METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki
|
|
- Sylwester Rosiński
- 8 lat temu
- Przeglądów:
Transkrypt
1 Metody Planowana Eksperymentów Rozdzał 1. Strona 1 z 14 METODY PLANOWANIA EKSPERYMENTÓW dr hab. nż. Marusz B. Bogack Marusz.Bogack@put.poznan.pl Marusz B. Bogack 1
2 Metody Planowana Eksperymentów Rozdzał 1. Strona 2 z 14 LITERATURA 1. Atknson, A. C., A. N. Donev, Optmum Expermental Desgns, Oxford Scence Publcatons, Clarendon Press, Oxford, Draper, N. R., H. Smth, Analza Regresj Stosowana, PWN, Warszawa, Mańczak K., Technka Planowana Eksperymentu, WNT, Warszawa, Rafajłowcz, E., Algorytmy Planowana Eksperymentu z Implementacjam w Środowsku MATHEMATICA, Akademcka Ofcyna Wydawncza PLJ, Warszawa, Rafajłowcz, E., Optymalzacja Eksperymentu z Zastosowanam w Montorowanu Jakoścą Produkcj, Ofcyna Wydawncza Poltechnk Wrocławskej, Marusz B. Bogack 2
3 Metody Planowana Eksperymentów Rozdzał 1. Strona 3 z 14 SPIS TREŚCI Metoda analzy regresj 3. Plany czynnkowe dwupozomowe 4. Plany czynnkowe welopozomowe 5. Plan optymalzacj Boxa - Wlsona 6. Plany D-optymalne (podstawowe założena, krytera optymalnośc; Plany D- T- optymalne) Marusz B. Bogack 3
4 Metody Planowana Eksperymentów Rozdzał 1. Strona 4 z WSTĘP Planowane eksperymentu łączy ze sobą elementy teor z bezpośredną praktyką. Początk jej datowane są na lata dwudzeste trzydzeste zeszłego weku, a jej rozwój zwązany był z badanam eksperymentalnym w rolnctwe. Ze względu na długe okresy wegetacj rośln, złe zaplanowane eksperymentu mogło zostać naprawone najwcześnej dopero po roku. Stąd prawdłowo zaplanowany eksperyment był podstawą badań rozstrzygających o doborze gatunków czy sposobe upraw. Po drugej wojne śwatowej technk planowana eksperymentów przenesone zostały do nektórych gałęz przemysłu. Głównym mejscem zastosowań stał sę przemysł chemczny, gdze planowane eksperymentu służy mędzy nnym doborow optymalnych warunków prowadzena procesu technologcznego, czy też otrzymana substancj o pożądanych właścwoścach. Podjęto równeż próby zastosowana planowana w badanach laboratoryjnych w celach poznawczych. W ostatnm dwudzestolecu zeszłego weku nastąpł znaczny wzrost zanteresowana metodam planowana eksperymentu, zarówno w aspektach praktycznych jak też teoretycznych. Zwązane to było z jednej strony z gwałtownym rozwojem technk oblczenowych (dostępność tanch szybkch komputerów), z drugej natomast strony z powstanem nowych obszarów zastosowań takch jak chocażby sterowane jakoścą produkcj Zastosowana metod planowana eksperymentu Sterowane jakoścą produkcj. Badana te obejmują cały szereg zagadneń zwązanych ne tylko z klasyczną kontrolą jakośc czy sposobam prowadzena kart kontrolnych, ale równeż badana eksperymentalne stosowane na etape projektowana wdrażana wyrobów do produkcj. Celem tych badań jest poszukwane optymalnych warunków prowadzena procesu. Mnmalzacja zmennośc w jakośc produkcj. Obok badań zwązanych z sterowanem jakoścą wytwarzana stotnym zagadnenem jest utrzymane zadanych parametrów wyrobu, Marusz B. Bogack 4
5 Metody Planowana Eksperymentów Rozdzał 1. Strona 5 z 14 przy jednoczesnej mnmalzacj ch rozrzutu wokół wartośc zadanych. Chodz tu o tak sposób produkcj, aby lczba produktów wadlwych oraz różnce pomędzy parametram charakteryzującym produkty dobre były jak najmnejsze. Eksperyment w systemach automatyk. Pomar odpowedz układu na skokową zmanę sygnału wejścowego jest ważnym elementem technk projektowana układów regulacj automatycznej. Celem takch badań jest budowa modelu matematycznego obektu na podstawe danych pomarowych. Pozwala to na właścwe zaprojektowane układu regulacj. Ważnym zagadnenem w takch badanach jest właścwy dobór wymuszeń. Planowane zadań oblczenowych. Przeprowadzając symulacje komputerowe obnżyć można koszty badań eksperymentalnych na rzeczywstych obektach. Dzęk znacznemu wzrostow mocy oblczenowej komputerów powstają coraz bardzej złożone modele opsujące badane zjawska. Jednakże prowadz to do paradoksalnej sytuacj. Coraz bardzej rozbudowane