Wielomiany Bernsteina i krzywe Béziera — wykład 8+i z analizy I
Analiza matematyczna · UJK⏱ 1 h 47 min
Wykład 8+i z Analizy Matematycznej I na UJK – odcinek specjalny o wielomianach Bernsteina, które okazują się tym samym co krzywe Béziera z grafiki komputerowej. Konstrukcja przez rzuty monetą, wartość oczekiwana i wariancja, a na deser dowód twierdzenia Weierstrassa o aproksymacji.
W tym nagraniu
Krzywe Béziera – gładka zależność od punktów kontrolnych
Wielomiany Bernsteina jako wartość oczekiwana w schemacie rzutów monetą
Średnia ważona, wariancja i odchylenie standardowe
Nierówność Czebyszewa i jednostajna ciągłość
Twierdzenie Weierstrassa: aproksymacja funkcji ciągłych wielomianami
Odcinek specjalny wykładu z Analizy Matematycznej I na UJK łączy grafikę komputerową z analizą. Krzywe Béziera, którymi programy graficzne rysują gładkie kształty, zależą od punktów kontrolnych przez wielomiany Bernsteina: Bₙ,ₖ(x) = C(n, k)·xᵏ·(1 − x)ⁿ⁻ᵏ.
Te same wielomiany pojawiają się w schemacie Bernoulliego: Bₙ,ₖ(x) to prawdopodobieństwo k sukcesów w n rzutach monetą, która wypada „sukcesem” z prawdopodobieństwem x. Wielomian Bernsteina funkcji f, czyli ∑ f(k/n)·Bₙ,ₖ(x), jest więc wartością oczekiwaną f(Sₙ/n), gdzie Sₙ to liczba sukcesów. Wartość oczekiwana ma tu interpretację środka masy, a wariancja — momentu bezwładności.
Główne twierdzenie to twierdzenie Weierstrassa: każdą funkcję ciągłą na [0, 1] można jednostajnie przybliżać wielomianami — konkretnie jej wielomianami Bernsteina. Dowód, w wersji „pracowitej” i „leniwej”, łączy nierówność Czebyszewa z jednostajną ciągłością f. Na koniec pojawia się granica, którą tą metodą liczy się łatwo, a inaczej byłoby to karkołomne.
Rozdziały
Kliknij czas, żeby przewinąć nagranie do wybranego fragmentu.
Schemat Bernoulliego
Wartość oczekiwana = środek masy
Treść głównego twierdzenia
Pracowity dowód
Atak kota!
Wariancja = moment bezwładności względem środka masy
Leniwy dowód
Granica, której policzenie inaczej byłoby karkołomne
Transkrypt został wygenerowany automatycznie na podstawie napisów YouTube, więc może zawierać błędy w zapisie wzorów, nazwisk i terminów. Kliknij znacznik czasu, aby przewinąć wideo do danego fragmentu. (10360 słów)
Chciał opowiedzieć o wiel bernsteina które okazują się w cudowny sposób być Toż same z krzywi bezera na geometrycznym końcu mamy taki śliczny obrazek że jest że jest krzywa po której się jeździ punktem to że się po nie jeździ punktem to jest mało interesujące na obrazku na obrazku wić trajektorię to co jest fajne to to zależy w taki bardzo bardzo gładki sposób od od czterech punktów te c c w zdaniu czterech punktów jest doś arbitralne ta s konstrukcj się zrobić d więcej TR jest jest mało interesująca dla dla więcej zaczęłaby się robić za bardzo z od jak to wygląda wersji probabilistycznej No więc będziemy trochę na wyrost używać po rachunku prawdopodobieństwa gdzie trochę na wyrost znaczy że to teoretycznie będzie na drugim roku wszystko co robimy jest na chłopski rozum jest na jest na skończonej
Przestrzeni byo takie coś co się nazywałem Mon żeby nazywać stron orłem Izą bo na tym się ciężko wykonuje rachunki bo to całe słowa moneta ma stronę o numerze zer i stronę o numerze 1 i każdy k to zmienna losowa mówimy że xk to jest zmienna losowa trafienia w ję było jakieś prawdopodobieństwo trafienia w zer było jakieś w tym szkolnym schemacie Bern to się tak w sposób nacechowany emocjonalnie nazywało prem sukcesu i porażki jest min p żeby się sumował do jedynki co jeszcze Chcemy chcemy żeby takich zmiennych było i żeby były wszystkie niezależne to taki Setting się nazywał schematem Bern i mówi się jeszcze jakieś takie rzeczy że że patrzymy na liczbę na liczbę tych
Trafień w konkretną stronę monety na przykład jedynki trafienia w jedynkę są bardzo fajne bo je się po prostu zlicza przy pomocy tych x Które tu mają taki algebraiczny wydźwięk z jedynką i zerem to to jest liczba trafień w jedynkę każde trafienie kontrybuuje je do tej sumy i każde nietrafienie kontrybuuje z0 i to jak to jak to funkcja o zmiennych losowych to też jest zmienna losowa i w szkole był jakiś taki wzór że prawdopodobieństwo że sn trafi powiedzmy w j d j które jest gdzieś od zer do n to było n n j j n j w tymze Chodziło o to że że liczymy to tak jak się tak jak się liczy że jak chc trafić w konkretnych J momentów w jedynkę i wszędzie indziej w zer to to jest jakiś sprany ciąg ciąg wyników tych zmiennych jak miałem J R trafić w konkretnych
Momentach ję to muszę pomnożyć prwd przez pozostałe przez pozostały czas konkretnie musiałem trafić w w zer i tu muszę pomnożyć PR a Liczba sposobów żeby wybrać te miejsce na które mam trafić w w jedynkę to to jest dokładnie no i generalnie nie jest to wielka niespodzianka że prawdopodobieństwa Zarze kre sumuj do wszystkiego i Rozłącz któ się sumuje do 1 No i tak to jest że że suma n po n po j p do J 1 min p do n min J od 0 do n Toż to jest dwumian Newtona p + 1 min p do do nte czyli 1 świetnie Czyli mamy prawdopodobieństwa które są nieujemne ią do jedynki czegoś takiego się spodziewaliśmy to teraz pojęcie wartości oczekiwanej warać oczekiwania zmien losowej tak ogólnie to to pojęcie zawiera dokładnie tyle samo trudności co całka leb więc z definiowaniem go to
Bywają problemy na przykład dlatego się to defu na drugi rok natomiast jak jesteśmy na skończonej przestrzeni to to nie jest problem by tutaj jakbyśmy chcieli mieć taki pełny probabilistyczny język to w którym jest Omega tutaj to Sigma algebra zbiorów mierzalnych to jest wszystko i p to to jest także Omega to jest ciąg zbiór ciągów wyników czy zbiór n elementowych ciągów o wyrazach 01 a prawdopodobieństwo od jakiegoś konkretnego ciągu składającego się z n bitów to jest to jest Co to jest iloczyn X1 trafi B1 x2 trafi B2 i tak dalej czyli jak to możemy napisać to jest iloczyn z za każdym razem jak trafimy w 1 to bierzemy p jak trafimy w zer to bierzemy 1 min p trafień w jedynkę jest suma tych wszystkich b trafień w zer jest cała reszta n min suma B No jest taki przesadnie sformalizowany
Opis dobrze dla każdej zmieny losowej definiujemy wartość oczekiwaną to jest suma po małych xach które są przyjmowane jako wartość po to potrzebujemy żeby przestrzeń była skończona żeby żeby móc to napisać Bez bez problemów toch nieskończona przelicz to r prawdopodobieństwo że x trafi dokładnie w wartość i to i to nawet działa dla każdej zmien losowej która idzie z przestrzeni probabilistycznej ona nawet nie musi iść w r Ona może iść w jakąś przestrzeń przestrzeń wektorową byle się dało wartość pomnożyć przez liczbę i potem to dodać to będzie na drugim semestrze taki przedmiot się będzie nazywał algebr liniow Dlaczego to się nazywa wartości oczekiwaną i dlaczego E akurat jest cudownym przypadkiem że po angielsku to jest expectation kiedy się rodził rachunek prawdopodobieństwa to on się rodził we Francji i to wtedy się nazywało SP h i przez długo nawet polskich książkach się pisało że to jest to się nazywa nadzieją
