Przenoszenie niepewności

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Przenoszenie niepewności"

Transkrypt

1 Przenoszenie niepewności Uwaga wstępna: pojęcia niepewność pomiarowa i błąd pomiarow są stosowane wmiennie. Załóżm, że wielkość jest funkcją wielkości,,, dla którch niepewności (,, ) są znane (wnikają z dokładności urządzeń, oszacowania ekspermentatora, wcześniejszch obliczeń itp.). Jeżeli błęd te są niezależne i przpadkowe, to niepewność wznaczenia wielkości obliczam metodą Gaussa (MG): ( ) ( ) ( ) (1) Prz czm błąd ten jest nie większ, niż zwkła suma: Przkład: Niech będzie następującą funkcją zmiennch i. Zmierzono i, otrzmując wniki: i. Ile wnosi wznaczona wartość wraz z jej niepewnością? Rozwiązanie: ( ) ( ) ( ) ( ) ( ( ) ( ) ) ( ) Najlepszm przbliżeniem wartości jest: Niepewność wnosi: Zapisujem wnik w eleganckiej formie: ( ) 1

2 W pewnch przpadkach metoda ta bardzo się upraszcza: 1. Jeżeli ma postać sum i różnic:, to: ( ) ( ) ( ) ( ) 2. Jeżeli ma postać sum składników o takiej samej niepewności, czli: Wted: Stuacja taka wstępuje na przkład wted, gd na wadze o maksmalnm udźwigu 2 kg i dokładności ±, g mam odważć około 3 kg substancji. Załóżm, że odważliśm: - za pierwszm razem (1996, ±,) g, - za drugim razem (13,3 ±,) g. (Jak widać, rozdzielczość tej wagi jest równa,1 g, ale nas interesuje dokładność, która wnosi, g). Niepewność: Odważliśm zatem ( ) substancji. 3. Jeżeli ma postać ilocznu i ilorazu,, to: ( ) ( ) ( ) ( ) 2

3 Niepewności parametrów wznaczonch z równania kierunkowego prostej Często, gd zależność międz pewnmi parametrami jest liniowa ( ), fizczną interpretację ma współcznnik kierunkow ( ) lub wraz woln ( ) równania kierunkowego otrzmanej prostej. W takich przpadkach z ekspermentu otrzmujem (często dopiero po pewnch obliczeniach) dskretne wartości oraz odpowiadające im wartości. Naszm zadaniem jest znalezienie parametrów i (i ich niepewności: i ) równania prostej, która najlepiej aproksmuje punkt doświadczalne. Najczęściej użwa się w tm celu metod najmniejszch kwadratów. Zwkła metoda najmniejszch kwadratów (MNK) Arkusze kalkulacjne (np. MS Ecel) oferują funkcję pozwalającą na aproksmację punktów doświadczalnch linią prostą prz pomoc zwkłej metod najmniejszch kwadratów. W MS Ecelu jest to funkcja REGLINP zwracająca tablicę danch:,, (inaczej ), ( ),, i inne. Jak widać, otrzmujem w wniku nie tlko współcznnik kierunkow i wraz woln, ale również oszacowanie ich niepewności ( i ), współcznnik determinacji będąc miarą jakości korelacji * oraz oszacowanie niepewności wielkości na podstawie odchlenia standardowego. Tu pojawia się bardzo ważna uwaga: tak oszacowana niepewność ma niewiele wspólnego z rzeczwistmi niepewnościami tej wielkości otrzmanmi w doświadczeniu. Podobnie, i oszacowane tą metodą powinn budzić pewien niepokój, ponieważ nie uwzględniają rzeczwistch niepewności określonch w doświadczeniu dla poszczególnch punktów pomiarowch. Staje się to zrozumiałe, gd się spojrz na poniższe wkres: Wkres 1 Wkres 2 * Jednak nie należ mlić go ze współcznnikiem korelacji (Pearsona). Jest on określon w przeciwieństwie do współcznnika determinacji tlko dla zależności liniowch (wówczas zachodzi ) i przjmuje wartości od do, a jego znak jest zgodn ze znakiem współcznnika kierunkowego prostej. 3

