X. RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE

Wielkość: px
Rozpocząć pokaz od strony:

Download "X. RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE"

Transkrypt

1 X. RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE.. Wpowadzee Rozważmy ład ówań óżczowyc z waam począowym Zagadee (.) (.) azywa sę zagadeem począowym. Naszym zadaem es zalezee fc y () będącyc ozwązaem ww. ład. W dalszym cąg będzemy pomać des. Idea meyczego ozwązywaa zagadea począowego es asępąca: wycodząc od zaego wa począowego y pzebegamy pzedzał [a b] oblczaąc pzyblżoe waośc ozwązaa dla eóyc waośc zmee ezależe aż zosae osągęy oec pzedzał. Nec ( =...) ozaczaą pewe py pzedzał [a b] pzy czym < + oaz = a. Nec ażdem pow odpowada lczba y będąca pzyblżeem waośc doładego ozwązaa y( ). Rozwązae dołade es ezae ale spodzewamy sę że pzyblżea y y... są a yle dobe że odwazaą oe w sposób wey szał fc y(). Naswaą sę zaem co ame zy pyaa:! w a sposób ależy oeślać py...! w a sposób ależy oblczać pzyblżea y y...! a moża swedzć że waość y es dobym pzyblżeem dołade waośc y( ) soo es oa ezaa? Nmeycze ozwązywae zagadea począowego oeślamy acze ao całowae zagadea począowego. Dłgość o całowaa es oeśloa asępąco: Jeżel dla wszysc pów... mamy y = f ( y) = a b (.) y ( ) = y = K. (.) = = K. = = cos = K o mówmy że oblczea są wyoywae ze sałą dłgoścą o całowaa. W pzecwym pzypad mówmy że oblczea są wyoywae ze zmeą dłgoścą ego o.

2 .. Wpowadzee Cecą caaeysyczą całowaa meyczego zagadea począowego es o że pzyblżea y y... są oblczae oleo dla oleo asępącyc po sobe pów.... Nec y y... y! ozaczaą oblczoe ż pzyblżea dla pów oleo...!. Oblczee pzyblżea y dla asępego p azywamy edym oem oblczeń. Meoda meycza es o wyażoy za pomocą wzo sposób oblczea waośc pzyblżea ozwązaa w edym o oblczeń. Meody meycze ozwązywaa zagadea począowego dzelmy a:! meody edooowe (w cel wyoaa edego o oblczeń wyozysemy ylo pzyblżee oblczoe w bezpośedo popzedzaącym o) wśód óyc wyóżamy meody wyaące z bezpośedego zasosowaa ozwęca Tayloa meody Rgego- Ky meody specale! meody welooowe (w cel wyoaa edego o oblczeń wyozysemy pzyblżea oblczoe w l oleyc bezpośedo popzedzaącyc oac) wśód óyc wyóżamy lowe meody welooowe elowe meody welooowe (meody specale) meody pedyo-oeo! meody esapolacye. Defca.. Różcę Ses e defc es asępący: eśl dla [a b] wyes ozwązaa doładego y() ooczymy pasem [y()!g y() + g] gdze g ozacza dowole małą lczbę dodaą o pzyblże ( ) = y( + ) y azywamy błędem aposymac meody w o =! +. Mówmy że meoda meycza es zęd p eżel dla ażdego zagadea począowego mamy ( p) ( p+ ) ( ) = ( ) = K ( ) = oaz ( ). Jeżel meoda es zęd p o błąd aposymac posada ozwęce ( ) = p+ ( p+ ) ( ) ( p + )! + K. Pewszy wyaz ego ozwęca azywa sę częścą główą błęd aposymac. Defca.. Błąd całowy odpowadaący pow = () = a + es oeśloy wzoem e = e ( ) = y( ) y ( ). Defca.. Meoda meycza es zbeża eśl dla dowolego g > see sała H = H(g) > że eśl waość < H o dla wszysc pów = () = a + edocześe zacodz e ( ) = y( ) y ( ) < ε = K N = N( ).

3 X. Rówaa óżczowe zwyczae a zysae dla dosaecze gęsyc podzałów odca [a b] zawea sę w ym epsloowym oocze. Defca. może być eż sfomłowaa ówoważe acze. Defca.4. Meoda meycza es zbeża eżel dla ażdego cąg m (m =...) spełaącego wa > >... oaz m 6 pzy m 6 mamy ( m) ( m) max e gdy m N( m) ( m) gdze e = y( ) y ( ). m.. Bezpośede zasosowae ozwęca Tayloa Rozważmy salae zagadee począowe posac Nec [a b]. Załadaąc see pocodyc ozwązaa y = y() do zęd + ze wzo Tayloa ozymemy y y y y y ( + ) = () + () + () + K + ( ) () + R ( ) (.4)!! gdze R( ) = O( + ) ozacza eszę. Kozysaąc z ówaa (.) oaz załadaąc see pocodyc fc f dosaecze wysoego zęd moża wyazć pocode y () () za pomocą fc y() oaz pocodyc fc f: y ( ) = f ( y( )) y () = d.. df d f Uwaga! Jeśl ówaa (.) pzedsawaą ład ówań o wyażea f d.. ozaczaą maceze wadaowe sopa. dy dy Jeśl w ówa (.4) względmy ylo pocodą zęd pewszego o ozymamy sąd po zaedba eszy mamy meodę posac y = f ( y) y( a) = y. (.) df y dy ( ( )) f ( y( )) d f ( y( )) = + df ( y( )) y () f ( y( )) dy dy y ( + ) = y ( ) + f( y ( )) + O ( ) Jes o meoda Elea. Kozysaąc z wyażeń dla pocodyc pewszego dgego zecego zęd z ówaa (.4) mamy f ( y( )) y+ = y + f ( y) = K. (.5)

