( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.



Podobne dokumenty
EKONOMIA MENEDŻERSKA. Wykład 2 Analiza popytu. Optymalna polityka cenowa. 1 ANALIZA POPYTU. OPTYMALNA POLITYKA CENOWA.

Metoda prądów obwodowych

Rachunek prawdopodobieństwa i statystyka matematyczna.

Rozkłady prawdopodobieństwa 1

3. F jest lewostronnie ciągła

ĆWICZENIE ANALIZA SITOWA I PODSTAWY OCENY GRANULOMETRYCZNEJ SUROWCÓW I PRODUKTÓW

DOBÓR LINIOWO-ŁAMANEGO ROZDZIAŁU SIŁ HAMUJĄCYCH W SAMOCHODACH DOSTAWCZYCH

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXVI Egzamin dla Aktuariuszy z 10 marca 2014 r. Część I

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

Analiza matematyczna v.1.6 egzamin mgr inf niestacj 1. x p. , przy założeniu, że istnieją lim

TEORIA WAGNERA UTLENIANIA METALI

Wykład 2. Pojęcie całki niewłaściwej do rachunku prawdopodobieństwa

PODSTAWY BAZ DANYCH Wykład 3 2. Pojęcie Relacyjnej Bazy Danych

Komisja Egzaminacyjna dla Aktuariuszy LIX Egzamin dla Aktuariuszy z 12 marca 2012 r. Część I Matematyka finansowa

1 Definicja całki oznaczonej

Raport Przeliczenie punktów osnowy wysokościowej III, IV i V klasy z układu Kronsztadt60 do układu Kronsztadt86 na obszarze powiatu krakowskiego

Metody numeryczne. Wykład nr 7. dr hab. Piotr Fronczak

WEKTORY skalary wektory W ogólnym przypadku, aby określić wektor, należy znać:

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

RACHUNEK CAŁKOWY. Funkcja F jest funkcją pierwotną funkcji f na przedziale I R, jeżeli. F (x) = f (x), dla każdego x I.

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,

Sformułowanie zagadnienia. c c. Analiza zagadnienia dla przypadku m = 4 i n = 3. B 2. c A. c A

Notatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski

liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.

Wykład 2. Granice, ciągłość, pochodna funkcji i jej interpretacja geometryczna

Definicje ogólne

Pattern Classification

Ekoenergetyka Matematyka 1. Wykład 15. CAŁKI OZNACZONE. Egzaminy I termin poniedziałek :00 Aula B sala 12B Wydział Informatyki

Zadania. I. Podzielność liczb całkowitych

65120/ / / /200

VI. Rachunek całkowy. 1. Całka nieoznaczona

Niezawodność i Diagnostyka

usuwa niewymierność z mianownika wyrażenia typu

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy

Komputerowe generatory liczb losowych

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

< f g = fg. f = e t f = e t. U nas: e t (α 1)t α 2 dt = 0 + (α 1)Γ(α 1)

Praca, potencjał i pojemność

CAŁKOWANIE NUMERYCZNE

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

CAŁKOWANIE NUMERYCZNE

Równania różniczkowe. y xy (1.1) x y (1.2) z xyz (1.3)

2. FUNKCJE WYMIERNE Poziom (K) lub (P)

METODY KOMPUTEROWE 11

N(0, 1) ) = φ( 0, 3) = 1 φ(0, 3) = 1 0, 6179 = 0, 3821 < t α 1 e t dt α > 0. f g = fg. f = e t f = e t. U nas: g = t α 1 g = (α 1)t α 2

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Całkowanie metodą Monte Carlo

PODSTAWY BAZ DANYCH Wykład 2 2. Pojęcie Relacyjnej Bazy Danych

Katalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć

Maciej Grzesiak Instytut Matematyki Politechniki Poznańskiej. Całki oznaczone. lim δ n = 0. σ n = f(ξ i ) x i. (1)

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

WYBRANE ZAGADNIENIA Z DYNAMIKI GAZÓW

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Fuzja danych nawigacyjnych w przestrzeni filtru Kalmana

Programowanie Równoległe i Rozproszone

Wyznacznikiem macierzy kwadratowej A stopnia n nazywamy liczbę det A określoną następująco:

III. Rachunek całkowy funkcji jednej zmiennej.

Kodowanie liczb. Kodowanie stałopozycyjne liczb całkowitych. Niech liczba całkowita a ma w systemie dwójkowym postać: Kod prosty

Prawdopodobieństwo i statystyka r.

