WERYFIKACJA WPŁYWU PORÓWNAŃ PROWADZONYCH W WARUNKACH ZRÓWNOWAŻONEGO EKSPERYMENTU WEWNĄTRZLABOROTORYJNEGO NA CMC LABORATORIUM WZORCUJĄCEGO

Wielkość: px
Rozpocząć pokaz od strony:

Download "WERYFIKACJA WPŁYWU PORÓWNAŃ PROWADZONYCH W WARUNKACH ZRÓWNOWAŻONEGO EKSPERYMENTU WEWNĄTRZLABOROTORYJNEGO NA CMC LABORATORIUM WZORCUJĄCEGO"

Transkrypt

1 PROBLEM AND PROGRE IN METROLOG PPM 8 Cofeece Digest Wiesław GOK Główy Uząd Mia amodziele Laboatoium Pzepływów WERFIKACJA WPŁWU PORÓWNAŃ PROWADZONCH W WARUNKACH ZRÓWNOWAŻONEGO EKPERMENTU WEWNĄTRZLABOROTORJNEGO NA CMC LABORATORIUM WZORCUJĄCEGO W efeacie pzedstawioo metodę weyfikacji wpływu wyików poówań wewątzlaboatoyjych a CMC laboatoium wzocującego opatą a aalizie waiacji wyików ekspeymetu zealizowaego jako doświadczeie dwuczyikowe pzy założeiu, że czyikami zmieymi są obsewato wykoujący wzocowaie oaz czas upływający między kolejymi cyklami poówań. łowa kluczowe: poówaia wewątzlaboatoyje, waiacja wewątzlaboatoyja, CMC laboatoium wzocującego. VERIFICATION OF THE IMPACT OF COMPARION CARRIED OUT IN THE CONDITION OF ALANCED WITHIN -LABORATOR EXPERIMENT ON CMC CALIBRATION LABORATOR The pape pesets the method of veifyig the impact of the esults of withi-laboatoy compaisos o the CMC calibatio laboatoy based o the aalysis of vaiace of the esults of the expeimet as a two-facto expeimet assumig that the vaiable factos ae the obseve pefomig the calibatio ad the time betwee cosecutive compaisos. Keywods: withi-laboatoy compaisos, withi-laboatoy vaiace, CMC calibatio laboatoy.. WTĘP Poówaia wewątzlaboatoyje są ważym azędziem zapewieia jakości wyików wzocowań ealizowaych pzez laboatoia akedytowae. W paktyce moża spotkać w zależości od dziedziy i specyfiki laboatoium óże sposoby (play) powadzeia tych poówań oaz óże, ustalae często abitalie pzez laboatoia, miay i kyteia akceptacji ich wyików. Natomiast wyiki poówań wewątzlaboatoyjych ie są a ogół są weyfikowae pod względem ich ewetualego wpływu a oszacowaie zdolości pomiaowej laboatoium. Tymczasem CMC laboatoium wzocującego jest oszacowaiem zdolości pomiaowej laboatoium w waukach utyowego wykoywaia wzocowań, w któych czyikami wpływającymi a zmieość wyików pomiaów mogą być także czyiki: kto z pesoelu wzocującego wykouje wzocowaie i kiedy.. PLAN EKPERMENTU WEWNĄTRZLABORATORJNEGO Niepewość wzocowań wykoywaych pzez laboatoium zależy od szeegu czyików, do któych, pzyjmując klasyfikację wg [], ależą: ogólie pojęta ogaizacja laboatoium, wyposażeie i jego wzocowaie, stosowae poceduy i pzyjęte w ich metody pomiaowe, pesoel wzocujący i odstępy czasu między wzocowaiami. Wauki, w któych ww. czyiki są stałe podczas wzocowaia są waukami powtazalości. kajy pzypadek, w któym wszystkie czyiki wpływające (łączie z ogaizacją) są zmiee detemiuje wauki odtwazalości