4 Wkres przedstawiają dwa identczne zbior punktów zależności ( ), ale na wkresie 2 punkt te są obarczone większmi niepewnościami (przjęto brak niepewności ). Wznaczone metodą najmniejszch kwadratów współcznniki i są w obu przpadkach identczne, ale w drugim przpadku ich niepewności (i ) powinn bć WIĘKSZE, niż w pierwszm. Jednak zwkła metoda najmniejszch kwadratów (dostępna np. w arkuszu Ecel) w obu przpadkach poda TAKIE SAME wartości niepewności. Dzieje się tak dlatego, że są one szacowane na podstawie odchleń standardowch (czli na podstawie rozrzutu punktów ekspermentalnch, które na obu wkresach są jednakowe), a nie na podstawie rzeczwistch niepewności (i ) wnikającch z charakterstki aparatów i warunków ekspermentu. Jeśli znam błęd ekspermentalne (na podstawie znajomości aparatu i metodki pomiarowej), powinniśm ich użć do ocen niepewności wznaczonch parametrów. W tm celu niepewności otrzmane z Ecela ( ) powinn bć poprawione poprzez pomnożenie przez stosunek błędu do odchlenia standardowego obliczonego na podstawie różnic pomiędz wartościami obliczonmi a ekspermentalnmi. Ten ostatni parametr można otrzmać z funkcji REGLINP. (2) Zwkła metoda najmniejszch kwadratów zawodzi również wted, gd poszczególne punkt pomiarowe są obarczone różnmi niepewnościami. Rozważm poniższ przkład Wkres 3 Wkres 4 Oba powższe wkres przedstawiają dwa takie same zbior punktów ekspermentalnch wraz z niepewnościami. Dwa pomiar, tzn. prz = 3 oraz prz = 4, został wkonane z większą dokładnością, niż pozostałe. Przedstawiono też dwie propozcje przeprowadzenia przez te punkt prostej. Na wkresie 3 widzim aproksmację prz użciu zwkłej metod najmniejszch kwadratów w tm przpadku prosta nie przechodzi w odpowiedniej bliskości punktów wznaczonch z większą dokładnością (omija ich słupki błędów). Wdaje się zatem, że lepsze dopasowanie jest przedstawione na Wkresie 4. Został tu uwzględnion fakt, że pomiar wkonane z większą dokładnością są istotniejsze (mają większą wagę). 4

5 Podsumowując zwkła metoda najmniejszch kwadratów może bć uznana za odpowiednią, gd niepewności poszczególnch pomiarów są w przbliżeniu takie same. Dotcz to również stuacji, kied błęd ekspermentalne są nieznane w tm przpadku po prostu ze względów praktcznch zakładam równość niepewności dla wszstkich punktów ekspermentalnch. W przeciwnm wpadku (często zresztą spotkanm w praktce laboratorjnej), powinniśm zastosować ważoną metodę najmniejszch kwadratów (WMNK) Ważona metoda najmniejszch kwadratów (WMNK) Opisane wżej problem rozwiązuje ważona metoda najmniejszch kwadratów. Efekt jej zastosowania jest przedstawion na wkresie 4. Zostanie ona opisana poniżej w formie uwzględniającej ekspermentalne niepewności zarówno, jak i. Ważona metoda najmniejszch kwadratów opis jednego z wariantów. Wprowadzam wagi statstczne przpisane każdemu punktowi zależności ( ): ( ) ( ) ( ) ( ) (3) Gdzie: niepewność (wnikająca np. z dokładności urządzenia, wcześniejszch obliczeń metodą różniczki zupełnej itp.), dodatkowa niepewność wnikająca z przeniesienia błędu na (dzięki temu w wadze danego pomiaru uwzględniam również ), którą szacujem stosując metodę różniczki zupełnej dla równania (chwilowo zakładam, że ): współcznnik kierunkow prostej obliczon ze zwkłej metod najmniejszch kwadratów, niepewność (wnikająca np. z dokładności urządzenia, wcześniejszch obliczeń metodą różniczki zupełnej itp.) (4) Interpretacja wag statstcznch jest bardzo prosta: im dokładniej ustaliliśm położenie punktu o współrzędnch ( ) (czli im mniejsze jest i ), tm ważniejsz jest dan pomiar (czli tm większe ). Będziem stosować pewne uproszczenie w zapisie sum: gdzie liczba punktów pomiarowch. Najlepsze przbliżenia stałch i są określone wzorami:

6 ( )( ) ( )( ) ( )( ) ( )( ) Gdzie: ( ) ( ) ( ) Natomiast niepewności i są równe: Ważona metoda najmniejszch kwadratów przkład krok po kroku. Załóżm, że w pomiarach otrzmaliśm następując zbiór punktów i ich niepewności: Lp. Δ eksp Δ eksp 1 1,,3 4,3 2, 2 2,,3 6,7 2, 3 3,,3 8,1 1, 4 4,,2 11, 1,,,2 1, 1, 6 6,,1 17, 1, 2, 1, 1,,,, 1, 2, 3, 4,, 6, Wznaczam współcznnik kierunkow zwkłą metodą najmniejszch kwadratów (funkcja REGLINP w MS Ecel): Stosownie do podanch wżej wzorów liczm wagi, następnie wszstkie potrzebne sum (jest tu przdatna funkcja SUMA.ILOCZYNÓW w MS Ecel), parametr i oraz ich błęd: Lp. Δ eksp Δ pb w 1 2,,78,22 Σw = 2,9 Σw = 12,83 6 a = 2,69 Δa =,37

7 2 2,,78,22 3 1,,78,3 4 1,,2,4 1,,2,79 6 1,,26,94 Wnik: Σw = 37,28 Σw 2 = 63,93 Σw = 184,23 Δ = 2,84 b =,93 Δb = 1,7 Ze zwkłej metod najmniejszch kwadratów: UWAGA: Może się zdarzć, że błęd 2 oszacowane zwkłą metodą najmniejszch kwadratów będą większe, niż te wnikające 1 z metod ważonej. Dzieje się tak wted, gd rozrzut punktów ekspermentalnch wokół prostej (ich odchlenie standardowe) jest większ, niż określon przez ekspermentatora błąd mierzonej wielkości (wkres obok). Najprawdopodobniej oznacza to, że istnieją 1 dodatkowe, źródła błędów, nieprzewidziane przez ekspermentatora. W takim przpadku bardziej wiargodne oszacowanie otrzmujem ze zwkłej metod najmniejszch kwadratów i 7

8 Badanie istotności współcznnika regresji prostoliniowej Niejednokrotnie w trakcie laboratorium należ określić, cz pewien parametr wpłwa na wielkość mierzoną lub wznaczaną. Można się na przkład spodziewać, że przewodność roztworu zależ od temperatur, lecz nie zależ od głębokości zanurzenia termometru. Kied na pierwsz rzut oka niełatwo stwierdzić istnienie zależności, przeprowadza się test istotności współcznnika kierunkowego prostej. Stawiam hipotezę że współcznnik kierunkow prostej jest równ : Hipotezę Hipoteza zerowa: Hipoteza alternatwna: werfikujem za pomocą testu t-studenta następującej postaci: () Gdzie oraz to odpowiednio: współcznnik kierunkow prostej najlepiej aproksmującej punkt doświadczalne i błąd standardow tego współcznnika. Porównujem następnie wartość z wartością graniczną na wmaganm poziomie istotności (najczęściej ) i dla danej liczb stopni swobod (, gdzie jest liczbą pomiarów). Tę wartość odcztujem w tablicach rozkładu t-studenta. odrzucam hipotezę przjmujem hipotezę, stwierdzam, że zależność wstępuje, stwierdzam brak zależności Przkład: Weźm następując zbiór punktów doświadczalnch: Parametr prostej i ich błęd standardowe oraz współcznnik determinacji obliczono prz pomoc funkcji REGLINP w MS Ecelu Hipoteza zerowa: Hipoteza alternatwna: Obliczam: 8

9 Dobieram odpowiedni poziom istotności: jeżeli chcem sprawdzić hipotezę na poziomie ufności 9% (czli chcem mieć 9- procentową pewność, że zależność międz i wstępuje), to dobieram poziom istotności sprawdzim również, co się stanie, jeżeli będziem mniej rgorstczni i starcz nam 9% pewność; wówczas poziom istotności: W każdm przpadku liczba stopni swobod jest równa Odcztujem z tablic rozkładu t-studenta wartość na obu poziomach istotności: Z porównania z obliczoną wartością wnika, że: ponieważ, to na poziomie istotności, należ zaakceptować hipotezę o braku zależności międz i, ponieważ, to na poziomie istotności,1 odrzucam hipotezę zerową i stwierdzam, że zależność wstępuje. Dokładniejsze obliczenia wkazałb, że mam mniej więcej 92-procentową pewność, że zależ od (innmi słow, że wstępuje korelacja międz tmi wielkościami, czli że współcznnik kierunkow tej zależności jest różn od ). Uwaga: w tablicach rozkładu t-studenta dwojako definiuje się poziom istotności może on dotczć jedno- lub dwustronnego obszaru krtcznego. Ponieważ w obu przpadkach użwa się tego samego smbolu ( ), może to prowadzić do nieporozumień. Należ zawsze upewnić się, która definicja jest użwana w danch tablicach. W razie konieczności należ skorzstać z zależności: W powższm przkładzie testowano hipotez dwustronne (sprawdzano, cz współcznnik kierunkow jest różn od, prz czm mógł bć zarówno większ, jak i mniejsz od ), dlatego użto poziomu istotności dla obszaru dwustronnego. 9

10 Literatura: Talor, J. R., Wstęp do analiz błędu pomiarowego, PWN, Warszawa 211 Respondowski, R., Opracowanie wników pomiarów fizcznch, Wdawnictwo Politechniki Śląskiej, Gliwice 199 Czermiński, J., Iwasiewicz, A., Paszek, Z., Sikorski, A., Metod statstczne w doświadczalnictwie chemicznm, wd. II, PWN, Warszawa 1974 Inne polecane pozcje: Brandt, S., Analiza danch, PWN, Warszawa 22 Urbański, M.K., Opracowanie danch doświadczalnch (skrpt do przedmiotu prowadzonego na Wdziale Fizki PW), 1

Wektory. P. F. Góra. rok akademicki

Wektory. P. F. Góra. rok akademicki Wektor P. F. Góra rok akademicki 009-0 Wektor zwiazan. Wektorem zwiazanm nazwam parę punktów. Jeżeli parę tę stanowią punkt,, wektor przez nie utworzon oznaczm. Graficznie koniec wektora oznaczam strzałką.

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja: Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

Bardziej szczegółowo

Pomiar bezpośredni przyrządem wskazówkowym elektromechanicznym

Pomiar bezpośredni przyrządem wskazówkowym elektromechanicznym . Rodzaj poiaru.. Poiar bezpośredni (prost) W przpadku poiaru pojednczej wielkości przrząde wskalowan w jej jednostkach wartość niedokładności ± określa graniczn błąd przrządu analogowego lub cfrowego

Bardziej szczegółowo

Badanie zależności cech

Badanie zależności cech PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i element kombinatorki. Zmienne losowe i ich rozkład 3. Populacje i prób danch, estmacja parametrów 4. Testowanie hipotez 5. Test parametrczne (na przkładzie

Bardziej szczegółowo

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej 1. FUNKCJE WIELU ZMIENNYCH 1.1. FUNKCJE DWÓCH ZMIENNYCH Funkcją dwóch zmiennch określoną w zbiorze D R nazwam przporządkowanie każdej parze liczb () D dokładnie jednej liczb rzeczwistej z. Piszem prz tm

Bardziej szczegółowo

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx 5. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU 5.1. Pojęcia wstępne. Klasfikacja równań i rozwiązań Rozróżniam dwa zasadnicze tp równań różniczkowch: równania różniczkowe zwczajne i równania różniczkowe cząstkowe.

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

Bardziej szczegółowo

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu

Bardziej szczegółowo

Pochodna funkcji wykład 5

Pochodna funkcji wykład 5 Pochodna funkcji wkład 5 dr Mariusz Grządziel 8 listopada 2010 Funkcja logistczna 40 Rozważm funkcję logistczną = f 0 (t) = 1+5e 0,5t Funkcja f może bć wkorzstana np. do modelowania wzrostu mas ziaren

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria i Gospodarka Wodna w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era

Bardziej szczegółowo

Scenariusz lekcji matematyki z wykorzystaniem komputera

Scenariusz lekcji matematyki z wykorzystaniem komputera Scenariusz lekcji matematki z wkorzstaniem komputera Temat: Wpłw współcznników a i b na położenie wkresu funkcji liniowej. (Rsowanie wkresów prz użciu arkusza kalkulacjnego EXCEL.) Czas zajęć: 9 min Cele:

Bardziej szczegółowo

Ćwiczenie 361 Badanie układu dwóch soczewek

Ćwiczenie 361 Badanie układu dwóch soczewek Nazwisko... Data... Wdział... Imię... Dzień tg.... Godzina... Ćwiczenie 36 Badanie układu dwóch soczewek Wznaczenie ogniskowch soczewek metodą Bessela Odległość przedmiotu od ekranu (60 cm 0 cm) l Soczewka

Bardziej szczegółowo

Interpolacja. Układ. x exp. = y 1. = y 2. = y n

Interpolacja. Układ. x exp. = y 1. = y 2. = y n MES 07 lokaln Interpolacja. Układ Interpolacja, wprowadzenie Interpolacja: po co nam to? Ptania MES polega na wznaczaniu interesującch nas parametrów w skończonej ilości punktów. A co leż pomiędz tmi punktami?

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 Równania różniczkowe liniowe Metoda przewidwań Metoda przewidwań całkowania równania niejednorodnego ' p( x) opiera się na następującm twierdzeniu. Twierdzenie f ( x) Suma

Bardziej szczegółowo

Zmienne losowe typu ciągłego. Parametry zmiennych losowych. Izolda Gorgol wyciąg z prezentacji (wykład III)

Zmienne losowe typu ciągłego. Parametry zmiennych losowych. Izolda Gorgol wyciąg z prezentacji (wykład III) Zmienne losowe tpu ciągłego. Parametr zmiennch losowch. Izolda Gorgol wciąg z prezentacji (wkład III) Zmienna losowa tpu ciągłego Zmienna losowa X o ciągłej dstrbuancie F nazwa się zmienną losową tpu ciągłego,

Bardziej szczegółowo

Rozwiązywanie układu równań metodą przeciwnych współczynników

Rozwiązywanie układu równań metodą przeciwnych współczynników Rozwiązwanie układu równań metodą przeciwnch współcznników Sposob postępowania krok po kroku: I. przgotowanie równań. pozbwam się ułamków mnoŝąc kaŝd jednomian równania równań przez najmniejszą wspólną

Bardziej szczegółowo

Równania różniczkowe

Równania różniczkowe Równania różniczkowe I rzędu Andrzej Musielak Równania różniczkowe Równania różniczkowe I rzędu Równanie różniczkowe pierwszego rzędu to równanie w którm pojawia się zmienna x, funkcja tej zmiennej oraz

Bardziej szczegółowo

KORELACJE I REGRESJA LINIOWA

KORELACJE I REGRESJA LINIOWA KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem

Bardziej szczegółowo

Niepewności pomiarów

Niepewności pomiarów Niepewności pomiarów Międzynarodowa Organizacja Normalizacyjna (ISO) w roku 1995 opublikowała normy dotyczące terminologii i sposobu określania niepewności pomiarów [1]. W roku 1999 normy zostały opublikowane

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5 RÓWNANIA RÓŻNICZKOWE WYKŁAD 5 Równania różniczkowe rzędu drugiego Równania rzędu drugiego sprowadzalne do równań rzędu pierwszego Równanie różniczkowe rzędu drugiego postaci F ( x, ', ") 0 ( nie wstępuje

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres

Bardziej szczegółowo

Wykład 10. Funkcje wielu zmiennych

Wykład 10. Funkcje wielu zmiennych Wkład 1. Funkcje wielu zmiennch dr Mariusz Grządziel 6 maja 1 (ostatnie poprawki: 1 maja 1) Funkcje wielu zmiennch Przestrzeń dwuwmiarowa, oznaczana w literaturze matematcznej smbolem R, może bć utożsamiona

Bardziej szczegółowo

Ruch po równi pochyłej

Ruch po równi pochyłej Sławomir Jemielit Ruch po równi pochłej Z równi pochłej o kącie nachlenia do poziomu α zsuwa się ciało o masie m. Jakie jest przspieszenie ciała, jeśli współcznnik tarcia ciała o równię wnosi f? W jakich

Bardziej szczegółowo

ZADANIE 1 Poniżej znajduje się fragment wykresu funkcji y = f (x). ZADANIE 2 Na podstawie podanego wykresu funkcji f

ZADANIE 1 Poniżej znajduje się fragment wykresu funkcji y = f (x). ZADANIE 2 Na podstawie podanego wykresu funkcji f IMIE I NAZWISKO ZADANIE Poniżej znajduje się fragment wkresu funkcji = f (). -7 -- - - 6 7 Dorsuj brakujac a część wkresu wiedzac, że dziedzina funkcji f jest przedział,, a wkres jest smetrczn względem

Bardziej szczegółowo

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K. Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

WYKŁAD 8 ANALIZA REGRESJI

WYKŁAD 8 ANALIZA REGRESJI WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej

Bardziej szczegółowo

Rachunek różniczkowy funkcji jednej zmiennej

Rachunek różniczkowy funkcji jednej zmiennej Rachunek różniczkow funkcji jednej zmiennej wkład z MATEMATYKI Budownictwo, studia niestacjonarne sem. I, rok ak. 2008/2009 Katedra Matematki Wdział Informatki Politechnika Białostocka 1 Iloraz różnicow

Bardziej szczegółowo

Analiza korelacyjna i regresyjna

Analiza korelacyjna i regresyjna Podstawy Metrologii i Technik Eksperymentu Laboratorium Analiza korelacyjna i regresyjna Instrukcja do ćwiczenia nr 5 Zakład Miernictwa i Ochrony Atmosfery Wrocław, kwiecień 2014 Podstawy Metrologii i

Bardziej szczegółowo

Zasady budowania prognoz ekonometrycznych

Zasady budowania prognoz ekonometrycznych Zasad budowania prognoz ekonometrcznch Klasczne założenia teorii predkcji 1. Znajomość modelu kształtowania się zmiennej prognozowanej Znajomość postaci analitcznej wstępującch zależności międz zmiennmi

Bardziej szczegółowo

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia

Bardziej szczegółowo

3.3. UKŁADY RÓWNAŃ LINIOWYCH. Równanie liniowe z dwiema niewiadomymi. Równaniem liniowym z dwiema niewiadomymi x i y nazywamy równanie postaci

3.3. UKŁADY RÓWNAŃ LINIOWYCH. Równanie liniowe z dwiema niewiadomymi. Równaniem liniowym z dwiema niewiadomymi x i y nazywamy równanie postaci .. UKŁADY RÓWNAŃ LINIOWYCH Równanie liniowe z dwiema niewiadommi Równaniem liniowm z dwiema niewiadommi i nazwam równanie postaci A B C 0, gdzie A, B, C R i A B 0 m równania z dwiema niewiadommi nazwam

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH Dr Benedykt R. Jany I Pracownia Fizyczna Ochrona Środowiska grupa F1 Rodzaje Pomiarów Pomiar bezpośredni - bezpośrednio

Bardziej szczegółowo

Wykład Analiza jakościowa równań różniczkowych

Wykład Analiza jakościowa równań różniczkowych Na podstawie książki J. Rusinka, Równania różniczkowe i różnicowe w zarządzaniu, Oficna Wdawnicza WSM, Warszawa 2005. 21 maja 2012 Definicja Stabilność Niech = F (x, ) będzie równaniem różniczkowm. Rozwiązanie

Bardziej szczegółowo

VIII. ZBIÓR PRZYKŁADOWYCH ZADAŃ MATURALNYCH

VIII. ZBIÓR PRZYKŁADOWYCH ZADAŃ MATURALNYCH VIII. ZBIÓR PRZYKŁADOWYCH ZADAŃ MATURALNYCH ZADANIA ZAMKNIĘTE Zadanie. ( pkt) 0 90 Liczba 9 jest równa 0 B. 00 C. 0 9 D. 700 7 Zadanie. 8 ( pkt) Liczba 9 jest równa B. 9 C. D. 5 Zadanie. ( pkt) Liczba

Bardziej szczegółowo

OKREŚLANIE FUNKCJI CELU PRZY DOBORZE MASZYN ROLNICZYCH

OKREŚLANIE FUNKCJI CELU PRZY DOBORZE MASZYN ROLNICZYCH InŜnieria Rolnicza 14/5 Zofia Hanusz *, Zbigniew Siarkowski **, * Katedra Zastosowań Matematki ** Katedra Maszn i Urządzeń Rolniczch Akademia Rolnicza w Lublinie OKREŚLANIE FUNKCJI CELU PRZY DOBORZE MASZYN

Bardziej szczegółowo

Zadania do rozdziału 10.