modele wymagają prowadzena oblczeń w coraz dłuższym czase przy wykorzystanu coraz wększych mocy oblczenowych, co zwększa koszty tego etapu badań. Równocześne mocno rozbudowane modele złożonych zjawsk ne poddają sę prostemu opsow matematycznemu, zaczynają wykorzystywać różne algorytmy przyblżone take jak stochastyczne czy heurystyczne. Wszystko to spowodowało, że modele take zaczęto traktować podobne jak podlegające badanom eksperymentalnym obekty fzyczne w efekce stosować technk planowana eksperymentu. Pojawł sę tutaj jednakże nowy problem. W klasycznym eksperymence wynk badań zakłócone są przez różne często ne zdentyfkowane czynnk, co oznacza, że dla tych samych warunków prowadzena dośwadczene otrzymujemy różne wynk. Odmenna sytuacja jest w przypadku eksperymentów komputerowych, w których dla tych samych danych wejścowych wynk powtórnych oblczeń jest dokładne tak sam. Wymagało to zastosowana nowych technk planowana eksperymentu. Dośwadczena w badanach leków. Badana klnczne nowych leków stanową ważną równocześne specyfczną grupę zastosowań technk planowana eksperymentu. Zwązane jest to zarówno ze specyfką badań badana prowadzone są na ludzach jak też z możlwoścą wystąpena szeregu zjawsk zarówno korzystnych (właścwośc terapeutyczne badanego specyfku) jak też nekorzystnych (efekty uboczne). Marusz B. Bogack 5
6 Metody Planowana Eksperymentów Rozdzał 1. Strona 6 z Podstawowe pojęca W badanach eksperymentalnych dysponujemy pewnym obektem badań, który poddajemy dośwadczenom. Obekt ten traktować możemy jako czarną skrzynkę, która w wynku zastosowanych wymuszeń u generuje odpowedz y (rysunek 1.1). u 1 u 2 u M OBIEKT y 1 y 2 y T ε 1, ε 2,, ε T, Rys Schematyczna reprezentacja eksperymentu. u 1, u 2,..., u M czynnk lub zmenne objaśnające, y 1, y 2,..., y T wyjśca lub odpowedz obektu, ε 1, ε 2,, ε T błędy losowe zakłócające odpowedz obektu. Przedstawony na rysunku 1.1 obekt ma M wejść u 1, u 2,..., u M zwanych czynnkam lub zmennym objaśnającym oraz T wyjść y 1, y 2,..., y T zwanych równeż odpowedzam obektu. Badany obekt poddany jest neznanym nemerzalnym zakłócenom ε 1, ε 2,, ε T. Przyjmuje sę, że lczba zakłóceń odpowada lczbe wyjść T. Przeprowadzane badana mają doprowadzć do stworzena opsu matematycznego (modelu matematycznego) analzowanego obektu. W tym celu eksperymentator, w trakce badań, modyfkuje czynnk u obserwując odpowedz obektu y. Przy czym wszystke odpowedz obektu obarczone są neznanym błędam ε. Są one przypadkowe podlegają cągłym neprzewdywalnym zmanom. Dlatego też powtarzając eksperyment przy tych samych określonych wartoścach wejść x 1, x 2,..., x M możlwe jest otrzymane różnych wartośc wyjść y 1, y 2,..., y T. Marusz B. Bogack 6
7 Metody Planowana Eksperymentów Rozdzał 1. Strona 7 z 14 Prawdzwy zwązek pomędzy odpowedzam obektu y a czynnkam u jest zwykle neznany. Oznacza to, że badany obekt opsuje neznana, ogólne nelnowa funkcja, której argumentam są zarówno określone przez eksperymentatora czynnk u, jak też nemerzalne zakłócena ε ( u1, u 2, Ku m, ε1, ε 2, K, ε t y = f ) (1) Poneważ rzeczywsta postać tej funkcj jest neznana, to oberamy model matematyczny będący funkcją aproksymującą odpowedz obektu w badanym obszarze. Model ten wyznaczmy na podstawe obserwacj wyjść obektu. Model matematyczny uzyskany albo w forme wzorów matematycznych, albo też w postac algorytmu spełnać pownen klka warunków 1. Być możlwe prosty. 2. Charakteryzować sę dużą dokładnoścą w punktach, gdze dokonano pomarów. 3. Zapewnać możlwość sensownej oceny (aproksymować) wartośc wyjśca w punktach, w których ne dokonano pomarów. Wymagane to ogranczone jest do obszaru badań. 4. Ops pownen odzwercedlać cechy jakoścowe badanego procesu. Oznacza to, że pownen na przykład zachować wypukłość zależnośc y od x, o le badany proces cechę taką posada. Opracowywany plan eksperymentu zależy od modelu opsującego badany obekt. Stąd stotny jest dobór właścwego modelu. W welu przypadkach na podstawe rozważań teoretycznych można zaproponować postać modelu opsującego badany obekt. Jednakże najczęścej ne jest to możlwe. W takch przypadkach dokonać tego należy na podstawe danych eksperymentalnych. Jak stąd wynka sprawa doboru postac modelu opsującego badany obekt jest bardzo stotna dla powodzena dentyfkacj właścwośc obektu jego ewentualnej dalszej optymalzacj. W prowadzonych badanach eksperymentalnych wyróżnć można klka etapów począwszy od decyzj dotyczących obektu badań, poprzez przyjęce stosowanych metod badaw- Marusz B. Bogack 7
