Probabilistyczna metoda wykrywania miejsc kradzieży energii w sieciach nn

Wielkość: px
Rozpocząć pokaz od strony:

Download "Probabilistyczna metoda wykrywania miejsc kradzieży energii w sieciach nn"

Transkrypt

1 Krzysztof BILLWICZ WINL SA Probabilistycza metoda wykrywaia miejsc kradzieży eergii w sieciach N Streszczeie. Dzięki systemom AMR (ag. Automated Meters Readig automatyczy odczyt liczików; systemy zdalie odczytujące licziki) moża zgromadzić bardzo wiele daych pomiarowych. Aalizując odpowiedio te dae, moża wskazywać potecjale miejsca kradzieży eergii. Opisaa probabilistycza metoda, pomimo jej wielu ograiczeń, umożliwia wskazaie podejrzaego odbiorcy. Nie wykrywa oa wszystkich przypadków ielegalego poboru eergii, ale pomaga zaleźć te występujące ajczęściej. Abstract. Thaks to AMR (Automated Meters Readig) systems it is possible to gather may measuremet data. Suitably aalyzig these data we ca poit out potetial spots of thefts of eergy. The method of balace ad cotrol of speed icreasig of couter idicatio makes possible to quickly detect such places. The method does ot detect all cases of illegal cosumptio but helps us to fid the most ofte oes. (Probabilistic method detectio of illegal power cosumptio i low tesio). Słowa kluczowe: straty eergii, wykrywaie kradzieży eergii, kradzież eergii, ielegaly pobór eergii. Keywords: loss power, detectio of illegal electric power cosumptio, illegal cosumptio of electric eergy. Wprowadzeie Część odbiorców ielegalie pobiera eergię elektryczą. Proceder te jest zay ie tylko w Polsce, jedak to główie tutaj ma iepokojące rozmiary. Zakłady ergetycze (obecie spółki dystrybucyje) a róży sposób próbują miimalizować to iepokojące zjawisko. Posiadają cały wachlarz metod wykrywaia, uiemożliwiaia kradzieży eergii lub ziechęcaia do ielegalego pobieraia eergii. Skuteczość zaych metod wykrywaia kradzieży eergii Skuteczość stosowaia w zakładach eergetyczych dotychczas zaych metod wykrywaia ielegalego poboru wg raportu NIKu [7] do 004 roku była mała, przyajmiej w skotrolowaych przez Izbę zakładach eergetyczych. W wyiku przeprowadzaych kotroli coroczie ujawiao blisko 8 tysięcy przypadków kradzieży eergii. Pomimo tego w 8 zakładach dokoujących w latach szacuków strat eergii elektryczej spowodowaych ielegalym poborem, straty te (oszacowae a.896,4 GWh, wartości 8,9 ml zł) były od do 66 razy wyższe od eergii elektryczej pobraej przez wykrytych sprawców. Opis owej metody Część odbiorców ielegalie pobiera eergię elektryczą, żeby płacić za ią iższe rachuki. Najczęściej spotyka się astępującą sytuację: iektóre odbioriki od pewego czasu zostają przyłączoe do sieci z pomiięciem liczika. Ilość legalie pobieraej eergii przez odbiorcę ulega wtedy zmiejszeiu. Moża jedak zaobserwować, że zwiększa się różica bilasowa. Prezetowaa metoda [, ] bazuje a tym spostrzeżeiu. Sposób działaia metody opisuje astępujący algorytmu: - wyliczeie różicy bilasowej poprzez odjęcie sumy poboru eergii wskazaej przez licziki w polu trasformatora od zużycia eergii wskazywaego przez liczik bilasujący, - wyliczeie skorygowaej różicy bilasowej poprzez wyzaczeie wartości strat eergii (iążeiowych, poboru eergii przez licziki, upływu) i odjęcie ich od różicy bilasowej, - porówaie skorygowaej różicy bilasowej z jej wcześiejszym poziomem, - porówaie wartości dobowych zużycia dla wszystkich odbiorców bilasowaych przez day liczik sumujący z ich wcześiejszym poziomem. - w przypadku wystąpieia ielegalego poboru przez jakiegoś odbiorcę ulegą zwiększeiu wartości dobowe skorygowaej różicy bilasowej oraz zmiejszeiu wartości dobowe zużycia eergii (oraz kąt arastaia stau liczika). Na wykresach widać, że, począwszy od pewego mometu t 0, astąpiło zwiększeie różicy bilasowej dla liczików w polu trasformatora. Od tego samego mometu ulega zmiaie kąt achyleia krzywej arastaia stau liczika jedego z odbiorców. Metodę moża zastosować w systemach zdalie odczytujących wartości eergii z liczików. Niewątpliwą jej zaletą jest bazowaie a wyliczeiach wykorzystujących jedyie odczytae wartości daych pomiarowych bez jakiejkolwiek igerecji w ifrastrukturę sieci N. Rys.. Wykres prezetujący momet rozpoczęcia ielegalego poboru eergii przez jedego z odbiorców. Założeia W obliczeiach przyjęto wykorzystywaie wartości dobowych eergii, poieważ wg testów ormalości rozkładu otrzymuje się wtedy ajlepsze wyiki. Ituicyjie moża to zweryfikować aalizując jako przykład rozkład wartości godziowych eergii oświetleia drogowego, który ie będzie rozkładem ormalym.

