PORÓWNANIE METOD OKREŚLANIA FUNKCJI CELU PRZY DOBORZE ROZSIEWACZY NAWOZÓW MINERALNYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "PORÓWNANIE METOD OKREŚLANIA FUNKCJI CELU PRZY DOBORZE ROZSIEWACZY NAWOZÓW MINERALNYCH"

Transkrypt

1 Inżynera Rolncza (90)/007 PORÓWNANIE METOD OKREŚLANIA FUNKCJI CELU PRZY DOBORZE ROZSIEWACZY NAWOZÓW MINERALNYCH Zofa Hanusz Katedra Zastosowań Matematyk, Akadema Rolncza w Lublne Magdalena Ćwklńska Katedra Zastosowań Matematyk, Akadema Rolncza w Lublne Zbgnew Sarkowsk Katedra Maszyn Urządzeń Rolnczych, Akadema Rolncza w Lublne Streszczene. W pracy porównano różne metody badana jakośc dopasowana krzywej regresyjnej. Uzyskane wynk mogą być wykorzystywane przy podejmowanu decyzj odnośne sposobu poszukwana postac funkcj celu przy doborze maszyn do realzacj rolnczych procesów produkcyjnych. Zameszczony przykład dotyczy doboru urządzeń do nawożena mneralnego w gospodarstwe prowadzącym produkcję zbóż. Słowa kluczowe: rozsewacze, nawozy mneralne, kryterum wyboru funkcj, dobór parametrów Wstęp W welu zagadnenach rolnczych stotnym problemem badawczym jest poszukwane funkcj opsującej uzyskane wynk eksperymentalne. W pracach Sarkowskego [00] oraz Hanusz n. [005] przedstawona została ogólna metodyka postępowana, mającą na celu uzyskane postac analtycznej funkcj, najlepej opsującej wartośc zaobserwowane w trakce badań. Pojawa sę jednak pytane, co to znaczy najlepej opsującej stan zaobserwowany? Wadomym jest, że do wyznaczena neznanych parametrów poszukwanej funkcj, stosuje sę metodę najmnejszych kwadratów, która mnmalzuje sumę kwadratów odchyleń wartośc zaobserwowanych od wartośc oszacowanych równanem regresj. Wartość szacowaną zmennej objaśnanej, opsywanej równanem regresj dla zadanej wartośc, uzyskuje sę rzutując punkt dośwadczalny ( x, y ) na wykres funkcj, ortogonalne do os OX. Metoda najmnejszych kwadratów jest powszechne stosowana w regresj lnowej, do wyznaczena funkcj lnowej, funkcj welomanowych, regresj welokrotnej oraz takch funkcj, w których przez odpowedne przekształcena zmennych objaśnających uzyskuje sę funkcję lnową. Korzystając z paketów statystycznych (np. SAS, Statstca, Excel) możemy uzyskać najlepej pasujące funkcje do danych eksperymentalnych wraz ze współczynnkam determnacj, określającym stopeń dopasowana uzyskanej funkcj. W praktyce, np. przy powtarzanych pomarach dla tych samych wartośc zmennej nezależnej X opsującej zmenną zależną Y, mnmalzowana jest suma kwadratów różnc 6