Matematyczną i przy okazji jak się ludzkość przestawiła na angielski to nie musieli zmieniać literki bo to przw i też jest to PR zabawny przypadek że to tak naprawdę to robi t samą robotę co suma i ten greck s wygląda bardzo do łacińskiego e dobra Dlaczego to się tak nazywa d że twierdzenie którego będziemy dowodzić Na to przyjdzie czas twierdzenie jest takie że jakąkolwiek zmien losową niekoniecznie taką jak tam i jej niezależne kopie mówi się że Independent ID to wtedy jak ja dodaję zmi dzi PR to cą zmienny klasowych i on dąży on dąży do średniej czyli do zmiennej stale równe średniej no i to jest magiczne słowo prawie na pewno g słowo to jest związek fricz prawi na pewno znaczy z dokładnością zbior miary zer A ta miara to to to też trzeba dobrze zdefiniować
Bo jak jest nieskończenie wiele takich zmiennych losowych to to już się zaczyna nietrywialna teoria miary tutaj możemy żeby to naprawdę sformułować to to trzeba mieć to trzeba mieć aparat z teorią miary Natomiast póki co rozumiem to intuicyjnie i tak nie będziemy z tego bezpośrednio korzystać to jest tylko powód dla którego ten napis faktycznie jest tym co się spodziewamy w szczególności dla naszego prościutki xa spodziewamy się że jak rzucimy n razy monetą i prawd stwo trafienia w orła jest p to dostaniemy około n r p Orłów czyli liczba Orłów Przez N będzie około p Tak w pewnym sensie się w ogóle nawet definiuje prawdopodobieństwo w momencie w którym się chce przykleić matematyczną teori do do rzeczywistości matematyka się w ogóle nie przejmuje zależności z rzeczywistością matematyka pokazuje jakiś model potem się okazuje że Ojej cudownie pasuje i daje daje wyniki które się zgadzają z doświadczenie powiz Czyś modelujemy przez prz funkc na przestrzeni probabilistycznej tyle Natomiast to
Pojęcie jest o tyle fajne że ono ma bardzo prosty fizyczny Analog Powiedzmy że ja mam bryłę dobrze Jak na razie Powiedzmy że mam układ złożony z ilość punktów powied że punkty Material nieważ rusztowaniem to środek ciężkości to jest takie coś co mi intuicyjnie rozumiemy jak są dwa punkty o równych masach środek ciężkości jest w środku jak tu jest 10 kg to jest je to środek ciężkości jest dużo bliżej jak jest trójkąt to w szkole był jakieś takie pojęcie które się nazywało środek ciężkości trójkąta tak to się rysowało trójkąt tu się brało środki odcinków rysowało się takie kreseczki one się dzieliły w stosunku d do je to z wierzchołka było przecięcie i to się nazywało środkiem ciężkości trójkąta i to się traktowało jako wręcz związek frazeologiczny środek ciężkości trójkąta nawet w szkołe się nie definiuje środka ciż na matematyce przynajmniej środka ciężkości ogólnie figury albo albo nawet układu punktów No więc pilnie maturzysta sobie zdał sprawę z tego że jak mamy dwa punkty to środek
Jest w miejscu a+ B pr2 punkty wolno dodawać po współrzędnych i mnożyć przez liczbę 1/2 po współrzędnych jeszcze p niejszy maturzysta wiedział że jak są punkty w wierzchołkach trójkąta to ten środek ciężkości to jest a + b+ c PR 3 to to co my zrobimy to wyobraz sobie że jest układ ilość punktów na razie na płaszczyźnie i my chcemy je zbalansować Jakby to był to był trójkąt wykonany z jakiegoś materiału i byśmy go chcieli postawić na podstawce tak żeby się zbalansować masa M1 tu jest jakaś masa m2 tu jest jakaś odległość l ja to podeprzeć tak żeby się zbalansować masa razy ramie musi być taka taka jak masa razy RAM Bo to są jakieś momenty siły to akurat ten No ta siła siła grawitacji musi być większa że jak się pomnoży to przez to to żeby było tyle samo i tak się tak się generalnie Liczy
Liczy jak zrównoważyć wagę która nie jest podp w środku tak się liczy Jak zrobić tak żeby Tak żeby dźwig był w równowadze jak to jest to jest kratownica kórej cięższą przeciwwagę niż to żeby na tym krótszym ramieniu się utma się definiował jakieś takie zzy To się prostu liczyło to się prostu mówiło że jak ja Wyobrażę sobie że te punkty są na osi liczbowej i to jest jakieś położenie zrobić żeby to było włożeniu a1 położ a2 z przyspieszeniem przypadkowy może Nazwijmy to x1 x2 żeby się nie pomyliło No to chcieliśmy podeprzeć to w takim punkcie x na tej osi liczbowej żeby się równoważyły siły jedna zaczy momenty sił j to było X min X min X1 r M1 a druga to było x2 min X X M2 no to to równanie się rozwiązuje rów się prostu pisze że dajemy x na
Jedną stronę One S liczbie sztuk M1 plus m2 a po drugiej stronie zostaje tu m2 x2 tu M1 x1 i x by ze współczynnikiem masa całego układu czy jeszcze można patrzeć w ten sposób że to jest w pierwszy punkt i taki współczynnik który mówi Jakim ułamkiem mas ukadu jest drugi punkt i ten napis to już w szkole widzieliście to się nazywało średnia arytmetyczne ważona dokładnie z tymi wagami słowo waga pochodzi dokładnie od tego obrazka jak jest więcej punktów to jest tak samo tylko zamiast takiego równania się pisze mądrzejszy napis sumą bierzemy to parasolkę mówimy że powiedzmy że to jest na płaszczyźnie i chcemy jakoś te płaszczyznę podeprzeć to mamy jakieś punkty niech one niech to będą punkty a AK o masach MK A1 M1 A2 m2 i tak dalej narysowałem trzy może być ich
N no to środek masy nazwiemy go c od centroid to musi spełniać równanie że suma wektorów AK min c pomnożony przez przez masy ma być zero dokładny powód przechodzi przez przez pojęcie momentu siły na które teraz trochę nie mamy czasu no Natomiast myślimy o tym w ten sposób że że suma tych że każdy z tych punktów ciągnie ten środek ciężkości z jakąś siłą która jest jeszcze taką jak w jego kierunku jeszcze pomnożono przez masę No to to się rozwiązuje tak samo jak tam to tylko prościej bo tam trzeba było pisać składniki a tu jest jedna suma tu się prosto pisze że suma AK r MK jest równa c r suma MK tak mog wyciągnąć punkt przed nawias sumowania liczba razy punkt Czyli co jest równe suma taki ułamek jak tu sumuj po k to żeby był turystyczny to powinien jakoś inaczej nazwać ten indeks Żeby nie było że zmien tak samo średnia ważona z z wagami sumujący się do 1 i proporcjonalnymi do
Mas W szczególności jak te masy są równe to tu jest 1 a tu jest n czyli to jest po prostu 1 N sumy wszystkiego jest s ś dobra no więc w pewnym sensie widzicie że to to jest średnia ważona Tu też była średnia ważona suma po osiągalnych wartościach x razy prawdopodobieństwa które są nieujemne się sumują do 1 co jest bardzo podobne do tych napisów tutaj no i na poziomie takim czysto algebraicznym to jest zadana odpowied to jest także wartość oczekiwana zmiennej losowej to jest środek masy Powiedzmy że powiedzmy że zmienna losow Jest skończenie wartościach X1 xk środek masy układu punktów X1 do Nazwijmy to n X1 do XN z masami takimi że k masa to jest dokładnie prawdopodobieństwo że x trafi
W x jak jest teraz wymuszone że masad jest je No na razie to jest prostu czys algebra to jest powiedzenie że jedno i drugie jest równe suma suma xk razy prawdopodobieństwo że x trafi akurat w X można jeszcze o tym myśleć W taki sposób można ty myśleć w taki sposób że każdy punkt materialny to będzie bardzo he styczne rozumowanie al już same punkty materialne są potężną idealizacji wartości to jest jakieś duże N atomów i zamiast brać te zmienną losową to mówimy że y to jest taka zmienna losowa że losujemy atom demokratycznie sprzy tych małych x się znaleźliśmy x1 x2 x3 każdy z tych punktów materialnych to wyobrażamy sobie że to jest malutkie skupisko atomów to jest punkt w którym się znajdziemy Jeśli wylosujemy atom