2 Wiesław GOK międzylaboatoyjej. Wauki, w któych zmiay są ogaiczoe do M czyików wewątz laboatoium są tzw. pośedimi waukami pecyzji z M czyikami zmieymi. W iiejszym opacowaiu okeśloo je jako wauki odtwazalości wewątzlaboatoyjej. Zaplaowao doświadczeie, w któym błędy wybaego obiektu wzocowaia (p. pzepływomieza) będą wyzaczae kolejo pzez v osób pesoelu (opeatoów), w możliwie kótkim czasie (p. w ciągu di). Każdy z opeatoów wykoa ówą liczbę pomiaów. Tak wykoae wzocowaie będzie powtazae azy, w ówomieych odstępach czasu (p. co 3 miesiące). Obiekt wzocowaia, pocedua wzocowaia, w tym metoda pomiaowa i wauki odiesieia oaz pozostałe czyiki wpływające a wyiki pomiaów pozostają stałe. Plaowae w te sposób doświadczeie okeśloo jako zówoważoy ekspeymet wewątzlaboatoyjy. Wyiki pomiaów dla wybaej watości wielkości miezoej (p. stumieia objętości) zgomadzoo w sposób pzedstawioy w tabeli. Twozą oe tzw. dwukieukową klasyfikację kzyżową z czyikami klasyfikacyjymi: opeato i czas, gdzie opeatozy v i czasy staowią klasy tej klasyfikacji. Jest oa otogoala poieważ w każdej podklasie czas - opeato liczba pzepowadzoych pomiaów jest taka sama i ie dopuszcza się, aby któakolwiek z podklas była pusta (wszyscy opeatozy muszą być obeci podczas ekspeymetu). Jest to być może kłopotliwe w stosuku do iych plaów ekspeymetu zakładających puste podklasy, ale zaczie ułatwia dalszą aalizę statystyczą. Zgodie z [] dla tak zaplaowaego ekspeymetu - dotyczącego koketego laboatoium - właściwym modelem statystyczym jest tzw. model ze stałym oddziaływaiem (model typu I). Tabela Opeato Opeato j Opeato v Czas y, y,, y y j, y j,, y j y v, y v,, y v Czas y, y,, y y j, y j,, y j y v, y v,, y v. Czas i y i, y i,, y i y ij, y ij,, y ij y iv, y iv,, y iv Czas y, y,, y y j, y j,, y j y v, y v,, y v 3. MODEL TATTCZN EKPERMENTU Wzocowaie obiektu w czasie i pzez opeatoa j pzyiosło astępujące wyiki: y ij, y ij, y ijk,, y ij () Wszystkie wyobażale wyiki pomiaów w podklasie czas i - opeato j, ozaczoej jako T(i), O(j), staowią populację T(i), O(j). Otzymae wyiki wzocowaia staowią zatem ealizację obsewowaego w tej populacji wektoa losowego: ( ij, ij,, ijk,, ij ) () Ekspeymetaly chaakte daych () pozwala a pzyjęcie założeia, że ij, ij, ijk, ij są iezależe i mają jedakowy ozkład omaly N(m ij, σ ij ). Zakłada się poadto, że waiacja ozkładu ijk jest jedakowa dla wszystkich ozpatywaych podklas, co wyaża się astępująco:

3 WERFIKACJA WPŁWU PORÓWNAŃ PROWADZONCH W WARUNKACH 3 D ( ijk ) = σ ijk = σ ; i =, j = v (3) Założeie (3), z pozou sile, w zeczywistości uwzględiając fakt, że zmieość ijk w każdej podklasie T(i), O(j) jest geeowaa główie pzez ozzuty wskazań obiektu wzocowaia jest a ogół spełioe i zawsze może być zweyfikowae testem jedoodości waiacji. Niech model geeujący wyiki wzocowaia w podklasie T(i), O(j) ma postać: gdzie: m ij = E( ijk ), ξ ijk jest zmieą losową o E(ξ ijk ) = 0 i D (ξ ijk ) = σ. ijk = m ij + ξ ijk, k =,,, (4) Jeżeli wpływy czyików: czas i opeato a wyiki wzocowaia są statystyczie istote wówczas watości pzecięte m ij w każdej podklasie mogą być ie. Zóżicowaie tych watości moża obsewować w stosuku do watości pzeciętej w zbioze wszystkich populacji T(i), O(j) obejmujących zaplaoway ekspeymet, wyzaczając: m v v m ij i j (5) Wówczas, wpowadzając óżicę B ij = m ij - m wyażającą odchyleie m ij od (5) spowodowae łączym wpływem czyików czas i obsewato a m ij, ówaie (4) moża zapisać jako: albo podejmując póbę ozdzieleia tych wpływów, jako: ijk = m + B ij + ξ ijk (6) ijk = m + B i(t) + B j(o) + B ij(to) + ξ ijk (7) gdzie: B i(t) obciążeie będące efektem główym wpływu czasu, B j(o) obciążeie będące efektem główym wpływu opeatoa, B ij(to) obciążeie będące efektem iteakcji wpływu czasu i opeatoa, ξ ijk zmiea losowa epezetująca efekty oddziaływaia czyików pzypadkowych w pomiaze. Zóżicowaie obciążeń B j(o) w klasie opeato może wyikać z óżych umiejętości techiczych opeatoów i ich idywidualych awyków w stosowaiu metod pomiaowych. W zóżicowaiu B i(t) w klasie czas pzejawia się z kolei wpływ dyfów apaatuowych. Zmieiające się umiejętości i zaagażowaie opeatoów w czasie jest pzykładem iteakcji czyików opeato i czas, wyażających się zmieością B ij(to). Oczywiście w waukach powtazalości wszystkie ww. obciążeia pzybieają watości stałe. 4. WERFIKACJA WNIKÓW EKPERMENTU WEWNĄTRZLABORATORJNEGO Badaie wpływu opeatoa i czasu a wyiki wzocowaia zostało pzepowadzoe metodą dwuczyikowej aalizy waiacji (ANOVA). Wyiki aalizy ujęto w postaci tablicy aalizy waiacji i pzedstawioo w tabeli.

