MODELOWANIE RZECZYWISTOŚCI

Podobne dokumenty
MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI

Podręcznik. Nieskończona liczba przypadków

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI

Podręcznik. Model czy teoria

Metody probabilistyczne

MODELOWANIE RZECZYWISTOŚCI

Matematyczne Podstawy Kognitywistyki

Metody probabilistyczne

Podręcznik. Wzór Shannona

MODELOWANIE RZECZYWISTOŚCI

Prawdopodobieństwo geometryczne

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 2 ZADANIA - ZESTAW 2

P (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)

Symulacja w przedsiębiorstwie

Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova

Podstawy nauk przyrodniczych Matematyka

Ważne rozkłady i twierdzenia

Doświadczenie i zdarzenie losowe

WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Excel - podstawa teoretyczna do ćwiczeń. 26 lutego 2013

Moneta 1 Moneta 2 Kostka O, R O,R 1,2,3,4,5, Moneta 1 Moneta 2 Kostka O O ( )

Podręcznik. Przykład 1: Wyborcy

Układy stochastyczne

MODELOWANIE RZECZYWISTOŚCI

Rachunek Prawdopodobieństwa i Statystyka

i=7 X i. Zachodzi EX i = P(X i = 1) = 1 2, i {1, 2,..., 11} oraz EX ix j = P(X i = 1, X j = 1) = 1 7 VarS 2 2 = 14 3 ( 5 2 =

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

Sieci Mobilne i Bezprzewodowe laboratorium 2 Modelowanie zdarzeń dyskretnych

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

Wstęp do rachunku prawdopodobieństwa. Cz. 1 / William Feller. wyd. 6, dodr. 4. Warszawa, Spis treści

Wykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa

Technologie Informacyjne

MODELOWANIE RZECZYWISTOŚCI

Rachunek prawdopodobieństwa- wykład 2

RACHUNEK PRAWDOPODOBIEŃSTWA I KOMBINATORYKA

Ilustracja metody Monte Carlo obliczania pola obszaru D zawartego w kwadracie [a,b]x[a,b]

Wybrane rozkłady zmiennych losowych. Statystyka

Gry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa

Spacery losowe generowanie realizacji procesu losowego

2. Zmienne i stałe. Przykłady Napisz program, który wypisze na ekran wynik dzielenia 281 i 117 w postaci liczby mieszanej (tj. 2 47/117).

Metody Rozmyte i Algorytmy Ewolucyjne

Matematyka podstawowa X. Rachunek prawdopodobieństwa

Prawdopodobieństwo geometryczne

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

Gry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa

Wybrane rozkłady zmiennych losowych. Statystyka

Propozycje rozwiązań zadań otwartych z próbnej matury rozszerzonej przygotowanej przez OPERON.

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 3 - model statystyczny, podstawowe zadania statystyki matematycznej

MODELOWANIE RZECZYWISTOŚCI

Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport

METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych

MODELOWANIE STOCHASTYCZNE CZĘŚĆ I - PODSTAWY. Biomatematyka Dr Wioleta Drobik-Czwarno

Statystyka matematyczna

= 10 9 = Ile jest wszystkich dwucyfrowych liczb naturalnych podzielnych przez 3? A. 12 B. 24 C. 29 D. 30. Sposób I = 30.

ROZKŁAD NORMALNY. 2. Opis układu pomiarowego

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne

Niech x 1,..., x n będzie ciągiem zdarzeń. ---

Wykład 2: Tworzenie danych

Matematyk Ci powie, co łączy Eugeniusza Oniegina i gry hazardowe

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

a. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);

Statystyka matematyczna

Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych

Prawdopodobieństwo

Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Ćwiczenie 3 Generator liczb losowych o rozkładzie Rayleigha.

W planie dydaktycznym założono 172 godziny w ciągu roku. Treści podstawy programowej. Propozycje środków dydaktycznych. Temat (rozumiany jako lekcja)

Metody Statystyczne. Metody Statystyczne.

