MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ"

Transkrypt

1 MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wkład 4 Matematcze opracowwae wków ekspermetalch Cz. I. Metoda ajmejszch kwadratów Cz. II. Metod statstcze

2 UWAGI OGÓLNE Ekspermet wkowae w auce moża podzelć a dwe kategore: ekspermet jakoścowe, którch wkem jest potwerdzee lub zaprzeczee określoej tez ekspermet loścowe, którch wkem jest szereg lczb wzaczoch dla określoch parametrów. Lczb te ajczęścej dają wartośc pewch fukcj a ogół ewadomch. Wk ekspermetów jakoścowch są opracowwae metodam statstk matematczej. W żer chemczej ekspermet jakoścowe są przeprowadzae rzadko dlatego w dalszm cągu e będzem sę zajmować ch opracowwaem. Wększość ekspermetów ma charakter loścow. Odpowede opracowae takch loścowch wków pozwala zarówo a loścow ops badaego procesu, jak a pewe jakoścowe wosk dotczące aukowego wjaśea różch zjawsk. W toku opracowwaa wków loścowch bardzo ważą rolę odgrwa fakt, że e są oe dokłade ale są zawsze obarczoe pewm błędem.

3 UWAGI OGÓLNE W przpadku badaa przebegu jakejś fukcj możlwe jest jej dośwadczale wzaczee tlko w określoch puktach. Badae ajczęścej polega a tm, że po ustaleu wartośc zmeej ezależej w pukce dokouje sę pomaru wartośc fukcj a wk zapsuje sę jako. Ab dobrze uchwcć przebeg fukcj wkouje sę szereg pomarów w różch puktach. Wkem ekspermetu jest zatem zbór par {, }. Tak zbór jest to dośwadczale wzaczoa fukcja =f( w postac dskretej.

4 UWAGI OGÓLNE Najczęścej fukcja taka przedstawaa jest w postac tabel. Przkładowo może to bć zależość stężea produktu pewej reakcj chemczej od czasu: X=Czas [s] Y=Stężee [kmol/m 3 ]

5 UWAGI OGÓLNE Ops jedak fukcj w postac dskretej jest a ogół mało przdat. W zastosowaach bardzej użtecze są fukcje cągłe określoe dla dowolch argumetów. W postac cągłej za pomocą wzorów przedstawae są a ogół zależośc otrzmae za pomocą modelowaa matematczego, p. zoterma Lagmura.

6 UWAGI OGÓLNE Zagadee zastępowaa fukcj dskretej otrzmaej dośwadczale, pewą fukcją cągłą mającą a ogół podstawę teoretczą, azwam aproksmacją. Jedą z metod aproksmacj bardzo szeroko stosowaą w żer jest tzw. metoda ajmejszch kwadratów. W dalszm cągu omówę tę metodę dla przpadku fukcj jedej zmeej. W łatw sposób moża rozważaa uogólć a fukcje welu zmech.

7 APROKSYMACJA FUNKCJI ZA POMOCĄ METODY NAJMNIEJSZYCH KWADRATÓW Zakładam, że w dam probleme wstępuje fukcja jedej zmeej, która jest określoa za pomocą k stałch parametrów a j : f (, a, a,..., a,..., a j k W celu wzaczea wartośc parametrów przeprowadza sę ekspermetów dla pewego zboru wartośc zmeej merząc odpowede wartośc : ekspermet,..., [,,...,,..., ] [,,..., ] aproksmac ja [ a, a,... a k ]

8 APROKSYMACJA FUNKCJI ZA POMOCĄ METODY NAJMNIEJSZYCH KWADRATÓW Rozważm wzajeme relacje mędz k tz. mędz lczbą ewadomch parametrów a lczbą ezależch ekspermetów. Przpadek I <k (lczba ekspermetów jest mejsza ż lczba parametrów. W takm przpadku a ogół proces aproksmacj e będze jedozacz. Przpadek II =k (lczba ekspermetów jest rówa lczbe parametrów Dla każdego ezależego ekspermetu moża apsać rówae, w którm prawa stroa jest wkem ekspermetu.

9 APROKSYMACJA FUNKCJI ZA POMOCĄ METODY NAJMNIEJSZYCH KWADRATÓW W rezultace otrzmujem układ rówań: f (, a,..., a f (, a,..., a... f (, a,..., a Rozwązae tego układu rówań daje am ewadom wektor parametrów a=[a,a,,ak]. Tak moża postąpć pod warukem, że pomar są absolute dokłade czl obarczoe zerowm błędem. W rzeczwstośc błęd pomarowe mogą bć dosć duże. Ab ukąć przeoszea sę tch błędów a wzaczae parametr, wkouje sę zazwczaj zacze węcej pomarów ż wos lczba parametrów.

