DIAGNOZOWANIE JAKO CI PARTII WYROBÓW METOD STATYSTYCZNEJ KONTROLI ODBIORCZEJ Z OCEN LICZBOW
|
|
- Stanisława Maciejewska
- 6 lat temu
- Przeglądów:
Transkrypt
1 IANOSTYA 31 ARTYUY ÓWN SZOA, iagnozowanie partii wyrobów metod statystycznej kontroli odbiorczej 43 IANOZOWANI AOI ARTII WYROÓW MTO STATYSTYZN ONTROLI OIORZ Z ON LIZOW erzy SZOA atedra ksploatacji ojazdów i Maszyn, Uniwersytet Warmisko-Mazurskiego ul. Oczapowskiego 11, Olsztyn, tel./fax (089) Streszczenie W artykule scharakteryzowano ocen liczbow w diagnozowaniu jakoci partii wyrobów metod statystycznej kontroli odbiorczej i warunki jej stosowania. Opisano algorytm postpowania w diagnozowaniu jakoci partii na podstawie statystycznej kontroli odbiorczej z ocen alternatywn. Sowa kluczowe: diagnostyka, statystyczna kontrola odbiorcza, jako, plany bada. IANOSIN T ARTILS LOT QUALITY AS ON STATISTIAL RTION INSTION WIT NUMRIAL STIMATION Summary The paper presents the numerical estimation in diagnosing the articles lot quality based and conditions of its application. It also describes the diagnosis algorithm based on statistical reception inspection with numerical estimation. ey words: diagnostics, statistical methods, quality, research plan. 1. WST iagnozowanie jakoci partii wyrobów metod statystycznej kontroli odbiorczej z ocen liczbow jest moliwe wówczas, gdy rozkad wartoci mierzonej cechy wyrobu ma rozkad normalny. Zawsze jednak, gdy moemy diagnozowanie jakoci partii wyrobów przeprowadzi na podstawie statystycznej kontroli odbiorczej z ocen alternatywn lub ocen liczbow, naley wykorzysta t drug ocen. Statystyczna kontrola odbiorcza z ocen alternatywn jest bowiem obarczona znaczn niepewnoci. Aby uzyska wiksz pewno diagnozowania jakoci partii wyrobów, trzeba pobiera due próbki, co wie si ze zwikszeniem kosztów kontroli. X warto cechy wyrobu, - warto oczekiwana rozkadu, - odchylenie standardowe i ma ksztat dzwonowy (rys. 1). f RN (X) 2. WARUNI STOSOWANIA STATYSTYZN ONTROLI OIORZ Z ON LIZOW Statystyczn kontrol odbiorcz /SO/ z ocen liczbow mona prowadzi wówczas, gdy wartoci cech wyrobów maj rozkad normalny (RN). Rozkad normalny opisywany jest funkcj gstoci f RN (u) o postaci (1): 1 u 2 (1) f RN u exp 2 2 gdzie: u X ; Rys. 1. raficzny obraz funkcji gstoci rozkadu normalnego cechy wyrobu rawdopodobiestwo zdarzenia, e zmienna losowa bdzie przyjmowaa wartoci z okrelonego przedziau, wyznacza si na podstawie dystrybuanty RN (u) (2): u
2 44 IANOSTYA 31 ARTYUY ÓWN SZOA, iagnozowanie partii wyrobów metod statystycznej kontroli odbiorczej (2) RN u u f u du, RN histogram model RN a jej ksztat przybiera posta pokazan na rys. 2. RN (u) Rys. 3. sztat modelu RN dla histogramu wartoci pomiarów cechy wyrobów 3. ROURA TSTU NORMALNOI ROZAU ZA OMO SIATI RN Rys. 2. raficzny obraz postaci dystrybuanty rozkadu normalnego cechy wyrobu Zaoenie o rozkadzie normalnym wartoci cechy wyrobu jest bardzo wane. Wykorzystanie bowiem tablic wartoci SO z ocen liczbow w praktycznym posugiwaniu si normami, oparte jest na wyliczeniach wynikajcych z RN. onsekwencj tego jest równie okrelona posta wzorów i wspóczynników zawartych w normach, pozwalajcych zdiagnozowa jako przedstawianych do kontroli partii wyrobów. W przypadku, gdy rozkad zebranych wyników wyranie odbiega od RN moe to skutkowa niewaciwymi wartociami wskaników wykorzystywanych do diagnozowania jakoci partii wyrobów i podejmowania decyzji o przyjciu lub odrzuceniu partii wyrobów. Sytuacje takie powodowa mog due koszty bada. Aby tego unikn naley zweryfikowa hipotezy o normalnoci rozkadu wyników pomiarów. Mona tego dokona trzema sposobami, a mianowicie: 1. okonujc analizy danych przedstawionych za pomoc histogramu po ksztacie histogramu mona wstpnie okreli normalno rozkadu (rys. 3). Metoda ta moe si jednak okaza zawodna, poniewa dobierajc róne szerokoci przedziaów mona otrzyma róne jego ksztaty. 2. Wykorzystujc testy statystyczne do sprawdzania normalnoci rozkadu danych np. Shapiro-Wilka. Testy te pozwalaj na precyzyjn weryfikacj normalnoci, wymagaj jednak pewnego poziomu wiedzy z zakresu statystyki. 3. Wykorzystujc graficzn metod sprawdzania normalnoci rozkadu za pomoc prostego do odczytania wykresu na siatce RN. u Metoda ta wymaga uporzdkowania wyników obserwacji wedug wartoci niemalejcych (3): X 1 X 2... X n (3) Takie uporzdkowane wyniki obserwacji nosz nazw cigu statystyk pozycyjnych próbki. o testu wykorzystuje si papier ze siatk rozkadu normalnego. apier taki mona kupi w firmach sprzedajcych papier milimetrowy, logarytmiczny z naniesion siatk odcitych i rzdnych. eli zaoymy, e X jest zmienn losow o RN z wartoci redni i odchyleniem standardowym oraz e u = (X-). Wówczas, jeli mamy n wartoci X i i przedstawimy je na wykresie jako rzdne punktów o odcitych u i, to otrzymane punkty (u i,x i ) lee bd na prostej o nachyleniu przechodzcej przez punkt o wspórzdnych (0,). eeli populacja ma RN, to liniow skal odcitych u mona zastpi skal prawdopodobiestw RN (u) (wzór 2). odziaka pionowa dla wartoci X jest liniowa, podczas gdy podziaka pozioma odpowiada skali prawdopodobiestw RN (u). W praktyce wartoci i dla badanej populacji s z reguy nieznane. Niemoliwe jest zatem okrelenie wartoci u i lub RN (u i ), odpowiadajcych wynikom obserwacji X i. Wiadomo jednak, e jeeli powtarza si pobieranie próbek losowych n wyników obserwacji z populacji o RN to rednia arytmetyczna oraz warto oczekiwana wielkoci RN (X i ) równa si wartociom wyliczonym ze wzoru 4, bez wzgldu jakie s wartoci i : i RN ( i) (4) n 1 W konsekwencji graficzny test odstpstw od normalnoci oparty na zastosowaniu siatki RN polega na: a) ustaleniu odpowiedniej skali dla pionowej podziaki X;
3 IANOSTYA 31 ARTYUY ÓWN SZOA, iagnozowanie partii wyrobów metod statystycznej kontroli odbiorczej 45 b) naniesieniu punktów o rzdnych X i, gdzie X i jest i-t statystyk pozycyjn próbki i odpowiadajcych im odcitych RN (X i ) wedug wzoru 4. eeli rozkad prawdopodobiestwa jest cile normalny, to wartoci X i, odpowiadajce wartociom i/(n+1) dystrybuanty tego rozkadu, bd graficznie reprezentowane przez punkty lece na prostej przechodzcej przez punkt o wspórzdnych (0,) i majcej nachylenie. 4. ALORYTM STATYSTYZN ONTROLI OIORZ Z ON LIZOW lanowanie i przeprowadzanie statystycznej kontroli odbiorczej z ocen liczbow dokonuje si wedug algorytmu przedstawionego na rysunku 4. rzyjcie danych wejciowych do planu badania akceptowalny poziom jakoci AQL, uzgodniony midzy dostawc a odbiorc liczno partii przedstawionej do kontroli poziom kontroli (zwykle przyjmuje si poziom II) Wyznaczenie parametrów planu badania wybranie znaku literowego licznoci próbki wyszukanie - dla znaku literowego oraz wartoci AQL licznoci próbki n oraz parametr planu badania k, uwzgldnia si przy tym, czy odchylenie standardowe jest znane ( ) czy te naley je wyznaczy z próbki (s) lany badania wedug metody stosuje si wtedy, gdy odchylenie