ELEMENTÓW PODANYCH W PN-EN i PN-EN

Wielkość: px
Rozpocząć pokaz od strony:

Download "ELEMENTÓW PODANYCH W PN-EN i PN-EN"

Transkrypt

1 PORÓWNANIE METOD OCENY NIEUSZKADZALNOŚCI ELEMENTÓW PODANYCH W PN-EN i PN-EN prof. dr inż. Tadeusz MISSALA Przemysłowy Instytut Automatyki i Pomiarów, Warszawa Al. Jerozolimskie 202 tel. (22) fax (22) tmissala@piap.pl PARGRAF 34-V SYMPOZJUM'2009

2 PLAN PREZENTACJI. Wprowadzenie 2. Metodyka podana w PN-EN Określenie SIL na podstawie B 0inf 4. Metoda wg PN-EN Porównanie metod Elementy, o czasie pracy określonym w godzinach 6. Porównanie metod - Elementy, o czasie pracy określonym w cyklach 7. Podsumowanie PARGRAF 34-V SYMPOZJUM'2009 2

3 . WPROWADZENIE Elektromechaniczne elementy automatyki są niezastąpionymi składowymi torów realizacji funkcji bezpieczeństwa, dlatego jest potrzebna znajomość ich nienaruszalności bezpieczeństwa wyrażonej, zgodnie z wymaganiami PN-EN [], przez intensywność uszkodzeń, to jest jako prawdopodobieństwo uszkodzenia niebezpiecznego na godzinę. W PN-EN 6206 [6], normie sektorowej dotyczącej bezpieczeństwa maszyn, posłużono się w tym celu metodyką zaczerpniętą z techniki przekaźnikowej to jest podaną w PN-EN [4] i IEC/PAS [5]. Natomiast w [] podano sposób oparty bezpośrednio na prawdopodobieństwie wyznaczenia gwarantowanej trwałości elementu. Ta metoda była stosowana przez autora [9, 0] na podstawie analiz niezawodnościowych podanych w [7,8,]. Ze względu na różnorodność źródeł, z których można czerpać dane, jest potrzebne porównanie obu metod i oszacowanie wyników otrzymywanych na ich podstawie. PARGRAF 34-V SYMPOZJUM'2009 3

4 2. METODYKA WG PN-EN Wykorzystuje rozkład Weibulla [2] do oszacowania probabilistycznych parametrów niezawodnościowych. f ( t) = k t b k k e t ( ) b k () Wyznacza się: parametry rozkładu Weibulla, średnią liczbę cykli do wystąpienia uszkodzenia oraz czas użyteczności. PARGRAF 34-V SYMPOZJUM'2009 4

5 2. METODYKA WG PN-EN Postępowanie jest następujące: Badaniu poddaje się zbiór n obiektów przez czas T. W tym czasie uszkadza się r obiektów, przy czym zostaje zarejestrowany czas, po jakim uległ uszkodzeniu każdy z obiektów. Otrzymuje się ciąg wartości czasów do uszkodzenia: t, t 2,... t r (2) przy czym 0 t i T, oraz i =, 2,..r. Wyznacza się parametry (k, b) rozkładu Weibulla ze wzorów: b r k k ti ln( ti ) + ( n r) T ln( T) r i ln( ti ) = 0 r k k k r i= ti + ( n r) T i= = r k k { ti ( n r) T r + i } k (3) (4) PARGRAF 34-V SYMPOZJUM'2009 5

6 2. METODYKA WG PN-EN Rozwiązaniami powyższych równań są wartości k, b; rozwiązanie otrzymuje się poprzez iteracje. Kolejnym krokiem jest obliczenie średniej liczby cykli m do wystąpienia uszkodzenia ze wzoru (5): m = bγ( + gdzie Γ jest funkcją Eulera. ) k (5) Wartość szacowaną poszukiwanej wielkości B 0, to jest liczbv cykli, po jakiej następuje uszkodzenie 0 % badanych egzemplarzy, oblicza się ze wzoru (6): B 0e = ln 0,9 k (6) PARGRAF 34-V SYMPOZJUM'2009 6

7 2. METODYKA WG PN-EN Dolną granice ufności B 0, równą (- γ) 00 %, oblicza się następująco: h = ln [-ln(0,9)] = -2,250 (7) q = r/n (8) δ = A x 6 2 rh + x ( A 2 6 A A ) x 4 5 r x 2 A ra 4 + 2rh A 6 + rah 5 2 (9) gdzie: - x = u γ jest kwantylem γ rozkładu normalnego PARGRAF 34-V SYMPOZJUM'2009 7