4 4 Wiesław GOK Źódło zmieości uma kwadatów odchyleń z póby topie swobody Waiacja z póby 3 4 T O T x O Resztowe Ogółem v ( i ) ( ) i v ( O) j ) j ( ( v ) v ( TO) ij i j ) i j ( ( ) ( v ) v ( ijk ij) v ( ) i j k v ( ) ijk ) i j k ( O ) TO ( T ) ( O) v ( v X Tabela ( TO) ( ) ( v ) v ( ) Śedie aytmetycze zmieych losowych ijk epezetujących wyiki wzocowaia w i-tym czasie pzez j -tego obsewatoa oaz odpowiedio śedie aytmetycze zmieych losowych ijk epezetujących wyiki wzocowaia uzyskae w i-tym czasie od wszystkich opeatoów lub pzez j -tego opeatoa we wszystkich pzepowadzoych w ekspeymecie wzocowiach okeśla odpowiedio się jako: ij k ijk ; i v v ; ijk j j k i k ijk (8) Śedią aytmetyczą ogólą epezetującą wyiki ekspeymetu jest: v v ijk i j k (9) uma kwadatów odchyleń () (koluma, tabela ) zmieej ijk epezetującej wszystkie wyiki wzocowaia od śediej ogólej (9) została ozłożoa a sumy odchyleń (T), (O) i (TO). Każda z ich po podzieleiu pzez właściwą jej liczbę stopi swobody (koluma 3, tabela ) staje się mieikiem wpływu a wyiki wzocowaia odpowiedio czasu, opeatoa lub iteakcji obydwu tych czyików. Resztowa suma kwadatów jest śedią ze śedich odchyleń (błędów pzypadkowych) zmieych ijk od ij, występujących w każdej podklasie T(i), O(j). Czas i opeato mogą mieć wpływ a wyiki wzocowaia, ale także tego wpływu może ie być lub iaczej mówiąc może być o statystyczie ieistoty. Wszystko zależy od specyfiki pomiaów w daej dziedziie. Pzypuszczeie, że a wyiki wzocowaia czas i opeato ie mają wpływu ozacza pzyjęcie hipotezy zeowej: H 0 : m ij = m; Bij=0 i =, j = v (0)

