Grudzień 2019, wschód słońca, południe i zachód. Po prawej różnice (dodane pół stycznia). Excel, www. Thx to TG.
Dydaktyka Ilustracje Download FotoTechnika Liczby pierwsze ∞ Probability Sinus Home
Zewnętrzne: Skala astronomiczna Pies-robot Perelman 4D Nierówność Bella, polaryzatory 1.7e9 gwiazd Rubiks Hypercube Machine Learning Size of Russia The 100 Best Science Books Cosmos Here is today Free Science Books Leonard Susskind Einstein for Everyone Feynman Feynman 32 metronomes MITedu How big is space? Acoustics Granular eruptions Fire from moonlight Particle simulation NASA Planetary Image Atlas NASA Instrument Information Life in life 3d total 7000 klatek/s Chrome Experiments, JavaScript Kot Schroedingera Kolory Qubity WolframAlpha Drzewo życia Skala długości Kostka Rubika Magnetyczne kulki ToneMatrix
Grudzień 2019, wschód słońca, południe i zachód. Po prawej różnice (dodane pół stycznia).
Excel,
www. Thx to TG.
Program rozwoju szkolnictwa wyższego i nauki na lata 2015-2030
... Ważnym elementem reform powinno być uczynienie jednostką podstawową uczelni, a nie wydziału.
List.
Październik 2015
... lepsze przygotowanie absolwentów do rynku pracy i wyposażenie ich w miękkie, także humanistyczne kompetencje,
Maj 2015
... zmieniającymi się metodami nauczania ... Studia powinny dawać Wam szeroką wiedzę ... analitycznego myślenia ... wykorzystywanie wiedzy z różnych dziedzin ... prowadzenia studiów interdyscyplinarnych – na różnych wydziałach ... Was czeka zupełnie nowy świat. Świat, w którym otwarte głowy i innowacyjne pomysły są na wagę złota.
Październik 2014
Agata Skoczylas et al.
Każdy wynik liczbowy (wynik pomiaru lub średnia z wielu wyników pomiarów) powinien mieć podaną niepewność. Niepewność nie daje się dokładnie oszacować, dlatego podaje się ją z dokładnością do, co najwyżej dwóch cyfr znaczących. Cyfra znacząca (w tym przypadku) nie zależy od pozycji kropki (przecinka) dziesiętnej. Przykłady liczb z dwiema cyframi znaczącymi: 12; 1.2; 0.0012; 12000; 30; 0.030; 30000 (zero po pierwszej cyfrze znaczącej traktuje się jako znaczące). Jedna cyfra znacząca wystarcza, gdy jest nią 5, 6, 7, 8 lub 9. Jeżeli w wyniku obliczenia niepewności otrzymuje się liczbę: 45678, to należy ją podać jako: 46000.
Wynik zasadniczy podaje się z dokładnością do tej pozycji dziesiętnej, na której znajduje się druga cyfra znacząca niepewności (lub pierwsza, jeżeli jest jedyna). Przykłady:
Tu jest program, który to liczy.
30w + 30c
Model standardowy; tablica cząstek i oddziaływań AGH Co i jak Tipler, Llewellyn Leonard Susskind, String Theory
Fizycy współcześni: Claus Kiefer Alex Vilenkin Andriej A. Grib, Krzysztof A. Meissner, Michał Heller Michał Heller Jayant V. Narlikar Andrzej Staruszkiewicz Roger Penrose Michał Heller Bednorz, Żurek Życiński
011010110100010101000101010111010000000010100111011011000001100001100101110100 111001000111110001000100111100001001110111000100101001011111111010101001001011 010100101011110100000110000010111010010101100111111001001100000100101110100110 011111001010101111000101001110011001010111000101100010001100000011110101111100 110101101110010010110011110010101101111001101000001100101011000010001001101100 000001100110110111111110011111110011001001011000010010111000011001111101001111
To zdanie jest fałszywe. Prawdziwość tego zdania nie różni się bardzo od jego fałszywości.