2 Zofa Hanusz, Magdalena Ćwklńska, Zbgnew Sarkowsk wartośc średnch y dla różnych x od średnej globalnej y, gdze =,, L, I oraz I jest lczbą różnych wartośc zmennej objaśnającej. Wynka to z faktu, ż rzuty punktów o tej samej odcętej dają tą samą wartość szacowaną. Można, zatem powedzeć, że poszczególne wartośc zmennej objaśnającej są zanedbywane w metodze najmnejszych kwadratów. Ponadto w zagadnenach, w których poszukwana funkcja ne należy do klasy funkcj lnowych, problem wyznaczana parametrów staje sę bardzej skomplkowany. Metoda najmnejszych kwadratów prowadz bowem do uzyskana takch układów równań, które ne dają sę na ogół rozwązać explcte [Drapper n. 998; Seber n. 989]. W pracy proponujemy metodę dopasowywana funkcj opartej na ortogonalnych rzutach punktów eksperymentalnych na styczne do szukanej funkcj regresj. Cel pracy Poszukwane welowymarowych zależnośc analtycznych opsujących wynk badań opera sę często na postępowanu weloetapowym. W perwszym etape, dla pewnego podzboru danych, poszukuje sę postac funkcyjnej opsującej zależność zmennej objaśnanej od zmennych objaśnających. W kolejnych etapach parametry w uzyskanej zależnośc funkcyjnej podlegają uzmennanu. W takm postępowanu ne zawsze jest możlwe bezpośredne zastosowane metody najmnejszych kwadratów do oszacowana parametrów równana. A zatem, w takch sytuacjach, ne można także w sposób bezpośredn określć współczynnka determnacj. W celu rozwązana problemu podjęto próbę opracowana nowego sposobu określana jakośc dopasowana krzywej do punktów eksperymentalnych. Jako kryterum dopasowana krzywej do punktów pomarowych przyjęto sumę kwadratów odległośc punktów dośwadczalnych od punktów będących rzutam na wykres funkcj. Metoda zostane zlustrowana przykładem, w którym oszacowana zostane welokryteralna funkcja celu przy doborze rozsewaczy nawozów mneralnych. Metody porównana jakośc dopasowana krzywej regresyjnej Drapper Smth w fundamentalnej ksążce "Appled Regresson Analyss" pokazują, że teora regresyjna, której celem jest dopasowane funkcj do punktów eksperymentalnych, wykorzystuje rzut prostopadły do os OX punktów na wykres funkcj. Szacowane neznanych parametrów w funkcj regresj oparte jest na metodze najmnejszych kwadratów, x y =,, L,n dopasowuje sę funkcję regre- w której do punktów emprycznych P (, ) ( ) n n sj w tak sposób, aby d = [ y f ( x )] = = osągała mnmum. Wyznaczene parametrów mnmalzujących funkcję kwadratowych odchyleń wartośc dośwadczalnych od szacowanych równanem regresj jest dość proste, jeśl poszukwanym funkcjam są funkcje lnowe. Łatwo zauważyć, że odległość punktu P ( x, y ) od jego rzutu ortogonalnego Pˆ ( x, yˆ ) na wykres funkcj jest wększa nż odległość rzutu tego punktu na styczną do wykresu funkcj (rys. ). W zwązku z powyższym, w pracy proponujemy metodę dopasowana funkcj wykorzystującej rzut prostopadły punktów dośwadczalnych na styczne do wykresu funkcj. Zasadne jest pytane czy take podejśce w ogóle 64

3 Porównane metod określana funkcj... ma sens czy może ono zostać zaakceptowane przez dośwadczalnków. Należy zauważyć, że z punktu wdzena doboru funkcj zależnośc pownnśmy kerować sę ne tylko łatwoścą rozwązana problemu, ale też adekwatnoścą modelu do danych dośwadczalnych. W zagadnenach naukowych, w których do opsu zjawsk stosuje sę funkcje nelnowe, np. funkcje wymerne czy funkcje wykładncze, do szacowana neznanych parametrów pownno zastosować sę metodę taką, która pozwol najlepej oszacować prognozowaną wartość. Dla funkcj nelnowej na ogół ne jesteśmy w stane podać explcte wzorów na neznane parametry do oszacowana parametrów musmy wykorzystać metody numeryczne. Jak już wspomnano, podobny problem pojawa sę także w metodze uzmennana stałych przy welokryteralnym doborze funkcj celu lub gdy postać funkcj jest złożona bądź podana w postac uwkłanej. Wówczas zastosowane metody rzutu prostopadłego do os OX może dać gorsze rezultaty nż metoda zaproponowana w pracy. W dobe szybkch komputerów proponowana metoda może być z powodzenem stosowana do poszukwana bardzej skomplkowanych funkcj regresj. 900 Jednostkowe koszty eksploatacj agregatu [zł/h] Rys.. Fg P ~ ( x~, ) ~ y P ( x y ) Pˆ = ( x, ŷ ) Wykorzystane w okrese użytkowana [h] Mara dopasowana jako suma kwadratów rzutów na styczne do funkcj Fttng measure as a sum of square of the throw to the tangent lne to the functon styczna do funkcj Szacowane parametrów dla funkcj nelnowych Do szacowana parametrów w funkcj celu proponujemy metodę, która polega na mnmalzacj sumy kwadratów odległośc punktów dośwadczalnych od ch rzutów na wykres funkcj wzdłuż prostej prostopadłej do najblższej stycznej, czyl sumy kwadratów 65