Temat lekcji Zakres treści Osiągnięcia ucznia

MODELE TEORII GIER. Modelowanie matematyczne. dr inż. Zbigniew Tarapata Wykład nr 5: Modele teorii gier

Statystyka. Zmienne losowe

Prawo Coulomba i pole elektryczne

4.6. Gramatyki regularne

Podstawy programowania obiektowego

PODSTAWY ALGEBRY MACIERZY. Operacje na macierzach

Komisja Egzaminacyjna dla Aktuariuszy LII Egzamin dla Aktuariuszy z 15 marca 2010 r. Część I Matematyka finansowa

Pochodne i całki, macierze i wyznaczniki

Jest błędem odwołanie się do zmiennej, której nie przypisano wcześniej żadnej wartości.

Klucz odpowiedzi do zadań zamkniętych i schemat oceniania zadań otwartych

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

WEKTORY skalary wektory W ogólnym przypadku, aby określić wektor, należy znać:

Wymagania edukacyjne matematyka klasa 2 zakres podstawowy 1. SUMY ALGEBRAICZNE

MODELOWANIE POŻARÓW-Modele analityczne

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW


Realizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych,

Typ szkoły: ZASADNICZA SZKOŁA ZAWODOWA Rok szkolny 2016/2017 Zawód: FRYZJER, CUKIERNIK, PIEKARZ, SPRZEDAWCA, FOTOGRAF i inne zawody.

Wspomaganie obliczeń za pomocą programu MathCad

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

Wymagania kl. 2. Uczeń:

Całki niewłaściwe. Rozdział Wprowadzenie Całki niewłaściwe I rodzaju

Całka Riemanna Dolna i górna suma całkowa Darboux

ω a, ω - prędkości kątowe członów czynnego a i biernego b przy

Wykład 2. Funkcja logarytmiczna. Definicja logarytmu: Własności logarytmu: Logarytm naturalny: Funkcje trygonometryczne

Całkowanie metodą Monte Carlo

6. *21!" 4 % rezerwy matematycznej. oraz (ii) $ :;!" "+!"!4 oraz "" % & "!4! " )$!"!4 1 1!4 )$$$ " ' ""

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Analiza Matematyczna (część II)

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

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

Generowanie liczb o zadanym rozkładzie. ln(1 F (y) λ

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka. Poziom rozszerzony. Listopad Wskazówki do rozwiązania zadania =

Podstawy układów logicznych

Ruch unoszenia, względny i bezwzględny

PRZEGLĄD FUNKCJI ELEMENTARNYCH. (powtórzenie) y=f(x)=ax+b,

Wykład 9: Różne rodzaje zbieżności ciągów zmiennych losowych. Prawa wielkich liczb.

dy dx stąd w przybliżeniu: y

Rozwiązania maj 2017r. Zadania zamknięte

Transkrypt:

Elementy rchunku prwdopodoeństw f 0 f() - gęstość rozkłdu prwdopodoeństw X f d P< < = f( d ) F = f( tdt ) - dystryunt rozkłdu E( X) = tf( t) dt - wrtość średn D ( X) = E( X ) E( X) - wrncj = f () F () Rozkłd równomerny w przedzle ( 0), (, ) (, ) dl 0 f = 0 dl 0 EX = ; D ( X )= -3 - - 0 3 f ()

