ZASTOSOWANIE METODY MONTE CARLO DO WYZNACZANIA PRAWDOPODOBIEŃSTWA TRAFIENIA CELU POWIETRZNEGO

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZASTOSOWANIE METODY MONTE CARLO DO WYZNACZANIA PRAWDOPODOBIEŃSTWA TRAFIENIA CELU POWIETRZNEGO"

Transkrypt

1 Dr inż. Konrad SIENICKI Dr inż. Krzysztof MOTYL Wojskowa Akademia Techniczna ZASTOSOWANIE METODY MONTE CARLO DO WYZNACZANIA PRAWDOPODOBIEŃSTWA TRAFIENIA CELU POWIETRZNEGO Streszczenie: Pod pojęciem efektywności środka bojowego rozumie się miarę stopnia realizacji zadań, do wykonania których środek ten jest przeznaczony. Efektywnością sprzętu bojowego jest zbiór parametrów charakteryzujących stopień wykonania zadań bojowych przy jego użyciu, zgodnie z przeznaczeniem. W artykule przedstawiono metodę Monte Carlo, która została zastosowana do określania dokładności strzelania z przeciwlotniczego zestawu artyleryjskiego do celu powietrznego. APPLICATION OF THE MONTE CARLO METHOD FOR APPOINTING OF THE AIR TARGET HIT PROBABILITY Abstract: The effectiveness of the battle unit is mean the measure of a tasks execution degree according to it s destination. An effectiveness of the battle equipment is a set of parameters characterized a combat task realization degree according to it s destination. In the article the Monte Carlo method, which was applied for determining the accuracy of soaring from the anti-aircraft artillery set to the air target was presented. 1. WPROWADZENIE Pod pojęciem efektywności środka bojowego rozumie się miarę stopnia realizacji zadań, do wykonania których środek ten jest przeznaczony. Efektywnością sprzętu bojowego jest zbiór parametrów charakteryzujących stopień wykonania zadań bojowych przy jego użyciu, zgodnie z przeznaczeniem. Efektywność uzbrojenia można określać dużą ilością różnorodnych kryteriów ilościowych, do których przykładowo możemy zaliczyć: prawdopodobieństwo wykonania zadania bojowego w określonej sytuacji bojowej; prawdopodobieństwo trafienia celu jednym pociskiem, prawdopodobieństwo rażenia określonej liczby celów; wartość oczekiwaną ilości rażonych celów; wartość oczekiwaną zużytych środków bojowych na wykonanie zadania; wartość oczekiwaną czasu niezbędnego do wykonania zadania; wartość oczekiwaną strat przeciwnika; wartość oczekiwaną strat własnych. Wybór kryteriów zależy od celu prowadzonych badań, charakterystyk porównywanych wariantów uzbrojenia oraz od ich przeznaczenia. Powinny one wynikać z parametrów typu uzbrojenia. Jednym z najważniejszych parametrów charakteryzujących walory bojowe przeciwlotniczego systemu artyleryjskiego jest prawdopodobieństwo trafienia (porażenia) 895

2 celu powietrznego, gwarantującego wykonanie zadania bojowego. Prawdopodobieństwo trafienia celu powietrznego zależy od wielu czynników, które wnoszą do systemu błędy systematyczne i przypadkowe mające bezpośredni wpływ na prawidłowe wyznaczanie punktu wyprzedzonego. Do tych czynników zaliczamy: proces pomiarowy dostarczający dane o parametrach ruchu celu, proces przetwarzania danych pomiarowych, moduł obliczeń balistycznych, wysterowanie środków ogniowych na punkt wyprzedzony oraz czynniki zewnętrzne wpływające na tor lotu pocisku. Prawdopodobieństwo trafienia celu powietrznego jest przedmiotem analizy podczas dokonywania oceny skuteczności zautomatyzowanego systemu obrony przeciwlotniczej rozproszonej baterii lub dywizjonu armat 35 mm. 2. STOSOWANE METODY OKREŚLANIA DOKŁADNOŚCI STRZELANIA Z PRZECIWLOTNICZEGO SYSTEMU ARTYLERYJSKIEGO Dokładność strzelania stanowi obiektywną charakterystykę jakościową uzbrojenia. Nieprzypadkowo każdy nowy rodzaj uzbrojenia, zanim zostanie wprowadzony na wyposażenie wojsk, podlega najpierw szczegółowym badaniom, w których między innymi ocenia się dokładność jego działania. Pod pojęciem dokładności strzelania z przeciwlotniczego systemu artyleryjskiego rozumie się przede wszystkim jej celność i skupienie. Celność broni ocenia się na podstawie odchyleń wartości oczekiwanej torów lotu od środka celu, a skupienie broni na podstawie odchyleń poszczególnych torów (punktów upadku, uderzenia, trafienia) od wartości oczekiwanej toru. Rozróżnia się następujące metody określania charakterystyk dokładności strzelania: metoda doświadczalna, bezpośrednio związana ze strzelaniem pociskami artyleryjskimi lub rakietami i polegająca na opracowaniu wyników strzelań. Metoda ta szeroko jest stosowana w lufowej artylerii przeciwlotniczej; metoda teoretyczno-doświadczalna, w której bierze się pod uwagę uproszczone zależności teoretyczne w postaci wzorów interpolacyjnych w celu rozprzestrzenienia danych doświadczalnych na inne warunki strzelania; metoda modelowania statystycznego, opierająca się na statystycznej analizie materiałów z doświadczeń laboratoryjnych i symulowanych startów rakiet, przy czym charakterystyki dokładności wyznacza się drogą elektronicznej symulacji ruchu rakiety, powtarzanej wielokrotnie; metoda analityczna, polegająca na obliczeniu charakterystyk dokładności strzelania. Nie ulega wątpliwości, że dwie ostatnie metody pod względem dokładności mają wyraźną przewagę, ponieważ pozwalają na uwzględnienie znacznie większej liczby czynników, mających wpływ na strzelanie. Materiał statystyczny jest w tych przypadkach znacznie bogatszy. W trakcie rozwiązywania wielu zadań o charakterze wojskowo-technicznym celowe i niezbędne staje się stosowanie metod modelowania. Istnieją trzy zasadnicze metody modelowania procesów: matematyczna, fizyczna i mieszana (rys. 1). Modele matematyczne odróżniają się od oryginału strukturą fizyczną, a zbieżność ich z rzeczywistością wyrażona jest za pomocą równań matematycznych. Modele fizyczne natomiast, co do swej natury i formy, bliskie są oryginałowi, a różnią się od niego wymiarami, prędkością przebiegu procesu i innymi właściwościami. Metoda mieszana stanowi połączenie obu poprzednich metod, przy czym modelowanie fizyczne stosuje się do tych części procesu, które matematycznie są najtrudniejsze do uchwycenia. 896