8 Metody Planowana Eksperymentów Rozdzał 1. Strona 8 z 14 czych, na analze uzyskanych wynków badań skończywszy. Celem uzyskana odpowedz na postawone pytana dotyczące badanego obektu kolejno należy 1. Wyodrębnć szeroko rozumany obekt badań eksperymentalnych. Obekt tak traktować można jako pewnego rodzaju czarną skrzynkę, która w wynku zastosowana wymuszeń x generuje odpowedź y (rysunek 1.1). 2. Wskazać pewne merzalne welkośc y charakteryzujące badany obekt, dalej zwane wyjścam lub odpowedzam obektu. Pomary tych welkośc odbywać sę mogą przy pomocy różnych przyrządów pomarowych. 3. Wyróżnć welkośc u, o których mamy podstawy przypuszczać, że oddzaływają na wskazane wcześnej welkośc y charakteryzujące aktualny stan obektu badań. Welkośc te nazywać będzemy welkoścam wejścowym, czynnkam lub zmennym objaśnającym. 4. Scharakteryzować pewen ops matematyczny zwany modelem matematycznym opsujący zależność pomędzy wejścam u a wyjścam y. Ops ten zwykle ne jest w pełn znany. Informacje o nm zdobywamy w trakce przeprowadzanego eksperymentu. Należy tutaj podkreślć, że przez eksperyment rozumemy serę dośwadczeń wykonywanych każdorazowo od początku do końca w sposób nezależny. 5. Określć plan eksperymentu, przez który rozumeć będzemy zestaw welkośc wejścowych u, które stosowane będą w trakce eksperymentu. W przyjętym tutaj ujęcu planowane eksperymentu ma na celu, uwzględnając wygodę eksperymentatora umożlwć wyznaczene pożądanego opsu matematycznego (modelu matematycznego) oraz ułatwć oblczena w faze opracowywana wynków badań. Dodatkowo przyjęty plan eksperymentu ma na celu zmnmalzować koszt badań. 6. Wykonać eksperyment przez który rozumemy serę dośwadczeń. 7. Opracować wynk badań. Tak węc przed przystąpenem do dentyfkacj obektu rozważyć należy, znane z wcześnejszych dośwadczeń, zwązk pomędzy rozpatrywanym zmennym. Przeanalzować należy równeż dzałane obektu uwzględnając cel jego stnena. Na tej podstawe określć należy ogólną strukturę modelu obektu, ustalając wejśca wyjśca. W końcu przyjąć należy Marusz B. Bogack 8
9 Metody Planowana Eksperymentów Rozdzał 1. Strona 9 z 14 postać modelu matematycznego lub też klku jego warantów. Mając model przystąpć możemy do planowana eksperymentu. Poszukwane planu eksperymentu jest procesem złożonym realzowanym zgodne z pewnym algorytmem. Algorytm ten uwzględnając różne czynnk generuje oczekwany produkt w postac dobrego plany eksperymentu. Przy tym przystępując do planowana zastanowć sę należy nad celem przyjętego dzałana. W zasadze wskazać można dwa podstawowe cele, dla których podejmowane jest planowane eksperymentu 1. Modelowane powerzchn odpowedz systemu. Celem planowana jest możlwe dokładne, w określonym sense, oszacowane zależnośc funkcyjnej opsującej zwązek pomędzy wejścem u a wyjścem y. 2. Poszukwane ekstremum odpowedz obektu. W przypadku, gdy ops matematyczny obektu ne jest znany, należy najperw na podstawe przeprowadzonego eksperymentu oszacować funkcję opsującą obekt, a następne wykonać jej maksymalzację Krytera dobrego planu eksperymentu Istotnym zagadnenem jest opracowane dobrego planu eksperymentu. Podać możemy cały szereg różnych wymagań zwązanych z planam eksperymentu spośród, których wyróżnć można następujące: 1. Planowane ortogonalne. W czasach, gdy dostępność komputerów była znkoma lub żadna opracowane wynków eksperymentów było zajęcem bardzo pracochłonnym. Dlatego zaproponowano tak zwane plany ortogonalne, to znaczy take, w których kolumny macerzy zawerającej wynk pomarów spełnały warunek ortogonalnośc. Iloczyn takej macerzy X T X generuje macerz dagonalną, dla której w prosty sposób znajduje sę macerz odwrotną. Dodatkowo plany take charakteryzują sę szeregem zalet z punktu wdzena statystycznego. Przede wszystkm pomnęce w modelu pewnych członów ne powoduje konecznośc przelczana oszacowań pozostałych parametrów, o le pomary wykonane zostały zgodne z planem ortogonalnym dla tego nowego modelu. Inną ch cechą jest to, że dla welu model wskaźnków jakośc planowana, plany ortogonalne okazały sę optymalne. Marusz B. Bogack 9