.xlsx
Wikipedia
Literatura:
Computer science (Wikipedia)
Introduction to Computer Science and Programming; MIT (YouTube)
Introduction
Introduction to Coding Concepts
Problem Solving
Google
Statistics / BotanyDictionary
Statistical literacy
A Probability Distribution
Normal Distribution
P-value
Mean error
Significant digits
calculator
Exploratory data analysis
Least Squares Fitting
Multivariate Statistics
PCA
Canonical Correspondence Analysis
Cluster Analysis
Neural Networks
Bootstrap
Bayes
Bayesian Methods for Ecology
Excel: Formuły arkusza,
Analiza Danych,
VB
Statistica
R
Oscylator. W dwóch pierwszych komórkach dowolne liczby, byle nie dwa zera, w trzeciej i następnych prosta formuła. To drga harmonicznie.
Życie, automat komórkowy
Examples of wrong scientific beliefs that were held for long periods (Edge) [...]
Wschód i zachód słońca w czerwcu 2010 w Krakowie (czas względny). Ekstrema nie są synchroniczne. Po prawej grudzień 2010.
Trzy jest najlepsze.
Weźmy 12 pól (albo dużo więcej), takich, że po zebraniu je w grupy, po dwie, trzy itd. możemy w nich zapisywać informację, w taki sposób, że jedno pole z grupy ma inny stan (żółty). Dwanaście pól zgrupowanych po 2 ma 2^6=64 stany, po 3: 3^4=81, 4: 4^3=64, 6: 6^2=36, 12: 12^1=12. (Znak "^" oznacza potęgowanie.) Trzy jest najlepsze.
Bełkot popularyzacyjny: "Za komputery kwantowe możemy uznać dowolne układy fizyczne, które zaprojektowano tak, aby wynik ich ewolucji odpowiadał rozwiązaniu problemu obliczeniowego." [...]
In the industrial model of student mass production, the teacher is the broadcaster. A broadcast is by definition the transmission of information from transmitter to receiver in a one-way, linear fashion. The teacher is the transmitter and student is a receptor in the learning process. The formula goes like this: "I'm a professor and I have knowledge. You're a student, you're an empty vessel and you don't. Get ready, here it comes. Your goal is to take this data into your short-term memory and through practice and repetition build deeper cognitive structures so you can recall it to me when I test you."
Don Tapscott, Edge
Na załączonej bitmapie jest 20 milionów punktów (pikseli) przyporządkowanych liczbom naturalnym od 1 (kierunek czytania naturalny), pierwsze są białe.
Ciekawa struktura ujawnia się po zmniejszeniu obrazu miliona punktów: 
.
Tu jest program do generowania takich obrazków.
A tu są liczby do 100tys. Na tej bitmapie jest pół miliona punktów ułożonych w trójkąt. Nie jest więc narzucony podzielnik.
Natomiast na tej bitmapie jest pół miliona punktów pokolorowanych wg liczby różnych liczb pierwszych będących ich dzielnikami.
Jan Hartman Szkoła buja w obłokach (podpisuję się obiema rękami)
"... 10 procent studentów to analfabeci, zdolni jedynie zapisać ciąg znaków, bez wielkich liter, bez kropek, bez sensu ..."
Ciekawy artykuł z Science (2 Jan 2009 vol 323) o wykładaniu
... I have
begun to turn this traditional information-
transfer model of education upside down. The
responsibility for gathering information now
rests squarely on the shoulders of the students.
They must read material before coming to
class, so that class time can be devoted to dis-
cussions, peer interactions, and time to assim-
ilate and think. Instead of teaching by
telling, I am teaching by questioning.
(download)
Wiersz geologiczny, o dużej wartości dydaktycznej, istotny przyczynek sensu pojęcia "życie".
Wisława Szymborska
No cóż, na przykład takie otwornice.
Żyły tutaj, bo były, a były, bo żyły.
Jak mogły, skoro mogły i jak potrafiły.