4 .. Meody welooowe df ( y( )) y ( + ) = y ( ) + f( y ( )) + f ( y( ))! dy d f ( y( )) df ( y( )) + f ( y( )) +! dy dy sąd ozymemy meodę posac 4 f ( y( )) + O( ) df y d f y df y y+ = y + f y + f y f y dy + ( ) ( ) dy + ( ) ( ) ( ) ( )!! dy Obe ww. meody są edooowe. Opócz meody Elea (.5) wszyse meody ozymywae w e sposób wymagaą ewygodego w payce pacocłoego oblczaa pocodyc fc f zęd ym wyższego m węce wyazów ozwęca Tayloa względmy pzy osc meody. Wyąem są meody w óyc pocode e moża oblczyć w sposób eecyy. f ( y )... Meody welooowe Rozważmy zagadee począowe posac y () = f ( y) y( a) = y. (.6) Nec { } ozacza cąg pów ac że < + =.... Załóżmy że = a + gdze >. Ozacza o że py są ówoodległe czyl że oblczea są wyoywae ze sałym oem całowaa. Dla saloego ( =...) Zasosowae meody -oowe wymaga zaomośc welośc y y... y! będącyc pzyblżeam waośc doładyc y( ) y( )... y(! ) gdze = a y = y( ) = y(a). Pzymmy eco ogóle że dla pewego $ są zae welośc y! y! +... y! będące pzyblżeam waośc doładyc y(! ) y(! + )... y(! ). Algoym meody -oowe es oeśloy asępąco: y = α y + β f = + K (.7) = = gdze f! = f(! y! ) a współczy " $ są odpowedo dobaym lczbam. Defca.5. Meoda -oowa es awa gdy $ =. Meoda -oowa es eawa gdy $.

5 4 X. Rówaa óżczowe zwyczae Algoym (.7) dla meody awe ma posać a dla meody eawe y = α y + β f = = (.8) y = α y + β f + β f ( y). (.9) = = W pzypad meody (.9) w ażdym o całowaa msmy ozwązać a ogół elowe ówae (lb ład ówań elowyc). Oaze sę że pommo węsze pacocłoośc zasosowae meody eawe es celowe. Wzó (.7) oeśla meodę -oową w sposób czyso fomaly. Zamemy sę eaz wypowadzeam meod e posac. Pzepszmy zagadee począowe (.6) w ówoważe posac całowe Sąd y ( ) = y ( ) + f( x yx ( )) dx >. y ( ) = y ( ) + f( x yx ( )) dx. (.) Pzyblżaąc fcę podcałową za pomocą odpowedego weloma epolacyego a asępe całąc ozymay wzó ozymamy meodę posac (.7). Nec W(x) ozacza weloma epolacyy sopa! a że W ( ) = f( y ( )) =K. Ozaczaąc f ( ) = f ( y( )) =K oaz dooąc zamay zmeyc x =! + weloma W(x) zapsemy w posac Newoa za pomocą óżc wseczyc: ( + ) K( + ) W ( + ) = f( ) + f( ) + K + ( )! Fcę podcałową we wzoze (.) pzyblżamy welomaem W(x). f ( x y( x)) = W( x) + ( x) gdze (x) ozacza błąd epolac day wzoem ( ) x f ( + ) K( ( ) ( + ) = + ) = ( ξ( )).! f ( ).

6 .. Meody welooowe 5 Całowae weloma epolacyego e asęcza dośc a wy całowaa błęd epolac zysemy a podsawe wedzea o waośc śede dla całe wyozysąc fa że fca ( + )... ( +!) ma sały za w pzedzale ( ). Jeżel ozaczymy o ozymamy γ = γ = ( + ) K( + ) d! Zależość (.) es dołada es oa ówoważa z zależoścą (.) óa z ole es ozwązaem zagadea począowego a pzedzale [! ]. Wyozysąc ówość ozymemy wzó (.) w e posac: gdze Zaedbąc błąd epolac oaz pzymąc zamas doładyc waośc y(! ) f(! ) = f(! y(! )) waośc pzyblżoe odpowedo y! f! = f(! y! ) ozymemy algoym meody Adamsa-Basfoa posac lb = + ( + ) y ( ) = y ( ) + γ f( ) + γ y ( ξ ). (.) m f ( ) = ( ) m m f ( ) m = y ( ) = y ( ) + β f( ) + γ y ( ξ ) (.) = β + ( + ) m = ( ) γ m = K. m= = y = y + γ f y = y + β f. (.) = Zaważmy że wzó (.) ma posać wzo (.8) oeśla meodę awą. Waośc współczyów ( $ są asępące:

7 6 X. Rówaa óżczowe zwyczae 4 5 ( $ $ $ $ 4 $ W szczególośc z zależośc (.) ozymemy asępące wzoy Adamsa-Basfoa:! = (meoda Elea po. (.5)) y = y + f! =! =! = 4 Nec eaz y W( x) y y = y + f f ( ) = y + f 6 f + 5 f ( ) = y + 55 f 59 f + 7 f 9 f 4 4 ( ). ozacza weloma epolacyy sopa a że W( ) = f ( y( )) =K. Posępąc podobe a popzedo ozymamy gdze y ( ) = y ( ) + γ f( ) + γ y ( ξ ) (.4) = + + ( + )