10 Metody Planowana Eksperymentów Rozdzał 1. Strona 10 z Rotatablność planu. Model matematyczny procesu tworzony jest często w otoczenu wybranego punktu, zwanego centrum eksperymentu. Pożądaną cechą planu jest zapewnene, by dokładność oszacowana wartośc wyjść modelu (merzona przy pomocy warancj) ne preferowała żadnego kerunku. Inaczej mówąc własność ta oznacza stałość warancj w stałej odległośc od centrum planu. 3. Optymalność planu. Wymagane optymalnośc oznacza, że przyjęty został pewen wskaźnk merzący jakość różnych planów. Plan uznajemy za optymalny, gdy zapewna najwyższą możlwą do osągnęca w danych warunkach wartość tego wskaźnka. Wskaźnkem takm może być przykładowo dokładność oszacowana parametrów modelu. 4. Zapobegane złemu uwarunkowanu problemu estymacj. Wymagane to zwązane jest ze zmnejszanem błędów numerycznych powstających przy oblczanu oszacowań parametrów modelu metodą najmnejszych kwadratów. Plany ortogonalne w pewnym stopnu spełnają ten wymóg. 5. Odporność na duże zakłócena. W trakce badań powstać mogą tak zwane błędy grube. Mogą one wystąpć na skutek chwlowej nesprawnośc układu pomarowego lub też błędów popełnonych przez człoweka (źle odczytane wynk pomarów, błędy popełnone przy wprowadzanu danych, tp., td.). Problem odpornośc oszacowana modelu na tak zwane błędy grube pomarów jest stosunkowo nowy. Oczekujemy takego zaplanowana eksperymentu, aby zmnmalzować skutk ewentualnych błędów grubych. 6. Odporność na neprawdłową specyfkację modelu. Jednym z założeń przyjętych w badanach planów optymalnych jest założene, że postać modelu znana jest przed dośwadczenem, z dokładnoścą do neznanych parametrów, a specyfkacja modelu jest dokładna. Założene to bardzo slne ograncza możlwośc planowana eksperymentu. W ostatnm okrese pojawają sę prace wskazujące na nowe możlwośc w tym zakrese 1.4. Standaryzacja zmennych Każdy z czynnków u, = 1, 2,..., M, których wpływ na obekt badamy, przyjmuje wartośc z pewnego przedzału zman Marusz B. Bogack 10
11 Metody Planowana Eksperymentów Rozdzał 1. Strona 11 z 14 u,mn u u, = 1,2, K, M (2), max Grance górna u,max dolna u,mn w jakch zmenają sę poszczególne czynnk zależą zarówno od fzycznych ogranczeń badanego układu jak też od przedzału zman nteresujących eksperymentatora. Ogranczena te wynkać mogą na przykład z zakresu temperatur w jakch badane substancje są ceczam, względne są one stablne termczne. Inne ogranczena wynkać mogą z możlwośc aparaturowych. Bardzo często zdarza sę, że czynnk, których wpływ na obekt badamy, przyjmują wartośc z różnych zakresów lczbowych. Różnce te mogą być nawet klku rzędów. W takch przypadkach korzystna jest transformacja zmennych zwana równeż standaryzacją lub kodowanem zmennych. Polega to na takm ch przeskalowane, aby nowe zmenne, oznaczone dalej przez x, przyberały wartośc z przedzału [-1, 1], wówczas, gdy orygnalne zmenne zmenają sę w przedzałach [u,mn, u,max ], = 1, 2,..., M. Transformacja ta przekształca układ współrzędnych, w którym znajdują sę zmenne rzeczywste, do nowego układu współrzędnych z punktem centralnym (środkem układu) wyznaczonym przez punkt u 10, u 20,..., u M0, w którego otoczenu wykonuje sę eksperyment. Jednocześne skala nowego układu współrzędnych dobrana jest w tak sposób, aby planowane wartośc zman czynnków u, = 1, 2,..., M były jednostkowe w nowym układze współrzędnych. Take standaryzowane lub kodowane zmenne defnuje sę w sposób następujący x u u 0 =, = 1,2, K, M (3) u gdze u 0 u,max u,mn u,max + u,mn = u,mn + = (4) 2 2 jest punktem centralnym nowego układu współrzędnych, oraz u,max u,mn u = u,max u0 = u0 u,mn = (5) 2 jest planowaną wartoścą zman czynnka u (wartoścą bezwzględną kroku wzdłuż os OX w skal naturalnej. Marusz B. Bogack 11