8 2. METODYKA WG PN-EN Jeżeli wytwórca nie podał inaczej, to przyjmuje się γ = 0, i u γ =,28 6; A A A = = = 0,49 q 0,34 + 0,622 q 0,2445 (,78 q )( 2,25 + q ); 0,029,083 ln( 325 q ). ; (0) δ + h Q = exp k () Dolna granica ufności B 0 wynosi: 0inf QB0 B = (2) Tę wartość należy traktować jako czas użyteczności elementu badanego. PARGRAF 34-V SYMPOZJUM'2009 8

9 3. Określenie SIL na podstawie B 0inf Elementy elektromechaniczne można zaliczyć do kategorii elementów prostych. W takim przypadku w p PN-EN 6206 [5] przyjmuje się, że intensywność uszkodzeń λ elementów ma wartość stałą i niewielką w porównaniu do trwałości elementu T B ( >> λt B ). Przy tych założeniach intensywność uszkodzeń oblicza się; W przypadku elementów o trwałości wyrażonej w godzinach ze wzoru: λ = MTTF gdzie MTTF jest średnim czasem pracy do uszkodzenia. Za intensywność uszkodzeń niebezpiecznych przyjmuje się na ogół: λ = 0, 2λ (3) D (4) PARGRAF 34-V SYMPOZJUM'2009 9

10 3. Określenie SIL na podstawie B 0inf W przypadku elementów elektromechanicznych przełączających, których intensywność uszkodzeń jest wyrażona przez wartość B 0 i liczbę C cykli przełączeń na godzinę ze wzoru: λ = 0, C B 0 (5) Intensywność uszkodzeń niebezpiecznych przyjmuje się wg wzoru (4), zaś prawdopodobieństwo średnie uszkodzenia niebezpiecznego na godzinę wg zależności: PFH D = λ D h (6) PARGRAF 34-V SYMPOZJUM'2009 0

11 4. Metoda wg PN-EN W uwadze 5 do tablicy 3 w PN-EN zamieszczono podane poniżej stwierdzenie zawierające istotę metodyki zalecanej w tej normie. W przypadku systemu E/E/PE związanego z bezpieczeństwem, działającego w rodzaju pracy na częste żądanie lub ciągłym, od którego wymaga się pracy w określonym okresie trwałości, podczas którego nie mogą mieć miejsca naprawy, wymagany poziom nienaruszalności bezpieczeństwa funkcji bezpieczeństwa może zostać wyliczony następująco. Określa się wymagane prawdopodobieństwo uszkodzenia funkcji bezpieczeństwa w okresie trwałości i dzieli się je przez okres trwałości w celu otrzymania wymaganego prawdopodobieństwa uszkodzenia na godzinę, a następnie używa się tablicy 3 do wywnioskowania o poziomie nienaruszalności bezpieczeństwa. Przy określonych założeniach ta metodyka pozwala korzystać z danych katalogowych, w których czasem można znaleźć informacje o trwałości gwarantowanej elementów elektromechanicznych. Ponieważ na ogół nie są podawane informacje o prawdopodobieństwie, z jakim określono czasy trwałości, wskazane powyżej założenia będą dotyczyć wartości prawdopodobieństwa PARGRAF 34-V SYMPOZJUM'2009

12 4. Metoda wg PN-EN Podstawową zależnością wynikającą z definicji metody jest: PFH D p = T (7) Rozważmy elementy, których trwałość wyraża się w godzinach pracy. Są to, np. silniki elektryczne, prądnice tachometryczne, kodery kąta i rezolwery. W latach prowadzono odpowiednie badania na użytek oceny jakości silników do sprzętu gospodarstwa domowego. Ze względu na brak danych o funkcji rozkładu prawdopodobieństwa uszkodzenia ocenę opierano na założeniu o nieznanej dystrybuancie uszkodzeń [7]. Badaniu w reżimie pracy długotrwałej poddawano próbkę o liczności 20 lub 25 szt. Wynikiem wieloletnich badań było zgromadzenie danych doświadczalnych, które umożliwiły oszacowanie tej nieznanej dystrybuanty uszkodzeń [8]. B PARGRAF 34-V SYMPOZJUM'2009 2

13 4. Metoda wg PN-EN Przy ustalonej wartości prawdopodobieństwa wyznaczenia trwałości, tj. przy -p y = const., prawdopodobieństwo niebezpiecznego uszkodzenia na godzinę jest odwrotnie proporcjonalne do trwałości. Przykładowo, gdy -p y = 0.472, otrzymuje się (tabela ): Tabela Wartości PDF D przy stałej wartości p = 0,8528 i zmiennej wartości T B T B [h] PFH D 4,9 2,9,84,47 0,92 0,736 0,589 0, SIL X X X X X nie określa się SIL z powodu zbyt małej nienaruszalności bezpieczeństwa. Przyjęta wartość 0,8528 dotyczy oszacowania przy nieznanej dystrybuancie uszkodzeń w przypadku, gdy w próbce o liczności 25 egzemplarzy, uszkodzeniu uległ jeden egzemplarz. PARGRAF 34-V SYMPOZJUM'2009 3

