HYBRYDOWA METODA PRZEDZIAŁOWEJ I GRADIENTOWEJ OPTYMALIZACJI GLOBALNEJ KONSTRUKCJI INŻYNIERSKICH
|
|
- Wacław Szczepański
- 5 lat temu
- Przeglądów:
Transkrypt
1 ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ Sera: BUDOWNICTWO z. Nr kol. Adrze POWNUK HYBRYDOWA METODA PRZEDZIAŁOWEJ I GRADIENTOWEJ OPTYMALIZACJI GLOBALNEJ KONSTRUKCJI INŻYNIERSKICH Streszczee. Przedzałowa metoda globale optmalzac est bardzo stabla oraz może zostać zastosowaa do rozwązwaa szeroke klas problemów żerskch. Metoda ta gwaratue, że wszstke globale mma zostaą zalezoe. Nestet algortm te posada bardzo wsoką złożoość oblczeową. W prac opsao hbrdową metodę wkorzstuącą oprócz algortmów przedzałowch algortm gradetowe. Zastosowae algortmu zostało przedstawoe a przkładze kostrukc kratowch. HYBRID INTERVAL AND GRADIENT METHOD FOR GLOBAL OPTIMIZATION OF ENGINEERING STRUCTURES Summar. A terval global optmzato method s ver stable ad robust ad uversall applcable. The terval algorthm guaratees that all statoar global solutos have bee foud. Ufortuatel applcato of ths algorthm s sometmes a ver tme cosumg task. I ths paper a hbrd gradet-terval global optmsato method s preseted. Ths method has the best features of both methods.e. fast local ad relable global covergece. I ths paper ths algorthm was appled to optmzato of truss structures. Wprowadzee Algortm optmalzac globale moża podzelć a dwe grup, do ede moża zalczć metod, które poszukuą globalego mmum tlko z pewm prawdopodobeństwem oraz metod, które gwaratuą zalezee globalego mmum z zadaą dokładoścą. Do perwsze grup moża zalczć różego rodzau algortm stochastcze. Naważeszą grupą metod, którą moża zalczć do metod drugego tpu są metod, w którch problem globale optmalzac zostae zastąpo cągem problemów optmalzac dskrete. Algortm oblczeń est astępuąc: ) przestrzeń poszukwań dzel sę a skończoą lość podprzestrze; ) w każde podprzestrze w przblżo sposób szacuem wartośc fukc celu; 3) elmue sę obszar, które a pewo e zaweraą globalego mmum;
2 A. Powuk Podstawową różcą pomędz algortmam te grup są sposob oszacowaa wartośc fukc dla poszczególch częśc przestrze poszukwań. Mmum fukc może zostać oszacowae prz pomoc artmetk przedzałowe [3] lub ch metod [6]. Nestet metod te posadaą bardzo wsoką złożoość oblczeową [3, 7]. Jedm z abardze efektwch metod lokale optmalzac są metod gradetowe (por. p. []). Zwkle do efektwe realzac tch algortmów stosue sę metod aalz wrażlwośc [4]. W esze prac skostruowao hbrdow algortm, któr aperw poszukue lokalego mmum prz pomoc metod gradetowch, a astępe sprawdza cz otrzmae mmum est globale prz pomoc metod przedzałowch. Gradetowa metoda lokale optmalzac Z matematczego puktu wdzea problem optmalzac moża sformułować astępuąco: m g p J () () () = for for =,...,m =,...,m eq () gdze J : R R est fukcą celu, est lczbą zmech proektowch, m est lczbą waruków erówoścowch, m eq est lczbą waruków rówoścowch. W aalzowach przkładach fukcoał J będze rów cężarow aalzowae kostrukc: J = e = Waruk erówoścowe będą określoe astępuąco: g g γ A L () () σ = σ (3) π EJ σ (4) L () = A gdze σ est aprężeem dopuszczalm, σ est aprężeem w -tm pręce, L est długoścą -tego pręta, E est modułem Youga, J est mometem bezwładośc est przekrou -tego pręta, γ est cężarem właścwm materału, z którego wkoaa est