12 Metody Planowana Eksperymentów Rozdzał 1. Strona 12 z 14 W przypadku, gdy eksperyment opsywany jest przy pomocy zmennych kodowanych, konecznym jest powrót do orygnalnych zmennych, szczególne w przypadku nterpretacj uzyskanych wynków. Wtedy stosować należy transformację odwrotną u = u + x u (6) Obszar badań Jak już wcześnej wspomnano każdy z badanych czynnków przyjmuje wartośc z pewnego przedzału zman. W zależnośc od przyjętego charakteru ogranczeń wyróżnć można klka szczególnych przypadków. Nektóre z nch przedstawone zostały one na rysunku 1.2. (a) (b) x 2 (c) (d) x 1 Rys Przykłady nektórych obszarów badań: a) kwadrat (bryła dla M > 2); b) koło (sfera dla M > 2); c) sympleks, dla eksperymentów zwązanych z badanam nad skłądem meszann; d) z dodatkowym ogranczenam wykluczającym duże wartośc równocześne dla x 1 x 2. Marusz B. Bogack 12
13 Metody Planowana Eksperymentów Rozdzał 1. Strona 13 z 14 Jeżel ogranczene (2) spełnone jest nezależne dla każdego z M czynnków, to obszar badań dla zmennych x jest M wymarową bryłą. W szczególnym przypadku dla M = 2 jest to kwadrat (rysunek 1.2a), natomast dla M = 3 sześcan. Ten typ ogranczeń jest najczęścej spotykanym obszarem badań. Czasam natura eksperymentu wymusza bardzej złożoną specyfkację przedzałów zman dla czynnków, a tym samym obszaru badań. Przykładem może być sferyczny obszar badań zdefnowany wyrażenem m 2 x = 1 R 2 (7) gdze R jest promenem sfery. W przypadku gdy M = 2 uzyskujemy koło (rys. 1.2b), natomast dla M = 3 obszar badań będze kulą. Przyjęce takego obszaru sugeruje równy pozom zanteresowana we wszystkch kerunkach wychodzących z punktu centralnego planu. Spora grupa badań zwązana jest z optymalnym doborem składu meszanny. W takm przypadku funkcja odpowedz ne zależy od całkowtej lośc poszczególnych składnków meszanny, a od proporcj w jakch one sę znajdują. Oznacza to, że jeżel w trakce badań zmenamy lość jednego ze składnków meszanny, to automatyczne musmy zmenć lośc pozostałych. Ogranczene to zapsujemy w postac M = 1 x = 1, x 0 (8) Oznacza ono, że meszanna M składnków generuje obszar badań będący (M 1) wymarowym sympleksem. Obszar badań w przypadka 3 składnkowej meszanny pokazuje rysunek 1.2c. Częstokroć obszary badań są bardze złożone, szczególne gdy występują specjalne ogranczena. Przykładowo sytuacja taka wystąpć może w przypadku badań nad reakcją następczą w której nteresuje nas produkt przejścowy B A B C (9) Prowadzene takej reakcj w długm czase lub też przy podwyższonej temperaturze jest nekorzystne. Obszar takch badań przedstawa rysunek 1.2d. Marusz B. Bogack 13
14 Metody Planowana Eksperymentów Rozdzał 1. Strona 14 z 14 Oznaczmy przez I określony przez eksperymentatora obszar badań. Algorytm postępowana mający na celu wygenerowane planu eksperymentu poszukwać będze, w zadanym obszarze I, planu eksperymentu spełnającego określone przez eksperymentatora oczekwana (krytera). Należy tu podkreślć, że postać tego obszaru determnować będze zarówno sposób w jak ten plan będzemy znajdować, jak też rodzaj uzyskanego planu Błąd losowy Wykonując eksperyment uzyskujemy obserwowane w N punktach planu zbudowanego na obszarze I wyjśca obektu y, = 1, 2,..., N. Przy czym wszystke obserwacje obcążone są pewnym błędem ε. Wyróżnć możemy tutaj dwa przypadk 5. Błąd systematyczny. Zwązany on może być na przykład z newłaścwym skalbrowanem aparatury, błędach popełnonych w trakce przygotowywana dośwadczena tp. Wystąpene jego jest najczęścej zwązane z błędam popełnanym przez eksperymentatora jest nekorzystne. Jednym ze sposobów postępowana mającym na celu elmnację takej sytuacj jest wykonywane dośwadczeń, w ramach planu, w sposób losowy. 6. Błąd losowy. Jest on reprezentowany przez wektor ε na rysunku 1.1. Błędy losowe są nezależne od eksperymentatora występują zawsze. W przypadku błędów losowych zakładamy, że wszystke zakłócena ε, = 1, 2,..., N są nezależnym zmennym losowym o wartośc oczekwanej zero skończonych, jednakowych dla wszystkch zakłóceń, warancjach σ 2, czyl N, 2 ( 0 σ ) ε = (10) Zakładamy równeż, że zakłócena te oddzaływują addytywne na obekt badań y = µ + ε, = 1,2, K, N (11) gdze µ są prawdzwym, neznanym wartoścam wyjść modelu. Marusz B. Bogack 14