4 Zofa Hanusz, Magdalena Ćwklńska, Zbgnew Sarkowsk długośc odcnków P P ~, gdze = oznacza punkt dośwadczany, natomast P (,, L,n). Należy przy tym zauważyć, że x może oznaczać jedną zmenną objaśnającą lub wektor składający sę z klku zmennych objaśnających. Jak wdać z rys., odcnk P P ~ są ne dłuższe nż odcnk PP ˆ. Poneważ odcnk P P ~ dotyczą rzutów prostopadłych punktów dośwadczalnych na styczną, P ~ jego rzut na styczną do wykresu funkcj y = f ( x) zatem są one trudnejsze do wyznaczena nż rzuty prostopadłe do os OX. Można jednocześne zauważyć, że jeśl punkty leżą odpowedno blsko szukanej krzywej wówczas proponowana w pracy metoda będze dawała podobne wynk do uzyskanych w metodze najmnejszych kwadratów, gdyż odcnk P P ~ P =,, L,n będą sobe w przyblżenu równe, bądź dentyczne dla punktów leżących na szukanej krzywej. Powszechne stosowany rzut prostopadły do os OX gorzej wyjaśna badane zjawsko od proponowanego rzutu na styczną. Ponadto można zauważyć, że rzut na styczną daje lepszą nterpretację jakośc dopasowana równana, gdyż oprócz postac funkcj regresj uzyskujemy także postać jej pochodnej. Metoda może być zatem wykorzystana do określana postac równań różnczkowych opsujących badany proces. Zagadnene to ne będze jednak przedmotem rozważań w nnejszej pracy. P ˆ ( ) Program do wyznaczana postac funkcj celu Do realzacj celu pracy opracowano program komputerowy do oblczana odległośc P x, y, gdze y oznacza wartość zmennej objaśnanej, natomast x jest punktu ( ) ( k ) wymarowym wektorem zmennych objaśnających, od powerzchn regresyjnej y = f ( x) dopasowanej do tych punktów. Danym w programe są: lczba punktów eksperymentalnych n, punkty dośwadczalne: P (, y ) y = f ( x) łączących punkty P (, y ) y = x, =,, L, n oraz postać funkcj. Odległośc punktów oblcza sę numeryczne, jako najkrótsze długośc odcnków x z wykresem funkcj f ( x). Procedurę wyznaczana rzutów punktów na powerzchnę opsaną funkcją y = f ( x) można przedstawć za pomocą następujących etapów.. Ustalamy zakresy zman zmennych nezależnych x j ( j =,, L,k) w postac przedzałów [ a j, b j ], gdze a j = x j, mn Δx j, b j = x j, max + Δx j oraz wartośc x j, mn, x j,max oznaczają odpowedno najmnejszą albo najwększą zaobserwowaną wartość dla zmennej nezależnych x j, natomast Δ x j jest pewną neujemną lczbą, o którą można przekroczyć zaobserwowany zakres zmennośc dla zmennej x j. Obszarem poszukwań rzutów punktów na powerzchnę jest loczyn kartezjańsk przedzałów w postac Df = [ a, b ] [ a, b ] L [ a k, bk ]. Dobór welkośc Δ x wynka z faktu, że nektóre współrzędne rzutów na płaszczyzny styczne do powerzchn mogą leżeć poza obszarem x, x ] [ x, x ] L [ x k, x ]. [,mn,max,mn,max,mn k, max 66