10 APROKSYMACJA FUNKCJI ZA POMOCĄ METODY NAJMNIEJSZYCH KWADRATÓW Przpadek III >k (lczba ekspermetów jest wększa ż lczba parametrów. Do tego właśe przpadku stosowaa jest metoda ajmejszch kwadratów. Podobe postępowae jak w przpadku II prowadz do układu rówań, w którm jest węcej rówań ż ewadomch. Take układ rówań są z reguł sprzecze tz. e mają dokładch rozwązań. Możem jedak poszukwać rozwązań przblżoch tz. takch dla którch fukcja będze opswać wk dośwadczeń z pewm błędem. Mmalzację tch błędów zapewa właśe metoda ajmejszch kwadratów. Rozważm prost przkład fukcj lowej o dwu parametrach:

11 APROKSYMACJA FUNKCJI ZA POMOCĄ METODY NAJMNIEJSZYCH KWADRATÓW a b Wkoajm 5 ekspermetów dla [,, 3, 4, 5 ] otrzmując wk [,, 3, 4, 5 ]. Arbtrale przeprowadzee l prostej daje wektor odchleń (błędów bezwzględch: δ,,,, ] [ a b gdze

12 APROKSYMACJA FUNKCJI ZA POMOCĄ METODY NAJMNIEJSZYCH KWADRATÓW Rozważm teraz szczegółowo przpadek aproksmacj fukcj z k parametram za pomocą wków ekspermetów, prz czm >k. Poeważ poszczególe ekspermet mogą meć różą dokładość, fakt te uwzględa sę za pomocą tzw. wag. Mam węc:

13 APROKSYMACJA FUNKCJI ZA POMOCĄ METODY NAJMNIEJSZYCH KWADRATÓW k k a a f w w w w w k a a f,...,, ( ],...,, [ 0 ],...,, [ ],...,, [ ],...,, [,...,, ( W celu mmalzacj wektora błędów wprowadźm fukcję S zdefowaą jako ważoą sumę kwadratów błędów poszczególch pomarów:

14 APROKSYMACJA FUNKCJI ZA POMOCĄ METODY NAJMNIEJSZYCH KWADRATÓW k k S w w [ f (, a,..., a ] S( a, a,..., a Fukcja S ma swoje głęboke uzasadee w rachuku prawdopodobeństwa. Jest oa ścśle zwązaa z tzw. rozkładem ormalm Gaussa. Istotą metod ajmejszch kwadratów jest poszukwae takch wartośc parametrów a,a,,a k, prz którch wartość S jest ajmejsza. mmum S [ a, a,..., a k ]

15 APROKSYMACJA FUNKCJI ZA POMOCĄ METODY NAJMNIEJSZYCH KWADRATÓW Poszukwaem ekstremalch puktów różch fukcj zajmuje sę osob dzał matematk optmalzacja. W przpadku różczkowach fukcj welu zmech ajprostszą metodą optmalzacj jest porówae do zera wszstkch pochodch cząstkowch. W aszm przpadku ależ przrówać do zera pochode cząstkowe fukcj S względem szukach parametrów. W rezultace otrzmujem układ k rówań z k ewadomm: S 0 a S 0 S( a, a,..., ak mmum a [ a, a... S 0 ak,..., a k W ogólm przpadku rozwązae aaltcze tego układu e jest możlwe. Jedak dla szerokej klas fukcj układ te jest low teraz zajmem sę tm przpadkem. ]

16 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY Fukcje, w którch parametr a,a,,a k wstępują w postac lowej azwam fukcjam lowm ze względu a parametr. Fukcje take moża zapsać w postac: f (, a, a,..., ak a ( a (... akk ( a j j ( gdze (, (,..., k ( k j są to stosukowo proste ale lowo ezależe tzw. fukcje bazowe.

17 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY Przkład fukcj bazowch: k j (, 0,,,..., k j ( 0... k j0 f a a a a a a a a a k j k (, 0,,,..., k j 0... k j0 f a a a a a e a a e a e a e f (, a, a, a,..., a a s( j 0 0 k j0 a a s( a s(... a s( k k j k k

18 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY Załóżm teraz że asza fukcja, której parametrów poszukujem ma postać fukcj lowej ze względu a parametr. W celu zalezea parametrów ależ wzaczć pochode cząstkowe fukcj S względem kolejch parametrów skostruować odpowed układ rówań. Fukcja S będze mała postać: S w f a a w a k [ (,,..., k ] j j ( j

19 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY Pochoda ze względu a parametr a będze mała postać: S w a jj ( w a jj ( a a j a j k k k k k w a j j ( a j j ( w a j j ( ( j a j j w [ a ( a (... akk ( ] ( w ( a w ( ( a w ( (... ak w k ( ( w ( 0 Porówae tej pochodej do zera daje am perwsze rówae z układu rówań. Możem łatwo zauważć, że jest to rówae lowe ze względu a szukae ewadome a,a,,a k. W sposób aalogcz otrzmujem koleje rówaa. Cał układ będze mał postać:

20 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY k k k k k k k k k k w w a w a w a w w a w a w a w w a w a w a ( ( (... ( ( ( (... ( ( (... ( ( ( ( ( ( (... ( ( ( ( Wprowadzee ozaczeń: ( ( ( j r rj r r w b w c gdze j ozacza umer kolum a r umer rówaa otrzmujem układ rówań w postac:

21 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY a b a b... a b c k k a b a b... a b c k k... a b a b... a b c k k k kk k

22 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY Układ te ma bardzo prostą postać macerzową: [ B] [ a] [ c] Układ rówań lowch ma jedozacze rozwązae wted gd wzaczk macerz główej układu jest róż od zera tz. [ B] 0 W takm przpadku rozwązae możem zapsać macerzowo: [ a] [ B] [ c]

23 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY W aszm przpadku moża wkazać że jeżel: a układ fukcj φ,φ,,φ k jest lowo ezależ b pukt dla którch bł wkowae dośwadczea są róże (e powtarzają sę to wzaczk macerz [B] jest róż od zera układ ma jedozacze rozwązae. W praktce układ rówań lowch rozwązujem albo metodam aaltczm (p. metodą Cramera albo przblżom (p. Gaussa.

24 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY Jako szczegól przpadek powższej metod wprowadzm wzor określające współczk w rówau l prostej: ],...,, [ ],..., [ ],...,, [ ( (, w w w w k a a Poeważ mam parametr, układ rówań lowch będze układem dwu rówań z dwoma ewadomm. Poszczególe współczk w tm układze będą mał postać:

25 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY b w b w c w b w b w c w

26 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY Rozwążm te układ metodą Cramera tz. za pomocą wzaczków: D D a a gdze D D D bb bb w w w D cb bc w w w w D bc cb w w w w

27 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY w w w w w w w D D a w w w w w w w D D a

28 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY Wprowadźm jako ozaczea tzw. średe ważoe: m m w w w w m ( m ( w w w w

29 METODY NAJMNIEJSZYCH KWADRATÓW DLA FUNKCJI LINIOWYCH ZE WZGLĘDU NA PARAMETRY Wprowadzee średch ważoch pozwala a zapsae otrzmach wcześej wzorów w postac łatwej do stosowaa zapamętaa: a ( ( m m m m ( ( m m a ( m m m ( ( m m

30 METODY NAJMNIEJSZYCH KWADRATÓW FUNKCJE NIELINIOWE ZE WZGLĘDU NA PARAMETRY W praktce żerskej często parametr wchodzą do fukcj w sposób elow. W takm przpadku układ rówań wkając z przrówaa pochodch do zera też jest elow. Moża te układ rozwązwać umercze. W praktce jedak często stosuje sę metodę learzacj. Metodka postępowaa jest astępująca: Zasadcze zmee zastępujem owm zmem X Y w tak sposób, ab po podstaweu przekształceu otrzmać fukcję lową ze względu a parametr.

31 METODY NAJMNIEJSZYCH KWADRATÓW FUNKCJE NIELINIOWE ZE WZGLĘDU NA PARAMETRY f (, a, a,..., a Y F( X, A, A,..., A A ( X k k j j j [,,..., ] X [ X, X,..., X ] [,,..., ] Y [ Y, Y,..., Y ] a [ a, a,..., a ] learzacja learzacja learzacja learzacja A [ A, A,..., A ] k mmalzacja S w Aj j ( X Y j A [ A, A,..., A ] a [ a, a,..., a ] k k k

32 METODY NAJMNIEJSZYCH KWADRATÓW FUNKCJE NIELINIOWE ZE WZGLĘDU NA PARAMETRY Należ zwrócć uwagę, że learzacja co prawda ułatwa rozwązae problemu, ale wprowadza pewe dodatkow błąd zwąza z przekształceem fukcj. Mmalzuje sę tutaj e odchlea badaej fukcj ale odchlea fukcj przekształcoej. Na ogół te dodatkow błąd jest ewelk pomjal. Moża go jedak skorgować wprowadzając odpowedą wagę: w Y W przpadku gd fukcja learzacja Y( jest fukcją logartmczą learzacja prowadz do mmalzacj błędów względch fukcj.

33 w METODY NAJMNIEJSZYCH KWADRATÓW FUNKCJE NIELINIOWE ZE WZGLĘDU NA PARAMETRY Przkład Załóżm, że fukcja aproksmowaa ma postać: f ( l( a e a Fukcję tę moża łatwo zlearzować za pomocą astępującch przekształceń: X e l( ae a Y e e a e a a X a Korekta błędów learzacj za pomocą wag będze mała postać: Y e Y 4 / Y

34 Cz. II Matematcze opracowwae wków ekspermetalch Metod statstcze

35 UWAGI OGÓLNE W II częśc wkładu chcałbm Państwu przedstawć podstawowe wadomośc zwązae z aalzą błędów ekspermetalch za pomocą metod statstczch.

36 BŁĘDY POMIAROWE Podstawowe formacje o błędach pomarowch. Najczęścej użwam pojęcam określającm epewość wków pomarowch są: błąd bezwzględ (absolut oraz błąd względ (procetow. Błąd bezwzględ jest to po prostu różca mędz uzskaą wartoścą zmerzoą a wartoścą rzeczwstą. Dokłada wartość merzoej welkośc a ogół e jest zaa (jej wzaczee jest celem pomaru. Błąd bezwzględ ma te sam wmar, co welkość merzoa może bć dodat lub ujem.