8 .. Meody welooowe 7 Zależość (.4) es dołada ówoważa zależośc (.) a węc aże zagade począowem (.6) a pzedzale [! ]. Uwzględaąc że z wzo (.4) ozymamy ówość doładą gdze Zasępąc we wzoac (.4) (.5) dołade waośc pzyblżoym pomaąc eszę ozymemy meody Adamsa-Moloa posac lb γ = γ = ( + ) K( + ) d.! gdze f! = f(! y! ). Zaważmy że wzó (.6) ma posać wzo (.9) oeśla meodę eawą. Waośc współczyów γ β podao w poższyc abelac. 4 γ m f ( ) = ( ) m m f ( ) m = y ( ) = y ( ) + β f( ) + γ y ( ξ ) (.5) = β + + ( + ) m = ( ) γ m = K. m= y = y + γ f = y = y + β f (.6) = 4 9 7

9 8 X. Rówaa óżczowe zwyczae β β β β β W szczególośc z zależośc (.6) ozymemy asępące wzoy Adamsa-Moloa:! = (wzó apezów)! =! = y y y = y + f + f ( ) = y + f + f f ( 5 8 ) = y + f + f f + f 4 ( ). Gdyby zasosować weloma epolacyy sopa zeowego. W(x) = f( y( )) o ozymamy eszcze edą meodę Adamsa-Moloa posac y = y + f. Jes o zw. wsecza meoda Elea. Pzepszmy eaz zagadee począowe (.6) w asępące ówoważe posac: sąd ozymamy y ( ) = y ( ) + f( x yx ( )) dx > y ( ) = y ( ) + f( x yx ( )) dx. (.7) Nec W(x) ozacza weloma epolacyy sopa! a w meodze Adamsa-Basfoa. Fcę podcałową we wzoze (.7) pzyblżamy ym welomaem wyoemy całowae. Ozymamy = y ( ) = y ( ) + ν f( ) + K

10 .. Meody welooowe 9 gdze Pomaąc błąd pzyblżea zasępąc waośc dołade c pzyblżeam ozymemy awe -oowe meody Nysöma posac W szczególośc dla = z wzo (.8) mamy Jes o zw. meoda p śodowego. Jeżel weźmemy weloma W( x) sopa a a w meodze Adamsa-Moloa fcę podcałową w zależośc (.7) pzyblżymy ym welomaem o po wyoa całowaa dosaemy gdze ν = ν = ( + ) K( + ) d! ν Sąd posępąc podobe a popzedo ozymemy eawe meody Mle a-smpsoa posac W szczególośc dla = mamy dwoową meodę Mle a: = y = y + ν f. (.8) y = y + f. y ( ) = y ( ) + ν f( ) + K = Do meod welooowyc zalcza sę aże meody wseczego óżczowaa óe polegaą a pzyblże ozwązaa zagadea począowego za pomocą odpowedego weloma epolacyego a asępe a pzyblże pocode ozwązaa za pomocą pocode ego weloma. Wśód meod wseczego óżczowaa mamy eż meody awe eawe. Oaze sę że pzy e same lczbe oów eawe meody welooowe maą wyższy ząd zbeżośc ż meody awe. Połączee meod awyc eawyc powadz do meod pedyo-oeo w óyc pedyoem es meoda awa a oeoem meoda eawa. Za pomocą pedyoa zyse sę począowe pzyblżee ozwązaa w oeśloym pce óe asępe es wyozysywae w pocese eacyym dla meody eawe. = ν = ( + ) K( + ) d.! y y = y + ν f. = = y + ( f + 4 f + f ).

11 X. Rówaa óżczowe zwyczae.4. Meody Rgego-Ky Ja pamęamy zależość całowa y ( ) = y ( ) + f( τ y( τ)) dτ > (.9) es ówoważa z ówaem óżczowym dla >. Pzymąc + = + zamas z ówaa (.9) ozymemy y ( + ) = y ( ) + f( y ()) d. + (.) W meodac Rgego-Ky dooemy pzyblżea cał wysępące w powyższym wzoze za pomocą smy o ae posac że ażdy sład e smy wyaża sę pzez y( ). W e sposób waość y( + ) soąca po lewe soe będze wyażała sę edye popzez waość y( ). Dooąc w zależośc (.) zamay zmeyc dosaemy c = + y ( + ) = y ( ) + f( + c y ( + c)) dc. Isee wele sposobów oblczea cał wysępące w powyższym wzoze. Zasosowae c polega a zasąpe cał odpowedą smą: m y ( ) = y ( ) + wf( + c y ( + c)) + E ( ) + = m (.) gdze w oaz c ozaczaą dla saloego m $ współczy zależe od pzyęego sposob pzyblżea cał a E m () ozacza błąd pzyblżea. Zależość (.) es ylo fomala e pzedsawa poszwaego wy gdyż waośc y( + c ) są ezae. Waośc e zasępe sę pewszym dwoma wyazam odpowedego ozwęca w szeeg Tayloa. Ozaczaąc ( ) = f ( y( )) ( ) = f + c y( ) + a( ) > = zależość (.) możemy apsać w posac