14 4. Metoda wg PN-EN Przy określonej trwałości prawdopodobieństwo niebezpiecznego uszkodzenia na godzinę jest funkcją malejącą prawdopodobieństwa wystąpienia uszkodzenia oszacowanego przy próbie długotrwałej. Przykładowo przy trwałości h ( wartość typowa silników bezszczotkowych [9]) otrzymuje się dane podane w tabeli 2. Tabela 2 Wartości PFH D przy zmiennej wartości p T i stałej wartości T B = h p T 0,8 0,83 0, , , p T 0,2 0,7 0,472 0,0 0,05 0, PFH D,0 0,85 0,736 0,5 0,25 0, 0,05 0, SIL X! 2 2 X nie określa się SIL z powodu zbyt małej nienaruszalności bezpieczeństwa. Wartości wyróżnione drukiem pogrubionym dotyczą oszacowania przy nieznanej dystrybuancie uszkodzeń jak w tablicy 2 [7]. PARGRAF 34-V SYMPOZJUM'2009 4

15 4. Metoda wg PN-EN Do dalszych rozważań będą przyjmowane dane dotyczące oszacowanego prawdopodobieństwa przepracowania wymaganego czasu trwałości zestawione w tabeli 3. Tabela 3 Wartości prawdopodobieństw przyjęte do dalszych analiz. L.p. Wyniki próby trwałości p Td p Tg Próbka 25 szt. 0,8528 0,9958 uszkodzona 2 Próbka 25 szt. 2 0,8004 0,9785 uszkodzone 3 Próbka 25 szt. 2 0,9093 Nie dotyczy uszkodzone (po 0,6 T B i po 0,8 T B ) 4 Próbka 25 szt. uszkodzona po 0,7 T B 0,9987 Nie dotyczy Poz. i 2 ocena metodą nieparametryczną [7]; Poz. 3 i 4 ocena metodą parametryczną przy rozkładzie normalnym uciętym [8,0]. PARGRAF 34-V SYMPOZJUM'2009 5

16 5. Porównanie metod - Elementy, o czasie pracy określonym w godzinach Niech będzie dana próbka o liczności 25 szt., w której podczas próby pracy długotrwałej uległy uszkodzeniu dwa egzemplarze, po 0,6 i po 0,8 czasu próby, równego trwałości katalogowej T B. Niech T B. = h. Oszacowania wykonane na podstawie wzoru (7), przy przyjęciu prawdopodobieństw wg tabeli 3 wpisano do wierszy, 2, 3 tabeli 4. Resurs techniczny (T R ), to jest czas do obowiązkowego przeglądu, przyjmuje się [0] jako równy: TR = pt T (8) Odpowiednie czasy wpisano do tejże tabeli. Analogicznie obliczono parametry przy założeniu badania próbki 25 szt. i jednym uszkodzeniu po 7000 h. Wyniki zestawiono tabeli 4. PARGRAF 34-V SYMPOZJUM'2009 6

17 5. Porównanie metod - Elementy, o czasie pracy określonym w godzinach Tabela 4 Oszacowania metodą wg PN-EN 6508 w przypadku silników L.p. p T PFH D SIL T R [h] 0,9093 9,07 E ,8004,996 E-05 X ,9785 2,7 E ,9987,3 E ,8528,472 E-05 X ,9958 0,42 E Poz. 2, 3, 5, 6 ocena metodą nieparametryczną [7]; Poz. i 4 ocena metodą parametryczną przy rozkładzie normalnym uciętym odpowiednio przy dwóch uszkodzeniach i jednym uszkodzeniu PARGRAF 34-V SYMPOZJUM'2009 7

18 5. Porównanie metod - Elementy, o czasie pracy określonym w godzinach Ten sam przykład obliczony w sposób uproszczony według metody podanej w PN-EN 680-2, daje wynik jak poniżej MTTR śr = = 7000 h (9) 2 oraz: 5 PFH = 0,2 λ = 0, = 2,86 0 (20) D to jest poniżej SIL. Jest to wynik zbliżony do (8), to jest oszacowania metodą nieparametryczną, przy przyjęciu dolnej granicy prawdopodobieństwa. Natomiast w żadnych danych katalogowych nie znaleziono oszacowania PFH D silników. PARGRAF 34-V SYMPOZJUM'2009 8