3 Zaletą modeli matematycznych jest uniwersalność metod i stosowanej aparatury badawczej, możliwość badania dowolnych procesów, nie wyłączając nawet tych, które współcześnie nie dają się jeszcze fizycznie urzeczywistnić, szerokie i wszechstronne możliwości i prostota uzyskiwania rozwiązań optymalnych. Zaletą modelowania fizycznego jest możliwość badania dowolnych procesów niezależnie od tego, czy dają się one opisać matematycznie, czy też nie oraz duża poglądowość uzyskiwanych rezultatów. Do modelowania fizycznego zaliczyć można ćwiczenia i gry wojenne, a także różnego rodzaju badania poligonowe (z wyjątkiem tych, które odzwierciedlają rzeczywiste procesy). Metody badań Naturalne Modelowanie Fizyczne Matematyczne Mieszane Modele analityczne Modele statystyczne Określenie wartości oczekiwanej Określenie wariancji Określenie prawdopodobieństwa Weryfikacje hipotez Odnośnie wartości oczekiwanych Odnośnie wariancji Odnośnie prawdopodobieństwa Odnośnie korelacji Rys. 1. Zasadnicze metody modelowania zadań o charakterze wojskowo-technicznym Bardzo ważną zaletą modelowania fizycznego jest udział w nim człowieka, którego zachowanie się w różnorodnych sytuacjach jest bardzo trudno opisać za pomocą algorytmów. Nie ulega wątpliwości, że wyjątkowo dużą korzyść dać może łączenie modelowania fizycznego z modelowaniem matematycznym, które może następować etapami (model matematyczny, sprawdzenie wyników w toku ćwiczeń, poprawienie modelu matematycznego) lub stanowić kombinację modelu matematycznego i fizycznego (włączenie człowieka do modelu matematycznego). Obecnie modelowanie matematyczne znajduje szerokie zastosowanie do analizy różnorodnych procesów dynamicznych dzięki rozwojowi matematyki i szybkiemu postępowi elektronicznej techniki obliczeniowej, które stwarzają możliwości budowy i rozwiązywania modeli bardzo złożonych. Jednocześnie postęp techniczny w dziedzinie uzbrojenia i wyposażenia wojsk oraz wzrost jego kosztów dyktują potrzebę znacznie jeszcze szerszego stosowania metod matematycznych. Model matematyczny sprowadza się do układu równań matematycznych i relacji logicznych, za pomocą których przy przyjętych parametrach wyjściowych można wyznaczać wartości liczbowe kryteriów dla każdego wybranego wariantu rozwiązania. Modele matematyczne dzielą się na dwa zasadnicze rodzaje: 897

4 statystyczne i analityczne. Modelowanie statystyczne polega na uzyskaniu wielu losowych realizacji kryteriów, które należy statystycznie opracować. Modelowanie analityczne umożliwia wyznaczenie wartości oczekiwanej kryteriów oraz ich wariancji za pomocą form analitycznych. 3. METODA MONTE CARLO I JEJ ZASTOSOWANIE DO OKREŚLANIA DOKŁADNOŚCI STRZELANIA Z PRZECIWLOTNICZEGO SYSTEMU ARTYLERYJSKIEGO Metodą Monte Carlo nazywamy dowolną procedurę, w której znalezienie przybliżonego rozwiązania jakiegoś zadania matematycznego lub fizycznego oparte jest na zasadach statystycznego pobierania próbek. Metoda Monte Carlo ma zastosowanie do: badania procesów stochastycznych (przy czym zakłada się, że matematyczny lub fizyczny model tego procesu został już skonstruowany), rozwiązywania zadań deterministycznych (przez analogię między równaniami, które opisują takie zadania i równaniami opisującymi procesy stochastyczne). W badaniach efektywności uzbrojenia dość często zachodzi potrzeba posługiwania się pierwszą odmianą tej metody. Stosunkowo łatwo można sformułować złożone modele, zawierające prawdopodobieństwa związane z różnymi elementami przypadkowymi, takie jak: prawdopodobieństwo niezawodnej pracy wszystkich elementów systemu uzbrojenia, prawdopodobieństwo trafienia w cel, prawdopodobieństwo zniszczenia celu itp. Zbadanie tak złożonego modelu metodami analitycznymi jest bardzo trudne, a nawet niemożliwe. Dlatego też w wielu wypadkach metody Monte Carlo okazały się jedynymi, przydatnymi do praktycznego zastosowania metodami badawczymi. Rozpatrzymy zastosowanie metody Monte Carlo na prostym przykładzie. Przypuśćmy, że mamy obliczyć prawdopodobieństwo P trafienia pocisku w cel powietrzny, posiadający kształt koła o promieniu r. Zadanie to rozwiązuje się analitycznie, korzystając ze wzoru: gdzie: (1) Niewielkie skomplikowanie tego zadania sprawia, że uzyskanie dokładnego rozwiązania analitycznego staje się niemożliwe i wówczas zastosowanie metody Monte Carlo staje się celowe również dla praktycznych obliczeń. Aby wyliczyć prawdopodobieństwo P metodą Monte Carlo, należy przeprowadzić serię prób n: 1. Określić współrzędne punktu trafienia pocisku y n i z n. 2. Obliczyć odległość punktu trafienia od współrzędnych punktu celu: (2) (3) 3. Porównać r n i r. Jeżeli r n <r, to mamy trafienie w cel. Niech liczba takich przypadków będzie równa m. Jeżeli r n >r, to trafienia nie ma. 4. Obliczyć prawdopodobieństwo trafienia w cel: 898