No i okazuje się że to to jest to samo gdzie to samo to jest w przybliżeniu związanym z tym że n musi być bardzo duże co wartość oczekiwana y dlaczego No bo wartość oczekiwana y to jest suma z xk razy prawdopodobieństwo że y trafi w xk ale to jest przecież to jest demokracja na y głosują dokładnie te atomy na xk głosują te atomy w które które są w xk i każdy ma jeden głos No to xk z uwagi na to że mam że n atomów to jest masa 1 a xk ma masę masę taką to xk ma n razy prawdopodobieństwo trafienia X w xk atomów słow raz kat masa więc to jest tyle jest tyle jest atomów tyle jest wszystkich takie jest prawdopodobieństwo no i ten się skracają w to jest dokładnie to samowi składa się z skończonej liczby punktów
Materialnych oczywiście składa się natomiast No wiadomo jak to jest przybliżenia duże N każdą bryłę sztyw można odpowied dobrze przybliżyć nawet jeszcze dużo mniejszą niż liczbę atomów siecią punktów materialnych które są połączone No i tak teor cał Tole nachodzi rzy skończonych do przez przybliżenia do takich które mają gęstość która jest jakąś tam funkcją na bryle Dobra to wiemy tyle to teraz Wyobraźmy sobie takie coś Ja mam liczby albo wektory wszystko jedno niech się nazwą f0 Fn niech będą jakieś przestr to ja teraz robię taką zmienną losową biorę sobie ten schemat Bern ja mówię tak samo jest suum robię Now z losową ona się nawie
O numerze f o numerze SN rzucam monet razy patrzę ile mi wyszło jedynek siłą rzeczy wyszło między z0 i n i mówię że wylosowałem punkt o tym numerze opis jak opis to to jak ja chcę napisać wartość oczekiwaną takiej zmiennej No to to jest to co to co my już wiemy to jest suma po przyjmowanych przez nią wartościach czyli po wszystkich możliwych FK k rów 0 do n z FK razy prawdopodobieństwo że ta zmienna trafi W W K czyli razy prawdopodobieństwo że sn trafi w k Czyli bierzemy taką sumę jak wcześniej mieliśmy współczynnikami dwumianowym tylko na k tym wyrazie dopisuje Mnożenie przez jakąś liczb no i no no no jest taki
Obiekt okazuje się że ludzie od grafiki komputerowej to już wymyślili nazwali to krzywą bezera gdzie Krzywa polega na tym że jak ustalimy f i zmieniamy p to jest funkcja z odcinka 01 w płaszczyznę b związane z tym układem punktów od P a przy okazji analitycy zanim pojawiła się grafika komputerowa na świecie nazywali toin ponieważ jak ustalimy f to jest Prost funcja każdemu dodajemy współczynnik i coś wychodzi jak ustalimy f i patrzymy jako na funkcję od P to oczywiście to jest wielomian No bo to jest jak nie są bardzo głupie to jest st No
Więc pamiętamy że patrzyliśmy na ten schemat Bern z punktu widzenia twierdzeń granicznych to patrzyliśmy na niego w ten sposób żeśmy nieskończoności to możemy zrobć możemy zesk na przedziale 01 która też idzie w wektory to ja napiszę tej funkcji w ten sposób że ja za te wektory zatrudni spróbowanie tej funkcji jak raz f k PR i to coś jest Zauważcie że jak to w terminach tej funkcji to możemy napisać że to jest wartość oczekiwana
F od SN Przez N No i czego my się spodziewamy Spodziewamy się na podstawie twierdzenia które jak plus kość na nie wpadła To wcale nie było nie takie trywialne że to będzie dążyło do p więc spodziewamy się że jak f jest porządną funkcją to to powinno dążyć do stae zmiennej losowej p i to powinno dążyć do liczby fp No więc udowodnienie twierdzenia tego prawa wielkich liczb pewnej ogólności to jest coś czego dzisiaj nie zrobimy powodzeniem możemy zrobić to w tym konkretnym przypadku tych zmiennych losowych jak s jest sumowaniem jak jest jest sumowanie zmiennych zerowych ale w nagrodę za to że nie robimy tego wielkie ogólności twierdzenie owy nie tylko nie tylko że to dąży A to powinien napisać że to jest n tego rzędu nie tylko udowodnimy że to od P dąży do f od P udowodnimy że dąży jednostajnie przy założeniu że F jest
Ciągła czyli d każdego p zbieżność jak jedziemy z do nieskończoności jest tak samo szybka nasza definicja zbieżności jednostajnej była taka że mówiliśmy że supremum po po wszystkich p zfn ma dążyć do zera przy nieskończoności czyli w szczególności to jest głupie stwierdzenie z punktu widzenia Grafiki Komputerowej Ale to w szczególności implikuje że jak ja sobie narysuję jakąkolwiek krzywą i chcę ją przybliżyć to mogę robić dwie różne rzeczy krzy narysowałem krzywą i teraz zapomniałem o niej to to ja mogę Albo wziąć duże N spróbować te
Krzywą jak tu jest f0 tu jest F1 tu na jakimś k tym poziomie jest f k prz n mogę spróbować rzucić ustalić sobie p rzucić milion razy monetą podzielić liczbę otrzymanych jedynek przez milion i I co zrobić i wziąć f W tym punkcie próbkowy przez milion i wtedy wyjdzie jakiś punkt i to będzie w przybliżeniu f to jest absurdalny sposób rysowania krzywej to bardziej jest istotne z punktu widzenia z punktu widzenia tego tego że to jest Wi się rysuje prosto na te wielomiany na przykład jest piękna i prosta rekurencja która być może napiszę z pamięci i być może się w tym pomylę tak bo bo to znaczy że jak ja chcę narysować jak ja chcę dobrze przybliżyć krzywą to ja chcę sobie wziąć duże N gdzie duże to w praktyce potrafi być nawet równe TR jeśli krzywa jest wystarczająco regularna No i to to mi napisało wielomian który ją przybliża tak jak na tym obrazku o tym tutaj
Jak ja chcę pobiegać po krzywej to to to Biegam Biegam tym p i te te punkty które są pośrednie To jest konstrukcja może zrobię obrazek tak żeby było widać jak wygląda konstrukcja która efektywnie jest rekurencję która definiuje ten ten cały cały biznes Zastanawiam się jeszcze Dlaczego Zastanawiam się jescze dlaczego to jest pozornie inne to po prostu wynikało z tego że tak dobrałem punkty na obrazku wi tu jest rekurencja ogólnie jak jak ludzie od zastosowań piszą wielomiany które przybierają funkcję to to lubią żeby one spełniały jakąś jakąś ładną rekurencję tutaj znaczy udowodni to twierdzenie tylko jeszcze opowiemy o nim ilość rzeczy b f b f0 jest bardzo nie interesujące natomiast bf1 od P to jest weźmy sobie te definicje o wez rów 1 m dwa składniki w k równy 0 mam f0 w liczbie sztuk 1 min P i F 1 w liczbie sztuk p czyli to jest 1 min p f 0 + p f 1
Czyli to jest po prostu jeżdżenie po odcinku międ F01 bf2 p to jest 1 min p f0 plus do kwadratu plus 2p r 1 min p f 1/2 plus P kW F 1 nieud się przekonać na przykład liczby zesp do ręki że to mimo tego że to jest taka funkcja parametryczna to jest tak że pierwsza i druga współrzędna tego czegoś zależą od P kwadratow więc w złośliwym przypadku to mogła być funkcja z pierwiastkami da się udowodnić że da się tak dobrać układ współrzędnych żeby to była taka uczciwa parabola y rów ax k + bx + c a no jak to To pierwsze to jest po prostu jeżdżenie po odcinku to to jest tak że mam te TR punkty i mam taką taką krzywą która jest styczna O tutaj do tych dwóch odcinków ja sobie p j z że już widać rekurencję rekurencja jest taka że ja to mogę napisać jako 1 min p razy to co się
Chce zapakować do 1 min p czyli 0 raz jeszcze muszę dr tym razem napiszę to jako p 1 min p plus p1 już widz konspirację to jest b stopnia ten stopnia 1 i ten 2 się funkcji jest dość upierdliwe natomiast to co się pisze To się pisze że Benin dla jakiegoś ciągu punktów w punkcie P to się składa z dwóch operacji na zewnątrz jest branie tej naszej kombinacji wypukłej bo to się nie maci nie będziesz teraz do tego dokleja wykładu o funkcjach wypukły tej kombinacji wowej zam jest b z początkowego odcinka bez ostatniego punktu od