5 WERFIKACJA WPŁWU PORÓWNAŃ PROWADZONCH W WARUNKACH 5 Dopieo odzuceie ww. hipotezy H 0 otwiea dogę do uzaia hipotezy alteatywej, że wpływ taki jedak istieje. Opate a aalizie waiacji fukcje testowe, umożliwiające statystyczą weyfikację H 0, fomułuje się zgodie z [3] jako astępujące iloazy: v ( ) ( O) v ( ) ( TO) v ( ) ( TO) ; ; () v ( ) ( v ) Jeżeli spełioe są założeia (3) ekspeymetu i hipoteza H 0 jest pawdziwa wówczas fukcje testowe () stają się statystykami o ozkładzie F edecoa z ilościami stopi swobody jak w tabeli 3. Tabela 3 Źódło zmieości T O T x O tatystyka Rozkład statystyki Obszay kytycze ( ; v ( )) ( O) F f ( v ; v ( )) Watości f statystyki F dla ekspeymetu EWL,8 F( O ) ( O) f (( )( v ) ; v ( )) 3, F( TO ) ( TO) f ( TO ),6 Po założeiu dopuszczalego pawdopodobieństwa błędu wioskowaia o słuszości H 0, a poziomie α= 0,05, i ustaleiu watości kytyczych f statystyki F dla poszczególych źódeł zmieości, możliwe jest zbudowaie odpowiedich obszaów kytyczych (tabela 3). Pzykładowo, w tabeli 3 pzedstawioo watości kytycze f dla ekspeymetu wewątzlaboatoyjego EWL: = cykli poówań, v =3 opeatoów wykoujących po = 0 powtózeń. Jeżeli więc p. obliczoa waiacja (O) z ww. póby v = 3 0 =360 pomiaów pzekoczy tzykotie (f =3,) waiację wyikającą z błędów pzypadkowych, moża w sposób paktyczie bezspoy (z błędem wioskowaia ie pzekaczającym 5%) odzucić hipotezę H 0 o baku wpływów opeatoów a wyiki wzocowaia. Ozacza to, że wyiki pomiaów, a zatem CMC laboatoium, jest obciążoe czyikiem ludzkim. Laboatoium pzepowadza bowiem wzocowaia w waukach odtwazalości wewątzlaboatoyjej, gdzie utyowo wzocowaie może pzepowadzać każdy z pacowików. W pzypadku otzymaia stosukowo dużych, ale mieszczących się w obszaze pzyjęcia watości statystyk () ie ma wpawdzie podstaw do odzuceia hipotezy o baku wpływu ozpatywaych czyików a wyiki wzocowaia, ale także, co cechuje testy istotości, ie ma też silych podstaw do jej potwiedzeia. Laboatoium musi samo oceić, czy badziej kozyste, ze względu a właściwe oszacowaie CMC jest oszacowaie wpływu tych czyików, czy węcz pzeciwie bioąc pod uwagę yzyko pzeszacowaia CMC uzać, że z puktu widzeia laboatoium ie są to wpływy wystaczająco istote. 5. PODUMOWANIE Pzedstawioo metodę, w któej stadadowe azędzia aalizy statystyczej zostały wykozystae w owym zastosowaiu do aalizy wyików poówań wewątzlaboatoyjych. Metoda jest ogaiczoa do weyfikacji hipotezy istotości o baku wpływu wyóżioych czyików a CMC laboatoium. Jedak odzuceie tej hipotezy jest dla laboatoium wzocującego bezwzględym wskazaiem, że koiecze jest oszacowaie wpływu tych czyików a CMC. Metoda może mieć zastosowaie pzede wszystkim tam gdzie czyik ludzki ma istote zaczeie w pocesach

6 6 Wiesław GOK wzocowaia. W dziedziie pzepływów w wielu pzypadkach ola opeatoa jest istota. Dotyczy to p. wzocowań aemometów, pzepływomiezy gazu w tym gazomiezy, a także wzocowań pzepływomiezy do wody i cieczy iych iż woda, w pzypadkach gdy pomiay te ie są zautomatyzowae. LITERATURA. PN-IO 575-3: 00. Dokładość (popawość i pecyzja) metod pomiaowych i wyików pomiau. Część 3: Pośedie miay pecyzji stadadowej metody pomiaowej.. Maek Dobosz: Wspomagaa komputeowo statystycza aaliza wyików badań, Akademicka Oficya Wydawicza EXIT, Waszawa, Fisz M.: Rachuek pawdopodobieństwa i statystyka matematycza, PWN, Waszawa,969.

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ PIENIĄDZA W CZASIE WARTOŚĆ PIENIĄDZA W CZASIE Czyiki wpływające a zmiaę watości pieiądza w czasie:. Spadek siły abywczej. 2. Możliwość iwestowaia. 3. Występowaie yzyka. 4. Pefeowaie bieżącej kosumpcji pzez człowieka. Watość

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

Inżynieria środowiska Ćwiczenia /2018 Doświadczenia dwuczynnikowe analiza wariancji testy szczegółowe (układy niezależne)

Inżynieria środowiska Ćwiczenia /2018 Doświadczenia dwuczynnikowe analiza wariancji testy szczegółowe (układy niezależne) Układ całkowicie losowy Model obsewacji (model aalizy waiacji w doświadczeiu dwuczyikowym o układzie całkowicie losowym (wyaz woly + efekt czyika A + efekt czyika + efekt iteakcji A x + błąd doświadczaly,