5 Istota metody Monte Carlo tkwi w tym, że zakres jej stosowania nie ma jakichś zasadniczych ograniczeń, a praktycznie może być tylko ograniczony zużyciem czasu na dokonanie obliczeń. Szeroki rozwój komputerowych technik obliczeniowych uwalnia nas w znacznej mierze również i od tego ograniczenia, tak że metoda Monte Carlo staje się dokładną metodą rozwiązywania złożonych problemów z zakresu określania dokładności strzelania zestawów przeciwlotniczych. Pozytywną własność metody stanowi prostota jej praktycznego wykorzystania. Jeśli badany proces daje się opisać za pomocą układu dowolnych równań czy praw logicznych, to zastosowanie metody Monte Carlo nie przedstawia żadnych zasadniczych trudności, nie nakłada żadnych ograniczeń na te równania, czy prawa i nie wymaga ich uproszczenia. (4) 4. ANALIZA NUMERYCZNA WYZNACZANIA PRAWDOPODOBIEŃSTWA TRAFIENIA CELU PRZY WYKORZYSTANIU METODY MONTE CARLO Dokładność strzelania określa się zwykle sposobem doświadczalnym. Jednakże wysokie koszty doświadczalnego sposobu określania dokładności strzelania, konieczność przeprowadzenia dużej liczby takich doświadczeń w celu niezawodnego określenia dokładności strzelania w różnych warunkach, zmuszają do poszukiwania teoretycznych sposobów określania dokładności strzelania. Jednym z obiektywnych sposobów jest modelowanie statystyczne lotu pocisku z uwzględnieniem zakłóceń, działających na pocisk w czasie lotu. Wyznaczenie dokładności strzelania przy wykorzystaniu metody Monte Carlo przebiega w następujących etapach: określenie zakłóceń, określenie układu równań, opisujących proces ruchu pocisku, przeprowadzenie prób statystycznych i określenie w rezultacie każdej próbki uchylenia pocisku od celu, przeprowadzenie opracowania statystycznego otrzymanych danych i ocena dokładności uzyskanych wyników. Podczas modelowania statystycznego należy przeprowadzić próby lotu dostatecznie dużej liczby pocisków. Dla każdego układu warunków i zbioru parametrów pocisku należy wykonać dużą liczbę rozwiązań, aby można było uwzględnić zmiany wielkości losowych od jednego lotu do drugiego. Modelowanie lotu pocisków i rakiet można wykonywać zarówno za pomocą metod numerycznych techniką komputerową, jak i modeli analogowych. Modele analogowe stosowane są do analizy zagadnień stosunkowo prostych. Dużą wadą modeli analogowych jest mniejsza dokładność uzyskanych wyników, spowodowana koniecznością przekształcenia równań różniczkowych w równania różnicowe, oraz ograniczenie złożoności zadania w odniesieniu do układów nieliniowych. Symulacja komputerowa lotu pocisku charakteryzuje się wysoką dokładnością i szerokimi możliwościami rozwiązywania złożonych układów równań, a ich wykorzystanie ograniczone jest głównie zużyciem czasu obliczeniowego i czasu na programowanie. 899

6 4.1. Model symulacyjny procesu strzelania pociskiem przeciwlotniczym do celu powietrznego w pakiecie Mathcad Stochastyczny model symulacyjny procesu strzelania do celu powietrznego opracowano w pakiecie MATHCAD. Na podstawie opracowanego modelu fizycznego pocisku oraz modelu matematycznego procesu strzelania opracowano algorytm stochastycznej symulacji strzelań. W oparciu o algorytm przedstawiony na rysunku 2 opracowano w pakiecie MATHCAD program komputerowy pozwalający na dokonanie symulacji strzelań 35 mm pociskiem przeciwlotniczym typu TP-T i FAPDS-T. W każdej symulacji założono liczność prób na poziomie realizacji. W ogólnym przypadku wybrane wielkości wejściowe symulacji traktuje się jako zmienne losowe i dla każdej próby losuje się pewną ich realizację, co powoduje losowy rozkład współrzędnych punktów trafienia pocisku w płaszczyznę celu. Rozkład ten przyjęto opisywać funkcją gęstości dwuwymiarowego normalnego rozkładu prawdopodobieństwa. Do analiz przyjęto odchylenia prawdopodobne następujących parametrów E i : E V prędkości wylotowej V 0 ; E m masy pocisku m p ; E kąta wizowania celu w elewacji 0 ; E kąta wizowania celu w azymucie 0; E Vwb prędkości wiatru bocznego V wb. Dla wybranych danych wejściowych do symulacji przeprowadzana jest próba polegająca na numerycznym rozwiązaniu równań opisujących ruch przestrzenny pocisku do celu powietrznego. START Określenie liczności próby Losowanie warunków początkowych, traktowanych jako zmienne losowe Rozwiązanie równań modelu matematycznego oraz określenie współrzędnych punktu trafienia pocisku w cel powietrzny Czy została osiągnięta założona liczba prób? Estymacja parametrów rozkładu punktów trafienia pocisku Wyznaczenie prawdopodobieństwa trafienia i porażenia celu powietrznego T KONIEC Rys. 2. Algorytm stochastycznej symulacji strzelań do celu powietrznego N Po zakończeniu cyklu prób, przelicza się współrzędne punktów trafień w nowym układzie współrzędnych cy r z r, o początku w środku celu i wzajemnie prostopadłych osiach y r, z r. Na podstawie tak określonych współrzędnych estymuje się następujące parametry rozkładu punktów trafień (rys. 3): średnia statystyczna wartość oczekiwanej zmiennej losowej Y, średnia statystyczna wartość oczekiwanej zmiennej losowej Z, średnia statystyczna dyspersji dla zmiennej losowej Y, średnia statystyczna dyspersji dla zmiennej losowej Z, średnia statystyczna kowariancji, średnie statystyczne odchylenie standardowe dla zmiennej losowej Y, średnie statystyczne odchylenie standardowe dla zmiennej losowej Z, współczynnik korelacji. 900