P plus P raz b i tu jest od pierwszego do zaczy od pierwszego od drugiego licząc od zera do ostatniego no i to Sany stopnia min 1 z tego się zrobi stopia dużo ciągów wielomianów które się pojawiają w zastosowaniach spełni jakąś tego typu rekurencję No akurat tego nie będziemy dowodzić bo po pierwsze jest to po prostu napisanie Takich znaczków Jakie są w dowodzie wzoru Newtona po drugie to nie będziemy z tego bezpośrednio korzystać ale to warto wiedzieć na przykład dlatego że z tego się wziął ten obrazek który jest tutaj na górze tak bo teraz Dlaczego teraz nie widać kursora jak po tym jeżdżę O teraz widać OKE zobaczcie jak to jest zrobione zaczem od tych punktów AB CD to jest to jest Co to jest BF3 bo to wtedy bierze cztery punkty od zera do do TR to jest tak naprawę f0 to jest tak naprawdę F 1 f 2 f 3 Gdzie mówiąc f0 3 mam my f0 f c F2 f 34 Nie bez sensu powiedziałem to jest f
Od 13 F 23 F 1 tu jest Slider który się nazywa p to jest akurat dokładnie w środku w szczególności tu jest tu w cie jest środek ciężkości to jest taki punkt że to jest średnia ważona tych czterech punktów z masami takimi Jakie są prawdopo że trafi w jakąś odpowiednią liczbę Liczbę jedynek w rzutach monetą to prawo się koncentruje przy przy środku Więc nawet widać ten punkt J jest bliżej B i C niż a i b ale konstrukcja jest taka AB CD są pierwotne potem zrobię tak to się wyświetla się w środku okna także to widzicie to jest kombinacja Wagowa a i b współczynnik 1 p f to jest kombinacja Wagowa b c z takim współczynnikiem więc trz kamerą tois zy zego słoniątka to jest w środku jak zmieni p to będzie trochę po tej stronie jak zmienię tak to będzie bliżej tego drugiego punktu w tej kolejności od zera do do TR właśnie widzimy zaś
Kamery także tak to jest to jest taka toś Bey z punktów b BCD na przykład Czyli bierzemy f i g i na nich też robimy kombinację ze współczynnikami 1 min p p i to jest ten punkt i potem robimy ten punkt z ABC i dostajemy h a potem z H I I znowu robimy to byłaby Krzywa Beera dla abf zobaczmy czy jestem w stanie teraz zrobić tak wbrew pozor miejsce geometryczne się bierze z menu do rysowania prostych którego dobra i teraz tak teraz mu zrobię osobny kolor O patrzcie narysował punkt H jest tym tą Krzywą beziera opartą na punktach A B i C i on
Sobie tak jeździ jakbym chciał jakbym chciał o tym pomachać to widać że ta krzywa oparta na punktach a i c to zawsze jest styczna do ab i ac to co się dzieje blisko a jest bardzo nieczułe na to co się dzieje z c tak bo współczynnik z którym c wchodzi do tej całej sumy jest taki że on jest bardzo blisko zera kiedy jesteśmy blisko blisko tego tego końca tak bo jest tam jest to zależność kwadratowa jak jest zależność ogólnie w tej sumie Spójrzcie jak p jest równe około zer to to to jest bardzo blisko f od z0 jak macham f je to w p rów 0 to praktycznie jest niewidoczne bo f od n PR n to ma współczynnik d k równego n tak czyli to jest 1 to jest n f n PR ma współczynnik p do n czyli już nawet jak n jest równe 3 to Fn dla p bliskich zer jest wchodzi praktycznie z zerową
Wagą W każdym razie ZW w porównaniu z resztą No i jest sobie taki obrazek jak ABCD tworzą czworokąt wypukły to to jest taki elegancki obrazek jak się im każemy krzyżować to to krzy się te zaczna krzyżować teraz wygląda tak ładnie Jakby to był rzut czegoś z przestrzeni trójwymiarowej jakby to wykład powiedział dokładnie dlaczego to tak wygląda podobno czcionki są najczęściej kodowane na krzyw bezera stopnia 3 przynajmniej część czcionek przynajmniej a przynajmniej fragmenty Łuków które które robią czcionkę dobra wiemy jaka jest analogia ze środkiem ciężkości wiemy jaka jest interpretacja probabilistyczna to zrobimy najpierw Najpierw zrobimy głupi dowód a potem zrobimy mądry jak zrobił od razu mądry to nikomu się nie chciało oglądać głupiego głupi dowód po prostu się różni od mądrego tym że w głupim trzeba wpaść na mniej rzeczy a potem zobaczymy że tak głupi dowód w nim się daje skompresować pewne
Fragmenty tego dowodu przy pomocy odp dobranych pojęć teraz będzie dowód może nie głupi to będzie dowód pracowity zaczniemy od tego że mieliśmy twierdzenie twierdzenia mieliśmy twierdzenia które mówiły że jak jest funkcja ciągła to jest to ona ma jakąś ilościową realizację tego jak jest ciągła to znaczy stwierdzen trasa supremum modułu f przez mod na myli może być długość wektora nie zacz żeby czuć że robimy to od razu wersji wektorowej supremum tego To jest jakieś m i jest skończone A ponadto jest moduł ciągłości to jest dziwne że twierdzenie o tym że funkcja ciągła ma moduł ciągłości jak jest na zbiorze zwartym że ona nie ma jakiegoś takiego jednego konkret nał i mówi że jeśli x y są odległości co najwyżej Delta
To FX się nie różni za bardzo od f y i twierdzenie twierdzenie folklor mowienie sylabus każdej analizy mówi że to dąży do zer to jest wszyst dla funkcji ciągłej dobra No i jak funkcja jest porządna na przykład ma ograniczoną pochodną to to Omega jest szacuje się z góry przez coś liniowego Delta bywają funkcje nieporządny na przykład pierwiastek i to akurat fakt że to twierdzenie działa również dla pierwiastka z tego się często korzysta Więc to nie jest takie prosto Dobra teraz będziemy to to robić co analitycy luy najbardziej czyli pracować bierzemy naszego wroga to znaczy moduł nawet napiszemy długość wektora stać n moduł FP minus suma k rów 0 do n n po k
Prawdopodobieństwo raz k że moja ręka nie umarła będę jakoś oznaczał na przykład oznaczymy to przez PK No i p się do jedy najpierw robimy czy algebr czy algebra mówi tu mam tego ze współczynnikami równymi 1 to ja mogę FP napisać jako suma pę No to to jest po prostu suma PK raz f min f PR teraz stosuje nierówność trójkąta dla modułów to jest po prostu moduł x y ogólnie dla wektora x to jest pierwiastek z sumy kwadratów współrzędnych napisem pompatycznie moduł któ nic nie robi bo to się tak s robi zespolony i w Mod jest potrzebny to to wtedy nierówność trójkąta mówi mówi tyle jako że norma zzy to się nazywa
Norma tego wektora jest x y y czyli jak mam trójkąt 0xy pcie tu jest norma x Tu jest norma y a to jest odległość między punktami czyli stwierdzenia Pitagorasa to jest takie coś czyli ta nierówność to jest tylko i wyłącznie powiedzenie że że ten że z z Wrocławia do Warszawy jest co najwyżej tak daleko jak zoca Warszawy No dobra to teraz jakbyśmy tutaj przywal tak brutalnie nierówność to to był jakiś absurd to do zer wł plus moduł czegoś to to by nie dążyło do zer teraz tak dobrze przeraś sumę że teraz możemy jak się później okaże bezkarnie oszacować to z góry przez sumę modułów PK to są liczby nieujemne więc wyciągam przed moduły i teraz na wykładzie to twierdzenie robiliśmy w wersji wersji dla funkcji tak wersji funkcji która idzie w
Skalary ale to jest nie problem No bo ten moduł ciągłości tak się szacuje przez supremum z maksimum z modułów ciągłości komponentów jak funkcja idzie to To jest trywialne uogólnienie i terwa najpierw dzielimy na każde możliwe dwa kawałki a potem się okaże na które trzeba było to napiszemy jako sumę po takich k że k prz N na razie to wszystko Ten cały Rachunek jest dla ustalonego n dla ustalonego p i teraz jeszcze ustalimy nowy parametr się nazwie Delta teraz to będzie bliskie czyli k n p No jest mniejsze niż Delta czyli tutaj to jest suma po tych k któ są w przybliżeniu p r n z PK raz f p min f k PR n no plus reszta czyli plus suma po tych k że k prz n min p jest większe równe Delta z PK raz ta różnica na razie nic