19 6. Porównanie metod - Elementy, o czasie pracy określonym w cyklach Niech przedmiotem analizy będzie stycznik o trwałości 0 7 cykli. Przyjmując założenia jak poprzednio, to jest próbkę badaną o liczności 25 szt. i zanotowanie 2 uszkodzeń lub jednego uszkodzenia, otrzymuje się oszacowania zamieszczone w tablicy 5. Tablica 5 Oszacowania metodą wg PN-EN 6508 w przypadku styczników L.p. p T PFH D SIL T R [h] 0,9093 0,907 E ,8004 0,996 E ,9785 0,27 E ,9987 0,3 E , ,8528 0,47 E , ,9958 0,42 E ,9 0 6 Poz. 2, 3, 5, 6 ocena metodą nieparametryczną [7]; Poz. i 4 ocena metodą parametryczną przy rozkładzie normalnym uciętym odpowiednio przy dwóch uszkodzeniach i jednym uszkodzeniu. PARGRAF 34-V SYMPOZJUM'2009 9

20 6. Porównanie metod - Elementy, o czasie pracy określonym w cyklach W broszurze wydanej przez Siemensa jest przykład oszacowania dotyczący wyłącznika krańcowego o wartości B0 = 0 7 [h]. Oszacowanie dało wynik: 8 PFH D = 0,2 0 (2) a więc na poziomie oszacowań 3 i 4 z tablicy 5. PARGRAF 34-V SYMPOZJUM'

21 6. Podsumowanie Metoda podana w PN-EN wymaga, zwłaszcza w przypadku elementów o ustalonej trwałości (gwarantowanym czasie pracy) przeprowadzania długotrwałych i kosztownych badań. Doświadczenia zebrane w latach wskazują, że w okresie trwałości uszkadza się do 2 elementów. Ponieważ elementy wykonywane na potrzeby automatyzacji, a więc profesjonalne, będą prawdopodobnie mieć trwałość i niezawodność większą niż badane wówczas silniki do sprzętu powszechnego użytku, próba do uzyskania 7 0 uszkodzeń wymaganych przy ocenie na podstawie rozkładu Weibulla, będzie trwała kilka lat. Takie oszacowania udawało się wykorzystać przy ocenie sprzętu o trwałości 800 h do 200 h. PARGRAF 34-V SYMPOZJUM'2009 2

22 6. Podsumowanie Jak wykazano w referacie, zastosowanie metody podanej w PN-EN 6508-, przy przyjęciu ostrożnych oszacowań prawdopodobieństwa nieuszkodzenia się w czasie pracy gwarantowanym, daje wyniki na porównywalne z wynikami wg metody podanej w PN-EN 680-2, a więc równie wiarygodne. Jednocześnie ta metoda daje możliwość korzystania z, i tak bardzo skąpych, danych katalogowych o trwałości gwarantowanej elementów, podczas gdy nigdzie nie napotkano danych o wartości B0 tych elementów PARGRAF 34-V SYMPOZJUM'

23 DZIĘKUJĘ ZA UWAGĘ PARGRAF 34-V SYMPOZJUM'

Funkcje charakteryzujące proces. Dr inż. Robert Jakubowski

Funkcje charakteryzujące proces. Dr inż. Robert Jakubowski Funkcje charakteryzujące proces eksploatacji Dr inż. Robert Jakubowski Niezawodność Niezawodność Rprawdopodobieństwo, że w przedziale czasu od do t cechy funkcjonalne statku powietrznego Ubędą się mieścić

Bardziej szczegółowo

Modelowanie niezawodności prostych struktur sprzętowych

Modelowanie niezawodności prostych struktur sprzętowych Modelowanie niezawodności prostych struktur sprzętowych W ćwiczeniu tym przedstawione zostaną proste struktury sprzętowe oraz sposób obliczania ich niezawodności przy założeniu, że funkcja niezawodności

Bardziej szczegółowo

W3 - Niezawodność elementu nienaprawialnego

W3 - Niezawodność elementu nienaprawialnego W3 - Niezawodność elementu nienaprawialnego Henryk Maciejewski Jacek Jarnicki Jarosław Sugier www.zsk.iiar.pwr.edu.pl Niezawodność elementu nienaprawialnego 1. Model niezawodności elementu nienaprawialnego

Bardziej szczegółowo

W4 Eksperyment niezawodnościowy

W4 Eksperyment niezawodnościowy W4 Eksperyment niezawodnościowy Henryk Maciejewski Jacek Jarnicki Jarosław Sugier www.zsk.iiar.pwr.edu.pl Badania niezawodnościowe i analiza statystyczna wyników 1. Co to są badania niezawodnościowe i