W liczbie mnogiej, bo mnogiej,
choć każda z osobna,
we własnej, bo własnej
wapiennej skorupce.
Warstwami, bo warstwami
czas je potem streszczał,
nie wdając się w szczegóły,
bo w szczegółach litość.
I oto mam przed sobą
dwa widoki w jednym:
żałosne cmentarzysko
wiecznych odpoczywań
czyli
zachwycające, wyłonione z morza,
lazurowego morza białe skały,
skały, które tu są, ponieważ są.
Lemat 1: Relacja wiedzy posiadanej przez maturzystów przychodzących na uczelnie, do wiedzy zawartej w podręcznikach szkół średnich, preliminowanej również przez programy nauczania jest absurdalna (na niekorzyść rzeczywistości).
Lemat 2: Nie warto zajmować się naprawianiem szkolnictwa - od tego jest Minister Hall.
Teza: Nie kontynuować absurdalnego sposobu nauczania zakładającego znajomość materiału, którego znajomości nie ma. Nauczać treści, których nauczyć się da.
Kostka o momentach, do piątego, takich jak normalny unormowany. Jaki jest jej i normalnego moment szósty?
1. Obserwacja. Człowiek, język, symbol. Przyroda (DNA), technika.
2. Miara ilości informacji, bit, bajt.
3. Zapis cyfrowy i analogowy. Cyfrowy skok cywilizacyjny.
4. Komputer. Dwójkowy zapis liczb i liter.
5. Operacje logiczne, arytmetyczne. Liczby zmiennoprzecinkowe.
6. Zapis obrazu, piksel, RGB. Zapis dźwięku.
7. Duża ilość informacji, K M G TB, nośniki, przesyłanie.
8. Sortowanie. Struktury hierarchiczne. Relacyjne bazy danych.
9. Tekst, text mining, data mining.
10. Arkusz kalkulacyjny, obliczenia.
11. Algorytmy. Programowanie.
12. Losowość, szum, chaos deterministyczny
13. Kompresja plików, bezstratna i stratna.
14. Obliczalność. Komputer kwantowy.
15. Podręczne urządzenia przetwarzające informację.
Temat: Świat który obserwujemy
Wykład (20 minut) był, właściwie o
języku jakim się porozumiewamy, tu, na przyrodniczym
Wydziale (właściwym jest przecież by zacząć od ustalenia wspólnego języka). Pomijając zbyt trudne pytanie o tytułowy "Świat" i pobieżnie wspominając jedynie, że warto pomyśleć co znaczy "obserwować", przejdę do tego co da się zmierzyć (pomiar jest najlepszą formą obserwacji).
Swiat istnieje od 14 miliardów lat (14.109 lat). Czy rozumiemy, co oznacza ten zapis, ten tekst, ta liczba. (Co znaczy "rozumieć"?) Czy konieczny jest język matematyki? Miliard to dużo, jak dużo? Kilometr ma milion milimetrów, a miliard to tysiąc milionów. Rok - wiadomo ile to czasu, przyszliśmy tu na piecioletnie studia. Czy tak lepiej próbować zrozumieć 14.109 lat, czy może raczej uświadamiając sobie, że w tym czasie, od
Wielkiego Wybuchu
- czyli od Początku, powstaliśmy my. To chyba musiało trwać, w końcu jesteśmy dość skomplikowani. Niektórzy nie mogą pogodzić się, że tyle czasu wystarczyło - nie doceniają miliarda. Właściwie miliarda pomnożonego przez następne miliardy prób, jakie dokonywały się w ciepłym oceanie.
