Problemy skali w zagadnieniach oceny parametrów hydrogeologicznych dla potrzeb modelowania przepływów wód podziemnych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Problemy skali w zagadnieniach oceny parametrów hydrogeologicznych dla potrzeb modelowania przepływów wód podziemnych"

Transkrypt

1 Wydział Inżynierii Śrdwiska Pliechnika Warszawska Prblemy skali w zagadnieniach ceny paramerów hydrgelgicznych dla przeb mdelwania przepływów wód pdziemnych Marek Nawalany, Grzegrz Sinicyn

2 Plan prezenacji Pcząki prblemu skali Skala i skale w hydrgelgii Od skali pru d skali próbki Od skali próbki d skali blku Wybrane aspeky numeryczne Pdsumwanie

3 Pcząki prblemu skali Rzdz. XI, Księga Rdzaju/Γένεσις Wieża Babel Pieer Bruegel, Anwerpia, 1563 Zagadnienie skali w mechanice budwli

4 Skala Przyjęcie skali mdelwania znacza sfrmułwanie generalnych i aksjmaycznych załżeń c d rzciągłści przesrzennej i czaswej raz ciągłści/granularnści sysemu i jeg dynamiki w związku z rzważaniem pewneg prblemu lub zagadnienia

5 Skala w hydrgelgii Przyjęcie skali mdelwania w hydrgelgii ma sens jedynie w pwiązaniu z pewnym prblemem lub zagadnieniem i znacza sfrmułwanie załżeń c d: rzciągłści przesrzennej i gemerii sysemu hydrgelgiczneg ciągłści/granularnści nauralnych i cywilizacyjnych bieków w sysemie rzciągłści czaswej j. kresu) rzważań ciągłści/granularnści dynamiki zmiennych nauralnych i cywilizacyjnych rzważaneg sysemu

6 Skale w hydrgelgii.. Z pwdów uyliarnych w hydrgelgii rzważa się 5 skal: skala mikr skala prów rzędu m) skala mez skala badań labraryjnych/ próbki rzędu m) skala makr skala ypwych blków mdeli przepływu wód pdziemnych rzędu m) skala lkalna skala warswy wdnśnej rzędu m) skala reginalna skala kilku warsw wdnśnych rzędu m)

7 Mywacja Wyznaczenie paramerów mdeli pisujących przepływ przez śrdki prwae w skali adekwanej dla mdelwanych zjawisk ma pdsawwe znaczenie dla pwdzenia prcesu mdelwania. Skala makr skala blku mdelwania Skala mez skala próbki labraryjna) Skala mikr skala prów

8 Skale w hydrgelgii nieliniwy Mywacja Skala prwa Skala labraryjna Skala blku mdelwania mikrskala mezskala makrskala Przepływ pisywany równaniami Skesa lub Naviera-Skesa Mdel Darcy lub mdel nieliniwy Skalwany mdel Darcy lub mdel nieliniwy isna jakściwa zmiana widzenia śrdka zmiana rzdzielczści widzenia śrdka MPWP, r.

9 mikr --> mez Hipeza Cninuum Jakb Bear,1972) REV Reference Elemenary Vlume) dla danej zmiennej G α kreślnej w fazie i dla usalneg punku x jes akie czenie punku x, kula/kska wkół x), kóre gwaranuje, że G x, ) 1 x', ) d x' w pewnym przedziale zmiennści) nie zależy d bjęści,dla T). x) G

10 mikr --> mez

11 mikr --> mez Przykład. Współczynnik prwaści bjęściwej G α ) n = /

12 mikr --> mez Opis mikrskpwy równania N-S v) 0 v [ v v)] p g S v, + w. pcząkwy + w. brzegwe., ) *1) *2) 7 zmiennych: vx, v y, vz, p,,, 4 równania: *1) + *2) => kniecznść rzech ddakwych równań knsyuywnych B p,,,...) G p,,,...) H p,,,...) 1 1 1

13 PRAWO CIĄGŁOŚCI Opis mezskalwy równanie ciągłści 0 v) '... 1 / ) d x x 0 ' ) 1 ' 1 ) ) d x v d x x x v) ) ' ) 1 ) v d x v x d x d x x x ' 1 ' 1 ) ) mikr --> mez

14 mikr --> mez Opis mezskalwy równanie pędu v [ v v)] p g S v,, ) / 1 x)... d x' v ) v v) ΨN/m 3 ) siła na jednskę bjęści działająca na ciecz

15 mikr --> mez P przekszałceniach raz wykrzysując praw ciągłści rzymujemy v [ v v )] / Pdsawienie psaci F / [ v Dla małych prędkści Re << 1) zachdzi: v p v)] g prwadzi d r.pędu p g F LHS 0 raz F= βv => v p g) PRAWO DARCY!

