Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta
|
|
- Aniela Kania
- 7 lat temu
- Przeglądów:
Transkrypt
1 Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta
2 . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2
3 2. Dwa modele wzaczea parametrów trasformacj I. Model perwsz oparcu o wzór () tworzoe są rówaa warukowe z ewadomm [] ( c + c) + ( b + db) ( + v ) ( a + a) ( v ) + v = d d + ( d + dd ) + ( a + da) ( + v ) + ( b + b) ( v ) (2) + v = d + Forma macerzowa EV + B V + A + L p w p = (3) 3
4 4 ( ) ( ) ( ) ( ) = b a d a b c b a d a b c L = A = b a a b b a a b p!!!! B (4) T w v v v v ]... = [ V (5) T p v v v v ]... = [ V (6) (7) T d c b a ] [ d d d d = -współrzęde wtóre puktów dostosowaa,, -współrzęde perwote puktów dostosowaa.,
5 wku rozwązaa układu (3) z wkorzstaem metod ajmejszch kwadratów otrzmam = ( ) ( ) T T T T T [ A P + B pp B p A ] A P + B pp B p L ( ) T P + B P B ( A L) w K = + V V w p gdze w P = C P = w w P = C p p p w p P p p p E B T p K w p (8) (9) () () (2) P, P w p - macerze wagowe współrzędch puktów dostosowaa, w układze wtórm oraz, w układze perwotm, C, C w p - macerze waracjo-kowaracje współrzędch puktów dostosowaa, 5 K - macerz korelat.
6 II. Model drug + V + V = = t t =, 2,..., gdze lczba puktów dostosowaa, t, t t (3) -współrzęde wtóre puktów dostosowaa wlczoe wzoram () po wzaczeu parametrów a, b, c, d. = c + b t = d + a + a b 6
7 7 Forma macerzowa przekształcoch wzorów (3): w A V = (4) gdze: = V V V V " V =... A = w " = d c b a ) (5
8 Zwkle P = E w (6) E macerz jedostkowa Moża wprowadzć P w = dag [ ] m m... m m (7) wówczas = ( ) T T A P A A P w w w (8) 8
9 3. arat oblczeń różm dwa modele fukcjoale: I z wkorzstaem rówań warukowch z ewadomm, II z wkorzstaem rówań poprawek. zborze współrzędch puktów dostosowaa wdzelam: w w 2 p 2 - dwa podzbor w układze wtórm, - dwa podzbor p w układze perwotm. Zróżcowae średch błędów współrzędch pomędz podzboram m = m (9) welokrotość błędu średego m, m - moduł błędu średego arat oblczeń zestawoe w tabel. 9
10 Tabela Lp. Model fukcjoal arat Średe błęd współrzędch puktów dostosowaa w układach wtórm perwotm m m 2 mw m w I m m m m 2 2/A 2m 2m m m 3 2/B m 2m,5m m 4 2/C 2m m m,5m 5 2/D m 3m,33m m 6 2/E 3m m m,33m 7 3/A m m 2m 2m 8 3/B,5m m m 2m 9 3/C m,5m 2m m 3/D,33m m m 3m 3/E m,33m 3m m 2 2/B/ m 2m,33m,5m 3 2/C/ 2m m,5m,33m 4 2/D/ m 3m 2m 4m 5 2/E/ 3m m 4m 2m 6 II 4 m m /B m 2m /C 2m m /D m 3m /E 3m m /B,5m m /C m,5 m /D,33m m /E m,33m - -
11 Podzbor puktów dostosowaa: = w ={,2}; 2 = w 2 ={3,4,5} z wjątkem waratów 2 5 w którch: = {,2}, 2 = {3,4,5}, w = {,2,3}, w 2 = {4,5}.
12 4. Szkc sec puktów - pukt dostosowaa, - pukt o współrzędch w układze perwotm. 2
13 5. Różce parametrów trasformacj pomędz waratam oblczeń Tabela 2 3
14 6. Przedzał bezwzględch wartośc różc współrzędch przetrasformowach pomędz różm waratam oblczeń. Tabela 3 4
15 7. osk. płw wboru modelu fukcjoalego e uwdacza sę w wkach trasformacj jeśl przjęta zostae jedakowa macerz wag dla współrzędch wtórch puktów dostosowaa gd współczk proporcjoalośc k średch błędów współrzędch w podzborach = w oraz 2 = w 2 puktów dostosowaa, dla modelu I, będze jedakow czl gd P = k ; P w = k P 2 2 w P Stąd też różce wków trasformacj współrzędch, w waratach podach w tabel 3, lp. 4, są rówe zero. 5
16 2. Newelke zma współrzędch przetrasformowach wstąpł pomędz waratam obu model, podam w tabel 3, l.p. 5, kol. 2 3, gd średe błęd współrzędch perwotch w modelu I, są 3 4 raz mejsze od średch błędów współrzędch wtórch puktów dostosowaa (tabela, poz. 2 3). Różce współrzędch przetrasformowach w tm przpadku obejmują przedzał,8 mm (tab. 3, lp. 6, kol. 2 3). 6
17 3. Istote zma w wartoścach współrzędch wstąpł w obu modelach gd średe błęd współrzędch perwotch puktów dostosowaa są wększe od średch błędów współrzędch wtórch tch puktów. przkładze oblczeowm welokrotość zma średch błędów wosła,3 2, (tab., lp. 4 5). Różce współrzędch przetrasformowach pomędz waratam podam w tabel 3, lp. 5, kol. 4 5 meszczą sę w przedzale (,5 7,5) mm, a węc w praktce e pow bć zaedbwae. Należ zazaczć, że wosek 2 3 jest słusz prz założeu zróżcowaa współczka proporcjoalośc wag współrzędch perwotch wtórch przajmej dla 2 podzborów współrzędch obejmującch e detcze pukt w obu układach. 7
18 4. Na podstawe wosku 3 moża stwerdzć, że wbór modelu może bć stot dla wków trasformacj współrzędch gd wstępuje zróżcowae stosuku wag współrzędch w podzborach puktów dostosowaa dla układów perwotego wtórego. Szczególe to zróżcowae uwdacza sę gd wag współrzędch perwotch są mejsze od wag współrzędch w układze wtórm. 8
19 5. Prz porówwau wków oblczeń waratu z pozostałm moża stwerdzć, że zróżcowae wag współrzędch ma wpłw a wartośc przetrasformowach współrzędch z wjątkem przpadków gd welokrotośc zma wag są jedakowe dla wszstkch współrzędch puktów dostosowaa w obrębe zboru wtórego oddzele - perwotego (tab. 5, lp. 5, kol. 2). Moża także zauważć, że jedakowe wk przetrasformowach współrzędch uzskujem dla porówwach waratów, w którch wag, w tch samch podzborach współrzędch, zróżcowae są w jedakowej proporcj, tj. P : P = Pw : Pw = k - dla modelu 2 2 I P : P = k - dla modelu II. osek te wka z 2 porówaa dach w kolumach 3 6 tabel 3 obejmującch lp. 5, z uwzględeem błędów średch podach w tabel, dla aalzowach waratów. 9
20 6. prezetowam przkładze lczbowm zróżcowae wag, w stosuku do waratu, w którm wag wszstkch współrzędch są jedakowe (warat 4), powoduje maksmalą zmaę współrzędch przetrasformowach rzędu 2,3 mm zarówo w perwszm jak drugm modelu fukcjoalm (por. lp. 5 w tab. 3). 2
21 7. k oblczeń zameszczoe w tabel 3, lp. 7 określają wpłw zama wag w podzborach, w dwu waratach oblczeń oraz j, a zmaę wartośc przetrasformowach współrzędch. Jeśl średe błęd współrzędch w podzborach, brae do oblczea wag, spełają proporcję: m j j j j : m = mw : mw = m : m = mw : mw q dla modelu I = j j m : m = m : m = 2 2 q - dla modelu II to dla q = 2 maksmale różce współrzędch woszą 24 mm, atomast dla q = 3 różce w przetrasformowach współrzędch w obu waratach dochodzą do 34,9 mm. k te mogą także wskazwać a wpłw edokładego oszacowaa średch błędów współrzędch w poszczególch podzborach, a rezultat trasformacj. 2
22 8. Jeśl w trasformacj współrzędch stosujem model II przjmem jedakowe wag dla wszstkch puktów dostosowaa, to w przpadku, gd w rzeczwstośc, przajmej w jedm podzborze średe błęd różą sę dwukrote to maksmale różce współrzędch dochodzą do 4,2 mm, atomast prz trzkrotm zróżcowau średch błędów maksmale różce współrzędch dochodzą do 2,3 mm. ka z tego, że ezależe od wboru modelu trasformacj wag współrzędch wtórch mają wpłw a wk przetrasformowach współrzędch. 22
23 8. Lteratura [] Osada E.; Aalza, wrówae modelowae geodach. dawctwo Akadem Rolczej we rocławu,
24 Dzękuję za uwagę 24
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 szczegółowoWnioskowanie statystyczne dla korelacji i regresji.
STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...
Bardziej szczegółowoMETODY KOMPUTEROWE 1
MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc
Bardziej szczegółowoLinie regresji II-go rodzaju
Lam regresj II-go rodzaju zmeej () względem () azwam zadae krzwe g(;,, ) oraz h(;,, ) gd spełają oe odpowedo waruk: E E Le regresj II-go rodzaju ( ( )) ( ) ( ) ( ) ( ) g ;,,... g ;,,... f, dd m,,... (
Bardziej szczegółowoopisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn
ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.
Bardziej szczegółowoRegresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US
Regresja lowa metoda ajmejszch kwadratów Tadeusz M. Moleda Isttut Fzk US Regresja lowa (też: metoda ajmejszch kwadratów, metoda wrówawcza, metoda Gaussa) Zagadea stota metod postulat Gaussa współczk prostej
Bardziej szczegółowoFUNKCJE DWÓCH ZMIENNYCH
FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam
Bardziej szczegółowoOBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE
OBLICZNIE GEOMETRYCZNYCH MOMENTÓW BEZWŁDNOŚCI FIGUR PŁSKICH, TWIERDZENIE STEINER LBORTORIUM RCHUNKOWE Prz oblczeach wtrzmałoścowch dotczącch ektórch przpadków obcążea (p. zgae) potrzeba jest zajomość pewch
Bardziej szczegółowoKORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech
KORELACJA I REGRESJA. KORELACJA X, Y - cech badae rówocześe. Dae statstcze zapsujem w szeregu statstczm dwóch cech...... lub w tablc korelacjej. X Y... l.... l.... l................... k k k... kl k..j......l
Bardziej szczegółowoTeoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka
Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej
Bardziej szczegółowoOpracowanie wyników pomiarów
Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów
Bardziej szczegółowoZaawansowane 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 szczegółowoMateriały do wykładu 7 ze Statystyki
Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj
Bardziej szczegółowoStatystyka. Katarzyna Chudy Laskowska
Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA
Bardziej szczegółowoBADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ
Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.
Bardziej szczegółowoNatalia Nehrebecka. Dariusz Szymański
atala ehreecka Darusz Szmańsk Wkład . MK przpadek welu zmech. Własośc hperpłaszczz regresj 3. Doroć ć dopasowaa rówaa regresj. Współczk determacj R Dekompozcjawaracj zmeejzależejzależej Współczk determacj
Bardziej szczegółowoMiary 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 szczegółowoN ( 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 szczegółowoProjekt 3 3. APROKSYMACJA FUNKCJI
Projekt 3 3. APROKSYMACJA FUNKCJI 3. Krter proksmcj. Złóżm że () jest ukcją cągłą w przedzle [ b ]. Zlezee przblże (proksmcj) poleg wzczeu współczków pewego welomu P() któr będze dobrze przblżł w tm przedzle
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZA 1. Wkład wstęp. Teora prawdopodobeństwa elemet kombatork. Zmee losowe ch rozkład 3. Populacje prób dach, estmacja parametrów 4. Testowae hpotez statstczch 5. Test parametrcze (a
Bardziej szczegółowoNiepewności pomiarów. DR Andrzej Bąk
Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Bardziej szczegółowoRegresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa)
Regresj low (metod jmejszch kwdrtów, metod wrówwcz, metod Guss) stot metod postult Guss współczk prostej kostrukcj prostej teoretczej trsformcj fukcj elowch przkłd Regresj low czm poleg? Jeśl merzoe dwe
Bardziej szczegółowoJego 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 szczegółowoProjekt 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 szczegółowoZAGADNIENIE 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 szczegółowoREGRESJA LINIOWA. gdzie
REGREJA LINIOWA Jeżel zmerzoo obarczoe tlko błędam przpadkowm wartośc (, ),,,..., dwóch różch welkośc fzczch X Y, o którch wadomo, że są zwązae ze sobą zależoścą lową f(), to ajlepszm przblżeem współczków
Bardziej szczegółowoSystem 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 szczegółowoPodprzestrzenie 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 szczegółowoPodstawy analizy niepewności pomiarowych (I Pracownia Fizyki)
Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowoRys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna.
terpolcj.doc Iterpolcj fukcj. Sformułowe problemu: Rs.. Iterpolcj fukcj low, b kwdrtow, c kubcz. De są rgumet,,,. orz odpowdjące m wrtośc fukcj = f, = f,, = f. Postć fukcj = f jest e z lub z. Poszukw jest
Bardziej szczegółowoMATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ
MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wkład 4 Matematcze opracowwae wków ekspermetalch Cz. I. Metoda ajmejszch kwadratów Cz. II. Metod statstcze UWAGI OGÓLNE Ekspermet wkowae w auce moża podzelć
Bardziej szczegółowoSystem finansowy gospodarki
System fasowy gospodark Zajęca r 6 Matematyka fasowa c.d. Rachuek retowy (autetowy) Maem rachuku retowego określa sę regulare płatośc w stałych odstępach czasu przy założeu stałej stopy procetowej. Przykłady
Bardziej szczegółowoMODEL SHARP A - MIARY WRAŻLIWOŚCI
MODEL SHARP A - MIARY WRAŻLIWOŚCI Współzależość cech Rozważam jedostk zborowośc badae ze względu a dwe, lub węcej zmech W przpadku obserwacj opartch a dwóch zmech możem wkreślć dagram korelacj. Każda obserwacja
Bardziej szczegółowoma 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 szczegółowoRACHUNEK NIEPEWNOŚCI POMIARU
Mędzarodowa Norma Oce Nepewośc Pomaru (Gude to Epresso of Ucertat Measuremets - Mędzarodowa Orgazacja Normalzacja ISO RACHUNEK NIEPEWNOŚCI http://phscs.st./gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewodk.
Bardziej szczegółowoPłaskie układy obciąŝeń. Opis analityczny wielkości podstawowych. wersory. mechanika techniczna i wytrzymałość materiałów 1 statyka 2
Opis aalitcz wielkości podstawowch wersor e x, e Opis aalitcz wielkości podstawowch współrzęde puktów A( x A, B( x B, A B ) ) Opis aalitcz wielkości podstawowch współrzęde puktów A( x A, B( x B, A B )
Bardziej szczegółowoPrzykładowe zadania dla poziomu rozszerzonego
Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZA. Wkład węp. Teora prawdopodobeńwa elemet kombatork 3. Zmee losowe 4. Populace prób dach 5. Teowae hpotez emaca parametrów 6. Te t 7. Te 8. Te F 9. Te eparametrcze 0. Podsumowae dotchczasowego
Bardziej szczegółowoMatematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył.
Wkład. Całka podwója. Zamaa a całkę terowaą. Oblczae pól obszarów objętośc brł.. Całka podwója w prostokące. Jak pamętam, całka ozaczoa z cągłej fukcj jedej zmeej wprowadzoa bła w celu oblczaa pola powerzch
Bardziej szczegółowo. 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 szczegółowoZadanie 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 szczegółowoStrona: 1 1. CEL ĆWICZENIA
Katedra Podstaw Sstemów Techczch - Podstaw metrolog - Ćwczee 4. Wzaczae charakterstk regulacjej slka prądu stałego Stroa:. CEL ĆWICZENIA Celem ćwczea jest pozae zasad dzałaa udow slka prądu stałego, zadae
Bardziej szczegółowoOBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
Bardziej szczegółowoStanisław 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 szczegółowoStatystyczna 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 szczegółowoPlanowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
Bardziej szczegółowoModelowanie 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 szczegółowoStatystyka 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 szczegółowoWykład 6. Klasyczny model regresji liniowej
Wkład 6 Klacz modl rgrj lowj Rgrja I rodzaju pokazuj jak zmają ę warukow wartośc oczkwa zmj zalżj w zalżośc od wartośc zmj zalżj. E X m Obraz gomtrcz tj fukcj to krzwa rgrj I rodzaju czl zbór puktów płazczz,
Bardziej szczegółowoWspółczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych
Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00
Bardziej szczegółowoStatystyczne 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 szczegółowoObliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?
Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)
Bardziej szczegółowoStatystyka powtórzenie (II semestr) Rafał M. Frąk
Statstka powtórzee (II semestr) Rafał M. Frąk TEORIA, OZNACZENIA, WZORY Rodzaje mar statstczch mar położea - wzaczają przecęta wartość cech statstczej mar zróżcowaa (lub zmeośc, rozproszea, dspersj) -
Bardziej szczegółowoPrawdopodobieństwo 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( ) 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 szczegółowoma 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 szczegółowoPomiary bezpośrednie i pośrednie obarczone błędem przypadkowym
Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego
Bardziej szczegółowoMatematyka 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 szczegółowoWymiarowanie przekrojów stalowych
Wmarowae przekrojów stalowch Program służ o prostch, poręczch oblczeń ośośc przekrojów stalowch. Pozwala o a oblczea przekrojów obcążoch: mometem zgającm [km], mometem zgającm [km], słą połużą [k]. Przekroje
Bardziej szczegółowoZadanie 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 szczegółowotermodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi
fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow
Bardziej szczegółowoStanisław 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 szczegółowoTARCIE 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 szczegółowoProjekt 10 Obciążenia kadłuba
Wdzał echacz Eergetk Lotctwa oltechk Warszawske - Zakład amolotów Śmgłowców roekt 10 Obcążea kadłuba W oblczeach obcążeń zewętrzch kadłub samolotu traktue sę zazwcza ako belkę podpartą a okucach skrzdło-kadłub.
Bardziej szczegółowoMODELE 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 szczegółowoMonika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu
Bardziej szczegółowoProjekt 3 Analiza masowa
Wydzał Mechaczy Eergetyk Lotctwa Poltechk Warszawskej - Zakład Saolotów Śgłowców Projekt 3 Aalza asowa Nejszy projekt składa sę z dwóch częśc. Perwsza polega projekce wstępy wętrza kaby (kadłuba). Druga
Bardziej szczegółowoFunkcja 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 szczegółowoL.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 szczegółowof x f y f, jest 4, mianowicie f = f xx f xy f yx
Zestaw 14 Pochodne wŝszch rzędów Niech będzie dana funkcja x f określona w pewnm obszarze D Przpuśćm Ŝe f x istnieją pochodne cząstkowe tej funkcji x x Pochodne cząstkowe tch pochodnch jeŝeli istnieją
Bardziej szczegółowoWyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.
Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór
Bardziej szczegółowoAnaliza ZALEśNOŚCI pomiędzy CECHAMI (Analiza KORELACJI i REGRESJI)
D. Mszczńska, M.Mszczńsk, Materał do wkładu 7 ze Statstk (wersja poprawoa), WSEH, Skerewce 009/0 [] Aalza ZALEśNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje
Bardziej szczegółowoRACHUNEK NIEPEWNOŚCI POMIARU
Mędznarodowa Norma Ocen Nepewnośc Pomaru(Gude to Epresson of Uncertant n Measurements - Mędznarodowa Organzacja Normalzacjna ISO) RACHUNEK NIEPEWNOŚCI http://phscs.nst./gov/uncertant POMIARU Wrażane Nepewnośc
Bardziej szczegółowoEKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.
Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,
Bardziej szczegółowoANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH
ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH Na ogół oprócz obserwacj jedej zmeej zberam róweż formacje towarzszące, które mogą meć zaczee w aalze teresującej as welkośc. Iformacje te mogą bć p. wkorzstae
Bardziej szczegółowoWyrażanie 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 szczegółowoMh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem
Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )
Bardziej szczegółowoSTATYSTYKA I stopień ZESTAW ZADAŃ
Stattka ZADAIA STATYSTYKA I topeń ZESTAW ZADAŃ dr Adam Sojda. Aalza truktur jedowmarowego rozkładu emprczego..... Badae wpółzależośc w dwuwmarowm rozkładze emprczm. 8 3. Aalza zeregów czaowch.... 4. Aalza
Bardziej szczegółowoII. ĆWICZENIA LABORATORYJNE
II. ĆWICZENIA LABORATORYJNE ZADANIE Nr STATYSTYCZNA OCENA WYNIKÓW DOŚWIADCZALNYCH. Wartość średa, odchlee stadardowe, mar dspersj. ZADANIE Nr STATYSTYCZNA OCENA WYNIKÓW DOŚWIADCZALNYCH. Zależość wartośc
Bardziej szczegółowoProblem nośności granicznej płyt żelbetowych w ujęciu aktualnych przepisów normowych. Prof. dr hab. inż. Piotr Konderla, Politechnika Wrocławska
Proble nośnośc grancznej płt żelbetowch w ujęcu aktualnch przepsów norowch Prof. dr hab. nż. Potr Konderla Poltechnka Wrocławska 1. Wprowadzene Przedote analz jest płta żelbetowa zbrojona ortogonalne paraetrzowana
Bardziej szczegółowoL.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5
L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne
TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau
Bardziej szczegółowoStatystyka Opisowa 2014 część 3. Katarzyna Lubnauer
Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław
Bardziej szczegółowoMetoda Monte-Carlo i inne zagadnienia 1
Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów
Bardziej szczegółowo[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7
6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram
Bardziej szczegółowoPortfel 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 szczegółowoRegresja 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 szczegółowo08 Model planowania sieci dostaw 1Po_2Pr_KT+KM
Nr Tytuł: Autor: 08 Model plaowaa sec dostaw 1Po_2Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:
Bardziej szczegółowoPomiary parametrów napięć i prądów przemiennych
Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach
Bardziej szczegółowoPodstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki
tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga
Bardziej szczegółowo123456 782923456 6 22336 46466 6 6 6 783863658386 6 6 6 6 4!"! 468983#84636434$4636 6 6 6 %&6 '5626 ()68'546 6 6 &6 6 82845469234548*+6 %6 6 6 %6 '56268'546"'844$$6 %6 6 6 %&6 '5626 ()68'546,6 6 6 6 -*386
Bardziej szczegółowoSTATYSTYKA OPISOWA WYKŁAD 3,4
STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s
Bardziej szczegółowoAKADEMIA 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 szczegółowoPODSTAWY 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 szczegółowoZMIENNE 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 szczegółowoLOGISTYKA DYSTRYBUCJI ćwiczenia 3 LOKALIZACJA PODMIOTÓW (POŚREDNICH) METODA ŚRODKA CIĘŻKOŚCI. AUTOR: mgr inż. ROMAN DOMAŃSKI
LOGISTYKA DYSTRYBUCJI ćwczea 3 LOKALIZACJA PODIOTÓW (POŚREDNICH) ETODA ŚRODKA CIĘŻKOŚCI AUTOR: mgr ż. ROAN DOAŃSKI Lokalzacja podmotów (pośredch) metoda środka cężkośc Lteratura Potr Cyplk, Dauta Głowacka-Fertch,
Bardziej szczegółowoPŁASKA 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 szczegółowoWypadkowa zbieżnego układu sił
.4.. padkowa zbieżego układu sił rzestrze układ sił Siłami zbieżmi azwam sił, którch liie działaia przeciają się w jedm pukcie, azwam puktem zbieżości (rs..a). oieważ sił działające a ciało sztwe moża
Bardziej szczegółowo