Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Metody probabilistyczne
1.
2. Metody numeryczne – metody rozwiązywania problemów matematycznych za
pomocą operacji na liczbach. Otrzymywane tą drogą wyniki są na ogół
przybliżone, jednak dokładność obliczeń może być z góry określona i
dobiera się ją zależnie od potrzeb.
Metody numeryczne wykorzystywane są wówczas gdy badany problem nie ma
w ogóle rozwiązania analitycznego (danego wzorami), lub korzystanie z
takich rozwiązań jest uciążliwe ze względu na ich złożoność.
W szczególności dotyczy to:
› całkowania
› znajdowania miejsc zerowych wielomianów stopnia większego niż 2
(korzystanie ze wzorów na dokładne wartości pierwiastków równań
stopnia 3 i stopnia 4 jest niepraktyczne, dla równań stopnia wyższego
niż 4 wzorów już nie ma)
› rozwiązywania układów równań liniowych w przypadku większej liczby
równań i niewiadomych
› rozwiązywania równań różniczkowych i układów takich równań
› znajdowania wartości i wektorów własnych (zob. równanie własne)
› aproksymacji, czyli przybliżaniu nieznanych funkcji (np. pomiarów
zjawisk fizycznych)
3. Interpolacja liniowa szczególny przypadek
interpolacji za pomocą funkcji liniowej.
Jeśli x określa wartość z przedziału
x0 < x < x1, a y0 = f(x0) i y1 = f(x1)
tablicę wartości danej funkcji, oraz
h = x1 - x0 odstęp pomiędzy
argumentami, wówczas liniową interpolację
wartości L(x) funkcji f otrzymujemy jako:
4. Interpolacja wielomianowa, nazywana też interpolacją
Lagrange'a, od nazwiska pioniera badań nad interpolacją
Josepha Lagrange'a, lub po prostu interpolacją jest metodą
numeryczną przybliżania funkcji tzw. wielomianem Lagrange'a
stopnia n, przyjmującym w n+1 punktach, zwanych węzłami
interpolacji wartości takie same jak przybliżana funkcja.
Interpolacja jest często stosowana w naukach
doświadczalnych, gdzie dysponuje się zazwyczaj skończoną
liczbą danych do określenia zależności między wielkościami.
Zgodnie z twierdzeniem Weierstrassa dowolną funkcję y=f(x)
ciągłą na przedziale domkniętym można dowolnie przybliżyć
za pomocą wielomianu odpowiednio wysokiego stopnia.
5. Interpolacja liniowa - jest przypadkiem interpolacji wielomianowej
dla dwóch punktów pomiarowych x0 i x1, dla których można
utworzyć funkcję liniową, której wykres przechodzi przez punkty
(x0,f(x0)) i (x1,f(x1)).
Ogólna metoda
Metoda interpolacji polega na:
› wybraniu n+1 punktów x_0,x_1,cdots ,x_n należących do dziedziny f,
dla których znane są wartości y_0=f(x_0),y_1=f(x_1),cdots
,y_n=f(x_n)
› znalezieniu wielomianu W(x) stopnia co najwyżej n takiego, że
W(x_0)=y_0,W(x_1)=y_1,cdots W(x_n)=y_n.
Interpretacja geometryczna – dla danych n+1 punktów na wykresie
szuka się wielomianu stopnia co najwyżej n, którego wykres
przechodzi przez dane punkty
6. Szybka transformacja Fouriera (ang. FFT od Fast Fourier
Transform) to algorytm liczenia dyskretnej transformaty Fouriera
oraz transformaty do niej odwrotnej.
Czasem używana jest też forma szybka transformata Fouriera w
odniesieniu do tej metody. Ściśle jednak transformacja jest
przekształceniem, a transformata wynikiem tego przekształcenia.
Niech x0, ...., xN-1 będą liczbami zespolonymi, wtedy dyskretna
transformata Fouriera jest określona wzorem
7. Metoda Monte Carlo (MC) jest stosowana do
modelowania matematycznego procesów zbyt
złożonych (obliczania całek, łańcuchów
procesów statystycznych), aby można było
przewidzieć ich wyniki za pomocą podejścia
analitycznego. Istotną rolę w metodzie MC
odgrywa losowanie (wybór przypadkowy)
wielkości charakteryzujących proces, przy
czym losowanie dokonywane jest zgodnie z
rozkładem, który musi być znany.