37 BŁĘDY POMIAROWE Błąd względ jest to stosuek błędu bezwzględego do wartośc rzeczwstej: Błąd względ jest bezwmarow może bć dodat lub ujem. W popularm zastosowau jest jego wartość pomożoa przez 00 azwaa względm błędem procetowm.

38 BŁĘDY POMIAROWE Bardzo stote z puktu wdzea statstk są pojęca błędu sstematczego przpadkowego. Błędem sstematczm azwam część błędu bezwzględego, która pojawa sę w każdm pomarze której e moża welmować za pomocą powtarzaa pomarów. Przczą błędów sstematczch a ogół jest ukrta wada przrządów pomarowch lub ewłaścwa procedura pomarowa. Błąd przpadkow jest to atomast ta część błędu bezwzględego, która powstaje a skutek welu przcz pojawającch sę losowo podczas określoego pomaru. ( ( W zwązku z tm, że błędów sstematczch e moża zmejszć za pomocą powtarzaa pomarów w dalszch rozważaach e będzem sę tm błędam zajmować tz. będzem przjmować, że cał błąd ma charakter losow. s p

39 Rozkład prawdopodobeństwa Rozkład prawdopodobeństwa stosowae w aalze statstczej ekspermetu fzkochemczego. Powtarzae daego pomaru daje róże wk, dlatego zarówo wk pomaru, błąd bezwzględ jak względ moża traktować jako zmee losowe o pewm rozkładze prawdopodobeństwa. Spośród welu rozkładów prawdopodobeństwa stosowach w statstce matematczej fudametale zaczea ma tzw. rozkład ormal Gaussa, którego postać aaltcza jest astępująca: ( Welkość ( Ilocz ep ( 0 jest to tzw. gęstość rozkładu zmeej losowej. ( d ozacza prawdopodobeństwo, że wartość zmeej losowej zajdować sę będze mędz a +d.

40 Rozkład prawdopodobeństwa Rozkład ormal jest określo za pomocą dwu parametrów: 0 ozacza środek rozkładu, - ozacza szerokość rozkładu. Moża wkazać, że środek rozkładu ormalego jest jedocześe wartoścą oczekwaą (w zaczeu teor prawdopodobeństwa zmeej losowej, atomast szerokość rozkładu σ jest jedocześe odchleem stadardowm zmeej losowej. Kwadrat odchlea stadardowego σ azwa jest waracją rozkładu zmeej losowej.

41 Rozkład prawdopodobeństwa Przkładow wkres rozkładu ormalego: ρ( Przedstawo rozkład ma parametr: 0 =0, σ=

42 Rozkład prawdopodobeństwa Odchlee stadardowe wskazuje, że prawdopodobeństwo tego że wk pomaru będze zawerał sę w gracach: wos 68,6 %. 0 0 Wartość ta określa tzw. pozom ufośc często stosowa w statstce. Podwższee pozomu ufośc skutkuje dopuszczeem, że błąd będze wększ ż wartość σ. Np. przedzał 0 posada pozom ufośc 95,45 %. Zależość mędz pozomem ufośc a dopuszczalm zakresem błądu określa tzw. fukcja błędu będąca całką rozkładu ormalego: P( gdze 0 t z t 0 erf ( ep t t Wrażee po lewej stroe (3.45 ozacza dz prawdopodobeństwo (pozom ufośc otrzmaa wku w zakrese 0

43 Aalza statstcza pomarów Aalza statstcza pomaru jedej welkośc. W ektórch ekspermetach fzkochemczch wzacza sę jedą welkość za pomocą pomarów prowadzoch w podobch warukach. Zakładając, że błęd wpłwające a wk pomaru mają charakter losow moża wkazać, że rozkład zmeej losowej będącej wkem pomarów jest rozkładem ormalm, którego środek jest dobrą marą welkośc merzoej, a odchlee stadardowe jest dobrą marą wartośc bezwzględej średego błędu bezwzględego. Załóżm, że wkoalśm pomarów, którch wk tworzą dskret zbór { } {,,..., } Założee o ormalm rozkładze wków prowadz do wosku, że ajlepszą marą środka rozkładu, czl rzeczwstej wartośc jest średa artmetcza......

44 Aalza statstcza pomarów Zajomość zboru pomarowego { } pozwala róweż a oblczee dobrego oszacowaa waracj rozkładu ormalego σ : Welkośc lm ( mają waże własośc gracze: ( ( 0 lm Ozacza to, że rozkład ormal jest rozkładem graczm prz eskończoej lczbe pomarów. W rzeczwstośc zazwczaj wstarczająca lczba pomarów to klka lub klkaaśce.