16 mikr --> mez mikr mez Dla przepływów jednfazwych, jeśli praw ciągłści raz praw Darcy v v spełnia v

17 Makrskpwe praw przepływu wód pdziemnych v) n q) v p g) v n g k p / g z) ϕ ϕ q k S s k ) w. p. w. b.

18 mez - - > makr Przypmnienie: skala mez skala makr skala ypwa dla badań labraryjnych rzędu 0,1 1,0m) skala ypwa dla blków mdeli przepływu w. pdz. rzędu m) Isne załżenie przy przejściu d skali mez d skali makr: w skali blku związek pmiędzy gradienem wyskści hydraulicznej jak przyczyną) a przepływem właściwym jak skukiem) ma psać idenyczną z prawem Darcy bwiązującym w skali próbki.

19 mez - - > makr Z eg załżenia wynika, że pszukuje się blkweg współczynnika filracji K b x), kóry w dwlnym punkcie x pwinien spełniać blkwe praw Darcy, j. 1/ V ) V q x ) dx K b x)1/ V ) V x ) dx lub równważnie q x) K x) x) b *)

20 mez - - > makr Własnści blkweg wsp. filracji K b x): a) K b x) nie jes równy średniej arymeycznej współczynnika filracji w skali próbki) w blku b) K b x) zależy d gemerii pla przepływu c) K b x) jes ensrem nawe jeśli w skali próbki współczynnik filracji jes skalarem d) K b x) niekniecznie musi być ensrem symerycznym nawe jeśli w skali próbki współczynnik filracji jes ensrem symerycznym

21 mez - - > makr M. Nawalany Biuleyn PIG 388,1999, ) wykazał, że *) => K b x) x) k k' ' czyli K b x) zależy d rzwiązania równania przepływu na pzimie próbki a ym samym d warunków brzegwych na granicach blku. Sąd pmysł medy deerminisycznej

22 mez - - > makr by zasswać w przypadku dwuwymiarwym) dwa różne układy warunków brzegwych i = 1,2) na granicach blku i wyliczyć 4 elemeny ensra K b x) z 4 równań q x i K bxx / x i K bxy / y i q y i K byx / x i K byy / y i

23 Wybrane aspeky numeryczne A.Trykzk, 2014) hmgenized K md) Kxx=Kyy pper and lwer bunds number f ndes CN-FEM unif. mesh) CN-FEM nn-unif.) exac sluin MH-FEMunif. mesh) MH-FEM nn-unif.)

24 mez - - > makr Szczególny przypadek a) przepływ przez blk jes jednrdny, b) wsp. filracji w skali próbki jes izrpwy: - dla przepływu 1-wymiarweg: K - dla przepływu 2-wymiarweg: K - dla przepływu 3-wymiarweg: K 1 b x) {1/ V ) [ k x')] dx V b '} x) exp{1/ V ) ln k x')) dx'} 1/ 3 b x) {1/ V ) [ k x')] dx V V '} 1 3

25 mez - - > makr schas.) Medy schasyczne np. Gelhar, 1993) wyznaczają związek pmiędzy plem lswym kx) w skali próbki a lswym ensrem K b Liczne badania erenwe pwierdzają, że w wielu syuacjach a) w skali próbki zmienna lswa Yx) = ln [kx)] ma rzkład Gaussa z warścią czekiwaną E[Yx)] raz f. kwariancji C Y, b) średnia gem. pla lsweg Y wynsi K g a wariancja σ Y 2, c) ple lswe Y jes izrpwe, d) ple przepływu jes jednrdne, e) rzmiary blku są większe niż długść krelacji

26 mez - - > makr schas.) Przy ych dść resrykcyjnych załżeniach) - dla przepływu 1-wymiarweg: K x) b K g exp 2) - dla przepływu 2-wymiarweg: K x) b K g - dla przepływu 3-wymiarweg: 2 y / K x) b K g exp1 2 y / 6)

27 Pdsumwanie Jak już wiemy jak przejść d skali mez d skali makr przejścia d skal wyższych lkalnej i reginalnej ) mżna zrealizwać analgicznie.

28 Wydział Inżynierii Śrdwiska Pliechnika Warszawska Prblemy skali w zagadnieniach ceny paramerów hydrgelgicznych dla przeb mdelwania przepływów wód pdziemnych Marek Nawalany, Grzegrz Sinicyn

PRZYKŁADOWE ROZWIĄZANIE ZADANIA EGZAMINACYJNEGO

PRZYKŁADOWE ROZWIĄZANIE ZADANIA EGZAMINACYJNEGO PRZYKŁDOE ROZIĄZNIE ZDNI EGZMINCYJNEGO Przez przerzyywacz wyknany z rur ze sali kwasdprnej [ 5x,5, λ7/( K)] płynie sk wcwy średniej eperaurze 8 C. Łączna długść rur przerzyywacza wynsi L6. ydajnść (naężenie)

Bardziej szczegółowo

Model matematyczny współpracy odbieraka prądu i sieci jezdnej. mgr inż. Marek Kaniewski

Model matematyczny współpracy odbieraka prądu i sieci jezdnej. mgr inż. Marek Kaniewski Mdel maemaczn wpółprac dbieraka prądu i ieci jezdnej mgr inż. Marek Kaniewki Plan prezenacji: Dlaczeg zajmujem ię bliczaniem ił kwej wępującej pmiędz dbierakiem prądu a przewdem jezdnm? Omówienie mdelu

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

PROPAGACJA BŁĘDU. Dane: c = 1 ± 0,01 M S o = 7,3 ± 0,1 g Cl 2 /1000g H 2 O S = 6,1 ± 0,1 g Cl 2 /1000g H 2 O. Szukane : k = k =?