Nie zrobiliśmy Podzieliliśmy sum na dwa kawałki i teraz chc udowodnić że każdy z nich jest mały ale z zupełnie różnych powodów prościej będzie z tym kawałkiem dlaczego Bo tutaj k jest k PR jest blisko p czyli z jednost ciągłości f te rzeczy są blisko a ponadto to wumu tak z dwa brutalne szacowania pierwsze jest takie pierwsze ta suma jest mniejsza równa niż tu mam k PR n min p mniejsze od Delta tu Oszacuj przez supremum takich rzeczy kiedy Mam tylko informację że tych dwóch jest bliżej niż Delta tu zrobię Omega f od Delta a drugie to będzie suma po naszym przeciętym zbiorze to szacuje hiper brutalnie to po prostu jest mniejsze równe niż norma f p plus norma f k PR n i każde z nich jest brutalnie mniejsze równe niż
Supremo więc tu nawet mogę napisać klik klik 2m ta sumy jest z jedynki dlaczego tak zrobiłem intuicja jest taka że Spodziewamy się z tej intuicji probabilistycznej tej tutaj że jak robimy taki napis jak tutaj to skoro to jest w przybliżenie a się teoretycznie może jakoś zmieniać tak tam by którego to jest jest taki że tutaj współczynniki przy wartości bardzo bliskich p są że jest Skon prakty CA masa a masa nareszcie dąży do zera czyli spodziewamy te współczynniki są bardzo bliskie bliskie jedynki może nie ty współczynniki co suma współczynników kiedy k jest blisko p daje udowodnić i prawdopodobnie jeśli wystarczająco się pospieszy z materiałem to zrobimy wzó singa Który rok temu mi się udało zrobić bez bez napisanie
Jednej całki to wyniknie jak jak bardzo to się koncentruje przy przy k równym w przybliżeniu p prz n ście k nie będzie nigdy prawie nigdy równe dokładnie p PR n bo to nie musi być liczba całkowita natomiast wartości blisko tego są zawierają mdc większość masy i takie rowanie zrobiliśmy tutaj to znaczy powiedzieliśmy że to jest małe dlatego że to jest małe a to jest po prostu suma PK która i tak się oszacuje z góry przez sumę wszystkich PK które jest równe 1 a to będzie mały dlatego że to są współczynniki których suma jest mała w nasze szacowanie jest takie że to szacujemy teraz z góry to po prostu przez 1 bez tego suma ta suma jest mniejsza równa 1 w to się po prostu szacuje przez moduł ciągłości f w delcie jeszcze nie dobraliśmy delty Plan jest taki że bierzemy u stronę p n biegnie do nieskończoności więc dobierać będziemy dobierać del do n i potem w sposób cudowny dostaniemy oszacowanie które jest niezależne od P plus 2m r
Oczywiście M NAP to jest liczba takich oczywiście tak tu jest k PR n min p więc tak naprawdę teraz będziemy szacować tego wroga No i jego też Oszacuj brutalnie klik klik klik to jest mniejsze równe niż suma PK d tych k po których bierzemy sumę bez wątpienia liczba k prz n w module minus P Przez delta jest większe rów 1 nieujemne więc mogę zrobić takie owanie dożyłem czynnik większy równy 1 żeby sobie jeszcze bardziej utrudnić to ja Oszacuj z góry przez coś jeszcze większego Dale większe od 1 większe równe Dlaczego kwadrat głupia odpowiedź jest taka że dlatego że wtedy wyjdzie odpowiedź taka Przez jaką ludzie o tym myśleli jest taka że suma modułów generalnie się liczy kiepsko suma
Kwadratów modułów zazwyczaj się liczy przyjemnie więc jak postawię kwadrat to ja tu nie muszę mieć modułu tu mam kwadrat i kwadr mogę zrobić kolejne brutalne owanie teraz przez sum po wszystkich k Ja wierzę że PK dla k spoza tego zbioru są tak małe że kwadrat mi nie przeszkodzi to jest duże ale się okaże że to się da skompensować zostajemy z PK r k PR n p k No więc teraz teraz będziemy musieli policzyć i to liczenie to jest ten pracowity element dowodu mądry dowód jest z grubsza taki tylko po prostu ma trochę mniej znaczków oraz ten pracowity element dowodu potem skompresuj bo tak naprawdę schowa go gdzie indziej Teraz ja chcę policzyć trzy rzeczy sumę PK to ja znam więc Chcę policzyć dwie rzeczy Chcę policzyć sum k r PK k rów 0 do No liczymy nie takie sumy się ze szwagrem
Liczyło k Dlaczego 1 bo składnik k równego z0 i tak jest równy z0 k raz no i to już nie ma zmiłuj musimy napisać pełną postać tego tego paskudztwa no i teraz moglibyśmy być i powiedzieć żey p TOZ q Powiedzmy że to jest pochodna czegoś tak się to da policzyć ale skoro pracowity dowód to policzymy pracowicie na podstawie manipulacji algebraicznej na symbolach Newtona k r po k to jest k r n silnia przez k silnia raz n min k silnia to ja to mogę wrzucić do mianownika i sobie skrócić i to jest ten bierny obserwator to pilnujemy granic sumowania to akurat są ważne i teraz to wygląda prawie jak symbol Newtona tylko że suma na dole jest n min k plus k-1 Czyli min 1 czyli tu jest za dużo to wyciągamy na przed nawias n silnia k min właśnie n-1 silnia k-1 silnia n min k silnia
Już widzimy co się święci więc pręty nie wyciągamy jedno p z tego bo teraz naszym bohaterem będzie k-1 suma k rów 1 do n wyciągnęliśmy jeszcze 1 p więc to jest np razy suma n-1 po k-1 k-1 rów k czyli doład tutaj p do K min Pi 1 min p do n min k ale to też napiszę w taki sposób to teraz pozostało zrobić to co się robi z takimi sumami jak wszędzie jest k-1 powiedzieć że teraz nasze nowe k jest równe k-1 nowe k jest teraz od 0 do n-1 n-1 po nowym k p do potęgi nowe k 1 min p do potęgi n min 1 min Now k No i Toż to jest Newtona to jest np r p plus 1 min p do potęgi tym razem min pi więc wychodzi jak to tak sprawnie
Policzyliśmy to teraz patrzymy co się tutaj dzieje jakbyśmy tutaj otwarli nawiasy to zależność od k p KP k to zamiast policzyć sum k k razy to coś to policzymy nieznacznie zmodyfikowaną policzymy taką k rów 0 k p do K 1 min p do K najpierw liczymy to jako sum rów bo pierwsze dwa składniki i tak są zer więc to będzie suma od k rów 2 do n n silnia skracamy to z k silnie i zostaje nam k min 2 silnia n min k silnia raz p do K te 1 min p do n min kcie OSTR pazurki na fotelu Patrz jak to przeszedł jeszcze
Mrucz Tak ustawić żeby go było widać Patrzcie dobre pytanie C czy słychać jego mruczenie do mikrofonu zrobimy eksperyment musimy mruczeć dobra i tu robimy dokładnie taką samą woltę jak wcześniej to znaczy piszemy to n silnie jako n-2 razy raz takie coś wyciągamy tym razem dwie sztuki p z tego p do K tej i tu piszemy sumę k rów 2 do n n min 2 silnia przez k-2 silnia raz n min 2 min k-2 silnia tu jest p do k-2 tu jest 1 min p do potęgi n-2 min k-2 to
Teraz podmieniamy k na k-2 powinien być nawias i stwierdzamy triumfalnie że to jest dwumian New na p plus 1 min p do potęgi n min dr i to jest 1 więc wychodzi nam n r n-1 x P kwadrat no wątpliwości tego czy to wyszło dobrze ale wiem ile powinno wyjść w samym tym ostatecznym szasowanie więc miejmy nadzieję że będzie dobrze teraz wracamy do tego co mieliśmy policzyć tu mieliśmy policzyć to różowe kocie wierz że jesteś najbardziej niepraktyczny kotem w galaktyce No to piszemy to jako suma PK
Co się tutaj dzieje dzieje się k kW prz n kW min 2p PR n r k plus P kW No to to jest kombinacja liniowa sum które memy policzyć p bezczelnie nic sobie nie robi z tego że to się wielka matematyka dzieje 1 PR kW razy suma PK PK r k k minus 2 P Przez N razy suma PK x k plus P kwad razy po prostu suma PK tymczasem jeszcze zrobimy jedną