Bardziej szczegółowo

PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV

PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Elektroenergetyczne linie napowietrzne i kablowe wysokich i najwyższych napięć PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Wisła, 18-19 października 2017

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

MODELE I PROCEDURY OCENY ZGODNOŚCI MODELE I PROCEDURY OCENY ZGODNOŚCI BEZPIECZEŃSTWA FUNKCJONALNEGO SYSTEMÓW ZABEZPIECZENIOWYCH W

MODELE I PROCEDURY OCENY ZGODNOŚCI MODELE I PROCEDURY OCENY ZGODNOŚCI BEZPIECZEŃSTWA FUNKCJONALNEGO SYSTEMÓW ZABEZPIECZENIOWYCH W Prezentacja wstępna MODELE I PROCEDURY OCENY ZGODNOŚCI BEZPIECZEŃSTWA FUNKCJONALNEGO SYSTEMÓW ZABEZPIECZENIOWYCH W SEKTORZE PRZEMYSŁU PROCESOWEGO prof. dr inż. Tadeusz Missala Przemysłowy Instytut Automatyki

Bardziej szczegółowo

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności: Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności

Bardziej szczegółowo

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

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

Bardziej szczegółowo

Testy zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11

Testy zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11 Testy zgodności Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej 27. Nieparametryczne testy zgodności Weryfikacja

Bardziej szczegółowo

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1. Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej

Bardziej szczegółowo

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 4 Modelowanie niezawodności prostych struktur sprzętowych Prowadzący: mgr inż. Marcel Luzar Cel

Bardziej szczegółowo

PODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ

PODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ Andrzej Purczyński PODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ Materiały szkolenia technicznego, Jakość energii elektrycznej i jej rozliczanie, Poznań Tarnowo Podgórne II/2008, ENERGO-EKO-TECH

Bardziej szczegółowo

A B. 2 5 8 18 2 x x x 5 x x 8 x 18

A B. 2 5 8 18 2 x x x 5 x x 8 x 18 Narzędzia modelowania niezawodności 1 Arkusz kalkulacyjny - jest to program zbudowany na schemacie relacyjnych baz danych. Relacje pomiędzy dwiema (lub więcej) cechami można zapisać na kilka sposobów.

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wprowadzenie

Testowanie hipotez statystycznych. Wprowadzenie Wrocław University of Technology Testowanie hipotez statystycznych. Wprowadzenie Jakub Tomczak Politechnika Wrocławska jakub.tomczak@pwr.edu.pl 10.04.2014 Pojęcia wstępne Populacja (statystyczna) zbiór,

Bardziej szczegółowo

Niezawodność i Diagnostyka

Niezawodność i Diagnostyka Katedra Metrologii i Optoelektroniki Wydział Elektroniki Telekomunikacji i Informatyki Politechnika Gdańska Niezawodność i Diagnostyka Ćwiczenie laboratoryjne nr 3 Struktury niezawodnościowe 1. Struktury

Bardziej szczegółowo

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( ) Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału

Bardziej szczegółowo

Prawdopodobieństwo i rozkład normalny cd.

Prawdopodobieństwo i rozkład normalny cd. # # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl

Bardziej szczegółowo

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

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

Bardziej szczegółowo

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić).

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić). Egzamin ze Statystyki Matematycznej, WNE UW, wrzesień 016, zestaw B Odpowiedzi i szkice rozwiązań 1. Zbadano koszt 7 noclegów dla 4-osobowej rodziny (kwatery) nad morzem w sezonie letnim 014 i 015. Wylosowano

Bardziej szczegółowo

Modele długości trwania

Modele długości trwania Modele długości trwania Pierwotne zastosowania: przemysłowe (trwałość produktów) aktuarialne (długość trwania życia) Zastosowania ekonomiczne: długości bezrobocia długości czasu między zakupami dóbr trwałego

Bardziej szczegółowo

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej 7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach

Bardziej szczegółowo

Niezawodność i Diagnostyka

Niezawodność i Diagnostyka Katedra Metrologii i Optoelektroniki Wydział Elektroniki Telekomunikacji i Informatyki Politechnika Gdańska Niezawodność i Diagnostyka Ćwiczenie laboratoryjne nr 3 Struktury niezawodnościowe Gdańsk, 2012

Bardziej szczegółowo

Estymacja punktowa i przedziałowa

Estymacja punktowa i przedziałowa Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA WYKŁAD

WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA WYKŁAD POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA WYKŁAD 3 dr inż. Kamila Kustroń Warszawa, 10 marca 2015 24 lutego: Wykład wprowadzający w interdyscyplinarną tematykę eksploatacji statków

