OBIEKT. złożony (system)

Wielkość: px
Rozpocząć pokaz od strony:

Download "OBIEKT. złożony (system)"

Transkrypt

1 II. Nezawodość elemeów sysemów (J. Paska) Poęca podsawowe OBIEKT rakue sę ako poęce perwoe, określaące w zależośc od porzeb: epodzely eleme (bez uwzględea ego srukury wewęrze), zbór elemeów worzących sysem. OBIEKT prosy (eleme złożoy (sysem) S( S 4 S 3 S S Rys... Przykładowy wykres zma sau elemeu Rozparyway eleme T Czy eleme podlega odowe? N Eleme odawaly Eleme eodawaly T Czy odowa polega a aprawe? N Eleme remoowaly Eleme odawaly eremoowaly

2 II. Nezawodość elemeów sysemów (J. Paska) Rys... Klasyfkaca elemeów Eleme eodawaly es w peł scharakeryzoway przez rozkład czasu fukcoowaa τ (bezawarye pracy). F P{ τ < } Q( - fukca zawodośc (dysrybuaa rozkładu), P{τ } - F( fukca ezawodośc, df( f - gęsość prawdopodobeńswa. d gdze: F( dysrybuaa zmee losowe, prawdopodobeńswo fukcoowaa elemeu (ezawodość elemeu), f( gęsość prawdopodobeńswa rozkładu. Względą gęsość prawdopodobeńswa zmee losowe τ azywa sę esywoścą esprawośc awaryych (uszkodzeń) zwaa es oa róweż fukcą ryzyka: f F' d λ (.4) F( d λ I II III Rys..3. Typowy przebeg fukc esywośc uszkodzeń Poza powyższym charakerysykam (wskaźkam) ezawodośc elemeu eodawalego (, λ() są podawae: Skumulowaa esywość esprawośc awaryych (uszkodzeń), zwaa eż skumulowaą fukcą ryzyka Λ λ d (.5) Zachodz zwązek )exp λ d )exp[ Λ( (.6) Naczęśce zakłada sę, że w chwl rozpoczęca eksploaac eleme es w sae zdaośc, czyl że ). Wedy exp[ Λ( (.7) Λ( l Średa warość fukc ryzyka (esywośc uszkodzeń) w przedzale [, Λ( λ (.8) Pozosały oczekway czas poprawe pracy (do uszkodzea)

3 r( II. Nezawodość elemeów sysemów (J. Paska) d E[ τ d gdze E[τ es oczekwaym czasem fukcoowaa (poprawe pracy) do uszkodzea. Pozosały oczekway czas poprawe pracy lepe charakeryzue ezawodość elemeu od oczekwaego czasu fukcoowaa E[τ. Dla : r( r() E[τ, zaś dla > : r( ma zwykle przebeg maleący, gdyż w rzeczywsych urządzeach zachodzą procesy sarzeowe. Eleme odawaly ma w ogólym przypadku czery say podsawowe: fukcoowaa, remou awaryego, remou proflakyczego, rezerwy. Jeśl pome sę say remou proflakyczego rezerwy o modelem procesu eksploaac elemeu odawalego es proces odowy o skończoym e zerowym czase odowy. Przykład akego procesu przedsawoo a rys..4. T T T 3 (.9) Θ Θ Rys..4. Przykład procesu odowy z ezerowym czasem odowy Cąg, 3,..., k+,... worzą chwle koleych uszkodzeń, aomas cąg, 4,..., k,... chwle odoweń. Są u róweż dwa cąg zmeych losowych T, T,..., T k,... oraz Θ, Θ,..., Θ k,... określaące czasy fukcoowaa (pracy) czasy odowy. Cąg e worzą dwa srumee zdarzeń: srumeń esprawośc (uszkodzeń) srumeń odów. Rzeczywsy proces odowy moża zaem aalzować za pomocą dwóch procesów losowych: o { N, }, wyrażaącego lczbę uszkodzeń w przedzale czasowym [, ; o { m, }, wyrażaącego lczbę odoweń w przedzale czasowym [,. W zwązku z ym moża rozparywać dwe fukce: H( E[N( (.) wyrażaącą oczekwaa lczbę uszkodzeń w przedzale [, zwaą fukcą odowy, oraz I( E[m( (.) określaącą oczekwaą w daym przedzale czasowym lczbę odów maącą aalogcze ak fukca odowy właścwośc. Gdy zmee losowe T k maą e sam rozkład o paramerach E[T σ T oraz zmee losowe Θ k o paramerach E[Θ σ Θ (srumee rekuree), wówczas przy oszacowau fukc moża wykorzysać zw. elemeare werdzee odowy: H lm (.) E[ T zaś zmea losowa H( ma rozkład asympoycze ormaly o warośc oczekwae: lm E[ m( (.3) E[ T + E[ Θ warac ( σ T + σθ ) lm Var[ m( (.4) 3 (E[ T + E[ Θ) Wskaźkem ezawodośc elemeu, kórego modelem ezawodoścowym procesu eksploaac es rzeczywsy proces odowy z ezerowym czasem odowy es współczyk goowośc. 3

4 II. Nezawodość elemeów sysemów (J. Paska) Defue sę go ako prawdopodobeńswo, że w chwl obek zadue sę w sae fukcoowaa (zdaośc) K P ( Tk + Θk ) < < ( Tk + Θk ) + T + } (.5) k k Gdy warość es dosaecze duża moża posługwać sę asympoyczym współczykem goowośc E[ T K lm K( (.6) E[ T + E[ Θ Dla przypadku, gdy czas fukcoowaa czas odowy maą rozkłady wykładcze, mamy: µ + λ exp[ ( µ + λ) µ K lm (.7) µ + λ µ + λ gdze: µ - esywość odowy, λ - esywość uszkodzeń. Rozkłady zmeych losowych sosowae w modelach ezawodoścowych elemeów sysemów,8,6,4,,8,6 r( lambda Lambda,4,,5,5,5 3 3,5 4 4,5 5 Rys..5. Przebeg fukc, λ(, Λ( r( w przypadku rozkładu EXP(b),8,6,4,,8,6 lambda,,5 Lambda,,5,,5 lambda,,5 Lambda,,5,,5,4,,,4,6,8,,4,6,8 /b Rys..6. Przebeg fukc, Λ( λ( w przypadku rozkładu WEI(b, v), przy b paramerze kszału v > (v,5) v < (v,5) 4