7 Rys. 3. Przykładowy rozkład punktów trafień pocisku TP-T uzyskany z symulacji komputerowej dla odległości strzelania 1000 m 4.2. Wyniki badań numerycznych wyznaczania prawdopodobieństwa trafienia pociskiem w cel powietrzny amunicją TP-T i FAPDS-T Poniżej przedstawiono wyniki badań symulacyjnych procesu strzelania pociskiem TP-T i FAPDS-T w nieruchomą i ruchomą zastępczą sylwetkę celu powietrznego przedstawioną na rysunku 4 na odległościach strzelania od m i dla kąta wizowania celu 200 tysięcznych. y zastępcze pole rażenia (sylwetka samolotu w kształcie prostokąta) 2 m x 10 m Rys. 4. Zastępcze pole rażenia samolotu w kształcie prostokąta o wymiarach 2 x 10 m Mając wyznaczone estymatory rozkładu punktów trafień na płaszczyźnie celu powietrznego, wyznaczono: prawdopodobieństwo trafienia pociskiem TP-T w nieruchomą i ruchomą zastępczą sylwetkę celu powietrznego, prawdopodobieństwo trafienia pociskiem FAPDS-T w nieruchomą i ruchomą zastępczą sylwetkę celu powietrznego. Wyznaczenie prawdopodobieństwa trafienia pociskiem w nieruchomy i ruchomy cel powietrzny dla pocisków TP-T i FAPDS-T przeprowadzono dla wybranych parametrów z tabel do strzelań przeciwlotniczych przedstawionych w tabelach 1 i 2 oraz 3 i

8 prawdopodobieństwo Tabela 1. Tabela do strzelań przeciwlotniczych pociskiem TP-T dla kąta wizowania celu 200 mils Odległość do celu r [m] Kąt celownika [mils] Czas lotu t [s] Zboczenie 1 [mils] Wysokość celu h [m] Prędkość uderzenia w cel v u [m/s] ,13 0,957 0,1 195,1 917, ,17 2,216 0,1 390,2 688, ,31 3,924 0,2 585,3 499, ,12 6,305 0,3 780,4 354,9 Tabela 2. Tabela do strzelań przeciwlotniczych pociskiem FAPDS-T dla kąta wizowania celu 200 mils Odległość do celu r [m] Kąt celownika [mils] Czas lotu t [s] Zboczenie 1 [mils] Wysokość celu h [m] Prędkość uderzenia w cel v u [m/s] ,5 0,735 0,0 195,1 1282, ,4 1,555 0,1 390,2 1149, ,9 2,484 0,1 585,3 1030, ,0 3,516 0,2 780,4 922,8 Tabela 3. Wartości liczbowe wybranych parametrów wejściowych dla pocisku TP-T i celu Lp. Dane wejściowe do programu Wartości liczbowe 1. Masa pocisku [kg] 0, Prędkość początkowa pocisku [m/s] Kaliber pocisku [m] 0, Prędkość celu [m/s] 100 Tabela 4. Wartości liczbowe wybranych parametrów wejściowych dla pocisku FAPDS-T i celu Lp. Dane wejściowe do programu Wartości liczbowe 1. Masa pocisku [kg] 0,38/0, Prędkość początkowa pocisku [m/s] Kaliber pocisku [m] Prędkość celu [m/s] TP-T FAPDS-T Rys. 5. Prawdopodobieństwo trafienia pociskiem w cel nieruchomy w funkcji odległości strzelania dla pocisku TP-T i FAPDS-T D [m] 902

9 prawdopodobieństwo prawdopodobieństwo TP-T FAPDS-T Rys. 6. Prawdopodobieństwo trafienia w cel poruszający się z prędkością Vc = 100 m/s w funkcji odległości strzelania pociskiem TP-T i FAPDS-T (lot celu na parametrze, tylna półsfera) D [m] TP-T FAPDS-T D [m] Rys. 7. Prawdopodobieństwo trafienia w cel poruszający się z prędkością Vc = 100 m/s w funkcji odległości strzelania pociskiem TP-T i FAPDS-T (lot celu na parametrze, przednia półsfera) 5. PODSUMOWANIE I WNIOSKI KOŃCOWE 1. Model matematyczny procesu strzelania do celu powietrznego i program symulacyjny opracowany w pakiecie MATHCAD został oparty na stochastycznym algorytmie wyznaczania prawdopodobieństwa trafienia pociskiem TP-T i FAPDS-T w zastępczą sylwetkę celu powietrznego. 2. Do wyznaczenia prawdopodobieństwa trafienia pociskiem w cel nieruchomy i ruchomy zastosowano metodę Monte Carlo, która w zagadnieniach dotyczących określania dokładności strzelania ma bardzo szerokie zastosowanie. 3. Dla wybranych danych wejściowych do symulacji, takich jak: prędkość wylotowa V 0 (±2%), masa pocisku m p (±2%), kąt wizowania celu w elewacji 0 (±0.02 ), kąt wizowania celu w azymucie 0 (±0.02 ), przeprowadzana jest próba polegająca na numerycznym rozwiązaniu równań opisujących ruch przestrzenny pocisku w układzie współrzędnych 0y r z r, o początku w środku celu i wzajemnie prostopadłych osiach y r, z r. 903

10 4. Wybrane wielkości wejściowe symulacji traktuje się jako zmienne losowe i dla każdej próby losuje się pewną ich realizację, co powoduje losowy rozkład współrzędnych punktów trafienia pocisku w płaszczyznę celu. 5. Na podstawie tak określonych współrzędnych estymuje się parametry rozkładu punktów trafień, wykorzystując metodę największej wiarygodności. Mając wyznaczone estymatory rozkładu punktów trafień na płaszczyźnie celu powietrznego, można przystąpić do wyznaczenia prawdopodobieństwa trafienia (porażenia) celu powietrznego. *** Praca naukowa finansowana ze środków na naukę w latach jako projekt badawczy rozwojowy nr R LITERATURA [1] Podstawy badań operacyjnych w technice wojskowej, Wydawnictwo Ministerstwa Obrony Narodowej, [2] Gacek J., Sznuk K.: Teoria i zasady strzelania, WAT, Warszawa [3] Tomaszek H., Wróblewski M.: Podstawy oceny efektywności eksploatacji systemów uzbrojenia lotniczego, WAT, Warszawa [4] Radomski M.: Ocena skuteczności zestawów małokalibrowych armat automatycznych przeznaczonych do zwalczania celów powietrznych, Mat. III Międzynarodowego Sympozjum Rozwój Techniki Wojskowej, Systemy dowodzenia, Gdynia 1995, s [5] Papoulis A.: Prawdopodobieństwo, zmienne losowe i procesy stochastyczne, WNT, Warszawa [6] Pogorzelski F.: Teoria strzelania artylerii naziemnej, WAT, Warszawa [7] Szapiro J.: Balistyka zewnętrzna, MON, Warszawa