ZAGADNIENIA NA EGZAMIN POPRAWKOWY Z MATEMATYKI W KLASIE III TECHNIKUM.

Plan wynikowy. Klasa III Technikum ekonomiczne. Kształcenie ogólne w zakresie rozszerzonym

a. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω)

R_PRACA KLASOWA 1 Statystyka i prawdopodobieństwo.

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym

Biostatystyka, # 2 /Weterynaria I/

Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa

KURS PRAWDOPODOBIEŃSTWO

Teoretyczne podstawy informatyki

Analiza wyników egzaminu gimnazjalnego 2015

Zadanie 2. Wiadomo, że A, B i C są trzema zdarzeniami losowymi takimi, że P (A) = 2/5, P (B A) = 1/4, P (C A B) = 0.5, P (A B) = 6/10, P (C B) = 1/3.

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Matematyka z el. statystyki, # 2 /Geodezja i kartografia II/

wykład V uzupełnienie notatek: dr Jerzy Białkowski Programowanie C/C++ Język C++ klasy i obiekty wykład V dr Jarosław Mederski Spis Język C++ - klasy

Deska Galtona. Adam Osękowski. Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski

Prawdopodobieństwo zadania na sprawdzian

Prawdopodobieństwo i statystyka

R ozkład norm alny Bardzo często używany do modelowania symetrycznych rozkładów zmiennych losowych ciągłych

Z Wikipedii, wolnej encyklopedii.

a)dane są wartości zmiennej losowej: 2, 4, 2, 1, 1, 3, 2, 1. Obliczyć wartość średnią i wariancję.

Informatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES)

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP. V. Obliczenia procentowe. Uczeń: 1) przedstawia część wielkości jako procent tej wielkości;

Statystyka w analizie i planowaniu eksperymentu

Transkrypt:

MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/

Podręcznik Iwo Białynicki-Birula Iwona Białynicka-Birula ISBN: 83-7255-103-0 Data wydania: 6 maja 2002 wkrótce drugie wydanie, rozszerzone

Ciągi liczb losowych Czy ciąg 0,1,0,1,0,1,... jest losowy? Napisz na kartce ciąg zer i jedynek o długości 100 znaków Policz ile jest w tym ciągu podciągów złożonych z trzech, czterech i pięciu jedynek Porównaj z wynikami wygenerowanymi przez program Bernoulli

Prawdopodobieństwo wylosowania ciągów samych jedynek Aby uzyskać samotną jedynkę w binarnym ciągu trzeba wyrzucić po kolei 0,1,0 prawdopodobieństwo ½ * ½ * ½ = 1/8 Aby uzyskać n jedynek w binarnym ciągu trzeba wyrzucić po kolei 0,1,...,1,0 to daje prawdopodobieństwo 1 2 1 2... 1 1 n 2 2 2 =1 2 n razy Zatem prawdopodobieństwo wyrzucenia 6,7,8 jedynek pod rząd to odpowiednio 1/256, 1/512 i 1/1024

Prawdopodobieństwo wylosowania ciągów samych jedynek Jeżeli prawdopodobieństwo wyrzucenia 8 jedynek pod rząd to 1/1024, ile razy trzeba rzucić monetą, żeby średnio zaobserwować jeden ciąg 8 jedynek w serii?

Deska Galtona Pochylona deska z wbitymi gwoździami ułożonymi w trójkąt. Można jej użyć do wizualizacji wielokrotnego rzucania monetą

Deska Galtona Jeżeli prawdopodobieństwo skoku w prawo lub w lewo na każdym gwoździu jest takie samo, to prawdopodobieństwo rozkładu na ostatnim poziomie dane jest przez trójkąt Pascala Program Galton

Trójkąt Pascala Trójkąt Pascala powstaje przy obliczaniu n-tej potęgi dwumianu. Każdy współczynnik w trójkącie Pascala równy jest liczbie dróg jakimi można do niego dojść

