Rozkłady statystyczne w fizyce jądrowej

Wielkość: px
Rozpocząć pokaz od strony:

Download "Rozkłady statystyczne w fizyce jądrowej"

Transkrypt

1 UNIWERSYTET SZCZECIŃSKI INSTYTUT FIZYKI ZAKŁAD FIZYKI CIAŁA STAŁEGO Ćwczene laboratoryjne Rozłady statystyczne w fzyce jądrowej SZCZECIN 005

2 WSTĘP Różne neontrolowane zaburzena zewnętrzne (wahana temperatury, cśnena, natężena prądu td.) powodują, że wyn pomarów dowolnej marosopowej welośc są obarczone błędam losowym. A zatem wsute zewnętrznych zaburzeń oraz nedosonałośc urządzeń pomarowych lczbowe wartośc merzonej welośc będą nne przy powtórnych pomarach flutuują doooła netórej średnej wartośc, tóra sama jest weloścą losową. Flutuacj rejestrowanych welośc można opsać za pomocą cągłego rozładu. Zwyle to jest rozład Gaussa. Losowy rozrzut merzonych welośc, zwązany z zewnętrznym zaburzenam oraz z nedosonałoścą urządzeń pomarowych można zmnejszyć ulepszając metodyę pomaru oraz zmnejszając wpływ zewnętrznych zaburzeń. Przy tym średna wartość merzonej welośc staje sę blżej wartośc rzeczywstej, czyl wartośc neobarczonej błędam aparaturowym. Inna sytuacja ma mejsce w fzyce jądrowej, gdze flutuacj rejestrowanych welośc są zwązane ne tylo z zaburzenam z zewnątrz z nedosonałoścą urządzeń pomarowych. Jeżel na przyład merzymy lczbę rozpadów jąder promenotwórczych za jaś oreślony czas, to wsute losowego charateru rozpadu flutuuje sama wartość lczby rozpadów. W tym przypadu można w dobrym przyblżenu założyć, że urządzene pomarowe jest dealnym a wpływ zewnętrznych zaburzeń jest znomo mały. Flutuacje merzonej welośc fzycznej (lczby rozpadów) są teraz dysretne, a ne cągłe. Rozład tach rozpadów opsuje rozład Possona albo nawet rozład dwumanowy. W mrofzyce podejśce statystyczne odgrywa węszą rolę nż w marofzyce. Statystya stosuje sę tutaj ne tylo przy opracowanu danych pomarowych ale równeż przy badanu natury samego zjawsa mrosopowego. Na przyład przy badanu promen osmcznych za pomocą omory Wlsona było zaobserwowano, że rozład lczby rejestrowanych cząste ne porywa sę z rozładem Possona. Ta obserwacja stała puntem wyjścowym dla odryca badana strumen cząste osmcznych. Błędy, zwązane z metodą pomaru nazywamy systematycznym. Na przyład, detetory promenowana jonzującego oraz lczn mpulsów mają sończony ta zwany martwy czas τ. Jeżel w cągu tego czasu w rejestrujące urządzene wpadne lu cząste, to lczn polczy te cząst jao jedną cząstę. Tae błędy, chocaż powstają wsute chaotycznośc zjawsa rozpadu jąder, doprowadzają do błędów systematycznych, tóre zależą od prędośc lczena oraz parametrów uładu rejestracj mpulsów.

3 Celem nnejszego ćwczena jest - ) zapoznane sę z rozładam statystycznym, tóre są stosowane w fzyce jądrowej; ) zapoznane sę z podstawam testowana hpotez statystycznych; 3) wyonane pomarów rozładów rozpadów jąder promenotwórczych zastosowane statysty przy opracowanu otrzymanych danych. ROZKŁAD POISSONA Poneważ zjawso rozpadu jąder oraz trafene tej albo nnej cząst jonzującej w lczn są zderzenam losowym, lczn w cągu równych odstępów czasu będze rejestrował różną lczbę cząste. Prawdopodobeństwo p tego, że w cągu czasu t lczn zarejestruje cząste oreśla rozład Possona p (n t)! nt = e, () gdze n strumeń cząste, sens fzyczny tórego będze omówony nżej. Rozład () można nterpretować dwojao. Wyobraźmy sobe bardzo dużo całowce dentycznych urządzeń pomarowych. Nech w cąg czasu t lczn z perwszego urządzena pomarowego zarejestrował cząste, lczn z drugego urządzena pomarowego zarejestrował cząste td. Wtedy welośc,,... są rozłożone zgodne z rozładem (). Rozważmy teraz tylo jedno urządzene pomarowe nech,,... to są lczby zarejestrowanych cząste w bardo dużej lczbe równych mędzy sobą czasowych nterwałach t. Jeżel strumeń cząste pozostaje stałym, to welośc,,... są też rozłożone zgodne z rozładem Possona. Średną lczbę zarejestrowanych cząste oreśla wzór = 0 =. () p Po podstawenu () do () otrzymujemy nt = e (nt) = (nt) = n t ( )!. (3) Ze wzoru (3) wyna, że n ma sens średnej lczby cząste zarejestrowanych przez detetor plus lczn w cągu jednost czasu. Z uwzględnenem (3) wzór () możemy zapsać w postac 3

4 p ()! = e, (4) A zatem rozład Possona jest całowce oreślony tylo przez jeden parametr -. Ze wzoru (4) wyna, że p + p () () = +. A węc jeżel <<, to ze wzrostem funcja p maleje monotonczne. Jedna, jeżel >, to p na początu rośne osągając masma przy monotonczne., a potem zaczyna maleć Rys.. Zależność p od. Zależność p od dla różnych jest przedstawona na rys.. Wdać, że dla małych rozład Possona jest asymetryczny. Gdy wzrasta rozład p staje sę ostrzejszy boleje symetryczny względem =. Ze wzoru (4) wyna, że dla dowolnej wartośc jest możlwa rejestracja dowolnej lczby cząste. Jedna ne wszyste zdarzena spotyają sę jednaowo często. Jeśl welość jest zblżona do, to prawdopodobeństwo p jest węsze. Marą odchylena losowej welośc od jej średnej wartośc (marą flutuacj) jest warancja (dyspersja), tórą oreśla wzór D ( ) =. (5) 4

5 Perwaste wadratowy z warancj = D nazywamy odchylenem standardowym (lub odchylenem średnm lub bezwzględną flutuacją) losowej zmennej. Welość δ = / = D / nazywamy średnm odchylenem wadratowym (lub względną flutuacją). Dla rozładu Possona D =, (6) =, (7) δ =. (8) Wzory (6) (8) odgrywają ważną rolę we wszystch zastosowanach rozładu Possona. Z tych wzorów wyna, że jeżel będzemy rejestrować cząst w dużej lczbe równych czasowych nterwałów, to w najwęszej częśc nterwałów będze różnć sę od ne węcej nż na. Bezwzględna flutuacja (7) rośne ze wzrostem, jedna przy tym względna flutuacja (8) zmnejsza sę. Stąd można znaleźć lczbę średną cząste, tórą musmy zarejestrować aby osągnąć oreślony względny błąd δ =. (9) δ A zatem dla tego, żeby zmerzyć średną lczbę cząste ze statystycznym błędem 0% musmy zarejestrować 0 cząste. Dla tego, żeby statystyczny błąd był równy % musmy zarejestrować 0 4 cząste td. ZWIĄZEK ROZKŁADU POISSONA Z ROZKŁADEM GAUSSA Wyżej mówlśmy, że przy wzrośce rozład Possona staje sę boleje symetrycznym względne =. Jeżel jest spełnony warune >> (0) 5

6 (pratyczne ten warune jest spełnony gdy 0 ), to rozład Possona jest prawe symetryczny. Oprócz tego, różnca mędzy weloścam prawdopodobeństwa dla zblżonych oazuje sę bardzo małą. Na przyład, łatwo sprawdzć, że przy = 000 p p p = 0.0. () W tym przypadu ( >> ) zamast dysretnego rozładu prawdopodobeństwa p możemy stosować cągły rozład prawdopodobeństwa p (). Tu p () d jest prawdopodobeństwem tego, że lczba zarejestrowanych cząste znajduje sę w nesończene małym przedzale od do + d. Przy tym przedzał d może zawerać lu jednoste, ale on zawsze jest małym w porównanu ze średną weloścą. Można udowodnć, że w tym przypadu rozład prawdopodobeństwa Possona przechodz w rozład Gaussa p() = ep π ( ). () Korzystając ze wzoru () można znaleźć prawdopodobeństwo tego, że welość y = znajduje sę w zarese od y = y do y = y y y p (y = y y ) ep dy. (3) π y Wprowadzając nową zmenną y = z otrzymujemy y / z p(y y y ) = ep dz = Φ(y / ) Φ(y / ), (4) π y / gdze cała z Φ( ) = ep dz (5) π 0 6

7 nos nazwę cał prawdopodobeństwa. Wartośc cał prawdopodobeństwa są przedstawone prawe w ażdym poradnu matematycznym. Za pomocą tabel całe prawdopodobeństwa można znaleźć prawdopodobeństwo tego, że odchylene od średnego ne przewyższa po modułu wartośc bezwzględnego błędu p ( y ) = Φ() = (6) W podobny sposób znajdujemy, że p ( y ) = Φ() = 0.954, (7) p ( y 3 ) = Φ(3) = (8) Ze wzorów (6) (8) wyna, że gdy rejestrujemy wsazana lczna rozpadów jąder promenotwórczych w ser dużej lczby równych odstępów czasowych, to przy spełnenu warunu (0), w 68.% przypadów różnca lczby zarejestrowanych rozpadów od będze ne węsza nż ; w 95.4% ta różnca będze mnej nż a w 99.7% 3 td. Wyn pomaru lczby rozpadów przedstawają zawsze razem z bezwzględnym błędem (zawsze to jest ), tóry oreśla statystyczny błąd pomarowy. Rozład () jest szczególnym przypadem rozładu Gaussa ( ) = p () ep, (9) σ π σ tóry zależy od dwóch parametrów - σ. Często rozład Gaussa przedstawają jao funcję zmennej u = ( ) σ p(u) = u ep π. (0) Rozład (0) ma średną wartość u = 0, a odchylene standardowe - u = σ = u. 7

8 Rozład Gaussa dobrze opsuje welu statystycznych zjaws. W fzyce jądrowej rozład (9) opsuje, na przyład, rozład ątów sprężystego rozpraszana naładowanych cząste przechodzących przez substancję; rozład przebegów cężch naładowanych cząste w cele stałym; rozład pędów po ampltudom przy rejestracj naładowanych cząste za pomocą półprzewodnowych scyntylacyjnych detetorów td. Rozład Gaussa często stosuje sę też przy analze błędów pomarowych. Szeroe zastosowane rozładu Gaussa (rozładu normalnego) w teor opracowań danych dośwadczalnych jest zwązane z tym, że rozład welośc losowej, tóra słada sę z dużej lczby nezależnych od sebe losowych welośc z dowolną funcją rozładu (na przyład ( + + ) / n = ), jest funcją Gaussa. W teor prawdopodobeństwa to twerdzene + n nos nazwę centralnego twerdzena grancznego. ROZKŁAD Rozład (ch -wadrat) znajduje szeroe zastosowane przy testowanu prawdzwośc hpotez statystycznych, wylczanu przedzałów ufnośc dla parametrów statystycznych, testowanu statystycznej nezależnośc zmennych td. Nech - zbór m losowych welośc, ażda z tórych jest rozłożona,,, m zgodne z rozładem normalnym ze swoją wartoścą oczewaną (średną) σ. Wsute przypadowośc wartośc welośc ( ) u / oraz warancją = σ oraz ch suma ( ) m m = = = = σ u. () będą równeż weloścam losowym. Parametr = m w () nos nazwę lczby stopn swobody. Poneważ welośc u mają wartośc oczewane u = 0 warancj równe, rozład gęstośc prawdopodobeństwa losowej welośc mus zależeć tylo od jednego parametru, a manowce od lczby stopn swobody. Jeżel ne wszyste z m welośc losowych są nezależne, to lczba stopn swobody będze mnejsza od o lczbę dodatowych węz oreślających zwąz mędzy zależnym losowym zmennym. Gęstość rozładu prawdopodobeństwa ch-wadrat oreśla wzór 8

9 p( ) = / ( / )! ( / ) ( ) ep, 0 < < () Łatwo udowodnć, że = p( )d( ) =, (3) 0 D = ( ) p( )d( ) =. (4) 0 W zastosowanach ważną rolę odgrywa funcja ( ) < = P p( )d( ), (5) 0 wartośc tórej są przedstawone prawe we wszystch poradnach po matematyce statystyce. TESTOWANIE HIPOTEZ STATYSTYCZNYCH. TEST Celem welu esperymentów jest ustalene rozładu statystycznego merzonej losowej welośc fzycznej. Na przyład w fzyce jądrowej to może być rozład rozpraszana ątowego neutronów na jądrach oreślonego perwasta. Znalezene doładnego rozładu losowej welośc () ne jest możlwe, poneważ to wymaga przeprowadzena nesończonej lczby pomarów dla tego żeby wedzeć cały zbór możlwych próbe {,, }. A zatem dośwadczene ne udowadna słuszność hpotetycznego rozładu a tylo daje możlwość wywnosować, że proponowany hpotetyczny rozład ne jest sprzeczny z danym esperymentu. Zwyle przed przeprowadzenem dośwadczena, operając na dane teor albo poprzedne esperymenty, już możemy wysunąć jedną albo lu hpotez oreślających, że nteresujące nas zjawso rządzone jest przez dany rozład. Poneważ merzona losowa welość zawera błędy, to nawet, jeżel rozład tej welośc został wybrany prawdłowo, zawsze będą obserwowane odchylena dośwadczalnych danych od danych wylczonych za pomocą hpotetycznego rozładu. Powstaje pytane czy obserwowane odchylena dośwadczalnych danych od odpowednch welośc, wynających z wysunętego rozładu są przypadowe (losowe), czy te odchylena są systematyczne, co wsazuje na to że wybrany rozład jest błędny. 9

10 Kryterum zgody nos nazwę rytera weryfacj hpotezy o wnosowanym rozładze. Za pomocą odpowednego ryterum, orzystając z ta zwanego prawdopodobeństwa ufnośc, można upewnć sę czy zgadza sę hpotetyczny rozład z danym dośwadczalnym czy ne zgadza sę. Na pratyce często stosuje sę ryterum zgody. Rozważmy ten ryterum szczegółowo. Załóżmy, że musmy sprawdzć hpotezę dotyczącą rozładu p () welośc losowej X. Rozważmy dośwadczene w tórym wyonano ( n ) nezależnych pomarów X. Podzelmy cały zares zman X na m nterwałów polczmy lośc n obserwacj X znajdujących sę w ażdym tym nterwale. Poneważ załadamy, że rozład teoretyczny p () jest wadomy, możemy polczyć teoretyczne wartośc lczby obserwacj X w - tym nterwale - np, gdze p jest prawdopodobeństwo znalezena losowej welośc X w tym nterwale. Jeżel różnca mędzy n oraz np jest duża, musmy odrzucć wysunętą hpotezę. Kryterum daje właśne możlwość lczbowo wyrazć stopeń zgody mędzy teoretycznym rozładem dośwadczalnym danym. Kryterum opera sę na face, że gdy n, to rozład ażdej losowej welośc n jest rozładem Gaussa (centralne twerdzene granczne), a rozład welośc m n = ( n np ) = lm. (6) np jest rozładem o = (m - ) stopnach swobody. W pratyce jest wystarczającym aby wszyste n byłe węsze nż 5. Jeżel w n < 5, to zwęszają nterwały. Przy tym nterwały mogą ne być nawet równe sobe. Kryterum stosują w następujący sposób. Najperw lczymy welość = m = ( n np ) np. (7) Potem wyberając prawdopodobeństwo p ufnośc (albo pozom α = p stotnośc hpotezy) znajdujemy za pomocą tabel 3, przedstawonej na ońcu danej nstrucj, wartość α,. Tu jest lczbą stopn swobody, = m t a t lczba dodatowych węz nałożonych na losowe 0

11 zmenne. Jeżel dla oreślonego α otrzymujemy, że > α,, to stwerdzamy że teora ne jest zgodna z esperymentem. Natomast, jeżel < α,, to mówmy, że zaproponowany rozład zgadza sę z dośwadczenem. Z tabel możemy znaleźć równeż prawdopodobeństwo ufnośc p, przy tórym <. Rozważmy przyład zastosowana rytera. W próbe o lczebnośc n = 00 lośc n obserwacj welośc losowej X w m = 7 wybranych nterwałach wynoszą Tabela. Dośwadczalne n oraz teoretyczny np lośc obserwacj welośc losowej X Razem n m = np Chcemy sprawdzć hpotezę, że otrzymane welośc spełnają rozład Possona p() ()! = p = e. (8) Zgodne z (8) musmy najperw znaleźć 6 = 0 = 6 n = 0 n = = = 0.6. (9) Wtedy dla teoretycznych welośc m = np otrzymujemy wzór m (0.6)! 0.6 = np = 00 e. (30) Dane m są przedstawone w tabel. Poneważ oczewane welośc m = np dla > są małe, zgrupujemy ostatne cztery nterwały w jedyny nterwał. Wtedy zamast tabel będzemy mel tabel. Dla sprawdzana wysunętej hpotezy, zgodne z (7), musmy znaleźć ( n np ) (0.3) (.3) (.8) ( 0.8) = = = 0.3. (3) np =

12 Tabel. Dośwadczalne n oraz teoretyczny np lośc obserwacj welośc losowej X 0 3 n m = np Dla oszacowana stosowalśmy jeden warune (9). A zatem lczba stopn swobody wynos = 4 =, a welość mus meć rozład. Sprawdźmy teraz czy otrzymana wartość = 0. 3 jest zgodna z hpotezą o rozładze Possona danych dośwadczalnych. Z tabel 3 (przedstawonej na ońcu danej nstrucj) znajdujemy, że prawdopodobeństwu ufnośc p = (albo pozomow α = p = stotnośc hpotezy) odpowada 5. 99, czyl wartość 0.05; = mus znajdować sę w grancach od = 0 do = 6. Poneważ znalezona wartość = 0. 3 znajduje sę w tym zarese, hpoteza testowana o rozładze Possona danych dośwadczalnych zostaje zaaceptowana. Jeżelby otrzymalśmy, że > 6 wtedy testowaną hpotezę należałoby odrzucć. PREBIEG ĆWICZENIA Schemat urządzena pomarowego jest poazany na rys.. Urządzene zawera detetor promenowana (), źródło wysoego napęca () lczna (3). Detetor rejestruje promenowana jonzujące od źródła (s). Jao detetor można stosować lczn Gegera- Müllera (GM) albo scyntylacyjny lczn. Rys.. Schemat ćwczena.

13 Celem dośwadczalnej częśc nnejszego ćwczena jest rejestracja ntensywnośc promenowana jonzującego w różnych nterwałach czasowych oraz sprawdzane wybór jednej z dwóch hpotez: hpoteza - otrzymane dane dośwadczalne są zgodne z rozładem Possona; hpoteza - otrzymane dane dośwadczalne są zgodne z rozładem Gaussa. Zadane. Napęce zaslana lczna należy ustawć na wcześnej wyznaczony punt pracy. Podstawę czasu należy obrać małą ta aby lczn rejestrował w średnm od do 4 mpulsów. Pomar polega na welorotnym notowanu lczby zlczeń na jednostę czasu rejestrowanych przez detetor. Należy doonać ooło 500 rejestracj tach zlczeń. Zadane. Po wyonanu perwszego zadana należy podstawę czasu obrać ta aby lczn rejestrował w średnm od 5 do 5 mpulsów. Dla wybranego nterwału czasowego wyonać ooło 500 rejestracj zlczeń lczna. Zadane 3. Wyn dośwadczalne przedstawć w postac dwóch hstogramów p (), gdze p jest częstoścą występowana mpulsów w jednostce czasu. Dla obu wyresów należy zweryfować hpotezę, czy przedstawone rozłady są rozładem Possona czy Gaussa. Uazać statystyczną stotność otrzymanych wynów. Na wyresach c dośwadczalnym hstogramam przedstawć teoretyczne hstogramy. Dośwadczalne teoretyczne hstogramy muszą być unormowane na całowtą lczbę pomarów. Korzystając z hstogramy odpowadającej zadanu sprawdzć, że ooło 68% pomarów ne różn sę od wartośc średnej węcej nż na. SPRAWOZDANIE Z ĆWICZENIA MUSI ZAWIERAĆ:. Krót teoretyczny ops podstawowych pojęć.. Cel prowadzonego badana. 3. Ops dośwadczalnej aparatury oraz metody pomarowej; 4. Wyresy tabel wynów pomarowych; 5. Wnos przeprowadzć dysusję otrzymanych wynów. 6. Sps wyorzystanej lteratury. WYMAGANIA DO KOLOKWIUM. Oreślene wartośc oczewana (średnej), warancj, odchylena średnego (flutuacj względnej bezwzględnej). 3

14 . Rozład Possona (wyprowadzene rozładu). Warancja rozładu Possona (wyprowadzene). Przejśce rozładu Possona w rozład Gaussa (warun, wyprowadzene). 3. Centralne twerdzene granczne a rozład Gaussa. 4. Względna bezwzględna flutuacja dla rozładu Gaussa. 5. Rozład. Testowane hpotez za pomocą ryterum α,. LITERATURA. T.Hlczer, Ćwczena z pracown jądrowej, UAM, Poznań, Ćwczena laboratoryjne z fzy, Pod red. F.Kaczmara, PWN, Warszawa, J. Aramnowcz, K. Małuszyńsa, M. Przytuła, "Laboratorum fzy jądrowej" PWN Warszawa J. R. Taylor, "Wstęp do analzy błędu pomarowego" PWN Warszawa J. L. Kacpers, "Opracowane danych pomarowych" Wyd. Unwersytetu Łódzego 997 4

15 Tabela 3. Wartośc α, dla różnych P w zależnośc od lczby stopnej swobody pozomu stotnośc hpotezy α = p (perwszy górny wersz).

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTRUKCJA LABORATORYJNA Temat ćwczena: BADANIE POPRAWNOŚCI OPISU STANU TERMICZNEGO POWIETRZA PRZEZ RÓWNANIE

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E bedze zborem zdarzen elementarnych danego doswadczena. Funcje X(e) przyporzadowujaca azdemu zdarzenu elementarnemu e E jedna tylo jedna lczbe X(e)x nazywamy ZMIENNA

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego 5 KATEDRA FIZYKI STOSOWANEJ PRACOWNIA FIZYKI Ćw. 5. Wyznaczane współczynna sprężystośc przy pomocy wahadła sprężynowego Wprowadzene Ruch drgający należy do najbardzej rozpowszechnonych ruchów w przyrodze.

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac)

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac) Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. 7. TWIERDZENIA O WZAJEMNOŚCI 7.1. Twerdzene Bettego (o wzajemnośc prac) Nech na dowolny uład ramowy statyczne wyznaczalny lub newyznaczalny, ale o nepodatnych

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Sprawozdanie powinno zawierać:

Sprawozdanie powinno zawierać: Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

SPRAWDZANIE PRAWA MALUSA

SPRAWDZANIE PRAWA MALUSA INSTYTUT ELEKTRONIKI I SYSTEMÓW STEROWANIA WYDZIAŁ ELEKTRYCZNY POLITECHNIKA CZĘSTOCHOWSKA LABORATORIUM FIZYKI ĆWICZENIE NR O- SPRAWDZANIE PRAWA MALUSA I. Zagadnena do przestudowana 1. Fala elektromagnetyczna,

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

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

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

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom

Bardziej szczegółowo

Nieparametryczne Testy Istotności

Nieparametryczne Testy Istotności Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

Matematyka finansowa r.

Matematyka finansowa r. . Sprawdź, tóre z ponższych zależnośc są prawdzwe: () = n n a s v d v d d v v d () n n m ) ( n m ) ( v a d s ) m ( = + & & () + = = + = )! ( ) ( δ Odpowedź: A. tylo () B. tylo () C. tylo () oraz () D.

Bardziej szczegółowo

Metody Numeryczne 2017/2018

Metody Numeryczne 2017/2018 Metody Numeryczne 7/8 Inormatya Stosowana II ro Inżynera Oblczenowa II ro Wyład 7 Równana nelnowe Problemy z analtycznym rozwązanem równań typu: cos ln 3 lub uładów równań ja na przyład: y yz. 3z y y.

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych

Bardziej szczegółowo

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 4 60-965 POZAŃ (budynek Centrum Mechatronk, Bomechank anonżyner) www.zmsp.mt.put.poznan.pl tel. +48 61 665 5 70 fax

Bardziej szczegółowo

Rachunek niepewności pomiaru opracowanie danych pomiarowych

Rachunek niepewności pomiaru opracowanie danych pomiarowych Rachunek nepewnośc pomaru opracowane danych pomarowych Mędzynarodowa Norma Oceny Nepewnośc Pomaru (Gude to Epresson of Uncertanty n Measurements - Mędzynarodowa Organzacja Normalzacyjna ISO) http://physcs.nst./gov/uncertanty

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20 FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW

Bardziej szczegółowo

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń: .. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

dy dx stąd w przybliżeniu: y

dy dx stąd w przybliżeniu: y Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA. Ops teoretyczny do ćwczena zameszczony jest na strone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomarowego

Bardziej szczegółowo

exp jest proporcjonalne do czynnika Boltzmanna exp(-e kbt (szerokość przerwy energetycznej między pasmami) g /k B

exp jest proporcjonalne do czynnika Boltzmanna exp(-e kbt (szerokość przerwy energetycznej między pasmami) g /k B Koncentracja nośnów ładunu w półprzewodnu W półprzewodnu bez domesz swobodne nośn ładunu (eletrony w paśme przewodnctwa, dzury w paśme walencyjnym) powstają tylo w wynu wzbudzena eletronów z pasma walencyjnego

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice

dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice dr nż. ADA HEYDUK dr nż. JAOSŁAW JOOSBEENS Poltechna Śląsa, Glwce etody oblczana prądów zwarcowych masymalnych nezbędnych do doboru aparatury łączenowej w oddzałowych secach opalnanych według norm europejsej

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

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

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

Bardziej szczegółowo

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska

Bardziej szczegółowo

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym ĆWCZENE 3 Analza obwodów C przy wymszenach snsodalnych w stane stalonym 1. CE ĆWCZENA Celem ćwczena jest praktyczno-analtyczna ocena obwodów elektrycznych przy wymszenach snsodalne zmennych.. PODSAWY EOEYCZNE

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)

Bardziej szczegółowo

Ćwiczenie nr 1 WAHADŁO MATEMATYCZNE Instrukcja dla studenta

Ćwiczenie nr 1 WAHADŁO MATEMATYCZNE Instrukcja dla studenta Analza nepewnośc pomarowych w eksperymentach fzycznych dla specjalnośc Bofzyka molekularna Ćwczene nr WAHADŁO MATEMATYCZE Instrukcja dla studenta I. WSTĘP Celem ćwczena jest ukazane początkującemu eksperymentatorow

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB Julusz MDZELEWSK Wydzał Eletron Techn nformacyjnych, nstytut Radoeletron, oltechna Warszawsa do:0.599/48.05.09.36 dosonalona metoda oblczana mocy traconej w tranzystorach wzmacnacza lasy AB Streszczene.

Bardziej szczegółowo

Grupa: Elektrotechnika, wersja z dn Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej

Grupa: Elektrotechnika, wersja z dn Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej ul.potrowo 3a http://lumen.ee.put.poznan.pl Grupa: Elektrotechnka, wersja z dn. 29.03.2016 Studa stacjonarne, stopeń, sem.1 Laboratorum Technk Śwetlnej Ćwczene nr 6 Temat: Badane parametrów fotometrycznych

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

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

Bardziej szczegółowo

Indukcja matematyczna

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

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Podstawy rachunku prawdopodobieństwa (przypomnienie)

Podstawy rachunku prawdopodobieństwa (przypomnienie) . Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń

Bardziej szczegółowo

MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH

MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH Adam Mchczyńsk W roku 995 grupa nstytucj mędzynarodowych: ISO Internatonal Organzaton for Standardzaton (Mędzynarodowa Organzacja Normalzacyjna),

Bardziej szczegółowo

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY Zakład Budowy Eksploatacj Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA Temat ćwczena: PRAKTYCZNA REALIZACJA PRZEMIANY ADIABATYCZNEJ.

Bardziej szczegółowo

AUTOMATYKA I STEROWANIE W CHŁODNICTWIE, KLIMATYZACJI I OGRZEWNICTWIE L3 STEROWANIE INWERTEROWYM URZĄDZENIEM CHŁODNICZYM W TRYBIE PD ORAZ PID

AUTOMATYKA I STEROWANIE W CHŁODNICTWIE, KLIMATYZACJI I OGRZEWNICTWIE L3 STEROWANIE INWERTEROWYM URZĄDZENIEM CHŁODNICZYM W TRYBIE PD ORAZ PID ĆWICZENIE LABORAORYJNE AUOMAYKA I SEROWANIE W CHŁODNICWIE, KLIMAYZACJI I OGRZEWNICWIE L3 SEROWANIE INWEREROWYM URZĄDZENIEM CHŁODNICZYM W RYBIE PD ORAZ PID Wersja: 03-09-30 -- 3.. Cel ćwczena Celem ćwczena

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

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

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

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

Bardziej szczegółowo

POMIAR WSPÓŁCZYNNIKÓW ODBICIA I PRZEPUSZCZANIA

POMIAR WSPÓŁCZYNNIKÓW ODBICIA I PRZEPUSZCZANIA Ćwczene O5 POMIAR WSPÓŁCZYNNIKÓW ODBICIA I PRZEPUSZCZANIA 1. Cel zakres ćwczena Celem ćwczena jest poznane metod pomaru współczynnków odbca przepuszczana próbek płaskch 2. Ops stanowska laboratoryjnego

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy 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 szczegółowo

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F; Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia

Bardziej szczegółowo

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO OZWIĄZYWAIE DWUWYMIAOWYCH USALOYCH ZAGADIEŃ PZEWODZEIA CIEPŁA PZY POMOCY AKUSZA KALKULACYJEGO OPIS MEODY Do rozwązana ustalonego pola temperatury wyorzystana est metoda blansów elementarnych. W metodze

Bardziej szczegółowo

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany Wykład II ELEKTROCHEMIA Wykład II b Nadnapęce Równane Buttlera-Volmera Równana Tafela Równowaga dynamczna prąd wymany Jeśl układ jest rozwarty przez elektrolzer ne płyne prąd, to ne oznacza wcale, że na

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH

BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH AKŁAD KSPLOATACJI SYSTMÓW LKTONICNYCH INSTYTUT SYSTMÓW LKTONICNYCH WYDIAŁ LKTONIKI WOJSKOWA AKADMIA TCHNICNA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

Referat E: ZABEZPIECZENIA OD SKUTKÓW ZWARĆ WIELKOPRĄDOWYCH W POLACH ROZDZIELNI SN

Referat E: ZABEZPIECZENIA OD SKUTKÓW ZWARĆ WIELKOPRĄDOWYCH W POLACH ROZDZIELNI SN str.e-1 Referat E: ZABEZPECZENA OD SKUTKÓW ZWARĆ WELKOPRĄDOWYCH W POLACH ROZDZELN SN 1. Wstęp Dobór aw jest cągle bardzo ważnym elementem prawdłowośc dzałana eletroenergetycznej automaty zabezpeczenowej

Bardziej szczegółowo

1. Wstęp. Grupa: Elektrotechnika, wersja z dn Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej

1. Wstęp. Grupa: Elektrotechnika, wersja z dn Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej Grupa: Elektrotechnka, wersja z dn. 0.03.011 Studa stacjonarne, stopeń, sem.1 Laboratorum Technk Śwetlnej Ćwczene nr 6 Temat: Porównane parametrów fotometrycznych Ŝarówek dod śwecących o ukerunkowanym

Bardziej szczegółowo

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych

Bardziej szczegółowo

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb

Bardziej szczegółowo