45 Aalza statstcza pomarów W praktce bardzo stote jest oszacowae waracj. Pozwala oo a oblczee odchlea stadardowego będącego marą epewośc (czl błędu wzaczaej welkośc: ( Wzór powższ określa oszacowae odchlea stadardowego pojedczego pomaru w ser pomarowej. Średa artmetcza wszstkch pomarów jest oczwśce dokładejsza a oszacowae dla ej odchlee stadardowe dae jest wzorem: ( ( Zauważm, że pojawają sę tutaj sum kwadratów różc wartośc merzoej średej artmetczej. Zatem zastosowae metod ajmejszch kwadratów prowadz do mmalzacj odchlea stadardowego merzoej welkośc. (

46 Aalza statstcza pomarów Zasad przeoszea kumulacj błędów. W welu przpadkach ostatecz wk ekspermetu powstaje a skutek pewego przekształcea wku pomarowego. Przkładowo, objętość kul otrzmam po zmerzeu jej średc zastosowau odpowedego wzoru. W takm przpadku zmae ulege róweż błąd. Zasada przeoszea błędu, w przpadku przekształcea jedej welkośc polega a zastosowau wzoru: q dq( d gdze merzoą welkoścą jest, a końcow wk q otrzmujem a podstawe fukcj q(

47 Aalza statstcza pomarów Jako przkład rozpatrzm zagadee wzaczea objętośc kul za pomocą pomaru jej średc. Ab otrzmać objętość ależ zastosować wzór V 3 D dv 3D stąd 6 dd 6 D V D

48 Aalza statstcza pomarów Zasad przeoszea kumulacj błędów. Dosć często, końcow wk q jest rezultatem ezależch pomarów różch welkośc,,..., N q q(,,..., N,,..., N oraz fukcj welu zmech: Załóżm, że zam oszacowaa błędów pomarów poszczególch zmech: Oszacowae błędu końcowej welkośc jest dae wzorem: q q q q... N N

49 Aalza statstcza pomarów Przkładowo rozpatrzm błąd popeło podczas wzaczaa gęstośc pewego materału za pomocą pomaru mas próbk w kształce sześcau. Mam tutaj dwa ezależe pomar: mas m a pomocą wag długośc boku a za pomocą p. suwmark. Te dwa pomar mają określoe błęd: m a. Błąd bezwzględ gęstośc ρ oblczm stosując powższ wzór z uwzględeem wzoru określającego gęstość:

50 Aalza statstcza pomarów m m ma a ma V a m a m a m a a 3 m 9 m a a Dzeląc obustroe przez gęstość moża otrzmać wzór określając błąd względ pomaru gęstośc: m 9 a

51 Aalza statstcza pomarów Aalza statstcza ekspermetu wzaczającego zależość fukcją. W ogromej wększośc, ekspermet polegają a dośwadczalm wzaczau wartośc pewej fukcj jedej lub welu zmech. Celem ekspermetu jest albo sama fukcja (p. zależość prężośc par ascoej od temperatur, albo jej parametr (p. wartość eerg aktwacj w zależośc Arrheusa. Fukcję (lub jej parametr wzacza sę prowadząc szereg pomarów w wbrach z dzedz fukcj puktach. Pomar w różch puktach, ścśle rzecz borąc, są pojedczm ekspermetam opsam przez pojedcze zmee losowe (róże dla różch pomarów. Ab przeprowadzć aalzę statstczą takch pomarów, zakłada sę że prowadzoe są oe z taką samą dokładoścą a zmea losowa opsująca ch błęd bezwzględe ma rozkład ormal o środku 0 pewej szerokośc rówej średemu odchleu stadardowemu. Na podstawe tego założea moża przeprowadzć aproksmację fukcj metodą ajmejszch kwadratów oraz oszacować średe błęd wartośc fukcj jej parametrów.

52 Błęd parametrów wzaczoch metodą ajmejszch kwadratów W przpadkach, ked dokładośc poszczególch pomarów są stote róże, słuszość powższego założea moża zachować, wprowadzając odpowede wag sprowadzające róże rozkład losowe do jedego rozkładu ważoego. Załóżm, że wkoao pomarów w różch puktach. Pukt te tworzą dskret zbór { }. Wag poszczególch pomarów są określoe przez eujeme lczb w. Wk pomarów dają dskret zbór { }. Następe za pomocą metod ajmejszch kwadratów aproksmujem dskretą fukcję ekspermetalą, otrzmując cągłą fukcję modelową: f (, a, a,..., a k Zajomość tej fukcj pozwala a oszacowae średch wartośc waracj odchlea stadardowego pojedczego pomaru welkośc :

53 Błęd parametrów wzaczoch metodą ajmejszch kwadratów w [ f (, a, a,..., ak ] ( k w w [ f (, a, a,..., ak ] ( k w

54 Błęd parametrów wzaczoch metodą ajmejszch kwadratów W częstm przpadku, gd pomar są jedakowo waże a lczba parametrów wos, wzór określając odchlee stadardowe przjmuje postać: [ f (, a, a] (