3 Hbrdowa metoda... kratowca. Spełee waruków g zapewa kostrukc odpowedą stateczość, a spełee waruków g wstarczaącą wtrzmałość. Warukam rówoścowm, są rówaa rówowag o astępuące postac: () q Q() K = (5) gdze K est macerzą sztwośc, Q est wektorem sł przwęzłowch, est wektorem zmech proektowch. Do lokale optmalzac w esze prac została zastosowaa metoda aszbszego spadku (por. p. []). Kolee krok algortmu są astępuące: ) Wprowadzć dae początkowe =, ) Oblczć J ( ) oraz ( ) g. =. 3) Zdetfkować węz aktwe eaktwe. 4) Oblczć gradet fukc celu. 5) Określć ow keruek poszukwaa 6) Przeprowadzć poszukwae amesze wartośc fukc celu w keruku określee wartośc parametru. 7) Oblczć + = + d d d oraz 8) Jeśl waruk zbeżośc są spełoe, to zakończć oblczea, w przecwm przpadku prząć = + powrócć do puktu. Prz oblczau gradetu fukc celu szeroko stosowae są metod aalz wrażlwośc [4]. Prezetowa tuta algortm lokale optmalzac może bć zastąpo przez dowol algortm optmalzac lokale [6].Algortm przedzałowe optmalzac globale Nech fˆ [] + [ ( ), fˆ ([] ) ] = hull fˆ ([] ), [ ][, ] IR, f : R R, IR est zborem wszstkch domkętch przedzałów lczbowch oraz fˆ : IR IR est aturalm przedzałowm rozszerzeem fukc [5]. Algortm przedzałowe optmalzac globale opart est a astępuące własośc [3]. Jeśl zachodz astępuąca erówość: to ([ ]) fˆ ([ ]) + < fˆ (6)
4 " A. Powuk! "! (7) przedzał te może [ ] [ ] f () < f () czl globale mmum e może zadować sę w przedzale [ ] zostać pomęt w dalszch oblczeach. Nech będze da welowmarow przedzał [] IR. Podstawow algortm przedzałowe optmalzac globale składa sę z astępuącch kroków: ) Prząć [ ] = [] = fˆ ([] ). Zacować lstę L=(( [] ) Wbrać współrzędą k {,,...,} wzdłuż które dokouem podzału. 3) Podzelć przedzał [ ] wzdłuż k-te współrzęde [ ] = [ v ] [ v ]. 4) Oblczć fˆ ([ v ]), v = ([ ]) fˆ v dla =, oraz = m z, fˆ ([ v ]) +, fˆ ([ v] ) 5) Usuąć parę ([ ], ) z lst L. 6) Usuąć par ([ v ], v ) eśl v > z (=,). 7) Dodać pozostałe par ([ v ], ) do lst L. v,)) oraz oblczć z = fˆ ([] ) +. { } + z. 8) Jeśl lsta L est pusta ależ zatrzmać oblczea. 9) Ozaczć parę z ameszm elemetem v ako ([], ). ) Jeśl szerokość przedzału [] est mesza ż ε, druku fˆ [], [] oraz zatrzmać oblczea. ) Prześć do kroku. Poadto wprowadzoo wele dodatkowch procedur przspeszaącch zbeżość prezetowaego algortmu. Moża tu wmeć sprawdzae mootoczośc [3], test puktu środkowego [3], przedzałową metodę Newtoa [3] tp. Przedstawo algortm może zostać uogólo a przpadek optmalzac z ograczeam. ( ) 3 Optmalzaca układów z epewm parametram Założm teraz, że optmalzowaa kostrukca zawera pewe parametr epewe h. Do modelowaa epewośc parametrów zastosuę zbor rozmte oraz przedzał lczbowe. Ab ukąć eporozumeń zostaą wkorzstae astępuące ozaczea [] IR h ~ F R (zbór rozmt, F(R) ozacza rodzę h (welowmarowe przedzał), ( ) zborów rozmtch określoch a zborze R por. p. []), h R (elemet przestrze
