Алгебра чисел пересекается с алгеброй логики в тех случаях, когда приходится проверять принадлежность значений алгебраических выражений некоторму множеству. В работе рассматриваются такие понятия как отношение, предикат, случайные числа, метод приближенного нахождения площадей фигур.
Вы уже знаете о суперспособностях современного учителя?
Тратить минимум сил на подготовку и проведение уроков.
Быстро и объективно проверять знания учащихся.
Сделать изучение нового материала максимально понятным.
Избавить себя от подбора заданий и их проверки после уроков.
Просмотр содержимого документа
«Логические функции на области числовых значений»
Логические функции на области числовых значений
0 Х 0 Алгебра чисел Алгебра логики неравенство отношение" width="640"
Задача
Записать высказывание о принадлежности
значений числовой переменной Х множеству положительных чисел
Х больше нуля
Х 0
Х 0
Алгебра чисел
Алгебра логики
неравенство
отношение
0 Алгебра чисел Алгебра логики неравенство отношение Отношение - логическая функция от числовых аргументов. F(x) = ( х 0) Р(х, у) = ( х у ) . аргументы функции — множество действительных чисел; значения функции — множество логических величин: ИСТИНА , ЛОЖЬ ." width="640"
Х 0
Алгебра чисел
Алгебра логики
неравенство
отношение
Отношение - логическая функция от числовых аргументов.
F(x)= (х 0)
Р(х, у)= (ху) .
аргументы функции — множество действительных чисел;
значения функции — множество логических величин: ИСТИНА , ЛОЖЬ .
Предикат - логические функции от числовых аргументов.
В алгоритмах предикаты играют роль условий, по которым строятся ветвления и циклы.
Предикаты могут быть как простыми логическими функциями, не содержащими логических операций, так и сложными, содержащими логические операции.
Аргументы определены на бесконечном множестве действительных чисел, а значения функции — на множестве, состоящем из двух логических величин: ИСТИНА, ЛОЖЬ.
Логические функции от числовых аргументов еще называют термином «предикат». В алгоритмах предикаты играют роль условий, по которым строятся ветвления и циклы. Предикаты могут быть как простыми логическими функциями, не содержащими логических операций, так и сложными, содержащими логические операции.
Пример 1
Записать предикат (логическую функцию) от двух вещественных аргументов х и у , который будет принимать значение ИСТИНА, если точка с координатами х и у на координатной плоскости лежит внутри единичной окружности с центром в начале координат.
F(x, у) = (х2+ у2
Пример2
Записать предикат, который будет принимать значение ИСТИНА, если точка с координатами х и у на координатной плоскости лежит внутри кольца с центром в начале координат и радиусами r1 и r2 .
r122+ у2r22
и
r1r2
r1 — внутренний радиус,
r2 — внешний радиус
Пример2
Записать предикат, который будет принимать значение ИСТИНА, если точка с координатами х и у на координатной плоскости лежит внутри кольца с центром в начале координат и радиусами r1 и r2 .
r22х2+у2r12
и
r2r1
r2 — внутренний радиус,
r1 — внешний радиус
r 1 2 ) & ( ( x 2 + у 2 ) r 2 2 ) & ( r 1 r 2 ) ) V ( ( ( x 2 + у 2 ) r 2 2 ) & ( ( x 2 + у 2 ) 1 2 ) & ( r 2 1 ) )" width="640"
Пример2
Записать предикат, который будет принимать значение ИСТИНА, если точка с координатами х и у на координатной плоскости лежит внутри кольца с центром в начале координат и радиусами r1 и r2 .
Записать предикат, который будет принимать значение ИСТИНА, если точка с координатами х и у на координатной плоскости лежит внутри фигуры, ограниченной линиями.
Y = -x
Y = 1
Y = x2
Пример3
Записать предикат, который будет принимать значение ИСТИНА, если точка с координатами х и у на координатной плоскости лежит внутри фигуры, ограниченной линиями.
Y = -x
Y = 1
Y = x2
-x) & ( y x 2 )" width="640"
Пример3
Записать предикат, который будет принимать значение ИСТИНА, если точка с координатами х и у на координатной плоскости лежит внутри фигуры, ограниченной линиями.
Y = -x
Y = 1
Y = x2
F(x, y) = (y -x) & ( y x2)
Задача
Вычислить площадь фигуры, ограниченной линиями.
Y = -x
Y = 1
Y = x2
Метод Монте-Карло
Метод приближенного нахождения площадей фигур
Теория вероятностей — раздел математики, изучающий закономерности случайных явлений
Оценкой вероятности события может служить частота его наступления в длительной серии независимых повторений случайного эксперимента.
Метод Монте-Карло
Метод Монте-Карло можно определить как метод моделирования случайных величин с целью вычисления характеристик их распределений.
Используется для решения задач в областях физики, математики, экономики, оптимизации, теории управления и др.
Метод Монте-Карло можно определить как метод моделирования случайных величин с целью вычисления характеристик их распределений. Используется для решения задач в областях физики, математики, экономики, оптимизации, теории управления и др.
Метод Буффона
«бросания иглы» для определения числа
Граф де Буффон –
основатель метода
Метод Монте-Карло
Во время работ над созданием водородной бомбы Джон фон Нейман и Станислав Улам разработали метод независимых статистических испытаний, известный теперь, как метод Монте-Карло.
Метод Монте-Карло
Одной из главных сложностей при разработке этого метода было отсутствие в то время генераторов случайных чисел.
Тогда Нейман предложил использовать для выработки последовательностей случайных чисел одну из рулеток в казино Монте-Карло, где были лучшие рулетки, а, следовательно, и вырабатывались лучшие последовательности случайных чисел.
Военное ведомство согласилось на аренду одного из таких устройств — Улам и Нейман вдоволь наигрались за государственный счет в рулетку, а свой метод в память об этом они назвали методом Монте-Карло..
Математическая модель метода Монте-Карло
y = 1
x = -1
x =1
Поместим данную фигуру в прямоугольник. Будем наугад (случайным образом) бросать точки в этот прямоугольник. Естественно предположить, что чем больше площадь фигуры, тем чаще в нее будут попадать точки.
Представим себе прямоугольный дворик и в нем детскую площадку. Ясно, что во время снегопада количество снежинок, попавших на детскую площадку, пропорционально ее площади.
Т.о., можно сделать допущение: при большом числе точек, наугад выбранных внутри квадрата, доля точек, содержащихся в данной фигуре, приближенно равна отношению площади этой фигуры к площади прямоугольника.
y = 0
Математическая модель метода Монте-Карло
y = 1
x = -1
x =1
y = 0
Поместим данную фигуру в прямоугольник. Будем наугад (случайным образом) бросать точки в этот прямоугольник. Естественно предположить, что чем больше площадь фигуры, тем чаще в нее будут попадать точки.
Представим себе прямоугольный дворик и в нем детскую площадку. Ясно, что во время снегопада количество снежинок, попавших на детскую площадку, пропорционально ее площади.
Т.о., можно сделать допущение: при большом числе точек, наугад выбранных внутри квадрата, доля точек, содержащихся в данной фигуре, приближенно равна отношению площади этой фигуры к площади прямоугольника.