Statystyka (exe): Analiza Fouriera Analiza Składowych Głównych Histogram
Obliczenia (exe): Julia (Mandelbrota) Wahadło Fala Edytor bajtów v.2 Liczby pierwsze (exe) Życie (automat komórkowy)
Arkusze MS Excel: Dwumian.xls Reflektor paraboliczny .xls Wahadło Dodawanie (dużych liczb) Liczby pierwsze Generator liczb pseudolosowych Foto Życie (automat komórkowy)
Makra VB: Splot.xlsm FFT.xlsm Digitalizacja mapy: Mapa.xls i Mapa.ppt Random Walk Rozpad NN
Html: Aliasing Wahadło Canvas,Math JS Venn Planety N ciał Canvas-pixel Canvas-wektor Mandelbrot
PPT: Kompresja
Dane: Temperatury dobowe, Warszawa, 1995-2014 (.txt)
Sito Eratostenesa w VB
Dim i, j, n As Integer
Sub Eratos()
n = 1000
For i = 1 To n
Arkusz1.Cells(i, 1) = i
Next i
For i = 2 To n
j = i + i
Do While j < n
Arkusz1.Cells(j, 1) = ""
j = j + i
Loop
Next i
End Sub
IEEE 754
(Wikipedia),
Double-precision, 64 bit:
0111111111110000000000000000000000000000000000000000000000000000
1 11 52
s exponent fraction
exponent bias = eb = 2^(11-1)-1 = 1023
value = (-1)^s * 2^(exponent - eb) * (1 + fraction)
+∞: s=0, e=11111111111, f=0
-∞: s=1, e=11111111111, f=0
NaN: s=?, e=11111111111, f>0
The positive and negative numbers closest to zero:
±2^-1022 ≈ ±2.2250738585072020 × 10^-308
The finite positive and finite negative numbers furthest from zero:
±((1-(1/2)^53)*2^1024) ≈ ±1.7976931348623157 × 10^308
Moje znaki: ± ∞ … ≈ " & < > ≠ ‰ α β γ δ μ µ π ø Δ ↑ ° ½ €
STATISTICA S1.Cells(i,3)=oAD2.Summary.Item(2).Cells(2, 3)
Excel
C1: $A$1 D1: $A$123 =SUMA(ADR.POŚR(C1):ADR.POŚR(D1))
i = 6: Do Until Cells(i, 1) = "": i = i + 1: Loop: n = i - 1
Range(Cells(6, m), Cells(n, m + 4)).Sort key1:=Range(Cells(6, m), Cells(n, m)), order1:=xlDescending, Header:=xlNo
Range(Cells(w, k), Cells(w, k)).Interior.Color = RGB(255, 255 - Cells(w, k) * 255 / 8, 255 - Cells(w, k) * 255 / 8)
Dim objWorkbook As Workbook
Set objWorkbook = Workbooks.Open("D:/.../Kali.xls")
x = objWorkbook.Worksheets(1).Cells(i, j)
Worksheets("Parameters").Cells(10, 2) = w
=ZŁĄCZ.TEKSTY(FRAGMENT.TEKSTU(A1;4;SZUKAJ.TEKST("abc";A1;1)-4);", ")
Application.Run "Fourier", Range(Cells(1, 1), Cells(32, 1)), Range(Cells(1, 2), Cells(32, 2)), False, False
przedostatni parametr - True = odwrotna
ActiveSheet.Shapes.AddChart.Select
ActiveChart.ChartType = xlXYScatterLinesNoMarkers
For i = 1 To n
ActiveChart.SeriesCollection.NewSeries
ActiveChart.SeriesCollection(i).Name = Cells(1, i * 2 + 1)
ActiveChart.SeriesCollection(i).XValues = Range(Cells(2, i * 2), Cells(m + 1, i * 2))