Zadania do rozdziału 10. Zadania do rozdziału 0. Zad.0.. Jaką wsokość musi mieć pionowe zwierciadło ab osoba o wzroście.80 m mogła się w nim zobaczć cała. Załóżm, że ocz znajdują się 0 cm poniżej czubka głow. Ab prawidłowo rozwiązać

Bardziej szczegółowo

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem. Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej

Bardziej szczegółowo

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 6

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 6 ozwiązwanie beek prostch i przegubowch wznaczanie reakcji i wkresów sił przekrojowch 6 Obciążenie beki mogą stanowić sił skupione, moment skupione oraz obciążenia ciągłe q rs. 6.. s. 6. rzed przstąpieniem

Bardziej szczegółowo

Wykład 3 Hipotezy statystyczne

Wykład 3 Hipotezy statystyczne Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza

Bardziej szczegółowo

ĆWICZENIE 3 REZONANS AKUSTYCZNY

ĆWICZENIE 3 REZONANS AKUSTYCZNY ĆWICZENIE 3 REZONANS AKUSTYCZNY W trakcie doświadczenia przeprowadzono sześć pomiarów rezonansu akustycznego: dla dwóch różnych gazów (powietrza i CO), pięć pomiarów dla powietrza oraz jeden pomiar dla

Bardziej szczegółowo

Młodzieżowe Uniwersytety Matematyczne. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego REGUŁA GULDINA

Młodzieżowe Uniwersytety Matematyczne. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego REGUŁA GULDINA Młodzieżowe Uniwerstet Matematczne Projekt współfinansowan przez Unię Europejską w ramach Europejskiego Funduszu połecznego REGUŁA GULDINA dr Bronisław Pabich Rzeszów marca 1 Projekt realizowan przez Uniwerstet

Bardziej szczegółowo

Metody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy

Metody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy Metod prognozowania: Jakość prognoz Dr inż. Sebastian Skoczpiec ver. 03.2012 Wprowadzenie (1) 1. Sformułowanie zadania prognostcznego: 2. Określenie przesłanek prognostcznch: 3. Zebranie danch 4. Określenie

Bardziej szczegółowo

Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacyjnego z zakresu przedmiotów matematyczno-przyrodniczych

Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacyjnego z zakresu przedmiotów matematyczno-przyrodniczych Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacjnego z zakresu przedmiotów matematczno-przrodniczch Z a d a n i a z a m k n i ę t e Numer zadania 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 0 3

Bardziej szczegółowo

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, 诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 150 minut

MATEMATYKA POZIOM ROZSZERZONY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 150 minut Miejsce na naklejkę z kodem szkoł OKE ŁÓDŹ CKE MATEMATYKA POZIOM ROZSZERZONY MARZEC ROK 008 PRZYKŁADOWY ZESTAW ZADAŃ NR Czas prac 0 minut Instrukcja dla zdającego. Sprawdź, cz arkusz egzaminacjn zawiera

Bardziej szczegółowo

lim = 0, gdzie d n oznacza najdłuższą przekątną prostokątów

lim = 0, gdzie d n oznacza najdłuższą przekątną prostokątów 9. CAŁKA POWÓJNA 9.. Całka podwójna w prostokącie Niech P będzie prostokątem opisanm na płaszczźnie OXY nierównościami: a < < b, c < < d, a f(,) funkcją określoną i ograniczoną w tm prostokącie. Prostokąt

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria Środowiska w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era inżniera

Bardziej szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N = HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki

Bardziej szczegółowo

) q przyłożona jest w punkcie o współrzędnej x = x + x. Przykład Łuk trójprzegubowy.