5 II. Nezawodość elemeów sysemów (J. Paska) Tablca.. Charakerysyk aczęśce sosowaych rozkładów Rozkład R ( λ ( Λ ( r ( Wykładczy EXP(b) exp / b / b / b b T, + ), b > ( ) Webulla WEI(b, ν) T, + ), b >, ν > Warośc ameszych MIV(b, ) b >, Poęgowy POW (b, δ) T, b), b >, δ > Gamma GAM(b, p) T, + ), b >, p > Normaly NOµ, σ) µ, σ > Logarymo ormaly LNOµ, σ ) T, + ),µ, σ > Γ(p) fukca gamma Eulera: exp ν ν ν exp(-( / b) ) ( / b) b ( / b) ν [ - exp ( ( - b ) exp( ( ) / b ) exp (( ) b ) - ( / b) δ )/ b δ ( / b) b δ [ ( / b) δ l / [ ( / b) δ Γ( p, / b) p Γ( p) ( ) ( ( )){ [ ( ) ( / / b exp / b b Γ p Γ p, b) } l ( Γ( p, / b) / Γ( p) ),5 Φ µ σ l µ,5 Φ σ Γ( p) x p exp( x)dx µ µ ϕ σ,5 Φ σ σ ( ) µ µ l,5 Φ σ l l µ ϕ l σ,5 Φ ( ) µ l,5 Φ σ σ σ x ϕ, Φ( ) całka Laplace a: Φ( x) Π ϕ ( z)dz ϕ( ) fukca Gaussa: ( x) exp( ) b exp ν [ ( / b) Γ( + / ν) b b [ ( / b) p ; Γ(p, x) ekomplea (epeła) fukca gamma Eulera: Γ( p, x) exp( d ; x x δ ( ) δ + ( / b) δ + δ + b [ p / b + Γ ( ) ν δ + ν+ ( / b)!( ν + ) ( / b) ( p + +, / b) / Γ( p + + ) [ Γ( p, / b) / Γ( p) 5

6 II. Nezawodość elemeów sysemów (J. Paska) Procesy losowe srumee zdarzeń ako modele ezawodoścowe Proces losowy es o rodza zmeych losowych określoych a wspóle przesrze probablsycze (V, F, P), przyporządkowaych poszczególym elemeom pewego zboru T. Zbór T może być erpreoway ako zbór chwl wówczas używa sę akże dla procesu losowego określea proces sochasyczy. Moża zaem proces losowy określć ako merzalą ze względu a cało F fukcę: X : V T S R (.36) Zbór S warośc przymowaych przez proces azywa sę zborem saów procesu, sam zaś proces X, T zapsue sę zwykle w posac: { } Tablca.. Klasyfkaca procesów losowych Zbór T Zbór saów S Co awyże przelczaly (dyskrey) Przedzał (cągły) Co awyże przelczaly (dyskrey) Łańcuch losowy Cąg (szereg) losowy Przedzał (cągły) Pukowy proces losowy (o dyskree przesrze saów) Proces losowy z czasem cągłym Ops procesu losowego może polegać a podau dysrybua: F ( x) P[ X < x, x R, T (.37) charakeryzuących rozkład prawdopodobeńswa w poszczególych chwlach zboru T. Dysrybuay e e zaweraą edak wyczerpuące formac o procese. Waże, chocaż róweż ekomplee formace o procese zaweraą zw. fukce momeów, z kórych podsawową es fukca warośc oczekwae: m E[ X, T (.38) Drugą podsawową charakerysyką procesu losowego es ego fukca korelacya (auokoleracya): K(, ) µ (, ) E[ { X ( m( }{ X ( ) m( } (.39) przy czym µ(, ) es drugm momeem ceralym meszaym procesu. Procesy sacoare (w węższym sese lub ścśle sacoare) są o ake procesy, kórych charakerysyk probablsycze e zmeaą sę przy zmae puku odesea a os czasu. Iacze mówąc, (bezwarukowe) prawdopodobeńswo, że X( < y, es ake samo ak prawdopodobeńswo, że X( + τ) < y dla każdego τ P { X < y} P{ X ( + τ) < y} (.4) Proces es sacoary w szerszym sese lub słabo sacoary, gdy ma sałą warość oczekwaą, a ego fukca korelacya zależy wyłącze od różcy argumeów: m m cos. (.4) K(, ) k( k( τ ), τ (.4) Proces sochasyczy azywamy ergodyczym, eżel wszyske ego realzace są ypowe w ym sese, że zaomość poedycze realzac X * ( a eskończoym (w prakyce dosaecze długm) odcku czasowym pozwala wyzaczać rozkład prawdopodobeńswa w ym, hpoeycze deyczym procese X( w myśl zależośc: P{ X ( τ ) < y} lm { µ { τ }: X < y} (.43) T T gdze: µ{τ } - łącza długość odcków czasowych z przedzału [, T, kedy było X * ( < y. Wyobraźmy sobe, że formaca I, aką mamy o przebegu procesu X(, składa sę z formac I*, że w chwl było X( ) x, oraz z formac I** doyczące ego, co sę dzało w chwlach wcześeszych od. Jeżel przy posadau formac I* formace I** są zbęde dla wyzaczea rozkładu zmee losowe X( + τ) dla chwl późeszych (τ > ), o proces azywamy procesem Markowa. Tak węc mamy: 6

7 II. Nezawodość elemeów sysemów (J. Paska) { X ( + ) < y} I * I **} P{ X ( + τ ) < y I *} P{ X ( + ) < y X ( ) x} P τ τ (.45) Bardze sformalzowaa defca procesu Markowa es asępuąca. Proces losowy X ( + τ ), azywa sę procesem Markowa, gdy dla dowolego skończoego cągu chwl { T} < <... < (,,..., T) dowolych lczb rzeczywsych x, x,..., x zachodz rówość: P[ X ( ) < X ( ) x, X ( ) x,..., X ( x (.46) P[ X ( ) x X ( ) x Zależość powyższa ozacza, że warukowy rozkład prawdopodobeńswa zmee losowe X( ) zależy wyłącze od rozkładu prawdopodobeńswa ede ze zmeych losowych X( - ). Właścwośc procesu Markowa w chwl e zależą od warośc, ake proces przymował w chwlach,,..., -. Proces Markowa es węc w peł scharakeryzoway przez dysrybuaę warukową: F(s,, x, y) P[X( < x X(s) y, s < (.47) albo eż łączą dysrybuaę wekora losowego (X(s), X() wraz z dysrybuaą począkową F(s, y) P[X(s) < y. W aalze procesów Markowa zasadczą rolę odgrywa fukca zwaa prawdopodobeńswem prześca, kóra es określoa dla dowolych chwl s (s < ; s, T) oraz dla dowole lczby rzeczywse y dowolego zboru borelowskego B, w asępuący sposób: P(s,, B, y) P[X( B X(s) y (.48) Proces Markowa { X, T} es edorody, gdy dla dowolych s, T (s < prawdopodobeńswa prześca zależą ylko od różcy s τ, z.: P(s,, B, y) P(τ, B, y) (.49) W zasosowaach prakyczych, w szczególośc w zagadeach ezawodoścowych, asoeszą rolę odgrywaą pukowe procesy Markowa określoe a przedzale T [, z przesrzeą saów S {,,,...}. Realzace pukowego procesu Markowa są fukcam przedzałam sałym, a ch wykresy są lam schodkowym. Dla pukowego procesu Markowa, prawdopodobeńswa prześca p (s, P[X( X(s), s,,,,,... (.5) spełaą zwązk: k p ( s, pk ( s, ) pk (, ),( s < < (.5) zwae rówaam Smoluchowskego Chapmaa Kołmogorowa. Poado dla każdego (,,,...) zachodz rówość: p ( s, (.5) Wprowadzaąc fukce λ ( zwae esywoścam prześca procesu λ lm p (, +,,,,,..., (.53) uzyskue sę układ rówań różczkowych o zmeych współczykach: dp λ P + λ P (.54) S d S przy czym: λ ( ) λ. S gdze: P ( prawdopodobeńswo bezwarukowe przebywaa procesu w chwl w sae, λ ( - esywość prześca procesu w chwl ze sau do sau. Gdy proces Markowa es edorody, o esywośc prześca procesu są ezależe od czasu λ ( λ cos., 7