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

Bardziej szczegółowo

PROJEKT: GNIAZDO POTOKOWE

PROJEKT: GNIAZDO POTOKOWE POLITEHNIK POZNŃSK WYZIŁ UOWY MSZYN I ZZĄZNI ZZĄZNIE POUKJĄ GUP ZIM-Z3 POJEKT: GNIZO POTOKOWE WYKONWY: 1. TOMSZ PZYMUSIK 2. TOMSZ UTOWSKI POWZĄY: Mg iż. Maiola Ozechowska SPIS TEŚI OZZIŁ 1. Wpowadzeie.

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI Tadeusz Gesteko Emeytoway pofeso Uiwesytetu Łódzkiego ISSN 1644-6739 e-issn 2449-9765 DOI: 10.15611/sps.2015.13.09 Steszczeie: Rozkład pawdopodobieństwa

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

Metody probabilistyczne egzamin

Metody probabilistyczne egzamin Imię i azwisko:....................................................... N ideksu:.............. Metody pobabilistycze egzami Data: 30.0.209 Godzia: 3:00 Zadaie [8pkt] Podaj aksjomaty Kołmogoowa dla miay

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

ELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie

ELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie ELEMENTY MATEMATYI FINANSOWEJ Wpowadzeie Pieiądz ma okeśloą watość, któa ulega zmiaie w zależości od czasu, w jakim zostaje o postawioy do aszej dyspozycji. Watość tej samej omialie kwoty będzie ia dziś

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. W kolejnych okesach czasu t =,,3,... ubezpieczony, chaakteyzujący się paametem yzyka Λ, geneuje szkód. Dla danego Λ = λ zmienne N t N, N, N 3,... są waunkowo niezależne i mają (bzegowe) ozkłady

Bardziej szczegółowo

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

Bardziej szczegółowo

Kognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru

Kognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru Kognitywistyka II Teoie inteligencji i sposoby jej pomiau (4) Teoia zetelności wyników testu Rzetelność czyli dokładność pomiau W języku potocznym temin zetelność oznacza niezawodność (dokładność). W psychometii

Bardziej szczegółowo

Identyfikacja i modelowanie struktur i procesów biologicznych

Identyfikacja i modelowanie struktur i procesów biologicznych Idetyfikacja i modelowaie struktur i procesów biologiczych Laboratorium 4: Modele regresyje mgr iż. Urszula Smyczyńska AGH Akademia Góriczo-Huticza Aaliza regresji Aaliza regresji jest bardzo szeroka dziedzią,

Bardziej szczegółowo

KATEDRA ENERGETYKI. Laboratorium Elektrotechniki UKŁAD REGULACJI PRĘDKOŚCI. Temat ćwiczenia: SILNIKA PRĄDU STAŁEGO (LEONARD TYRYSTOROWY)

KATEDRA ENERGETYKI. Laboratorium Elektrotechniki UKŁAD REGULACJI PRĘDKOŚCI. Temat ćwiczenia: SILNIKA PRĄDU STAŁEGO (LEONARD TYRYSTOROWY) KATEDRA ENERGETYKI Laboatoium Elektotechiki Temat ćwiczeia: UKŁAD REGULACJI RĘDKOŚCI SILNIKA RĄDU STAŁEGO (LEONARD TYRYSTOROWY) I. WSTĘ TEORETYCZNY 1. Chaakteystyki mechaicze silika obcowzbudego Układy

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

1. Wprowadzenie. Zygmunt Lech Warsza. Serhii Zabolotnii. Pomiary Automatyka Robotyka, ISSN , R. 22, Nr 1/2018, DOI: 10.

1. Wprowadzenie. Zygmunt Lech Warsza. Serhii Zabolotnii. Pomiary Automatyka Robotyka, ISSN , R. 22, Nr 1/2018, DOI: 10. Pomiay Automatyka Robotyka, ISSN 47-96, R., N /08, 49 56 DOI: 0.433/PAR_7/49 Zygmut Lech Wasza Sehii Zabolotii Steszczeie: Pzedstawioo sposób wyzaczaia estymatoów watości i iepewości mezuadu iekowecjoalą

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

Ekonometria Mirosław Wójciak Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś 1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

LABORATORIUM METROLOGII

LABORATORIUM METROLOGII AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

Bardziej szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej). Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