PROPAGACJA BŁĘDU. Dane: c = 1 ± 0,01 M S o = 7,3 ± 0,1 g Cl 2 /1000g H 2 O S = 6,1 ± 0,1 g Cl 2 /1000g H 2 O. Szukane : k = k =? PROPAGACJA BŁĘDU Zad 1. Rzpuszczalnść gazów w rztwrach elektrlitów pisuje równanie Seczenwa: S ln = k c S Gdzie S i S t rzpuszczalnści gazu w czystym rzpuszczalniku i w rztwrze elektrlitu stężeniu c. Obliczy

Bardziej szczegółowo

Wykłady z Hydrauliki- dr inż. Paweł Zawadzki, KIWIS WYKŁAD 8

Wykłady z Hydrauliki- dr inż. Paweł Zawadzki, KIWIS WYKŁAD 8 WYKŁAD 8 8. RUCH WÓD GRUNTOWYCH 8.1. Właściwści gruntu, praw Darcy Ruch wód gruntwych w śrdku prwatym nazywamy filtracją. D śrdków prwatych zaliczamy grunt, skały, betn itp. Wda zawarta w gruncie występuje

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

( r) n. = n 10 10 10 YTM + Obligacje zerokuponowe Ŝadne odsetki nie przysługują ich posiadaczowi przed okresem

( r) n. = n 10 10 10 YTM + Obligacje zerokuponowe Ŝadne odsetki nie przysługują ich posiadaczowi przed okresem Obligacje zerkupnwe Ŝadne dseki nie przysługują ich psiadaczwi przed kresem wykupu. P upływie eg erminu psiadacz bligacji rzymuje kwę równą warści nminalnej bligacji. Oprcenwanie ych bligacji wynika ze

Bardziej szczegółowo

Projektowanie dróg i ulic

Projektowanie dróg i ulic Plitechnika Białstcka Zakład Inżynierii Drgwej Jan Kwalski 1/11 Ćwiczenie prjektwe z przedmitu Prjektwanie dróg i ulic strna - 1 -.3. Przepusty Na prjektwanym dcinku A-B-C-D trasy zaprjektwan 4 przepusty

Bardziej szczegółowo

Zawansowane modele wyborów dyskretnych

Zawansowane modele wyborów dyskretnych Zawansowane modele wyborów dyskretnych Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Zawansowane modele wyborów dyskretnych grudzien 2013 1 / 16 Model efektów

Bardziej szczegółowo

Rozwój tekstury krystalograficznej

Rozwój tekstury krystalograficznej Areat krystaliczny Rzwój tekstury krystalraficznej! Rzpatrujemy reprezentatywny areat ziaren takim samym typie sieci ale różnej pczątkwej rientacji kmórki sieciwej wzlędem zewnętrzne układu współrzędnych!

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( ) Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa

Bardziej szczegółowo

Zajęcia wyrównawcze z fizyki -Zestaw 3 dr M.Gzik-Szumiata

Zajęcia wyrównawcze z fizyki -Zestaw 3 dr M.Gzik-Szumiata Prjekt Inżynier mehanik zawód z przyszłśią współfinanswany ze śrdków Unii Eurpejskiej w ramah Eurpejskieg Funduszu Spłezneg Zajęia wyrównawze z fizyki -Zestaw 3 dr M.Gzik-Szumiata Kinematyka,z.. Ruhy dwuwymiarwe:

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa Elementy równań różniczkowych

Analiza matematyczna i algebra liniowa Elementy równań różniczkowych Analiza matematyczna i algebra liniowa Elementy równań różniczkowych Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936

Bardziej szczegółowo

WYKŁAD 5 TEORIA ESTYMACJI II

WYKŁAD 5 TEORIA ESTYMACJI II WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak

Bardziej szczegółowo

Analiza obwodów elektrycznych

Analiza obwodów elektrycznych nalza bwdów elekrycznych Określene mnmalneg zbr fnkcj bwdwych F {, } nalza Wyznaczene nnych welkśc charakeryzjących bwód; np. mce, sprawnśc p. Obwód elekryczny Wyznaczene warśc paramerów wybranych elemenów

Bardziej szczegółowo

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się: Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili

Bardziej szczegółowo

Title: O pewnym równaniu różniczkowym z odchylonym argumentem. Author: Jan Błaż

Title: O pewnym równaniu różniczkowym z odchylonym argumentem. Author: Jan Błaż Tile: O pewnym równaniu różniczkwym z dchylnym argumenem Auhr: Jan Błaż Ciain syle: Błaż Jan. (1969). O pewnym równaniu różniczkwym z dchylnym argumenem. "Prace Naukwe Uniwersyeu Śląskieg w Kawicach. Prace

Bardziej szczegółowo

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia

Bardziej szczegółowo

KONKURS MATEMATYCZNY DLA UCZNIÓW SZKÓŁ GIMNAZJALNYCH

KONKURS MATEMATYCZNY DLA UCZNIÓW SZKÓŁ GIMNAZJALNYCH ...... kd pracy ucznia pieczątka nagłówkwa szkły KONKURS MATEMATYCZNY DLA UCZNIÓW SZKÓŁ GIMNAZJALNYCH ETAP SZKOLNY Drgi Uczniu, witaj na I etapie knkursu matematyczneg. Przeczytaj uważnie instrukcję i

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

Metoda największej wiarygodności

Metoda największej wiarygodności Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna

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

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 3 11.03.2016 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Wykłady z poprzednich lat (dr inż. H. Zbroszczyk): http://www.if.pw.edu.pl/~gos/student

Bardziej szczegółowo

PSO matematyka III gimnazjum. Szczegółowe wymagania edukacyjne na poszczególne oceny

PSO matematyka III gimnazjum. Szczegółowe wymagania edukacyjne na poszczególne oceny PSO matematyka III gimnazjum Szczegółwe wymagania edukacyjne na pszczególne ceny POZIOMY WYMAGAŃ EDUKACYJNYCH: K knieczny cena dpuszczająca DZIAŁ 1. LICZBY I WYRAŻENIA ALGEBRAICZNE pjęcie liczby naturalnej,

Bardziej szczegółowo

Wykład 14 i 15. Równania różniczkowe. Równanie o zmiennych rozdzielonych. Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie

Wykład 14 i 15. Równania różniczkowe. Równanie o zmiennych rozdzielonych. Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie Wykład 14 i 15 Równania różniczkowe Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (x, y, y, y,..., y (n) ) = 0 (1) gdzie: y = y(x) niewiadoma funkcja zmiennej rzeczywistej

Bardziej szczegółowo

Definicje i przykłady

Definicje i przykłady Rozdział 1 Definicje i przykłady 1.1 Definicja równania różniczkowego 1.1 DEFINICJA. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (t, x, ẋ, ẍ,..., x (n) ) = 0. (1.1) W równaniu tym t jest

Bardziej szczegółowo

Kryteria przyznawania ocen z matematyki uczniom klas III Publicznego Gimnazjum nr 1 w Strzelcach Opolskich

Kryteria przyznawania ocen z matematyki uczniom klas III Publicznego Gimnazjum nr 1 w Strzelcach Opolskich Kryteria przyznawania cen z matematyki ucznim klas III Publiczneg Gimnazjum nr 1 w Strzelcach Oplskich Na cenę dpuszczającą uczeń: zna pjęcie ntacji wykładniczej zna spsób zakrąglania liczb rzumie ptrzebę

Bardziej szczegółowo

Definicja 1 Statystyką nazywamy (mierzalną) funkcję obserwowalnego wektora losowego

Definicja 1 Statystyką nazywamy (mierzalną) funkcję obserwowalnego wektora losowego Rozdział 1 Statystyki Definicja 1 Statystyką nazywamy (mierzalną) funkcję obserwowalnego wektora losowego X = (X 1,..., X n ). Uwaga 1 Statystyka jako funkcja wektora zmiennych losowych jest zmienną losową

Bardziej szczegółowo

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić).

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić). Egzamin ze Statystyki Matematycznej, WNE UW, wrzesień 016, zestaw B Odpowiedzi i szkice rozwiązań 1. Zbadano koszt 7 noclegów dla 4-osobowej rodziny (kwatery) nad morzem w sezonie letnim 014 i 015. Wylosowano

Bardziej szczegółowo

KORELACJE I REGRESJA LINIOWA

KORELACJE I REGRESJA LINIOWA KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem

Bardziej szczegółowo

XV Forum Edukacyjne dla Małych i Średnich Przedsiębiorstw 8/06/2015

XV Forum Edukacyjne dla Małych i Średnich Przedsiębiorstw 8/06/2015 XV Frum Edukacyjne dla Małych i Średnich Przedsiębirstw 8/06/2015 O PROGRAMIE Prgram Erasmus dla młdych przedsiębirców jest transgranicznym prgramem wymiany, który daje przyszłym i pczątkującym przedsiębircm

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka

Rachunek prawdopodobieństwa i statystyka Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk

Bardziej szczegółowo

cz. 1. dr inż. Zbigniew Szklarski

cz. 1. dr inż. Zbigniew Szklarski Wykład 1: lektrstatyka cz. 1. dr inż. Zbigniew Szklarski szkla@agh.edu.pl http://layer.uci.agh.edu.pl/z.szklarski/ Kwantyzacja ładunku Każdy elektrn ma masę m e ładunek -e i Każdy prtn ma masę m p ładunek

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11, środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k = Matematyka ubezpieczeń majątkowych 0.0.006 r. Zadanie. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k 5 Pr( N = k) =, k = 0,,,... 6 6 Wartości kolejnych szkód Y, Y,, są i.i.d.,

Bardziej szczegółowo

Fale elektromagnetyczne

Fale elektromagnetyczne Fale elektromagnetyczne dr inż. Ireneusz Owczarek CMF PŁ ireneusz.owczarek@p.lodz.pl http://cmf.p.lodz.pl/iowczarek 2012/13 Plan wykładu Spis treści 1. Analiza pola 2 1.1. Rozkład pola...............................................

Bardziej szczegółowo

ZNACZENIE NIEPEWNOŚCI W ASPEKCIE PODEJMOWANIA OPTYMALNYCH DECYZJI POLITYKI PIENIĘŻNEJ I FISKALNEJ

ZNACZENIE NIEPEWNOŚCI W ASPEKCIE PODEJMOWANIA OPTYMALNYCH DECYZJI POLITYKI PIENIĘŻNEJ I FISKALNEJ udia Enmiczne. eszyy Nauwe niwersyeu Enmiczneg w Kawicach IN 2083-86 Nr 324 207 Agniesza Przybylsa-Mazur niwersye Enmiczny w Kawicach ydział Enmii Kaedra Med aysyczn-maemaycznych w Enmii agniesza.przybylsa-mazur@ue.awice.pl

Bardziej szczegółowo

Obrabiane części określone są przez wymiary gabarytowe, masę, ciepło właściwe.

Obrabiane części określone są przez wymiary gabarytowe, masę, ciepło właściwe. . OBLICZANI CILN ICÓW RZYSTANCYJNYCH iece rezysancyjne sswane są najczęściej d bróbki cieplnej wsadów. rjekwanie akich pieców plega na bliczeniu wyprawy gnirwałej i ermizlacyjnej pieca, mcy sra, mcy elemenów

Bardziej szczegółowo

Kolokwium ze statystyki matematycznej

Kolokwium ze statystyki matematycznej Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 8 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka matematyczna 7 maja 2018 1 / 19 Przypomnijmy najpierw omówione na poprzednim wykładzie postaci przedziałów

Bardziej szczegółowo

5 Reprezentacje połozeniowa i pedowa

5 Reprezentacje połozeniowa i pedowa 5 Reprezentacje połozeniowa i pedowa 5.1 Reprezentacja położeniowa W poprzednim rozdziale znaleźliśmy jawną postać operatora Ĥ w przedstawieniu położeniowym. Co to znaczy? W przedstawieniu położeniwym

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Plitechnika Gdańska Wydział Elektrtechniki i Autmatyki Katedra Inżynierii Systemów Sterwania MODELOWANIE I IDENTYFIKACJA Studia niestacjnarne Systemy ciągłe budwa mdeli fenmenlgicznych z praw zachwania.

Bardziej szczegółowo

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa Równanie Bessela Będziemy rozważać następujące równanie Bessela x y xy x ν )y 0 ) gdzie ν 0 jest pewnym parametrem Rozwiązania równania ) nazywamy funkcjami Bessela rzędu ν Sprawdzamy, że x 0 jest regularnym

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 9 22.04.2016 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr letni 2015/2016 Próby z odliczaniem. Próbki Metoda największej wiarygodności ierównosć

Bardziej szczegółowo

ZESTAW 1. A) 2 B) 3 C) 5 D) 7

ZESTAW 1. A) 2 B) 3 C) 5 D) 7 ZESTAW Zadanie Punkty A = (,) i B = (, ) są klejnymi wierzchłkami kwadratu. Obwód teg kwadratu jest równy A) 4 6 B) 6 C) 4 4 D) 4 6 Zadanie Zbirem rzwiązań nierównści x + 5 > jest zbiór A) ( 7, ) B) (,

Bardziej szczegółowo

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2. Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej μ, wariancji momencie centralnym μ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X μ k Pr > μ + t σ ) 0. k k t σ *

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Plitechnika Gdańska Wydział Elektrtechniki i Autmatyki Katedra Inżynierii Systemów Sterwania MODELOWANIE I PODSTAWY IDENTYFIKACJI Systemy ciągłe budwa nieliniwych mdeli fenmenlgicznych z praw zachwania.