Kosmetykę pamięta że policzyliśmy policzyliśmy sumy sumy z tym tu się skę pił teraz i z dobrze kamera Czy wiesz że ostrość moz łapać na kota nie na człowieka policzyliśmy sumy dobra po kolei P kwadrat to jest prostu P kwadrat bo suma p jest 1 zmieści się w kadrze złoczyńca zmieści się a zatem napiszemy to jeszcze jako suma PK r k kW min k w liczbie sztuk 1 PR kwadrat plus i teraz
Suma k r PK będzie w liczbie sztuk Tu musimy skompensować to czyli 1 PR n kwad min 2p prn i teraz postawi te dwi rzeczy które policzyliśmy i modlimy się żeby wyszło kennym kotem tu to jest P kwadrat ta suma to 1 PR kwad raz i teraz ta suma nam wyszła wyszła nam ile n r kW Plus i ta suma nam wyszła np no To liczymy i modlimy się żeby się nie pomylić tu jest n min 1 PR n p kwad już mi się to nie podoba ale może plus 1 N -
2p x np czyli P kwadrat jest w liczbie sztuk 1 + 1 - 1 N tutaj jak pomnożymy to będzie - 2n to nie może tak wychodzić mielibyśmy takie coś po prostu plus P tu nam coś Coś nam nie wyszło Oczywiście jak zwykle nam nie wyszło w ostatniej linijce tutaj jak skróciłem tego na z tym to to go nie nie skreśliłem tu i teraz się wszystko zgadza bo teraz P kwadrat występuje w liczbie sztuk 1 plus 1 PR czy min 1 N tu jest - 2p kw i jeszcze ostatnie jest plus p r 1 N I teraz to wychodzi tyle ile miało wyjść bo tu nam zostaje - 1 p kW plus 1 n p czyli 1 n p x 1-p
Tak tak czy na pewno to jest jedna enta tak Tu jest jedna enta No co kocie przez dzisiaj przez cały jeden wykład ja ja tu pisałem na tablecie on mi pazurkowa rękę złoczyńca potem udawał że jest śpiący jest zmęczony pozowaniem W każdym razie oszacowali miy tego różowego wroga on to nas przyszedł stąd wi ten nasz napis o ten prawdziwy wróg powiedzieliśmy że on się szacuje przez moduł ciągłości z którym na razie nic nie zrobimy plus 2m jak tam nam wyszło 1 prze Delta kwadrat razy właśnie to bo tam powiedzieliśmy
Tak powiedzieliśmy że tu możemy wziąć sumy po wszystkich PR kwad raz to co właśnie policzyliśmy no więc teraz dzieje się cud cud wygląda tak to na poziomie wiedzy maturalnej jest mniejsze równe niż 1/4 Toż to funkcja kwadratowa która jest smutna ale powinna być szczęśliwa z tego że jest częścią takiego wspaniałego dowodu więc to teraz oszacował przez Omega f del plus 21 PR Delta kwadr tam jest jeszcze 1/4 mogę to nie ma znaczen tak jest stałe tu jest delta tak Delta kwadr raz NC teraz widz że to jest jak bal jak wezmę Delta bardzo małe takie żeby ten był mały to suprem
Minus tego od tego śmy że jest właśnie takie coś to jest dla każdego Delta dla każdego wyboru del to to już zależy tylko od N I to jest mniejsze równe niż Omega f od Delta n plus stała razy 1 prz n Delta n do kwadrat czyli chcemy dobrać taki ciąg Delta n chcem wiedzieć przez to szacować na tym poziomie żeby to dążyło do zera nieskończoności więc z tym nie ma rady to jest moduł ciągłości on po prostu dąży do zera kiedy Delta dąży do zera czyli potrzebujemy dwóch warunków Delta ma dążyć do zera a ten warunek jest przeciwstawny to ma dążyć do zera czyli n Delta n kwadrat ma dążyć do nieskończoności czyli del nie może być za małe No i to sięo jak Delta n będzie rzędu 1
N to to będzie dużo za małe to muszę zrobić więcej jak będzie rzędu je przez pierwiastek z n to tutaj będzie akurat 1 to jak wezmę Delta N na przykład równe n do min 1/3 to jestem zrobiony to dąży do zera n Delta n to jest n r n do min 2/3 = n do 1/3 też dąży do zera No to zrobiliśmy nasz Bruk jest wręcz równy Omega f od N do min 1/3 plus stała razy 1 przez to coś tak Czyli n do min 1/3 i to dąży do zera kiedy nż do nieskończoności To udowodnione z kiepskim zbieżności TR stopnia ale ale wciąż dobra i teraz dlaczego ten dowód można było podzielić na kawałki tak żeby był łatwiej strawny to jest taki dowód Jak
Się robi tak po prostu na analizie że się liczy i wychodzi cudem rachunkowym cud rachunkowy to jest wariancja wariancja zmiennej to z definicji jest wartość oczekiwana x Minx dlaczego ten napis ma a jak to jest zmienna wektorowa to tutaj biorę po prostu kwadrat długości wektora No ta definicja ma sens bo to jest stała mogę od zmien odjąć stałą zmi mę obłożyć zę losową Czyli mam śred z jakie zmi los Oczywiście to jest większe równe z jak to średnio z czegoś nieujemne ja mam na tle ramienia w tym czym żeby żeby dać pewną kamerę na kota taki ale wariancje też można policzyć w inny sposób można powiedzieć że to jest wartość
Oczekiwana na liczbach to był Proście by wzó mnożenia tu są wektory to jak chcemy policzyć na liczbach to się mówi że wartość oczekiwana o czegoś takiego tu jest wó Skon mnożenia X K 2x kwadratu teraz Korzystamy z tego że wartość oczekiwana się propaguje przez dodawanie to jest oczywiste z definicji z sumą to jest e od x kwad minus minus co minus e od x x 2e x plus średnia z ze zmiennej stałej Czyli po prostu jesta wartość czyli jest średnia kwadr PR ś x k długopis niedobry plus średnia x do kwadrat Czyli to się skróci nieujemne ten wniosek sam z siebie jest
Nietrywialny jak x jest zmien dostanie rozłożone na jakimś jak liczbach to to jest dokładnie nierówno kwadrat się napis definicj to widać na wektorach się liczy tak samo tylko trzeba się trochę bardziej napisać z iloczynem skalarnym tak bo kwadrat długości różnicy wektorów to jest 1 do kwadratu min 2 r na iloczyn będzie iloczyn skalarny plus plus długość ex do kwadratu No i teraz tak samo tu jest wartość oczekiwana x do kwadratu minus znowu liniowość to jest stały wektor więc ja z tym mogę wejść pod iloczyn skalarny tu jest e r czyli długość do kwadratu plus długość do kwadrat i z tego samego powodu to jest takie coś opowieści o tym jak cudowna jest wariacja to można
Mnożyć Jedna z nich jest taka że to jestr mianowicie jak ja zrobię taki trójkąt tu mam zero reprezentuję zmienne prostu jako wektory wowej przestrzeni tu mam x Tu mam średnią x po prostu wsadzone na każdej współrzędnej o liczę długość wektora znormalizowaną Przez N to tu jest trójkąt prostokątny tu jest długość x znaczy ten tu jest wartość oczekiwana długości x do kwadratu tak chciałem powiedzieć tak tak chciałem powiedzieć długość tego odcinka tak naprawdę jest jest taka długość tego odcinka jest po prostu taka długość tego odcinka to jest wariancja zaczy do kwadratu jest wariancja długość War i jest twierdzenie Pitagorasa to się nazywa odie standardowe często się prościej myśli o odchyleniu standardowym dlatego że wariancja jest w jednostkach kwadratowych jak x jest w metrach to to
Wariancja jest w metrach kwadratowych a odie standardowe wy jest w metrach Dobra to mamy pojęcie już które w Samych swoich dwóch równoważnych definicjach zawiera całkiem nietrywialny sprytny rachunek w szczególności rachunek który dowodzi że średnia kwadratowa jest większe od średni arytmetycznej No bo jak x jest jak x jest po prostu losowaniem jednostajnym ze zbioru X1 XN to wtedy średnia x kwadrat to jest takie coś i nasza nierówność o nieujemna wariancji mówi że to jest większe równe niż takie coś czyli średn arytmetyczne do kwadratu ta nierówność ma mnóstwo dowodów Ale każdy ma w sobie jakąś przynajmniej drobną nietrywialna to jest chyba najszybszy i najczystszy dobrze dlaczego to pojęcie jest fajne dlatego że jest takie coś jak b bezwładności jak wcześniej mówiliśmy że jak mam układ złożony z mas jakieś masa mi jest w położeniu Ai ja mówiłem że