12 .4. Meody Rgego-Ky gdze R m () ozacza błąd E m () wyaący z zasąpea cał smą powęszoy o błędy wyaące z zasąpea waośc y( + c ) pewszym dwoma wyazam ozwęca w szeeg Tayloa. Z ozwęca y( + c ) względem popzedego p + c! wyaą pzy ym zależośc sąd y ( ) = y ( ) + w( ) + R ( ) + = Zasępąc waość doładą y( ) pzyblżoą waoścą y pomaąc błąd R m () ozymemy m a = c a = c c K a = c c c = a dla > c =. = m = m y + = y + w (.) gdze = f ( y ) = f + c y + a > = (.) pzy czym c = a >. (.4) = Powyższe wzoy zosały wypowadzoe pzy założe że zasosowao oeśloy sposób pzyblżea cał. Wzoy (.) (.4) pzyme sę częso za podsawę defc meod Rgego-Ky bez odwoływaa sę do pzyblżoego całowaa. O współczyac w c a załada sę że są ezależym paameam spełaącym wae (.4). Współczy e wygode es pzedsawać w posac poższe ablcy. c a c a a!!! c m a m a m ÿ a m m! w w ÿ w m! w m

13 X. Rówaa óżczowe zwyczae Defca.6. Błędem aposymac odpowadaącym pow + azywamy wyażee Defca.7. Mówmy że meoda Rgego-Ky es zęd p eśl dla ażdego zagadea począowego mamy gdze + () es oeśloe wzoem (.5). Oaze sę że w ogólośc ówań wążącyc współczy w c a óe gwaaą że meoda es zęd p es me ż lczba yc współczyów. Sąd dla dae lczby m we wzoze (.) óą azywa sę lczbą eapów meody Rgego-Ky ozyme sę óże odzy meod w óyc eóe ze wspomayc współczyów pzyme sę za paamey. Na pzyład dla m = zęd p = (e seą dweapowe meody wyższego zęd) mamy wa w + w = wc =. Z dgego ówae wya że pzypad w = oaz c = są wylczoe. Jeśl waość c obezemy ao paame o swedzamy że see esończee wele meod dweapowyc zęd dgego. Pzyładam ac meod mogą być:! lepszoa meoda Elea! meoda Elea-Cacy ego m + = y + y + w ( ) ( ) ( ) ( ). (.5) = () ( p ( ) = ( ) = dla = K p oaz ( ) w c = c W pzypad m = 4 p = 4 (e seą czeoeapowe meody wyższego zęd) mamy asępącyc osem ówań wążącyc współczy: w = c = f ( y) = f + y + y = y + + = f ( y) = f ( + y + ) y y + = + ( + ).

14 .4. Meody Rgego-Ky w + w + w + w4 = wc + wc + wc 4 4= wc + wc + wc 4 4= wa c+ wa 4 4c+ wa 4 4c= 6 wc + wc + wc 4 4= 4 w c a c + w c a c + w c a c = wa c + wa 4 4c + wa 4 4c = wa 4 4ac =. 4 8 Z ówań yc wya że możemy ozymać dw- edopaameowe odzy czeoeapowyc meod Rgego-Ky. W szczególym pzypad dla asępące ablcy paameów: ozymemy edą z abadze poplayc meod Rgego-Ky zęd czwaego zwaą po pos meodą Rgego-Ky posac = f ( y) = f + y + = f + y + = f ( + y + ) 4

15 4 X. Rówaa óżczowe zwyczae y+ = y + ( ). 6 Wyazao że dla m = 4 see esończee wele meod m-eapowyc oaz że dla meody m-eapowe masymaly ząd es ówy p = m. Dla m = masymaly ząd es ówy m! dla m = 8 9 mamy p = m! a dla m $ dla masymalego zęd zacodz eówość p # m!.

16 XI. RÓWNANIA RÓŻNICZKOWE CZĄSTKOWE W ówaac óżczowyc cząsowyc wysępą pocode cząsowe (óżyc zędów) fc óą ależy zaleźć. Opócz ego dla szae fc są oeśloe óże wa bzegowe lb począowo-bzegowe. Isee wele meod meyczego ozwązywaa ac ówań. Ta ogaczymy sę do ówaa zęd dgego meody óżcowe ego ozwązaa. Nec S ozacza pewe obsza a płaszczyźe xy a ' bzeg ego obsza. Załóżmy że w obszaze S es zadae ówae óżczowe cząsowe dgego zęd posac a x b c d e + g = f (.) x x y x y gdze a = a(x y) b = b(x y) c = c(x y) d = d(x y) e = e(x y) f = f(x y) g = g(x y) ozaczaą dae fce oeśloe w obszaze S + '. Jeżel b! ac < dla ażdego x y S o ówae (.) azywa sę elpyczym w obszaze S. Gdy b! ac = o ówae azywamy paabolczym a gdy b! ac < pebolczym. W ogólośc zaówo obsza S a ego bzeg ' mogą być dowole. W dalszym cąg założymy że obsza S es posoąem posac Ω= {( x y): x α y β} o bzeg oeśloym wzoem Γ= {( xy ): x= α y β lb x α y= β}. Nec dla szae fc = (x y) gdze # x # " oaz # y # $ będą oeśloe asępące wa bzegowe: ϕ ( y) dla x = x y Γ = x y = ϕ ( ) dla = ϕ ( ) (.) ϕ ( y) dla x = α ϕ4 ( x) dla y = β pzy czym ϕ ( ) = ϕ ( ) ϕ ( α) = ϕ ( ) ϕ ( β) = ϕ ( α) ϕ ( ) = ϕ ( β). 4 4