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 szczegółowoAnaliza 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± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości
Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość
Bardziej szczegółowoXXX 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 szczegółowoTeoria 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 szczegółowoZaawansowane 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) 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 szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoMETODA 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 szczegółowoZa: 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 szczegółowoPROSTO 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 szczegółowoTRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE
POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb
Bardziej szczegółowoAnaliza 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 szczegółowoNatalia 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 szczegółowoCzęść III: Termodynamika układów biologicznych
Część III: Termodynamka układów bologcznych MATERIAŁY POMOCNICZE DO WYKŁADÓW Z PODSTAW BIOFIZYKI IIIr. Botechnolog prof. dr hab. nż. Jan Mazersk TERMODYNAMIKA UKŁADÓW BIOLOGICZNYCH Nezwykle cenną metodą
Bardziej szczegółowoStanisław 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 szczegółowoKształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Bardziej szczegółowoModele 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 szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoWikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
Bardziej szczegółowoRozwiązywanie 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 szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoKURS 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 szczegółowoWeryfikacja 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 szczegółowoKierownik Katedry i Kliniki: prof. dr hab. Bernard Panaszek, prof. zw. UMW. Recenzja
KATEDRA KLINIKA CHORÓB WEWNĘTRZNYCHYCH GERIATRII ALERGOLOGU Unwersytet Medyczny m. Pastów Śląskch we Wrocławu 50-367 Wrocław, ul. Cure-Skłodowskej 66 Tel. 71/7842521 Fax 71/7842529 E-mal: bernard.panaszek@umed.wroc.pl
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoZAJĘCIA X. Zasada największej wiarygodności
ZAJĘCIA X Zasada najwększej warygodnośc Funkcja warygodnośc Estymacja wg zasady maksymalzacj warygodnośc Rodzna estymatorów ML Przypadk szczególne WPROWADZEIE Komputerowa dentyfkacja obektów Przyjęce na
Bardziej szczegółowo2012-10-11. 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 szczegółowoKRZYWA 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 szczegółowoLaboratorium Pomiarów i Automatyki w Inżynierii Chemicznej Regulacja Ciągła
Zakład Wydzałowy Inżyner Bomedycznej Pomarowej Laboratorum Pomarów Automatyk w Inżyner Chemcznej Regulacja Cągła Wrocław 2005 . Mary jakośc regulacj automatycznej. Regulacja automatyczna polega na oddzaływanu
Bardziej szczegółowoBADANIA 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 szczegółowoPlanowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
Bardziej szczegółowo5. 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 szczegółowoPAŃSTWOWA 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 szczegółowoV. TERMODYNAMIKA KLASYCZNA
46. ERMODYNAMIKA KLASYCZNA. ERMODYNAMIKA KLASYCZNA ermodynamka jako nauka powstała w XIX w. Prawa termodynamk są wynkem obserwacj welu rzeczywstych procesów- są to prawa fenomenologczne modelu rzeczywstośc..
