściciel kapitału K otrzymuje odsetki jako zapłatę od baku za
CIĄGI LICZBOWE. Poziom podstawowy
CIĄGI LICZBOWE Poziom podstawowy Zadaie ( pkt) + 0 Day jest ciąg o wyrazie ogólym a =, N+ + jest rówy? Wyzacz a a + Czy istieje wyraz tego ciągu, który Zadaie (6 pkt) Marek chce przekopać swój przydomowy
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
a 1, a 2, a 3,..., a n,...
III. Ciągi liczbowe. 1. Defiicja ciągu liczbowego. Defiicja 1.1. Ciągiem liczbowym azywamy fukcję a : N R odwzorowującą zbiór liczb aturalych N w zbiór liczb rzeczywistych R i ozaczamy przez { }. Używamy
Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15
Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay
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
Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej
Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.
Analiza matematyczna. Robert Rałowski
Aaliza matematycza Robert Rałowski 6 paździerika 205 2 Spis treści 0. Liczby aturale.................................... 3 0.2 Liczby rzeczywiste.................................... 5 0.2. Nierówości...................................
ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE
ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE WARTOŚĆ BEZWZGLĘDNA LICZBY Wartość bezwzględą liczby rzeczywistej x defiiujemy wzorem: { x dla x 0 x = x dla x < 0 Liczba x jest to odległość a osi liczbowej
a) symbole logiczne (wspólne dla wszystkich języków) zmienne przedmiotowe: x, y, z, stałe logiczne:,,,,,, symbole techniczne: (, )
PROGRAMOWANIE W JĘZYU OGII WPROWADZENIE OGIA PIERWSZEGO RZĘDU Symbole języka pierwszego rzędu dzielą się a: a symbole logicze (wspóle dla wszystkich języków zmiee przedmiotowe: x y z stałe logicze: symbole
STATYSTYKA OPISOWA PODSTAWOWE WZORY
MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej
Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu
dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu
Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona
Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów
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
Wykład 10 Skalowanie wielowymiarowe
Wykład 10 Skalowanie wielowymiarowe Wrocław, 30.05.2018r Skalowanie wielowymiarowe (Multidimensional Scaling (MDS)) Główne cele MDS: przedstawienie struktury badanych obiektów przez określenie treści wymiarów
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
Graficzna prezentacja danych statystycznych
Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych Katowice, 12 i 26 czerwca 2014 r. Dopasowanie narzędzia do typu zmiennej Dobór narzędzia do
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
Ćwiczenie 2 ESTYMACJA STATYSTYCZNA
Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej
OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD
OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI ALGORYTM DO PROGRAMU MATHCAD 1 PRAWA AUTORSKIE BUDOWNICTWOPOLSKIE.PL GRUDZIEŃ 2010 Rozpatrujemy belkę swobodie podpartą obciążoą siłą skupioą, obciążeiem rówomierie
SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN
ZAŁĄCZNIK B GENERALNA DYREKCJA DRÓG PUBLICZNYCH Biuro Studiów Sieci Drogowej SYSTEM OCENY STANU NAWIERZCHNI SOSN WYTYCZNE STOSOWANIA - ZAŁĄCZNIK B ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI
Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
3. Funkcje elementarne
3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących
Równoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~.
16 Rówoliczo zbiorów Defiicja 3.1 Powiemy, e iepuste zbiory A i B s rówolicze jeeli istieje f : A B. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~. Twierdzeie 3.1 (podstawowa właso rówoliczoci zbiorów)
Zatem przyszła wartość kapitału po 1 okresie kapitalizacji wynosi
Zatem rzyszła wartość kaitału o okresie kaitalizacji wyosi m k m* E Z E( m r) 2 Wielkość K iterretujemy jako umowa włatę, zastęującą w rówoważy sosób, w sesie kaitalizacji rostej, m włat w wysokości E
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
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
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
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
z d n i a 1 5 m a j a r.
C h o r ą g i e w D o l n o l ą s k a Z H P D e c y z j a n r 1 4 / I X / 2 0 1 5 K o m e n d a n t a C h o r ą g w i D o l n o 6 l ą s k i e j Z H P z d n i a 1 5 m a j a 2 0 1 5 r. w s p r a w i e g
PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA. Ruch cząstki nieograniczony z klasycznego punktu widzenia. mamy do rozwiązania równanie 0,,
PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA Ruch cząstki ieograiczoy z klasyczego puktu widzeia W tym przypadku V = cost, przejmiemy V ( x ) = 0, cząstka porusza się wzdłuż osi x. Rozwiązujemy
Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)
Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod
Statystyczny opis danych - parametry
Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea
SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY
SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą
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
Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.
Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak
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
DOPUSZCZALNE DZIAŁANIA NA LICZBACH W BADANIACH MARKETINGOWYCH Z PUNKTU WIDZENIA SKAL POMIAROWYCH * 1. Rola skal pomiarowych w badaniach marketingowych
PRACE NAUKOWE AKADEMll EKONOMCZNEJ WE WROCŁAWU Nr 718 1996 nł"or:rnatyka i Ekono:rnet:ria 1 Marek Walesiak DOPUSZCZALNE DZAŁANA NA LCZBACH W BADANACH MARKETNGOWYCH Z PUNKTU WDZENA SKAL POMAROWYCH * 1.
2. INNE ROZKŁADY DYSKRETNE
Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =
STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś
1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.
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
Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017
STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej
ZASTOSOWANIE SIECI FBM W NEURONOWYM MODELOWANIU MIESZANIA DWUSKŁADNIKOWYCH UKŁADÓW ZIARNISTYCH
IŜyieria Rolicza 14/2005 Marek Tukiedorf Wydział Mechaiczy Politechika Opolska ZASTOSOWANIE SIECI FBM W NEURONOWYM MODELOWANIU MIESZANIA DWUSKŁADNIKOWYCH UKŁADÓW ZIARNISTYCH Streszczeie Pokazao wyiki symulacji
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
d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem
d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)
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
Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R
Kresy zbiorów. Ćwiczeia 21.11.2011: zad. 197-229 Kolokwium r 7, 22.11.2011: materiał z zad. 1-249 Defiicja: Zbiór Z R azywamy ograiczoym z góry, jeżeli M R x Z x M. Każdą liczbę rzeczywistą M R spełiającą