2 W przypadku wartości poboru eergii przez licziki oraz dla strat upływu ie wyzacza się odchyleia stadardowego, poieważ wartości dobowe tych strat wyliczae wg zaych wzorów są stałe. Rys.. Sprawdzaie wykresów do wyszukiwaia odbiorcy, którego moża podejrzewać o ielegaly pobór eergii. Algorytm wykrywaia miejsca kradzieży eergii Wyliczeia wartości dla zadaego okresu: ) Wyliczeie wartości dobowych poszczególych strat, a) Obciążeiowych Straty techicze wyzacza się a podstawie: - rozpływów mocy wyliczoych z rzeczywistych daych pomiarowych, - topologii sieci dokładych lokalizacji odbiorców - zajomości kabli i przewodów oraz ich rezystacji. Na podstawie rezystacji jedostkowych przewodów wziętych z tabel katalogowych wylicza się prąd płyący przez poszczególe odciki kabli i przewodów. Zdaiem iektórych aukowców [5] dae katalogowe wartości jedostkowych rezystacji przewodów podawaych przez wytwórców ależy powiększać ok. 0 %. Dodatkowo przyjęto astępujące założeia [5]: - drobi odbiorcy miejscy, którzy są przyłączei do sieci N, pobierają eergię przy średim współczyiku mocy cos φ m = 0,93 (tg φ m = 0,395), - drobi odbiorcy wiejscy przy cos φ w = 0,87 (tg φ m = 0,50), () P 3 I R 3 I R l S P N P Q R0 l N P tg L N R l 0 R l 0 0 gdzie: ΔP moc czya strat iążeiowych [kw], I prąd iążeia [A], R L rezystacja przewodu (jedej fazy) [Ω], R 0 rezystacja jedostkowa przewodu [Ω/km], P moc czya [kw], Q moc biera [kvar], S moc pozora [kva], N apięcie zamioowe [kv]. proszczoy wzór a eergię strat: () P dt P t _ 4 ( i) Rys.3. Wykresy przybliżające podejście probabilistycze gdzie: t 0 momet, od którego zaczya występować ielegaly pobór eergii, t czas. Dla poprawego stosowaia metody wystarczające są wartości dobowe zużycia eergii przez poszczególych odbiorców. Dae odczytywae częściej iż raz a dobę są pomoce jedyie przy wyliczaiu wartości strat iążeiowych i mają bezpośredi wpływ a dokładość ich wyliczeia. W przypadku wykoywaia aaliz statystyczych przyjęto założeie, że będą rozpatrywae okresy dwumiesięcze. Jest to kosekwecja wcześiejszego założeia. Wartości oczekiwae dla okresu miesięczego wyzaczae byłyby maksymalie z 3 wartości, a to jest zbyt mała próbka statystycza. Okres dwumiesięczy jest wystarczający i umożliwia proste podzieleie roku a okresy. Wyiki obliczeń poszczególych składowych strat w różym czasie zostały potraktowae jako zmiee losowe. Dla każdej składowej strat została wyliczoa wartość oczekiwaa oraz dodatkowo dla strat techiczych odchyleie stadardowe. gdzie: Δ _4 dobowa wartość eergii czyej strat iążeiowych [kwh], ΔP moc czya strat iążeiowych [kw], t czas [h]. Koiecze uproszczeia [3]: ) w przypadku odbiorców trójfazowych zakłada się, że są tam podłączoe odbiory symetrycze, czyli występuje rówomiere iążeie wszystkich faz, ) do obliczeń używaa jest uśredioa wartość 5 miutowa, zakłada się, że przez te okres iążeie jest stałe, 3) pobór eergii dla kabla lub przewodu trójfazowego, do którego został podłączoy odbiorca jedofazowy, zostały rozłożoe proporcjoalie a 3 fazy, 4) straty eergii dla kabla lub przewodu jedofazowego są rozpatrywae jedofazowo, 5) zakłada się, że apięcie u odbiorców ma określoą wartość, awet jeżeli ie zostało oo zmierzoe. b) Poboru eergii przez licziki s (3) 4 k k liczików_ 4 * i I I p i