17 6 XI. Rówaa óżczowe cząsowe Pocode cząsowe wysępące w ówa (.) mogą być pzyblżoe za pomocą loazów óżcowyc. Mamy x ( y ) x ( y) + x ( + y ) x ( x y ) ( x y + ) + ( x + y + ) ( x + y ) x y 4 x ( y+ ) x ( y) + x ( y ) y x ( + y ) x ( y ). x x ( y+ ) xy ( ) y W cel ozwązaa zagadea (.) (.) w obszaze S defe sę saę: α β ( x y): x = y = gdze = K = K m = = m a óe ose sę dla ówaa (.) względaąc pzyblżea pocodyc cząsowyc scema óżcowy posac a + b + + c + + d e g = f = K = K m (.) pzy czym zgode z waam (.) mamy = ϕ ( ) = ϕ ( ) = K m = ϕ ( ) = ϕ ( ) = K. m 4 (.4) Uwzględaąc wa (.4) z zależośc (.) ozymemy ład (!)(m!) ówań lowyc óe w zapse bloowym moża pzedsawć asępąco:

18 XI. Rówaa óżczowe cząsowe 7 gdze a A B oaz C ozaczaą maceze ódagoale. Wzoy a współczy yc macezy sładowe weoów wyaą z ozważaego ład óy moża ozwązać a pzyład meodą elmac Gassa z pełym wyboem eleme podsawowego. B C A B C A B C A B C A B C A B K K K M M M M M M M M M K K K M = M m m = = = M M K

19 LITERATURA UZUPEŁNIAJĄCA [] J. M.. Jaowscy Pzegląd meod algoymów meyczyc Cz. WNT. [] J. Soe R. Blsc Wsęp do aalzy meycze PWN. [] Z. Foa B. Macow J. Wąsows Meody meycze WNT. [4] A. Ralso Wsęp do aalzy meycze PWN. [5] A. Maca D. Geglec J. Kaczmae Podsawowe pocedy meycze w ęzy Tbo Pascal NAKOM. [6] D. Kcad W. Ceey Aalza meycza WNT.

Zmiana bazy i macierz przejścia

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

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Meod ecze Wkład Rówaa óżczkowe cząskowe d hab. Po Foczak Rówaa óżczkowe cząskowe RRC lczba zech F ząd ówaa: ząd awższe pochode 3 3 b chaakeska: lowe qas-lowe elowe C B A F E D C B A b c b a : : : : : :

Bardziej szczegółowo

Reprezentacja krzywych...

Reprezentacja krzywych... Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc

Bardziej szczegółowo

Indukcja matematyczna

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

Bardziej szczegółowo

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne Spóe pzeszee ecze De. Pzeszeń eczą zw spóą eżel e d sę e pzedswć w posc s dwóc zoów epsc owc ozłączc. - pzeszeń spó ~ owe Icze es zoe spó eżel dl dowolc pów czl see cągł c : : = = see dog łącząc Tw. ągł

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

Metody numeryczne. Wykład nr 10. Dr Piotr Fronczak

Metody numeryczne. Wykład nr 10. Dr Piotr Fronczak Meod ecze Wkład D Po Foczak Rówaa óŝczkowe cząskowe RRC lczba zech L L L F ząd ówaa: ząd awŝsze pochode 3 3 b chaakeska: lowe qas-lowe elowe C B A F E D C B A b c b a : : : :: : : : : : Nelowe lowe Qas

Bardziej szczegółowo

Projekt 2 2. Wielomiany interpolujące

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wytrzymałość śruby wysokość nakrętki

Wytrzymałość śruby wysokość nakrętki Wyzymałość śuby wysoość aęi Wpowazeie zej Wie Działająca w śubie siła osiowa jes pzeoszoa pzez zeń i zwoje gwiu. owouje ozciągaie lub ścisaie zeia śuby, zgiaie i ściaie zwojów gwiu oaz wywołuje acisi a

Bardziej szczegółowo

ĆWICZENIE 3 ANALIZA WSPÓŁZALEŻNOŚCI ZJAWISK MASOWYCH

ĆWICZENIE 3 ANALIZA WSPÓŁZALEŻNOŚCI ZJAWISK MASOWYCH Laboaoum eod aczch ĆWICZENIE 3 ANALIZA WPÓŁZALEŻNOŚCI ZJAWIK AOWCH Jedo wozące zboowość chaaezowae ą zazwcza za pomocą welu cech óe wzaeme ę wauuą. Celem aalz wpółzależośc e wedzee cz mędz badam cecham

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

Wstęp. Proces stochastyczny { X. } jest. stacjonarny, oraz jeśli dla każdego t, proces { } spełnia równanie różnicowe:

Wstęp. Proces stochastyczny { X. } jest. stacjonarny, oraz jeśli dla każdego t, proces { } spełnia równanie różnicowe: UNIWERSYTET ŚLĄSKI WYDIAŁ MATEMATYKI FIYKI CHEMII Ośode dydayczy w Rybu. KIERUNEK: FIYKA SPECJALNOŚĆ: EKONOFIYKA Modelowae szeegów czasowyc za omocą ocesów ARMA ARIMA alace w syseme SAS Sebasa aąc Paca

Bardziej szczegółowo

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera)

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera) Wyład 4 Blas rówań teor srężystośc Dooamy zestawea wszystch rówań teor srężystośc Gra rówań. Różczowe rówaa rówowag (war Navera Lczba rówań Lczba ewadomych X 6 (. Zwąz geometrycze (rówaa Cachy ego ( 6