55 Błęd parametrów wzaczoch metodą ajmejszch kwadratów Nepewośc parametrów w metodze ajmejszch kwadratów Wzaczoe metodą ajmejszch kwadratów parametr a,a,,a k fukcj aproksmującej f( są róweż obarczoe epewoścą. Zakładając, że pukt są ustaloe dokłade moża apsać a f (,,...,,..., j Postać powższej fukcj f wka z zastosowaej procedur ajmejszch kwadratów wzaczającej wartośc parametrów. Każd pomar jest wkoa z określoą dokładoścą, którą moża oszacować za pomocą wzorów a σ. Błęd poszczególch pomarów przeoszą sę a wartośc parametrów. Trzeba zatem zastosować wzór określając to przeoszee a j a j a j j a j a

56 Błęd parametrów wzaczoch metodą ajmejszch kwadratów Mam zatem wzór uzależając epewośc parametrów z waracją zmeej : a j a j Dla fukcj lowej ze względu a parametr k a j j( j postać fukcj określającej da parametr moża określć za pomocą metod Cramera rozwązującej układ rówań metod ajmejszch kwadratów. Odpowede podstawea przekształcea prowadzą do wzorów:

57 Błęd parametrów wzaczoch metodą ajmejszch kwadratów w det j ( B a j det B j,,..., k gdze B jest macerzą główą układu rówań opsującch współczk atomast B j( jest macerzą kwadratową rzędu k, powstałą przez zastąpee j tej kolum w macerz B wektorem: [ (, (,..., (,..., ( ] r k

58 Błęd parametrów wzaczoch metodą ajmejszch kwadratów Przpomam, że fukcja lowa ze względu a parametr ma postać: f (, a, a,..., ak a ( a (... akk ( a j j ( k j gdze (, (,..., k ( są to stosukowo proste ale lowo ezależe tzw. fukcje bazowe.

59 Błęd parametrów wzaczoch metodą ajmejszch kwadratów gdze: Natomast low układ rówań określając współczk ma postać: a b a b... a b c k k a b a b... a b c k k... a b a b... a b c k k k kk k w ( ( b j r rj w ( c r r

60 Błęd parametrów wzaczoch metodą ajmejszch kwadratów W przpadku pomarów jedakowo ważch gd w = oraz w wzór określając waracje poszczególch parametrów moża uproścć do wrażea: det B jj a,,..., j j k det B gdze: B jj ozacza macerz k- rzędu powstałą przez skreślee w macerz B j tej kolum oraz j tego wersza.

61 Błęd parametrów wzaczoch metodą ajmejszch kwadratów Dla fukcj lowej postac f(=a +a w przpadku pomarów jedakowo ważch wrażea określające waracje parametrów przjmują astępującą postać: [ ( aa ] a ( a [ ( aa ] (

62 Na tm kończm dzsejsz wkład Dzękuję bardzo Państwu za uwagę

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Mędzarodowa Norma Oce Nepewośc Pomaru (Gude to Epresso of Ucertat Measuremets - Mędzarodowa Orgazacja Normalzacja ISO RACHUNEK NIEPEWNOŚCI http://phscs.st./gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewodk.

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

Niepewności pomiarów. DR Andrzej Bąk

Niepewności pomiarów. DR Andrzej Bąk Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w

Bardziej szczegółowo

Opracowanie wyników pomiarów

Opracowanie wyników pomiarów Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów

Bardziej szczegółowo

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

Linie regresji II-go rodzaju

Linie regresji II-go rodzaju Lam regresj II-go rodzaju zmeej () względem () azwam zadae krzwe g(;,, ) oraz h(;,, ) gd spełają oe odpowedo waruk: E E Le regresj II-go rodzaju ( ( )) ( ) ( ) ( ) ( ) g ;,,... g ;,,... f, dd m,,... (

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US Regresja lowa metoda ajmejszch kwadratów Tadeusz M. Moleda Isttut Fzk US Regresja lowa (też: metoda ajmejszch kwadratów, metoda wrówawcza, metoda Gaussa) Zagadea stota metod postulat Gaussa współczk prostej

Bardziej szczegółowo

ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH

ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH Na ogół oprócz obserwacj jedej zmeej zberam róweż formacje towarzszące, które mogą meć zaczee w aalze teresującej as welkośc. Iformacje te mogą bć p. wkorzstae

Bardziej szczegółowo

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2 2. Dwa modele wzaczea parametrów

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Męzaroowa Norma Oce Nepewośc Pomaru (Gue to Epresso of Ucertat Measuremets Męzaroowa Orgazacja Normalzacja ISO RACHUNEK NIEPEWNOŚCI http://phscs.st.gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewok.

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

Projekt 2 2. Wielomiany interpolujące

Projekt 2 2. Wielomiany interpolujące Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

REGRESJA LINIOWA. gdzie

REGRESJA LINIOWA. gdzie REGREJA LINIOWA Jeżel zmerzoo obarczoe tlko błędam przpadkowm wartośc (, ),,,..., dwóch różch welkośc fzczch X Y, o którch wadomo, że są zwązae ze sobą zależoścą lową f(), to ajlepszm przblżeem współczków

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

KORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech

KORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech KORELACJA I REGRESJA. KORELACJA X, Y - cech badae rówocześe. Dae statstcze zapsujem w szeregu statstczm dwóch cech...... lub w tablc korelacjej. X Y... l.... l.... l................... k k k... kl k..j......l

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański atala ehreecka Darusz Szmańsk Wkład . MK przpadek welu zmech. Własośc hperpłaszczz regresj 3. Doroć ć dopasowaa rówaa regresj. Współczk determacj R Dekompozcjawaracj zmeejzależejzależej Współczk determacj

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Męzaroowa Norma Oce Nepewośc Pomaru (Gue to Epresso of Ucertat Measuremets Męzaroowa Orgazacja Normalzacja ISO) RACHUNEK NIEPEWNOŚCI http://phscs.st.gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewok.