3 gdzie: Δ liczików_4 dobowa wartość eergii czyej zużywaej przez wszystkie licziki [kwh], I godziowa wartość eergii czyej zużywaej w jedym torze prądowym liczika [kwh], k I liczba torów prądowych w liczikach, godziowa wartość eergii czyej zużywaej w jedym torze apięciowym liczika [kwh], k liczba torów apięciowych w liczikach, p godziowa wartość eergii czyej zużywaej w cewce pomociczej [kwh]. Wielkości współczyików, k, I, k I, p moża wziąć z katalogów producetów zaistalowaych liczików. W przypadku ich braku moża posłużyć się uproszczoym wzorem: liczików_ 4' 4,5 N03j 3,5N 03t 0 6 (4) gdzie: Δ liczików_4 dobowa wartość eergii czyej zużywaej przez wszystkie licziki [kwh], N 03j liczba liczików jedofazowych, N 03t liczba liczików trójfazowych. Współczyik 4 bierze się stąd, że liczoa jest wartość dobowa, czyli wzór a wartość godziową strat jest możoy razy 4 godziy. c) pływu 4l P' l ' (5) u _ 4 u u gdzie: Δ u_4 dobowa wartość eergii czyej strat upływu [kwh], l Σ łącza długość liii tworzących zbiór [km], ΔP u jedostkowe (a kilometr) straty upływościowe mocy, Δ u jedostkowe (a kilometr) straty upływościowe eergii. Współczyik 4 został zastosoway aalogiczie jak w poprzedim wzorze. Zostały przyjęte astępujące wartości przecięte jedostkowych strat mocy ΔP u dla liii apowietrzych N,5 W/km [4]. Wartości tych strat są średio 00 razy miejsze iż strat iążeiowych, dlatego pomiięcie ich w dalszych wyliczeiach w zasadzie wprowadziłoby iewielki błąd. ) Wyliczeie wartości oczekiwaych dla strat oraz dodatkowo dla strat techiczych odchyleń stadardowych. Wartości oczekiwae oraz odchyleia stadardowe zostały wyliczoe a podstawie zaych wzorów [6]. Na podstawie dobowych wartości poszczególych składowych strat zostaą wyzaczoe wartości oczekiwae dla każdej ze strat oraz odchyleie średie kwadratowe dla okresów dwumiesięczych, a) Obciążeiowych wartość oczekiwaa (6) i _ 4( i) gdzie: ( ) wartość oczekiwaa obliczoa z dobowych wartości strat iążeiowych dla zadaego okresu dwumiesięczego, wartość średia z próby obliczoa z dobowych wartości strat iążeiowych dla zadaego okresu dwumiesięczego dla określoego liczika, liczba wartości dobowych, Δ _4 dobowa wartość eergii czyej strat iążeiowych [kwh]. b) Obciążeiowych Odchyleie stadardowe (7) i _ 4( i) gdzie: σ odchyleie stadardowe dla dobowych wartości strat iążeiowych (prądowych) dla zadaego okresu dwumiesięczego, wartość średia z próby obliczoa z dobowych wartości strat iążeiowych dla zadaego okresu dwumiesięczego dla określoego liczika, liczba wartości dobowych, Δ dobowa wartość eergii czyej strat iążeiowych [kwh]. c) Poboru eergii przez licziki wartość oczekiwaa (8) liczików liczików _ 4 i liczików_ 4( i) gdzie: ( liczików) wartość oczekiwaa obliczoa z dobowych wartości eergii pobieraej przez wszystkie licziki dla zadaego okresu dwumiesięczego, liczików wartość średia z próby wyliczoa z dobowych wartości eergii pobieraej przez wszystkie licziki dla zadaego okresu dwumiesięczego dla określoego liczika, liczba wartości dobowych, Δ liczików_4 eergia czya zużywaa przez 4 godziy przez wszystkie licziki [kwh]. d) pływu wartość oczekiwaa (9) u u i u _ 4( i) gdzie: ( u) wartość oczekiwaa obliczoa z dobowych wartości strat upływościowych dla zadaego okresu dwumiesięczego, u wartość średia z próby obliczoa z dobowych wartości strat upływościowych dla zadaego okresu dwumiesięczego, dla określoego liczika, liczba wartości dobowych, Δ _4 dobowa wartość eergii czyej strat upływu [kwh]. 3) Wyliczeie dobowej różicy bilasowej, Różicę bilasową oblicza się z bardzo dużą iepewością pomiarową poieważ: wartości eergii mierzoe są przez licziki klasy, a wyzaczaa wartość różicy bilasowej jest a poziomie 5% eergii wprowadzaej do sieci N. Dodatkowo liczik bilasujący podłączoy jest przez przekładik prądowy, który dodatkowo rówież wprowadza błąd. (0) 4 licz. sum_ 4 o i _ 4 gdzie: Δ 4 dobowa wartość różicy bilasowej bezwzględej [kwh], Δ liczsum_4 dobowa wartość eergii wskazywaej przez liczik bilasujący [kwh], 0 liczba liczików, _t dobowa wartość pobraej eergii wskazywaej przez liczik odbiorczy umer [kwh]. 4) Wyliczeie dobowej skorygowaej różicy bilasowej, w oparciu o regułę 3-sigma Wyliczeie skorygowaej różicy bilasowej w wyiku odejmowaia od wartości różicy bilasowej wartości oczekiwaych poszczególych składowych strat oraz trzykrotych wartości odchyleia średiego kwadratowego strat iążeiowych. () S 4 ( u 4 ) 3 ( liczików ) ( ) gdzie: Δ S4 dobowa wartość skorygowaej różicy bilasowej bezwzględej [kwh], Δ 4 dobowa wartość różicy bilasowej bezwzględej [kwh], ( liczików) wartość oczekiwaa obliczoa z dobowych wartości eergii pobieraej przez wszystkie licziki dla zadaego okresu