Bardziej szczegółowo

Podprzestrzenie macierzowe

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

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

i i i = (ii) TAK sprawdzamy (i) (i) NIE

i i i = (ii) TAK sprawdzamy (i) (i) NIE Egzam uaruszy z aźdzera 009 r. Maemaya Fasowa Zadae ( ) a a& a ( Da) a&& ( Ia) a a&& D I a a&& a a ( ) && ( ) 0 a a a 0 ( ) a 4 0 ( ) a () K srawdzamy () ( ) a& a ( ) a ( ) a&& a&& ( ) a&& ( ) a&& () NIE

Bardziej szczegółowo

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

Bardziej szczegółowo

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

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

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

1. Relacja preferencji

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

Bardziej szczegółowo

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

VI. TWIERDZENIA GRANICZNE

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

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Matematyka II. x 3 jest funkcja

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

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne lz Włd 5 d d Ćel cel@gedpl Spóe pzeszee ecze De Pzeszeń eczą ρ zw spóą eżel e d sę e pzedswć w psc s dwóc zów epsc wc złączc ρ - pzeszeń spó ~ we Icze es ze spó eżel dl dwlc pów czl see cągł c γ : : γ

Bardziej szczegółowo

Równania dynamiki maszyn prądu stałego w jednostkach względnych Jako podstawę analizy przyjmijmy równania obwodu twornika:

Równania dynamiki maszyn prądu stałego w jednostkach względnych Jako podstawę analizy przyjmijmy równania obwodu twornika: óaa ya aszy pą sałego jeosach zgęych Jao posaę aazy pzyjjy óaa obo oa: obo zbzea: ( ) e ( ) aość sły eeoooyczej yającej z oboó a: e oe yozoy aszye: M e Bazo ygoy jes zaps óań jeosach zgęych. Jao eośc oesea

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych EAIB-Iormaa-Wład 9- dr Adam Ćmel cmel@.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec zosawam

Bardziej szczegółowo

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki PORZĄDKOWANIE WARIANTÓW PRZY NIEKOMPLETNYCH MACIERZACH PORÓWNAŃ PARAMI Mosław Kweselewcz Poltechka Gdańska Wydzał Elektotechk Automatyk PORZĄDKOWANIE WARIANTÓW PRZY NIEKOMPLETNYCH MACIERZACH PORÓWNAŃ PARAMI

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

INSTRUMENTY DŁUŻNE. Duracja jako funkcja stopy procentowej Duracja skończonego ciągu płatności Immunizacja portfela aktywów

INSTRUMENTY DŁUŻNE. Duracja jako funkcja stopy procentowej Duracja skończonego ciągu płatności Immunizacja portfela aktywów INSTRUMENTY ŁUŻNE aja jao fja opy poeowej aja ońzoego iąg płaośi Iizaja pofela aywów aja iąg pzepływów pzy apializaji iągłej oza opa ' ; aja jao fja ] [ ' T VR T E T E e d d d d aja jao fja apializaja

Bardziej szczegółowo

Ń Ł Ń Ó Ł Ę Ó Ó Ę ĘŚ Ó ÓŚ Ó Ę Ć Ó Ć Ę Ł Ó Ę Ć Ś Ż Ś Ś Ó Ó Ś Ń Ś Ó Ę Ę Ż Ć Ś Ó Ę Ó Ę Ę Ę Ę Ó Ś Ę Ę Ł Ć Ć Ś Ó Ę Ź Ę Ż Ź Ś Ź Ę Ę Ę Ó Ó Ó Ę Ę Ę Ę Ó Ę Ę Ć Ę Ć Ł Ź Ę Ę Ś Ń Ę Ć Ź Ó Ź Ó Ó Ę Ć Ć Ć Ź Ę Ę Ć Ę Ę

Bardziej szczegółowo

Rys. 1. Podział metod obliczeń niezawodnościowych

Rys. 1. Podział metod obliczeń niezawodnościowych opacował: pof. d hab. nż. Józef Paa, g nż. Po Machel POLITHIKA WAZAWKA Iny leoenegey, Załad leown Gopoda leoenegeyczne ezpeczeńwo eleoenegeyczne nezawodność zalana laboao Ćwczene n 3. Wyozyane nalnych

Bardziej szczegółowo

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORAORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX Probley prograowae celowego lorazowego to probley prograowae ateatyczego elowego, który oża sktecze zlearyzować

Bardziej szczegółowo

Nieparametryczna ANOVA

Nieparametryczna ANOVA Nepaametyza NOV Jeżel z pewyh względów założee omaloś błędów w modelu NOV efetów stałyh est e do pzyęa, to moża zbudować ogóleszy model e ozystaąy z tyh ępuąyh założeń. ozważmy pewe epaametyzy odpowed

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

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

Bardziej szczegółowo

ó ę ą ż ż ś ść Ó Ś ż Ó Ś ę ą żć ó ż Ó ż Ó ó ó ż Ó ż ó ą ą Ą ś ą ż ó ó ż ę Ć ż ż ż Ó ó ó ó ę ż ę Ó ż ę ż Ó Ę Ó ó Óś Ś ść ę ć Ś ę ąć śó ą ę ęż ó ó ż Ś ż

ó ę ą ż ż ś ść Ó Ś ż Ó Ś ę ą żć ó ż Ó ż Ó ó ó ż Ó ż ó ą ą Ą ś ą ż ó ó ż ę Ć ż ż ż Ó ó ó ó ę ż ę Ó ż ę ż Ó Ę Ó ó Óś Ś ść ę ć Ś ę ąć śó ą ę ęż ó ó ż Ś ż Ó śó ą ę Ę śćś ść ę ą ś ó ą ó Ł Ó ż Ś ą ś Ó ą ć ó ż ść śó ą Óść ó ż ż ą Ś Ś ż Ó ą Ó ą Ć Ś ż ó ż ę ąś ó ć Ś Ó ó ś ś ś ó Ó ś Ź ż ą ó ą żą śó Ś Ó Ś ó Ś Ś ąś Ó ó ę ą ż ż ś ść Ó Ś ż Ó Ś ę ą żć ó ż Ó ż Ó ó ó