Wprowadzenie do laboratorium 1

Wprowadzenie do laboratorium 1 Wprowadzeie do laboratorium 1 Etymacja jedorówaiowego modelu popytu a bilety loticze Etapy budowy modelu ekoometryczego Specyfikacja modelu Zebraie daych tatytyczych Etymacja parametrów modelu Weryfikacja

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

ROZKŁAD NORMALNY. 2. Opis układu pomiarowego

ROZKŁAD NORMALNY. 2. Opis układu pomiarowego ROZKŁAD ORMALY 1. Opis teoetyczny do ćwiczenia zamieszczony jest na stonie www.wtc.wat.edu.pl w dziale DYDAKTYKA FIZYKA ĆWICZEIA LABORATORYJE (Wstęp do teoii pomiaów). 2. Opis układu pomiaowego Ćwiczenie

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statystyka Katarzya Chudy Laskowska http://kc.sd.prz.edu.pl/ WNIOSKOWANIE STATYSTYCZNE Celem aalizy statystyczej ie jest zwykle tylko opisaie (prezetacja) posiadaych daych, czyli tzw. próby statystyczej.

Bardziej szczegółowo

Wytrzymałość śruby wysokość nakrętki

Wytrzymałość śruby wysokość nakrętki Wyzymałość śuby wysoość aęi Wpowazeie zej Wie Działająca w śubie siła osiowa jes pzeoszoa pzez zeń i zwoje gwiu. owouje ozciągaie lub ścisaie zeia śuby, zgiaie i ściaie zwojów gwiu oaz wywołuje acisi a

Bardziej szczegółowo

2.1. Studium przypadku 1

2.1. Studium przypadku 1 Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.

Bardziej szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk

Bardziej szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

Wykład 11 ( ). Przedziały ufności dla średniej Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;

Bardziej szczegółowo

WYZNACZANIE NAPIĘCIA POWIERZCHNIOWEGO ZA POMOCĄ KAPILARY

WYZNACZANIE NAPIĘCIA POWIERZCHNIOWEGO ZA POMOCĄ KAPILARY WYZNACZANIE NAPIĘCIA POWIERZCHNIOWEGO ZA POMOCĄ KAPILARY 1. Opis teoetyzy do ćwizeia zamieszzoy jest a stoie www.wt.wat.edu.pl w dziale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Opis układu pomiaowego

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobieństwo i statystyka.0.00 r. Zadaie Rozważy astępującą, uproszczoą wersję gry w,,woję. Talia składa się z 5 kart. Dobrze potasowae karty rozdajey dwó graczo, każdeu po 6 i układay w dwie kupki.

Bardziej szczegółowo

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę

Bardziej szczegółowo

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie MODELE SCORINGU KREDYTOWEGO Z WYKORZYSTANIEM NARZĘDZI DATA MINING ANALIZA PORÓWNAWCZA Przemysław Jaśko Wydział Ekoomii i Stosuków Międzyarodowych, Uiwersytet Ekoomiczy w Krakowie 1 WROWADZENIE Modele aplikacyjego

Bardziej szczegółowo

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3 L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie

Bardziej szczegółowo

Ocena dopasowania modelu do danych empirycznych

Ocena dopasowania modelu do danych empirycznych Ocea dopasowaia modelu do dach empirczch Po oszacowaiu parametrów modelu ależ zbadać, cz zbudowa model dobrze opisuje badae zależości. Jeśli okaże się, że rozbieżość międz otrzmam modelem a dami empirczmi

Bardziej szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA NA ĆWICZENIA 3 I 4 Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.

Bardziej szczegółowo

1) Jakie są różnice pomiędzy analiza danych a wnioskowaniem statystycznym?

1) Jakie są różnice pomiędzy analiza danych a wnioskowaniem statystycznym? Plaowaie Eksperymetów 1) Jakie są różice pomiędzy aaliza daych a wioskowaiem statystyczym? Celem aalizy daych jest prezetacja kokretego zbioru daych, w sposób ukazujący jego właściwości, w szczególości

Bardziej szczegółowo

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)

Bardziej szczegółowo

Parametryczne Testy Istotności

Parametryczne Testy Istotności Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq qwertyuiopasdfghjklzxcvbmqwerty uiopasdfghjklzxcvbmqwertyuiopasd fghjklzxcvbmqwertyuiopasdfghjklzx cvbmqwertyuiopasdfghjklzxcvbmq Model ekoometryczy wertyuiopasdfghjklzxcvbmqwertyui Ekoometria: projekt