4 dwumiesięczego, ( ) wartość oczekiwaa obliczoa z dobowych wartości strat iążeiowych dla zadaego okresu dwumiesięczego, ( u) wartość oczekiwaa obliczoa z dobowych wartości strat upływościowych dla zadaego okresu dwumiesięczego. Należy jedak pamiętać, że w wyiku przyjętych uproszczeń przy wyliczaiu strat techiczych ie moża powiedzieć, że 99,7% wartości strat rzeczywistych będzie zajdowało się w tym przedziale, tylko 99,7% wartości strat liczoych z dokładością tej metody. 5) Obliczeie wielkości statystyczych dla skorygowaej różicy bilasowej dla zadaych okresów: a) wartość oczekiwaa dla zadaego okresu dwumiesięczego () i _ i gdzie: ( δ) wartość oczekiwaa obliczoa z wartości dobowych skorygowaej różicy bilasowej dla zadaego okresu dwumiesięczego, wartość średia z próby obliczoa z wartości dobowych skorygowaej różicy bilasowej dla zadaego okresu dwumiesięczego, δ_i i-ta wartość dobowa skorygowaej różicy bilasowej. b) wartość oczekiwaa dla poprzediego (w stosuku do zadaego) okresu dwumiesięczego, (3) ' ' i _ i gdzie: ( δ ) wartość oczekiwaa obliczoa z wartości dobowych skorygowaej różicy bilasowej dla poprzediego (w stosuku do zadaego) okresu dwumiesięczego, ' wartość średia z próby obliczoa z wartości dobowych skorygowaej różicy bilasowej dla poprzediego (w stosuku do zadaego) okresu dwumiesięczego, δ_i i-ta wartość dobowa skorygowaej różicy bilasowej. c) wartość oczekiwaa dla aalogiczego okresu dwumiesięczego do zadaego, z ubiegłego roku " _ i i (4) " gdzie: ( δ ) wartość oczekiwaa obliczoa z wartości dobowych skorygowaej różicy bilasowej dla okresu dwumiesięczego aalogiczego do zadaego, z poprzediego (w stosuku do zadaego) roku, " wartość średia z próby obliczoa z wartości dobowych skorygowaej różicy bilasowej dla okresu dwumiesięczego aalogiczego do zadaego, z poprzediego (w stosuku do zadaego) roku, δ_i i-ta wartość dobowa skorygowaej różicy bilasowej. 6) Symulacyje określeie rzędu kwatyli rozkładu skorygowaej różicy bilasowej dla daego okresu dwumiesięczego w porówaiu z ubiegłym okresem dwumiesięczym Symulacyje określeie rzędu kwatyli p σ, gdzie 0 p σ, w rozkładzie empiryczym skorygowaej różicy bilasowej dla daego okresu dwumiesięczego. Liczba σp rówa jest wartości oczekiwaej dla poprzediego okresu dwumiesięczego ': założeie wzory p ' ' oraz P P ' p ', p ', p ' p W szczególości, kwatylem rzędu p σ jest taka wartość σp zmieej losowej, że wartości miejsze lub rówe od σp są przyjmowae z prawdopodobieństwem co ajmiej p σ, zaś wartości większe lub rówe od σp są przyjmowae z prawdopodobieństwem co ajmiej -p σ. Poszczególe wartości rozkładu skorygowaej różicy bilasowej dla daego okresu dwumiesięczego zostają ustawioe od ajmiejszej do ajwiększej. Następie sprawdzae jest, ile wartości jest miejszych od wartości oczekiwaej skorygowaej różicy bilasowej z ubiegłym okresem dwumiesięczym. W te sposób określam rząd kwatyli oraz prawdopodobieństwo p σ. 7) Symulacyje określeie rzędu kwatyli rozkładu skorygowaej różicy bilasowej dla daego okresu dwumiesięczego w porówaiu z aalogiczym okresem dwumiesięczym z ubiegłym rokiem. Symulacyje określeie rzędu kwatyli p σ, gdzie 0 p σ, w rozkładzie empiryczym skorygowaej różicy bilasowej dla daego okresu dwumiesięczego. Liczba σp rówa jest wartości oczekiwaej dla okresu dwumiesięczego aalogiczego do zadaego, z ubiegłego roku ". Rząd kwatyla p σ oraz prawdopodobieństwo jest wyzaczae aalogicze do rzędu kwatyla p σ pkt. 6) Poiższe obliczeia wartości oczekiwaej i odchyleia stadardowego ależy wykoać dla każdego liczika eergii elektryczej (dla każdego odbiorcy). Aaliza dobowych wartości zużycia eergii przez każdego z odbiorców. Wyzaczeie mometu (okresu dwumiesięczego), od którego astępuje zwiększeie skorygowaej różicy bilasowej. 8) Obliczeie wielkości statystyczych dla dobowych wartości eergii dla zadaych okresów dla określoego liczika: a) wartość oczekiwaa dla zadaego okresu dwumiesięczego (5) i _ i gdzie: ( ) wartość oczekiwaa obliczoa z dobowych wartości eergii dla zadaego okresu dwumiesięczego dla określoego liczika, wartość średia z próby obliczoa z dobowych wartości eergii dla zadaego okresu dwumiesięczego dla określoego liczika, _i i-ta dobowa wartość eergii. b) wartość oczekiwaa dla poprzediego (w stosuku do zadaego) okresu dwumiesięczego (6) ' ' i _ i gdzie: ( ) wartość oczekiwaa obliczoa z dobowych wartości eergii dla poprzediego (w stosuku do zadaego) okresu dwumiesięczego dla określoego liczika, ' wartość średia z próby z próby obliczoa z dobowych wartości eergii dla poprzediego (w stosuku do zadaego) okresu dwumiesięczego dla określoego liczika, _i i-ta dobowa wartość eergii.