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

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

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

Bardziej szczegółowo

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD: //4 Gry o sue zero - gry rozgrywae w strategach eszaych STRATEGIE IESZANE - OTYWACJA. ROZWAśY PRZYKŁAD: 5 DEFINICJA..6 Strategą eszaą π gracza P azyway kaŝdy rozkład prawdopodobeństwa określoy a zborze

Bardziej szczegółowo

ZMIENNE LOSOWE WIELOWYMIAROWE

ZMIENNE LOSOWE WIELOWYMIAROWE L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

Obwody elektryczne. Stan ustalony i stan przejściowy. Metody analizy obwodów w stanie przejściowym. przejściowym. Stan ustalony i stan przejściowy

Obwody elektryczne. Stan ustalony i stan przejściowy. Metody analizy obwodów w stanie przejściowym. przejściowym. Stan ustalony i stan przejściowy Obody elerycze Meody aalzy obodó sae rzejścoym Wyład W obodze rąd sałego Warośc rądó aęć e legają zmae W obodze rąd zmeego Warośc średe secze rądó aęć e legają zmae Prądy aęca są fcjam oresoym o aej samej

Bardziej szczegółowo

Przetwarzanie danych meteorologicznych

Przetwarzanie danych meteorologicznych Sps teśc I Rozważaa ogóle 5 Pzetwazae daych meteoologczych Notat z wyładu pokhamaa Wyoała: Alesada Kadaś I Iomacja odowae 5 I Poces pzetwazaa daych 5 I Aalza 6 I Syteza 7 I3 Edycja wzualzacja 7 I3 Dae

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

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

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

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

Bardziej szczegółowo

Równania różniczkowe zwyczajne

Równania różniczkowe zwyczajne cał Padaows Isu Tecolog Iormacjc w Iżer Lądowej Wdał Iżer Lądowej Poleca Kraowsa Rówaa różcowe wcaje W ajprossm prpadu posuujem ucj jedej meej recwsej x w posac: ( x órej pocoda ( x ma spełać rówae dae

Bardziej szczegółowo

5 Równania różniczkowe zwyczajne rzędu drugiego

5 Równania różniczkowe zwyczajne rzędu drugiego 5 Równania różniczkowe zwyczajne rzędu drugiego Definicja 5.1. Równaniem różniczkowym zwyczajnym rzędu drugiego nazywamy równanie postaci F ( x, y, y, y ) = 0, (12) w którym niewiadomą jest funkcja y =

Bardziej szczegółowo

Tablice wzorów Przygotował: Mateusz Szczygieł

Tablice wzorów Przygotował: Mateusz Szczygieł Tablce zoó Pzygotoał: Mateusz Szczygeł DKATORFIASOWY.COM.PL . Oczekaa stoa zotu - adoodobeństo zaśca daego zdazea ożla do zealzoaa stoa zotu. Waaca aaca stoy zotu oczekaa stoa zotu [ ] 3. Odchylee stadadoe

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

Analiza i prognozowanie szeregów czasowych

Analiza i prognozowanie szeregów czasowych Analiza i pognozowanie szeegów czasowych Pojęcie szeegu czasowego Szeeg czasowy (chonologiczny, dynamiczny, ozwojowy) pezenuje ozwój wybanego zjawiska w czasie; zawiea waości zjawiska y w jednoskach czasu,,

Bardziej szczegółowo

III. Metody obliczeń niezawodności systemów (J. Paska)

III. Metody obliczeń niezawodności systemów (J. Paska) Wpowadzee Wybó eody oblczaa waźów ezawodośc e ocey loścowe ezawodośc, e zależy w poób oy od y bdowaych odel ezawodoścowych. W pzypad odel yeów obeów złożoych oże oazać ę, że eące eody eoeycze e zapewaą

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj.

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj. III. INTERPOLACJA 3.. Ogóe zadae terpoac Nech Φ ozacza fucę zmee x zaeżą od + parametrów a 0, a, K, a, t. Defca 3.. Zadae terpoac poega a oreśeu parametrów a ta, żeby da + da- ych par ( x, f ( x ( 0,,...,

Bardziej szczegółowo

Procent prosty Gdy znamy kapitał początkowy i stopę procentową

Procent prosty Gdy znamy kapitał początkowy i stopę procentową cet psty Gdy zay aptał pczątwy stpę pcetwą F = + I aptał ńcwy, pczątwy, dset I = I = stpa pcetwa (w stsuu czy) F = ( + ) aledaze dsetwe 360/360, 365/365, 360/365, 365/360 es wyaży w latach (dla óżych esów

Bardziej szczegółowo

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

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

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b, CAŁA RZYWOLINIOWA NIESIEROWANA rzywą o rówaiach parameryczych: = (), y = y(), a < < b, azywamy łukiem regularym (gładkim), gdy spełioe są asępujące waruki: a) fukcje () i y() mają ciągłe pochode, kóre