Współczynniki dwumianu Liczby w n-tym wierszu trójkąta Pascala, zwane współczynnikami dwumianowymi, oznaczane są symbolem Newtona i dane są wzorem: n k = n! k! n k! Zatem prawdopodobieństwa trafienia do odpowiedniej przegródki wynoszą n! p n, k = 2 n k! n k! Zachodzi n k =0 p n, k =1

Błądzenie przypadkowe Ruch punktu na prostej lub w przestrzeni o dowolnym wymiarze polegający na wykonywaniu losowych kroków o stałej długości w jednym z kilku wybranych kierunków. Deska Galtona jest równoważna błądzeniu przypadkowemu na prostej. Błądzenie przypadkowe jest modelem ruchu cząstki Browna

Spacery losowe model dyfuzji Błądzenie przypadkowe (spacer losowy) w przestrzeni stanowi model dyfuzji i ruchów Browna rozprzestrzeniania się cząsteczek w danym środowisku. Średnia odległość od punktu początkowego rośnie z czasem t jak t Program Smoluchowski

Wzór Stirlinga Prawdopodobieństwo powrotu do miejsca startu wynosi Dla n = 2,4,6,8,10,12... otrzymujemy 1/2, 3/8, 5/16, 35/128, 63/256, 231/1024... Ze wzoru Stirlinga otrzymujemy przybliżenie: p 2n,n = 2n! 2 2n n!n! n! 2 nn n e n p 2n,n 2 n

Asymptotyka rozkładu dwumianowego Widzimy, że prawdopodobieństwo powrotu cząstki do punktu startu maleje do 0 Zauważmy, że także liczba możliwych wyników rośnie. Żeby badać zachowanie rozkładu dla dużych n musimy go znormalizować. Mnożąc prawdopodobieństwa przez n/2 i tak samo zwiększając skalę na osi x otrzymujemy dla dużych n rozkład Gaussa: p x = 1/ exp x 2

Asymptotyka rozkładu dwumianowego Mnożąc prawdopodobieństwa przez n/2 i tak samo zwiększając skalę na osi x otrzymujemy dla dużych n rozkład Gaussa: p x = 1/ exp x 2

Generatory liczb losowych Komputery generują liczby pseudolosowe, nie losowe. Wygenerowane liczby powtarzają się po pewnym czasie. Im dłuższy okres, tym lepszy generator. Im lepieje potasowane liczby, tym lepszy generator.

Inne źródła liczb losowych Tabele liczb losowych, np. rozwinięcia liczb normalnych Pomiary fizyczne odpowiednich układów Do czego potrzebujemy losowych ciągów? Do każdego praktycznego zastosowania teorii prawdopodobieństwa: Wybór próbki statystycznej Gry matematyczne (np. negocjacje) Obliczenia metodą Monte Carlo

Liczby normalne ponownie Liczba normalna liczba, w której rozwinięciu w danym układzie każdy blok cyfr jest tak samo prawdopodobny jak każdy inny blok tej samej długości Rozwijają liczbę normalną w bazie o podstawie 36 możemy generować losowe teksty: 10 cyfr + 26 liter łacińskich, albo 35 polskich liter i spacja. Przykład rozwinięcia liczby pi po polsku.

Prawdopodobieństwo wystąpienia dowolnego tekstu Trzydziestotomowa encyklopedia Brytannica zawiera około 30 milionów znaków. Prawdopodobieństwo wystąpienia jej tekstu w przypadkowym tekście wynosi 1 36 30 000000 1 10 45000 000 Prawdopodobieństwo wystąpienia krótkich słów, jak Budda wynosi 36 5 1 1 60000 000 czyli w tekście długości 60 mln znaków oba te słowa powinny wystąpić przynajmniej raz

Kodowanie tekstów w rozwinięciach Znajdowanie tekstów w rozwinięciach liczb normalnych nie tylko zależy od podstawy ale i od kodowania, tj. od tego co przypiszemy danemu symbolowi w rozwinięciu