MODELOWANIE PRAWDOPODOBIEŃSTWA PORAŻENIA CELU AMUNICJĄ ROZCALANĄ PROGRAMOWO

MODELOWANIE PRAWDOPODOBIEŃSTWA PORAŻENIA CELU AMUNICJĄ ROZCALANĄ PROGRAMOWO Dr inż. Konrad SIENICKI Dr inż. Krzysztof MOTYL Wojskowa Akademia Techniczna MODELOWANIE PRAWDOPODOBIEŃSTWA PORAŻENIA CELU AMUNICJĄ ROZCALANĄ PROGRAMOWO Streszczenie: Jednym z głównych parametrów charakteryzujących

Bardziej szczegółowo

SYMULACYJNE BADANIE SKUTECZNOŚCI AMUNICJI ODŁAMKOWEJ

SYMULACYJNE BADANIE SKUTECZNOŚCI AMUNICJI ODŁAMKOWEJ Dr inż. Maciej PODCIECHOWSKI Dr inż. Dariusz RODZIK Dr inż. Stanisław ŻYGADŁO Wojskowa Akademia Techniczna SYMULACYJNE BADANIE SKUTECZNOŚCI AMUNICJI ODŁAMKOWEJ Streszczenie: W referacie przedstawiono wyniki

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)

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

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

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

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński Mikroekonometria 6 Mikołaj Czajkowski Wiktor Budziński Metody symulacyjne Monte Carlo Metoda Monte-Carlo Wykorzystanie mocy obliczeniowej komputerów, aby poznać charakterystyki zmiennych losowych poprzez

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:

Bardziej szczegółowo

Informatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES)

Informatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES) KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mikroekonometria 5 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.medexp3.dta przygotuj model regresji kwantylowej 1. Przygotuj model regresji kwantylowej w którym logarytm wydatków

Bardziej szczegółowo

S Y L A B U S P R Z E D M I O T U

S Y L A B U S P R Z E D M I O T U "Z A T W I E R D Z A M" Dziekan Wydziału Mechatroniki i Lotnictwa podpis prof. dr hab. inż. Radosław TRĘBIŃSKI Warszawa, dnia... NAZWA PRZEDMIOTU: Kod przedmiotu: Podstawowa jednostka organizacyjna (PJO):

Bardziej szczegółowo

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI 2016/2017 (zakres podstawowy) klasa 3abc

WYMAGANIA EDUKACYJNE Z MATEMATYKI 2016/2017 (zakres podstawowy) klasa 3abc WYMAGANIA EDUKACYJNE Z MATEMATYKI 2016/2017 (zakres podstawowy) klasa 3abc 1, Ciągi zna definicję ciągu (ciągu liczbowego); potrafi wyznaczyć dowolny wyraz ciągu liczbowego określonego wzorem ogólnym;

Bardziej szczegółowo

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCHY KOMPETENCJI EFEKTY KSZTAŁCENIA

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCHY KOMPETENCJI EFEKTY KSZTAŁCENIA I. KARTA PRZEDMIOTU. Nazwa przedmiotu: MATEMATYKA STOSOWANA 2. Kod przedmiotu: Ms 3. Jednostka prowadząca: Wydział Nawigacji i Uzbrojenia Okrętowego 4. Kierunek: Nawigacja 5. Specjalność: Nawigacja morska

Bardziej szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych

Bardziej szczegółowo

WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH

WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: przedmiot obowiązkowy w ramach treści kierunkowych, moduł kierunkowy ogólny Rodzaj zajęć: wykład, ćwiczenia I KARTA PRZEDMIOTU CEL PRZEDMIOTU

Bardziej szczegółowo

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 1

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 1 Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 1 Konrad Miziński, nr albumu 233703 1 maja 2015 Zadanie 1 Parametr λ wyestymowano jako średnia z próby: λ = X n = 3.73 Otrzymany w

Bardziej szczegółowo

Metrologia: organizacja eksperymentu pomiarowego

Metrologia: organizacja eksperymentu pomiarowego Metrologia: organizacja eksperymentu pomiarowego (na podstawie: Żółtowski B. Podstawy diagnostyki maszyn, 1996) dr inż. Paweł Zalewski Akademia Morska w Szczecinie Teoria eksperymentu: Teoria eksperymentu

Bardziej szczegółowo

Kryteria oceniania z matematyki Klasa III poziom podstawowy

Kryteria oceniania z matematyki Klasa III poziom podstawowy Kryteria oceniania z matematyki Klasa III poziom podstawowy Potęgi Zakres Dopuszczający Dostateczny Dobry Bardzo dobry oblicza potęgi o wykładnikach wymiernych; zna prawa działań na potęgach i potrafi

Bardziej szczegółowo

Kryteria oceniania z matematyki Klasa III poziom rozszerzony

Kryteria oceniania z matematyki Klasa III poziom rozszerzony Kryteria oceniania z matematyki Klasa III poziom rozszerzony Zakres Dopuszczający Dostateczny Dobry Bardzo dobry Funkcja potęgowa - zna i stosuje tw. o potęgach - zna wykresy funkcji potęgowej o dowolnym

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo

Podstawowy (podstawowy / kierunkowy / inny HES) Obowiązkowy (obowiązkowy / nieobowiązkowy) Semestr 2. Semestr letni (semestr zimowy / letni)

Podstawowy (podstawowy / kierunkowy / inny HES) Obowiązkowy (obowiązkowy / nieobowiązkowy) Semestr 2. Semestr letni (semestr zimowy / letni) Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012 r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka 2 Nazwa modułu w języku angielskim Mathematics 2 Obowiązuje od

Bardziej szczegółowo

S Y L A B U S P R Z E D M I O T U

S Y L A B U S P R Z E D M I O T U "Z A T W I E R D Z A M Prof. dr hab. inż. Radosław TRĘBIŃSKI Dziekan Wydziału Mechatroniki i Lotnictwa Warszawa, dnia... NAZWA PRZEDMIOTU: Wersja anglojęzyczna: Kod przedmiotu: S Y L A B U S P R Z E D