5 Hbrdowa metoda... R ). Założę poadto, że epewośc parametrów będą odpowedo małe (por. [8]), oraz e posadam dostatecze lośc formac do określea losowch charakterstk. Nech ( ) h m ozacza rozwązae optmale dla pewego h [] h. Stosuąc R loraz różcowe moża oblczć: ( h ) m ( h,...,h + h,...,h ) m ( ) m h h h (8) Jeśl zam zak pochodch h m, to moża oblczć ekstremale wartośc rozwązaa a podstawe zaku pochode. Jeśl Jeśl gdze ( ) m h > ( ) ( ) m m...,h,... h ( ) m h < ( ) ( ) m m +...,h,... h m + m + =, ( ) (...,h,...) = (9) m + m =, ( ) (...,h,...) m m + m [( ),( ) ] = { () h : h [] h } = () () W aalogcz sposób moża oblczć ekstremale wartośc fukc celu. Jeśl epewe parametr będą lczbam rozmtm, to fukce przależośc optmalego rozwązaa otrzmuem stosuąc astępuąc algortm: m Ω = { () h : h h ~ } gdze h ~ = { h : µ ( h h ~ ) } () µ est fukcą przależośc (por. p. []). Fukcę przależośc gdze : R [,] rozwązaa optmalego otrzmuem a podstawe astępuącego wzoru []: m ( ~ ) sup{ : } µ Ω = (3) 4 Przkład umercz Rozważm teraz kostrukcę prętową przedstawoą a rsuku. W oblczeach przmę astępuące ozaczea L=H= [m], σ =9 [MPa], P =55 [kn], P =-5 [kn], kn [, ][m], γ = 76, 5 3 m. Wk oblczeń umerczch są przedstawoe w tabel.
6 P A. Powuk H P Rs.. Schemat statcz kratowc Fg.. Statc scheme of the truss structure Lokala optmalzaca Przedzałowa optmalzaca globala Tabela [m] A [ m ] A [ m ] [m] A [ m ] A [ m ] [.674,.6765] [ , ] [.767 3, ] Założm teraz, że parametr σ oraz P będą trapezowm lczbam rozmtm o fukcach przależośc dach w postac -przekroów w tabel. Tabela ~ [MPa] P ~ [kn] P ~ [kn] σ [89, 9] [5, 6] [-55, -495] [85, 95] [5, 3] [-55, -485] Pochode określoe wzorem (8) oblczoe został dla środków przedzałów (odpowedch -przekroów lczb rozmtch σ ~,P ~ P~, ) zestawoe został w tabel 3. -przekroe lczb rozmte reprezetuące rozwązae optmale został przedstawoe w tabel 4.
7 Hbrdowa metoda... sg σ sg P sg P Tabela 3 [m] [.56,.78].5 [.7,.8] [.6,.84] Tabela 4 Oblczea został wkoae prz wkorzstau autorskego programu apsaego w ęzku C++. Zastosowao programowae obektowe. 5 Wosk Dzęk zastosowau algortmu gradetowego w bardzo szbkm czase otrzmao rozwązae problemu lokale optmalzac. Algortm przedzałow pozwala sprawdzć cz otrzmae rozwązae est rozwązaem globalm. Zastosowae algortmu hbrdowego pozwala w bardzo zaczm stopu przspeszć oblczea wkowae algortmem przedzałowm. Prz pomoc przedstawoego algortmu moża optmalzować układ z przedzałowm rozmtm parametram. Modelowae przedzałowch epewośc oparto a testach mootoczośc (por. [8]). Praca została wkoaa w ramach gratu KBN r 8TF65 pt. Przedzałowe akoścowe metod modelowaa epewośc w układach fzczch.
