Symulacyjne modelowanie jakości działania użytkownika systemu komputerowego w warunkach ograniczonego czasu na realizację zadania

Wielkość: px
Rozpocząć pokaz od strony:

Download "Symulacyjne modelowanie jakości działania użytkownika systemu komputerowego w warunkach ograniczonego czasu na realizację zadania"

Transkrypt

1 BIULEYN INSYUU AUOMAYKI I ROBOYKI NR 9, 003 Symuacyje modeowae jaośc dzałaa użytowa systemu omputerowego w waruach ograczoego czasu a reazację zadaa Ato M. DONIGIEWICZ Istytut eeformaty Automaty WA u. Kasego, Warszawa SRESZCZENIE: W artyue opsaa została symuacyja metoda badaa jaośc dzałaa użytowa systemu omputerowego w waruach ograczoego czasu dzałaa użytowa. Do badań przyjęto, że zadae użytowa poega a wprowadzeu poecea. Jao wyzaczae charaterysty jaośc statystycze ocey: prawodobeństwa osągęca stau ońcowego wprowadzea poecea średego czasu osągęca stau ońcowego wprowadzea poecea. Przedstawoo agorytm procedury symuacyjego wyzaczaa charaterysty. Zameszczoo przyład wyzaczaa charaterysty jaośc wprowadzaa poecea weoparametrowego.. Wprowadzee Systemy formatycze, z tórym spotyamy sę w pracy życu codzeym, aeżą do dwóch grup. Perwsza staową formatycze systemy obsług; są to systemy, w tórych użytow (et) jest operatorem systemu omputerowego. Są to powszeche stosowae systemy obsług etów w usługach oferowaych przez seć Iteret, systemy rezerwacj mejsc, systemy wyszuwaa formacj (od rozładów jazdy, otów, rejsów do formacj bbografczych auowych) tp. Z systemam obsług aeżącym do tzw. systemów otwartych spotyamy sę róweż w teefo omórowej w baach. Baomat to typowe urządzee, w tórym człowe (ewyszooy użytow) współpracuje ze specjazowaym omputerem. 35

2 A. M. Dogewcz Iterfejs użytowa w tam systeme powe zapewać szyb łatwy dostęp do żądaej fucj. Druga grupa systemów to specjazowae systemy wyorzystywae do erowaa dzałaam (systemy erowaa ruchem otczym, systemy sterowaa staacjam, systemy ratowczo - terwecyje, systemy mtare tp.) [,, 4, 7, 8]. Charaterystyczym cecham systemów wyorzystywaych do erowaa dzałaam są mędzy ym: udzał człowea w zadaach wyoywaych przez system, epeła formacja o sterowaym procese, duża dyama zma staów systemu, ograczoy czas wysoe wymagaa a poprawość reazacj zadań przez system. Sposób użyca eemetów wyoawczych systemu oeśa podsystem formacyjo decyzyjy [, ]. Zadaa systemu omputerowego sprowadzają sę do przetwarzaa zberaych daych ch przedstawea użytowow (operatorow). Zadaa użytowa, wyoywae za pośredctwem rozbudowaego terfejsu, poegają a odborze formacj, dotarcu do żądaych formacj, wprowadzau formacj uzupełających, ocee sytuacj, podejmowau decyzj wprowadzau decyzj do systemu omputerowego. We wszystch tych przypadach operacje wyoywae przez użytowa sprowadzają sę do wprowadzaa poeceń do omputera. Na etape projetowaa systemu omputerowego, a w szczegóośc w procese projetowaa współpracy człowe omputer, występuje probem ocey jaośc zadań wyoywaych przez człowea, ocey jaośc terfejsu ocey jaośc całego systemu [4]. W ceu wspomagaa projetata w rozwązywau probemów ezbęde staje sę zbudowae odpowedch mode dzałaa użytowa. Na podstawe tych mode możwa będze ocea jaośc zarówo dzałaa użytowa, ja terfejsu oraz całego systemu. Ocea jaośc reazacj zadań przez użytowa jest truda ze wzgędu a astępujące czy [4]: osowy charater pracy użytowa, a doładej osowy czas reazacj wyoywaych przez ego podstawowych operacj, osowy wybór zadań cząstowych, tórych wyoae prowadz do zreazowaa zadaa, zmeość w czase charaterysty jaośc reazacj zadań cząstowych przez użytowa; załócea występujące w pracy użytowa p. es wyający z ograczoego czasu przezaczoego a wyoywae zadań. W artyue przyjęto, że dzałae użytowa w systeme omputerowym ograczoe jest do wprowadzaa formacj (wprowadzaa poeceń). Pomęte są probemy merytorycze podejmowaa decyzj. Rozpatrywaa jest techcza oa dzałaa użytowa. Rozważaa oparte 36 Buety Istytutu Automaty Roboty, 9/003