Bardziej szczegółowo

Weryfikacja modelu matematycznego lotu 35 mm pocisku przeciwlotniczego na podstawie tabel strzelniczych

Weryfikacja modelu matematycznego lotu 35 mm pocisku przeciwlotniczego na podstawie tabel strzelniczych PROBLEMY MECHATRONIKI. UZBROJENIE, LOTNICTWO, INŻYNIERIA BEZPIECZEŃSTWA ISSN 081 5891 (), 010, 35-49 Weryfikacja modelu matematycznego lotu 35 mm pocisku przeciwlotniczego na podstawie tabel strzelniczych

Bardziej szczegółowo

GEODEZJA I KARTOGRAFIA I stopień (I stopień / II stopień) Ogólnoakademicki (ogólnoakademicki / praktyczny)

GEODEZJA I KARTOGRAFIA I stopień (I stopień / II stopień) Ogólnoakademicki (ogólnoakademicki / praktyczny) KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka II Nazwa modułu w języku angielskim Mathematics II Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW

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

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

S Y L A B U S P R Z E D M I O T U

S Y L A B U S P R Z E D M I O T U "Z A T W I E R D Z A M Prof. dr hab. inż. Radosław TRĘBIŃSKI Dziekan Wydziału Mechatroniki i Lotnictwa Warszawa, dnia... NAZWA PRZEDMIOTU: Wersja anglojęzyczna: Kod przedmiotu: S Y L A B U S P R Z E D

Bardziej szczegółowo

S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy

S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne Nazwa modułu: Moduł B - Statystyka z elementami matematyki Rodzaj modułu/przedmiotu Wydział PUM Kierunek studiów Specjalność Poziom studiów Forma studiów

Bardziej szczegółowo

Elektrotechnika II stopień ogólnoakademicki. stacjonarne. przedmiot specjalnościowy. obowiązkowy polski semestr II semestr letni. tak. Laborat. 30 g.

Elektrotechnika II stopień ogólnoakademicki. stacjonarne. przedmiot specjalnościowy. obowiązkowy polski semestr II semestr letni. tak. Laborat. 30 g. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Metody estymacji parametrów i sygnałów Estimation methods of parameters

Bardziej szczegółowo

Analiza błędów obliczania nastaw działowych przy zastosowaniu algorytmu zmiennego w czasie

Analiza błędów obliczania nastaw działowych przy zastosowaniu algorytmu zmiennego w czasie BIULETYN WAT VOL. LVII, NR 1, 2008 Analiza błędów obliczania nastaw działowych przy zastosowaniu algorytmu zmiennego w czasie WŁODZIMIERZ BOROWCZYK, WOJCIECH KACZMAREK Wojskowa Akademia Techniczna, Wydział

Bardziej szczegółowo

Zastosowanie rachunku wyrównawczego do uwiarygodnienia wyników pomiarów w układzie cieplnym bloku energetycznego siłowni parowej

Zastosowanie rachunku wyrównawczego do uwiarygodnienia wyników pomiarów w układzie cieplnym bloku energetycznego siłowni parowej Marcin Szega Zastosowanie rachunku wyrównawczego do uwiarygodnienia wyników pomiarów w układzie cieplnym bloku energetycznego siłowni parowej (Monografia habilitacyjna nr 193. Wydawnictwo Politechniki

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.

Bardziej szczegółowo

Ćwiczenie z fizyki Doświadczalne wyznaczanie ogniskowej soczewki oraz współczynnika załamania światła

Ćwiczenie z fizyki Doświadczalne wyznaczanie ogniskowej soczewki oraz współczynnika załamania światła Ćwiczenie z fizyki Doświadczalne wyznaczanie ogniskowej soczewki oraz współczynnika załamania światła Michał Łasica klasa IIId nr 13 22 grudnia 2006 1 1 Doświadczalne wyznaczanie ogniskowej soczewki 1.1

Bardziej szczegółowo

I. Potęgi. Logarytmy. Funkcja wykładnicza.

I. Potęgi. Logarytmy. Funkcja wykładnicza. WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY TRZECIEJ LICEUM OGÓLNOKSZTAŁCĄCEGO ZAKRES PODSTAWOWY I. Potęgi. Logarytmy. Funkcja wykładnicza. dobrą, bardzo - oblicza potęgi o wykładnikach wymiernych; - zna

Bardziej szczegółowo

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne Wykład 4 Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym 2. Rozkłady próbkowe 3. Centralne twierdzenie graniczne Przybliżenie rozkładu dwumianowego rozkładem normalnym Niech Y ma rozkład

Bardziej szczegółowo

Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM

Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM SZKOŁA GŁÓWNA HANDLOWA w Warszawie STUDIUM MAGISTERSKIE Kierunek: Metody ilościowe w ekonomii i systemy informacyjne Karol Walędzik Nr albumu: 26353 Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący

Bardziej szczegółowo

Ćwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy

Ćwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwisko 1. 2. Temat: Rok Grupa Zespół Nr ćwiczenia Data wykonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 2: ZaleŜność okresu

Bardziej szczegółowo

ZALICZENIA. W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III

ZALICZENIA. W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III ZALICZENIA W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III 1 Wariant I. PROBLEM WŁASNY Sformułować własne zadanie statystyczne związane z własną pracą badawczą

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne Metody numeryczne materiały do wykładu dla studentów 7. Całkowanie numeryczne 7.1. Całkowanie numeryczne 7.2. Metoda trapezów 7.3. Metoda Simpsona 7.4. Metoda 3/8 Newtona 7.5. Ogólna postać wzorów kwadratur

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

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Rok szkolny 2018/2019

WYMAGANIA EDUKACYJNE Rok szkolny 2018/2019 WYMAGANIA EDUKACYJNE Rok szkolny 2018/2019 Przedmiot Klasa Nauczyciele uczący Poziom matematyka 4e Łukasz Jurczak rozszerzony 2. Elementy analizy matematycznej ocena dopuszczająca ocena dostateczna ocena

Bardziej szczegółowo

Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych

Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych Mechatronika i inteligentne systemy produkcyjne Modelowanie systemów mechatronicznych Platformy przetwarzania danych 1 Sterowanie procesem oparte na jego modelu u 1 (t) System rzeczywisty x(t) y(t) Tworzenie