5 c) wartość oczekiwaa dla okresu dwumiesięczego aalogiczego do zadaego, z ubiegłego roku (7) " " i _ i gdzie: ( ) wartość oczekiwaa obliczoa z dobowych wartości eergii dla aalogiczego miesiąca z pomiarów ubiegłoroczych dla określoego liczika, " wartość średia z próby obliczoa z dobowych wartości eergii dla okresu dwumiesięczego aalogiczego do zadaego z pomiarów ubiegłoroczych dla określoego liczika, _i i-ta dobowa wartość eergii. 9) Symulacyje określeie rzędu kwatyli rozkładu dobowych wartości eergii dla określoego liczika dla daego okresu dwumiesięczego w porówaiu z ubiegłym okresem Symulacyje określeie rzędu kwatyli p, gdzie 0 p, w rozkładzie empiryczym dobowych wartości eergii dla określoego liczika dla daego okresu dwumiesięczego. Liczba σ rówa jest wartości oczekiwaej dla poprzediego (w stosuku do zadaego) okresu dwumiesięczego '. Rząd kwatyla p oraz prawdopodobieństwo jest wyzaczae aalogicze do rzędu kwatyla p σ pkt. 6) 0) Symulacyje określeie rzędu kwatyli rozkładu dla dobowych wartości eergii dla zadaych okresów dla określoego liczika dla daego okresu dwumiesięczego z ubiegłego roku Symulacyje określeie rzędu kwatyli p, gdzie 0 p, w rozkładzie empiryczym dobowych wartości eergii dla określoego liczika dla daego okresu dwumiesięczego. Liczba p rówa jest wartości oczekiwaej dla okresu dwumiesięczego aalogiczego do zadaego, z ubiegłego roku ". Rząd kwatyla p oraz prawdopodobieństwo jest wyzaczae aalogicze do rzędu kwatyla p σ pkt. 6) Prawdopodobieństwo błędej decyzji Wzór do wyliczeia prawdopodobieństwa pomyłki przy wskazaiu kokretego odbiorcy, jako ielegalie pobierającego eergię elektryczą. Przyjęto założeie, że jeżeli wartości oczekiwae dobowych wartości eergii oraz skorygowaej różicy bilasowej ie zmieią się w czasie to prawdopodobieństwo kradzieży eergii 43,75 % i prawdopodobieństwo pomyłki wyosi 56,5%. Są to wartości odiesieia. Jeżeli wartość oczekiwaa dobowych wartości eergii dla daego odbiorcy zwiększa się, to maleje prawdopodobieństwo kradzieży, a rośie prawdopodobieństwo pomyłki. Aalogiczie jeżeli wartość oczekiwaa dobowych wartości eergii maleje, to wzrasta prawdopodobieństwo kradzieży, a maleje prawdopodobieństwo pomyłki. Prawdopodobieństwo kradzieży eergii ajbardziej wzrasta, jeżeli zwiększa się wartość oczekiwaa skorygowaej różicy bilasowej i jedocześie maleje wartość oczekiwaa wartości dobowej eergii. Korzystając ze wzoru a prawdopodobieństwo iloczyu zdarzeń: (8) PA B PA PB gdy A i B to zdarzeia od siebie iezależe oraz ze wzoru a prawdopodobieństwo sumy zdarzeń A i B, gdy A, B (9) PA B PA PB PA B Zostało postawioe uproszczoe założeie, że zdarzeia te są od siebie iezależe. Prawdopodobieństwo zmiejszeia się dobowych wartości eergii i wzrostu skorygowaej różicy bilasowej: dla ubiegłego okresu dwumiesięczego: (0) p' P' p' p ' gdzie: p prawdopodobieństwo zmiejszeia się dobowych wartości eergii pod warukiem, że astąpił wzrost skorygowaej różicy bilasowej dla ubiegłego okresu dwumiesięczego, p rząd kwatyla wartości oczekiwaej dla dobowych wartości eergii dla zadaych okresów dla określoego liczika w odiesieiu do poprzediego (w stosuku do zadaego) okresu dwumiesięczego, p σ rząd kwatyla wartości oczekiwaej skorygowaej różicy bilasowej dla wartości oczekiwaej skorygowaej różicy bilasowej poprzediego (w stosuku do zadaego) okresu dwumiesięczego, dla aalogiczego okresu dwumiesięczego w ubiegłym roku: () p" P" p" p " gdzie: p prawdopodobieństwo zmiejszeia się dobowych wartości eergii pod warukiem, że astąpił wzrost skorygowaej różicy bilasowej dla aalogiczego okresu dwumiesięczego z ubiegłego roku, p rząd kwatyla wartości oczekiwaej dla dobowych wartości eergii dla zadaych okresów dla określoego liczika w odiesieiu do okresu dwumiesięczego aalogiczego do zadaego, z ubiegłego roku, p σ rząd kwatyla wartości oczekiwaej skorygowaej różicy bilasowej dla wartości oczekiwaej skorygowaej różicy bilasowej okresu dwumiesięczego aalogiczego do zadaego, z ubiegłego roku. Prawdopodobieństwo wystąpieia kradzieży eergii wylicza się korzystając z prawdopodobieństwa sumy zdarzeń: () p' p" p' p" p k gdzie: p k prawdopodobieństwo wystąpieia kradzieży eergii, p prawdopodobieństwo zmiejszeia się dobowych wartości eergii pod warukiem, że astąpił wzrost skorygowaej różicy bilasowej dla ubiegłego okresu dwumiesięczego, p prawdopodobieństwo zmiejszeia się dobowych wartości eergii pod warukiem, że astąpił wzrost skorygowaej różicy bilasowej dla aalogiczego okresu dwumiesięczego z ubiegłego roku. Prawdopodobieństwo pomyłki, czyli prawdopodobieństwo, że kradzież eergii jedak ie występuje: (3) p p p' p" p' p" p k gdzie: p p prawdopodobieństwo, że kradzież eergii jedak ie występuje, czyli prawdopodobieństwo pomyłki, p k prawdopodobieństwo wystąpieia kradzieży eergii, p prawdopodobieństwo zmiejszeia się dobowych wartości eergii pod warukiem, że astąpił wzrost skorygowaej różicy bilasowej dla ubiegłego okresu dwumiesięczego, p prawdopodobieństwo zmiejszeia się dobowych wartości eergii pod warukiem, że astąpił wzrost skorygowaej różicy bilasowej dla aalogiczego okresu dwumiesięczego z ubiegłego roku.