3 Symuacyje modeowae jaośc dzałaa... są a pojęcu czyośc eemetarej (operacj) - podstawowej jedost w dzałau użytowa. Przyjmuje sę, że użytow wyouje czyośc eemetare, tóre sładają sę a zadae wprowadzea formacj. Eemetara czyość użytowa poega p. a acśęcu jedego przycsu ub wsazau obetu a motorze (ęcu a obece). Zadaa reazowae przez użytowa przedstawae są w postac sec czyośc eemetarych. Mając a uwadze specyfę pracy użytowa, stosuje sę szereg charaterysty ocey jaośc jego dzałaa. Do podstawowych moża zaczyć [3, 5, 6, 8, 3]: czas wyoaa zadaa, prawodobeństwo reazacj zadaa. Jao charaterysty jaośc dzałaa użytowa w systeme przyjmemy czas wprowadzea poecea prawodobeństwo wprowadzea poecea przez użytowa w oeśoej czbe oów (operacj). Charaterysty te wyzaczae będą metodą symuacyją.. Ops dzałaa użytowa w waruach ograczoego czasu a reazację zadaa Praca użytowa w systeme erowaa przebega ajczęścej w waruach ograczeń czasowych przy jedoczesym wymagau dużej szybośc dzałaa bezbłędej reazacj zadań. Bra czasu ezbędego a wyoae oeśoych zadań odczuway jest przez człowea jao wyjątowo duża przeszoda w dzałau powoduje powstae apęca psychczego. Sta te azyway jest często esem czasowym ub esem czasu [4, 5]. Bra czasu jest pojęcem wzgędym - zaeży od subetywych, dywduaych cech człowea. Im bardzej złożoe są czyośc użytowa, tym węsze są rzeczywste wartośc czasu ezbęde a ch wyoae. Wartośc te mogą oazać sę zbyt duże w oetych waruach wyoywaa zadań oraz w sytuacjach awaryjych. Stres może róweż wystąpć przy zbyt sm obcążeu zadaam. Bra jest wówczas odpowedej stymuacj do dzałaa [3]. Bra czasu występuje często a sute dzałaa astępujących czyów [, 4, 5]: dyam zma sytuacj, tóra powoduje dużą tesywość apływu formacj do użytowów; ótotrwałośc oddzaływaa sygałów a użytowa; Buety Istytutu Automaty Roboty, 9/003 37

4 A. M. Dogewcz złożoośc sterowaych obetów, tóra powoduje apływ zbyt dużej ośc formacj w jedostce czasu, wymagającej wyoaa różorodych dzałań w ótm odcu czasu; gwałtowych zma (załóceń) w fucjoowau sterowaego obetu (sytuacje awaryje ub zagrożea), tóre wymagają szybej poprawej terwecj użytowa, ze wzgędu a to, że a poprawee błędu e ma już czasu, a wee czyośc ma charater eodwracay. Szybość jaość apływających do użytowa formacj mogą w róży sposób wpływać a jaość reazacj zadań. Przez jaość apływających formacj rozumeć aeży ch doładość, w sese wartośc przeazywaych daych, ja róweż ch ompetość, w sese zawartośc. Da jedego użytowa apływające formacje mogą być ewystarczające do podjęca decyzj wyoaa czyośc, da ego użytowa formacje mogą być admere mogą powodować przecążea. Załóżmy, że w trace wyoywaa zadaa użytow sewecyje reazuje operacje eemetare, tóre sładają sę a reazowae zadae. Stres przy wyoywau -tej operacj w zadau charateryzoway jest przez tzw. współczy esu [4, 4, 5]: S () S = Eτ tˆ S 5 gdze: Eτ - wartość oczewaa czasu ezbędego do zaończea wprowadzaa, po wyoau przez użytowa ou w procese wprowadzaa; - czas przezaczoy (uszczay) a wprowadzee poecea (a wyoae zadaa); tˆ - czas wyorzystay a reazację wprowadzaa (rzeczywsty czas wyoaa oów w procese wprowadzaa): = t ˆ t ; t - czas wyoaa przez użytowa - tego ou = procesu wprowadzaa. Współczy esu przyjmuje zwye wartośc od do 5 [4, 5]. Isteje wartość progowa esu (oz. ) zwaa wartoścą ytyczą. Da średo wrażwego użytowa przyjmuje sę wrażwego użytowa przyjmuje sę wrażwego M =,4 -, 8. Przyjmuje sę [4, 5], że da S M es M M M =,3. Da bardzej =,9 -,, atomast da mej 38 Buety Istytutu Automaty Roboty, 9/003