Średnia że x prawdopodobieństwo że x trafi w punkt a deklaruje że jest mi i deklaruje że masa całego układu jest jednostką masy to wtedy wartość oczekiwana x to było dokładnie środek masy cię tego że ma więcej sylab ale jakoś tak bardziej się przyjęło ś ciężkości zależy od pola grawitacyjnego środek masy to jest konkretnie funkcja Tylko funkcja rozłożenia gęstości No to Zauważcie że jest takie piękne pojęcie on się nazywa moment bezwładności to zrobimy względem punktu ogólnie bezwładności prostej to jest tak moment be rzutu względem punktu więc i tak wystarczy myśleć tylko momentach względem punktu i moment względem jakiegoś punktu powiedzmy powiedzmy p tego naszego ciała No to to jest Co to jest z definicji to jest suma mi razy odległość tego a tego
Punktu od tego tutaj nozi jest bezład względem środka masy plus masa całego układu Która teraz jest równa 1 razy odległość p od środka masy jest najmniejszy jest środek masy warto przy okazji od każdego innego się wyraża prostym wzorem więc warto myśleć po prostu tylko o momencie względem środka masy znaczy w sumie czasem warto i odwrotnie czasem jakiegoś innego punktu się liczy prościej i z tego mamy środka masy bywa i tak ale to o co mi chodzi to to że definicja coś bardzo przypomina to jest tenz centr su czy prawdopodobie że nasza zmiena trafi w razy odległość a i od środka masy
Czyli od jej wartości oczekiwanej Toż to jest z definicji wartość oczekiwana tej zmiennej losowej ona tak x k przyjmuje tylko wartości a kw i każdą z nich prawd takim z jakim x trafi akurat z Czy jest taki wzór wariancja jest Toż sama z po prostu jest to samo pojęcie co mamy bez w środka masy Dlaczego tym nie ucz przedszkolu nie wiem tymczasem tymczasem jeszcze chc udowodnić wzór d średniej to to jest oczywiste to po prostu wynika z tego że że dodawanie jest przemienne natomiast jest też wzór wariancja x plus y Ona jest równa wariancji wariancji x plus wariancji y ale dla x y
Niezależnych niezależność znych losowych to jest pojęcie które znowu żeby tak naprawdę o tym opowiedzieć tak zupełnie zupełnie dokładnie to by trzeba o tym zrobić wykład natomiast jesteśmy twardzi i zrobimy z niego po czujemy intu do formalizmu definicja jest taka że x i y są niezależne w sumie nawet teraz jak ten wykład jest tak zrobiony to to jest to jest wykład z pełną ścisłości bo jesteśmy na skończonych przestrzeniach to po prostu te te pojęcia których używamy to jest jakaś tam algebra od od funkcji na skończonym zbiorze co niezależne gdy prawdopodobieństwo że x trafi do jakiegoś zbioru oraz Y trafi do jakiegoś innego zbioru to jest iloczyn prawdopodobieństw ogólnie jak pisz prawdopodobieństwo że x trafi do jakiegoś zbioru to oczywiście jest tak że to jest s na prawdopodobieństwo od zbioru tych elementów Omegi że x od
Omega trafiło w a a jeszcze jak nasza Omega jest skończona i każda jedna mała Omega ma ma swoją konkretną masę to jest dokładnie suma po tych omegach że x od Omega należy do a z prawdopodobieństwa od jednej malutkiej Omegi prawdopodobieństwo na skończonej przestrzeni to jest po prostu przypisanie jakieś masy każdemu z tych skończenie wielu punkcików powinien był od tego zacząć ale tak Toż ze mną bywa że opieram się na tym że że mam jakieś intuicje no definicja jak definicja ale to ja mogę zrobić najpierw lemat to o Albo jeszcze lepiej zrobię zrobię lemat z dwóch kawałków średnia x r y to jest średnia średnia ma dwa słow ma dwie sylaby wartość oczekiwana ma wartość
Oczekiwana siedem sylab przerąbane to jest lemat i to jest koniecznie dla xy niezależny No i dowód się prosto liczy średnia xy to jest x przyjmuje jakieś wartości y przy jakieś wartości no to no to x r x su X który jest w zbiorze wartości x i y który jest w zbiorze wartości y prawdopodobieństwo że zaczy x xy raz prawdopodobieństwo że X X oraz Y Y to jest suma xy r prawdopodobieństwo że x trafi w x r prawdopodobieństwo że y y No ale to jest suma po dwóch
Niezależnych indeksach z rzeczy które są w rozdzielonych zmiennych to jest iloczyn dwóch czegoś od x i czegoś od y to się nazywa otwieranie nawiasów to jest suma po x że x TR x y y y y y czyli w tej niezależności upy otwieranie nawiasów w definicji wariancji w równoważności definicji wariancji to upy taki rachunek to teraz będzie najlepszy kontener na rachunki mianowicie wariancja x plus y to cóż to jest to jest wartość oczekiwana wartość oczekiwana x plus y min wartość oczekiwana X min wartość oczekiwana y bo to jest dokładnie minus minus to coś to to jest to samo co wartość oczekiwana x z wąsem plus y z wąsem gzie DS y z wąsem to jest y min Średnio one są
Oczywiście tak zrobione żeby średnia kimś coś śni żeby średnia x z wąsem była równa 0 tak jak i średnia y z wąsem bo średnia z takiego napisu jest średnia z x minus średnia z liczby średnia X czyli średnia x minus średnia X czyli 0 świetnie to robimy wzór SK mnożenia tak plus iloczyn skalarny raz 2 plus długość y do kwadratu dobra czyli to jest x z wem do kwadratu plus e y z wem do kwadratu 2 niezależność propaguje na komponenty to jest oczywiste z tego wzoru natychmiast się stwierdza że jeśli x y są niezależne to wtedy dowolne f x i g y też No prawdopo że f x należy do a y należy do b to jest prawdo że x należy do f oraz Yb to się propaguje i potem się wraca w szczególności to że dwa
Wektory losowe są niezależne to implikuje że każda współrzędna jednego jest niezależna z każdą współrzędną drugiego więc jak tu mam średnią iloczynu skalarnego to to jest suma kat komponent x z wąsem kat komponent y z wąsem one są niezależne i są średniej zero więc średnia x z wąsem to z definicji to jest wariancja x średnia y z wąsem z do kwadratu to jest definicji wariancja y plus suma śred to zmi niezale średnią No i jak średnia całego wektora jest zero to średnia każdego komponentu jest zero więc za każdym razem kiedy piszemy taki taki rachunek że wariancja sumy to jest suma wariancji to schowaliśmy w tym rachunku to wszystko tutaj a teraz Patrzcie jak się prosto morduje morduje ten nasz dowód bez tych wszystkich rachunków z sumami tak Oczywiście to nie jakby to było tak że te pojęcia są zdefiniowane tylko dla tego jednego wykładu to byłoby natomiast to są pojęcia które i tak są w książce i tak się z nich korzysta one i tak opisują mnóstwo rzeczy więc tym bardziej się cieszyć że
Jak mamy coś czego się i tak używa to że to uprości robotę tutaj teraz będzie dowód dowód leniwy bierzemy ten nasz napis minus tamta Cała suma minus ten nasz Przypominamy sobie że to jest to jest liczba sobie że to jest wartość oczekiwana f to jest wartość oczekiwana liczba f p minus zmienna losowa f SN Przez N teraz przywal nierówność trójkąta która tak samo działa dla wartości oczekiwania bo to bo to jest suma z nie wagami f p min f od SN PR No i to jest jakaś zmienna losowa to jest wartość oczekiwana No to ja mogę powiedzieć że to jest wartość
Oczekiwana funkcja charakterystyczna tych zdarzeń dla których tak to jest funkcja charakterystyczna zdarzenia że Moduł P min SN prz n jest większe od Delta Plus funkcja SN rów del No i to są zdarzenia tak więc to są zbiory na zaczy ja to napisałem jako warunek ale to jest zmienna losowa więc to jest jakiś kim na temat tego gdzie jesteśmy przestrzeni probabilistycznej to jest zdarzenie to jest funkcja charakterystyczna zbioru zi los to razy razy to co tut napisaliśmy No to to się znowu propaguje to jest wartość oczekiwana takiej zmiennej losowej także na tych punktach przestrzeni probabilistycznej na których