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

Bardziej szczegółowo

Fale elektromagnetyczne. Gradient pola. Gradient pola... Gradient pola... Notatki. Notatki. Notatki. Notatki. dr inż. Ireneusz Owczarek 2013/14

Fale elektromagnetyczne. Gradient pola. Gradient pola... Gradient pola... Notatki. Notatki. Notatki. Notatki. dr inż. Ireneusz Owczarek 2013/14 dr inż. Ireneusz Owczarek CNMiF PŁ ireneusz.owczarek@p.lodz.pl http://cmf.p.lodz.pl/iowczarek 2013/14 1 dr inż. Ireneusz Owczarek Gradient pola Gradient funkcji pola skalarnego ϕ przypisuje każdemu punktowi

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

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy

Bardziej szczegółowo

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie ĆWICZENIE 7 WYZNACZIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA Wprowadzenie Ciało drgające w rzeczywisym ośrodku z upływem czasu zmniejsza ampliudę drgań maleje energia mechaniczna

Bardziej szczegółowo

Równania różniczkowe zwyczajne. 1 Rozwiązywanie równań różniczkowych pierwszego rzędu

Równania różniczkowe zwyczajne. 1 Rozwiązywanie równań różniczkowych pierwszego rzędu Wydział Matematyki Stosowanej Zestaw zadań nr 13 Akademia Górniczo-Hutnicza w Krakowie WFiIS, informatyka stosowana, I rok Elżbieta Adamus 17 maja 2018r. Równania różniczkowe zwyczajne 1 Rozwiązywanie

Bardziej szczegółowo

Liniowy model decyzyjny Sytuacja decyzyjna: Firma produkuje dwa

Liniowy model decyzyjny Sytuacja decyzyjna: Firma produkuje dwa D.iszczńska, WSEH, Pdstaw ATEATYKI dla eknmistów, funkcja liniwa wielu zmiennch - znajdwanie wartści największej [] Liniw mdel deczjn Stuacja deczjna: Firma prdukuje dwa wrb A i B, które wmagają bróbki

Bardziej szczegółowo

MODELOWANIE W UML DO OPISU BIZNESU, CZY SYSTEMÓW?

MODELOWANIE W UML DO OPISU BIZNESU, CZY SYSTEMÓW? MODELOWANIE W UML DO OPISU BIZNESU, CZY SYSTEMÓW? Mdelwanie prcesów bizneswych w UML TOMASZ GZIK M A R Z E C 2 0 1 6 www.tigacnsulting.pl Wszystkie prawa zastrzeżne tgzik@tigacnsulting.pl WPROWADZENIE

Bardziej szczegółowo

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II

Bardziej szczegółowo

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 20 KWANTOWE METODY MONTE CARLO 20.1 Kwantowa wariacyjna metoda Monte Carlo Problem własny dla stanu podstawowego układu N cząstek (H E 0 )ψ 0 (r)

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

Metoda momentów i kwantyli próbkowych. Wrocław, 7 listopada 2014

Metoda momentów i kwantyli próbkowych. Wrocław, 7 listopada 2014 Metoda momentów i kwantyli próbkowych Wrocław, 7 listopada 2014 Metoda momentów Momenty zmiennych losowych X 1, X 2,..., X n - próba losowa. Momenty zmiennych losowych X 1, X 2,..., X n - próba losowa.

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 Podstawy rachunku prawdopodobieństwa 1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej

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

Ściśliwa magnetyczna warstwa graniczna jako prosty model Tachokliny we wnętrzu Słońca. Krzysztof Mizerski,

Ściśliwa magnetyczna warstwa graniczna jako prosty model Tachokliny we wnętrzu Słońca. Krzysztof Mizerski, Ściśliwa magnetyczna warstwa graniczna jako prosty model Tachokliny we wnętrzu Słońca Krzysztof Mizerski, Univ. Leeds, School of Maths, Woodhouse Lane, Leeds, UK przy współpracy z: Davidem Hughes 23 Czerwca

Bardziej szczegółowo

Ń ź Ń ź Ń ź Ń ź ź Ń Ń Ń Ń ź Ą ź Ń ź Ó Ą ć Ń ć Ń ć ć ć ć ć ź ź ć Ń Ń ć ć Ę Ą ź Ę Ń ć ź Ń ź Ł Ń ć Ń Ą ć Ń ć ć ź Ń ćń Ś ź ź ź ć Ń ź ź Ń Ń Ę Ń ź Ń ź Ń Ą ć ź ć ć Ę ć ź ć Ą ć ź ć Ń ć ć ź ć Ń Ń Ń Ę ć Ą Ą ź Ń

Bardziej szczegółowo

Ą ń Ś ź ń ć ż Ę Ń Ą ć ń ń ż ń ź ź ź Ż ń ź ń Ą ń ż Ł ż Ę Ż ć ż ń Ę ć ż ż ń Ę ż ń ń Ą ż ń Ąć Ę ń Ę Ł Ą Ż ż Ę Ę ń Ż ż Ż Ę Ę Ę Ę Ę ć ż ż ż ć ćń ż ź Ę ń ż ć Ę ż ż Ę ź Ę ń ż Ę Ę ń Ę Ę ń ć Ż ć ż Ą Ę Ę ź ń ż ń