) q przyłożona jest w punkcie o współrzędnej x = x + x. Przykład Łuk trójprzegubowy. rzkład 0.. Łuk trójprzegubow. Rsunek 0.. przedstawia łuk trójprzegubow, którego oś ma kształt półokręgu (jest to łuk kołow ). Łuk obciążon jest ciężarem konstrukcji podwieszonej. Narsować wkres momentów

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennch Wkres i warstwice funkcji wielu zmiennch. Przeglad powierzchni stopnia drugiego. Granice i ciagłość funkcji wielu zmiennch. Małgorzata Wrwas Katedra Matematki Wdział Informatki Politechnika

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2 STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;

Bardziej szczegółowo

Prognozowanie i symulacje

Prognozowanie i symulacje Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez

Bardziej szczegółowo

Całkowanie przez podstawianie i dwa zadania

Całkowanie przez podstawianie i dwa zadania Całkowanie przez podstawianie i dwa zadania Antoni Kościelski Funkcje dwóch zmiennch i podstawianie Dla funkcji dwóch zmiennch zachodzi następując wzór na całkowanie przez podstawianie: f(x(a, b), (a,

Bardziej szczegółowo

W. Guzicki Zadanie 30 z Informatora Maturalnego poziom rozszerzony 1

W. Guzicki Zadanie 30 z Informatora Maturalnego poziom rozszerzony 1 W. uzicki Zadanie 0 z Informatora Maturalnego poziom rozszerzon Zadanie 0. an jest sześcian (zobacz rsunek), którego krawędź ma długość 5. unkt i dzielą krawędzie i w stosunku :, to znacz, że 0. łaszczzna

Bardziej szczegółowo

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Podstawy Metrologii i Technik Eksperymentu Laboratorium Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Instrukcja do ćwiczenia nr 4 Zakład Miernictwa

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM PODSTAWOWY 6 KWIETNIA 0 CZAS PRACY: 70 MINUT Zadania zamknięte ZADANIE ( PKT.) Liczbę 5 7 zaokr aglam do liczb,6.

Bardziej szczegółowo

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria i Gospodarka Wodna w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era

Bardziej szczegółowo

SKRYPT Z MATEMATYKI. Wstęp do matematyki. Rafał Filipów Piotr Szuca

SKRYPT Z MATEMATYKI. Wstęp do matematyki. Rafał Filipów Piotr Szuca Publikacja współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego SKRYPT Z MATEMATYKI Wstęp do matematki Rafał Filipów Piotr Szuca Publikacja współfinansowana przez Unię Europejską

Bardziej szczegółowo

Definicja wartości bezwzględnej. x < x y. x =

Definicja wartości bezwzględnej. x < x y. x = 1.9. WARTOŚĆ BEZWZGLĘDNA Definicja wartości bezwzględnej... gd... 0 =... gd... < 0 Własności wartości bezwzględnej 0 = = = n a n = a, gd n jest liczbą parzstą Przkład 1.9.1. Oblicz: a) b) c) 1 d) 0 e)

Bardziej szczegółowo

DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności

DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Szacowanie niepewności oznaczania / pomiaru zawartości... metodą... Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził

Bardziej szczegółowo

Temat: SZACOWANIE NIEPEWNOŚCI POMIAROWYCH

Temat: SZACOWANIE NIEPEWNOŚCI POMIAROWYCH Temat: SZCOWNIE NIEPEWNOŚCI POMIROWYCH - Jak oszacować niepewność pomiarów bezpośrednich? - Jak oszacować niepewność pomiarów pośrednich? - Jak oszacować niepewność przeciętną i standardową? - Jak zapisywać

Bardziej szczegółowo

KURS FUNKCJE WIELU ZMIENNYCH

KURS FUNKCJE WIELU ZMIENNYCH KURS FUNKCJE WIELU ZMIENNYCH Lekcja 1 Pochodne cząstkowe ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tlko jedna jest prawdziwa). Ptanie 1 Funkcja dwóch zmiennch a)

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie hipotez statystycznych. Wnioskowanie statystyczne Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy

Bardziej szczegółowo

LABORATORIUM Z FIZYKI

LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

Wartości i wektory własne

Wartości i wektory własne Rozdział 7 Wartości i wektor własne Niech X będzie skończenie wmiarową przestrzenią liniową nad ciałem F = R lub F = C. Niech f : X X będzie endomorfizmem, tj. odwzorowaniem liniowm przekształającm przestrzeń

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

Paweł Strawiński Ćwiczenia

Paweł Strawiński Ćwiczenia Zadanie 1 Na podstawie wników badań PGSS starano się zidentfikować zmienne, które wpłwają na poziom szczęścia. Na podstawie odpowiedzi stworzono zmienną hapunhap, która przjmuje wartość 1 dla osób, które

Bardziej szczegółowo

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

a, b funkcji liniowej y ax + b

a, b funkcji liniowej y ax + b . FUNKCJA LINIOWA zadania Zad... Napisz wzór funkcji liniowej, której wkres przechodzi przez punkt A (, ) i przecina oś OY w punkcie B (0,). Zad... Dan jest wzór funkcji liniowej: A) B) C) D) Na podstawie

Bardziej szczegółowo

BŁĘDY W POMIARACH BEZPOŚREDNICH

BŁĘDY W POMIARACH BEZPOŚREDNICH Podstawy Metrologii i Technik Eksperymentu Laboratorium BŁĘDY W POMIARACH BEZPOŚREDNICH Instrukcja do ćwiczenia nr 2 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy Metrologii

Bardziej szczegółowo

Założenia prognostyczne WPF

Założenia prognostyczne WPF Załącznik nr 3 do Uchwał o Wieloletniej Prognozie Finansowej Założenia prognostczne WPF Wieloletnia Prognoza Finansowa opiera się na długoterminowej prognozie nadwżki operacjnej, która obrazują zdolność

Bardziej szczegółowo

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1

Bardziej szczegółowo

Cechy szeregów czasowych

Cechy szeregów czasowych energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas

Bardziej szczegółowo

ROZWIĄZANIA I ODPOWIEDZI

ROZWIĄZANIA I ODPOWIEDZI Zastosowania matematki w analitce medcznej zestaw do kol. semestr. - rozwiązania i odpowiedzi (część I). ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. a) Rozważając dwa przpadki ze względu na moduł mam: skąd ostatecznie,3>.