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym. Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

Laboratorium fizyczne

Laboratorium fizyczne Laboratorum fzcze L a portalu WIKMP CMF PŁ cmf.edu.p.lodz.pl Klkam odośk Laboratorum fzk Właścwą strukcję ależ pobrać ze stro Pracow zazajomć sę z jej treścą przed zajęcam!!! grupa I grupa II edzela

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZA 1. Wkład wstęp. Teora prawdopodobeństwa elemet kombatork. Zmee losowe ch rozkład 3. Populacje prób dach, estmacja parametrów 4. Testowae hpotez statstczch 5. Test parametrcze (a

Bardziej szczegółowo

Matematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył.

Matematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył. Wkład. Całka podwója. Zamaa a całkę terowaą. Oblczae pól obszarów objętośc brł.. Całka podwója w prostokące. Jak pamętam, całka ozaczoa z cągłej fukcj jedej zmeej wprowadzoa bła w celu oblczaa pola powerzch

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Zaawasowae metod umercze Programowae lowe (problem dual, program low w lczbach całkowtch) Dualość est kluczowm poęcem programowaa lowego. Pozwala a udowodee że otrzmwae rozwązaa są optmale. Zagadee duale

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia dr Mchł Koopczńsk Ekoom mtemtcz ćwcze. Ltertur obowązkow Eml Pek red. Podstw ekoom mtemtczej. Mterł do ćwczeń MD r 5 AE Pozń.. Ltertur uzupełjąc Eml Pek Ekoom mtemtcz AE Pozń. Alph C. Chg Podstw ekoom

Bardziej szczegółowo

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

MODEL SHARP A - MIARY WRAŻLIWOŚCI

MODEL SHARP A - MIARY WRAŻLIWOŚCI MODEL SHARP A - MIARY WRAŻLIWOŚCI Współzależość cech Rozważam jedostk zborowośc badae ze względu a dwe, lub węcej zmech W przpadku obserwacj opartch a dwóch zmech możem wkreślć dagram korelacj. Każda obserwacja

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE OBLICZNIE GEOMETRYCZNYCH MOMENTÓW BEZWŁDNOŚCI FIGUR PŁSKICH, TWIERDZENIE STEINER LBORTORIUM RCHUNKOWE Prz oblczeach wtrzmałoścowch dotczącch ektórch przpadków obcążea (p. zgae) potrzeba jest zajomość pewch

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

Analiza błędów pomiarowych Pomiar pomiarów bezpośrednich pośrednich

Analiza błędów pomiarowych Pomiar pomiarów bezpośrednich pośrednich Aalza łędów pomarowch W aukach przrodczch kluczową rolę w werfkacj wszelkch hpotez teor aukowch odgrwa ekspermet jego wk. Częstokroć pojedcz wk ekspermetal leż u podstaw owch teor odrzucea dotchczasowch

Bardziej szczegółowo

Rachunek Prawdopodobieństwa i statystyka W 10: Analizy zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)

Rachunek Prawdopodobieństwa i statystyka W 10: Analizy zależności pomiędzy zmiennymi losowymi (danymi empirycznymi) Rachuek Prawdopodoeństwa statstka W 0: Aalz zależośc pomędz zmem losowm dam emprczm) Dr Aa ADRIAN Paw B5, pok 407 adra@tempus.metal.agh.edu.pl Odkrwae aalza zależośc pomędz zmem loścowmlczowm) Przedmotem

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Mędznarodowa Norma Ocen Nepewnośc Pomaru(Gude to Epresson of Uncertant n Measurements - Mędznarodowa Organzacja Normalzacjna ISO) RACHUNEK NIEPEWNOŚCI http://phscs.nst./gov/uncertant POMIARU Wrażane Nepewnośc

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

Strona: 1 1. CEL ĆWICZENIA

Strona: 1 1. CEL ĆWICZENIA Katedra Podstaw Sstemów Techczch - Podstaw metrolog - Ćwczee 4. Wzaczae charakterstk regulacjej slka prądu stałego Stroa:. CEL ĆWICZENIA Celem ćwczea jest pozae zasad dzałaa udow slka prądu stałego, zadae

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

STATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY

STATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY Państwowa Wższa Szkoła Zawodowa w Koe Materał ddaktcze 17 ARTUR ZIMNY STATYSTYKA OPISOWA Materał pomoccze do ćwczeń wdae druge zmeoe Ko 010 Ttuł Statstka opsowa Materał pomoccze do ćwczeń wdae druge zmeoe