5 Porównane metod określana funkcj.... Dla każdego punktu dośwadczalnego P ( x, z ) (,, L,n) punktu ( x f ( )), gdze x Df = poszukujemy takego P 0 0, x0 0, dla którego odcnek łączący te punkty ma najkrótszą długość. W zwązku z tym, oblcza sę numeryczne odległośc dla punktów P ( x + h, f ( x + h) ), gdze x + h Df oraz h = [ h, h, L, hk ] jest przyjętym wektorem wartośc krokowych h j. Przyjęte wartośc kroku są jednocześne dokładnoścą z jaką zostane wyznaczony rzut na powerzchnę. Metodę wyznaczana rzutów można optymalzować, np. poprzez wprowadzene zmennego kroku h, j =,, L, k; t =,, L,T T jest lczbą zman. Wartośc perwszego kroku pownny być wększe od następnych, aby z grubsza oszacować rzut. W następnych teracjach należy zmnejszać krok, aby bardzej dokładne wyznaczyć poszukwany rzut na powerzchnę. Jeszcze nny sposób wyznaczana rzutów daje możlwość określena kerunku poszukwana mnmalnej odległośc a następne należy poszukwać rzutu ze zmennym krokem w wyznaczonym kerunku. Powyższe postępowane jest proste do oprogramowana, a jedynym ogranczenem jest czas oblczeń, wynkający główne z przyjętego kroku h z jakm zmenają sę wartośc zmennych nezależnych x + h. Ponadto, powyższa metoda może być wykorzystana do numerycznego wyznaczana wartośc pochodnej funkcj w punktach P 0 ( x 0, f ( x0 )), =,, L,n. Wartośc pochodnej zostaną określone dla nnych wartośc zmennych zależnych nż te, które zostały określono w badanach. Z punktu wdzena przebegu całej pochodnej ne ma to jednak stotnego znaczena. Postępując analogczne w stosunku do krzywej będącej pochodną funkcj można wyznaczyć krzywą regresj opsująca pochodną tak dalej, aż do uzyskana pochodnej wymaganego rzędu o le jest ona różna od zera. Ocena metod dopasowywana funkcj celu Porównane metody doboru funkcj zależnośc w oparcu o rzuty punktów dośwadczalnych na styczne z wynkam dla metody najmnejszych kwadratów zostane przedstawone na przykładze welokryteralnej funkcj celu przy doborze rozsewaczy nawozów mneralnych. Rozważmy funkcję uzyskaną poprzez uzmennane stałych postac [Hanusz n. 006]: z = f ( x, x ) = ( 0,09x 0,08x + 0,x ) x +,4x,85x + 7x ( 0,00055x 0,0078x + 0,0078x ) x + 0,00084x 0,005x + 0,0045x Dla funkcj opsanej równanem () stneje problem określena współczynnka determnacj, gdyż poszczególne człony równana określane były w odrębnych krokach postępowana. Za ocenę dopasowana funkcj przyjęto błąd średnokwadratowy dopasowana S, równy perwastkow średnego kwadratu odchyleń wartośc obserwowanych od war- e jt () 67

6 Zofa Hanusz, Magdalena Ćwklńska, Zbgnew Sarkowsk tośc regresyjnych. Dla funkcj określonej wzorem () błąd średnokwadratowy wynos,. Zastosowane rzutu prostopadłego punktów dośwadczalnych na styczne do funkcj opsanej równanem () dało wynk, które zameszczono w tabel. W tym przypadku wartośc drugej zmennej objaśnającej x rzutów były take same, co wynkało z faktu, że poszczególne człony funkcj () określane były dla takch samych wartośc x. Z wynków zameszczonych w tabel wynka, że najwększe błędy dopasowana dotyczą wydajnośc agregatu wynoszącej 6,9 ha h dochodzą do zł h dla rocznego wyko- rzystana równego 00 h. Przecętna odległość wszystkch punktów dośwadczalnych od krzywej opsanej równanem () wynos 6,45. Tabela. Odległośc wartośc kosztów eksploatacj agregatów do nawożena mneralnego od powerzchn opsanej funkcją () dla wybranych danych eksperymentalnych Table. The dstance of operatng costs values of unts for mneral fertlzaton from the surface descrbed by functon () for the chosen expermental data. x x ( x x ) z, x 0 z ( x0, x ) z ( x, x ) - z ( x0, x ) 0,000,00 0,54 0,600 8,0 0,68 60,000,00 78,004 60,800 77,7,98 90,000,00 60,6 90,500 60,40, ,000,00 57,4 00,400 57,009, ,000,00 4,478 00,00 4,470, ,000,00 6,59 00,000 6,59, ,000,00, ,000,649 0, ,000,00,08 500,000,08 0,977 M M M M M M M 5 700,000 6,90 9,4 70,000 9,94 0, ,000 6,90 88, ,700 88,97 9, ,000 6,90 85, ,600 85,680 9, ,000 6,90 8, ,400 8,050 8, ,000 6,90 78,4 50,00 78,0 8,5 Porównane obydwu metod dla funkcj opsanej równanem () pokazuje, że metoda rzutowana na styczną daje dokładnejszą ocenę dopasowana krzywej a średna odległość punktów pomarowych (kosztów eksploatacj agregatów do nawożena mneralnego) od dopasowanej krzywej wynos 6,45 zł h wobec, zł h dla rzutowana prostopadłego do os OX. Przeprowadzono także analzę porównawczą dla funkcj wyznaczonej bezpośredno z metody najmnejszych kwadratów. Dla tych samych danych eksperymentalnych funkcja przyjmuje następującą postać: 8,54xx 09,8xx + 04,7xx + 59,5 y = z ( x, x ) = () 6,6x 4,8 68