8 II. Nezawodość elemeów sysemów (J. Paska) uzyskue sę układ rówań różczkowych o sałych współczykach: dp λ P + λ P S d S (.55) dla rozwązaa kórego es porzeba zaomość prawdopodobeńsw począkowych P (), S. Układ powyższy moża zapsać w posac wekorowe, ako: d P ΛP( (.56) d przy czym: P( [P (, P (,..., P m ( m m λ λ... λ m m λ λ... λm Λ.... m λm λm... λ m gdze: P( - wekor kolumowy prawdopodobeńsw przebywaa procesu w poszczególych saach, Λ - macerz esywośc prześć, m card S lczość zboru S (lczba saów procesu). Macerz esywośc prześć es macerzą kwadraową. Nos oa azwę macerzy guas sochasycze. Dla e każde kolumy es spełoa zależość: λ (.57) S Układ rówań Kołmogorowa ma rozwązae posac P P() exp( Λ (.58) gdze P() es wekorem kolumowym prawdopodobeńsw począkowych saów procesu, a exp( Λ + Λ + Λ +... Jeśl oblczee warośc powyższego rozwęca macerzowego es złożoe moża posłużyć sę przekszałceem Laplace a. Wyścowe rówae macerzowe przymue posać sp(s) - P() ΛP(s) (.59) lub P(s) [s - Λ - P() (.6) gdze: - macerz edykowa o wymarach m m. Poszukway wekor prawdopodobeńsw oblcza sę za pomocą odwroego przekszałcea Laplace a. P( L - [s - Λ - P() (.6) gdze: L - - operaor przekszałcea odwroego. W welu zasosowaach prakyczych maą zaczee ylko warośc asympoycze prawdopodobeńsw,. warośc P( przy. Jeśl przyąć, że warośc e w ogóle seą (proces es ergodyczy) o rówaa różczkowe przekszałcaą sę w rówaa algebracze. Zaem dla procesów o skończoe lczbe saów ezerowe macerzy esywośc prześć seą gracze (sacoare) prawdopodobeńswa saów mogą być oe oblczoe ako rozwązaa układu rówań lowych: ΠΛ (.6) gdze: Π - wekor kolumowy graczych (sacoarych) prawdopodobeńsw saów procesu. Dla wykluczea eozaczośc układu ależy wząć pod uwagę m - rówań uzupełć e rówaem: 8

9 m II. Nezawodość elemeów sysemów (J. Paska) P (.63) Na podsawe grafu saów prześć worzy sę układ rówań różczkowych korzysaąc z asępuące reguły memoechcze: dp pochoda ( ) dla sau es rówa sume algebracze człoów worzoych przez d loczy prawdopodobeńswa ego sau, z kórego gałąź (łuk) wychodz oraz esywośc prześca odpowadaące dae gałęz. Lczba człoów sumy es rówa lczbe gałęz skerowaych łączących sa z ym węzłam grafu. Jeżel gałąź (łuk) es skerowaa do sau o czło ma zak plus, zaś w przypadku odwroym zak mus. Zasosowae reguły alepe zlusrue przykład. Nech S {,, 3, 4} a graf saów prześć przedsawa rys..9. λ 4 λ 4 4 λ 34 λ 4 λ λ 43 λ 4 3 λ 3 Rys..9. Graf saów prześć obeku 4-saowego Układ rówań Kołmogorowa przyme wówczas posać: dp λ 4P + λp + λ4p4 ( ) d dp ( λ + λ4 ) P + λ3p3 + λ4p4 d dp 3 ( λ 34 + λ3 ) P3 + λ43p4 ( ) d dp4 λ 4P + λ4p + λ34p3 ( λ4 + λ4 + λ43 ) P4 d zaś zaps macerzowy es asępuący: d P ΛP( d P λ4 λ λ 4 P ( λ + λ 4 ) λ 3 λ 4 P( ), Λ P ( ) ( λ + λ ) λ P4 λ4 λ 4 λ 34 ( λ 4 + λ 4 + λ 43 ) Coraz szersze zasosowae w badaach ezawodośc zaduą procesy półmarkowske (sem Markowa). Saową oe uogólee łańcuchów edorodych procesów Markowa. W procesach półmarkowskch e es wymagae założee co do posac rozkładów prawdopodobeńsw czasów przebywaa w poszczególych saach. Jeżel założyć, że w daym momece czasu proces zadował sę w edym ze saów, p. S, o dalsza ewoluca procesu es 9