Rozkłd równomerny n przedzle [,] = α ( ) + o: d = α - y f () Olczne cłek metodą Monte Crlo metod prókown prostego y n f d = M ( ) ; N K K f (X) dx = n N V K 0 f M ( ) dl, M f () Przykłdowy lgorytm rndomze; N:=00000; nc:=0; for := to N do egn :=rndom*(-) + ; y:=rndom*m; f y<f() then Inc(nc); end; clk:=nc*m*(-)/n;

metod prókown średnej (smple men method) N ( ) f d= ( ) f f( ) N = Przykłdowy lgorytm rndomze; N:=00000; sum:=0; for := to N do egn :=rndom*(-) + ; sum:=sum + f(); end; clk:=sum*(-)/n; ogólny wzór n cłkowne welowymrowe f X) dφ( X) = f = N = N ( f ( X ) K K f (,,, ) dφ(,,, ) = f = N = N f (,,, K ) gdze: Φ (X) - dystryunt zmennej X: dφ ( X) = ϕ( X) dx np: dφ = d (-wym. rozkłd równomerny)

Metody generown lcz pseudolosowych o rozkłdze równomernym Genertory lnowe ( + ) X = X + X +... + X c mod m n+ n n k n k+ przykłdy k= Xn = Xn + c mod + m c m utor 3 7 + 0 35 Zelńsk (966) 69069 3 Mrsgl (97) 4069 0 3-49 L'Ecuyer (988) 68909604606 0 48 Fshmn (990) nne ogólne genertory lnowe (Mrsgl, 995): ( 3) 9 X = 76 X + 476 X + 776 X mod ( 5) n n n n X = X + X + X + c mod ( 69) n n n n 3 Genertory nelnowe ( n ) X = X + n+ X = n + n n + ( 0 ) mod mod m Echenuer-Lehn (986) Inne genertory - genertory Fonccego - genertory n rejestrch przesuwnych - genertory oprte n mnożenu z przenesenem... - genertory meszne m 35 3 Echenuer-Hermnn (993) Testy zgodnośc - EX ; D( X) ; momenty; χ ; testy welowymrowe, testy pr... - Rozkłdy punktów w kostce welowymrowej [,0] n : X X,..., X, X X,..., X,.... ( X X. (, d) (, 3 d+ ),,..., Xd), ( Xd+, Xd+,..., Xd),...

Wyrne testy genertorów lcz losowych Test ch-kwdrt Nech: F= 0, F=, = < < < < = - rozce zoru wrtośc X 0 k { } p = P < X <, =,, n - lcz tkch elementów X cągu X,, Xn spełnjących < X < Dl dużego n sttystyk k ( n np) χk = = np m rozkłd lsk rozkłdow ch-kwdrt o k- stopnch swoody. Dl p = / k mmy: k = k n n n χk = Podone z rozkłdm welowymrowym ( X X ),, m Test njmnejszej odległośc w prch Generujemy n punktów z kostk m wymrowej ( 0,) m. n Olczmy odległośc w metryce eukldesowej dl wszystkch ( ) pr pkt. Nech D ozncz njmnejszą z tych odległośc. zmenn losow m T = n D m rozkłd wykłdnczy ze średną / V m gdze V ozncz ojętość m-wymrowej kul jednostkowej. m Uwg. Genertory lnowe zwykle ne spełnją tego testu!

Generowne lcz pseudolosowych o rozkłdze dowolnym Metod odwrcn dystryunty Nech α m rozkłd równomerny n przedzle (0,) Def. X = F ( α ) o: P{ X } { α } { α } = P F = P F ( ) = F ( ) F = α = F ( α) f d= α =? Przykłd - funkcj trójkątn (,) A, 0 f = 0, 0, Przykłd - funkcj potęgow n A, 0 f = 0, 0, (,) Przykłd 3 - funkcj wykłdncz; λ > 0 λ Ae, 0 f = 0, < 0

Przykłd 4 - nejednorodny rozkłd wykłdnczy: f = λep ( t) dt, λ 0 0 0, < 0 f() t dt = α λ() tdt= ln( α) 0 λ() tdt= lnα 0 - równne n