Bardziej szczegółowo

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej 1 Artykuł techiczy Joatha Azañó Dział ds. Zarządzaia Eergią i Jakości Sieci CVM-ET4+ Zgody z ormami dotyczącymi efektywości eergetyczej owy wielokaałowy aalizator sieci i poboru eergii Obeca sytuacja Obece

Bardziej szczegółowo

Rozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej:

Rozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: Rozkład χ Niech ziea losowa a rozkład oralyn(; µ,). Zajdziey rozkład zieej: µ Stadaryzjąc zieą losową µ otrzyjey stadaryzoway rozkład Gassa: ( ;, ) ep N 0 π Rozkład zieej a więc postać: d ( X + ) N N ep

Bardziej szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

INFORMATYKA W CHEMII Dr Piotr Szczepański INFORMATYKA W CHEMII Dr Piotr Szczepański Katedra Chemii Fizyczej i Fizykochemii Polimerów . BŁĄD A NIEPEWNOŚĆ. TYPY NIEPEWNOŚCI 3. POWIELANIE NIEPEWNOŚCI 4. NIEPEWNOŚĆ STANDARDOWA ZŁOŻONA W rok 995 grpa

Bardziej szczegółowo

Porównanie dwu populacji

Porównanie dwu populacji Porówaie dwu populacji Porówaie dwóch rozkładów ormalych Założeia:. X ~ N( m, σ ), X ~ N( m, σ ), σ σ. parametry rozkładów ie ą zae. X, X ą iezależe. Ocea różicy między średimi m m m m x x (,...) H 0 :

Bardziej szczegółowo

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że: Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:

Bardziej szczegółowo

MODELOWANIE ROZMYTE W ANALIZIE JAKOŚCIOWEJ Z WYKORZYSTANIEM ŚRODOWISKA OLAP

MODELOWANIE ROZMYTE W ANALIZIE JAKOŚCIOWEJ Z WYKORZYSTANIEM ŚRODOWISKA OLAP ZESZYTY AUKOWE 79-85 Adzej CHOJACKI MODELOWAIE ROZMYTE W AALIZIE JAKOŚCIOWEJ Z WYKORZYSTAIEM ŚRODOWISKA OLAP Steszczeie W efeacie pzedstawioo matematyczy detemiistyczy model stuktuy daych w śodowisku OLAP

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu

Bardziej szczegółowo

Przejmowanie ciepła przy kondensacji pary

Przejmowanie ciepła przy kondensacji pary d iż. Michał Stzeszewski 004-01 Pzejowaie ciepła pzy kodesacji pay Zadaia do saodzielego ozwiązaia v. 0.9 1. powadzeie Jeżeli paa (asycoa lub pzegzaa) kotaktuje się z powiezchią o tepeatuze T s iższej

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

WIELOWYMIAROWA ANALIZA SYTUACJI SPOŁECZNO-DEMOGRAFICZNEJ POLSKI

WIELOWYMIAROWA ANALIZA SYTUACJI SPOŁECZNO-DEMOGRAFICZNEJ POLSKI Studia i Mateiały. Miscellaea Oecoomicae Rok 8, N /04 Wydział Zaządzaia i Admiistacji Uiwesytetu Jaa Kochaowskiego w Kielcach 50 lat kształceia ekoomistów w Kielcach Katazya Budy, Mata Szklaska, Ja Tata

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

Wpływ błędów parametrów modelu maszyny indukcyjnej na działanie rozszerzonego obserwatora prędkości

Wpływ błędów parametrów modelu maszyny indukcyjnej na działanie rozszerzonego obserwatora prędkości Daniel WACHOWIAK Zbigniew KRZEMIŃSKI Politechnika Gdańska Wydział Elektotechniki i Automatyki Kateda Automatyki Napędu Elektycznego doi:1015199/48017091 Wpływ błędów paametów modelu maszyny indukcyjnej

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej. Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( )

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( ) Rówaia óżiczkowe zwyczaje Rówaie postaci: Wykład Wpowadzeie dy x dx ( x y ( x) ) = f () Gdzie f ( x y ) jest fukcją dwóch zmieych okeśloą i ciągłą w pewym obszaze płaskim D azywamy ówaiem óżiczkowym zwyczajym

Bardziej szczegółowo