RELIABILITY ANALYSIS OF HELICOPTER S SUPPORTINGSTRACTURE WITH SSI AND SST MODELS USED
|
|
- Ewa Świątek
- 6 lat temu
- Przeglądów:
Transkrypt
1 Joural o KOBi 1(513 ISS DOI 1.478/jok RELIABILITY AALYSIS OF HELICOPTER S SUPPORTIGSTRACTURE ITH SSI AD SST MODELS USED AALIZA IEZAODOŚCIOA STRUKTURY OŚEJ ŚMIGŁOCA MODELAMI SSI ORAZ SST Tomasz Bońkowski, Marta och Politechika arszawska, Istytut Techiczy ojsk Loticzych marta.woch@itwl.l Abstract: I this work, algorithms have bee used to comare the methods or determiig reliability o critical oits. Geeralized models Stress-Stregth- Itererece (SSI ad Stress-Stregth-Time (SST have bee aalyzed. Iut to the algorithms, stress ad stregth were geerated by usig the Markov chai model based o actual light records. ith this aroach methods o determiig the reliability o critical oits o a helicoter s structure are justiied. Keywords: reliability, saety, stress-stregth-itererece, stress-stregth-time Streszczeie: racy dokoao róby orówaia algorytmów metod wyzaczaia iezawodości uktów krytyczych. Poddao aalizie modele Stress- Stregth-Itererece (SSI oraz Stress-Stregth-Time (SST, której celem było srawdzeie zastosowań obydwu metod w rzeczywistych warukach eksloatacji dla uktów krytyczych struktury ośej śmigłowca. Dae wejściowe do algorytmów, czyli arężeia w ukcie krytyczym struktury ośej śmigłowca zostały wygeerowae rzy użyciu łańcuchów Markowa bazujących a rzeczywistych zaisach z lotu. Dzięki takiemu odejściu metody wyzaczaia iezawodości uktów krytyczych struktury helikotera mają rzeczywiste odstawy. Słowa kluczowe: iezawodość, bezieczeństwo, stress-stregth-itererece, stress-stregth-time 13 Dowload Date 9/5/17 7:38 AM
2 Reliability aalysis o helicoter s suortigstracture with SSI ad SST models used Aaliza iezawodościowa struktury ośej śmigłowca modelami SSI oraz SST 1. Model Stress-Stregth-Itererece (SSI Aaliza ryzyka uszkodzeia struktury śmigłowca wykorzystuje robabilistycze modele matematycze. Zakłada oa, iż arametry charakteryzujące się ieewością, bądź zmieością są rerezetowae rzez -wymiarową zmieą losową zwaą wektorem losowym: gdzie X,, X X 1, X,, X (1 1, X X są jedowymiarowymi zmieymi losowymi. Uogólioa ukcja graicza gx określoa a wektorze losowym deiiuje stay graicze. Zakłada się, iż uszkodzeie struktury śmigłowca astęuje, gdy g X. Jeżeli gx struktura jest w staie graiczym. Fukcja graicza ozwala zdeiiować dwa obszary w rzestrzei zdarzeń elemetarych Ω: obszar bezieczy: oraz obszar awarii: s x : g( x ( x : g( x (3 Prawdoodobieństwo awarii zdeiiowae jest astęująco: P gdzie R jest iezawodością. Powierzchia graicza określoa jest rówaiem: P( P( g( x 1 R (4 g ( x (5 aalizie iezawodości krytyczych uktów śmigłowca często rozatryway jest rzyadek, w którym ukcja graicza g(x zdeiiowaa jest w astęujący sosób [1]: gdzie X g(x X X (6 jest zmieą losową oisującą wytrzymałość daego uktu krytyczego, a X oisuje arężeia. Tak zdeiiowaa ukcja graicza odowiada odstawowemu założeiu modelu SSI, które bazuje a stwierdzeiu, iż dowoly elemet śmigłowca ulega uszkodzeiu wtedy, gdy wartość arężeia X wystęującego w tym elemecie jest większa iż wytrzymałość X tego elemetu. 14 Dowload Date 9/5/17 7:38 AM
3 Tomasz Bońkowski, Marta och Dla tak zdeiiowaej ukcji graiczej rawdoodobieństwo uszkodzeia wyliczyć moża za omocą: P P( X X ( x ( x dx dx (7 gdzie (x jest ukcją gęstości rawdoodobieństwa arężeia, a (x oisuje gęstość rawdoodobieństwa wytrzymałości. Podstawowy model SSI zakłada ormaly rozkład zmieych losowych. uogólioym modelu (GSSI rozkład brzegowy (x i (x może być oisay dowolą ukcją. iezawodość w takim modelu moża wyzaczyć za omocą [1]: gdzie F x R P( X X F ( x ( x dx F ( x ( x dx (8 x F x x ( x dx jest dystrybuatą zmieej X ( x dx jest dystrybuatą zmieej x X., aalogiczie Model SSI oisuje rawdoodobieństwo uszkodzeia struktury ośej śmigłowca kiedy astęuje jedokroty wzrost wartości arężeia. Rys. 1. Graicza iterretacja rawdoodobieństwa uszkodzeia. Model Stress-Stregth-Time (SST Model SST zakłada, iż wartości sił oraz arężeń w uktach krytyczych są ewymi ciągłymi ukcjami czasu, tak jak jest to obserwowale w rzeczywistości. Zauważoo, iż rzy obliczeiach iezawodościowych ukcje te mogą być rzedstawioe w ostaci aalityczej, albo oisae za omocą rozkładów zmieych losowych. rowadzoo odział modelu SST a trzy ogóle wariaty [1]: 15 Dowload Date 9/5/17 7:38 AM
4 Reliability aalysis o helicoter s suortigstracture with SSI ad SST models used Aaliza iezawodościowa struktury ośej śmigłowca modelami SSI oraz SST 1 Model determiistyczy zakłada, iż wytrzymałość oraz arężeie są dokładie zdeiiowae, albo zmieiają się w sosób zay i rzewidywaly, możliwy do oisaia za omocą ukcji matematyczych. Model quasi - robabilistyczy (Radom - Fixed zakłada, iż wytrzymałość oraz arężeie zmieiają się w sosób zay i rzewidywaly w czasie, ale ie są zae wartości stałych arametryzujących ois rówaia. 3 Model robabilistyczy (Radom-Ideedet zakłada, iż zarówo arężeie jak i wytrzymałość są zmieymi losowymi o wartościach statystyczie iezależych. ormalych warukach eksloatacji śmigłowców mamy do czyieia z rzyadkiem SST (,3 gdzie arężeia są oisae losowymi wartościami x, statystyczie iezależymi o takim samym rozkładzie rawdoodobieństwa (x. ytrzymałość jest quasi robabilistyczą zmieą o zaym rozkładzie (x. Dla tak zdeiiowaego modelu iezawodość R kostrukcji o -tym cyklu działaia obciążeia może być wyzaczoa za omocą: x R P E P E P E ( x x dx dx 1 ( ( ( ( (9 Model te zakłada, iż czas ie jest zmieą losową, a długość cyklu jest zaa, jedakowa dla każdego obciążeia. Podstawowy model SST zakłada ormaly rozkład zmieych losowych. uogólioym modelu (GSST rozkład brzegowy (x i (x może być dowolie zdeiioway. iezawodość w takim modelu moża wyzaczyć za omocą: R x F 5. Modele Markov a x ( x ( x dx F ( x ( x dx (1 awiązaiu do [] łańcuch Markov a ierwszego rzędu (FCM wraz ze zdeiiowaą skończoą odrzestrzeią E jest sekwecją losowych wartości z tej odrzestrzei X. arukowy rozkład wartości uzyskaych a odstawie zajomości wartości X jest tożsamy z rozkładem gdy zaa jest tylko wartość : ( X 1 ( m m X 1 X P( X e 1 ( X e, X 1 e 1,, X1 e1 P( X 1 e 1 X 1 e (11 Jeśli K jest liczbą zdeiiowaych klas moża zdeiiować macierz P(KxK rawdoodobieństwa rzejścia z klasy i do klasy j: 16 Dowload Date 9/5/17 7:38 AM
5 Tomasz Bońkowski, Marta och 1,1,1 K,1 1,, K, 17 1, K, K K, K, K j1, 1 (1 i, j 1 i, j gdzie i 1,K, i, j P( X 1 ej X ei. celu wygeerowaia astęej wartości z łańcucha Markov a X 1 wymagaa jest zajomość tylko orzediej wartości X e. Prawdoodobieństwo iż X 1 e 1 wyosi, 1. Ukryty model Markov a (HMM [3, 4] bazuje a kocecji z łańcuchów Markov a oraz obserwacji iż wartość X ie jest tylko dyskretym staem zależym od E, ale jest ukcja rawdoodobieństwa tego stau. Łańcuch jest zdeiioway jako dwuwymiarowy, dyskrety w czasie roces S, X. celu wygeerowaia kolejej wartości X 1 ależy wybrać ukcję ja S k bazując a zaej orzediej wartości X. artość e 1 jest geerowaa a odstawie ukcji S k. 6. Fukcja rawdoodobieństwa wytrzymałości celu wyzaczeia rozkładu rawdoodobieństwa wytrzymałości testowao róbki ze stali 3HGSA o średicy 5-8 mm. Porzez wytrzymałość elemetu rozumiae jest rzekroczeie graicy srężystości. Uzyskae wyiki rzedstawioo w tabeli 1 [5]: Tabela 1 Graica lastyczości dla badaych stalowych róbek r. róbki /5/ /5/3 /5/4 /5/5 /5/36 /5/61 /5/6 /5/64 /5/13 R.5 [MPa] r. róbki /5/133 /5/134 /5/135 /5/136 /5/137 /5/138 /5/139 /5/14 /5/141 R.5 [MPa] a odstawie wyików zarooowao ukcję rozkładu wytrzymałości oisaą za omocą rozkładu ormalego g(y o wartości oczekiwaej wyoszącej μ = 119 ad i wariacji rówej σ = ( x 119 ( x ex( ( Fukcja rawdoodobieństwa arężeia Krytyczy elemet struktury śmigłowca Mi-4, rzedstawioy a rys. został zeskaoway rzy użyciu skaera 3D ATOS III (Advaced Toometric System [6]. Bazując a uzyskaym modelu zarojektowao kształt w rogramie Uigrahics. Obliczeia wykoao rzy omocy rogramu MSC Marc. Aalizę rzerowadzoo z założeiem liiowej zależości omiędzy arężeiem i odkształceiem materiału. Rozkład i wartości arężeń zredukowaych według Dowload Date 9/5/17 7:38 AM
6 Reliability aalysis o helicoter s suortigstracture with SSI ad SST models used Aaliza iezawodościowa struktury ośej śmigłowca modelami SSI oraz SST hiotezy Hubera i arężeń maksymalych główych w węzłach mocowaia oszczególych elemetów rzy obciążeiu siłami jedostkowymi. Maksymala wartość maksymalego arężeia główego wyiosła 88 Pa rzy obciążeiu siłami jedostkowymi. Rys.. Rozkład arężeń zredukowaych w elemecie krytyczym a odstawie obliczeń rozkład arężeń został wygeeroway dla daego elemetu krytyczego. Fukcja rozkładu arężeń w ukcie krytyczym może być oisaa za omocą rozkładu ormalego 1 o wartości oczekiwaej wyoszącej μ = 7 ad i wariacji rówej σ = 5. 1 ( x 7 1( x ex( ( a odstawie histogramu arężeń, dae odzieloo a osiem klas c k. modelu wygeerowaym z łańcucha Markowa, cykle arężeń ależące do klasy c i zostały zastąioe rzez odowiadające im wartości s i okazae w tabeli : Tabela Dyskrety rozkład rawdoodobieństwa arężeia z łańcucha Markov a s i i,34,69,698,699,1733,394,184,5 rzyadku wykorzystaia do obliczeń ukrytego modelu Marcov a, skończoą odrzestrzeń E odzieloo a 5 części. Dystrybuata rozkładu arężeń dla tego modelu może być oisaa ukcją 3 (4: 18 Dowload Date 9/5/17 7:38 AM
7 rawdoodobieństwo Tomasz Bońkowski, Marta och 3 ( x 3,3 1,5,3 1,5,38 3,6,6 1 ( x 17 ex( 1,5 ( x 4 ex( 1,5 ( x 53 ex( 3,6 ( x 8 ex( 1 x 1 1 x x 3 3 x 6 x 6 (15,5,4,3,, yiki arężeia [MPa] Rys. 3. Histogram arężeń i jego aroksymacja ukcjami: 1,, 3 Prawdoodobieństwo uszkodzeia uktu krytyczego struktury ośej śmigłowca w modelu SSI wyosi, Dla uogólioego modelu Geeralized Stress- Stregth-Itererece (GSSI wyiki zależą od estymacji rozkładu arężeń. Dla daych uzyskaych z modelu Markov a rawdoodobieństwo uszkodzeń wyiosło: 9, oraz 5, dla łańcucha Markov a FCM ( oraz dla ukrytego modelu Markov a HMM ( 3. Aaliza modelu SST wykazała, iż rawdoodobieństwo uszkodzeia rzędu 1% będzie osiągięte o 465 cyklach w rzyadku, gdy arężeia mają rozkład ormaly ( 1. Dla uogólioego modelu SST uzyskao astęującą liczbę cykli: 1 9 dla łańcucha Markov a FCM ( oraz 1 9 dla ukrytego modelu Markov a HMM ( Dowload Date 9/5/17 7:38 AM
8 Reliability aalysis o helicoter s suortigstracture with SSI ad SST models used Aaliza iezawodościowa struktury ośej śmigłowca modelami SSI oraz SST 9. ioski Model SSI (Stress-Stregth-Itererece ozwala a obliczeie rawdoodobieństwa uszkodzeia struktury ośej śmigłowca w ukcie krytyczym odczas jedokrotego wzrostu wartości arężeia. ie zajduje o szerokiego zastosowaia w lotictwie gdzie arężeia zmieiają się w czasie, może służyć jedyie jako ogóle rzybliżeie. owyższych modelach iezawodościowych ie został uwzględioy roces starzeia się elemetu. zięcie od uwagę tego zdarzeia sowoduje zmiejszeie liczby cykli możliwych do uszkodzeia daego uktu krytyczego. yiki uzyskae z uogólioych modeli SSI oraz SST mają odobe wartości w zależości od sosobu uzyskaia ukcji rawdoodobieństwa dla arężeia. ystęują iezacze różice w orówaiu do odstawowych modeli SSI bądź SST. 1. Bibliograia [1] AIRO SOFTARE: Projekt badawczy r PBR 3//z. [] C. Mattrad, J-M. Bouriet, D. Theret: Aalysis o Fatigue Crack Growth uder Radom Load Sequeces Derived rom Military I-light Load Data, 6th ICAF Symosium, Motreal, 11. [3] O. Cae, E. Moulies, T. Ryde: Itererece i Hidde Markov Models. Sriger Series i Statistics, 5. [4] L. Rabier: A tutorial o hidde Markov Models ad Selected Alicatios i Seech Recogitio, I: Readigs i Seech Recogitio 11. [5] Klimaszewski, S. i ii: Badaia wytrzymałościowo-zmęczeiowe stali 3HGSA. Srawozdaie r 35/31/7, ITL, arszawa, 7. [6] roa, M. i ii: ykoaie aalizy trwałości zmęczeiowej dla główych elemetów siłowych kostrukcji kadłuba śmigłowca Mi-4, Srawozdaie r 114/31/9, ITL, arszawa, 9. mgr iż. Marta och Tomasz Bońkowski Dowload Date 9/5/17 7:38 AM
są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X
Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)
Bardziej szczegółowoKurs Prawdopodobieństwo Wzory
Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa
Bardziej szczegółowo1 Twierdzenia o granicznym przejściu pod znakiem całki
1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae
Bardziej szczegółowoEstymacja przedziałowa
Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
Bardziej szczegółowoNiezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne
Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowoĆwiczenie 2 ESTYMACJA STATYSTYCZNA
Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej
Bardziej szczegółowoKorelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12
Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie
Bardziej szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
Bardziej szczegółowoW wielu przypadkach zadanie teorii sprężystości daje się zredukować do dwóch
Wykład 5 PŁASKI ZADANI TORII SPRĘŻYSTOŚCI Płaski sta arężeia W wielu rzyadkach zadaie teorii srężystości daje się zredukować do dwóch wymiarów Przykładem może być cieka tarcza obciążoa siłami działającymi
Bardziej szczegółowoLista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym
Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą
Bardziej szczegółowoEstymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7
Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoZadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.
Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,
Bardziej szczegółowo16 Przedziały ufności
16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])
Bardziej szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407
Rachek rawdoodobieństwa i statystyka Wioskowaie statystycze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, ok407 ada@agh.ed.l Estymacja arametrycza Podstawowym arzędziem szacowaia iezaego arametr jest estymator
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoStochastyczne metody optymalizacji
Stochastycze metody otymalizacji I a b b a b = a d Metoda rostokątów N N i i= 0 i= 0 d = σ = h y Metoda traezów d h y y N 0 + ( ) = + yi i= Metoda Simsoa i ξ [ a, b] b h = 0 3 4 5 4 3 a ( b a) R = ( ξ
Bardziej szczegółowo3. Regresja liniowa Założenia dotyczące modelu regresji liniowej
3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoStatystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407
Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie
Bardziej szczegółowoWykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2
Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%
Bardziej szczegółowo4. MODELE ZALEŻNE OD ZDARZEŃ
4. MODELE ZALEŻNE OD ZDARZEŃ 4.. Wrowadzeie W sysemach zależych od zdarzeń wyzwalaie określoego zachowaia się układu jes iicjowae rzez dyskree zdarzeia. Modelowaie akich syuacji ma a celu symulacyją aalizę
Bardziej szczegółowoOKREŚLENIE CHARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI
Ćwiczeie 5 OKREŚLENIE CARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI Wykaz ważiejszych ozaczeń c 1 rędkość bezwzględa cieczy a wlocie do wirika, m/s c rędkość bezwzględa cieczy a wylocie
Bardziej szczegółowoZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)
ZADANIA - ZESTAW Zadaie.. Wyzaczyć m (), D ( ) dla procesu symetryczego (p = q =,) błądzeia przypadkowego. Zadaie.. Narysuj graf łańcucha Markowa symetrycze (p = q =,) błądzeie przypadkowe z odbiciem.
Bardziej szczegółowoZdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe
Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowoMetrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,
Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 6.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Własości rozkładu ormalego Cetrale twierdzeie graicze Fukcja charakterystycza
Bardziej szczegółowoP = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +
Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test
Bardziej szczegółowoPodprzestrzenie macierzowe
Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń
Bardziej szczegółowoPodprzestrzenie macierzowe
Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowo1. Elementy wytrzymałości materiałów
. Elemety wytrzymałości materiałów.. Statycza róba rozciągaia Podstawowy rodzaj badań wytrzymałościowych metali i ich stoów do wyzaczeia charakterystyk materiałowych takich jak: moduł Youga (Youg s modulus),
Bardziej szczegółowoWokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych
Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b
Bardziej szczegółowoĆwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona
Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów
Bardziej szczegółowoWykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.
Rachuek prawopoobieństwa MA064 Wyział Elektroiki, rok aka 2008/09, sem leti Wykłaowca: r hab A Jurlewicz Wykła 3: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług
Bardziej szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
Bardziej szczegółowoBadanie efektu Halla w półprzewodniku typu n
Badaie efektu alla w ółrzewodiku tyu 35.. Zasada ćwiczeia W ćwiczeiu baday jest oór elektryczy i aięcie alla w rostoadłościeej róbce kryształu germau w fukcji atężeia rądu, ola magetyczego i temeratury.
Bardziej szczegółowo1 Dwuwymiarowa zmienna losowa
1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla
Bardziej szczegółowoWykład 10 Wnioskowanie o proporcjach
Wykład 0 Wioskowaie o roorcjach. Wioskowaie o ojedyczej roorcji rzedziały ufości laowaie rozmiaru róby dla daego margiesu błędu test istotości dla ojedyczej roorcji Uwaga: Będziemy aalizować roorcje odobie
Bardziej szczegółowoElementy modelowania matematycznego
Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,
Bardziej szczegółowoZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest
Bardziej szczegółowoINSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW
INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz
Bardziej szczegółowo1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,
1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =
Bardziej szczegółowo1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu
Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności
Estymacja rzedziałowa - rzedziały ufości Próbę -elemetową charakteryzujemy jej arametrami ( x, s, s ). SłuŜą oe do ocey wartości iezaych arametrów oulacji (m, σ, σ). Nazywamy je estymatorami uktowymi iezaych
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)
Bardziej szczegółowoModel ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.
Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The
Bardziej szczegółowo1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.
Przedziały ufości W tym rozdziale będziemy zajmować się przede wszystkim zadaiami związaymi z przedziałami ufości Będą as rówież iteresować statystki pozycyje oraz estymatory ajwiększej wiarygodości (Eg
Bardziej szczegółowon n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc
5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X
Bardziej szczegółowoWykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.
Rachue rawdoodobieństwa MAP064 Wydział Eletroii, ro aad. 008/09, sem. leti Wyładowca: dr hab. A. Jurlewicz Wyład 8: Zmiee losowe dysrete. Rozłady Beroulliego (dwumiaowy), Pascala, Poissoa. Przybliżeie
Bardziej szczegółowoZatem przyszła wartość kapitału po 1 okresie kapitalizacji wynosi
Zatem rzyszła wartość kaitału o okresie kaitalizacji wyosi m k m* E Z E( m r) 2 Wielkość K iterretujemy jako umowa włatę, zastęującą w rówoważy sosób, w sesie kaitalizacji rostej, m włat w wysokości E
Bardziej szczegółowo1 Układy równań liniowych
Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b
Bardziej szczegółowo0.1 ROZKŁADY WYBRANYCH STATYSTYK
0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.
Bardziej szczegółowoEstymacja przedziałowa:
Estymacja przedziałowa: Zamiast szukad ajlepszego estymatora, tak jak w estymacji puktowej będziemy poszukiwad przedziału, do którego będzie ależał szukay parametr z odpowiedio dużym prawdopodobieostwem.
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoWykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.
Rachuek prawopoobieństwa MA5 Wyział Elektroiki, rok aka 20/2, sem leti Wykłaowca: r hab A Jurlewicz Wykła 8: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług rozkłau
Bardziej szczegółowoθx θ 1, dla 0 < x < 1, 0, poza tym,
Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.
Bardziej szczegółowoObserwacje odstające mają duży wpływ na średnią średnia nie jest odporna.
Wykład 8. Przedziały ufości dla średiej Średia a mediaa Mediaa dzieli powierzchię histogramu a połowy. Jest odpora ie mają a ią wpływu obserwacje odstające. Obserwacje odstające mają duży wpływ a średią
Bardziej szczegółowonpq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi,
Zadaie aa jest fucja gęstości zmieej losowej X: 9 8 Wyzacz: F (X ; Q ; ; ( X ; 9 9 P X P Zadaie ( Statystya II, X a b F( b F( a X e! P m ( ; m E( X ( X V ( X X R P ( X R ( X V ( X jest fucją gęstości zmieej
Bardziej szczegółowoKsięga Jakości Laboratorium
16. Metodyka szacowaia ieewości rozszerzoej Oracował: mgr Jest to szacowaie ieewości o asymetryczych graicach rzedziału ufości względem wartości średiej, co wyika z faktu określaia wartości średiej jako
Bardziej szczegółowoModa (Mo, D) wartość cechy występującej najczęściej (najliczniej).
Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy
Bardziej szczegółowoEkonometria Mirosław Wójciak
Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła
Bardziej szczegółowoZADANIA NA ĆWICZENIA 3 I 4
Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
Bardziej szczegółowoStatystyka matematyczna. Wykład II. Estymacja punktowa
Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych
Bardziej szczegółowoSTATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś
1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.
Bardziej szczegółowoStatystyka w rozumieniu tego wykładu to zbiór metod służących pozyskiwaniu, prezentacji, analizie danych.
Statystyka w rozumieiu tego wykładu to zbiór metod służących pozyskiwaiu, prezetacji, aalizie daych. Celem geeralym stosowaia tych metod, jest otrzymywaie, a podstawie daych, użyteczych uogólioych iformacji
Bardziej szczegółowoSIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY
SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą
Bardziej szczegółowoElementy nieliniowe w modelach obwodowych oznaczamy przy pomocy symboli graficznych i opisu parametru nieliniowego. C N
OBWODY SYGNAŁY 1 5. OBWODY NELNOWE 5.1. WOWADZENE Defiicja 1. Obwodem elektryczym ieliiowym azywamy taki obwód, w którym występuje co ajmiej jede elemet ieliiowy bądź więcej elemetów ieliiowych wzajemie
Bardziej szczegółowoLaboratorium Metrologii I Nr ćwicz. Opracowanie serii wyników pomiaru 4
Laboratorium Metrologii I olitechika Rzeszowska Zakład Metrologii i Systemów omiarowych Laboratorium Metrologii I Grua Nr ćwicz. Oracowaie serii wyików omiaru 4... kierowik...... 4... Data Ocea I. Cel
Bardziej szczegółowoUWAGI O GRANICZNYCH ROZKŁADACH EKSTREMALNYCH STATYSTYK POZYCYJNYCH
D I D A C T I C S O F M A T H E M A T I C S No. 5-6 (9-0) 009 Rafał Korzoe (Wrocław) UWAGI O GRANICZNYCH ROZKŁADACH EKSTREMALNYCH STATYSTYK POZYCYJNYCH Abstract. I may practical issues to deal with etreme
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia
Bardziej szczegółowo40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.
Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowoZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA
ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością
Bardziej szczegółowoPodstawowe rozkłady zmiennych losowych typu dyskretnego
Podstawowe rozkłady zmieych losowych typu dyskretego. Zmiea losowa X ma rozkład jedopuktowy, skocetroway w pukcie x 0 (ozaczay przez δ(x 0 )), jeżeli P (X = x 0 ) =. EX = x 0, V arx = 0. e itx0.. Zmiea
Bardziej szczegółowo1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o
1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady
Bardziej szczegółowo( n) Łańcuchy Markowa X 0, X 1,...
Łańcuchy Markowa Łańcuchy Markowa to rocesy dyskretne w czasie i o dyskretnym zbiorze stanów, "bez amięci". Zwykle będziemy zakładać, że zbiór stanów to odzbiór zbioru liczb całkowitych Z lub zbioru {,,,...}
Bardziej szczegółowoAnaliza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora
Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia
Bardziej szczegółowoWYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk
Bardziej szczegółowoDRGANIA BELKI NA DWUPARAMETROWYM PODŁOśU SPRĘśYSTYM VIBRATION OF BEAM WITH TWO-PARAMETER ELASTIC FOUNDATION
JEMIELITA Grzegorz 1 KOZYRA Zofia drgaia, belka, odłoŝe sręŝyste DRGANIA BELKI NA DWUPARAMETROWYM PODŁOśU SPRĘśYSTYM Praca dotyczy wyzaczaia drgań belki a dwuarametrowym odłoŝu sręŝystym obciąŝoej symetryczie
Bardziej szczegółowoWp lyw optymalizacji kopalń odkrywkowych na rozwiazanie bilateralnego monopolu: kopalnia & elektrownia w d lugim okresie
MPRA Muich Persoal RePc Archive W lyw otymalizacji koalń odkrywkowych a rozwiazaie modelu bilateralego mooolu: koalia & elektrowia w d lugim okresie Leszek Jurdziak 23. October 2006 Olie at htt://mra.ub.ui-mueche.de/531/
Bardziej szczegółowoWykład 11 ( ). Przedziały ufności dla średniej
Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;
Bardziej szczegółowoRozkłady statystyk z próby Twierdzenia graniczne
Rozkłady statystyk z róby Twierdzeia graicze PRÓBA LOSOWA Próbą losową rostą azyway ciąg -zieych losowych iezależych i osiadających jedakowe rozkłady takie jak rozkład zieej losowej w oulacji geeralej
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)
Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli
Bardziej szczegółowoProjekt ze statystyki
Projekt ze statystyki Opracowaie: - - Spis treści Treść zaia... Problem I. Obliczeia i wioski... 4 Samochó I... 4 Miary położeia... 4 Miary zmieości... 5 Miary asymetrii... 6 Samochó II... 8 Miary położeia:...
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 5 3.03.08 dr iż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr leti 07/08 Metody Mote Carlo Najważiejsze rozkłady prawdopodobieństwa Metoda akceptacji-odrzuceń
Bardziej szczegółowoĆwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA
Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz
Bardziej szczegółowoANALIZA DANYCH DYSKRETNYCH
ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,
Bardziej szczegółowo