Bardziej szczegółowo

Niezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI

Niezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI Nezawodość dagosyka Keruek, sem. V, rok. ak. 00/ STUKTUY I MIY POILISTYCZNE SYSTEMÓW METOD DZEW STNÓW NIEZDTNOŚCI. Srukury obeków złożoych ch rerezeace Wsółczese obeky sysemy echcze, a szczególe wększe

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

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

Bardziej szczegółowo

Regresja REGRESJA

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

Bardziej szczegółowo

p Z(G). (G : Z({x i })),

p Z(G). (G : Z({x i })), 3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W

Bardziej szczegółowo

Funkcja generująca rozkład (p-two)

Funkcja generująca rozkład (p-two) Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są

Bardziej szczegółowo

teorii optymalizacji

teorii optymalizacji Poltechka Gdańska Wydzał Oceaotechk Okrętowctwa St. II stop. se. I Podstawy teor optyalzac wykład 7 M. H. Ghae Ma 5 Podstawy teor optyalzac Oceaotechka II stop. se. I 5 Podstawy teor optyalzac Oceaotechka

Bardziej szczegółowo

Mechanika Bryły y Sztywnej - Ruch Obrotowy. Bryła a Sztywna. Model górnej kończyny Model kręgosłupa

Mechanika Bryły y Sztywnej - Ruch Obrotowy. Bryła a Sztywna. Model górnej kończyny Model kręgosłupa WYKŁAD # Mechaka Bryły y Szywej - Ruch Obroowy Bryła a Szywa Model cała rzeczywsego, dla k puky (ależą podczas ruchu. a rzeczywsego, dla kórego dwa dowole wybrae żące do bryły) y) e zeają swojej odległośc

Bardziej szczegółowo

Modelowanie i Analiza Danych Przestrzennych

Modelowanie i Analiza Danych Przestrzennych Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego

Bardziej szczegółowo

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

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

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych Sprawdzee stateczośc skarpy wykopu pod składowsko odpadów koualych Ustalee wartośc współczyka stateczośc wykoae zostae uproszczoą etodą Bshopa, w oparcu o poższą forułę: [ W s( α )] ( φ ) ( φ ) W ta F

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x Wykład z Podsaw maemayk dla sudenów Inżyner Środowska Wykład 8. CŁKI NIEOZNCZONE Defnca (funkca perwona) Nech F es funkcą perwoną funkc f na przedzale I, eżel F '( ) f ( ) dla każdego I. Udowodnć, że funkce

Bardziej szczegółowo

σ r z wektorem n r wynika

σ r z wektorem n r wynika Wyład Napęża głów Pozuamy płazczyzy dowol achylo do o uładu wpółzędych o t właośc by wto apęża a t płazczyź był wpółoowy z wtom wtom tóy otu tę płazczyzę w pztz (wtom do omalym). a) pzypad ogóly b) płazczyza

Bardziej szczegółowo

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

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

Bardziej szczegółowo

INSTRUMENTY DŁUŻNE. Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji

INSTRUMENTY DŁUŻNE. Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji INSTRUMENTY ŁUŻNE Rozaje yzyka iwesowaia w obligacje uacja i wypukłość obligacji Ważliwość wycey obligacji Ryzyko iwesycji w obligacje Ryzyko eiwesycyje możliwość uzyskaia iskiej sopy zwou z wypłacoych

Bardziej szczegółowo

Równoległe połączenie pojemności liniowych. Szeregowe połączenie pojemności liniowych. Przekształcenie gwiazda-trójkąt i odwrotne

Równoległe połączenie pojemności liniowych. Szeregowe połączenie pojemności liniowych. Przekształcenie gwiazda-trójkąt i odwrotne . letostatya. Kodesatoy Wyład I. KŁADY POŁĄZŃ KONDNSATOÓW. NGIA POLA LKTOSTATYZNGO. WYTZYMAŁOŚĆ LKTYZNA DILKTYKÓW ówoległe połączee pojemośc lowych Zostae oeśloa pojemość zastępcza uładu ówolegle połączoych

Bardziej szczegółowo

Równania różniczkowe cząstkowe drugiego rzędu

Równania różniczkowe cząstkowe drugiego rzędu Równania różniczkowe cząstkowe drugiego rzędu Marcin Orchel Spis treści 1 Wstęp 1 1.1 Metoda faktoryzacji (rozdzielania zmiennych)................ 5 1.2 Metoda funkcji Greena.............................

Bardziej szczegółowo

DYNAMIKA. Dynamika jest działem mechaniki zajmującym się badaniem ruchu ciał z uwzględnieniem sił działających na ciało i wywołujących ten ruch.

DYNAMIKA. Dynamika jest działem mechaniki zajmującym się badaniem ruchu ciał z uwzględnieniem sił działających na ciało i wywołujących ten ruch. DYNMIK Daika jes działe echaiki zajując się badaie uchu ciał z uwzględieie sił działającch a ciało i wwołującch e uch. Daika opiea się a pawach Newoa, a w szczególości a dugi pawie (zwa pawe daiki). Moża

Bardziej szczegółowo

1. MACIERZE, WEKTORY. θ θ. Wybrane z wykładów

1. MACIERZE, WEKTORY. θ θ. Wybrane z wykładów MAEMAYKA SOSOWANA I MEODY NUMERYCZNE Wybrae z wykładów. MACIERZE, WEKORY Macerz symerycza A A A + A, A A macerze symerycze Macerz aysymerycza A -A A / (A+A ) + /(A-A ) symerycza aysymerycza częśc macerzy

Bardziej szczegółowo

Prognozowanie i symulacje

Prognozowanie i symulacje Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

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

Bardziej szczegółowo