Bardziej szczegółowo

Przykładowe zadania dla poziomu rozszerzonego

Przykładowe zadania dla poziomu rozszerzonego Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,

Bardziej szczegółowo

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

Bardziej szczegółowo

VI. TWIERDZENIA GRANICZNE

VI. TWIERDZENIA GRANICZNE VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY ZMIENNYCH LOSOWYCH ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X

Bardziej szczegółowo

Statystyka. Teoria błędów. Wykład IV ( )

Statystyka. Teoria błędów. Wykład IV ( ) Stattka Teora błędów Wkład IV (.0.06) Wtęp Teora błędów Nedokoałość przrządów pomarowch oraz edokoałość orgaów zmłów powodują, że wztke pomar ą dokowae z określom topem dokładośc. Ne otrzmujem dokładej

Bardziej szczegółowo

Projekt 3 3. APROKSYMACJA FUNKCJI

Projekt 3 3. APROKSYMACJA FUNKCJI Projekt 3 3. APROKSYMACJA FUNKCJI 3. Krter proksmcj. Złóżm że () jest ukcją cągłą w przedzle [ b ]. Zlezee przblże (proksmcj) poleg wzczeu współczków pewego welomu P() któr będze dobrze przblżł w tm przedzle

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 3 Nr: 1 Metody obliczeniowe wykład nr 3 aproksymacja i interpolacja pojęcie modelu regresji

Metody obliczeniowe - Budownictwo semestr 2 - wykład nr 3 Nr: 1 Metody obliczeniowe wykład nr 3 aproksymacja i interpolacja pojęcie modelu regresji Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Metod oblczeowe wkład r 3 aproksmacja terpolacja pojęce modelu regresj Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja daa jest ukcja

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

II. ĆWICZENIA LABORATORYJNE

II. ĆWICZENIA LABORATORYJNE II. ĆWICZENIA LABORATORYJNE ZADANIE Nr STATYSTYCZNA OCENA WYNIKÓW DOŚWIADCZALNYCH. Wartość średa, odchlee stadardowe, mar dspersj. ZADANIE Nr STATYSTYCZNA OCENA WYNIKÓW DOŚWIADCZALNYCH. Zależość wartośc

Bardziej szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

KALIBRACJA NIE ZAWSZE PROSTA

KALIBRACJA NIE ZAWSZE PROSTA KALIBRACJA NIE ZAWSZE PROSTA Potr Koeczka Katedra Chem Aaltyczej Wydzał Chemczy Poltechka Gdańska S w S C -? C w Sygał - astępstwo kosekwecja przeprowadzoego pomaru główy obekt zateresowań aaltyka. Cel

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017 PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Marzec 07 PODRĘCZNIKI Wstęp do aalzy błędu pomarowego Joh R. Taylor Wydawctwo Naukowe PWN Warszawa 999

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

Bardziej szczegółowo

1. WSTĘP. METODA EULERA 1 1. WSTĘP. METODA EULERA

1. WSTĘP. METODA EULERA 1 1. WSTĘP. METODA EULERA . WSTĘP. MTODA ULRA. WSTĘP. MTODA ULRA Wprowadzee Mowacja pozawaa meod umerczc:. Rozwązwae bardzo dużc kosrukcj o złożoej geomer welu sopac swobod powżej mloa prz różorodm zacowau maerałów.. Śwadome wkorzswae

Bardziej szczegółowo

ZMIENNE LOSOWE WIELOWYMIAROWE

ZMIENNE LOSOWE WIELOWYMIAROWE L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

METODY ANALIZY DANYCH DOŚWIADCZALNYCH POLITECHNIKA Ł ÓDZKA TOMASZ W. WOJTATOWICZ METODY ANALIZY DANYCH DOŚWIADCZALNYCH Wybrae zagadea ŁÓDŹ 998 Przedsłowe Specyfką teor pomarów jest jej wtóry charakter w stosuku do metod badawczych stosowaych

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016 PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INTYTUT FIZYKI UJ BIOLOGIA 06 CEL ĆWICZEŃ. Obserwacja zjawsk efektów fzyczych. Doskoalee umejętośc

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

Zastosowanie szeregów potęgowych do rozwiązywania równań różniczkowych

Zastosowanie szeregów potęgowych do rozwiązywania równań różniczkowych Zastosowae szeregów potęgowch do rozwązwaa rówań różczkowch Ogól kształt rówaa lowego drugego rzędu jedorodego o współczkach zmech ma postać: '' + f ' + g = 0 (1) Tego tpu klasa rówań obejmuje wele zjawsk

Bardziej szczegółowo

Wiek statku a prawdopodobieństwo wystąpienia wypadku na morzu analiza współzależności

Wiek statku a prawdopodobieństwo wystąpienia wypadku na morzu analiza współzależności BOGALECKA Magda 1 Wek statku a prawdopodobeństwo wstąpea wpadku a morzu aalza współzależośc WSTĘP Obserwowa od blsko weku tesw rozwój trasportu morskego, oprócz lądowego powetrzego, jest kosekwecją wzmożoej

Bardziej szczegółowo