Metod elmncj (von Neumnn, 95) Wrnt szczególny Nech f ( ) ędze gęstoścą nteresującego ns rozkłdu. d (, ) f < d, (, ) f = 0. Generujemy dwe zmenne losowe U U o rozkłdch równomernych U (, ) U ( 0, d ).. Jeżel U < f ( U), to przyjąć X = U ; w przecwnym przypdku prę U, U wyelmnowć powtórzyć olczen od p.. Zmenn X m rozkłd f ( ). Wrnt ogólny Wyermy tką gęstość prwdopodoeństw g, y generowne lcz losowych o tej gęstośc yło łtwe szyke orz wyznczmy stłą c > 0, tką, że (, ) f < cg g - gęstość domnując. Generujemy punkt losowy X o rozkłdze g orz lczę losową U o rozkłdze równomernym U ( 0,).. Powtrzmy generowne wg. p. dopók ne zostne spełnony wrunek kceptcj cug( X ) f ( X ) Zmenn X m rozkłd f ( ). Wyór optymlnej stłej: f c = sup g

Przykłd. Generowne rozkłdu normlnego przy użycu rozkłdu wykłdnczego N(0,). Ogólne: ( µ ) N ( µ, σ ): fµ, σ = ep < < σ π σ Metod:. Początkowo generujemy zmenną losową X o gęstośc: ep, 0 f = π 0, < 0 (dodtn połówk rozkłdu normlnego), przy użycu gęstośc domnującej: g = e dl > 0 - oznczmy go przez E(0,). Uwg: dl U (0,), zmenn ( ln( U )) m rozkłd wykłdnczy o gęstośc g. Stł c wynos f e c = sup = g π. Wyposżmy zmenną X w znk (+) lu (-) z prwdopoeństwem /. Algorytm: repet Generuj X o rozkłdze wykłdnczym E(0,) Generuj U o rozkłdze równomernym U(0,) untl e Ue X e X π π Generuj U o rozkłdze równomernym U(0,) f U 0.5 then X ( X) return X

Inne metody generown rozkłdu normlnego I. Metod odwrcn dystryunty (Odeh Evns, 974) Przylżene: F gu < u< ( u) = g( u) dl 0.5 u< 0 0 dl 0 0.5 gdze: Lt () gu = t, t= lnu Mt () 0 Lt = 0.3343088 + t+ 0.344088547t + 0.0043045t + 0.000045364048t 3 4 + M ( t) = 0.099348466060 + 0.58858570495t+ 0.530346366t + 0.0353775850t + 0.0038560700634t 3 4 II. Metod dekompozycj (Mrsgl Bry 964)

Symulcj Monte Crlo Wyór reprezentcj ukłdu Olczen dl procesu elementrnego Wyór stnu początkowego Repet Określene prwdopodoeństw zmny stnu Genercj zmennych losowych odpowdjącym wszystkm możlwym przejścom Relzcj untl konec Zps wynków Ukłd o odpowedz lnowej Ukłd o odpowedz nelnowej powtrzmy relzcje procesu dl N cząstek wynk sumujemy znjdujemy mnmlne N które dorze opsuje ukłd mkroskopowy olczen wykonujemy jednocześne dl N cząstek

. Symulcj Monte Crlo z czsem dyskretnym Wyór stnu początkowego t t 0 t Repet t t + t Określene prwdopodoeństw zmny stnu Genercj zmennych losowych odpowdjącym wszystkm możlwym przejścom w czse t Relzcj untl konec or t> t k Zps wynków. Symulcj Monte Crlo z czsem cągłym Wyór stnu początkowego t t 0 Repet Określene prwdopodoeństw zmny stnu Genercj czsów przejśc t dl kżdego procesu elementrnego P Wyór njkrótszego czsu tmn odpowdjącego P Relzcj perwszego przejśc P r t t + t mn untl konec or t> t k Zps wynków r

Typy procesów ze względu n zleżność rozkłdu prwdopodoeństw od hstor ukłdu (wyór chwl początkowej) Procesy nezleżne od hstor (procesy Mrkow) Procesy z pmęcą Przykłdy symulcj Monte Crlo z czsem dyskretnym (lnowe). Rozpd promenotwórczy. Ruchy Brown (łądzene przypdkowe - rndom wlk) Przykłdy symulcj Monte Crlo z czsem cągłym (lnowe). Rozpd promenotwórczy. Trnsport nośnków łdunku w mterle delektrycznym Przykłd symulcj Monte Crlo z czsem cągłym (nelnowy) Rekomncj promenst w delektrykch