7 Porównane metod określana funkcj... Dla funkcj określonej równanem () jest możlwe określene współczynnka determnacj R, który wynos 0,96, natomast błąd średnokwadratowy dopasowana jest równy S e = 5,09. W celu lustracj uzyskanych rezultatów, w tabel zameszczono wynk oblczeń rzutów punktów na styczną dla wybranych danych eksperymentalnych. Z wynków podanych w tej tabel wynka, że najwększe błędy dopasowana dotyczą wydajnośc agregatu równej 6,9 zł h dochodzą do 6 zł h dla rocznego wykorzystana równego 400 h. Średna odległość wszystkch punktów od krzywej () wynos,08. Tabela. Odległośc wartośc kosztów eksploatacj agregatów do nawożena mneralnego od powerzchn opsanej funkcją () dla wybranych danych eksperymentalnych Table. The dstance of operatng costs values of unts for mneral fertlzaton from the surface descrbed by functon () for the chosen expermental data. x z ( x ) x x x, x ( x x ) z ( x x ), 0 0, - z ( x x ) z 0,0,0 0,54 0,6,8 8,0 0,68 60,0,0 78,004 60,8,6 77,7,98 90,0,0 60,6 90,5,0 60,40, ,0,0 57,4 00,4, 57,009, ,0,0 4,478 00,,7 4,470, ,0,0 6,59 00,0,9 6,59, ,0,0, ,0 4,,649 0,998 M M M M M M M M ,0 6,9 8,78 400,7 6, 6,75 5, ,0 6,9 06, ,7 6, 09,8 4, ,0 6,9 98, ,8 6, 00,980, ,0 6,9 9,4 699,9 6, 95,78, ,0 6,9 88, ,9 6, 90,86, ,0 6,9 85, ,0 6, 87,459, ,0 6,9 8, ,0 6 84,76, ,0 6,9 78,4 50,0 6, 79,90,86, Porównane obydwóch metod dla funkcj opsanej równanem () wykazało także, że metoda rzutowana na styczną daje dokładnejszą ocenę dopasowana krzywej a przecętna odległość punktów pomarowych (kosztów eksploatacj agregatów do nawożena mneralnego) od dobranej krzywej wynosła,08 zł h wobec 5,09 zł h dla rzutowana ortogonalne do os odcętych. W konsekwencj porównana obydwu metod oceny jakośc dopasowana krzywych wskazano, że metoda rzutowana na styczną do szukanej krzywej daje dokładnejszą ocenę oraz ułatwa nterpretację fzyczną uzyskanych zależnośc. Ponadto metoda rzutowana na styczną umożlwa numeryczne określane wartośc pochodnej funkcj dowolnego rzędu o le one stneją. 69

8 Zofa Hanusz, Magdalena Ćwklńska, Zbgnew Sarkowsk Podsumowane W pracy przedstawono metodę oceny jakośc dopasowana funkcj zależnośc na podstawe rzutowana punktów pomarowych na styczną do krzywej. Metodę porównano z metodą najmnejszych kwadratów wykorzystującą rzutowane punktów pomarowych na funkcję regresj ortogonalne do os OX. Porównując obydwe metody w ocene jakośc dopasowana krzywych regresj wykazano, że metoda rzutowana na styczną do szukanej krzywej daje dokładnejszą ocenę oraz ułatwa nterpretację fzyczną uzyskanych zależnośc. Ponadto metoda rzutowana na styczną umożlwa numeryczne określane wartośc pochodnej funkcj dowolnego rzędu o le one stneją. Dokładny ops zastosowana metody do wyznaczana wartośc pochodnej będze przedmotem nnej pracy. Bblografa Drapper N.R., Smth H Appled Regresson Analyss. New York. Wley. rd ed. ISBN Hanusz Z., Sarkowsk Z Określane funkcj celu przy doborze maszyn rolnczych. Inżynera Rolncza. Nr 4 (74), s Hanusz Z., Ćwklńska M., Sarkowsk Z Określane welokryteralnej funkcj celu przy doborze rozsewaczy nawozów mneralnych. Inżynera Rolncza. Nr (86), s Seber G.A.F., Wld C.J Nonlnear Regresson. New York. Wley. ISBN Sarkowsk Z. 00. Propozycje uogólnana funkcj jednej zmennej na funkcje welowymarowe. Inżynera Rolncza. Nr 9 (9), s THE COMPARISON OF METHODS OF DETERMINING THE OBJECTIVE FUNCTION WHILE SELECTING MINERAL FERTILIZER SPREADERS Summary. Dfferent methods of examnatons of the qualty of regresson curve fttng were compared n the paper. The obtaned results can be used whle makng decson on the way of searchng the objectve functon form whle selectng the machnes for carryng out agronomcal practces. The gven example deals wth the selecton of devces for mneral fertlzaton n the crop farm. Key words: spreaders, mneral fertlzers, the crteron of functon selecton, the selecton of parameters Adres do korespondencj: Zofa Hanusz; e-mal: zofa.hanusz@ar.lubln.pl Katedra Zastosowań Matematyk Akadema Rolncza w Lublne ul. Akademcka Lubln 70

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

APROKSYMACJA QUASIJEDNOSTAJNA

APROKSYMACJA QUASIJEDNOSTAJNA POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

dy dx stąd w przybliżeniu: y

dy dx stąd w przybliżeniu: y Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 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 szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Dobór zmiennych objaśniających

Dobór zmiennych objaśniających Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO 3. ŁUK ELEKTRYCZNY PRĄDU STŁEGO I PRZEMIENNEGO 3.1. Cel zakres ćwczena Celem ćwczena jest zapoznane sę z podstawowym właścwoścam łuku elektrycznego palącego sę swobodne, w powetrzu o cśnentmosferycznym.

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Metody predykcji analiza regresji

Metody predykcji analiza regresji Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..

Bardziej szczegółowo

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

Rachunek niepewności pomiaru opracowanie danych pomiarowych

Rachunek niepewności pomiaru opracowanie danych pomiarowych Rachunek nepewnośc pomaru opracowane danych pomarowych Mędzynarodowa Norma Oceny Nepewnośc Pomaru (Gude to Epresson of Uncertanty n Measurements - Mędzynarodowa Organzacja Normalzacyjna ISO) http://physcs.nst./gov/uncertanty

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH Poltechnka Gdańska Wydzał Inżyner Lądowej Środowska Katedra ydrotechnk mgr nż. Wojcech Artchowcz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁAC OTWARTYC PRACA DOKTORSKA Promotor: prof. dr

Bardziej szczegółowo

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,

Bardziej szczegółowo

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010 Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Pomiary parametrów akustycznych wnętrz.

Pomiary parametrów akustycznych wnętrz. Pomary parametrów akustycznych wnętrz. Ocena obektywna wnętrz pod względem akustycznym dokonywana jest na podstawe wartośc następujących parametrów: czasu pogłosu, wczesnego czasu pogłosu ED, wskaźnków

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia, Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą

Bardziej szczegółowo

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

Kwantowa natura promieniowania elektromagnetycznego

Kwantowa natura promieniowania elektromagnetycznego Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment

Bardziej szczegółowo

METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH

METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH RAFAŁ PALEJ, RENATA FILIPOWSKA METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH APPLICATION OF THE SHOOTING METHOD TO A BOUNDARY VALUE PROBLEM WITH AN EXCESSIVE

Bardziej szczegółowo

DIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH

DIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH RYNEK CIEŁA 03 DIANOSYKA YMIENNIKÓ CIEŁA Z UIARYODNIENIEM YNIKÓ OMIARÓ EKLOAACYJNYCH Autorzy: rof. dr hab. nż. Henryk Rusnowsk Dr nż. Adam Mlejsk Mgr nż. Marcn ls Nałęczów, 6-8 paźdzernka 03 SĘ Elementam

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013 ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp

Bardziej szczegółowo

Analiza zależności zmiennych ilościowych korelacja i regresja

Analiza zależności zmiennych ilościowych korelacja i regresja Analza zależnośc zmennych loścowych korelacja regresja JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Plan wykładu 1. Lnowa zależność mędzy dwoma zmennym: Prosta regresja Metoda najmnejszych

Bardziej szczegółowo

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki Metody Planowana Eksperymentów Rozdzał 1. Strona 1 z 14 METODY PLANOWANIA EKSPERYMENTÓW dr hab. nż. Marusz B. Bogack Marusz.Bogack@put.poznan.pl www.fct.put.poznan.pl/cv23.htm Marusz B. Bogack 1 Metody

Bardziej szczegółowo

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka Stanisław Cichocki. Wykład 10 Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.

Bardziej szczegółowo

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH WYKŁAD 7 7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH 7.8.. Ogólne równane rucu Rucem zmennym w korytac otwartyc nazywamy tak przepływ, w którym parametry rucu take jak prędkość średna w przekroju

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

Metody badań kamienia naturalnego: Oznaczanie współczynnika nasiąkliwości kapilarnej

Metody badań kamienia naturalnego: Oznaczanie współczynnika nasiąkliwości kapilarnej Metody badań kaena naturalnego: Oznaczane współczynnka nasąklwośc kaplarnej 1. Zasady etody Po wysuszenu do stałej asy, próbkę do badana zanurza sę w wodze jedną z powerzchn (ngdy powerzchną obrabaną)

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest

Bardziej szczegółowo

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.

Bardziej szczegółowo

ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE

ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE Inżynera Rolncza 1(126)/2011 ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE Katedra Zastosowań Matematyk Informatyk, Unwersytet Przyrodnczy w Lublne w Lublne

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

Modelowanie komputerowe fraktalnych basenów przyciągania.

Modelowanie komputerowe fraktalnych basenów przyciągania. Modelowane komputerowe fraktalnych basenów przycągana. Rafał Henryk Kartaszyńsk Unwersytet Mar Cure-Skłodowskej Pl. M. Cure-Skłodowskej 1, 0-031 Lubln, Polska Streszczene. W artykule tym zajmujemy sę prostym

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko MECHANIKA Wykład Nr 10 MOMENT BEZWŁADNOŚCI Prowadzący: dr Krzysztof Polko Defncja momentu bezwładnośc Momentem bezwładnośc punktu materalnego względem płaszczyzny, os lub beguna nazywamy loczyn masy punktu

Bardziej szczegółowo

WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI

WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI dr Janusz Wątroba, StatSoft Polska Sp. z o.o. Prezentowany artykuł pośwęcony jest wybranym zagadnenom analzy korelacj regresj. Po przedstawenu najważnejszych

Bardziej szczegółowo

liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.

liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym. =DGDQLHSROHJDMFHQDSRV]XNLZDQLXPDNV\PDOQHMOXEPLQLPDOQHMZDUWRFLIXQNFMLZLHOX ]PLHQQ\FKSU]\MHGQRF]HVQ\PVSHáQLHQLXSHZQHMLORFLQDáR*RQ\FKZDUXQNyZ UyZQDOXE QLHUyZQRFLQRVLQD]Z]DGDQLDRSW\PDOL]DF\MQHJROXE]DGDQLDSURJUDPRZDQLD

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

Bardziej szczegółowo

TRENDS IN THE DEVELOPMENT OF ORGANIC FARMING IN THE WORLD IN THE YEARS 1999-2012

TRENDS IN THE DEVELOPMENT OF ORGANIC FARMING IN THE WORLD IN THE YEARS 1999-2012 Mara GOLINOWSKA, Mchał KRUSZYŃSKI, Justyna JANOWSKA-BIERNAT Unwersytet Przyrodnczy we Wrocławu, Instytut Nauk Ekonomcznych Społecznych Pl. Grunwaldzk 24A, 50-367 Wrocław e-mal: mara.golnowska@up.wroc.pl

Bardziej szczegółowo

SPRAWDZANIE PRAWA MALUSA

SPRAWDZANIE PRAWA MALUSA INSTYTUT ELEKTRONIKI I SYSTEMÓW STEROWANIA WYDZIAŁ ELEKTRYCZNY POLITECHNIKA CZĘSTOCHOWSKA LABORATORIUM FIZYKI ĆWICZENIE NR O- SPRAWDZANIE PRAWA MALUSA I. Zagadnena do przestudowana 1. Fala elektromagnetyczna,

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

OKREŚLENIE CZASU MIESZANIA WIELOSKŁADNIKOWEGO UKŁADU ZIARNISTEGO PODCZAS MIESZANIA Z RECYRKULACJĄ SKŁADNIKÓW

OKREŚLENIE CZASU MIESZANIA WIELOSKŁADNIKOWEGO UKŁADU ZIARNISTEGO PODCZAS MIESZANIA Z RECYRKULACJĄ SKŁADNIKÓW Inżynera Rolncza 8(96)/2007 OKREŚLENIE CZASU MIESZANIA WIELOSKŁADNIKOWEGO UKŁADU ZIARNISTEGO PODCZAS MIESZANIA Z RECYRKULACJĄ SKŁADNIKÓW Jolanta Królczyk, Marek Tukendorf Katedra Technk Rolnczej Leśnej,