5 Symuacyje modeowae jaośc dzałaa... wpływa pozytywe, tz. astępuje zmejszee czasu reazacj operacj oraz wzrasta czba bezbłęde wyoaych operacj (wzrasta prawodobeństwo bezbłędego wyoaa operacj). Da S > es wpływa egatywe - M zwęsza sę czas reazacj operacj oraz wzrasta prawodobeństwo popełea błędu w reazacj operacj. Przez bardzej wrażwego użytowa aeży rozumeć taego, da tórego ewe wzrost współczya esu S (powyżej =,9 -, ) powoduje stote pogorszee sę charaterysty M jaośc dzałaa. W tym przypadu M ma wzgęde małą wartość, taą że już przy ewem wzrośce współczya S esu astępuje zmaa charaterysty jaośc dzałaa użytowa. Kasycze zaeżośc oeśające wpływ esu a charaterysty jaośc dzałaa użytowa podae są w [4]. W [4] zapropoowao zmeoe modee wpływu współczya esu a charaterysty jaośc reazacj czyośc eemetarej przez użytowa. Zapropoowae modee zawerają współczy, umożwające ograczee pozomów obżea sę wzrostu czasu reazacj czyośc eemetarej oraz prawodobeństwa popełea błędu przez użytowa wraz ze zmaą współczya esu. Zaetą podaych mode jest to, że poprzez wybrae jedego z propoowaych mode, zmeamy ształt zywej opsującej zmaę oeśoej charaterysty wraz ze zmaą współczya esu. Daje to szersze możwośc modeowaa. Przytoczymy postać modeu owego wpływu esu a charaterysty jaośc reazacj czyośc eemetarej przez użytowa. W zaese wartośc oczewaej czasu reazacj czyośc eemetarej przez użytowa, mode te oeśa zaeżość [4]: () t ( S ) t = t t wt ( ) ( S t ) + wt ( M ) [ + ( w ) ( S M )] t da da da da S = < S < M M S M S > M gdze: t - wartość oczewaa czasu reazacj operacj w waruach pracy bez esu, M - wartość ytycza współczya esu, S - współczy esu (por. zaeżość ), - współczy oeśający stopeń obżea sę wartośc t pod w t wpływem esu, + Buety Istytutu Automaty Roboty, 9/003 39

6 A. M. Dogewcz w t - współczy oeśający stopeń wzrostu t pod wpływem esu, t ( S) - wartość oczewaa czasu reazacj operacj w waruach esu da modeu owego. Wpływ współczya esu a odchyee stadardowe czasu reazacj operacj przez użytowa oeśają zaeżośc: (3) σ ( S ) σ σ = σ σ w ( ) ( S ) + ws ( M ) [ + ( w )( S M )] s s da S = da da da < S < M M S M S > M gdze: σ - odchyee stadardowe czasu reazacj operacj w waruach pracy bez esu. - współczy oeśający stopeń obżea sę wartośc σ pod w s w s wpływem esu, - współczy oeśający stopeń wzrostu σ pod wpływem esu, σ ( S ) - odchyee stadardowe czasu reazacj operacj w waruach esu da modeu owego. Pozostałe weośc ja w zaeżośc (). W zaese zmay wartośc prawodobeństwa popełea błędu przez użytowa, wpływ esu w modeu owym oeśają zaeżośc: (4) p ( S ) p p = p p w S + ( w p ) M [ + ( w )( S M )] p p da S = da da da + < S < M M S M S > M gdze: p - prawodobeństwo popełea błędu przez użytowa w waruach bez esu, p ( S ) - prawodobeństwo popełea błędu przez użytowa w waruach esu da modeu owego, + 40 Buety Istytutu Automaty Roboty, 9/003

7 Symuacyje modeowae jaośc dzałaa... w - współczy oeśający stopeń obżea sę wartośc p pod p wpływem esu, - współczy oeśający stopeń wzrostu p pod wpływem w p esu. Pozostałe weośc ja w zaeżośc (). Przedzały uszczaych wartośc współczyów da przedstawoego powyżej modeu owego podao w [4]. 3. Symuacyje wyzaczae charaterysty jaośc wprowadzaa poecea W omputerowym systeme erowaa (sterowaa) użytow współpracuje z omputerem w reazacj zadań, wyprowadzając z systemu potrzebe formacje oraz wprowadzając formacje uzupełające. Wyprowadzae wprowadzae formacj odbywa sę poprzez wprowadzee odpowedego poecea (rys. ). NAZWA Par Par...Par...Par AKCEPACJA Rys.. ypowa postać poecea, (gdze: NAZWA - detyfator rodzaju poecea, Par -ty parametr poecea, AKCEPACJA - zaończee wprowadzaa poecea) W ceu uproszczea daej przedstawoych schematów załadamy, że wprowadzae poecee słada sę z azwy, czterech parametrów aceptacj. W szczegóym przypadu parametr może być wprowadzay w postac jedego zau. Przyjmujemy daej, że steje możwość cofęca wprowadzaa poecea z ażdego stau a począte (do stau rozpoczęca poowego wprowadzaa). Załadamy róweż możwość cofęca wprowadzoych parametrów, jeś przy reazacj poecea wyyty został błąd w parametrach. Graf procesu wprowadzaa taego poecea poazao a rys.. Sposób wyzaczea prawodobeństw przejść mędzy staam poday jest szczegółowo w [4]. Stay procesu wprowadzaa oeśoe są astępująco: a - start do wprowadzea azwy poecea, am róweż zameszczoo e, ż przedstawoy w artyue, modee wpływu esu a charaterysty jaośc reazacj czyośc przez użytowa. Buety Istytutu Automaty Roboty, 9/003 4

8 A. M. Dogewcz a 3 a a 4 a a 6 a 5 a 8 a 7 a 0 a 9 a a 3 a a4 Rys.. Graf procesu wprowadzaa poecea z czterema parametram [4] a, a, a, a - start do wprowadzea parametru odpowedo I, II, III IV, a a 4, a6, a8, a 0 - start do wycofaa parametru odpowedo I, II, III IV, - start do wprowadzea aceptacj, a a a 3 a start do wycofaa poecea, - start do omputerowej reazacja poecea, - start do wycofaa wszystch parametrów, - start do zaończea wprowadzaa (sta ońcowy). 4 Buety Istytutu Automaty Roboty, 9/003

9 Symuacyje modeowae jaośc dzałaa... Załadamy, że proces wprowadzaa oeśoy jest przez: - graf procesu wprowadzaa oraz stay procesu wprowadzaa, - macerz prawodobeństw przejść procesu wprowadzaa, - macerz wartośc oczewaych macerz odchyeń stadardowych czasów przejść mędzy staam procesu wprowadzaa, - czas przezaczoy a wprowadzee poecea. Wyzaczać będzemy astępujące charaterysty jaośc: prawodobeństwo osągęca stau ońcowego w ou procesu wprowadzaa, czas osągęca stau ońcowego przez proces wprowadzaa poecea, współczy esu w ou procesu wprowadzaa. Agorytm procedury symuacyjego wyzaczaa charaterysty poazao a rys. 3. Na rysuu przyjęto astępujące ozaczea: - sta atuay (wejścowy), s - sta astępy (wyjścowy), s - sta ońcowy, t - s we s wy wy czas wyoaa - tego ou w procese wprowadzaa przez użytowa, - umer ou procesu wprowadzaa. Jedoote wyoae pęt w procedurze ozacza przejśce ze stau atuaego, w jam zajduje sę proces wprowadzaa, do stau astępego astępy P () s wy procesu: P (5) P () = P gdze: P = [ p m ],, w jam zajdze sę proces wprowadzaa poecea. Sta procesu wprowadzaa osoway jest zgode z macerzą przejść jeś w ou bra jest esu jeś w ou występuje es m, M - macerz prawodobeństw przejść: p = P X ( τ + ) = a X ( τ ) = a } - prawodobeństwo zdarzea, m { m że proces w chw τ r + zajdze sę w stae pod waruem, że w chw τ zajdował sę w stae. r P, m, M - macerz prawodobeństw przejść = [ p m ] wyzaczoa a podstawe wzorów uwzgędających występowae esu (wzór 4); Macerz wartośc oczewaych czasów przejść mędzy staam procesu wprowadzaa ma postać: a m a s we Buety Istytutu Automaty Roboty, 9/003 43

10 A. M. Dogewcz Począte Przyjęce wartośc początowych P, = 0, =, s =, M,, t 0. sum we 0 = Obczee S Obczee eemetów macerzy przejść P () da s wyzaczoego S (por. zaeżość 5). we Obczee czasów przejść s we () S oraz odchyeń Ω () da wyzaczoego (por. zaeżośc 6 7). Losowae s wy zgode z macerzą () przejść P. = +, = s we s wy Losowae czasu t wyoaa przez użytowa - tego ou wprowadzaa. s wy Rejeacja ou, oraz. sum sum t Obczee = +. S N Czy s wy = s? Rejeacja czasu sum wprowadzea poecea. Koec Rys. 3. Agorytm procedury symuacyjego wyzaczaa charaterysty 44 Buety Istytutu Automaty Roboty, 9/003

11 Symuacyje modeowae jaośc dzałaa... (6) () = gdze: = [ ] t m jeś w ou bra jest esu jeś w ou występuje es - macerz wartośc oczewaych czasów przejśca pomędzy staam m oraz, = [ t m ] - macerz wartośc oczewaych czasów przejśca pomędzy staam m oraz wyzaczoa a podstawe wzorów uwzgędających występowae esu (por. wzór ). Macerz odchyeń stadardowych czasów przejść mędzy staam procesu wprowadzaa ma postać: Ω (7) Ω () = Ω gdze: Ω = [σ m] ] t jeś w ou bra jest esu jeś w ou występuje es - macerz odchyeń stadardowych czasów przejśca pomędzy staam m oraz, [ = σ m Ω - macerz odchyeń stadardowych czasów przejśca pomędzy staam m oraz wyzaczoa a podstawe wzorów uwzgędających występowae esu (por. wzór 3). Losowae czasu wyoaa przez użytowa - tego ou wprowadzaa wyoywae jest, w zaeżośc od współczya esu tym ou, według rozładu N[, σ ] ub N[ σ ] tm σ m t m m t m,, przy czym: - wartość oczewaa czasu przejśca pomędzy staem atuaym m = s staem astępym = s wy w procese wprowadzaa, przy występowau esu a tym ou wprowadzaa, - odchyee stadardowe czasu przejśca pomędzy staem atuaym m = s we staem astępym = s w procese wprowadzaa, przy występowau esu a tym ou wprowadzaa. W wyu weootego wyoaa procedury symuacyjego wyzaczaa charaterysty wyzaczae są astępujące weośc: wy ( ) Ocea prawodobeństwa Pˆ s w ou procesu wprowadzaa jest astępująca: m osągęca stau ońcowego S a we s Buety Istytutu Automaty Roboty, 9/003 45

12 A. M. Dogewcz P s = (8) ˆ ( ) ( ) s ( ) pow gdze: - czba osągęć stau ońcowego s w -tym ou procesu s pow wprowadzaa a pow powtórzeń; - czba powtórzeń procedury symuacj. Ocea średego współczya esu S ( ) odchyea stadardowego σ S ( ) esu przed oem procesu wprowadzaa jest astępująca: pow (9) S ( ) = pow = (0) σ ( ) = S S ( ) S S pow ( ) pow = gdze: S - es przed oem procesu wprowadzaa da -tego powtórzea procedury symuacj; - czba powtórzeń procedury symuacj. pow Ocea średego czasu sum odchyea stadardowego σ czasu wprowadzea poecea jest astępująca: pow () sum = pow = sum pow () σ = ( sum sum ) sum pow = gdze: - czas wprowadzea poecea da -tego powtórzea procedury symuacj; - czba powtórzeń procedury symuacj. pow 4. Oeśee czby powtórzeń procedury symuacj Wyzaczymy wymagaą czbę obserwacj umożwających estymację wartośc oczewaej zmeej osowej z zadaą doładoścą. 46 Buety Istytutu Automaty Roboty, 9/003

13 Symuacyje modeowae jaośc dzałaa... Jeś jao estymator da wartośc oczewaej m przyjmemy średą z próby: (3) X = x = to statystya X podega rozładow ormaemu m σ N,. Natomast zmea osowa X m Z = ma rozład ormay N( 0, ). σ Przedzał ufośc da zmeej osowej Z ma postać: (4) ( Z z ) = α P α Przedzał ufośc da wartośc oczewaej, a pozome ufośc α ma postać: zα σ z (5) X, X + ασ gdze z α - czba spełająca warue Φ( z ) α α =, Φ( x) - dyybuata N 0,. ( ) Jao masymay błąd oszacowaa wartośc oczewaej przyjmemy połowę długośc przedzału ufośc. Jeś przez d ozaczymy masymay błąd oszacowaa wartośc oczewaej, to wymagaą czbę m obserwacj umożwających estymację wartośc oczewaej z zadaą doładoścą wyzacza sę z erówośc: (6) Zatem (7) d m m z ασ m z α σ = Eter + dm Jeś e zamy wartośc σ, to moża zastosować procedurę Stea [], w tórej w perwszym etape a podstawe cągu wyów obserwacj m Buety Istytutu Automaty Roboty, 9/003 47

14 A. M. Dogewcz wyzacza sę X s = ( x X ). Lczbę m obserwacj, tóre = aeży wyoać w czase esperymetu, wyzacza sę z zaeżośc: (8) dm t α tα s m gdze: - czba odczytaa z tabc rozładu t-studeta przy stopach swobody. Zatem t α s (9) m = Eter + dm Drug etap procedury Stea zaeży od reacj mędzy m to czba obserwacj dooaych w etape perwszym jest wystarczająca. Jeś < to aeży wyoać dodatowo d = obserwacj poowe m wyzaczyć ocey estymatorów przedzały ufośc. Wyzaczymy wymagaą czbę obserwacj umożwających estymację parametru p (wsaźa utury popuacj) z zadaą doładoścą. Jao estymator da wsaźa p utury popuacj przyjmemy ) x wsaź utury z próby p =. Poeważ jest to estymator uzysay metodą ajwęszej warogodośc ma o rozład asymptotycze ormay [9, 0]. (0) ) ) ) ) p( p) ) p( p) p ) zα, p + zα gdze: - ja w zaeżośc (5). Jao masymay błąd oszacowaa wsaźa p utury popuacj przyjmemy połowę długośc przedzału ufośc. Jeś przez d p ozaczymy masymay błąd oszacowaa wsaźa p utury popuacj, to wymagaą czbę obserwacj umożwających estymację wsaźa p utury m. Jeś Przy czej próbe przedzałem ufośc a pozome ufośc α jest przedzał [9, 0]: z α p m 48 Buety Istytutu Automaty Roboty, 9/003

15 Symuacyje modeowae jaośc dzałaa... popuacj z zadaą doładoścą wyzaczymy z erówośc: ) ) p( p) () d p zα Stąd () p p z = Eter α ) p d ( p) p ) + ) ) Najwęsza wartość oczyu p ( p) jest rówa, zatem ajwęszą 4 wartość wyzaczymy z zaeżośc: p z α (3) p = Eter + 4d p 5. Iterpretacja wyów - przyład Przyjmjmy, że użytow wprowadza poecee weoparametrowe sładające sę z azwy, czterech parametrów aceptacj (patrz rys. ). Stay procesu wprowadzaa podae są w pt. 3. Przyjmjmy poadto ozaczea: p p cd p a p br - prawodobeństwo popełea błędu przez użytowa przy wprowadzau azwy ub parametru; - prawodobeństwo wycofaa sę użytowa z wprowadzaa poecea (do stau a 3 ), jeś popełł błąd; - prawodobeństwo popełea błędu przez użytowa przy wprowadzau aceptacj; - prawodobeństwo wystąpea błędu w omputerowej reazacj poecea. W przyładze da uproszczea przyjmujemy, że t = t m m da m, M. Do obczeń przyjęto astępujące wartośc odpowedch weośc: p = p a = 0, 005 ; p cd = 0,, pbr = 0 ; t = t =... = t5 = t7 = s ; t 6 = 0, s. Na rysuach przez wartośc prawodobeństw p ozaczoo jedoczesą zmaę detyczych p, p a. Badaa wyoao da pow = 000 Buety Istytutu Automaty Roboty, 9/003 49

16 A. M. Dogewcz powtórzeń procedury symuacj. Przyjęta czba powtórzeń procedury symuacj speła wymagaa a czbę obserwacj (por. tab. ). ab.. Wymagaa czba obserwacj da pozomu ufośc α = 0, 95 Estymator S ( ) sum Masymay błąd oszacowaa d Wymagaa czba obserwacj ˆ ( ) P s 0, 0,7 0, pow Na rys. 4 5 przedstawoo wyesy prawodobeństwa = 000 Pˆ s ( ) osągęca stau ońcowego s =4 w ou procesu wprowadzaa. Na rys. 4 wyraźe jest wdocze, że użytow o dobrych charaterystyach (małe prawodobeństwo błędu - = 0, 005 ) osąga sta ońcowy ajczęścej w 7 oach. Natomast a rys. 5 popeła błędy) datego Pˆ s ( ) P ˆ s p p = 0, 09 (użytow często ( ) > 0, awet da zaczych wartośc. > Rys. 4. Prawodobeństwo ˆ ( ) osągęca stau ońcowego = 4 w ou P s procesu wprowadzaa (da = s, p = 0, 005, = 000 ) pow 7 s 50 Buety Istytutu Automaty Roboty, 9/003

17 Symuacyje modeowae jaośc dzałaa... Pˆ s ( ) Rys. 5. Prawodobeństwo P ˆ () osągęca stau ońcowego s = 4 s w ou procesu wprowadzaa (da = s, p = 0, 09, = 000 ) Na rys. 6 poazao wyes prawodobeństwa Pˆ 4 osągęca stau ońcowego s w ou procesu wprowadzaa da zmeego p dwóch różych wartośc =, 33 7 s ) wartośc charaterysty są ezbyt duże, co jest zrozumałe. Przy zaczym ese użytowa (występuje to, gdy (użytow w ese częścej popeła błędy), atomast da wartośc Pˆ 4 ( ) są węsze. pow ( ) =5 s Wpływ zmeającego sę uszczaego czasu a wprowadzee poecea a czas sum σ poazao a rys. 7. Czas sum wprowadzea poecea maeje wraz ze wzrostem czasu. Węsza wartość czasu to mejszy współczy esu operatora, a co za tym dze mejsze prawodobeństwo błędu ótszy czas reazacj czyośc eemetarej przez operatora. Stąd mejsza wartość czasu. Podoby wpływ ma czas a odchyee stadardowe σ czasu wprowadzea poecea. Na rys. 7 poazao róweż prostą sum sum =. Część wyesu pożej tej prostej śwadczy o tym, że operator wprowadza poecea w czase średm mejszym Buety Istytutu Automaty Roboty, 9/003 5

18 A. M. Dogewcz Pˆ4( ) 0.9 = =5 = 9 = = 5 = 9 =, ( ) Rys. 6. Prawodobeństwo ˆ osągęca stau =4 w oach da P 4 zmeego oraz = 5 s ( S ) =, 33 s ( S ) p s 5 = 7 p sum [s] σ 0 sum = 5 σ 0 sum [s] Rys. 7. Wpływ uszczaego czasu a wprowadzee poecea, a wyzaczoy czas odchyee stadardowe σ czasu wprowadzea poecea sum ( = 0,005 ) p 5 Buety Istytutu Automaty Roboty, 9/003

19 Symuacyje modeowae jaośc dzałaa... od czasu przezaczoego a wprowadzee poecea (bra esu). Da wartośc > wartośc σ są wyraźe mejsze. sum Na rysuach 8 poazao, uzysae w wyu badań, średe wartośc współczya esu S ( ) odchyea stadardowe σs ( ) esu przed S ( ) S ( ) σ ( ) 6 s = 3 s = 5 s S ( ) S ( ) = 0 s Rys. 8. Śred es ( ) = 5 s S odchyea stadardowe σ esu przed oem ( ) procesu wprowadzaa da różych Buety Istytutu Automaty Roboty, 9/ s

20 A. M. Dogewcz oem procesu wprowadzaa da różych wartośc. Im węszy czas uszczay tym mejsze wartośc współczya esu odchyeń stadardowych esu. Odchyee stadardowe σ S esu ma duże wartośc w obszarze tach wartośc ou, da tórych występują zacze zmay średej wartośc współczya esu S ( ). Na rysuach ą przerywaą zazaczoo graczą średą wartość współczya esu, wyającą S = ). z defcj ( ( ) ( ) 6. Podsumowae Przedstawoe w artyue symuacyje modeowae jaośc dzałaa użytowa w waruach ograczoego czasu a wprowadzee poecea umożwa wyzaczee podstawowych charaterysty jaośc dzałaa użytowa. Przyjęto, że charaterystyam jaośc wprowadzaa są czas wprowadzea poecea prawodobeństwo osągęca stau ońcowego (czy zaończee wprowadzaa poecea) w ou procesu wprowadzaa. W przedstawoej metodze symuacyjej wyzaczaa charaterysty, współczy esu e jest stały w czase wprowadzaa poecea, ecz wyzaczay jest przed ażdym oem procesu wprowadzaa. Możwość wystąpea esu jest węc weryfowaa przed ażdym astępym oem procesu wprowadzaa, co wydaje sę bse waruom aturaym. Isteje węc możwość porówaa zapropoowaej metody ocey charaterysty z metodą aatyczą przedstawoą w [5]. Lteratura: [] Bubc Z.: Podstawy formatyczych systemów zarządzaa. Wydawctwo Potech Wrocławsej, Wrocław, 993. [] Caccabue P.C.: Modeg ad Smuato of Huma Behavour System Cotro, Sprger Verag, Lodo, 998. [3] Dho B.S.: Huma Reabty wth Huma Factors, Pergamo Press, New Yor, 986. [4] Dogewcz A.: Modeowae teracj człowe omputer. Probemy ocey jaośc ezawodośc, Wyd. IAR, Warszawa, Buety Istytutu Automaty Roboty, 9/003

21 Symuacyje modeowae jaośc dzałaa... [5] Dogewcz A. M.: Wyzaczae charaterysty jaośc wprowadzaa formacj przez operatora w waruach esu. Buety IAR, r 0, 999, [6] Hoage E.: Cogtve Reabty ad Error Aayss Method CREAM. Esever, 998. [7] Hop V. D.: Ar raffc Cotro Automato. W: Hadboo of Avato Huma Factors. Ed. Garad D. J., Wse J. A., Hop V. D., Lawrece Erbaum Assocates Ic., New Yor, 999, [8] Kosmows K..: Issues of the Huma Reabty Aayss the Cotext of Probabstc Safety Studes. Iteratoa Joura of Occupatoa Safety ad Ergoomcs, vo., No. 3, 995, [9] Magera M.: Modee metody statysty matematyczej. Ofcya Wydawcza GS, Wrocław, 00. [0] Metody statystycze. eora zadaa. Pod red. Czesława Domańsego Wyd. Uwersytetu Łódzego, Łódź, 00. [] Paszows S.: Podstawy teor systemów aazy systemowej. Wyd. II, Warszawa, Istytut Automaty Roboty WA, Warszawa, 00. [] Sobczy M.: Statystya. Podstawy teoretycze, przyłady - zadaa. Wyd. UMCS, Lub, 998. [3] Szopa.: Nezawodość w systeme człowe-techa-środowso. W: Bezpeczeństwo pracy ergooma. Red. Dauta Koradeca, om, CIOP, Warszawa, 997, [4] Sege A. I., Wof J. J.: Ma-Mache smuato modes. Joh Wey ad Sos, New Yor, 969. [5] Ważyńsa-Fo K., Jaźwńs J.: Nezawodość systemów techczych. PWN, Warszawa, 990. Recezet: prof. dr hab. ż. Włodzmerz Kwatows Praca wpłyęła do redacj Buety Istytutu Automaty Roboty, 9/003 55

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

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

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k 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 szczegółowo

i = 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

i = 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 szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

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

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 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 szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE 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 szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

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

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

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

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza 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 szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

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

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

Indukcja matematyczna

Indukcja 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 szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY 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 szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

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

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

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

Bardziej szczegółowo

System finansowy gospodarki

System 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 szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

. Wtedy E V U jest równa

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

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =? Mary położea rozkładu Wykład 9 Statystyk opsowe Średa z próby, mea(y) : symbol y ozacza lczbę; arytmetyczą średą z obserwacj Symbol Y ozacza pojęce średej z próby Średa jest środkem cężkośc zboru daych

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

ELEMENTY 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 szczegółowo

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

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

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

Badania Maszyn CNC. Nr 2

Badania Maszyn CNC. Nr 2 Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,

Bardziej szczegółowo

METODY KOMPUTEROWE 1

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

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel 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 szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

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

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

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

Bardziej szczegółowo

ĆWICZENIE 5 TESTY STATYSTYCZNE

ĆWICZENIE 5 TESTY STATYSTYCZNE ĆWICZENIE 5 TESTY STATYSTYCZNE Cel Przedstawee wybraych testów statystyczych zasad wyboru właścwego testu przeprowadzea go oraz terpretac wyów. Wprowadzee teoretycze Testem statystyczym azywamy metodę

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA 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 szczegółowo

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

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

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Matematyczne metody opracowywania wyników

Matematyczne metody opracowywania wyników Matematycze metody opracowywaa wyów Statystya rachue epewośc Paweł Ża Wydzał Odlewctwa AGH Katedra Iżyer Procesów Odlewczych Kraów, gruda 00 Opracowae rzywej stygęca 3 4 5 6 7 Formuły a przyblżae pochodej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

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

Bardziej szczegółowo

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach dr ż. Jolata Wojar Zakład Metod Iloścowych, Wydzał Ekoom Uwersytet Rzeszowsk Przestrzeo-czasowe zróżcowae stopa wykorzystaa techolog formacyjo- -telekomukacyjych w przedsęborstwach WPROWADZENIE W czasach,