Bardziej szczegółowo

WYKŁAD 8 ANALIZA REGRESJI

WYKŁAD 8 ANALIZA REGRESJI WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej

Bardziej szczegółowo

Rozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,

Rozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2, Wykład 4. Rozkłady i ich dystrybuanty 6 marca 2007 Jak opisać cały rozkład jedną funkcją? Aby znać rozkład zmiennej X, musimy umieć obliczyć P (a < X < b) dla dowolnych a < b. W tym celu wystarczy znać

Bardziej szczegółowo

Analiza przeżycia. Wprowadzenie

Analiza przeżycia. Wprowadzenie Wprowadzenie Przedmiotem badania analizy przeżycia jest czas jaki upływa od początku obserwacji do wystąpienia określonego zdarzenia, które jednoznacznie kończy obserwację na danej jednostce. Analiza przeżycia

Bardziej szczegółowo

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 4 1 / 23 ZAGADNIENIE ESTYMACJI Zagadnienie

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Statystyka i opracowanie danych W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Rozkład Poissona. Zmienna losowa ciągła Dystrybuanta i funkcja gęstości

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

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

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 8 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka matematyczna 7 maja 2018 1 / 19 Przypomnijmy najpierw omówione na poprzednim wykładzie postaci przedziałów

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka

Rachunek prawdopodobieństwa i statystyka Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

Bardziej szczegółowo

PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński

PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR Wojciech Zieliński Katedra Ekonometrii i Statystyki SGGW Nowoursynowska 159, PL-02-767 Warszawa wojtek.zielinski@statystyka.info

Bardziej szczegółowo

Wykład 10 Testy jednorodności rozkładów

Wykład 10 Testy jednorodności rozkładów Wykład 10 Testy jednorodności rozkładów Wrocław, 16 maja 2018 Test Znaków test jednorodności rozkładów nieparametryczny odpowiednik testu t-studenta dla prób zależnych brak normalności rozkładów Test Znaków

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 9 27.04.2018 dr inż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr letni 2017/2018 Metoda największej wiarygodności ierównosć informacyjna

Bardziej szczegółowo

Cechy eksploatacyjne statku. Dr inż. Robert Jakubowski

Cechy eksploatacyjne statku. Dr inż. Robert Jakubowski Cechy eksploatacyjne statku powietrznego Dr inż. Robert Jakubowski Własności i właściwości SP Cechy statku technicznego, które są sformułowane w wymaganiach taktyczno-technicznych, konkretyzują się w jego

Bardziej szczegółowo

Instalacja procesowa W9-1

Instalacja procesowa W9-1 Instalacja procesowa W9-1 Warstwy zabezpieczeń Kryteria probabilistyczne SIL PFD avg PFH 4 [ 10-5, 10-4 ) [ 10-9, 10-8 ) 3 [ 10-4, 10-3 ) [ 10-8, 10-7 ) 2 [ 10-3, 10-2 ) [ 10-7, 10-6 ) 1 [ 10-2, 10-1 )

Bardziej szczegółowo

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 24 60-965 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl

Bardziej szczegółowo

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie METODY ESTYMACJI PUNKTOWEJ X 1,..., X n - próbka z rozkładu P θ, θ Θ, θ jest nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie P θ. Definicja. Estymatorem

Bardziej szczegółowo

Oszacowanie niezawodności elektronicznych układów bezpieczeństwa funkcjonalnego

Oszacowanie niezawodności elektronicznych układów bezpieczeństwa funkcjonalnego IV Sympozjum Bezpieczeństwa Maszyn, Urządzeń i Instalacji Przemysłowych organizowane przez Klub Paragraf 34 Oszacowanie niezawodności elektronicznych układów bezpieczeństwa funkcjonalnego Wpływ doboru

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

Kolokwium ze statystyki matematycznej

Kolokwium ze statystyki matematycznej Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę

Bardziej szczegółowo

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna. Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę

Bardziej szczegółowo

Metoda największej wiarygodności

Metoda największej wiarygodności Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11, środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n) MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości

Bardziej szczegółowo

Wnioskowanie bayesowskie

Wnioskowanie bayesowskie Wnioskowanie bayesowskie W podejściu klasycznym wnioskowanie statystyczne oparte jest wyłącznie na podstawie pobranej próby losowej. Możemy np. estymować punktowo lub przedziałowo nieznane parametry rozkładów,

Bardziej szczegółowo

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1 Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie

Bardziej szczegółowo

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

Wykład 9 Wnioskowanie o średnich

Wykład 9 Wnioskowanie o średnich Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie hipotez statystycznych. Wnioskowanie statystyczne Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