Bardziej szczegółowo

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów

Bardziej szczegółowo

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnena dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl 1 Wpływ skalowana danych na MNK

Bardziej szczegółowo

Sprawozdanie powinno zawierać:

Sprawozdanie powinno zawierać: Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,

Bardziej szczegółowo

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH METODA ELEMENTÓW SKOŃCZONYCH Szkc rozwązana równana Possona w przestrzen dwuwymarowe. Równane Possona to równae różnczkowe cząstkowe opsuące wele

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Współczynnik 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 szczegółowo

Regresja liniowa i nieliniowa

Regresja liniowa i nieliniowa Metody prognozowana: Regresja lnowa nelnowa Dr nż. Sebastan Skoczypec Zmenna losowa Zmenna losowa X zmenna, która w wynku pewnego dośwadczena przyjmuje z pewnym prawdopodobeństwem wartość z określonego

Bardziej szczegółowo

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY Zakład Budowy Eksploatacj Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA Temat ćwczena: PRAKTYCZNA REALIZACJA PRZEMIANY ADIABATYCZNEJ.

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie Wykład 5. Problemy algebry lnowej w Matlabe. Analza sygnałów a) w dzedzne częstotlwośc b) w dzedzne czasu c) częstotlwoścowo-czasowa d) nagrywane analza dźwęku e) Sgnal Processng Toolbox Problemy algebry

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

Regulamin promocji upalne lato 2014 2.0

Regulamin promocji upalne lato 2014 2.0 upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa

Bardziej szczegółowo

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene

Bardziej szczegółowo

Praca podkładu kolejowego jako konstrukcji o zmiennym przekroju poprzecznym zagadnienie ekwiwalentnego przekroju

Praca podkładu kolejowego jako konstrukcji o zmiennym przekroju poprzecznym zagadnienie ekwiwalentnego przekroju Praca podkładu kolejowego jako konstrukcj o zmennym przekroju poprzecznym zagadnene ekwwalentnego przekroju Work of a ralway sleeper as a structure wth varable cross-secton - the ssue of an equvalent cross-secton

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

Wyznaczanie długości fali światła metodą pierścieni Newtona

Wyznaczanie długości fali światła metodą pierścieni Newtona 013 Katedra Fzyk SGGW Ćwczene 368 Nazwsko... Data... Nr na lśce... Imę... Wydzał... Dzeń tyg.... Ćwczene 368: Godzna.... Wyznaczane długośc fal śwatła metodą perścen Newtona Cechowane podzałk okularu pomarowego

Bardziej szczegółowo

EUROELEKTRA. Ogólnopolska Olimpiada Wiedzy Elektrycznej i Elektronicznej. Rok szkolny 2013/2014

EUROELEKTRA. Ogólnopolska Olimpiada Wiedzy Elektrycznej i Elektronicznej. Rok szkolny 2013/2014 EUROELEKTRA Ogólnopolska Olmpada Wedzy Elektrycznej Elektroncznej Rok szkolny 232 Zadana z elektronk na zawody III stopna (grupa elektronczna) Zadane. Oblczyć wzmocnene napęcowe, rezystancję wejścową rezystancję

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

OPTYMALIZACJA PROCESU PRZESIEWANIA W PRZESIEWACZACH WIELOPOKŁADOWYCH

OPTYMALIZACJA PROCESU PRZESIEWANIA W PRZESIEWACZACH WIELOPOKŁADOWYCH Prace Naukowe Instytutu Górnctwa Nr 136 Poltechnk Wrocławskej Nr 136 Studa Materały Nr 43 2013 Jerzy MALEWSKI* Marta BASZCZYŃSKA** przesewane, jakość produktów, optymalzacja OPTYMALIZACJA PROCESU PRZESIEWANIA

Bardziej szczegółowo

WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr 0. Badanie rozkładu rzutu śnieżkami do celu

WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr 0. Badanie rozkładu rzutu śnieżkami do celu WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORJNE Z FIZKI trzec termn wpsu zalczena do USOSu upływa...prowadząc(a/y)... grupa... podgrupa... zespół... semestr... roku akademckego... student(ka)... SPRAWOZDANIE

Bardziej szczegółowo