6 Zae ograiczeia metody Nie ma idealej metody do wykrywaia kradzieży prądu. Każda z dotychczas stosowaych ma jakieś swoje ograiczeia. Metoda bilasu i szybkości arastaia stau liczika rówież ie jest bez wad. Aby moża ją było stosować muszą być spełioe astępujące waruki []:. Kradzież eergii musi zacząć występować po zaistalowaiu systemu. W przeciwym wypadku ie zostaie zaobserwowaa zmiaa różicy bilasowej i arastaia stau liczika. Nie moża jedak wykluczyć możliwości stwierdzeia kradzieży w takim przypadku w pewych sytuacjach p. odbiorca wyjeżdża a -3 tygodiowy urlop i w tym czasie ie pobiera eergii ai legalie, ai ielegalie. Po powrocie włącza swoje odbioriki. W takich sytuacjach ależy jedak przeprowadzić osobą aalizę daych: wzrostowi od zera poboru eergii przez odbiorcę towarzyszy wzrost różicy bilasowej.. Część odbiorików zasilaych dotychczas legalie musi zostać przełączoa a ielegale przyłącze (musi astąpić zmiejszeie poboru eergii). W przeciwym wypadku ie moża powiązać zwiększeia różicy bilasowej w daym podobszarze sieci ze zmiaą wskazań liczika jedego z odbiorców. 3. Metoda ie wykrywa kradzieży prądu o iewielkiej wartości. Na tym etapie trudo jest stwierdzić jaka musi być wartość ielegalego poboru, aby moża było wykryć go za pomocą tej metody. Na pewo moża powiedzieć, że jeżeli 00% odbiorików zostaie przełączoa a ielegale przyłącze, to taką kradzież da się wykryć. Moża rówież powiedzieć, że jeżeli % eergii będzie przed odbiorcę pobieraa z pomiięciem urządzeń pomiarowo rozliczeiowych, to takiej kradzieży ie da się wykryć za pomocą tej metody. Nie ma sztywej graicy pomiędzy tym, jaka wartość ielegalego poboru moża wykryć za pomocą tej metody, a jaką ie. To czy wartość będzie wykrywala zależy od kilku czyików: I. ubytek eergii musi być zauważaly w odiesieiu do zużycia eergii wskazywaego przez liczik, II. kradzież eergii musi być a tyle duża w stosuku do sumaryczego zużycia eergii pobieraej przez wszystkie licziki, żeby moża było zauważyć zacze zwiększeie różicy bilasowej (i skorygowaej różicy bilasowej), III. liczby liczików, które są bilasowae przez jede liczik bilasujący; im więcej ich jest, tym miej zaczące i trudiej zauważale są zmiay przy ielegalym poborze eergii. 4. Metoda zakłada, że osoba kradąca eergię musi mieć zaistaloway u siebie liczik eergii, który jest zdalie odczytyway przez system zbieraia daych. Nie moża zatem wykryć kradzieży prądu polegającej a ielegalym podłączeiu się p. do WLZ osoby, która ma zdemotoway liczik, p. w wyiku wcześiejszego udowodieia kradzieży prądu. W przeciwym wypadku ie moża powiązać zwiększeia różicy bilasowej w daym podobszarze sieci ze zmiaą wskazań liczika jedego z odbiorców. 5. Nie da się wskazać miejsca kradzieży eergii lub będzie to bardzo trude, jeżeli jede z liczików w polu trasformatora ie jest zdalie odczytyway. 6. Nie moża wykryć ielegalego poboru prądu przez odbiorcę, który zajduje się w polu iego trasformatora (jest zasilay przez iy trasformator). Nie moża wtedy powiązać zwiększeia różicy bilasowej w podobszarze sieci ze zmiaą wskazań jedego z liczików tej podsieci. 7. Nielegale przyłącze ie może zajdować się za liczikiem odbiorczym. Metoda ie wykryje ielegalego pobieraia eergii od sąsiada lub z istalacji oświetleia klatki schodowej, poieważ ie astąpi wzrost skorygowaej różicy bilasowej. Natomiast metoda powia wykryć p. przypadek ieprawidłowego podłączeia odbiorików asymetryczych do istalacji trójfazowej bez połączeia puktu N. W takiej sytuacji liczik pokazuje zaiżoe zużycie eergii i wzrasta skorygowaa różica bilasowa. 8. Podobe zjawisko zmiay kąta achyleia krzywej arastaia stau liczika odbiorczego do osi czasu () zależy rówież od sezoowości, temperatury itp. Zakłóca to wykrywaie kradzieży eergii za pomocą tej metody. 9. Metoda może ieprawidłowo wskazywać miejsce ielegalego poboru, w przypadku, kiedy odbiorca charakteryzuje się iestadardowym zużyciem eergii p. - odbiorca często wyjeżdża poza miejsce zamieszkaia i jego liczik okresowo wskazuje zerowe zużycie, - odbiorca ma dodatkowe źródło zasilaia, - odbiorca wiejski ma dwa licziki jedofazowy i trójfazowy, - odbiorca w mieszkaiu prowadzi działalość gospodarczą wykoując woly zawód (praca w ieregularych godziach) p. architekt, dzieikarz, poeta, muzyk, - oświetleie drogowe, w którym okresowo ie pali się jeda lub kilka żarówek; z drugiej stroy trudo spodziewać się, że rząd Gmiy tworzy ielegale przyłącze i podłączy tam kilka dodatkowych lamp, - ieprzewidywale zużycie eergii p. domek letiskowy, garaż, klatka schodowa, gdzie trudo mówić o przewidywalym dobowym zużyciu eergii. Ograiczeia metody, a ses jej stosowaia Probabilistycza metoda wykrywaia miejsc kradzieży eergii w sieciach N posiada wiele ograiczeń. Pomimo tego, umożliwia wskazaie podejrzaych odbiorców, jeżeli zostaą wykoae przeliczeia i aaliza zebraych daych pomiarowych. Metoda podaje wyiki, które ie są ostateczym stwierdzeiem wiy odbiorcy. Koieczie muszą zostać oe przeaalizowae i zweryfikowae przez pracowików eergetyki. ergetycy zazwyczaj zają przyczyy iestadardowego poboru eergii przez iektórych odbiorców i mogą wykluczyć ielegaly pobór eergii u iektórych z ich. W stosuku do pozostałych powii podjąć kroki w celu weryfikacji iformacji o potecjalym miejscu ielegalego poboru eergii. W pierwszej kolejości powiy być to miejsca z ajmiejszym wyliczoym prawdopodobieństwem pomyłki. Wyiki badań z przykładowych sieci rzeczywistych i wirtualych Działaie opisaej metody sprawdzoo a przykładach istiejących istalacji oraz sieci wirtualej. W pierwszym przypadku, licziki odbiorcze, zajdujące się w małej wiosce, były odczytywae z wykorzystaiem trasmisji po sieci eergetyczej. Na podstawie zebraych daych otrzymao bardzo róże wyiki prowadzoej aalizy podejrzewaia odbiorców o ielegaly pobór eergii. Po wykluczeiu zaych specyficzych przypadków p. zerowego poboru u jedego z odbiorców (iezamieszkay dom) i podobych pozostałe licziki zachowywały się w sposób bardziej regulary. Na przykładzie zebraych daych z sieci wirtualej, bardziej przewidywalej iż sieć rzeczywista, moża było wskazać odbiorców cechujących się iestadardowym zużyciem eergii elektryczej. Symulowaie ielegalego