Bardziej szczegółowoRozkład 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 szczegółowoI. 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 szczegółowoStanisław 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 szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowo6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO
Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację
Bardziej szczegółowoPOJAZDY SZYNOWE 2/2014
ANALIZA PRZYCZYN I SKUTKÓW USZKODZEŃ (FMEA) W ZASTOSOWANIU DO POJAZDÓW SZYNOWYCH dr nż. Macej Szkoda, mgr nż. Grzegorz Kaczor Poltechnka Krakowska, Instytut Pojazdów Szynowych al. Jana Pawła II 37, 31-864
Bardziej szczegółowo8. Optymalizacja decyzji inwestycyjnych
dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.
Bardziej szczegółowoZaawansowane 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 szczegółowoSymulator układu regulacji automatycznej z samonastrajającym regulatorem PID
Symulator układu regulacj automatycznej z samonastrajającym regulatorem PID Założena. Należy napsać program komputerowy symulujący układ regulacj automatycznej, który: - ma pracować w trybe sterowana ręcznego
Bardziej szczegółowoTeoria 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 szczegółowoZjawiska 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 szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowoZapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Bardziej szczegółowoZadane 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 szczegółowoWYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA
WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA. Ops teoretyczny do ćwczena zameszczony jest na strone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomarowego
Bardziej szczegółowoDotyczy: opinii PKPP lewiatan do projektow dwoch rozporzqdzen z 27 marca 2012 (pismo P-PAA/137/622/2012)
30/04! 2012 PON 13: 30! t FAX 22 55 99 910 PKPP Lewatan _..~._. _., _. _ :. _._..... _.. ~._..:.l._.... _. '. _-'-'-'"." -.-.---.. ----.---.-.~.....----------.. LEWATAN Pol~ka KonfederacJa Pracodawcow
Bardziej szczegółowoWSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH
Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska
Bardziej szczegółowoOPTYMALIZACJA 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 szczegółowoW 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( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoStanisław 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 szczegółowoPlan 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 szczegółowoTwierdzenie 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 szczegółowoGrupa: Elektrotechnika, wersja z dn Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej
ul.potrowo 3a http://lumen.ee.put.poznan.pl Grupa: Elektrotechnka, wersja z dn. 29.03.2016 Studa stacjonarne, stopeń, sem.1 Laboratorum Technk Śwetlnej Ćwczene nr 6 Temat: Badane parametrów fotometrycznych
Bardziej szczegółowoStatystyka Opisowa 2014 część 1. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoZASTOSOWANIE DZIANIN DYSTANSOWYCH DO STREFOWYCH MATERACY ZDROWOTNYCH. Bogdan Supeł
ZASTOSOWANIE DZIANIN DYSTANSOWYCH DO STREFOWYCH MATERACY ZDROWOTNYCH. Wstęp Bogdan Supeł W ostatnm czase obserwuje sę welke zanteresowane dzannam dystansowym do produkcj materaców. Człowek około /3 życa
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoWSKAŹNIK OCENY HIC SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO
WSKAŹNIK OCENY SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO Dagmara KARBOWNICZEK 1, Kazmerz LEJDA, Ruch cała człoweka w samochodze podczas wypadku drogowego zależy od sztywnośc nadwoza
Bardziej szczegółowoSprawozdanie 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 szczegółowoZastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych
NAFTA-GAZ styczeń 2011 ROK LXVII Anna Rembesa-Śmszek Instytut Nafty Gazu, Kraków Andrzej Wyczesany Poltechnka Krakowska, Kraków Zastosowane symulatora ChemCad do modelowana złożonych układów reakcyjnych
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoWykłady Jacka Osiewalskiego. z Ekonometrii. CZĘŚĆ PIERWSZA: Modele Regresji. zebrane ku pouczeniu i przestrodze
Wykłady Jacka Osewalskego z Ekonometr zebrane ku pouczenu przestrodze UWAGA!! (lstopad 003) to jest wersja neautoryzowana, spsana przeze mne dawno temu od tego czasu ne przejrzana; ma status wersj roboczej,
Bardziej szczegółowoStanisław 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 szczegółowoĆwiczenie 2. Parametry statyczne tranzystorów bipolarnych
Ćwczene arametry statyczne tranzystorów bpolarnych el ćwczena odstawowym celem ćwczena jest poznane statycznych charakterystyk tranzystorów bpolarnych oraz metod dentyfkacj parametrów odpowadających m