8 LITERATURA A. Powuk. Buckle J.J.: O usg a-cuts to evaluate fuzz equatos, Fuzz Sets ad Sstems, Vol.38, 99, s Camero T.M. Thruavukarasu A.C., El-Saed M.E.M.: Optmzato of frame structure wth fleble ots. Structural ad Multdscplar Optmzato, Vol.9,, pp Hase E.R.: Global optmzato usg terval methods. New York, Marcel Dekker, Kleber M.: Parameter Sestvt Nolear Mechacs, Theor ad Fte Elemet Computatos, Joh Wlle & Sos, New York Moore R.E.: Iterval Aalss, New Jerse, Pretce-Hall, Neumaer A.: Powuk A.: Przedzałowe metod optmalzac kostrukc. Proc. XLV Kofereca Komtetu Iżer Lądowe Wode PAN oraz Komtetu Nauk PZTB "Krca'99", Tom, Krca, 999, s Powuk A.: Zastosowae metod aalz wrażlwośc do modelowaa kostrukc z przedzałowm parametram. Proc. XLVI Kofereca Komtetu Iżer Lądowe Wode PAN oraz Komtetu Nauk PZTB "Krca'", Krca,, (referat przęt do druku w materałach koferecch). Abstract: The problem of optmal desg cossts fdg the optmum parameters accordg to a prescrbed optmalt crtero. Estg optmzato methods usuall are t relable or ca t use the odfferetable, ot cotuous obectve fuctos or costrats. A terval global optmzato method s: ver stable ad robust ad uversall applcable. The terval algorthm guaratees that all statoar global solutos have bee foud. Ufortuatel applcato of ths algorthm s sometmes a ver tme cosumg task. The best local optmzato methods are the gradet methods. I ths paper a hbrd gradet-terval global optmsato method s preseted. Ths method has the best features of both methods.e. fast local ad relable global covergece. I ths paper ths algorthm was appled to optmzato of truss structures. Eamples of optmzato of truss structures wth ucerta parameters was also preseted.
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 szczegółowoZaawansowane 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 szczegółowoFUNKCJE 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 szczegółowoMatematyczny 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 szczegółowoJózef 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 szczegółowoPodprzestrzenie macierzowe
Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0
Bardziej szczegółowoMETODY 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 szczegółowoMODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI
Smlaca Andrze POWNUK Katedra Mecan Teoretczne Wdzał Bdownctwa Poltecna Śląsa w Glwcac MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI Streszczene. Wszste parametr ładów mecancznc są znane z
Bardziej szczegółowoN ( 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 szczegółowoZAGADNIENIE 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 szczegółowoSprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych
Sprawdzee stateczośc skarpy wykopu pod składowsko odpadów koualych Ustalee wartośc współczyka stateczośc wykoae zostae uproszczoą etodą Bshopa, w oparcu o poższą forułę: [ W s( α )] ( φ ) ( φ ) W ta F
Bardziej szczegółowo3. Wykład III: Warunki optymalności dla zadań bez ograniczeń
3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie
Bardziej szczegółowoWnioskowanie 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 szczegółowoPRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI
Adrzej POWNUK *) PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI. Wprowadzee Mechaka lowa staow jak dotąd podstawowy obszar zateresowań żyerskch. Isteje jedak
Bardziej szczegółowoopisać 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 szczegółowoPlanowanie 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 szczegółowoBADANIE 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 szczegółowoModelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej
Dr hab. ż. Ato Śwć, prof. adzw. Istytut Techologczych ystemów Iformacyych oltechka Lubelska ul. Nadbystrzycka 36, 2-68 Lubl e-mal: a.swc@pollub.pl Dr ż. Lech Mazurek aństwowa Wyższa zkoła Zawodowa w Chełme
Bardziej szczegółowom) (2.2) p) (2.3) r) (2.4)
Ekooetra dr ż. Zbgew Tarapata Wkład r : Postace zadań prograowaa lowego grafcza etoda rozwązwaa zadań PL POSTACIE ZADAŃ PROGRAMOWANIA LINIOWEGO Zadae decze w któr wszstke relace są lowe oraz wszstke zee
Bardziej szczegółowoINSTRUKCJA 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 szczegółowoTeoria 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 szczegółowo1. 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 szczegółowoEKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.
Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,
Bardziej szczegółowoOpracowanie 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 szczegółowoIndukcja matematyczna
Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya
Bardziej szczegółowoOBLICZANIE 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( ) 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 szczegółowoTESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).
TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu
Bardziej szczegółowoZESTAW ZADAŃ Z INFORMATYKI
(Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań
Bardziej szczegółowoW 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 szczegółowoFunkcja wiarogodności
Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza
Bardziej szczegółowo11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:
//4 Gry o sue zero - gry rozgrywae w strategach eszaych STRATEGIE IESZANE - OTYWACJA. ROZWAśY PRZYKŁAD: 5 DEFINICJA..6 Strategą eszaą π gracza P azyway kaŝdy rozkład prawdopodobeństwa określoy a zborze
Bardziej szczegółowoANALIZA INPUT - OUTPUT
Aalza put - output Notatk S Dorosewcz J Staseńko Stroa z 28 SŁAWOMIR DOROSIEWICZ JUSTYNA STASIEŃKO ANALIZA INPUT - OUTPUT NOTATKI Istytut Ekoometr SGH Aalza put - output Notatk S Dorosewcz J Staseńko Stroa
Bardziej szczegółowoMatematyka 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 szczegółowoi = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3
35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(
Bardziej szczegółowoWymiarowanie przekrojów stalowych
Wmarowae przekrojów stalowch Program służ o prostch, poręczch oblczeń ośośc przekrojów stalowch. Pozwala o a oblczea przekrojów obcążoch: mometem zgającm [km], mometem zgającm [km], słą połużą [k]. Przekroje
Bardziej szczegółowoMateriały 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 szczegółowoWYZNACZANIE 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 szczegółowoModelowanie i Analiza Danych Przestrzennych
Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego
Bardziej szczegółowoMATEMATYKA 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 szczegółowoPrawdopodobieństwo 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. 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 szczegółowoLinie 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 szczegółowoMiary 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 szczegółowoPrawdopodobieństwo 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 szczegółowoPomiary 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 szczegółowoJEDNOWYMIAROWA 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 szczegółowoRACHUNEK 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 szczegółowoPortfel złożony z wielu papierów wartościowych
Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe
Bardziej szczegółowoREGRESJA 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 szczegółowoStatystyka. 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 szczegółowoProjekt 3 Analiza masowa
Wydzał Mechaczy Eergetyk Lotctwa Poltechk Warszawskej - Zakład Saolotów Śgłowców Projekt 3 Aalza asowa Nejszy projekt składa sę z dwóch częśc. Perwsza polega projekce wstępy wętrza kaby (kadłuba). Druga
Bardziej szczegółowoPermutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2
Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w
Bardziej szczegółowoTyp może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }
Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca
Bardziej szczegółowof 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 szczegółowoJego 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 szczegółowoma 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 szczegółowoRóżniczkowanie 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 szczegółowoAnaliza Matematyczna Ćwiczenia. J. de Lucas
Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y
Bardziej szczegółowoTARCIE 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 szczegółowoPlan wykładu. Sztuczne sieci neuronowe. Sie Hopfielda. Sieci Hopfielda w praktyce. Wykład 9: Sieci rekurencyjne. Sieci rekurencyjne:
Pla wkładu Sec rekurece: Wkład 9: Sec rekurece Se Hammga Se tpu BAM Se RRN Se Elmaa Małgorzata Krtowska Katedra Oprogramowaa e-mal: mmac@.pb.balstok.pl Se Hopfelda Włacwoc: weca to wca ch euroów brak własego
Bardziej szczegółowo8.1 Zbieżność ciągu i szeregu funkcyjnego
Rozdzał 8 Cąg szereg fukcyje 8.1 Zbeżość cągu szeregu fukcyjego Dla skrócea zapsu przyjmjmy pewe ozaczee. Defcja. Nech X, Y. Przez Y X ozaczamy zbór wszystkch fukcj określoych a zborze X o wartoścach w
Bardziej szczegółowoMODELE OBIEKTÓW W 3-D3 część
WYKŁAD 5 MODELE OBIEKTÓW W -D część la wykładu: Kocepcja krzywej sklejaej Jedorode krzywe B-sklejae ejedorode krzywe B-sklejae owerzche Bezera, B-sklejae URBS 1. Kocepcja krzywej sklejaej Istotą z praktyczego
Bardziej szczegółowoNiepewności 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 szczegółowodr 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 szczegółowok k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2
Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu
Bardziej szczegółowoZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI. 1 Wprowadzenie
Andrze POWNUK ZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI Wprowadzene Wartośc wszystkch parametrów układów mechancznych obarczone są pewną nepewnoścą
Bardziej szczegółowoPERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X
PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac
Bardziej szczegółowoPŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej
PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,
Bardziej szczegółowoZadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.
Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer
Bardziej szczegółowoPRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH
PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH Z PRZEDMIOTU EWOLUCYJNE METODY OPTYMALIZACJI. Rozwązać zadae zadaa załaduku (plecakowego z ograczeam a dopuszczale wymary oraz cężar []: a algorytmem symulowaego wyżarzaa.
Bardziej szczegółowotermodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi
fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow
Bardziej szczegółowoPodstawy 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 szczegółowoProjekt 10 Obciążenia kadłuba
Wdzał echacz Eergetk Lotctwa oltechk Warszawske - Zakład amolotów Śmgłowców roekt 10 Obcążea kadłuba W oblczeach obcążeń zewętrzch kadłub samolotu traktue sę zazwcza ako belkę podpartą a okucach skrzdło-kadłub.
Bardziej szczegółowoKONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny
KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych
Bardziej szczegółowoPRZEDZIAŁOWE METODY OPTYMALIZACJI KONSTRUKCJI
Andrzej POWNUK PRZEDZIAŁOWE METODY OPTYMALIZACJI KONSTRUKCJI. Wprowadzenie W ostatnich latach można zaobserwować stale zwiększające się znaczenie metod numerycznych (zwanych także komputerowymi) w inżynierii
Bardziej szczegółowoOBLICZANIE 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 szczegółowoWspółczynnik korelacji rangowej badanie zależności między preferencjami
Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl Pla referatu: Klasycze metody
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoZMIENNE 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 szczegółowoELEMENTY TEORII MOŻLIWOŚCI
ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech
Bardziej szczegółowoObliczanie 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 szczegółowoMatematyka dyskretna. 10. Funkcja Möbiusa
Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1
Bardziej szczegółowo[, ] [, ] [, ] ~ [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 szczegółowoMODEL 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 szczegółowoW 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 szczegółowo08 Model planowania sieci dostaw 1Po_2Pr_KT+KM
Nr Tytuł: Autor: 08 Model plaowaa sec dostaw 1Po_2Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI
Poltechka Gdańska Wydzał Elektrotechk Automatyk Katedra Iżyer Systemów Sterowaa MODELOWANIE I PODSAWY IDENYFIKACI Wybrae zagadea z optymalzacj. Materały pomoccze do zajęć ćwczeowych 5 Opracowae: Kazmerz
Bardziej szczegółowoNatalia 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 szczegółowoPOPULACJA 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 szczegółowoMATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ
MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wkład 4 Matematcze opracowwae wków ekspermetalch Cz. I. Metoda ajmejszch kwadratów Cz. II. Metod statstcze UWAGI OGÓLNE Ekspermet wkowae w auce moża podzelć
Bardziej szczegółowoSTATYSTYKA OPISOWA WYKŁAD 3,4
STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s
Bardziej szczegółowobędą 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 szczegółowoWspółczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych
Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00
Bardziej szczegółowoUOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie
B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety
Bardziej szczegółowoTablica 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 szczegółowoSystem finansowy gospodarki
System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym
Bardziej szczegółowoSTATYKA. Cel statyki. Prof. Edmund Wittbrodt
STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake
Bardziej szczegółowoRegresja REGRESJA
Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu
Bardziej szczegółowoW 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