7 poboru u określoego odbiorcy powodowało wzrost prawdopodobieństwa kradzieży eergii przez iego oraz maleie prawdopodobieństwa pomyłki przy wskazywaiu go jako podejrzaego. Zakończeie Opisaa probabilistycza metoda wykrywaia miejsc kradzieży eergii w sieciach N umożliwia wskazywaie odbiorców, których moża podejrzewać o ielegaly pobór eergii. Metoda podaje prawdopodobieństwo wystąpieia takiej sytuacji u każdego z odbiorców. Niewątpliwą jej zaletą jest otrzymaie wyiku jedyie a podstawie określoych obliczeń, bez koieczości igerecji w istiejącą ifrastrukturę sieciową. Geeralie metoda ajlepiej sprawdza się dla odbiorców komualych iż w przypadku pozostałych typów odbiorców p. drobych przedsiębiorstw, oświetleia uliczego, garaży, domków letiskowych itp. LITRATRA [] Billewicz K. Wykrywaie ielegalego poboru a podstawie odczytów z liczików eergii elektryczej odbiorców idywidualych, ergetyka r (606)/004, str [] Billewicz K. Wykrywaie kradzieży prądu przez odbiorców idywidualych za pomocą systemów AMR, Przegląd eergetyczy r /006, str. -5 [3] Billewicz K. Fukcje wyliczające straty w sieciach N jako fukcje zmieych losowych, Przegląd elektrotechiczy r /006, str [4] Kostaciak M. Obliczaie potrzeb własych oraz ocea sprawości wiejskich sieci elektroeergetyczych iskiego apięcia, WINL, Wrocław 997 [5] Kulczycki J. Ograiczaie strat eergii elektryczej w elektroeergetyczych sieciach rozdzielczych, PTPiR, Pozań 00 [6] Krysicki W., Bartos J., Dyczka W., Królikowska K., Wasilewski M. Rachuek prawdopodobieństwa i statystyka matematycza w zadaiach, Cz., Rachuek prawdopodobieństwa, Wydawictwo Naukowe PWN, Warszawa, 005 r. [7] Najwyższa Izba Kotroli, Delegatura we Wrocławiu Iformacja o wyikach kotroli działalości zakładów eergetyczych w zakresie ograiczeia ieuzasadioych strat eergii wprowadzaej do sieci elektroeergetyczej i wpływu tych strat a wysokość ustalaych taryf r ewid.: 59/005/P0478/LWR, Wrocław, listopad 005 Autor: dr iż. Krzysztof Billewicz, WINL SA, ul. Strzegomska 56a, 53-6 Wrocław, -mail: Krzysztof.Billewicz@wiuel.com.pl ;

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

ELEKTROTECHNIKA I ELEKTRONIKA

ELEKTROTECHNIKA I ELEKTRONIKA UNIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIAŁ INŻYNIERII MECHANICZNEJ INSTYTUT EKSPLOATACJI MASZYN I TRANSPORTU ZAKŁAD STEROWANIA ELEKTROTECHNIKA I ELEKTRONIKA ĆWICZENIE: E20 BADANIE UKŁADU

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej). Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

LABORATORIUM METROLOGII

LABORATORIUM METROLOGII AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA NA ĆWICZENIA 3 I 4 Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

2. INNE ROZKŁADY DYSKRETNE

2. INNE ROZKŁADY DYSKRETNE Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

Struktura czasowa stóp procentowych (term structure of interest rates)

Struktura czasowa stóp procentowych (term structure of interest rates) Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

Jak obliczać podstawowe wskaźniki statystyczne? Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)

Bardziej szczegółowo

Statystyczny opis danych - parametry

Statystyczny opis danych - parametry Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

2.1. Studium przypadku 1

2.1. Studium przypadku 1 Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.

Bardziej szczegółowo

Zasilanie budynków użyteczności publicznej oraz budynków mieszkalnych w energię elektryczną

Zasilanie budynków użyteczności publicznej oraz budynków mieszkalnych w energię elektryczną i e z b ę d i k e l e k t r y k a Julia Wiatr Mirosław Miegoń Zasilaie budyków użyteczości publiczej oraz budyków mieszkalych w eergię elektryczą Zasilacze UPS oraz sposoby ich doboru, układy pomiarowe

Bardziej szczegółowo

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę

Bardziej szczegółowo

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7, Matematyka ubezpieczeń majątkowych.0.008 r. Zadaie. r, Zmiea losowa N ma rozkład ujemy dwumiaowy z parametrami (, q), tz.: Pr( N k) (.5 + k) (.5) k! Γ Γ * Niech k ozacza taką liczbę aturalą, że: * k if{

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1). TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ

Bardziej szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz

Bardziej szczegółowo

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej 1 Artykuł techiczy Joatha Azañó Dział ds. Zarządzaia Eergią i Jakości Sieci CVM-ET4+ Zgody z ormami dotyczącymi efektywości eergetyczej owy wielokaałowy aalizator sieci i poboru eergii Obeca sytuacja Obece

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2 Wykład 7 Dwie iezależe próby Często porówujemy wartości pewej zmieej w dwóch populacjach. Przykłady: Grupa zabiegowa i kotrola Lekarstwo a placebo Pacjeci biorący dwa podobe lekarstwa Mężczyźi a kobiety

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

SZCZEGÓŁOWE ZASADY ROZLICZANIA DOSTARCZONEJ ENERGII CIEPLNEJ

SZCZEGÓŁOWE ZASADY ROZLICZANIA DOSTARCZONEJ ENERGII CIEPLNEJ SZCZEGÓŁOWE ZASADY ROZLICZANIA DOSTARCZONEJ ENERGII CIEPLNEJ Ustalaie ilości dostarczoego ciepła 1. Należość za dostarczoą eergię cieplą aliczaa będzie w astępujący sposób: a) miesięcza opłata za zamówioą

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

Definicja interpolacji

Definicja interpolacji INTERPOLACJA Defiicja iterpolacji Defiicja iterpolacji 3 Daa jest fukcja y = f (x), x[x 0, x ]. Zamy tablice wartości tej fukcji, czyli: f ( x ) y 0 0 f ( x ) y 1 1 Defiicja iterpolacji Wyzaczamy fukcję

Bardziej szczegółowo

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r. Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...

Bardziej szczegółowo

WYBRANE METODY REDUKCJI ODKSZTAŁCENIA PRĄDÓW I NAPIĘĆ POWODOWANYCH PRZEZ ODBIORNIKI NIELINIOWE

WYBRANE METODY REDUKCJI ODKSZTAŁCENIA PRĄDÓW I NAPIĘĆ POWODOWANYCH PRZEZ ODBIORNIKI NIELINIOWE WYBRANE METODY REDUKCJI ODKSZTAŁCENIA PRĄDÓW I NAPIĘĆ POWODOWANYCH PRZEZ ODBIORNIKI NIELINIOWE mgr iż. Chamberli Stéphae Azebaze Mbovig Promotor: prof. dr hab. iż. Zbigiew Hazelka Kraków, 3.05.06 Pla Wykładu.