Bardziej szczegółowo

Ilustracja metody Monte Carlo obliczania pola obszaru D zawartego w kwadracie [a,b]x[a,b]

Ilustracja metody Monte Carlo obliczania pola obszaru D zawartego w kwadracie [a,b]x[a,b] Ilustracja metody Monte Carlo obliczania pola obszaru D zawartego w kwadracie [a,b]x[a,b] Dagna Bieda, Piotr Jarecki, Tomasz Nachtigall, Jakub Ciesiółka, Marek Kubiczek Metoda Monte Carlo Metoda Monte

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

DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI

DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia

Bardziej szczegółowo

1. Potęgi. Logarytmy. Funkcja wykładnicza

1. Potęgi. Logarytmy. Funkcja wykładnicza 1. Potęgi. Logarytmy. Funkcja wykładnicza Tematyka zajęć: WYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE OCENY KL. 3 POZIOM PODSTAWOWY Potęga o wykładniku rzeczywistym powtórzenie Funkcja wykładnicza i jej własności

Bardziej szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE EFEKTY KSZTAŁCENIA KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział: Matematyki Kierunek studiów: Matematyka i Statystyka (MiS) Studia w j. polskim Stopień studiów: Pierwszy (1) Profil: Ogólnoakademicki (A) Umiejscowienie kierunku

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja

Bardziej szczegółowo

Całkowanie numeryczne

Całkowanie numeryczne Całkowanie numeryczne Poniżej omówione zostanie kilka metod przybliżania operacji całkowania i różniczkowania w szczególności uzależnieniu pochodnej od jej różnic skończonych gdy równanie różniczkowe mamy

Bardziej szczegółowo

ANALIZA SKUTECZNOŚCI ZWALCZANIA POCISKÓW MANEWRUJĄCYCH PRZY UŻYCIU AMUNICJI AHEAD

ANALIZA SKUTECZNOŚCI ZWALCZANIA POCISKÓW MANEWRUJĄCYCH PRZY UŻYCIU AMUNICJI AHEAD Prof. dr hab. inż. Józef GACEK Dr inż. Konrad SIENICKI Dr inż. Krzysztof MOTYL Wojskowa Akademia Techniczna ANALIZA SKUTECZNOŚCI ZWALCZANIA POCISKÓW MANEWRUJĄCYCH PRZY UŻYCIU AMUNICJI AHEAD Streszczenie:

Bardziej szczegółowo

Aproksymacja funkcji a regresja symboliczna

Aproksymacja funkcji a regresja symboliczna Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą

Bardziej szczegółowo

MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ. programowej dla klas IV-VI. programowej dla klas IV-VI.

MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ. programowej dla klas IV-VI. programowej dla klas IV-VI. MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ TEMAT LICZBA GODZIN LEKCYJNYCH WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ UWAGI. LICZBY I DZIAŁANIA 6 h Liczby. Rozwinięcia

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

Rachunek prawdopodobieństwa projekt Ilustracja metody Monte Carlo obliczania całek oznaczonych

Rachunek prawdopodobieństwa projekt Ilustracja metody Monte Carlo obliczania całek oznaczonych Rachunek prawdopodobieństwa projekt Ilustracja metody Monte Carlo obliczania całek oznaczonych Autorzy: Marta Rotkiel, Anna Konik, Bartłomiej Parowicz, Robert Rudak, Piotr Otręba Spis treści: Wstęp Cel

Bardziej szczegółowo

Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego w kwadracie [a, b] [a, b].

Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego w kwadracie [a, b] [a, b]. Rachunek Prawdopodobienstwa MAEW104 Wydział Elektroniki, rok akad. 2008/09, sem. letni wykład: dr hab. Agnieszka Jurlewicz Temat projektu: Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

Prawdopodobieństwo geometryczne Prawdopodobieństwo geometryczne Krzysztof Jasiński Wydział Matematyki i Informatyki UMK, Toruń V Lieceum Ogólnokształące im. Jana Pawała II w Toruniu 13.03.2014 Krzysztof Jasiński (WMiI UMK) Prawdopodobieństwo

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej

Bardziej szczegółowo

MESKO Spółka Akcyjna Ul. Legionów 122, Skarżysko-Kamienna

MESKO Spółka Akcyjna Ul. Legionów 122, Skarżysko-Kamienna MESKO Spółka Akcyjna 1 PRZEZNACZENIE PRODUKTU 23x151 mm naboje z pociskiem przeciwpancerno-zapalająco-smugowym BZT przeznaczone są do rażenia samolotów oraz śmigłowców z: armaty ZU-23; armaty ZSU-23-4;

Bardziej szczegółowo

BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH

BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH Dr inż. Artur JAWORSKI, Dr inż. Hubert KUSZEWSKI, Dr inż. Adam USTRZYCKI W artykule przedstawiono wyniki analizy symulacyjnej

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP. V. Obliczenia procentowe. Uczeń: 1) przedstawia część wielkości jako procent tej wielkości;

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP. V. Obliczenia procentowe. Uczeń: 1) przedstawia część wielkości jako procent tej wielkości; WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP Liczby. TEMAT Rozwinięcia dziesiętne liczb wymiernych. Zaokrąglanie liczb. Szacowanie wyników. Dodawanie i odejmowanie liczb dodatnich. Mnożenie i dzielenie

Bardziej szczegółowo

12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych

12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych (pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:

Bardziej szczegółowo

Metody symulacji komputerowych Modelowanie systemów technicznych

Metody symulacji komputerowych Modelowanie systemów technicznych Metody symulacji komputerowych Modelowanie systemów technicznych dr inż. Ryszard Myhan Katedra Inżynierii Procesów Rolniczych Program przedmiotu Lp. Temat Zakres 1. Wprowadzenie do teorii systemów Definicje

Bardziej szczegółowo

Tomasz Tobiasz PLAN WYNIKOWY (zakres podstawowy)

Tomasz Tobiasz PLAN WYNIKOWY (zakres podstawowy) Tomasz Tobiasz PLAN WYNIKOWY (zakres podstawowy) klasa 3. PAZDRO Plan jest wykazem wiadomości i umiejętności, jakie powinien mieć uczeń ubiegający się o określone oceny na poszczególnych etapach edukacji