Bardziej szczegółowo

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Aca Woy WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Wstęp Załad ubezpeczeń est zobgoway do tworzea fuduszu ubezpeczeowego sładaącego sę z rezerw techczo-ubezpeczeowych

Bardziej szczegółowo

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

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

Bardziej szczegółowo

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982. Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

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

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

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

Bardziej szczegółowo

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

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

Bardziej szczegółowo

Niepewności pomiarów. DR Andrzej Bąk

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

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA 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 szczegółowo

STATYSTYKA OPISOWA WYKŁAD 3,4

STATYSTYKA 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 szczegółowo

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

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

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawy matematyki finansowej i ubezpieczeniowej

Podstawy matematyki finansowej i ubezpieczeniowej Podstawy matematy fasowej ubezpeczeowej oreślea, wzory, przyłady, zadaa z rozwązaam KIELCE 2 SPIS TREŚCI WSTEP... 7 STOPA ZWROTU...... 9 2 RACHUNEK CZASU W MATEMATYCE FINANSOWEJ. 0 2. DOKŁADNA LICZBA DNI

Bardziej szczegółowo

KALIBRACJA NIE ZAWSZE PROSTA

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

Bardziej szczegółowo

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

Typ 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 szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

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

Bardziej szczegółowo

Zastosowanie algorytmu mrówkowego w procesie kalibracji symulacyjnego modelu złożowego

Zastosowanie algorytmu mrówkowego w procesie kalibracji symulacyjnego modelu złożowego NAFTA-GAZ uty 0 ROK LXVIII Potr Łętows Istytut Nafty Gazu, Kraów Zastosowae agorytmu mrówowego w procese abracj symuacyjego modeu złożowego Wstęp Zbudowae efetywych metod oreśaa warygodośc daych oraz tech

Bardziej szczegółowo

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystyczne) MIARY POŁOśENIA

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystyczne) MIARY POŁOśENIA D. Mszczyńsa, M.Mszczyńs, Materały do wyładu ze Statysty, 009/0 [] CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystycze) PARAMETRY STATYSTYCZNE - lczby słuŝące do sytetyczego opsu strutury

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

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

Bardziej szczegółowo

Projekt 3 Analiza masowa

Projekt 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 szczegółowo

STATYSTYKA OPISOWA. Statystyka. Losowanie (pomiar)

STATYSTYKA OPISOWA. Statystyka. Losowanie (pomiar) STATYSTYKA OPISOWA Statytyka Statytyka opowa Statytyka matematycza Loowae (pomar) Popuacja geeraa (rezutaty potecjaych pomarów) Próbka (rezutaty pomarów) Statytyka opowa zajmuje ę wtępym opracowaem wyków

Bardziej szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka 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

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

IV. ZMIENNE LOSOWE DWUWYMIAROWE

IV. ZMIENNE LOSOWE DWUWYMIAROWE IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version WIII/1

PDF created with FinePrint pdffactory Pro trial version  WIII/1 Statystyka opsowa Statystyka zajmuje sę zasadam metodam uogólaa wyków otrzymaych z próby losowej a całą populację (czyl zborowość, z której została pobraa próba). Take postępowae azywamy woskowaem statystyczym.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

Statystyczna analiza danych przedziały ufności

Statystyczna analiza danych przedziały ufności 07-- Probablstyka statystyka Statystycza aalza daych przedzały ufośc Wykład 7 dr ż. Barbara Swatowska Wstęp Podstawowe cele aalzy zborów daych Uogóloy ops poszczególych cech/zeych statystyka opsowa; aalza

Bardziej szczegółowo

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym Prof. dr hab. ż. HENRYK PRZYBYŁA, dr hab. ż. STANISŁAW KOWALIK Poltecha Śląsa, Glwce Idetyfacja ocea ryzya wyoaa plau producj w przedsęborstwe górczym Artyuł opował prof. dr hab. ż. Adrzej Karbow. Wprowadzee

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

Analiza spektralna stóp zwrotu z inwestycji w akcje Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa

Bardziej szczegółowo

NOWE MOTODY MODELOWANIA SAMOPODOBNEGO RUCHU W SIECIACH W OPARCIU O PROCESY POISSONA Z MARKOWSKĄ MODULACJĄ 1

NOWE MOTODY MODELOWANIA SAMOPODOBNEGO RUCHU W SIECIACH W OPARCIU O PROCESY POISSONA Z MARKOWSKĄ MODULACJĄ 1 STUDIA INFORMATICA 005 Voume 6 Number (63) Rober WÓJCICKI Poecha Śąsa, Isyu Iformay NOWE MOTODY MODELOWANIA SAMOPODOBNEGO RUCHU W SIECIACH W OPARCIU O PROCESY POISSONA Z MARKOWSKĄ MODULACJĄ Sreszczee.

Bardziej szczegółowo

Matematyczny opis ryzyka

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

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych Cetrala Izba Pomarów Telekomukacyjych (P-1) Komputerowe staowsko do wzorcowaa geeratorów podstawy czasu w częstoścomerzach cyrowych Praca r 1300045 Warszawa, grudzeń 005 Komputerowe staowsko do wzorcowaa

Bardziej szczegółowo