Bardziej szczegółowo

I. Cel ćwiczenia. II. Program ćwiczenia SPRAWDZANIE LICZNIKÓW ENERGII ELEKTRYCZNEJ

I. Cel ćwiczenia. II. Program ćwiczenia SPRAWDZANIE LICZNIKÓW ENERGII ELEKTRYCZNEJ Politechika Rzeszowska Zakład Metrologii i Systemów Diagostyczych Laboratorium Metrologii II SPRAWDZANIE LICZNIKÓW ENERGII ELEKTRYCZNEJ Grupa L.../Z... 1... kierowik Nr ćwicz. 9 2... 3... 4... Data Ocea

Bardziej szczegółowo

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że: Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

VII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3.

VII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3. KOOF Szczeci: www.of.szc.pl VII MIĘDZYNAODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretycze T3. Źródło: Komitet Główy Olimpiady Fizyczej; Olimpiada Fizycza XXIII XXIV, WSiP Warszawa 1977 Autor: Waldemar Gorzkowski

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Sprawozdanie z laboratorium proekologicznych źródeł energii

Sprawozdanie z laboratorium proekologicznych źródeł energii P O L I T E C H N I K A G D A Ń S K A Sprawozdaie z laboratorium proekologiczych źródeł eergii Temat: Wyzaczaie współczyika efektywości i sprawości pompy ciepła. Michał Stobiecki, Michał Ryms Grupa 5;

Bardziej szczegółowo

SKUTKI ZAWODNOŚCI TRANSFORMATORÓW ROZDZIELCZYCH W SPÓŁCE DYSTRYBUCYJNEJ

SKUTKI ZAWODNOŚCI TRANSFORMATORÓW ROZDZIELCZYCH W SPÓŁCE DYSTRYBUCYJNEJ Prace Naukowe Istytutu Maszy, Napędów i Pomiarów Elektryczych Nr 60 Politechiki Wrocławskiej Nr 60 Studia i Materiały Nr 27 2007 Adrzej STOBIECKI *, Ja C. STĘPIEŃ trasformator, zawodość, koszty, eergia

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g.

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g. Zadaia przykładowe z rozwiązaiami Zadaie Dokoao pomiaru masy ciała 8 szczurów laboratoryjych. Uzyskao astępujące wyiki w gramach: 70, 80, 60, 90, 0, 00, 85, 95. Wyzaczyć przeciętą masę ciała wśród zbadaych

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

CIĄGI LICZBOWE. Poziom podstawowy

CIĄGI LICZBOWE. Poziom podstawowy CIĄGI LICZBOWE Poziom podstawowy Zadaie ( pkt) + 0 Day jest ciąg o wyrazie ogólym a =, N+ + jest rówy? Wyzacz a a + Czy istieje wyraz tego ciągu, który Zadaie (6 pkt) Marek chce przekopać swój przydomowy

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Zadania z analizy matematycznej - sem. I Szeregi liczbowe Zadaia z aalizy matematyczej - sem. I Szeregi liczbowe Defiicja szereg ciąg sum częściowyc. Szeregiem azywamy parę uporządkowaą a ) S ) ) ciągów gdzie: ciąg a ) ciąg S ) jest day jest ciągiem sum częściowych

Bardziej szczegółowo

Numeryczny opis zjawiska zaniku

Numeryczny opis zjawiska zaniku FOTON 8, iosa 05 7 Numeryczy opis zjawiska zaiku Jerzy Giter ydział Fizyki U Postawieie problemu wielu zagadieiach z różych działów fizyki spotykamy się z astępującym problemem: zmiay w czasie t pewej

Bardziej szczegółowo

Elementy nieliniowe w modelach obwodowych oznaczamy przy pomocy symboli graficznych i opisu parametru nieliniowego. C N

Elementy nieliniowe w modelach obwodowych oznaczamy przy pomocy symboli graficznych i opisu parametru nieliniowego. C N OBWODY SYGNAŁY 1 5. OBWODY NELNOWE 5.1. WOWADZENE Defiicja 1. Obwodem elektryczym ieliiowym azywamy taki obwód, w którym występuje co ajmiej jede elemet ieliiowy bądź więcej elemetów ieliiowych wzajemie

Bardziej szczegółowo

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x

Bardziej szczegółowo

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski olorowaie Dywau ierpińskiego Adrzej zablewski, Radosław Peszkowski pis treści stęp... Problem kolorowaia... Róże rodzaje kwadratów... osekwecja atury fraktalej...6 zory rekurecyje... Przekształcaie rekurecji...

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1 1. Cel ćwiczeia: Laboratorium Sesorów i Pomiarów Wielkości Nieelektryczych Ćwiczeie r 1 Pomiary ciśieia Celem ćwiczeia jest zapozaie się z kostrukcją i działaiem czujików ciśieia. W trakcie zajęć laboratoryjych

Bardziej szczegółowo

EA3 Silnik komutatorowy uniwersalny

EA3 Silnik komutatorowy uniwersalny Akademia Góriczo-Huticza im.s.staszica w Krakowie KAEDRA MASZYN ELEKRYCZNYCH EA3 Silik komutatorowy uiwersaly Program ćwiczeia 1. Oględziy zewętrze 2. Pomiar charakterystyk mechaiczych przy zasilaiu: a

Bardziej szczegółowo

OBWODY LINIOWE PRĄDU STAŁEGO

OBWODY LINIOWE PRĄDU STAŁEGO Politechika Gdańska Wydział Elektrotechiki i Automatyki 1. Wstęp st. stacjoare I st. iżyierskie, Eergetyka Laboratorium Podstaw Elektrotechiki i Elektroiki Ćwiczeie r 1 OBWODY LINIOWE PRĄDU STAŁEGO Obwód

Bardziej szczegółowo