ActiveChart.SeriesCollection(i).Values = Range(Cells(2, i * 2 + 1), Cells(m + 1, i * 2 + 1))
Next i
loadRconsole("D:/Rfont.txt") font = TT Courier New points = 16 style = normal # Style can be normal, bold, italic http://r.meteo.uni.wroc.pl/ fullrefman.pdf : Grafika 642 contour 663 Spectral Decomposition of a Matrix 159 i<-2; while(i<7){print(i);i<-i+1} toString(44) i<-2; while(i<66){ y <- as.numeric(c(Ar[1:365,i])) z <- supsmu(x, y, span = "cv", periodic = FALSE, bass = 0) write.table(z[2],file=paste("D:/Ludzie/Idalia/zebrane_dane",toString(i),".txt",sep="")) i<-i+1} ?sin help.search("fourier") x<-1:20 y<- 1+sqrt(x)/2 plot(x,y) rm(x,y) # remove 5>6 #FALSE x<-1:100; y<- 1+10/x; plot(x,y); rm(x,y) #komentarz rm=remove ls() # listuj obiekty istniejące w Workspace x <- c(10.4, 5.6, 3.1, 6.4, 21.7) y <- c(x, 0, x) x <- seq(-3,3,len=31) x<-seq(-3,3,by=0.1) mean(x); var(x); sort(x); hist(x) ifelse(1<2,5,6) =5 n<-10; 1:n; p seq(-5, 5, by=.2) rep(x, times=5) x <- 1:20 Data <-data.frame(x=x,y=rnorm(x)) order() # sortowanie D<-data.frame(x1=rnorm(10),x2=rnorm(10),x3=rnorm(10)) D["x1"] D[1] Ch <- read.table("D:/Adam/Różne/R/DataTrab.txt",header=TRUE) fix(Ch) # = Main menu - Edit - Data editor print(Ch) Si02 Al203 Fe203 K20 P205 Mg0 Ca0 Ti02 Na20 S03 Mn0 1 0.57 -0.04 -0.17 -0.33 -0.33 -0.32 -0.30 -0.13 -0.52 -0.15 -0.14 2 0.36 0.18 -0.10 -0.31 -0.52 -0.09 -0.19 -0.07 -0.51 -0.15 -0.12 write.table(x,file="D:/Adam/x/x.txt") cor(Ch) print(TT[[1]]) library(cluster)help(fix) dv <- diana(Ch, metric = "manhattan", stand = TRUE) print(dv) plot(dv) agn1 <- agnes(Ch, metric = "manhattan", stand = TRUE) p2<-pam(Ch,2) plot(p2) summary(p2) print(Nile) library(help="grDevices") C:\Program Files\R\R-2.2.1\library\grDevices\html\windows.html windows(width = 7, height = 7) PCA library(stats) PCACh <- princomp(Ch, cor=TRUE) plot(screeplot(PCACh)) print(loadings(PCACh)) <2018 n=100 x1=rnorm(n,0,1) x2=rnorm(n,0,1) x3=x1+rnorm(n,0,1) x4=x2+rnorm(n,0,0.5) x5=x1-x2+rnorm(n,0,0.5) x=data.frame(x1,x2,x3,x4,x5) p=prcomp(x, center=TRUE, scale.=TRUE) p biplot(p) p$rotation m=16 mpca=1 s=0 for(i in 1:5) { s=s+p$rotation[i,mpca]*x[m,i]} s 2018> REGRESJA x<-rnorm(30) e<-rnorm(30)/10 y<-x^2+x*0.1+e plot(x,y) Reg<-lm(formula = y~x+I(x^2)) summary(Reg) ARRAY and MAHALONOBIS x<-c(0,0.1,0.2); y<-c(0,1,2); z<-outer(x,y,FUN="+"); x; y; z cov <- array(c(1, 0.9, 0.9, 1), c(2,2)) w1<-c(0,1); w2<-c(1,0) (w2-w1) %*% cov %*% (w2-w1) # quadratic form w<-c(1,1); w %*% cov %*% w OBRÓT p1<-c(1,0) alpha<-1/100 