Analiza wybranych cech procesu eksploatacji środków transportu szynowego

Wielkość: px
Rozpocząć pokaz od strony:

Download "Analiza wybranych cech procesu eksploatacji środków transportu szynowego"

Transkrypt

1 LANDOWSKI Bogdan 1 SZELIGA Monika 2 Analiza wybranych cech procesu eksploatacji środków transportu szynowego WSTĘP Przedstawiona w pracy problematyka dotyczy zagadnień związanych z analizą procesu eksploatacji obiektów technicznych. Poddano analizie wybrane wskaźniki charakteryzujące procesy zapewniania zdatności realizowane w obiekcie badań oraz eksploatowanych obiektów. Przedstawiono wybrane wyniki badań dotyczące cech procesów eksploatacji, w tym procesów obsługiwania analizowanych środków transportu szynowego oraz miar efektywności technicznej badanych obiektów. W złoŝonych systemach eksploatacji obiektów technicznych realizowane są róŝne procesy dotyczące maszyn, które znajdują się w fazie eksploatacji, i które decydują o efektywności ich działania oraz efektywności eksploatacji systemu jako całości. Do tych procesów zalicza się procesy zapewniania zdatności obiektów technicznych. Realizowane są w celu utrzymania zdatności zadaniowej obiektu lub przywrócenia mu stanu zdatności, gdy obiekt znajduje się w stanie niezdatności [2, 3, 8]. Zapewnienie zdatności obiektów technicznych jest moŝliwe dzięki identyfikacji i lokalizacji uszkodzeń oraz procesów powodujących starzenie i zuŝywanie się elementów maszyn, a takŝe usuwaniu uszkodzeń i następstw zuŝycia. Działania profilaktyczne związane z zapewnieniem zdatności obiektów technicznych wykonywane są w ramach procesów obsługiwania, natomiast procesy odnowy przywracają potencjał eksploatacyjny maszyn [7, 8]. Coraz częściej do wspomagania procesów zapewniania zdatności realizowanych w złoŝonych systemach eksploatacji obiektów technicznych stosuje się narzędzia w postaci komputerowych pakietów programów informatycznych będących istotnym elementem systemów wspomagających słuŝby utrzymania ruchu [4]. Przedstawione w pracy rozwaŝania mogą stanowić dane źródłowe do modułów analizy niezawodności tego typu narzędzi informatycznych. Analizy dotyczące procesu eksploatacji obiektów technicznych zarówno w aspekcie statystycznym, w tym analizy rozkładów zmiennych losowych określających czasy trwania stanów eksploatacyjnych oraz miary niezawodności obiektów i efektywności realizowanych procesów, jak i probabilistycznym mają zarówno charakter poznawczy jak i utylitarny. Wnioski z dokonanych analiz uszkodzeń mogą być wykorzystywane, między innymi do modelowania procesów zmian stanów eksploatacyjnych obiektów technicznych [2, 3, 5, 7]. 1. OBIEKT BADAŃ Obiektem badań jest ogólnie traktowany system eksploatacji obiektów technicznych. Jako przykład obiektu badań, na którym zilustrowano rozwaŝania podjęte w pracy wybrano przedsiębiorstwo produkcyjno-usługowe zajmujące się miedzy innymi budową, modernizacją i naprawą środków transportu szynowego. W obiekcie badań produkowane są elektryczne i spalinowe zespoły trakcyjne oraz tramwaje niskopodłogowe. Firma specjalizuje się równieŝ w modernizacji i unowocześnianiu wagonów pasaŝerskich wszystkich typów, elektrycznych zespołów trakcyjnych, 1 Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy, Wydział InŜynierii Mechanicznej, Zakład Transportu i Eksploatacji; Bydgoszcz, Al. Prof. S. Kaliskiego7. Tel: , Fax: , lbogdan@utp.edu.pl 2 Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy, Wydział InŜynierii Mechanicznej; Bydgoszcz, Al. Prof. S. Kaliskiego7, Bydgoszcz. Tel: , Fax:

2 lokomotyw oraz wagonów towarowych. Produkowane pojazdy szynowe są uŝytkowane zarówno w kraju jak i za granicą. Procesy zapewniania zdatności pojazdów szynowych realizowane w obiekcie badań wynikają zarówno z jego działalności produkcyjnej i konieczności wykonywania tzw. obsług przeduŝytkowych i gwarancyjnych jak i usługowej. W obiekcie badań obsługi podzielone są na pięć kategorii, z których kaŝda ma ściśle określony zakres czynności przeglądowych i technologię realizacji. Ponadto wykonywane są naprawy bieŝące i awaryjne. Przed wyjazdem pojazdu kolejowego, w czasie trwania jazdy lub po jej zakończeniu naleŝy wykonać czynności sprawdzające. Czynności te mogą być realizowane przez pracowników przewoźnika (maszynistę, rewidenta), przy uŝyciu urządzeń pokładowych lub przytorowych. W trakcie wykonywania czynności kontrolnych i monitorujących pojazd naleŝy ocenić stan zespołów, podzespołów, a takŝe układów pojazdu kolejowego, które mają istotny wpływ na bezpieczeństwo jazdy. NaleŜy równieŝ zaopatrzyć dany pojazd w materiały eksploatacyjne, a w przypadku zuŝycia w trakcie eksploatacji elementów szybkozuŝywających się konieczna jest ich wymiana. Procesy utrzymania maszyn w ruchu zapobiegające przekroczeniom tzw. limitów zuŝycia i resursu wykonywane są na stanowiskach specjalistycznych, gdy pojazd kolejowy jest wyłączony z planowanej eksploatacji. Planowane wymiany podzespołów, a takŝe niewielkie naprawy zespołów i podzespołów funkcjonalnych wykonywane są na wyspecjalizowanych stanowiskach. 2. SPOSÓB REALIZACJI BADAŃ Zrealizowane badania obejmowały miedzy innymi podsystem zapewniania zdatności przedsiębiorstwa realizującego proces produkcyjny środków transportu szynowego oraz procesy naprawy i modernizacji pojazdów szynowych, a takŝe wybrane cechy eksploatowane pojazdów szynowych. Badania przeprowadzono metodą eksperymentu biernego w naturalnych warunkach eksploatacji pojazdów szynowych. Ze względu na charakter opracowania, zakres zrealizowanych badań i dostępność danych w opracowaniu poddano analizie dwa wskaźniki, dotyczące niezawodności i gotowości technicznej pojazdów szynowych. Analizie poddano równieŝ dwie zmienne losowe, to jest zmienną losową oznaczającą czas wyłączenia z uŝytkowania obiektu dla realizacji procesów utrzymania zdatności liczony od chwili przekazania obiektu technicznego do realizacji obsługiwania do chwili przekazania zdatnego obiektu do uŝytkowania oraz zmienną losową oznaczającą czas tzw. wyłączeń awaryjnych liczony od chwili przekazania obiektu technicznego do naprawy do chwili zakończenia naprawy. Na podstawie pozyskanych danych źródłowych dokonano obliczeń wybranych statystyk analizowanych zmiennych losowych (T a i T u ) oraz wskaźników (W n i W u ). Wyznaczono między innymi wartości statystyk: średnia arytmetyczna, odchylenie standardowe, rozstęp, współczynnik zmienności, rozstęp przedziału ufności, a takŝe dolną i górną granicę przedziału ufności dla wartości średniej. Dokonano weryfikacji hipotez zerowej H 0 o zgodności rozkładu empirycznego analizowanych zmiennych losowych z rozkładem hipotetycznym za pomocą testu zgodności χ 2. Test ten został przeprowadzony dla czterech rozkładów hipotetycznych. Są to rozkłady: normalny, gamma, logarytmiczno normalnego oraz wykładniczy. Test zgodności χ 2 przeprowadzono dla czterech prób statystycznych. W obiekcie badań są realizowane obsługi zarówno o podstawowym, jak i rozszerzonym zakresie. Obsługi o podstawowym zakresie cechują się krótszym czasem realizacji w porównaniu z naprawami o zakresie rozszerzonym. Analizowane realizacje zmiennych losowych T a i T u oznaczono odpowiednio: A, B, C i D. Realizacja A dotyczy obsług o podstawowym zakresie. Próba B związana jest z naprawami o podstawowym zakresie oraz przyjęto, Ŝe jeŝeli w analizowanym miesiącu kalendarzowym nie wystąpiły Ŝadne uszkodzenia to realizacja zmiennych losowych ma wartość zero. Próba C dotyczy obsług zarówno o podstawowym jak i rozszerzonym zakresie, a próba D związana jest z naprawami o podstawowym 3651

3 i rozszerzonym zakresie oraz przyjęto, Ŝe jeŝeli w analizowanym miesiącu kalendarzowym nie wystąpiły Ŝadne uszkodzenia to realizacja zmiennych losowych ma wartość zero. 3. WYBRANE WYNIKI BADAŃ Na podstawie zrealizowanych badań, analizie poddano zmienne losowych T a i T u oraz następujące wskaźniki: współczynnik niezawodności technicznej obiektu technicznego: k T Ta Wn = (1) T gdzie: T wyraŝony w godzinach, całkowity czas pozostawienia obiektu technicznego w eksploatacji, T a wyraŝony w pełnych godzinach łączny czas wszystkich wyłączeń awaryjnych, liczony od chwili przekazania obiektu technicznego do miejsca przeprowadzenia naprawy wynikającej z awarii obiektu, do chwili ponownego przekazania zdatnego obiektu technicznego do uŝytkowania (do czasu T a nie włącza się czasu wyłączeń spowodowanych wypadkami kolejowymi, które zostały spowodowane przyczynami niezaleŝnymi od stanu technicznego obiektu technicznego), k kod przedziału czasu dla którego wyznaczana jest wartość wskaźnika, k {T, M, K, R); T - tydzień, M miesiąc, K kwartał, R rok. współczynnik gotowości technicznej obiektu technicznego: k T Tu Wn = (2) T gdzie: T wyraŝony w godzinach, całkowity czas pozostawienia obiektu technicznego w eksploatacji, T a wyraŝony w pełnych godzinach łączny czas wszystkich wyłączeń obiektu technicznego na potrzeby przeprowadzenia czynności przeglądowych i planowych obsług, liczony od chwili przekazania obiektu technicznego do miejsca przeprowadzania obsługi technicznej, do chwili przekazania obiektu technicznego do dalszej eksploatacji, k kod przedziału czasu dla którego wyznaczana jest wartość wskaźnika, k {T, M, K, R); T - tydzień, M miesiąc, K kwartał, R rok. Dane dotyczące powyŝszych wskaźników i zmiennych losowych obejmują miesiące od stycznia do grudnia 2012 roku. W tabelach od tab. 1 do tab. 3 przedstawiono wybrane wyniki badań. Zastosowane w tabelach symbole oznaczają: x średnia arytmetyczna, s(x) odchylenie standardowe, min wartość minimalna w próbie, max wartość maksymalna w próbie, R rozstęp, α poziom istotności, V współczynnik zmienności, Rpu rozstęp przedziału ufności dla wartości średniej, Dgpu dolna granica przedziału ufności, Ggpu górna granica przedziału ufności. 3652

4 Tab. 1. Wartości wybranych statystyk realizacji analizowanych zmiennych losowych i wskaźników Parametr 5,12 0,99 11,19 0,99 26,13 0,04 13,95 0,02 ść ,00 0,67 0,00 0,88 232,00 1,00 89,00 1,00 232,00 0,33 89,00 0,12 0,05 0,05 0,05 0,05 5,10 0,04 1,25 0,02 3,70 0,01 1,97 0,00 1,42 0,99 9,22 0,98 8,82 1,00 13,16 0,99 Tab. 2. Sumaryczny czas realizacji analizowanych zmiennych losowych (wszystkich badanych obiektów) w poszczególnych miesiącach oraz wartości ocenianych wskaźników wyznaczonych dla przedziału czasu wynoszącego miesiąc (kod przedziału czasu M) Parametr Miesiące Styczeń ,39 208,5 15,75 Luty ,63 212,3 15,66 Marzec ,3 15,76 Kwiecień 0, ,55 15,8 Maj 60,5 15, ,81 Czerwiec 47 15, ,79 Lipiec 41 15, ,81 Sierpień 11 15, ,79 Wrzesień 43 15, ,56 Październik 66,05 15, ,42 Listopad Grudzień Tab. 3. Wartości wybranych statystyk realizacji analizowanych zmiennych losowych (łącznie w miesięcznych przedziałach czasu) oraz wartości ocenianych wskaźników wyznaczonych dla przedziału czasu wynoszącego miesiąc (kod przedziału czasu M) Parametr 81,92 15,89 179,05 15,76 137,33 0,19 117,78 0,16 ść ,00 15,39 0,00 15,42 455,00 16,00 437,00 16,00 455,00 0,61 437,00 0,58 0,05 0,05 0,05 0,05 1,68 0,01 0,66 0,01 77,79 0,11 66,72 0,09 4,13 15,78 112,33 15,67 159,72 16,00 245,77 15,

5 4. ANALIZA ROZKŁADU BADANYCH ZMIENNYCH LOSOWYCH Weryfikacji hipotezy zerowej o zgodności rozkładu analizowanych zmiennych losowych z rozkładem hipotetycznym zrealizowano zgodnie z metodyką przedstawioną w pracach [1, 6 9]. Analizę typu rozkładu badanych zmiennych losowych wykonano za pomocą testu zgodności χ 2 Zastosowany test zgodności wymaga duŝej próby losowej, rzędu co najmniej kilkudziesięciu obserwacja n 100, gdzie n oznacza liczebność realizacji analizowanej zmiennej losowej, choć trudno jednoznacznie ustalić jaką liczebność naleŝy uznać za wystarczającą [9]. Liczebności realizacji analizowanych zmiennych losowych mieściły się w zakresie od danych. W związku z powyŝszym, wykonując test zgodności χ dla małych prób naleŝy podchodzić ostroŝnie do ich wyników. Wyniki przeprowadzonej analizy rozkładów przedstawiono w tab. 4 i tab. 5 Tab. 4. Wyniki weryfikacji przyjętej hipotezy H 0 za pomocą testu zgodności χ 2 dla zmiennej losowej T a Kod próby statystycznej A B C D Rozkład normalny χ 0 23, , , , Rozkład gamma χ 5, , , , , , Rozkład logarytmiczno normalny 1 1 χ 10, , ,05 0, ,05 0, , ,04492 Rozkład wykładniczy χ 4, , , , , , Zastosowane w tabelach (tab. 4 i tab. 5) symbole oznaczają: liczność próby, liczba stopni swobody dla statystyki χ, przyjęty poziom istotności, χ obliczona wartość statystyki χ, χ α wartość krytyczna dla statystyki χ dla przyjętego poziomu istotności α, h 0 odrzucenie hipotezy H,

6 h 1 brak podstaw do odrzucenie hipotezyh, poziom przy jakim brak podstaw do odrzucenia hipotezy. Tab. 5. Wyniki weryfikacji przyjętej hipotezy H 0 za pomocą testu zgodności χ 2 dla zmiennej losowej T u Kod próby statystycznej A B C D Rozkład normalny χ 12, , , , , Rozkład gamma χ 40, , , , Rozkład logarytmiczno normalny 7 1 χ 71, , ,05 0, ,05 0, ,00001 Rozkład wykładniczy χ 277, , , , Na podstawie przeprowadzonych obliczeń brak podstaw do odrzucenia analizowanej hipotezy H dla zmiennej losowej występuje dla próby: A: brak podstaw do odrzucenia hipotezy o zgodności rozkładu empirycznego z rozkładem gamma przy poziomie istotności α0,01, A: brak podstaw do odrzucenia hipotezy o zgodności rozkładu empirycznego z rozkładem wykładniczym przy poziomie istotności α0,01 i α 0,05, C: brak podstaw do odrzucenia hipotezy o zgodności rozkładu empirycznego z rozkładem gamma przy poziomie istotności α 0,01. Natomiast brak podstaw do odrzucenia badanej hipotezy H dla zmiennej losowe występuje tylko dla rozkładu normalnego dla poziomu istotności α 0,01. W pozostałych przypadkach dla obu zmiennych i hipotezy zostały odrzucone. Rozkład logarytmiczno normalny moŝe być określony dla wartości realizacji zmiennych losowych przyjmujących wartości większe od zera. Realizacje zmiennych losowych i dla prób statystycznych oznaczonych kodami B i D zawierają wartości zero. 3655

7 WNIOSKI Przedstawione w pracy rozwaŝania mogą stanowić dane źródłowe do modułów analizy niezawodności narzędzi informatycznych będących istotnym elementem systemów wspomagających słuŝby utrzymania ruchu. Analizy dotyczące procesu eksploatacji obiektów technicznych zarówno w aspekcie statystycznym, w tym analizy rozkładów zmiennych losowych określających czasy trwania stanów eksploatacyjnych oraz miary niezawodności obiektów i efektywności realizowanych procesów, jak i probabilistycznym mają zarówno charakter poznawczy jak i utylitarny. Wnioski z dokonanych analiz uszkodzeń mogą być wykorzystywane, między innymi do modelowania procesów zmian stanów eksploatacyjnych obiektów technicznych. Na podstawie zrealizowanych badań moŝna stwierdzić ze procesy zapewniania zdatności w badanym przedsiębiorstwie wykonywane są na wysokim poziomie. Świadczyć o tym mogą m. in. wysokie wartości analizowanych wskaźników W n i W u wyznaczone dla badanych przedziałów czasu oraz niewielkie wartości współczynników zmienności dla wszystkich ocenianych podzbiorów wartości tych wskaźników. Ponadto analiza wyników badań wskazuje, Ŝe pora roku (miesiąc kalendarzowy) niema istotnego wpływu na wartości analizowanych zmiennych i wskaźników. Wyniki weryfikacji hipotezy o zgodności rozkładu empirycznego z analizowanymi rozkładami hipotetycznymi dla zmiennej losowej oznaczonej T a dla próby statystycznej oznaczonej A i C ze względu na ich niewielkie liczebności (n<100) naleŝy traktować ostroŝnie. Streszczenie W artykule dokonano analizy wyników badań dotyczących podsystemu zapewniania zdatności przedsiębiorstwa realizującego proces produkcyjny środków transportu szynowego oraz procesy naprawy i modernizacji pojazdów szynowych. Badania przeprowadzono metodą eksperymentu biernego w naturalnych warunkach eksploatacji pojazdów szynowych. Ze względu na dostępność danych, przeanalizowano dwa wskaźniki. Dotyczą one niezawodności i gotowości technicznej. Analizie poddano równieŝ dwie zmienne losowe, to jest: - czas, liczony w pełnych godzinach, wyłączenia z uŝytkowania obiektu dla realizacji procesów utrzymania zdatności od momentu przekazania obiektu technicznego do zabiegu realizacji procesów zapewniania zdatności do chwili przekazania do uŝytkowania oraz - liczony w pełnych godzinach czas wyłączeń awaryjnych od momentu przekazania obiektu technicznego do naprawy do chwili zakończenia naprawy. Dokonano takŝe weryfikacji hipotez statystycznych o zgodności rozkładu empirycznego zmiennych losowych i z rozkładem hipotetycznym. Weryfikacji hipotez statystycznych dokonano za pomocą testu zgodności χ dla czterech rozkładów hipotetycznych: normalnego, gamma, logarytmiczno normalnego, a takŝe wykładniczego. W artykule przedstawiono wybrane wyniki przeprowadzonych badań. Analysis of the selected features of the utilisation process of railway means of transport Abstract Results of investigations regarding a serviceability assurance subsystem of an enterprise performing a process of production of railway means of transport as well as processes of repair and modernisation of railway vehicles are analysed in the paper. The investigations were performed by passive experiment in natural conditions of utilisation of railway vehicles. Due to availability of the data, two indices were analysed. They refer to reliability and technical readiness. Also, two random variables were analysed, they are: - the time, counted in hours, of excluding the object from use in order to perform the processes of maintaining serviceability from the moment of transferring the technical object to perform the processes of maintaining serviceability till the moment it is transferred for use, and the time, counted in hours, of emergency exclusions from the moment of transferring the technical object to be repaired till the moment the repair is completed. Moreover, statistical hypotheses with compliance of empirical distribution of the random variables and with the hypothetical distribution were verified, too. The statistical hypotheses were verified by applying the compliance test χ for four hypothetical distributions: normal, gamma, log-normal, and exponential. 3656

8 The paper presents selected results of the investigations performed. BIBLIOGRAFIA 1. Górska R., Elementy statystyki matematycznej z przykładami. WyŜsza Szkoła Finansów i Zarządzania w Warszawie, Warszawa Landowski B., Example of applying markov decision process to model vehicle maintenance process. Journal of KONES Powertrain and Transport, Vol. 20, No. 4, 2013, European Science Society of Powertrain and Transport Publication, Warsaw 2013, ISSN , pp Landowski B., Example of markov decision process use for modelling of operation and maintenance process. Interdisciplinary Integration of Science in Technology, Education and Economy. Monograph: edited by Shalapko J. and śółtowski B. Khmelnytsky National University, Jaremche 2013, Ukraine, ISBN , pp Landowski B., Metoda oceny informatycznych systemów wspomagających słuŝby utrzymania ruchu. Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą, Tom 46, Polskie Stowarzyszenie Zarządzania Wiedzą, Bydgoszcz 2011, ISSN X, pp Landowski B., Woropay M., Neubauer A., Sterowanie niezawodnością w systemach transportowych. Instytut Technologii Eksploatacji PIB, Bydgoszcz Radom Sobczyk M., Statystyka matematyczna. Wydawnictwo C. H. Beck, Warszawa Woropay M., Knopik L., Landowski B., Modelowanie procesów eksploatacji w systemie transportowym. Instytut Technologii i Eksploatacji, Bydgoszcz Radom Woropay M., Landowski B., Jaskulski Z., Wybrane problemy eksploatacji i zarządzania systemami technicznymi. Wydawnictwo Uczelniane Akademii Techniczno Rolniczej w Bydgoszczy, Bydgoszcz Zeliaś A., Metody statystyczne. Polskie Wydawnictwo Ekonomiczne, Warszawa

Analiza przyczyn i postaci uszkodzeń wybranych środków transportu oraz ich wpływu na możliwość realizacji zadań transportowych

Analiza przyczyn i postaci uszkodzeń wybranych środków transportu oraz ich wpływu na możliwość realizacji zadań transportowych LANDOWSKI Bogdan 1 KOBĘDZA Karol 2 Analiza przyczyn i postaci uszkodzeń wybranych środków transportu oraz ich wpływu na możliwość realizacji zadań transportowych WSTĘP Przedstawiona w pracy problematyka

Bardziej szczegółowo

PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV

PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Elektroenergetyczne linie napowietrzne i kablowe wysokich i najwyższych napięć PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Wisła, 18-19 października 2017

Bardziej szczegółowo

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION

Bardziej szczegółowo

WSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48

WSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48 TECHNIKA TRANSPORTU SZYNOWEGO Andrzej MACIEJCZYK, Zbigniew ZDZIENNICKI WSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48 Streszczenie W artykule wyznaczono współczynniki gotowości systemu

Bardziej szczegółowo

Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym

Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne

Bardziej szczegółowo

Wykorzystanie testu Levene a i testu Browna-Forsythe a w badaniach jednorodności wariancji

Wykorzystanie testu Levene a i testu Browna-Forsythe a w badaniach jednorodności wariancji Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 4/18/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.4.48 WIESŁAWA MALSKA Wykorzystanie testu Levene a i testu Browna-Forsythe

Bardziej szczegółowo

OCENA GOTOWOŚCI TECHNICZNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ NA PRZYKŁADZIE MIEJSKIEGO PRZEDSIĘBIORSTWA KOMUNIKACYJNEGO W LUBLINIE

OCENA GOTOWOŚCI TECHNICZNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ NA PRZYKŁADZIE MIEJSKIEGO PRZEDSIĘBIORSTWA KOMUNIKACYJNEGO W LUBLINIE JOANNA RYMARZ, ANDRZEJ NIEWCZAS * OCENA GOTOWOŚCI TECHNICZNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ NA PRZYKŁADZIE MIEJSKIEGO PRZEDSIĘBIORSTWA KOMUNIKACYJNEGO W LUBLINIE TECHNICAL AVAILABILITY ANALYSIS OF THE

Bardziej szczegółowo

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności. TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.

Bardziej szczegółowo

PROTOKÓŁ NR 10. Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn

PROTOKÓŁ NR 10. Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn 30.10.2012 PROTOKÓŁ NR 10 z zebrania organizacyjnego w sprawie realizacji projektu: Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn Data: 30.10.2012 Miejsce:

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów

Bardziej szczegółowo

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa.

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa. TESTY NIEPARAMETRYCZNE 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa. Standardowe testy równości średnich wymagają aby badane zmienne losowe

Bardziej szczegółowo

Przykład 2. Stopa bezrobocia

Przykład 2. Stopa bezrobocia Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Niezawodność elementów i systemów. Sem. 8 Komputerowe Systemy Elektroniczne, 2009/2010 1

Niezawodność elementów i systemów. Sem. 8 Komputerowe Systemy Elektroniczne, 2009/2010 1 Niezawodność elementów i systemów Sem. 8 Komputerowe Systemy Elektroniczne, 2009/2010 1 Niezawodność wyrobu (obiektu) to spełnienie wymaganych funkcji w określonych warunkach w ustalonym czasie Niezawodność

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia. Język polski

Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia. Język polski Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia Przedmiot: Niezawodność środków transportu Rodzaj przedmiotu: obowiązkowy Kod przedmiotu: TR 1 S 0 6 42-0_1 Rok: III Semestr: 6 Forma studiów:

Bardziej szczegółowo

Porównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska

Porównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska Porównanie modeli statystycznych Monika Wawrzyniak Katarzyna Kociałkowska Jaka jest miara podobieństwa? Aby porównywać rozkłady prawdopodobieństwa dwóch modeli statystycznych możemy użyć: metryki dywergencji

Bardziej szczegółowo

Akademia Morska w Szczecinie. Wydział Mechaniczny

Akademia Morska w Szczecinie. Wydział Mechaniczny Akademia Morska w Szczecinie Wydział Mechaniczny ROZPRAWA DOKTORSKA mgr inż. Marcin Kołodziejski Analiza metody obsługiwania zarządzanego niezawodnością pędników azymutalnych platformy pływającej Promotor:

Bardziej szczegółowo

Statystyka matematyczna. Wykład V. Parametryczne testy istotności

Statystyka matematyczna. Wykład V. Parametryczne testy istotności Statystyka matematyczna. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Weryfikacja hipotezy o równości wartości średnich w dwóch populacjach 2 3 Weryfikacja hipotezy o równości wartości średnich

Bardziej szczegółowo

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

Student Bartosz Banaś Dr inż. Wiktor Kupraszewicz Dr inż. Bogdan Landowski Dr inż. Bolesław Przybyliński kierownik zespołu

Student Bartosz Banaś Dr inż. Wiktor Kupraszewicz Dr inż. Bogdan Landowski Dr inż. Bolesław Przybyliński kierownik zespołu I kwartał 2011 Student Bartosz Banaś Dr inż. Wiktor Kupraszewicz Dr inż. Bogdan Landowski Dr inż. Bolesław Przybyliński kierownik zespołu Powołany zespół, jako szczegółowe zadania realizacyjne w projekcie,

Bardziej szczegółowo

Wydział Matematyki. Testy zgodności. Wykład 03

Wydział Matematyki. Testy zgodności. Wykład 03 Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy

Bardziej szczegółowo

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4. Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ

Bardziej szczegółowo

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Tomasz Kuszewski Poziom studiów (I lub II stopnia): II stopnia

Bardziej szczegółowo

Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.

Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie. STATISTICA INSTRUKCJA - 1 I. Wprowadzanie danych Podstawowe / Nowy / Arkusz Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.

Bardziej szczegółowo

MODELOWANIE PROCESU EKSPLOATACJI OBIEKTÓW TECHNICZNYCH ZA POMOCĄ DYNAMICZNYCH SIECI BAYESOWSKICH

MODELOWANIE PROCESU EKSPLOATACJI OBIEKTÓW TECHNICZNYCH ZA POMOCĄ DYNAMICZNYCH SIECI BAYESOWSKICH InŜynieria Rolnicza 12/2006 Grzegorz Bartnik, Andrzej Kusz, Andrzej W. Marciniak Katedra Podstaw Techniki Akademia Rolnicza w Lublinie MODELOWANIE PROCESU EKSPLOATACJI OBIEKTÓW TECHNICZNYCH ZA POMOCĄ DYNAMICZNYCH

Bardziej szczegółowo

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności: Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności

Bardziej szczegółowo

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE

Bardziej szczegółowo

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...

Bardziej szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie

Bardziej szczegółowo

Statystyka matematyczna. Wykład VI. Zesty zgodności

Statystyka matematyczna. Wykład VI. Zesty zgodności Statystyka matematyczna. Wykład VI. e-mail:e.kozlovski@pollub.pl Spis treści 1 Testy zgodności 2 Test Shapiro-Wilka Test Kołmogorowa - Smirnowa Test Lillieforsa Test Jarque-Bera Testy zgodności Niech x

Bardziej szczegółowo

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15 VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich

Bardziej szczegółowo

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Było: Estymacja parametrów rozkładu teoretycznego punktowa przedziałowa Przykład. Cecha X masa owocu pewnej odmiany. ZałoŜenie: cecha X ma w populacji rozkład

Bardziej szczegółowo

1 Estymacja przedziałowa

1 Estymacja przedziałowa 1 Estymacja przedziałowa 1. PRZEDZIAŁY UFNOŚCI DLA ŚREDNIEJ (a) MODEL I Badana cecha ma rozkład normalny N(µ, σ) o nieznanym parametrze µ i znanym σ. Przedział ufności: [ ( µ x u 1 α ) ( σn ; x + u 1 α

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo

Kolokwium ze statystyki matematycznej

Kolokwium ze statystyki matematycznej Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę

Bardziej szczegółowo

Analiza wariancji. dr Janusz Górczyński

Analiza wariancji. dr Janusz Górczyński Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik

Bardziej szczegółowo

Analiza autokorelacji

Analiza autokorelacji Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.

Bardziej szczegółowo

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja

Bardziej szczegółowo

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Konrad Miziński, nr albumu 233703 31 maja 2015 Zadanie 1 Wartości oczekiwane µ 1 i µ 2 oszacowano wg wzorów: { µ1 = 0.43925 µ = X

Bardziej szczegółowo

Politechnika Krakowska im. Tadeusza Kościuszki KARTA PRZEDMIOTU

Politechnika Krakowska im. Tadeusza Kościuszki KARTA PRZEDMIOTU Politechnika Krakowska im. Tadeusza Kościuszki KARTA obowiązuje słuchaczy rozpoczynających studia podyplomowe w roku akademickim 018/019 Nazwa studiów podyplomowych Budowa i eksploatacja pojazdów szynowych

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Wybrane statystyki nieparametryczne. Selected Nonparametric Statistics

Wybrane statystyki nieparametryczne. Selected Nonparametric Statistics Wydawnictwo UR 2017 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 2/20/2017 www.eti.rzeszow.pl DOI: 10.15584/eti.2017.2.13 WIESŁAWA MALSKA Wybrane statystyki nieparametryczne Selected

Bardziej szczegółowo

Kilka uwag o testowaniu istotności współczynnika korelacji

Kilka uwag o testowaniu istotności współczynnika korelacji 341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo

OCENA NIEZAWODNOŚCI EKSPLOATACYJNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ

OCENA NIEZAWODNOŚCI EKSPLOATACYJNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ 1-2012 PROBLEMY EKSPLOATACJI 79 Joanna RYMARZ, Andrzej NIEWCZAS Politechnika Lubelska OCENA NIEZAWODNOŚCI EKSPLOATACYJNEJ AUTOBUSÓW KOMUNIKACJI MIEJSKIEJ Słowa kluczowe Niezawodność, autobus miejski. Streszczenie

Bardziej szczegółowo

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde

Bardziej szczegółowo

Wykład 3 Hipotezy statystyczne

Wykład 3 Hipotezy statystyczne Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza

Bardziej szczegółowo

Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności

Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności Badanie normalności rozkładu Shapiro-Wilka: jest on najbardziej zalecanym testem normalności rozkładu. Jednak wskazane jest, aby

Bardziej szczegółowo

Zadanie 1 Odp. Zadanie 2 Odp. Zadanie 3 Odp. Zadanie 4 Odp. Zadanie 5 Odp.

Zadanie 1 Odp. Zadanie 2 Odp. Zadanie 3 Odp. Zadanie 4 Odp. Zadanie 5 Odp. Zadanie 1 budżet na najbliższe święta. Podać 96% przedział ufności dla średniej przewidywanego budżetu świątecznego jeśli otrzymano średnią z próby równą 600 zł, odchylenie standardowe z próby równe 30

Bardziej szczegółowo

Statystyczna analiza awarii pojazdów samochodowych. Failure analysis of cars

Statystyczna analiza awarii pojazdów samochodowych. Failure analysis of cars Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 1/15/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.1.1 ROMAN RUMIANOWSKI Statystyczna analiza awarii pojazdów

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Test zgodności i analiza wariancji Analiza wariancji Test zgodności Chi-kwadrat Sprawdza się za jego pomocą ZGODNOŚĆ ROZKŁADU EMPIRYCZNEGO Z PRÓBY Z ROZKŁADEM HIPOTETYCZNYM

Bardziej szczegółowo

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0 Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia

Bardziej szczegółowo

Niezawodność i diagnostyka projekt. Jacek Jarnicki

Niezawodność i diagnostyka projekt. Jacek Jarnicki Niezawodność i diagnostyka projekt Jacek Jarnicki Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania 4. Podział na grupy, wybór tematów, organizacja

Bardziej szczegółowo

Zmienna bazowa. 100(1 α)% przedział ufności dla µ: 100(α)% test hipotezy dla µ = µ 0; odrzucić, jeżeli Ȳ nie jest w przedziale

Zmienna bazowa. 100(1 α)% przedział ufności dla µ: 100(α)% test hipotezy dla µ = µ 0; odrzucić, jeżeli Ȳ nie jest w przedziale Wprowadzenie Wprowadzenie Wnioskowanie podsumowanie Zdefiniuj populację, która będzie przedmiotem badań Zbierz parametry, które będą przedmiotem wnioskowania Wybierz losową próbę z populacji Przeprowadź

Bardziej szczegółowo

TRANSCOMP XV INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT

TRANSCOMP XV INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT TRANSCOMP XV INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT KRZYSZKOWSKI Andrzej 1 PRZEREMBEL Stanisław 2 Transport, maszyny elektryczne, tabor szynowy, eksploatacja pojazdów

Bardziej szczegółowo

TESTOWANIE HIPOTEZ STATYSTYCZNYCH

TESTOWANIE HIPOTEZ STATYSTYCZNYCH TETOWANIE HIPOTEZ TATYTYCZNYCH HIPOTEZA TATYTYCZNA przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia jest oceniana na

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja) PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na

Bardziej szczegółowo

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 24 60-965 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Temat Testowanie hipotez statystycznych Kody znaków: Ŝółte wyróŝnienie nowe pojęcie pomarańczowy uwaga kursywa komentarz 1 Zagadnienia omawiane na zajęciach 1. Idea i pojęcia teorii testowania hipotez

Bardziej szczegółowo

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15 VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,

Bardziej szczegółowo

OCENA ZGODNOŚCI Z WYMAGANIAMI TSI DLA PODSYSTEMU TABOR KOLEJOWY

OCENA ZGODNOŚCI Z WYMAGANIAMI TSI DLA PODSYSTEMU TABOR KOLEJOWY PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 119 Transport 2017 Zbigniew Łukasik, Waldemar Nowakowski, Tomasz Ciszewski Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu, Wydział

Bardziej szczegółowo

Wykład 3 Testowanie hipotez statystycznych o wartości średniej. średniej i wariancji z populacji o rozkładzie normalnym

Wykład 3 Testowanie hipotez statystycznych o wartości średniej. średniej i wariancji z populacji o rozkładzie normalnym Wykład 3 Testowanie hipotez statystycznych o wartości średniej i wariancji z populacji o rozkładzie normalnym Wrocław, 08.03.2017r Model 1 Testowanie hipotez dla średniej w rozkładzie normalnym ze znaną

Bardziej szczegółowo

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

Bardziej szczegółowo

Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa.

Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Paweł Strawiński Uniwersytet Warszawski Wydział Nauk Ekonomicznych 16 stycznia 2006 Streszczenie W artykule analizowane są właściwości

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28 Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych

Bardziej szczegółowo

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego

Bardziej szczegółowo

WERYFIKACJA HIPOTEZ STATYSTYCZNYCH

WERYFIKACJA HIPOTEZ STATYSTYCZNYCH WERYFIKACJA HIPOTEZ STATYSTYCZNYCH I. TESTY PARAMETRYCZNE II. III. WERYFIKACJA HIPOTEZ O WARTOŚCIACH ŚREDNICH DWÓCH POPULACJI TESTY ZGODNOŚCI Rozwiązania zadań wykonywanych w Statistice przedstaw w pliku

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 Podstawy rachunku prawdopodobieństwa 1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej

Bardziej szczegółowo

Badanie normalności rozkładu

Badanie normalności rozkładu Temat: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności. Badanie normalności rozkładu Shapiro-Wilka: jest on najbardziej zalecanym testem normalności rozkładu. Jednak wskazane jest, aby liczebność

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez dla średnich w rozkładzie normalnym. Wrocław, r

Statystyka matematyczna Testowanie hipotez dla średnich w rozkładzie normalnym. Wrocław, r Statystyka matematyczna Testowanie hipotez dla średnich w rozkładzie normalnym Wrocław, 18.03.2016r Testowanie hipotez dla średniej w rozkładzie normalnym dla jednej próby Model 1 Testowanie hipotez dla

Bardziej szczegółowo

rok 2006/07 Jacek Jarnicki,, Kazimierz Kapłon, Henryk Maciejewski

rok 2006/07 Jacek Jarnicki,, Kazimierz Kapłon, Henryk Maciejewski Projekt z niezawodności i diagnostyki systemów cyfrowych rok 2006/07 Jacek Jarnicki,, Kazimierz Kapłon, Henryk Maciejewski Cel projektu Celem projektu jest: 1. Poznanie metod i napisanie oprogramowania

Bardziej szczegółowo

W1. Wprowadzenie. Statystyka opisowa

W1. Wprowadzenie. Statystyka opisowa W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład

Bardziej szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych

Bardziej szczegółowo

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, że 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

Estymacja parametrów rozkładu cechy

Estymacja parametrów rozkładu cechy Estymacja parametrów rozkładu cechy Estymujemy parametr θ rozkładu cechy X Próba: X 1, X 2,..., X n Estymator punktowy jest funkcją próby ˆθ = ˆθX 1, X 2,..., X n przybliżającą wartość parametru θ Przedział

Bardziej szczegółowo

Wstęp do probabilistyki i statystyki. Wykład 4. Statystyki i estymacja parametrów

Wstęp do probabilistyki i statystyki. Wykład 4. Statystyki i estymacja parametrów Wstęp do probabilistyki i statystyki Wykład 4. Statystyki i estymacja parametrów dr hab.inż. Katarzyna Zakrzewska, prof.agh, Katedra Elektroniki, WIET AGH Wstęp do probabilistyki i statystyki. Wykład 4

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych

Bardziej szczegółowo

Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności.

Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności. Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności. Badanie normalności rozkładu Shapiro-Wilka: jest on najbardziej zalecanym testem normalności rozkładu. Jednak wskazane jest, aby

Bardziej szczegółowo

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( ) Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału

Bardziej szczegółowo

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 2 1 / 20 MIARY ROZPROSZENIA, Wariancja Wariancją z próby losowej X

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Funkcje charakteryzujące proces. Dr inż. Robert Jakubowski

Funkcje charakteryzujące proces. Dr inż. Robert Jakubowski Funkcje charakteryzujące proces eksploatacji Dr inż. Robert Jakubowski Niezawodność Niezawodność Rprawdopodobieństwo, że w przedziale czasu od do t cechy funkcjonalne statku powietrznego Ubędą się mieścić

Bardziej szczegółowo