Zachodzi ta nierówność Bierzemy je a na pozostałych zer No i teraz robimy z grubsze to co wcześniej tylko teraz mniej znaczków robimy brutalne szacowania tu jesteśmy daleko więc to jest mniejsze niż wartość oczekiwana to jak tu jesteśmy daleko to ja tutaj po prostu mam 2m to jest liczba to szacuję brutalnie przez supremum a tu jesteśmy blisko czyli tu chc się oszacować przez moduł ciągłości czyli tu się chce oszacować przez wartość oczekiwaną po prostu to szacuje przez 1 w tym miejscu toć przez 1 a to przez
Ciągłości czyli tu jest po prostu wartość stałej zmiennej tak moduł ciągłości f w czasem Bogu jest zerem A ta jak nie jest zerem to jest mniejsze równy niż ten moduł to wartość oczekiwania oczekiwana funkcji która jest jeden na jakimś zdarzeniu i zero poza nią to bezpośrednio z definicji to jest po prostu prawdopodobieństwo ale zamiast tego to zrobimy mądrzej zamiast napisać że to jest prawdopodobieństwo co sobie możemy napisać na boku żeby wiedzieć co liczymy tak to co tak robi tak na się nazywa nierówność Markowa nie Markowa w sensie w sensie marki h&m tylko to jest normalnie ten żart że jakaś nierówność całkowa to była nierówność nierówność którą wymyślił radziecki uczony całk a autentycznie było tak że to uczony któ nazywa to jedynkę tam gdzie to jest większe i
Zer gdzie indziej Szacuję brutalnie z góry przez to do kwadratu tak tu zostaje 2m z którym nie ma zmiłuj i tu zostaje moduł ciągłości i teraz to jest ten właściwy improvement który chcemy który zrobimy jeszcze Napiszmy to jak napisać nie myślę że prostu chc napisać po prostu bo to jest jakaś zmienna losowa a p p jest oczywiście równe wartość oczekiwana SN Przez N gdyż albowiem wartość oczekiwana to pamy się wyciąga przed na bo to suma wartości oczekiwanej SN ale SN to była Suma n zmiennych które dają zer albo jedynkę to jest 1 N wartości oczekiwane X1 plus plus plus plus wartość oczekiwana XN każda z nich ma ten sam rozkład każda z nich jest jed p i zer ZEM 1 min p w jest n sztuk tego samego i ta wartość oczekiwana to jest 1 r p plus
0 x 1 min p Czyli dokładnie p tego się należało spodziewać więc to co się nam Jawi naszym oczom tutaj to jest wartość oczekiwana pewna zmienna losowa minus jej średnia do kwadratu więc to jest wariancja już nawet taka bez długości wektora bo to są prostu liczby długości wektora się skończyły na M omedze napis jest po prostu równy Omega f w delcie plus 2m wartość oczekiwana a 2 PR del kwad właśnie już niezw tyko prostu wariancja SN PR ale teraz z łatwością sprawdzamy co powinniśmy napisać jakoś w tym miejscu albo że wariancja k x x Co się dzieje jak do mnożę Skalar to się PŻ prz k i to się pomnoży przez k więc tu jest długość wektora spod
Długości wektora skal wyskakuje z kwadratem A to w ogó jeszcze zaczy modułem tu jeszcze jest kwadrat więc to jest k kwadrat razy wariancja x tak jak to był z rzeczami które są w jednostkach kwadratowych więc to coś tutaj ten rachunkowy złoczyńca który nam przysporzył mnóstwo liczenia Już nawet samo to nam przysporzyło jakiś tam sztuczek z tym że się brało symbole dwumianowe robiły się na nich te rachunki przesuwało się sumy i coś tam a tu po prostu brutalnie 1 PR k warian sna SN to jest suma niezależnych zmiennych losowych każdy z tych k był niezależny wic to jest 1 PR kwadrat raz n sztuk już napiszę żeby było widać wariancja jednego plus plus plus plus wariancja ostatniego to ich jest n sztuk takich samych czyli to jest 1 N wariancji jednego z nich czyli 1 N No i teraz możemy jak policzymy wariancję napiszemy z tej pierwszej definicji że to jest wartość oczekiwana X1 do kwad min kwadrat wartości oczekiwanej ale X1 kwadrat w ogóle jest równe x bo
To jest zmienna zerowa tak tu napisaliśmy że średnia z x jest każdego x jest jest równa P oraz xk do kwadratu jest równe xk No to to jest średnia z jednego x czy p to k czy łam tyko sprowadza się do ogólnej wied o tym jak dziaa wariancja i do tego jedn linkowego rachunku który sam prowadzi z rączkę raz 1 1 i dokończenie mniejsze równe niż 1/4 i to dąży do zera przy nie dążąc do nieskończoności gdy gdy delta n jest równa n do min 1/3 więc ten dowód jest na jedną stronę tamten był na dużo więcej więc twierdzę że ten na pewną
Przewagę Oczywiście ma tę wadę że do niego się trzeba trochę no można nauczyć co przyswoić pojęcie nimi operować Dobra to na zakończenie narysowali jakm robił jakieś symulacje ty Monte Carlo to byłoby jeszcze tylko Widać jak bardzo słabo to jest zbieżne więc więc może nie tym razem natomiast policzymy policzymy granic takan po k n po k na przykład razy dobra 1 PR 2 do n to to jest stale 1 to jest po prostu wymien Newtona jak to zaburza razy k to tam coś wychodzi jakoś się licz d natomiast jak ktoś tut dopisze pierwiastek z k nasze normalne metody liczenia sum to przerąb nawet jak napisał po prostu k i bym chciał to Wysowa to zawsze mogę zaburzyć przez dopisanie X
Min pi że to jest pochodna takiej sumy x do K obliczyć wzór ogólny na to z dowolnym xem jak jak na pochod i potem na końcu wstawić x rów 1 tak samo jak miał k kwadr jak mam pierwiastek z k to musiałbym p raz toć w tymze więc okazuje się że takie granice się znaczy nawet nie ty granice no asymptotyka takich rzeczy się po prostu liczy z z Wi bernsteina No bo Spójrzcie to to jest pierwiastek z n razy to coś znormalizowanego przez pierwiastek z n No i Toż to jest nasz Benin mogę dopisać to 1/2 pompatycznie w takiej formie i Toż to jest dokładnie pierwiastek z n razy nste funkcji pierwiastek w punkcie akurat konkretnie 1/2 i w związku z tym
Można dać jako zadanie dla ni podejrzewając niczego studentów że jest takie coś Suma n po k pierwiastków z k No jak się nie zna tej sztuczki to policzenie tego jest jest trudne ale to dąży do wartości tej funkcji w tym punkcie do pierwiastka z 1/2 policzenie tego normalnymi jest dość karkołomne i tak się Ogólnie daje liczyć takie graniczne napisy sum postaci razy coś gdzie gdzie to coś nie jest na przykład jakimś ciągiem geometrycznym od na który się to prostu liczy i tak naprawę był główny powód dla którego robiłem wykład o module ciągłości bo wasza edukacja bez tego przeżyła to znaczy zależy co przeżył ale w takim pierwszym czytaniu analizy 1 się da się bez tego przeżyć natomiast z
Tego potem są takie takie urocze twierdzenia oraz potem jak jak w jakimś wydaniu będzie teoria całki to to to ona nie ruszy bez bez modułu ciągłości z dobrze można od razu robić cał ale potem i tak dowodzenie że jest CA chyba wymaga modu ciągłości Także tak czy to jest wszystko co ja chciałem powiedzieć w tym całym temacie uwaga od ludzi nie ma sensu te krzywy właśnie są fajne dlatego że A jak ja muszę aktywować to okno żeby był kursor te krzywy są fajne dlatego że one dobrze przybliżają krzyw które nie są bardzo które nie mają zbyt dużej zmienności one je dobrze przybliżają nawet dla niskiego stopnia natomiast to i tak warto wiedzieć że to dla wysokiego stopnia to jest jakaś tam zbieżność wiedzieć przez co ona się szacuje No i wiedzieć że się robi takie takie śmieszne obrazki w których tam tak naprawdę ta okolica krzywej trochę się rusza jak ja ruszę tym punktem tyl tylko tego nie widać bo bo tam współczynnik przy tym jest
Mały jak się zrobi więcej punktów to się to się zrobi Więcej możliwych kształtów tej krzywy whisky idzie spać To chyba tyle