Estymacja parametrów w modelu normalnym

Estymacja parametrów w modelu normalnym Estymacja parametrów w modelu normalnym dr Mariusz Grządziel 6 kwietnia 2009 Model normalny Przez model normalny będziemy rozumieć rodzine rozkładów normalnych N(µ, σ), µ R, σ > 0. Z Centralnego Twierdzenia

Bardziej szczegółowo

Procedura szacowania niepewności

Procedura szacowania niepewności DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Stron 7 Załączniki Nr 1 Nr Nr 3 Stron Symbol procedury PN//xyz Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził

Bardziej szczegółowo

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k = Matematyka ubezpieczeń majątkowych 0.0.006 r. Zadanie. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k 5 Pr( N = k) =, k = 0,,,... 6 6 Wartości kolejnych szkód Y, Y,, są i.i.d.,

Bardziej szczegółowo

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1

Bardziej szczegółowo

Określenie maksymalnego kosztu naprawy pojazdu

Określenie maksymalnego kosztu naprawy pojazdu MACIEJCZYK Andrzej 1 ZDZIENNICKI Zbigniew 2 Określenie maksymalnego kosztu naprawy pojazdu Kryterium naprawy pojazdu, aktualna wartość pojazdu, kwantyle i kwantyle warunkowe, skumulowana intensywność uszkodzeń

Bardziej szczegółowo

4. ZNACZENIE ROZKŁADU WYKŁADNICZEGO

4. ZNACZENIE ROZKŁADU WYKŁADNICZEGO Znaczenie rozkładu wykładniczego 4 51 4. ZNACZENIE ROZKŁADU WYKŁADNICZEGO 4.1. Rozkład wykładniczy Zmienna losowa X ma rozkład wykładniczy, jeżeli funkcja gęstości prawdopodobieństwa f ( x) = λe λx x 0,

Bardziej szczegółowo

Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport

Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport Michał Krzemiński Streszczenie Projekt dotyczy metod generowania oraz badania własności statystycznych ciągów liczb pseudolosowych.

Bardziej szczegółowo

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 3 Generacja realizacji zmiennych losowych Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia: Generowanie

Bardziej szczegółowo

Analiza niepewności pomiarów

Analiza niepewności pomiarów Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej

Bardziej szczegółowo

DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności

DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Szacowanie niepewności oznaczania / pomiaru zawartości... metodą... Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził

Bardziej szczegółowo

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0 Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Agenda Instytut Matematyki Politechniki Łódzkiej 2 stycznia 2012 Agenda Agenda 1 Wprowadzenie Agenda 2 Hipoteza oraz błędy I i II rodzaju Hipoteza alternatywna Statystyka testowa Zbiór krytyczny Poziom

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa analiza danych doświadczalnych Wykład 9 7.04.09 dr inż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr letni 08/09 Metoda największej wiarygodności ierównosć informacyjna Metoda

Bardziej szczegółowo

4. Ubezpieczenie Życiowe

4. Ubezpieczenie Życiowe 4. Ubezpieczenie Życiowe Składka ubezpieczeniowa musi brać pod uwagę następujące czynniki: 1. Kwotę wypłaconą przy śmierci ubezpieczonego oraz jej wartość aktualną. 2. Rozkład czasu do śmierci ubezpieczonego

Bardziej szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki Kazimierz Kosmowski k.kosmowski@ely.pg.gda.pl Opracowanie metod analizy i narzędzi do komputerowo wspomaganego zarządzania bezpieczeństwem

Bardziej szczegółowo

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul Jana Pawła II 24 60-965 POZNAŃ budynek Centrum Mechatroniki, iomechaniki i Nanoinżynierii) wwwzmispmtputpoznanpl tel +48

Bardziej szczegółowo

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15 VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady

Bardziej szczegółowo

W6 Systemy naprawialne

W6 Systemy naprawialne W6 Systemy naprawialne Henryk Maciejewski Jacek Jarnicki Marek Woda www.zsk.iiar.pwr.edu.pl Plan wykładu 1. Graf stanów elementu naprawialnego / systemu 2. Analiza niezawodnościowa systemu model Markowa

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, że 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

Jednowymiarowa zmienna losowa

Jednowymiarowa zmienna losowa 1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Inżynieria Środowiska w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era

Bardziej szczegółowo

O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE

O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE Ryszard Zieliński, IMPAN Warszawa O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE XXXIX Ogólnopolska Konferencja Zastosowań Matematyki Zakopane-Kościelisko 7-14 września 2010 r Model statystyczny pomiaru: wynik pomiaru

Bardziej szczegółowo

ZAKŁAD SAMOLOTÓW I ŚMIGŁOWCÓW

ZAKŁAD SAMOLOTÓW I ŚMIGŁOWCÓW ZAKŁAD SAMOLOTÓW I ŚMIGŁOWCÓW NK315 EKSPLOATACJA STATKÓW LATAJĄCYCH dr inż. Kamila Kustroń dr inż. Kamila Kustroń ZAKŁAD SAMOLOTÓW I ŚMIGŁOWCÓW NK315 EKSPLOATACJA STATKÓW LATAJĄCYCH 1. Wykład wprowadzający

Bardziej szczegółowo

Wprowadzenie do estymacji rozkładów w SAS.