rot<-array(c(cos(alpha),-sin(alpha),sin(alpha),cos(alpha)), c(2,2)) p1%*%rot a<-array(c(3,8,12,8,5,9,12,9,14),c(3,3)); x<-det(a) x1<-rnorm(1000); x2<-rnorm(1000) x<-rnorm(5000) dim(x)<-c(1000,5) x[1,] = [1] 1.664114 1.161365 1.568821 1.203283 1.134660 x[,1] = tysiąc x[,2]<-x2; x[,1]<-x1+0.5*x2; x[,2]<-x2-0.5*x1; x[,3]<-x[,3]+0.5*x1; x[,4]<-x[,4]+2*x2 cx<-cor(x) evcx<-eigen(cx) evcx[[2]][3,4] i= GRAFIKA x<-c(1,1,2,2); plot(x); abline(h=1); abline(v=1.7); abline(a=1,b=0.3) #intercept, slope x<-c(1,2,3,4,1.5); barplot(height=x) x<-seq(-3,3,by=0.1) G2<-function(x,y) f<-exp(-0.5*(x^2-2*0.9*x*y+y^2)); z<-outer(x,x,FUN=G2) image(x, x, z,col=gray((100:0)/100)) G2<-function(x,y) f<-exp(-0.5*(x^2-2*0.0*x*y+y^2)); z1<-outer(x,x,FUN=G2) G2<-function(x,y) f<-exp(-0.5*(x^2-2*0.9*x*y+y^2)); z2<-outer(x,x,FUN=G2) G2<-function(x,y) f<-exp(-0.5*(x^2-2*0.3*x*y+y^2)); z3<-outer(x,x,FUN=G2) G2<-function(x,y) f<-exp(-0.5*(x^2+2*0.5*x*y+y^2)); z4<-outer(x,x,FUN=G2) contour(x,x,z1, col = rgb(0,0,0), add = FALSE, nlevels=20, drawlabels = FALSE) contour(x,x,z2, col = rgb(1,0,0), add = TRUE, nlevels=20, drawlabels = FALSE) contour(x,x,z3, col = rgb(0.7,0,0), add = TRUE, nlevels=20, drawlabels = FALSE) contour(x,x,z4, col = rgb(0,0.7,0), add = TRUE, nlevels=20, drawlabels = FALSE) x<-seq(-3,3,by=0.1) image(x, x, outer(x,x,FUN=G2<-function(x,y) f<-exp(-0.5*(x^2-2*0.75*x*y+y^2))),col=gray((100:20)/100)) points(1,1,col="red") FFT t=1:100 s=sin(2*pi/25*t) n=rnorm(100) x=s+n/3 y=fft(x) my=Mod(y) x<-rep(0,times=100) x<-c(x,x+1,x) y<-convolve(x,x,type="o") x<-seq(-5,5,by=0.1) y<-dnorm(x,0,1) z<-convolve(y,y,type="o") plot(x,y,type="l") x1<-seq(-10,10,by=0.1) lines(x1,z*0.1414) NN library(nnet) iris3 ir <- rbind(iris3[,,1],iris3[,,2],iris3[,,3]) ir cor(ir) targets <- class.ind( c(rep("s",50), rep("c",50), rep("v",50))) targets ir1 <- nnet(ir,targets,size=2,rang=0.1,maxit=200) summary(ir1) predict(ir1,c(5,3,5,2)) > library(nnet) > iris3 , , Setosa > cor(ir) > ir1 <- nnet(ir,targets,size=2,rang=0.1,maxit=200) # weights: 19 Zeta install.packages('pracma') library(pracma) for(x in 1:10) {for(y in 1:10) {print(zeta(x/100+1i*y/100))}} z=c(1:10) zz=data.frame(z,z,z,z,z,z,z,z,z,z) for(x in 1:10) {for(y in 1:10) {zz[x,y]=zeta(x/100+1i*y/100)}} for(x in 1:10) {for(y in 1:10) {zr[x,y]=Re(zeta(x/100+1i*y/100)); zi[x,y]=Im(zeta(x/100+1i*y/100)); }} s= seq(0.99995, 1.0001, by=0.00001) plot(zeta(s)) Duże liczby install.packages('Rmpfr') library(Rmpfr) p=Const("pi",3000) ns <- mpfr(1:24, 120) ; factorial(ns)