Bardziej szczegółowo

MESKO Spółka Akcyjna Ul. Legionów 122, Skarżysko-Kamienna

MESKO Spółka Akcyjna Ul. Legionów 122, Skarżysko-Kamienna 1 2 PRZEZNACZENIE PRODUKTU 23x151 mm naboje z pociskiem przeciwpancerno-zapalająco-smugowym BZT przeznaczone są do rażenia samolotów oraz śmigłowców z: armaty ZU-23; armaty ZSU-23-4; armaty ZSU-23-4M;

Bardziej szczegółowo

Szczegółowy rozkład materiału dla klasy 3b poziom rozszerzny cz. 1 - liceum

Szczegółowy rozkład materiału dla klasy 3b poziom rozszerzny cz. 1 - liceum Szczegółowy rozkład materiału dla klasy b poziom rozszerzny cz. - liceum WYDAWNICTWO PAZDRO GODZINY Lp. Tematyka zajęć Liczba godzin I. Funkcja wykładnicza i funkcja logarytmiczna. Potęga o wykładniku

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż.

Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż. Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż. Joanna Szulczyk Politechnika Warszawska Instytut Techniki Lotniczej i Mechaniki

Bardziej szczegółowo

12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych

12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych (pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:

Bardziej szczegółowo

Technologia informacyjna Algorytm Janusz Uriasz

Technologia informacyjna Algorytm Janusz Uriasz Technologia informacyjna Algorytm Janusz Uriasz Algorytm Algorytm - (łac. algorithmus); ścisły przepis realizacji działań w określonym porządku, system operacji, reguła komponowania operacji, sposób postępowania.

Bardziej szczegółowo

1.Funkcja logarytmiczna

1.Funkcja logarytmiczna Kryteria oceniania z matematyki dla klasy IV TI poziom podstawowy, na podstawie programu nauczania DKOS- 5002-05/08 1.Funkcja logarytmiczna -potrafi obliczyć logarytm liczby dodatniej; -zna i potrafi stosować

Bardziej szczegółowo

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0 Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia

Bardziej szczegółowo

ĆWICZENIE nr 3. Badanie podstawowych parametrów metrologicznych przetworników analogowo-cyfrowych

ĆWICZENIE nr 3. Badanie podstawowych parametrów metrologicznych przetworników analogowo-cyfrowych Politechnika Łódzka Katedra Przyrządów Półprzewodnikowych i Optoelektronicznych WWW.DSOD.PL LABORATORIUM METROLOGII ELEKTRONICZNEJ ĆWICZENIE nr 3 Badanie podstawowych parametrów metrologicznych przetworników

Bardziej szczegółowo

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Zał. nr do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim BADANIA OPERACYJNE Nazwa w języku angielskim Operational research Kierunek studiów (jeśli dotyczy): Matematyka

Bardziej szczegółowo

Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. 2 godz. = 76 godz.)

Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. 2 godz. = 76 godz.) Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. godz. = 76 godz.) I. Funkcja i jej własności.4godz. II. Przekształcenia wykresów funkcji...9 godz. III. Funkcja

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE NIEZBĘDNE DO OTRZYMANIA PRZEZ UCZNIA POSZCZEGÓLNYCH ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI

WYMAGANIA EDUKACYJNE NIEZBĘDNE DO OTRZYMANIA PRZEZ UCZNIA POSZCZEGÓLNYCH ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI WYMAGANIA EDUKACYJNE NIEZBĘDNE DO OTRZYMANIA PRZEZ UCZNIA POSZCZEGÓLNYCH ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI (zakres podstawowy) Rok szkolny 2018/2019 - klasa 3a, 3b, 3c 1, Ciągi

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński

Modelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński Modelowanie i obliczenia techniczne dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura Z. Fortuna, B. Macukow, J. Wąsowski: Metody numeryczne, WNT Warszawa, 2005. J. Awrejcewicz: Matematyczne modelowanie

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA LISTA 10 1.Dokonano 8 pomiarów pewnej odległości (w m) i otrzymano: 201, 195, 207, 203, 191, 208, 198, 210. Wiedząc,że błąd pomiaru ma rozkład normalny

Bardziej szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

STATYCZNA PRÓBA ROZCIĄGANIA

STATYCZNA PRÓBA ROZCIĄGANIA Mechanika i wytrzymałość materiałów - instrukcja do ćwiczenia laboratoryjnego: STATYCZNA PRÓBA ROZCIĄGANIA oprac. dr inż. Jarosław Filipiak Cel ćwiczenia 1. Zapoznanie się ze sposobem przeprowadzania statycznej

Bardziej szczegółowo

Metody Statystyczne. Metody Statystyczne.

Metody Statystyczne. Metody Statystyczne. gkrol@wz.uw.edu.pl #4 1 Sprawdzian! 5 listopada (ok. 45-60 minut): - Skale pomiarowe - Zmienne ciągłe i dyskretne - Rozkład teoretyczny i empiryczny - Miary tendencji centralnej i rozproszenia - Standaryzacja

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Bioinformatyka Wykład 6 Wrocław, 7 listopada 2011 Temat. Weryfikacja hipotez statystycznych dotyczących proporcji. Test dla proporcji. Niech X 1,..., X n będzie próbą statystyczną z 0-1. Oznaczmy odpowiednio

Bardziej szczegółowo

Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści

Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, 2017 Spis treści Od autorów 11 I. Klasyczne metody numeryczne Rozdział 1. Na początek 15 1.1.

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

O 2 O 1. Temat: Wyznaczenie przyspieszenia ziemskiego za pomocą wahadła rewersyjnego

O 2 O 1. Temat: Wyznaczenie przyspieszenia ziemskiego za pomocą wahadła rewersyjnego msg M 7-1 - Temat: Wyznaczenie przyspieszenia ziemskiego za pomocą wahadła rewersyjnego Zagadnienia: prawa dynamiki Newtona, moment sił, moment bezwładności, dynamiczne równania ruchu wahadła fizycznego,

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

Estymacja parametrów, przedziały ufności etc

Estymacja parametrów, przedziały ufności etc Estymacja parametrów, przedziały ufności etc Liniowa MNK przypomnienie Wariancja parametrów Postulat Bayesa: rozkłady p-stwa dla parametrów Przypadek nieliniowy Przedziały ufności Rozkłady chi-kwadrat,

Bardziej szczegółowo