10 II. Nezawodość elemeów sysemów (J. Paska) asępuąca: w losowe chwl Θ układ przechodz skokowo do owego sau, p. S. Czas Θ przebywaa w sae S do prześca w sa S es zmeą losową o dowolym rozkładze opsaym przez dysrybuaę G (; prześce ze sau do sau zachodz z prawdopodobeńswem p > (przy czym p ), eżel ze sau asąp prześce do sau k o czas przebywaa w sae, Θ es zmeą losową o dowolym rozkładze opsaym dysrybuaą G k (, d. Prześce ze sau do sau w procese sem Markowa asępue zaem akby w dwóch eapach: w perwszym zosae określoy losowy mome prześca a w drugm skokowe prześce z edego sau w drug (ak w łańcuchu Markowa). Prawdopodobeńswo prześca ze sau S do sau S ( ) w przedzale es dla procesu sem Markowa określoe zależoścą: p (, + F ( + Π (.64) gdze: F P{Θ < }- dysrybuaa czasu przebywaa procesu w sae S pod warukem, że asępym saem będze S, Π - warukowe prawdopodobeńswo prześca skokowego do sau S przy wyścu procesu ze sau S. Sosuąc zaps macerzowy moża określć proces półmarkowsk za pomocą: macerzy sochasycze prawdopodobeńsw prześć: Π [Π (.65), S macerzy dysrybua warukowych F( F [ F (.66), S wekora prawdopodobeńsw począkowych P(). Macerz Π es azywaa macerzą wewęrzego łańcucha Markowa. Jeśl wszyske dysrybuay warukowe maą posać F (x) dla x < oraz F (x) dla x > o proces sae sę łańcuchem Markowa. Jeżel zaś wszyske dysrybuay warukowe maą posać wykładczą F ( - exp(-λ o proces sae sę edorodym łańcuchem Markowa. Poęcem, a kóre dość częso apoyka sę w eor ezawodośc es poęce srumea zdarzeń. Srumeń zdarzeń es szczególym pukowym procesem losowym {N(}, T}, kórego przesrzeń saów saow zbór lczb auralych lczba zero. Jes o określoy przez chwle, w kórych obserwue sę zdarzea, lczby wspóle poawaących sę zdarzeń. Zdarzea worzące srumeń zdarzeń mogą być, w ogólym przypadku, róże. Naczęśce edak rozparue sę srumee edorodych zdarzeń. W eor ezawodośc rozparue sę zaem srumee esprawośc srumee odów. Srukury ezawodoścowe sysemów Jeżel ezawodość elemeów wyzacza edozacze ezawodość sysemu, moża mówć, że określoa es srukura ezawodoścowa sysemu. Srukura ezawodoścowa sysemu przedsawa zaem sposób wzaemych powązań elemeów określaących zależość uszkodzeń sysemu od uszkodzeń ego elemeów. Srukurę ezawodoścową daego sysemu (obeku złożoego) opsue sę zw. fukcą srukuralą sysemu. W odeseu do sysemów dwusaowych w sese ezawodośc, składaących sę z elemeów, fukcę srukuralą określa sę ako fukcę Φ [ X wekora zeroedykowego X( sau sysemu przy założeu, że sa sysemu es w peł określoy przez say ego elemeów x (,.: Φ X Φ x x,, x (.73) [ ( ) [ ( ), ( ) K ( ) gdze: [ x,,,..., - fukca bara określaąca sa -ego elemeu; przymue warość l, gdy eleme es zday, oraz, gdy eleme es ezday. Φ X przymue warość l, gdy sysem es zday, gdy sysem es ezday. Z kole fukca [ ( )

11 II. Nezawodość elemeów sysemów (J. Paska) Srukury ezawodoścowe spoykae w prakyce moża podzelć a: a) podsawowe,. szeregowe, rówoległe progowe; szeregowe Mówmy, że sysem ma szeregową srukurę ezawodoścową, eżel esprawość dowolego elemeu powodue esprawość całego sysemu. Z defc srukury szeregowe wyka, że obek es sprawy wedy ylko wedy, kedy wszyske ego elemey są sprawe. Rys... Szeregowa srukura ezawodoścowa Jeżel uszkodzea poszczególych elemeów sysemu są zdarzeam ezależym, o prawdopodobeńswo, że wszyske elemey będą euszkodzoe (czyl, że sysem es zday) fukca ezawodośc sysemu, es rówe loczyow współczyków (prawdopodobeńsw) zdaośc wszyskch elemeów: Rs P( T P( T, T,..., T (.74) P( T P( T...P( T R F [ gdze: R ( fukca ezawodośc -ego elemeu sysemu, F ( dysrybuaa czasu poprawe pracy (T ) -ego elemeu. Z kole, dysrybuaa czasu poprawe pracy (fukca zawodośc) sysemu o szeregowe srukurze ezawodoścowe) - współczyk zawodośc es określoa wzorem: s s s [ F Q F P( T < R R (.75) Z zależośc (.74) oraz (.6) wyka, że: exp Λ s ( τ )dτ exp λ ( τ )dτ (.76) gdze: Λ s ( fukca esywośc uszkodzeń sysemu, λ ( fukca esywośc uszkodzeń -ego elemeu sysemu. I dale, że: + λ λ Λ λ λ (.77) s co ozacza, że esywość uszkodzeń o srukurze szeregowe es rówa sume esywośc uszkodzeń wszyskch elemeów sysemu. rówoległe progowe W przypadku srukury rówoległe w sese ezawodośc cały obek es zday, gdy przyame ede ego eleme es zday. Naomas w wypadku srukury progowe obek es zday, eżel przyame klka ego elemeów es zdaych. Sysem ma rówoległą srukurę ezawodoścową, eżel zdaość dowolego elemeu ego sysemu powodue zdaość całego sysemu. Z rówoległą srukurą połączea elemeów w syseme mamy do czyea wedy, gdy wszyske elemey wykouą o samo zadae. Z defc srukury rówoległe wyka, że sysem es sprawy wedy ylko wedy, kedy co ame ede z ego elemeów es sprawy. W syseme o rówoległe srukurze ezawodoścowe dla prawdłowe pracy ego sysemu wymagae es prawdłowe dzałae ylko edego elemeu. Zaem zależośc a R s Q s będą asępuące (dla elemeów ezależych):

12 II. Nezawodość elemeów sysemów (J. Paska) Rs F Qs Fs F Q Q Q s (.78) a) b) k- k k+ Rys... Rówoległa srukura ezawodoścowa (a) progowa srukura ezawodoścowa (b) Sysem ma progową srukurę ezawodoścową ozaczoą ako k z, eżel w celu zapewea ego zdaośc mus być zdaych co ame k spośród ego elemeów. W przypadku, gdy w elemeowym syseme o srukurze progowe wysępuą elemey o różych charakerysykach ezawodoścowych rudo es przedsawć edozacze prose formuły a R s Q s sysemu. Ogóla zależość a prawdopodobeńswo poprawe pracy sysemu o srukurze progowe, przy założeu że czasy poprawe pracy ego elemeów są ezależym zmeym losowym, es asępuąca: s m m R P( T R P ( T (.79) gdze: R ( prawdopodobeńswo poprawe pracy odesoe do -e kombac zdaych elemeów daące zdaość sysemu, m lczba kombac zdaych elemeów daących zdaość sysemu (lczba saów zdaośc sysemu). Prawdopodobeńswo poprawe pracy dowole -e kombac zdaych elemeów daące zdaość sysemu moża wyzaczyć ako: R e ( e ) [ R [ R (.8) gdze: e wskaźk przymuący warość, gdy eleme wysępuący w -e kombac elemeów es zday lub, gdy es ezday. W przypadku gdy wszyske elemey sysemu o srukurze progowe maą deycze charakerysyk ezawodoścowe, R (, o wykorzysuąc wzór dwumaowy Beroullego uzyskue sę asępuące zależośc:

13 II. Nezawodość elemeów sysemów (J. Paska) Rs [ [ k (.8) Q [ [ s Rs k gdze: k mmala wymagaa lczba zdaych elemeów sysemu,! - lczba kombac po elemeów.!( )! b) Srukury meszae orzymae przez szeregowe, rówoległe lub progowe połączee podsysemów o srukurach podsawowych. Naczęśce spoykaym srukuram meszaym są: srukura rówoległo-szeregowa (rys..) srukura szeregowo-rówoległa (rys..3). Dysrybuaa czasu poprawe pracy sysemu o rówoległo-szeregowe srukurze ezawodoścowe ma posać: k u Qs Fs Ru, (.8) u gdze: R u, ( fukca ezawodośc -ego elemeu w u-ym podsyseme szeregowym, k lczba podsysemów szeregowych, u lczba elemeów w u-ym podsyseme szeregowym. k Rys... Rówoległo szeregowa srukura ezawodoścowa k Rys..3. Szeregowo rówoległa srukura ezawodoścowa Dla sysemu o szeregowo-rówoległe srukurze ezawodoścowe zachodz zależość: k r Rs Fr, (.83) r gdze: F r, ( dysrybuaa czasu poprawe pracy -ego elemeu w r-ym podsyseme rówoległym, k lczba podsysemów rówoległych, r lczba elemeów w r-ym podsyseme rówoległym. c) Srukury złożoe, kórych e moża uworzyć przez szeregowe, rówoległe lub progowe połączee schemaów srukur podsawowych, p. srukura moskowa. Róże srukury ezawodoścowe sysemu, o e same lczbe deyczych, ezależych elemeów, skukuą różym pozomem ezawodośc sysemu. Wykorzysae lczb rozmyych w modelach ezawodośc elemeów sysemów W przypadku zboru zwykłego A eleme x albo do ego ależy (fukca charakerysycza µ A (x) rówa ), albo e ależy (µ A (x) ). W sysemach rozmyych eleme może ależeć do 3

14 II. Nezawodość elemeów sysemów (J. Paska) zboru częścowo. Sopeń przyależośc do zboru rozmyego A ~, będący uogóleem fukc charakerysycze, es azyway fukcą przyależośc, przy czym µ ( x ) [,. Warośc fukc przyależośc są lczbam rzeczywsym z przedzału [, oszą azwę sopa przyależośc. Zwykły zbór A zaweraący wszyske elemey przesrze U, kóre maą sopeń przyależośc do A ~ wększy lub rówy es -przekroem (zbór a pozome ) rozmyego zboru A ~ : A {x U µ ~ A (x), [, } (.84) Na zborach rozmyych moża zdefować szereg operac maemayczych, będących uogóleem operac obowązuących dla zborów erozmyych. Zbory rozmye zdefowae w zborze R, czyl a os lczb rzeczywsych, azywa sę lczbam rozmyym. Nech (*) będze operacą maemayczą a lczbach rozmyych: dodawae (+), odemowae (-), możee ( ), dzelee (/). Wykorzysuąc zasadę rozszerzaa, A ~ (*) B ~ moża orzymać asępuąco: µ ~ ( ) sup m{ ~ ( ), ~ ( )} ~ z µ x µ y (.85) A B A B ( ) z x y Wykorzysuąc defcę -przekrou sosuąc zaps A [ a, a do reprezeac zamkęego przedzału A ~ a pozome, zależość (.85) sae sę: ( A( ) B) A ( ) B, [, (.86) Prawa sroa rówaa (.86) ozacza operacę arymeyczą a -przekroach A ~ B ~ wykorzysuącą arymeykę przedzałów: A ( + ) B [a + b, a + b, A ( ) B [a b, a b, A ( ) B A (/) B [m(a [m(a b / b ), ), max(a max(a b / b ), ); B A ~ (.87) gdze,,. Łączkem mędzy formacą dokładą (zbór erozmyy) a rozmyą (zbór rozmyy) są procedury fuzyfkac (fuzyfkaor, układ rozmywaa), pozwalaace a przekszałcee erozmyego zboru daych weścowych w zbór rozmyy, zdefoway za pomocą warośc fukc przyależośc; oraz procedury defuzyfkac (defuzyfkaor, układ wyosrzaa), o dzałau odwroym. Maem - rozmya ezawodość (fuzzy relably - FR) określoo aalzy ezawodoścowe w przypadku, gdy przyame eda welkość ze zboru daych es opsaa modelem rozmyym. Jeśl es o ylko rozmyy ops zaporzebowaa (obcążea) (a deermsyczy a probablsyczy), o mamy do czyea z rozmyą ezawodoścą rodzau I (FR I). Przy FR rodzau II mamy do czyea z rozmyym waroścam wskaźków ezawodoścowych elemeów, zamas dokładych. Możemy róweż mówć o FR rodzau III, w przypadku model kóre zamuą sę ezawodoścą rozmyą w środowsku decyzyym,. gdy rozmye welkośc (w ym ezawodoścowe) muszą być porówywae ażeby wycągąć akeś wosk lub podąć decyze. Jeśl daa es epewa krzywa obcążea Z f(τ), o rozmya krzywa obcążea a pozome może być zdefowaa ako: + Z ( ) f ( τ);( ) f ( τ) (.88) [ + - z będącym ezupełe mooocze maleącym fukcam ; możemy róweż orzymać rozmyy ops czasu względego τ poprzez f - (rys..5). Taka reprezeaca lczb rozmyych (FN) zwaa es przedzałem ufośc (oparym a [, ). 4

15 II. Nezawodość elemeów sysemów (J. Paska) Przykład.4: Dae ezawodoścowe dla elemeów o aczęśce częsość MW (esywość) zakłóceń λ śred czas Z aprawy r. Zamas warośc λ rówe osre lczbe p., zakłóceń a rok, mamy ops rozmyy, ak ak: alepsze oszacowae, z przedzałem ufośc [,8;, zakłóceń a rok. Sąd λ [, (,( - )),, + (,( - )) będze reprezeowało rókąą rozmyą + częsość zakłóceń, z λ [ λ, λ będącym przedzałem ufośc a Dysrybuaa obcążea uporządkowaego τ pozome [,. Rozważmy dla przykładu rozmyą fukcę ezawodośc elemeu o wykładczym rozkładze czasu pracy Rys..5. Rozmyy ops uporządkowae krzywe obcążea bezawarye. Dla każdego ograczea dla λ określaą: + + -λ -λ R R e ; R e Dla każdego mamy węc przedzał ufośc ograczoy przez ższe warośc fukc + bezawarye pracy R wyższe warośc fukc R. Defue o rozmyą fukcę ezawodośc R (, ak ak o pokazao a rys..6. Fukca ezawodośc,9,8,7,6 R,5,4 + R,3,, Czas, laa Rys..6. Rozmya fukca ezawodośc elemeu lusraca e fukc przyależośc dla usaloego Ogóle zasady budowy modelu ezawodoścowego Rodza srukury ezawodoścowe sysemu (obeku złożoego) zależy od: a) srukury fukcoale obeku, z. od sposobu kosrukcyego połączea elemeów od wzaemego oddzaływaa ych elemeów a sebe; b) zadaa, ake ma day obek wykoać. W zwązku z powyższym podsawą worzea srukur ezawodoścowych są odpowede schemay echologcze obeków złożoych. Ze względu a specyfkę problemu oraz różce w rozwązaach proekowych różych obeków ależy określać srukurę ezawodoścową dywduale dla każdego aalzowaego obeku. Srukurę ezawodoścową aalzowaego obeku moża przedsawć mędzy ym w posac sabelaryzowae lub aalycze, p. przez fukcę srukuralą sysemu. Jedak aprosszym abardze obrazowym sposobem przedsawea srukury ezawodoścowe 5