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoWykład IX Optymalizacja i minimalizacja funkcji
Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej
Bardziej szczegółowoOBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowoSTATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW
Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 4 60-965 POZAŃ (budynek Centrum Mechatronk, Bomechank anonżyner) www.zmsp.mt.put.poznan.pl tel. +48 61 665 5 70 fax
Bardziej szczegółowo3. 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 szczegółowoFizyka cząstek elementarnych
ykład XI Rozpraszane głęboko neelastyczne partonowy model protonu Jak już było wspomnane współczesna teora kwarkowej budowy hadronów ma dwojake pochodzene statyczne dynamczne. Koncepcja kwarków była z
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoSystemy Ochrony Powietrza Ćwiczenia Laboratoryjne
ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych
Bardziej szczegółowoPattern 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 szczegółowoMIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH
MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH Adam Mchczyńsk W roku 995 grupa nstytucj mędzynarodowych: ISO Internatonal Organzaton for Standardzaton (Mędzynarodowa Organzacja Normalzacyjna),
Bardziej szczegółowoSTATECZNOŚĆ 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 szczegółowoBadanie 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 szczegółowo3.1. ODZIAŁYWANIE DŹWIĘKÓW NA CZŁOWIEKA I OTOCZENIE
3. KRYTERIA OCENY HAŁASU I DRGAŃ Hałas to każdy dźwęk nepożądany, przeszkadzający, nezależne od jego natury, kontekstu znaczena. Podobne rzecz sę ma z drganam. Oba te zjawska oddzałują nekorzystne na człoweka
Bardziej szczegółowoWPŁYW 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 szczegółowoWspółczynnik przenikania ciepła U v. 4.00
Współczynnk przenkana cepła U v. 4.00 1 WYMAGANIA Maksymalne wartośc współczynnków przenkana cepła U dla ścan, stropów, stropodachów, oken drzw balkonowych podano w załącznku do Rozporządzena Mnstra Infrastruktury
Bardziej szczegółowoEKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.
EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc
Bardziej szczegółowoProste modele ze złożonym zachowaniem czyli o chaosie
Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok
Bardziej szczegółowoWYBRANE METODY TWORZENIA STRATEGII ZRÓWNOWAŻONEGO TRANSPORTU MIEJSKIEGO SELECTED METHODS FOR DEVELOPING SUSTAINABLE URBAN TRANS- PORT STRATEGIES
Zbgnew SKROBACKI WYBRANE METODY TWORZENIA STRATEGII ZRÓWNOWAŻONEGO TRANSPORTU MIEJSKIEGO SELECTED METHODS FOR DEVELOPING SUSTAINABLE URBAN TRANS- PORT STRATEGIES W artykule przedstawone systemowe podejśce
Bardziej szczegółowoModelowanie 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 szczegółowoAnaliza ryzyka jako instrument zarządzania środowiskiem
WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument
Bardziej szczegółowoNatalia 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 szczegółowo1. Komfort cieplny pomieszczeń
1. Komfort ceplny pomeszczeń Przy określanu warunków panuących w pomeszczenu używa sę zwykle dwóch poęć: mkroklmat komfort ceplny. Przez poęce mkroklmatu wnętrz rozume sę zespół wszystkch parametrów fzycznych
Bardziej szczegółowoBADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20
Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca
Bardziej szczegółowoMetody 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 szczegółowoZapytanie ofertowe nr 4/2016/Młodzi (dotyczy zamówienia na usługę ochrony)
Fundacja na Rzecz Rozwoju Młodzeży Młodz Młodym ul. Katedralna 4 50-328 Wrocław tel. 882 021 007 mlodzmlodym@archdecezja.wroc.pl, www.sdm2016.wroclaw.pl Wrocław, 24 maja 2016 r. Zapytane ofertowe nr 4/2016/Młodz
Bardziej szczegółowoANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO
Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana
Bardziej szczegółowoBadania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)
Bardziej szczegółowoEkonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
mę, nazwsko, nr ndeksu: Ekonometra egzamn 1//19 1. Egzamn trwa 9 mnut.. Rozwązywane zadań należy rozpocząć po ogłoszenu początku egzamnu a skończyć wraz z ogłoszenem końca egzamnu. Złamane tej zasady skutkuje
Bardziej szczegółowoBADANIE DRGAŃ WŁASNYCH NAPĘDU ROBOTA KUCHENNEGO Z SILNIKIEM SRM
Zeszyty Problemowe Maszyny Elektryczne Nr 88/2010 13 Potr Bogusz Marusz Korkosz Jan Prokop POLITECHNIKA RZESZOWSKA Wydzał Elektrotechnk Informatyk BADANIE DRGAŃ WŁASNYCH NAPĘDU ROBOTA KUCHENNEGO Z SILNIKIEM
Bardziej szczegółowo