Bardziej szczegółowo

Stan naprężenia. Przykład 1: Tarcza (płaski stan naprężenia) Określić siły masowe oraz obciążenie brzegu tarczy jeśli stan naprężenia wynosi:

Stan naprężenia. Przykład 1: Tarcza (płaski stan naprężenia) Określić siły masowe oraz obciążenie brzegu tarczy jeśli stan naprężenia wynosi: Stan naprężenia Przkład 1: Tarcza (płaski stan naprężenia) Określić sił masowe oraz obciążenie brzegu tarcz jeśli stan naprężenia wnosi: 5 T σ. 8 Składowe sił masowch obliczam wkonując różniczkowanie zapisane

Bardziej szczegółowo

Pochodna i różniczka funkcji oraz jej zastosowanie do obliczania niepewności pomiarowych

Pochodna i różniczka funkcji oraz jej zastosowanie do obliczania niepewności pomiarowych Pochodna i różniczka unkcji oraz jej zastosowanie do obliczania niepewności pomiarowych Krzyszto Rębilas DEFINICJA POCHODNEJ Pochodna unkcji () w punkcie określona jest jako granica: lim 0 Oznaczamy ją

Bardziej szczegółowo

MODELE LINIOWE. Dr Wioleta Drobik

MODELE LINIOWE. Dr Wioleta Drobik MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą

Bardziej szczegółowo

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

2. CHARAKTERYSTYKI GEOMETRYCZNE FIGUR PŁASKICH

2. CHARAKTERYSTYKI GEOMETRYCZNE FIGUR PŁASKICH dam Bodnar: Wtrzmałość Materiałów. Charakterstki geometrczne figur płaskich.. CHRKTERSTKI GEOMETRCZNE FIGUR PŁSKICH.. Definicje podstawowch charakterstk geometrcznch Podczas zajęć z wtrzmałości materiałów

Bardziej szczegółowo

Ćw. nr 31. Wahadło fizyczne o regulowanej płaszczyźnie drgań - w.2

Ćw. nr 31. Wahadło fizyczne o regulowanej płaszczyźnie drgań - w.2 1 z 6 Zespół Dydaktyki Fizyki ITiE Politechniki Koszalińskiej Ćw. nr 3 Wahadło fizyczne o regulowanej płaszczyźnie drgań - w.2 Cel ćwiczenia Pomiar okresu wahań wahadła z wykorzystaniem bramki optycznej

Bardziej szczegółowo

Analizy wariancji ANOVA (analysis of variance)

Analizy wariancji ANOVA (analysis of variance) ANOVA Analizy wariancji ANOVA (analysis of variance) jest to metoda równoczesnego badania istotności różnic między wieloma średnimi z prób pochodzących z wielu populacji (grup). Model jednoczynnikowy analiza

Bardziej szczegółowo

[L] Rysunek Łuk wolnopodparty, paraboliczny wymiary, obciążenie, oznaczenia.

[L] Rysunek Łuk wolnopodparty, paraboliczny wymiary, obciążenie, oznaczenia. rzkład 10.3. Łuk paraboliczn. Rsunek przedstawia łuk wolnopodpart, którego oś ma kształt paraboli drugiego stopnia (łuk paraboliczn ). Łuk obciążon jest ciśnieniem wewnętrznm (wektor elementarnej wpadkowej

Bardziej szczegółowo

JAK PROSTO I SKUTECZNIE WYKORZYSTAĆ ARKUSZ KALKULACYJNY DO OBLICZENIA PARAMETRÓW PROSTEJ METODĄ NAJMNIEJSZYCH KWADRATÓW

JAK PROSTO I SKUTECZNIE WYKORZYSTAĆ ARKUSZ KALKULACYJNY DO OBLICZENIA PARAMETRÓW PROSTEJ METODĄ NAJMNIEJSZYCH KWADRATÓW JAK PROSTO I SKUTECZNIE WYKORZYSTAĆ ARKUSZ KALKULACYJNY DO OBLICZENIA PARAMETRÓW PROSTEJ METODĄ NAJMNIEJSZYCH KWADRATÓW Z tego dokumentu dowiesz się jak wykorzystać wbudowane funkcje arkusza kalkulacyjnego

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie: ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość

Bardziej szczegółowo

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...

Bardziej szczegółowo