16 II. Nezawodość elemeów sysemów (J. Paska) obeku es sposób grafczy. W ym wypadku srukura ezawodoścowa es pokazaa ako graf lub eż ako schema blokowy ezawodośc lub po prosu schema ezawodoścowy obeku. Ze względu a specyfkę problemu oraz różce w rozwązaach proekowych różych sysemów (p. zaslaa obeków) ależy określać srukurę ezawodoścową dywduale dla każdego aalzowaego sysemu. Tworzee schemau ezawodoścowego powo zawerać: aalzę schemau opologczego fukcoowaa sysemu; wyróżee w syseme elemeów, kórych ezawodość ma wpływ a ezawodość sysemu; odwzorowae wyróżoych elemeów w posac bloków; grafcze odwzorowae zależośc mędzy saam ezawodoścowym elemeów, a saem ezawodoścowym sysemu. W celu uławea grafczego odwzorowaa srukury ezawodoścowe sysemu moża wykorzysać asępuące wskazówk: ) elemey epowarzale przedsawa sę w posac oddzelych różych bloków, ) elemey powarzale przedsawa sę w posac edego ypu bloku; 3) eżel esprawość daego elemeu powodue ezdaość całego sysemu, o eleme e wchodz w skład podsysemu o szeregowe srukurze ezawodoścowe; 4) eżel esprawość sysemu es spowodowaa edoczesą ezdaoścą klku elemeów, o elemey e wchodzą w skład podsysemu o rówoległe srukurze ezawodoścowe. Wyróżea elemeów w badaym syseme dokoue sę w procese dekompozyc. Dekompozyca sysemu polega a sopowym podzale obeku a mesze częśc (podsysemy), kóre z kole dzel sę a podsysemy prossze. Na daym sopu podzału wyróżoe podsysemy rakue sę ako epodzele elemey. Podzał es wykoyway ze względu a fukce (wg kryerów echologczych), ake peł day podsysem podczas realzac zadaa obeku. Dekompozyc dokoue sę do akego sopa szczegółowośc, ak arzuca cel zakres ocey ezawodośc aalzowaego sysemu. Ozacza o, ż z puku wdzea porzeb ocey ezawodośc dalszy podzał a elemey e es celowy. W ekórych wypadkach srukura fukcoala obeku złożoego odpowada wpros ego srukurze ezawodoścowe. W wększośc wypadków edak ak e es. Zwązae es o z wpływem posawoego zadaa, kóre ma wykoać obek, a ego srukurę ezawodoścową. Model procesu eksploaac sysemu ako podsawa modelu ezawodoścowego Obeky elekroeergeycze ypu układy (sysemy) są rozparywae ako sysemy, w kórych wyodręba sę zbory urządzeń oraz relac opologczych eksploaacyych mędzy m. Relace eksploaacye są określoe ako oddzaływaa saów eksploaacyych edego urządzea a say ych urządzeń. Relace opologcze mędzy urządzeam rzeczywsym są określoe ako bezpośrede połączea geomerycze (elekrycze) elemeów. Układ (sysem) będzemy węc dale rozumeć ako zbór elemeów oblczeowych (dale elemeów) oraz relac eksploaacyych mędzy m. Proces eksploaac sysemu zaś będze opsay przez zbór saów ego eksploaac oraz relac eksploaacyych mędzy m. Zależy o od procesów eksploaacyych elemeów składowych oraz relac eksploaacyych mędzy elemeam. Należy u rozróżć relace eksploaacye mędzy saam określoe ako bezpośrede prześce mędzy dwoma saam eksploaacyym oraz relace eksploaacye mędzy elemeam, określoe ako oddzaływae saów edego elemeu a say ych. Zbory relac eksploaacyych mędzy elemeam w syseme mogą być określoe przez uogóloe poęca kofgurac lub srukury. Kofguracę relac w syseme saow kokrey zbór relac eksploaacyych e zmeaących sę w rozparywaym okrese czasu. 6

17 II. Nezawodość elemeów sysemów (J. Paska) Srukurę relac w syseme saow uogóloy (zagregoway) uporządkoway zbór relac. Srukura relac zawera zbory wszyskch możlwych kofgurac. Welorakość kofgurac es cechą obeków złożoych (sysemów). Współzależość saów eksploaac elemeów wyka ze współzależośc ch odpowedków fzyczych, relac opologczych mędzy elemeam, wyposażea układu w urządzea komuacye, SPZ, SZR oraz przyęe sraeg remoowe. Say eksploaacye sysemu orzymue sę przez agregacę możlwych saów elemeów. Określa o operaor przekszałcaący przesrzeń saów elemeów w say podsawowe sysemu: HS : SEM SU (.9) gdze: SEM zbór możlwych saów elemeów, SU zbór saów sysemu (układu), HS operaor przekszałcaący, określoy przez pozom oddzaływaa elemeu a welkośc charakeryzuące sysem (moc geerowaa przez elekrowę, moc przesyłaa za pośredcwem układu secowego p.). SEM S S K S K S (.93) gdze: S zbór saów ego elemeu, lczba elemeów w syseme. Model procesu eksploaac sysemu, rakowaego ako zbór elemeów, es określoy przez zbór procesów eksploaacyych {P f (} elemeów ze zboru U oraz zbór relac eksploaacyych EU mędzy elemeam: U { U,, } (.94) EU : SEM SEM (.95) Proces eksploaac sysemu moża zlusrować za pomocą poższego cągu kołowego: U, SEM R (3k+) EU RU U (3k+3), SEM (3k+3) U (3k+), SEM (3k+) U (3k+), SEM (3k+) EU k,,, 3 W chwl ależy zać zbór elemeów U oraz zbory ch saów eksploaacyych SEM. Dla elemeów z U określa sę za pomocą EU kofguracę relac eksploaacyych mędzy elemeam. W wyku orzymue sę zbory U (3k+) oraz SEM (3k+). Naczęśce różą sę oe od zborów określoych w momece (p. say awar elemeów do remoów awaryych). RU określa odwzorowae remoowe (saowące podzbór EU), kóre przy sraeg remoów proflakyczych R (3k+) powodue prześce do podzborów U (3k+) oraz SEM (3k+). Odwzorowae EU przekszałca e zbory w zbory U (3k+3) oraz SEM (3k+3). Dale proces powarza sę przy zmeym k. Każdy eleme ze zboru U, w dae chwl, może zadować sę w edym ze saów ależących do zboru S. Część ze saów eksploaacyych elemeu może oddzaływać a say pozosałych elemeów. Ozaczaąc przez relacę eksploaacyą -ego sau -ego elemeu oddzaływuącego a say k-ego elemeu, orzymue sę: k k eu ( ) : S S (.96) Zaem odwzorowae EU es zborem fukc eksploaacyych: k EU { eu ( ) } (.97), k k, SEM Sraega remoów proflakyczych R (3k+) es określoa przez rodza remoów plaowych oraz momey rozpoczęca zakończea każdego remou plaowego dla elemeów. Rodza remoów wyka z usaleń prakyk eksploaacye. Ogóle mogą o być remoy kapale beżące. Momey rozpoczęca zakończea remoów zaś mogą być losowe albo zdeermowae (losowa bądź deermsycza sraega remoowa). 7