Bardziej szczegółowo

I. KINEMATYKA I DYNAMIKA

I. KINEMATYKA I DYNAMIKA piagoras.d.pl I. KINEMATYKA I DYNAMIKA KINEMATYKA: Położenie ciała w przesrzeni można określić jedynie względem jakiegoś innego ciała lub układu ciał zwanego układem odniesienia. Ruch i spoczynek są względne

Bardziej szczegółowo

Analiza Matematyczna część 5

Analiza Matematyczna część 5 [wersja z 14 V 6] Analiza Matematyczna część 5 Konspekt wykładu dla studentów fizyki/informatyki Akademia Świętokrzyska 5/6 Wojciech Broniowski 1 Równania różniczkowe Definicje, klasyfikacja Równanie różniczkowe

Bardziej szczegółowo

Część I. MECHANIKA. Wykład KINEMATYKA PUNKTU MATERIALNEGO. Ruch jednowymiarowy Ruch na płaszczyźnie i w przestrzeni.

Część I. MECHANIKA. Wykład KINEMATYKA PUNKTU MATERIALNEGO. Ruch jednowymiarowy Ruch na płaszczyźnie i w przestrzeni. Część I. MECHANIKA Wykład.. KINEMATYKA PUNKTU MATERIALNEGO Ruch jednowymiarowy Ruch na płaszczyźnie i w przesrzeni 1 KINEMATYKA PUNKTU MATERIALNEGO KINEMATYKA zajmuje się opisem ruchu ciał bez rozparywania

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK 1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny

Bardziej szczegółowo

1 Gaussowskie zmienne losowe

1 Gaussowskie zmienne losowe Gaussowskie zmienne losowe W tej serii rozwiążemy zadania dotyczące zmiennych o rozkładzie normalny. Wymagana jest wiedza na temat własności rozkładu normalnego, CTG oraz warunkowych wartości oczekiwanych..

Bardziej szczegółowo

O ŚREDNIEJ STATYSTYCZNEJ

O ŚREDNIEJ STATYSTYCZNEJ Od średniej w modelu gaussowskim do kwantyli w podstawowym modelu nieparametrycznym IMPAN 1.X.2009 Rozszerzona wersja wykładu: O ŚREDNIEJ STATYSTYCZNEJ Ryszard Zieliński XII Międzynarodowe Warsztaty dla

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie

Bardziej szczegółowo

Rachunek różniczkowy i całkowy 2016/17

Rachunek różniczkowy i całkowy 2016/17 Rachunek różniczkowy i całkowy 26/7 Zadania domowe w pakietach tygodniowych Tydzień 3-7..26 Zadanie O. Czy dla wszelkich zbiorów A, B i C zachodzą następujące równości: (A B)\C = (A\C) (B\C), A\(B\C) =

Bardziej szczegółowo

Matematyka 2. Równania różniczkowe zwyczajne rzędu drugiego

Matematyka 2. Równania różniczkowe zwyczajne rzędu drugiego Matematyka 2 Równania różniczkowe zwyczajne rzędu drugiego Równania różniczkowe liniowe rzędu II Równanie różniczkowe w postaci y + a 1 (x)y + a 0 (x)y = f(x) gdzie a 0 (x), a 1 (x) i f(x) są funkcjami

Bardziej szczegółowo

Zależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),

Zależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer

Bardziej szczegółowo

Pojęcia podstawowe 1

Pojęcia podstawowe 1 Tomasz Lubera Pojęcia podsawowe aa + bb + dd + pp + rr + ss + Kineyka chemiczna dział chemii fizycznej zajmujący się przebiegiem reakcji chemicznych w czasie, ich mechanizmami oraz wpływem różnych czynników

Bardziej szczegółowo

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach: Zadanie. O niezależnych zmiennych losowych N, M M, M 2, 3 wiemy, że: N ma rozkład Poissona z wartością oczekiwaną równą 00 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach: 2, 3 Pr( M = )

Bardziej szczegółowo

Zmienne losowe. Statystyka w 3

Zmienne losowe. Statystyka w 3 Zmienne losowe Statystyka w Zmienna losowa Zmienna losowa jest funkcją, w której każdej wartości R odpowiada pewien podzbiór zbioru będący zdarzeniem losowym. Zmienna losowa powstaje poprzez przyporządkowanie

Bardziej szczegółowo

IX. MECHANIKA (FIZYKA) KWANTOWA

IX. MECHANIKA (FIZYKA) KWANTOWA IX. MECHANIKA (FIZYKA) KWANTOWA IX.1. OPERACJE OBSERWACJI. a) klasycznie nie ważna kolejność, w jakiej wykonujemy pomiary. AB = BA A pomiar wielkości A B pomiar wielkości B b) kwantowo wartość obserwacji

Bardziej szczegółowo

PODSTAWY CHEMII KWANTOWEJ. Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej

PODSTAWY CHEMII KWANTOWEJ. Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej PODSTWY CHEMII KWTOWEJ 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

Komputerowa analiza danych doświadczalnych. Wykład dr inż. Łukasz Graczykowski

Komputerowa analiza danych doświadczalnych. Wykład dr inż. Łukasz Graczykowski Komputerowa analiza danych doświadczalnych Wykład 3 9.03.2018 dr inż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr letni 2017/2018 Dwuwymiarowe rozkłady zmiennych losowych Jednoczesne pomiary

Bardziej szczegółowo

Ł ŚĆ ń Ś Ł Ź Ć Ł Ą ńń ć Ż Ą Ł Ś ń Ł ć Ś ń ć ć ć Ó Ż ć ć Ą Ś ć Ś ć Ń Ś ć Ś ć Ś Ć Ś Ż Ś Ś Ż Ś Ó ń ć ć Ź Ł ć ć ć ń ń ć ć Ą ć ć ć Ź ć ć ć ć ć ć Ó Ź Ó Ł Ł Ń ć ć Ź Ą ć ć ń ć Ą ć ć ć Ł Ź Ź Ź Ż Ł Ż Ł Ż ć ń ć Ą

Bardziej szczegółowo

Ą Ń Ę Ę Ą Ę Ć ź Ż Ż Ą ń Ź Ż Ż ń ń Ź Ą Ń Ą Ą Ę ń ź Ę Ę Ż Ć Ą ź Ą Ę ń ź Ę ń ń Ą Ż Ę ń Ą ń ń Ę Ę Ę Ź ń Ę ń ń ń ń Ź Ę Ś ź Ą Ń ń Ż Ź Ę Ź ń ń ń Ę Ę ń Ż Ą ń ńń Ś ń ń Ż Ż Ę Ż Ń Ę Ą Ń Ł ń ń ń ń ń ń ń ń Ś Ź Ę Ś

Bardziej szczegółowo

MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak

MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) E i E E i r r ν φ θ θ ρ ε ρ α 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania

Bardziej szczegółowo

Metodyka segmentacji obrazów wędlin średnio i grubo rozdrobnionych

Metodyka segmentacji obrazów wędlin średnio i grubo rozdrobnionych Plitechnika Łódzka Instytut Elektrniki UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE Metdyka segmentacji brazów wędlin średni i grub rzdrbninych Pitr M. Szczypiński, Artur Klepaczk i Pitr Zaptczny Instytut

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław Cichocki Natalia Nehrebecka. Wykład 3 Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje

Bardziej szczegółowo

1 Równania różniczkowe drugiego rzędu

1 Równania różniczkowe drugiego rzędu Równania różniczkowe drugiego rzędu Najpierw zajmiemy się równaniami różniczkowymi rzędu drugiego, w których y nie występuje w sposób jawny, tzn. F (x, y, y ) = 0 (.) Równanie takie rozwiązujemy poprzez

Bardziej szczegółowo

TARCZE PROSTOKĄTNE Charakterystyczne wielkości i równania

TARCZE PROSTOKĄTNE Charakterystyczne wielkości i równania TARCZE PROSTOKĄTNE Charakterystyczne wielkości i równania Mechanika materiałów i konstrukcji budowlanych, studia II stopnia rok akademicki 2012/2013 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika

Bardziej szczegółowo

x x 0.5. x Przykłady do zadania 4.1 :

x x 0.5. x Przykłady do zadania 4.1 : Rachunek prawdopodobieństwa MAP5 Wydział Elektroniki, rok akad. /, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 4: Wartość oczekiwana, wariancja, mediana, kwartyle rozkładu prawdopodobieństwa.

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław Cichocki Natalia Nehrebecka. Wykład 3 Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

Bardziej szczegółowo

Projektowanie systemów informatycznych

Projektowanie systemów informatycznych ELH diagramy histrii życia encji Infrmacje gólne i przykłady Autr Rman Simiński Kntakt rman.siminski@us.edu.pl www.us.edu.pl/~siminski Nazwa Entity Life Histry, czyli diagramy histrii życia encji (biektu)

Bardziej szczegółowo

O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE

O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE Ryszard Zieliński, IMPAN Warszawa O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE XXXIX Ogólnopolska Konferencja Zastosowań Matematyki Zakopane-Kościelisko 7-14 września 2010 r Model statystyczny pomiaru: wynik pomiaru

Bardziej szczegółowo

Sieci neuronowe model konekcjonistyczny

Sieci neuronowe model konekcjonistyczny Sieci neurnwe mdel knekcjnistyczny Plan wykładu Mózg ludzki a kmputer Mdele knekcjnistycze Perceptrn Sieć neurnwa Sieci Hpfielda Mózg ludzki a kmputer Twój mózg t kmórek, 3 2 kilmetrów przewdów i (biliard)

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 5.0.00 r. Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej µ wariancji oraz momencie centralnym µ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X

Bardziej szczegółowo