Wprowadzenie do estymacji rozkładów w SAS. Wprowadzenie do estymacji rozkładów w SAS Henryk.Maciejewski@pwr.wroc.pl 1 Plan Empiryczne modele niezawodności Estymacja parametryczna rozkładów zmiennych losowych Estymacja nieparametryczna Empiryczne

Bardziej szczegółowo

Definicje PN ISO Definicje PN ISO 3951 interpretacja Zastosowanie normy PN-ISO 3951:1997

Definicje PN ISO Definicje PN ISO 3951 interpretacja Zastosowanie normy PN-ISO 3951:1997 PN-ISO 3951:1997 METODY STATYSTYCZNEJ KONTROI JAKOŚCI WG OCENY ICZBOWEJ ciągła seria partii wyrobów sztukowych dla jednej procedury analizowana jest tylko jedna wartość, która musi być mierzalna w skali

Bardziej szczegółowo

Przedziały ufności. Poziom istotności = α (zwykle 0.05) Poziom ufności = 1 α Przedział ufności dla parametru μ = taki przedział [a,b], dla którego

Przedziały ufności. Poziom istotności = α (zwykle 0.05) Poziom ufności = 1 α Przedział ufności dla parametru μ = taki przedział [a,b], dla którego Przedziały ufności Poziom istotności = α (zwykle 0.05) Poziom ufności = 1 α Przedział ufności dla parametru μ = taki przedział [a,b], dla którego czyli P( μ [a,b] ) = 1 α P( μ < a ) = α/2 P( μ > b ) =

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Inżynieria i Gospodarka Wodna w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009 STATYSTYKA MATEMATYCZNA WYKŁAD 4 26 października 2009 Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ (X µ) 2 { (x µ) 2 exp 1 ( ) } x µ 2 dx 2 σ Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ

Bardziej szczegółowo

J.Bajer, R.Iwanejko,J.Kapcia, Niezawodność systemów wodociagowych i kanalizacyjnych w zadaniach, Politechnika Krakowska, 123(2006).

J.Bajer, R.Iwanejko,J.Kapcia, Niezawodność systemów wodociagowych i kanalizacyjnych w zadaniach, Politechnika Krakowska, 123(2006). Większość zadań pochodzi z podręcznika: J.Bajer, R.Iwanejko,J.Kapcia, Niezawodność systemów wodociagowych i kanalizacyjnych w zadaniach, Politechnika Krakowska, 123(2006). Elementy nieodnawialne. Wskaźniki,

Bardziej szczegółowo

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Tomasz Kuszewski Poziom studiów (I lub II stopnia): II stopnia

Bardziej szczegółowo

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Przygotował: Dr inż. Wojciech Artichowicz Katedra Hydrotechniki PG Zima 2014/15 1 TABLICE ROZKŁADÓW... 3 ROZKŁAD

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Pochodne funkcji, przebieg zmienności funkcji

Zadania z analizy matematycznej - sem. I Pochodne funkcji, przebieg zmienności funkcji Zadania z analizy matematycznej - sem. I Pochodne funkcji przebieg zmienności funkcji Definicja 1. Niech f : (a b) R gdzie a < b oraz 0 (a b). Dla dowolnego (a b) wyrażenie f() f( 0 ) = f( 0 + ) f( 0 )

Bardziej szczegółowo

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD STATYSTYK Z PRÓBY

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD STATYSTYK Z PRÓBY WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD STATYSTYK Z PRÓBY Próba losowa prosta To taki dobór elementów z populacji, że każdy element miał takie samo prawdopodobieństwo znalezienia się w próbie Niezależne

Bardziej szczegółowo

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407 Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Weryfikacja hipotez dotyczących postaci nieznanego rozkładu -Testy zgodności.

Bardziej szczegółowo

O ŚREDNIEJ STATYSTYCZNEJ

O ŚREDNIEJ STATYSTYCZNEJ Od średniej w modelu gaussowskim do kwantyli w podstawowym modelu nieparametrycznym IMPAN 1.X.2009 Rozszerzona wersja wykładu: O ŚREDNIEJ STATYSTYCZNEJ Ryszard Zieliński XII Międzynarodowe Warsztaty dla

Bardziej szczegółowo