S(t) S 4 S 3 S 2 S 1. Rozpatrywany element. Czy element podlega odnowie? Czy odnowa polega na naprawie?

S(t) S 4 S 3 S 2 S 1. Rozpatrywany element. Czy element podlega odnowie? Czy odnowa polega na naprawie? II. Nezawodość elemeów yemów (J. Paka) Poęca podawowe OBIEKT rakue ę ako poęce perwoe, określaące w zależośc od porzeb: epodzely eleme (bez uwzględea ego rukury wewęrze), zbór elemeów worzących yem. S(

Bardziej szczegółowo

Obliczanie wskaźników niezawodności podstawowych struktur niezawodnościowych

Obliczanie wskaźników niezawodności podstawowych struktur niezawodnościowych POLIECHNIKA WASZAWSKA Iyu Elekroeergeyk, Zakład Elekrow Gopodark Elekroeergeycze Bezpeczeńwo elekroeergeycze ezawodość zalaa laboraorum opracował: prof. dr hab. ż. Józef Paka, mgr ż. Por Marchel Ćwczee

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

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

Bardziej szczegółowo

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem

Bardziej szczegółowo

Niezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI

Niezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI Nezawodość dagosyka Keruek, sem. V, rok. ak. 00/ STUKTUY I MIY POILISTYCZNE SYSTEMÓW METOD DZEW STNÓW NIEZDTNOŚCI. Srukury obeków złożoych ch rerezeace Wsółczese obeky sysemy echcze, a szczególe wększe

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej Rachek prawdopodobeńswa saysyka maemaycza Esymacja przedzałowa paramerów srkralych zborowośc geeralej Częso zachodz syacja, że koecze jes zbadae ogół poplacj pod pewym kąem p. średa oce z pewego przedmo.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

2. Wprowadzenie. Obiekt

2. Wprowadzenie. Obiekt POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

Bardziej szczegółowo

Matematyczny opis ryzyka

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

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

Bardziej szczegółowo

ANALIZA ASYMPTOTYCZNA WYKŁADNICZEJ SIECI ZAWODNYCH SYSTEMÓW KOLEJKOWYCH

ANALIZA ASYMPTOTYCZNA WYKŁADNICZEJ SIECI ZAWODNYCH SYSTEMÓW KOLEJKOWYCH STUDIA INFORMATICA 1 Volume 33 Number 3A (17) Mchał MATAŁYCKI Polechka Częsochowska, Isyu Maemayk Swaosław STATKIEWICZ Grodzeńsk Uwersye Pańswowy ANALIZA ASYMPTOTYCZNA WYKŁADNICZEJ SIECI ZAWODNYCH SYSTEMÓW

Bardziej szczegółowo

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY ZMIENNYCH LOSOWYCH ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wskaźniki niezawodności środków transportu szynowego

Wskaźniki niezawodności środków transportu szynowego SZKODA Macej Wskaźk ezawodośc środków rasporu szyowego Ocea ezawodośc, Wskaźk ezawodoścowe, Środk rasporu szyowego Sreszczee Arykuł doyczy wskaźków ezawodośc środków rasporu szyowego. Pod względem ezawodoścowym

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

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

Bardziej szczegółowo

VI. TWIERDZENIA GRANICZNE

VI. TWIERDZENIA GRANICZNE VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych

Bardziej szczegółowo

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej.

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej. L.Kowals Fucje zmeych losowych FUNKCJE ZMIENNYCH LOSOWYCH Uwag o rozładze fucj zmeej losowej jedowymarowej. Jeśl - soowa, o fucj prawdopodobeńswa P( x ) p, g - dowola o fucja prawdopodobeńswa zmeej losowej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

Wykład 2 Elementy statystyki.

Wykład 2 Elementy statystyki. Wykład 2 Elemey ayyk. Sayyka opowa.. Słowk podawowych poęć: Populaca geerala-zborowość poddawaa ayyczemu badau (p. klec ec elekomukacyych, elefoy określoe mark, rozmowy elefocze) Cecha-właość elemeów populac

Bardziej szczegółowo

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń Zasosowae meody ajmejszych kwadraów do pomaru częsolwośc średej sygałów o małej sromośc zboczy w obecośc zakłóceń Elgusz PAWŁOWSKI, Darusz ŚWISULSKI Podsawowe meody pomaru częsolwośc Zlczae okresów w zadaym

Bardziej szczegółowo

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

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

Matematyka II. x 3 jest funkcja

Matematyka II. x 3 jest funkcja Maemayka II WYKLD. Całka eozaczoa. Rachuek całkowy. Twerdzea o całkach eozaczoych. Całkowae wybraych klas fukcj. Całkowae fukcj wymerych. Całkowae fukcj rygoomeryczych.. Defcja fukcj perwoej. Fukcję F

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

SZCZEGÓLNE CHARAKTERYSTYKI NIEZWODNO CIOWE SZEREGOWYCH SYSTEMÓW MECHATRONICZNYCH ZBIGNIEW MATUSZAK

SZCZEGÓLNE CHARAKTERYSTYKI NIEZWODNO CIOWE SZEREGOWYCH SYSTEMÓW MECHATRONICZNYCH ZBIGNIEW MATUSZAK SZCZEGÓLNE CHARAKERYSYKI NIEZWODNOCIOWE SZEREGOWYCH SYSEMÓW MECHARONICZNYCH ZBIGNIEW MAUSZAK Sreszczee W pracy scharakeryzowao podsawowe rozkłady uszkodze elemeów wchodzcych w skład urzdze mecharoczych:

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

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

Bardziej szczegółowo

Regresja REGRESJA

Regresja REGRESJA Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu

Bardziej szczegółowo

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

Bardziej szczegółowo

Politechnika Opolska. Skrypt Nr 237 ISSN 1427-9932 (wersja elektroniczna) Ewald Macha. Niezawodność maszyn

Politechnika Opolska. Skrypt Nr 237 ISSN 1427-9932 (wersja elektroniczna) Ewald Macha. Niezawodność maszyn Polechka Opolska Skrp Nr 37 ISSN 47-993 (wersja elekrocza) Ewald Macha Nezawodość masz Opole 3 Sps reśc Przedmowa 5 Wkaz ważejszch ozaczeń 6. Podsawowe pojęca eor ezawodośc 7.. Pojęca ezawodośc...7.. Defcja

Bardziej szczegółowo

Projekt 2 2. Wielomiany interpolujące

Projekt 2 2. Wielomiany interpolujące Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

Współczynnik korelacji rangowej badanie zależności między preferencjami

Współczynnik korelacji rangowej badanie zależności między preferencjami Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl Pla referatu: Klasycze metody

Bardziej szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka dyskretna. 10. Funkcja Möbiusa Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

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

Bardziej szczegółowo

Modelowanie i Analiza Danych Przestrzennych

Modelowanie i Analiza Danych Przestrzennych Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

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

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

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

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

Bardziej szczegółowo

1. MACIERZE, WEKTORY. θ θ. Wybrane z wykładów

1. MACIERZE, WEKTORY. θ θ. Wybrane z wykładów MAEMAYKA SOSOWANA I MEODY NUMERYCZNE Wybrae z wykładów. MACIERZE, WEKORY Macerz symerycza A A A + A, A A macerze symerycze Macerz aysymerycza A -A A / (A+A ) + /(A-A ) symerycza aysymerycza częśc macerzy

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

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

Bardziej szczegółowo

. Wtedy E V U jest równa

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

Bardziej szczegółowo

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,

Bardziej szczegółowo

MODELE OBIEKTÓW W 3-D3 część

MODELE OBIEKTÓW W 3-D3 część WYKŁAD 5 MODELE OBIEKTÓW W -D część la wykładu: Kocepcja krzywej sklejaej Jedorode krzywe B-sklejae ejedorode krzywe B-sklejae owerzche Bezera, B-sklejae URBS 1. Kocepcja krzywej sklejaej Istotą z praktyczego

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

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

Bardziej szczegółowo

Reprezentacja krzywych...

Reprezentacja krzywych... Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc

Bardziej szczegółowo

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

CZYNNIKOWY MODEL ZARZĄDZANIA PORTFELEM OBLIGACJI

CZYNNIKOWY MODEL ZARZĄDZANIA PORTFELEM OBLIGACJI Zeszyy Naukowe Wydzału Iorayczych echk Zarządzaa Wyższej Szkoły Iorayk Sosowaej Zarządzaa Współczese robley Zarządzaa Nr /0 CZYNNIKOWY MOE ZARZĄZANIA OREEM OBIGACJI Adrzej Jakubowsk Isyu Badań Syseowych

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Zaawasowae metod umercze Programowae lowe (problem dual, program low w lczbach całkowtch) Dualość est kluczowm poęcem programowaa lowego. Pozwala a udowodee że otrzmwae rozwązaa są optmale. Zagadee duale

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

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

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

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

Bardziej szczegółowo

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1)

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1) Katarzya Budy Uwersytet Ekoomczy w Krakowe WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO Wprowadzee Jedą z podstawowych mar spłaszczea czy też kocetrac rozkładu zmee losowe edowymarowe wokół średe est kurtoza

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

Immunizacja portfela

Immunizacja portfela Immuzaja porfela Sraega mmuzaj porfelowej [Redgo 9] polega a sworzeu porfela srumeów sało upoowh spełająego dwa waru: - spade e srumeów fasowh wwoła wzrosem sóp spo jes w peł reompesowa przez wzros dohodów

Bardziej szczegółowo

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych Sprawdzee stateczośc skarpy wykopu pod składowsko odpadów koualych Ustalee wartośc współczyka stateczośc wykoae zostae uproszczoą etodą Bshopa, w oparcu o poższą forułę: [ W s( α )] ( φ ) ( φ ) W ta F

Bardziej szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

TRANZYSTORY POLOWE JFET I MOSFET POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

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

Bardziej szczegółowo

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12. Zadae p (X p (X ( ( π 6 6 e 6 X m ( π 6 6 e 6 ( X C e m 6 X, gdze staªa C e zale»y od statystyk X (X,, X 6, a m jest w ksze od zera Zatem p (X/p (X jest emalej c fukcj statystyk T (X 6 X ªatwo pokaza,»e

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

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

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo

IV. ZMIENNE LOSOWE DWUWYMIAROWE

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

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

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

Bardziej szczegółowo

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b, CAŁA RZYWOLINIOWA NIESIEROWANA rzywą o rówaiach parameryczych: = (), y = y(), a < < b, azywamy łukiem regularym (gładkim), gdy spełioe są asępujące waruki: a) fukcje () i y() mają ciągłe pochode, kóre

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ĆWICZENIE 10 OPTYMALIZACJA STRUKTURY CZUJKI TEMPERATURY W ASPEKCIE NIEZWODNOŚCI

ĆWICZENIE 10 OPTYMALIZACJA STRUKTURY CZUJKI TEMPERATURY W ASPEKCIE NIEZWODNOŚCI ĆWICZENIE 0 OPTYMALIZACJA STUKTUY CZUJKI TEMPEATUY W ASPEKCIE NIEZWODNOŚCI Cel ćwczea: zapozae z metodam optymalzac wewętrze struktury mozakowe czuk temperatury stosowae w systemach sygalzac pożaru; wyzaczee

Bardziej szczegółowo

Badania niezawodnościowe i statystyczna analiza ich wyników

Badania niezawodnościowe i statystyczna analiza ich wyników Badaa ezawodoścowe statystycza aalza ch wyków. Co to są badaa ezawodoścowe jak sę je przeprowadza?. Metody prezetacj opsu daych pochodzących z eksperymetu 3. Sposoby wyzaczaa rozkładu zmeej losowej a podstawe

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

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

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

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

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

ZMIENNE LOSOWE WIELOWYMIAROWE

ZMIENNE LOSOWE WIELOWYMIAROWE L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

ELEMENTY TEORII MOŻLIWOŚCI ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

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

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

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

Bardziej szczegółowo

ANALIZA INPUT - OUTPUT

ANALIZA INPUT - OUTPUT Aalza put - output Notatk S Dorosewcz J Staseńko Stroa z 28 SŁAWOMIR DOROSIEWICZ JUSTYNA STASIEŃKO ANALIZA INPUT - OUTPUT NOTATKI Istytut Ekoometr SGH Aalza put - output Notatk S Dorosewcz J Staseńko Stroa

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo