ĆWICZENIE 1 BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "ĆWICZENIE 1 BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH"

Transkrypt

1 ĆWICNI BADANI WYBANYCH POCDU I STATGII KSPLOATACYJNYCH Cel ćwczena: - lustracja zagadneń zwązanych z zarządzanem esploatacją; - lustracja zależnośc mędzy dagnostyą nezawodnoścą a efetem procesu esploatacj. Przedmot ćwczena: - model systemu esploatacj o założonych właścwoścach; - modele procesów esploatacyjnych. Narzędza wspomagające realzację ćwczena: - omputerowe programy wylczające efety zastosowanych procedur strateg esploatacyjnych: Podes2.pas, Podes22.pas... Podstawy teoretyczne założena ozpatrzmy prosty model pewnego anału transmsj danych, w tórym rozróżnamy cztery moduły. Kanał ten jao obet esploatacj ma szeregową struturę nezawodnoścową (ys..). ys... Model obetu esploatacj Wyobraźmy sobe dalej, że użytown tego obetu jest przedsęborcą, podejmującym sę realzacj zadań polegających na przesyłanu pewnych grup danych (zborów nformacj). Klent zamawający płac przedsęborcy za zrealzowane zadana ustaloną wotę, ale tylo wtedy, gdy zadane zostane w pełn wyonane w ustalonym czase. zecz jasna użytownow-przedsęborcy zależy na tym, aby zamówone zadane zrealzować z zysem. Mogą występować różne sytuacje esploatacyjne. arządzane esploatacją może polegać na wyborze taej strateg procedury dzałana, aby w oreślonej sytuacj masymalzować zys. ozpatrzmy wybrane stratege procedury oraz porównajmy je ze względu na zys, tóre może osągnąć użytown. badamy tu dwe stratege trzy procedury dla ażdej strateg.

2 STATGIA. Stratega ta dotyczy taej sytuacj esploatacyjnej, w tórej przewduje sę użyce obetu do zrealzowana tylo jednego zadana. Oznacza to, że przedsęborca alulując zys ne berze pod uwagę napływu następnych, podobnych zamóweń. Przedsęborca pownen węc zastanowć sę ja zys może mu przyneść zamówone zadane przyjęte do jednorazowej realzacj z jam prawdopodobeństwem. Można to nterpretować neco szerzej następująco: przedsęborca otrzyma dochód W ponese oszty N jeśl wyona zadane; przedsęborca ne otrzyma żadnego dochodu, ale ponese oszty N jeśl ne wyona zadana; prawdopodobeństwo tego, że zadane zostane wyonane pownno być nemnejsze nż pewna wartość mn ; prawdopodobeństwo tego, że zadane ne zostane wyonane pownno być newęsze nż pewna wartość - mn. Decydent użytu pownen zastanowć sę: jae zadana są opłacalne w stnejącej sytuacj esploatacyjnej? jae zadane jest najbardzej opłacalne? auważmy, że w tym przypadu należy brać pod uwagę następujące welośc opsujące sytuację esploatacyjną: wymagany (tj. zamówony) efet WYM (np. lość danych, tóre należy przesłać); wymagany czas realzacj zadana T WYM ; wartość eonomczną efetu (opłata za wyonane zadana); szybość transmsj; nałady, czyl ponesone oszty własne; prawdopodobeństwo tego, że wyonane zostane zadane o wymaganej objętośc w wymaganym czase. Model esploatacyjny obetu Model ten opszmy przy pomocy pewnych, prostych wyrażeń matematycznych. Występujące w nch welośc są opatrzone dodatowo ndesem, poneważ mogą przyjmować różne wartośc dla różnych procedur, opsanych dalej. ) Obet podlega jedyne uszodzenom losowym (tj. nagłym). Intensywność uszodzeń wzrasta ze wzrostem czasu realzacj zadana. Neuszadzalność obetu w tym przypadu przedstawa wyrażene T 0 T oexp λtdt (.) gdze: (t) funcja ntensywnośc uszodzeń, tu: wzrastająca z czasem realzacj zadana, zaczynając od wartośc początowej 0 ; o prawdopodobeństwo zdatnośc obetu w chwl rozpoczynana realzacj zadana (prawdopodobeństwo początowe). 2

3 2) W przedzale czasowym [0,T] zostaje wytworzony pewen efet dzałana obetu. fet ten jest funcją długośc przedzału. Jeśl przyjmemy, że wytwarzane efetu zaczyna sę w chwl 0 to długość przedzału [0,T] wyznacza ońcowa chwla T. atem efet wytworzony w przedzale [0,T] można dla uproszczena zapsywać w postac (T). Przyjmjmy, że prędość wytwarzana efetu (tu: prędość transmsj) jest stała znana. Można węc założyć, że jeśl obet utrzymuje zdatność, to efet (T) rośne proporcjonalne do czasu realzacj zadana. atem: T T (.2) gdze: lość efetu wytworzona (tu: lczba przesłanych danych) w jednostce czasu. Wytworzony efet ma pewną wartość eonomczną W( ) (zapłata za przesłane dane). Można węc dalej założyć, że wartość eonomczna W( ) jest proporcjonalna do czasu zrealzowana zadana, czyl: jeśl T WYM to W T W T W T (.3) Jeśl zamówony efet w wymaganym czase ne zostane wyonany to lent nc ne zapłac, czyl: jeśl T WYM to W T 0* T 0 (.4) gdze: W wartość eonomczna jednost efetu, ustalona dla przyjętych założeń (tutaj ma postać współczynna proporcjonalnośc). 3) Wytwarzane efetu wymaga ponoszena pewnych naładów. Przyjmjmy, że wartość naładów rośne proporcjonalne do czasu realzacj zadana oraz, że potrzebny jest pewen naład wstępny. atem: N T N 0 N T (.5) gdze: N 0 0 naład wstępny (oszt własny przedsęborcy), zwązany z rozruchem obetu; w naszym przypadu przyjmjmy, że jest to oszt dagnozowana wstępnego (tj. dagnozowana przed rozpoczęcem zadana); N 0 wartość naładu ponoszonego w jednostce czasu (tu: współczynn proporcjonalnośc). 4) Przyjmjmy najprostszy model eonomczny użytowana obetu. ys ze zrealzowana zadana jest różncą wartośc eonomcznej uzysanego efetu wartośc bezwzględnej ponesonych naładów, czyl: pamętajmy przy tym, że N (T) 0. T W T N T (.6) 5) Przypomnjmy, że ażde zadane polega na przesłanu oreślonej lczby danych. 3

4 Jeśl w trace realzacj zadana obet przejdze w stan nezdatnośc, to transmsja zostane przerwana odborca ne otrzyma wszystch danych. W tam przypadu zamawający odmawa zapłaty, czyl wartość efetu staje sę równa zeru (rozpatrujemy tu tzw. proces użytowana bez aumulacj efetu). arazem nałady ponesone do chwl uszodzena ne zostają zwrócone. ys przyjme węc wartość ujemną, równą wartośc ponesonych naładów, czyl: t U T T NT, NT 0 (.7) gdze: t U czas do chwl uszodzena obetu. ozpatrzmy teraz trzy procedury esploatacyjne, tóre mogą być realzowane w ramach strateg. Procedura Początowy stan obetu ne jest doładne znany. Nepewność użytowna można wyrazć przez wstępne prawdopodobeństwo zdatnośc obetu, przyjmjmy tu: 0 (.8) W procedurze przystępujemy do realzacj zadana bez wstępnego dagnozowana mmo nepewnego stanu obetu. atem naład wstępny ma wartość zerową. nane są wartośc: N 0 (.9) 0, W, N, λ t, 0, N0, mn Pozostałe właścwośc obetu opsują wyrażena (..7), przy czym przyjmujemy =. Procedura 2 Początowy stan obetu ne jest doładne znany. W procedurze 2 obet zostaje poddany wstępnemu dagnozowanu. Procedura dagnozowana jest dealna wobec tego możemy przyjąć, że dla obetu dagnozowanego dopuszczonego do użyca: 02 (.0) Dagnozowane wstępne wymaga ponesena pewnego naładu (osztu), węc: nane są wartośc: N 02 0 (.) 2, W2, N2, λ2 t, 02, N02, mn 2 Pozostałe właścwośc obetu opsują wyrażena (..7), przy czym przyjmujemy = 2. Procedura 3 4

5 Obet wyposażony jest w elementy rezerwowe ja na ys..2. W rozpatrywanym przyładze rezerwowane są tylo elementy e 2, e 3, e 4. Ponadto obet wyposażony jest w system dozorująco-terapeutyczny (na ys..2 ne poazany). Uład dozorująco-terapeutyczny dzała w ten sposób, że: wyrywa nezdatność dozorowanych elementów e 2, e 3, e 4 (lub zastępujących je odpowednch elementów rezerwowych funcja dozorowana); zastępuje elementy nezdatne rezerwowym elementam zdatnym (funcja terapeutyczna); rejestruje nformacje o stane elementów dozorowanych rezerwowych (funcja dagnostyczna); nformacje te są wyorzystywane przed następnym użycem obetu. Dzę temu w procedurze 3: przed rozpoczęcem realzowana zadana wemy, tóre elementy w obszarze dozorowanym są (ewentualne) nezdatne. atem nawet bez dagnozowana wstępnego elementy te mogą być naprawone. Obnża to oszt dagnozowana wstępnego. ne jest znany stan elementu nedozorowanego e, tóry wymaga dagnozowana wstępnego. Oczywśce na podstawe nformacj otrzymanej od uładu dozorującoterapeutycznego oraz na podstawe dagnozy wstępnej mamy prawo przyjąć, że: 03 (.2) W tym przypadu zares dagnozowana może być mnejszy nż w procedurze 2 (dagnozujemy wstępne tylo element e ), stąd oszt dagnozowana wstępnego jest mnejszy, zatem: N03 N 02 (.3) Nałady beżące są węsze, poneważ pojawają sę dodatowe oszty funcjonowana systemu dozorująco-terapeutycznego. Wyraża sę to węszą prędoścą przyrostu naładów, czyl węszą wartoścą bezwzględną współczynna N3 : N3 N2 (.4) mnejsza sę wstępna ntensywność uszodzeń unemożlwających zrealzowane zadana (przy dostatecznej lczbe elementów rezerwowanych można przyjąć, że uszodzene wszystch elementów rezerwujących element e 2 oraz odpowedno e 3 e 4 jest pratyczne nemożlwe), zatem: nane są wartośc: T T (.5) 3, W3, N3, λ3 t, 03, N03, mn 3 Pozostałe właścwośc obetu opsują wyrażena (..7), przy czym przyjmujemy = 3. 5

6 e 23 e 33 e 43 e 22 e 32 e 42 e 2 e 3 e 4 e e 2 e 3 e 4 ys..2. Przyład obetu o szeregowo-przeaźnowej struturze nezawodnoścowej; e 2..., e 3..., e 4... elementy rezerwowe STATGIA 2. Stratega ta dotyczy taej sytuacj esploatacyjnej, w tórej przedsęborca przewduje użyce tego samego obetu do zrealzowana welu tach samych zadań (lub użyce welu obetów tego samego typu do zrealzowana tach samych zadań). Oznacza to, że przedsęborca alulując zys berze pod uwagę równoczesną realzację welu tach samych zadań lub może oczewać, że otrzyma następne, podobne zamówena. Może węc swoje oblczena operać na sumarycznym zysu z realzacj grupy zadań, lcząc sę z tym, że netóre realzacje przynosą mu zys, netóre straty. Przedsęborca otrzyma dochód W ponese oszty N jeśl wyona zadane oraz ne otrzyma żadnego dochodu, ale ponese oszty N jeśl ne wyona zadana. Może węc sumę zysów podzelć przez lczbę zadań przyjętych do realzacj otrzymać zys przypadający średno na jedną realzację. atem przy podejmowanu decyzj przed serą realzacj przedsęborca pownen erować sę wartoścą oczewaną zysu T z realzacj zadana. Inaczej wygląda to od strony lenta. Przyjmjmy w tej strateg, że lent płac tylo za zrealzowane onretnego, pojedynczego zadana, bez względu na to czy będze zamawał następne. Przedsęborca pownen postawć sobe pytane: jae zadane jest dla nego statystyczne opłacalne? ewentualne jeszcze: jae zadane jest najbardzej opłacalne? W tym przypadu (podobne ja dla strateg ) należy brać pod uwagę następujące welośc opsujące sytuację esploatacyjną: wymagany (zamówony) efet (np. lość danych, tóre należy przesłać); wymagany czas realzacj zadana; wartość eonomczną efetu (opłata za wyonane zadana); szybość wytwarzana efetu (np. szybość transmsj); nałady, czyl ponesone oszty własne; prawdopodobeństwo tego, że wyonane zostane zadane o wymaganej objętośc w wymaganym czase; oraz 6

7 wartość oczewaną zysu. auważmy, że: w przedzale [0,T], zys jao zmenna losowa może przyjąć jedną z dwu realzacj: z T W T N T z prawdopodobeństwem (T) utrzymana zdatnośc do ońca realzacj zadana; z 2 T 0 N z prawdopodobeństwem (T) utraty zdatnośc przed ońcem realzacj zadana. T atem zgodne z zasadą wyznaczana wartośc oczewanej, otrzymujemy: T Tz T Tz 2T T W T N T T 0 N T TW T N T (.6) Oczywśce pamętamy, że: N (T) 0. Uwaga: W ćwczenu laboratoryjnym przyjmujemy, że model obetu oraz trzy procedury esploatacyjne - możlwe do zastosowana przy strateg 2 - są tae same ja dla strateg..2. adane laboratoryjne.2.. adane dla strateg a) naleźć dla ażdej procedury ta przedzał czasowy T, T mn max, że dla ażdego zadana o czase realzacj T AD należącym do tego przedzału, otrzymany zys jest nemnejszy od zera prawdopodobeństwo realzacj zadana jest nemnejsze od mn. Przedzał ten jest przedzałem dysponowanych czasów realzacj zadań, spełnających warun opłacalnośc dla strateg : dys Przy tym długość tego przedzału: mn max T T, T (.7) dys T T (.8) max mn b) Wyznaczyć masymalny zys (najwęszą wartość w przedzale zysów dysponowanych): c) Wylczyć wartośc efetów: max = (T max ) (T mn ) = T mn ; (T max ) = T max ; (.9) oraz wyznaczyć dysponowany przedzał efetów, spełnających warun opłacalnośc: 7

8 długość tego przedzału wynos: T, T dys mn max (.20) d dys T T (.2) max d) Wyznaczyć masymalny efet w przedzale efetów dysponowanych: max max mn T (.22) Decydent użytu pownen uwzględnć wymagana sformułowane przez zamawającego, czyl: wymagany efet WYM ; wymagany czas realzacj zadana T WYM. Opłacalne realzowalne jest tae zadane, tóre spełna warun: WYM : WYM dys T WYM Tdys WYM gdze: dys WYM (.23) T dysponowany czas, w cągu tórego można uzysać efet WYM. W oblczenach symulacyjnych należy przyjąć wartośc zmennych podane w tabel.. Tabela ,000 0,000 0, ,96 mn 0,95 0,95 0,95 N λ,5,5 W N 0,5 0,5 0,7 WYM T WYM e) Dla procedury -ej, 2-gej 3-ej wyznaczyć (z wyresów prezentujących wyn oblczeń symulacyjnych (program Podes2)): długośc przedzałów: dys-, dys-2, dys-3; długośc przedzałów: d dys-, d dys-2, d dys-3 ; wartośc masymalne efetu: max-, max-2, max-3 ; wartośc masymalne zysu: max-, max-2, max-3 ; wartośc naładów: N(T mn - ), N(T mn -2 ), N(T mn -3 ) oraz N(T max - ), N(T max -2 ), N(T max -3 ) na podstawe tych danych oblczyć wartośc współczynnów ułatwających porównane właścwośc stosowanych procedur: 8

9 dys2 T2/ ; dys T3/2 dys3 ; dys2 dys3 T3/ ; dys d dys2 2/ ; d dys 3/2 d dys3 ; d dys2 d dys3 3/ ; ddys max2 e2 / ; max max2 e2 / ; max max3 e3/ 2 ; max2 max3 e3/ 2 ; max 2 max3 e3/ ; max max3 e3/ ; max Wyn umeścć w tabelach.2.,.3. estawene parametrów charateryzujących badane procedury esploatacyjne. Tabela.2. T mn - T max - dys - mn - max - mn - max - d dys - N mn - N max - Proc. Proc.2 T mn -2 T max -2 dys -2 mn -2 max -2 mn -2 max -2 d dys -2 N mn -2 N max -2 Proc.3 T mn -3 T max -3 dys -3 mn -3 max -3 mn -3 max -3 d dys -3 N mn -3 N max -3 Porównane wsaźnów charateryzujących badane procedury esploatacyjne. Tabela.3. Proc.2/Proc. Proc.3/Proc.2 Proc.3/Proc. T2/ T3/2 T3/ 2/ 3/2 3/ e2/ e3/2 e3/ e2/ e3/2 e3/.2.2. adane dla strateg 2 a) naleźć dla ażdej procedury ta przedzał czasowy [T mn,t max ], że dla ażdego zadana o czase realzacj T AD należącym do tego przedzału, wartość oczewana zysu jest nemnejsza od zera. 9

10 Przedzał ten jest przedzałem dysponowanych czasów realzacj zadań, spełnających warune opłacalnośc dla strateg 2. Dla strateg 2 funcja T dla T = T ext posada zazwyczaj wyraźne estremummasmum, tae że T T T oraz T T T. mn ext max Przedzał czasów dysponowanych: Długość przedzału czasów dysponowanych: mn ext max ΔT dys = [T mn, T max ] (.24) dys T T (.25) max mn ext. b) Oreślć czas T ext, tóremu odpowada najwęsza wartość oczewana zysu c) Oblczyć wartośc efetów: (T mn ) = T mn ; (T ext ) = T ext ; (T max ) = T max (.26) oraz oreślć dysponowany przedzał wartośc oczewanych efetów, spełnających warun opłacalnośc: T, T (.27) dys mn max długość tego przedzału wynos: d dys T T (.28) max mn Decydent użytu pownen uwzględnć wymagana sformułowane przez zamawającego: wymagany efet wym ; wymagany czas realzacj zadana T WYM. Opłacalne realzowalne jest tae zadane WYM, tóre spełna warun: WYM : T T WYM dys (.29) WYM dys WYM W oblczenach symulacyjnych należy przyjąć wartośc zmennych podane w tabel.4. d) Dla procedury -ej, 2-gej 3-ej wyznaczyć (z wyresów prezentujących wyn oblczeń symulacyjnych (program Podes22)): długośc przedzałów: dys2-, dys2-2, dys2-3; wyróżnone wartośc efetów: mn 2- = (T mn2- ); ext 2- = (T ext2- ); max 2- = (T max2- ); mn 2-2 = (T mn2-2 ); ext 2-2 = (T ext2-2 ); max 2-2 = (T max2-2 ); mn 2-3 = (T mn2-3 ); ext 2-3 = (T ext2-3 ); max 2-3 = (T max2-3 ); długośc przedzałów: d dys2-, d dys2-2, d dys2-3 ; 0

11 wartośc estremalne oczewanych wartośc zysu: ext2, ext22, ext23 na podstawe tych danych oblczyć wartośc współczynnów ułatwających porównane właścwośc stosowanych procedur: dys22 T2/ ; dys2 T3/2 dys23 ; dys22 dys23 T3/ ; dys2 d dys22 2/ ; d dys2 3/2 d dys23 ; d dys22 d dys23 3/ ; d dys2 e2/ ext22 ; ext2 e3/2 ext23 ; ext22 ext23 e3/ ; ext2 ext22 e2/ ; ext2 e3/2 ext23 ; ext22 ext23 e3/ ; ext2 Wyn umeścć w tabelach.5., , , , ,7 N λ2,5,5 2 W N2 0,5 0,5 0,7 WYM T WYM Tabela.4. estawene parametrów charateryzujących badane procedury esploatacyjne. Tabela.5. T mn 2- T max 2- dys 2- mn 2- ext 2- max 2- d dys 2- N mn 2- N max 2- ext 2 Proc. Proc.2 T mn 2-2 T max 2-2 dys 2-2 ext 2 2 mn 2-2 ext 2-2 max 2-2 d dys 2-2 N mn 2-2 N max 2-2 Proc.3 T mn 2-3 T max 2-3 dys 2-3 ext 2 3 mn 2-3 ext 2-3 max 2-3 d dys 2-3 N mn 2-3 N max 2-3

12 Porównane wsaźnów charateryzujących badane procedury esploatacyjne. Tabela.6. Proc.2/Proc. Proc.3/Proc.2 Proc.3/Proc. T2/ T3/2 T3/ 2/ 3/2 3/ e2/ e3/2 e3/ e2/ e3/2 e3/.3. Uwag ońcowe W wynu wyonana ćwczena należy przedstawć sprawozdane, tóre pownno zawerać: wyn symulacj oblczeń (tabele.2,.3,.5,.6); wnos z przeprowadzonych badań dysusj. Przygotowane do ćwczena pownno obejmować zapoznane z treścą rozdzału (a szczególne pt..7) podręczna: L. Będows, T. Dąbrows Podstawy esploatacj, cz. 2. Podstawy nezawodnośc esploatacyjnej, Wyd. WAT agadnena ontrolne. Podać wyrażene opsujące prawdopodobeństwo neuszodzena sę obetu z przyczyn losowych. 2. Wyjaśnć pojęce efetu użytowana obetu. 3. Wyjaśnć na czym polega dagnozowane obetu. 4. Wymenć ważnejsze wsaźn opsujące nezawodność obetu. 5. Wyjaśnć pojęce proces esploatacj. 6. Ja wyznacza sę wartość oczewaną zmennej losowej? 7. Na czym polega badane dagnostyczne? 8. Na czym polega wnosowane dagnostyczne? 9. W jam celu stosuje sę dozorowane stanu obetu? 0. Wyjaśnć pojęce nezawodnośc eonomcznej obetu. 2

13 3

BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH

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

Bardziej szczegółowo

BADANIE PROCESU EKSPLOATACJI W ASPEKCIE NIEZAWODNOŚCIOWO- EKONOMICZNYM

BADANIE PROCESU EKSPLOATACJI W ASPEKCIE NIEZAWODNOŚCIOWO- EKONOMICZNYM ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

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

Bardziej szczegółowo

Parametry zmiennej losowej

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

Bardziej szczegółowo

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego

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

Bardziej szczegółowo

BADANIE NIEZAWODNOŚCI DIAGNOZ

BADANIE NIEZAWODNOŚCI DIAGNOZ ZAKŁA EKSPLOATACJI SYSTEMÓW ELEKTROICZYCH ISTYTUT SYSTEMÓW ELEKTROICZYCH WYZIAŁ ELEKTROIKI WOJSKOWA AKAEMIA TECHICZA -----------------------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

BADANIE NIEZAWODNOŚCI DIAGNOZ

BADANIE NIEZAWODNOŚCI DIAGNOZ ZAKŁA EKSOATACJI SYSTEMÓW EEKTOICZYCH ISTYTUT SYSTEMÓW EEKTOICZYCH WYZIAŁ EEKTOIKI WOJSKOWA AKAEMIA TECHICZA -------------------------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Krzysztof PIASECKI* OPTYALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE Wszyste oszty generowane przez prowze malerse są włączone

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

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

Bardziej szczegółowo

A. Cel ćwiczenia. B. Część teoretyczna

A. Cel ćwiczenia. B. Część teoretyczna A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

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

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH

WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH ZAKŁA KSPLOATACJI SYSTMÓW LKTRONICZNYCH INSTYTUT SYSTMÓW LKTRONICZNYCH WYZIAŁ LKTRONIKI WOJSKOWA AKAMIA TCHNICZNA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

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

Bardziej szczegółowo

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Możliwość komputerowego wspomagania diagnozowania silników tłokowych stosowanych w transporcie morskim

Możliwość komputerowego wspomagania diagnozowania silników tłokowych stosowanych w transporcie morskim WITKOWSKI Kazmerz Możlwość omputerowego wspomagana dagnozowana slnów tłoowych stosowanych w transporce morsm WSTĘP Współczesna esploatacja słown orętowych wymaga wprowadzana na stat systemów dagnostycznych.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Procedura normalizacji

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

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

Bardziej szczegółowo

Metody Numeryczne 2017/2018

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Ocena gotowości w sieciach telekomunikacyjnych

Ocena gotowości w sieciach telekomunikacyjnych Potr CHOŁD*, ndrzej JJSZCZYK* Ocena gotowośc w secach teleomunacyjnych W marę rozwoju sec teleomunacyjnych stają sę one coraz węsze, wprowadza sę do nch nowe techn, orzysta z nch coraz węcej użytownów.

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

MODEL ROZMYTY WYBORU SAMOCHODU W NAJWYŻSZYM STOPNIU SPEŁNIAJĄCEGO PREFERENCJE KLIENTA

MODEL ROZMYTY WYBORU SAMOCHODU W NAJWYŻSZYM STOPNIU SPEŁNIAJĄCEGO PREFERENCJE KLIENTA ZESZYTY NAUKWE PLITECHNIKI ŚLĄSKIEJ 2013 Sera: RGANIZACJA I ZARZĄDZANIE z. 64 Nr ol. 1894 Dorota GAWRŃSKA Poltechna Śląsa Wydzał rganzacj Zarządzana Instytut Eono Inforaty MDEL RZMYTY WYBRU SAMCHDU W NAJWYŻSZYM

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Matematyka finansowa r.

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

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE Zasady wyznazana depozytów zabezpezaąyh po wprowadzenu do obrotu op w rela lent-buro malerse ZAADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERKIE

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

Sprawozdanie powinno zawierać:

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

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

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

Odczyt kodów felg samochodowych w procesie produkcyjnym

Odczyt kodów felg samochodowych w procesie produkcyjnym Odczyt odów felg samochodowych w procese producyjnym Jace Dunaj Przemysłowy Instytut Automaty Pomarów PIAP Streszczene: W artyule przedstawono sposób realzacj odczytu odów felg samochodowych. Opracowane

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka. Zmienne losowe

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

Bardziej szczegółowo

METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU

METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU Stansław Bogdanowcz Poltechna Warszawsa Wydzał Transportu Załad Logsty Systemów Transportowych METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU Streszczene: Ogólna podstawa

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Proces narodzin i śmierci

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

Bardziej szczegółowo

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO

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

Bardziej szczegółowo

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB

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

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych Eugenusz Rosołows Komputerowe metody analzy eletromagnetycznych stanów przejścowych Ocyna Wydawncza Poltechn Wrocławsej Wrocław 9 Opnodawcy Jan IŻYKOWSKI Paweł SOWA Opracowane redacyjne Mara IZBIKA Koreta

Bardziej szczegółowo

65120/ / / /200

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

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

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

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

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

Bardziej szczegółowo

XXXV Konferencja Statystyka Matematyczna

XXXV Konferencja Statystyka Matematyczna XXXV Konferencja Saysyka Maeayczna MODEL OTOWOŚCI SYSTEMU TECHNICZNEO Karol J. ANDRZEJCZAK karol.andrzejczak@pu.poznan.pl Polechnka Poznańska hp://www.pu.poznan.pl/ PRORAM REERATU 1. WPROWADZENIE 2. ORMALIZACJA

Bardziej szczegółowo

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q

Bardziej szczegółowo

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji Nelnowe zadane optymalzacj bez ogranczeń numeryczne metody teracyjne optymalzacj mn R n f ( ) = f Algorytmy poszuwana mnmum loalnego zadana programowana nelnowego: Bez ogranczeń Z ogranczenam Algorytmy

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

A. ROZLICZENIE KOSZTÓW CENTRALNEGO OGRZEWANIA CHARAKTERYSTYKA KOSZTÓW DOSTAWY CIEPŁA

A. ROZLICZENIE KOSZTÓW CENTRALNEGO OGRZEWANIA CHARAKTERYSTYKA KOSZTÓW DOSTAWY CIEPŁA REGULAMIN ndywdualnego rozlczena osztów energ ceplnej dostarczonej na potrzeby centralnego ogrzewana cepłej wody meszań w zasobach Spółdzeln Meszanowej Lębora. POSTANOIENIA OGÓLNE Regulamn oreśla zasady:

Bardziej szczegółowo

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa

Bardziej szczegółowo

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

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

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

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

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

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy (MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

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

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ   Autor: Joanna Wójcik Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA

Bardziej szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

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

Bardziej szczegółowo

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów

Bardziej szczegółowo

Opracować model przekaźnika różnicowego do zabezpieczania transformatora dwuuzwojeniowego. Przeprowadzić analizę działania przekaźnika.

Opracować model przekaźnika różnicowego do zabezpieczania transformatora dwuuzwojeniowego. Przeprowadzić analizę działania przekaźnika. PRZKŁAD C4 Opracować model przeaźna różncowego do zabezpeczana transformatora dwuuzwojenowego. Przeprowadzć analzę dzałana przeaźna. Model fragmentu sec eletrycznej wraz z zabezpeczenem różncowym transformatora

Bardziej szczegółowo

Wyznaczanie współczynnika sztywności zastępczej układu sprężyn

Wyznaczanie współczynnika sztywności zastępczej układu sprężyn Wyznaczane zastępczej sprężyn Ćwczene nr 10 Wprowadzene W przypadku klku sprężyn ze sobą połączonych, można mu przypsać tzw. współczynnk zastępczej k z. W skrajnych przypadkach sprężyny mogą być ze sobą

Bardziej szczegółowo

Rozkłady statystyczne w fizyce jądrowej

Rozkłady statystyczne w fizyce jądrowej UNIWERSYTET SZCZECIŃSKI INSTYTUT FIZYKI ZAKŁAD FIZYKI CIAŁA STAŁEGO Ćwczene laboratoryjne Rozłady statystyczne w fzyce jądrowej SZCZECIN 005 WSTĘP Różne neontrolowane zaburzena zewnętrzne (wahana temperatury,

Bardziej szczegółowo

WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII.

WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII. ĆWICZENIE 3. WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII. 1. Oscylator harmoniczny. Wprowadzenie Oscylatorem harmonicznym nazywamy punt materialny, na tóry,działa siła sierowana do pewnego centrum,

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

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

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne Wprowadzene do Sec Neuronowych Sec rekurencyjne M. Czoków, J. Persa 2010-12-07 1 Powtórzene Konstrukcja autoasocjatora Hopfelda 1.1 Konstrukcja Danych jest m obrazów wzorcowych ξ 1..ξ m, gdze każdy pojedynczy

Bardziej szczegółowo

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna Kwantyzacja salarna Plan. Defncja. Kwantyzacja równomerna 3. Nedopasowane, adaptacja 4. Kwantyzacja nerównomerna Pojce wantyzacj Defncja: Kwantyzacja reprezentacja duego w szczególnoc nesoczonego) zboru

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

Reakcja systemu elektroenergetycznego na deficyt mocy czynnej problematyka węzła bilansującego

Reakcja systemu elektroenergetycznego na deficyt mocy czynnej problematyka węzła bilansującego Mare WANCERZ, Potr MILLER Poltechna Lubelsa, Katedra Sec Eletrycznych Zabezpeczeń do:10.15199/48.015.03.30 Reacja systemu eletroenergetycznego na defcyt mocy czynnej problematya węzła blansującego Streszczene.

Bardziej szczegółowo

Wartość księgową (ang. book value) na jedną akcję ( C C, C, C, )

Wartość księgową (ang. book value) na jedną akcję ( C C, C, C, ) .. ndesy fundamentalne ac W odróżnenu od ndesów borącyc pod uwagę cenę ac lub zmanę ceny ac, na przestrzen ostatnc lu lat zaczęto rozważać możlwość stworzena ndesów opartyc na fundamentac spółe tworzącyc

Bardziej szczegółowo

Zeszyt Naukowy Warszawskiej Wyższej Szkoły Informatyki Nr 9, Rok 7, 2013, s. 119-137

Zeszyt Naukowy Warszawskiej Wyższej Szkoły Informatyki Nr 9, Rok 7, 2013, s. 119-137 Zeszyt Nauowy Warszawsej Wyższej Szoły Informaty Nr 9, Ro 7, 2013, s. 119-137 Mode motywacj nauczycea studentów podczas nabywana ompetencj Emma Kusztna, Oeg Zan, Andrzej Żyławs, Ryszard Tadeusewcz Streszczene

Bardziej szczegółowo

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

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

Bardziej szczegółowo