standardowe badanej cechy wyrobu jest znane. Ustalenie planu badania w SO z ocen liczbow dokonuje si z wykorzystaniem normy N- ISO 3951: ANALIZA RZYAU. IANOZA AOI ARTII TOZONY OA YSTANSOWY Z WYORZYSTANIM SO Z ON LIZOW o duszej obserwacji procesu toczenia podkadek dystansowych, i badaniach partii tych wyrobów stwierdzono, e warto odchylenia standardowego dla gruboci podkadek jest stabilna i staa i wynosi = 0,01. W tej sytuacji podjto decyzj o przeprowadzeniu kontroli jakoci dalszych partii podkadek metod SO z ocen liczbow (metod ). Specyfikacj partii toczonych podkadek dystansowych poddawanych kontroli jakoci przedstawiono w artykule [1]. o wybrania znaku literowego licznoci próbki wykorzystuje si tabel 1. la przedziau licznoci partii odpowiadajcemu N = 2500 podkadek i poziomu kontroli normalnej (II) ustalono znak literowy. Liczno partii Tabela 1. Znaki literowe licznoci próbek Specjalne poziomy kontroli Ogólne poziomy kontroli obranie próbki i dokonanie pomiarów obliczenie wartoci redniej - X obliczenie s (jeli nie jest znane ) S-3 S-4 I II III zy W k X W k TA arti naley przyj NI Rys. 4. Algorytm postpowania w SO z ocen liczbow arti naley odrzuci W SO z ocen liczbow plan bada moe by przeprowadzony wedug metody s lub wedug metody. lany bada wedug metody s naley stosowa wówczas, gdy odchylenie standardowe badanej cechy wyrobu nie jest znane przed rozpoczciem kontroli i wicej I I L M N /I L M 1) Stosowa dla licznoci partii 281 do 400 oraz I - dla licznoci partii 401 do 500. ródo: opracowanie na podstawie N-ISO 3951:1997 la okrelonego znaku literowego oraz AQL =1,5 w tabeli 2 okrelono liczno próbki n = 19 oraz parametr planu badania k = 1,79. N 1) I L M N
4 46 IANOSTYA 31 ARTYUY ÓWN SZOA, iagnozowanie partii wyrobów metod statystycznej kontroli odbiorczej Tabela 2. lany jednostopniowe stosowane podczas kontroli normalnej (tablica podstawowa): metoda Znak literowy licznoci próbki Akceptowane poziomy jakoci (kontrola normalna) 0,25 0,40 0,65 1,50 2,50 4,00 6,50 10,00 n k n k n k n k n k n k n k n k n k n k n k 2, 1,36 2 1,25 2 1,09 2 0, , ,573 I L M N 4 2,39 5 2,46 6 2,49 3 2,19 4 2,30 5 2,34 6 2,37 2 1,94 3 2,07 4 2,14 6 2,23 7 2,25 2 1,81 3 1,91 5 2,05 6 2,08 8 2,13 2 1,58 3 1,69 4 1,80 5 1,88 7 1,95 8 1,96 8 2,54 9 2,45 9 2, , , , , , , , , , , , , , , ,73 2 1,42 3 1,56 4 1,69 6 1,78 7 1,80 9 1,83 2 1,33 3 1,44 4 1,53 6 1,62 8 1, , , , , , , , , , , , , , , , , , , , , , , , , ,89 3 1,17 4 1,28 5 1,39 7 1,45 9 1, , , , , , , ,70 3 1,01 4 1,11 5 1,20 8 1, , , , , , , , ,51 3 0, , , , , , , , , , , ,29 4 0, , , , , , , , , , , ,07 ródo: opracowanie na podstawie N-ISO 3951:1997 o badania wedug planu badania (n -k)= (19-1,79) wylosowano próbk podkadek i dokonano pomiaru ich gruboci (tab. 3). Tabela 3. Wyniki pomiarów gruboci podkadek w próbce [mm] 5,035 5,023 5,030 5,039 5,040 5,032 5,024 5,041 5,011 5,046 5,033 5,020 5,022 5,046 5,036 5,035 5,029 5,025 5,024 Obliczona warto rednia gruboci podkadek w próbce wyniosa X 5, 0311mm. adanie warunku przyjcia partii dokonano na podstawie wzoru 5: W k X W k (5) 4, , 0, 01 5, 031 5, , 0, 01 4, 968 5, (6) Relacja (6) stanowia podstaw do podjcia decyzji o przyjciu, diagnozowanej jakoci partii podkadek, i zwolnienia jej z produkcji. W celu upewnienia si, e przyjte zaoenia o normalnoci rozkadu wartoci gruboci podkadek s zasadne, przeprowadzono test normalnoci rozkadu metod graficzn z wykorzystaniem siatki RN. Zbiór wyników pomiarów gruboci podkadek znajdujcych si w próbce (tab. 3) uporzdkowano w postaci statystyk pozycyjnych wedug wzoru 3, które przedstawiono w kolumnie 1 i 3 tabeli 4. Tabela 4. Zestawienie statystyk pozycyjnych i wartoci prawdopodobiestw ich wystpienia Statystyki pozycyjne w pobranej próbce podkadek X i Wartoci prawdopodobiestwa (X) i Statystyki pozycyjne w pobranej próbce podkadek X i Wartoci prawdopodobiestwa (X) i ,011 5,020 5,022 5,023 5,024 5,024 5,025 5,029 5,030 5,032 0,05 0,20 0,25 0,30 0,35 0,40 0,45 0,50 5,033 5,035 5,035 5,036 5,039 5,040 5,041 5,046 5,046 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95
5 IANOSTYA 31 ARTYUY ÓWN SZOA, iagnozowanie partii wyrobów metod statystycznej kontroli odbiorczej 47 Wykres prostej rozkadu na siatce RN przedstawiono na rysunku 5. rzedstawione na rysunku 5 punkty RN X i, X i s praktycznie dobrze skorelowane z prost RN, zatem mona przyj zaoenie, e rozkad badanej cechy podkadek dystansowych ma charakter RN. Statystyki pozycyjne (X) i 5,046 5,041 5,036 5,031 5,026 5,021 5,016 5,011 0,01 0,05 0,1 0, ,8 99,9 99,99 rawdopodobiestwo RN(X) i [%] Rys. 5. Zastosowanie siatki RN do testu normalnoci rozkadu pomiarów gruboci podkadek w pobranej próbce 6. STOSOWANI MTOY RAIZN W SO Z ON LIZOW rzy braku odpowiedniej bazy komputerowej w celu stwierdzenia zgodnoci partii wyrobów z wymaganiami jakociowymi mona wykorzysta proste metody graficzne. Metody te s mniej precyzyjne od obliczeniowych, nie mniej jednak ich zastosowanie ogranicza ilo niezbdnych w procedurach analitycznych oblicze i przyspiesza proces oceny partii wyrobów. Aby zapewni dokadno oceny naley precyzyjnie odczytywa dane z wykresów. Wyrónia si metod graficzn s, gdy odchylenie standardowe nie jest znane przed badaniem oraz metod graficzn, gdy odchylenie standardowe badanej partii jest znane i utrzymuje si na staym poziomie. Sposób postpowania w ocenie jakoci partii metod graficzn, okrela algorytm przedstawiony na rysunku 6. Warto MS otrzymuje si, mnoc f przez rónic midzy górn W a doln W granic tolerancji, to jest (7): MS = f W W (7) Warto MS wskazuje najwiksz dopuszczaln warto odchylenia standardowego procesu. eli odchylenie standardowe procesu jest mniejsze ni warto MS, to istnieje moliwo, lecz nie pewno, e partia zostanie uznana za zgodn z wymaganiami. la danych z przykadu przedstawionego w pkt. 5: - wyznaczamy z tabeli 5 warto f 0, 206 (AQL 1,50); - obliczamy warto MS f W W 0, , 0, 0206, poniewa MS przechodzimy do dalszych bada; - obliczamy warto standaryzowan (8): 0, 01 01,, (8) W W 5, 05 4, 95
6 48 IANOSTYA 31 ARTYUY ÓWN SZOA, iagnozowanie partii wyrobów metod statystycznej kontroli odbiorczej ane: N, poziom kontroli, AQL Okreli znak literowy licznoci próbki Wyznaczy liczno próbki Wyznaczy warto f (tab. 5) i obliczy warto maksymalnego odchylenia standardowego MS MS f ( W W) zy MS TA NI arti naley odrzuci W zbiorze nomogramów (N-ISO 3951) dla danego znaku literowego i AQL znale krzyw wyznaczajc obszar przyjcia (rys. 7) Obliczy warto wyraenia: WW i poprowadzi przez punkt na osi odcitych nomogramu, o obliczonej wartoci, prost pionow Wyznaczy, na osi rzdnych wartoci dla punktów przecicia Xd W X q W prostej z krzyw, wartoci a ; b W W W W Obliczy kryteria przyjcia: X d Xq a( W W ) W b( W W ) W Obliczy warto redni badanej waciwoci z pobranej próbki - X zy X X d Xq TA NI arti naley odrzuci arti naley przyj Rys. 6. Algorytm postpowania w metodzie graficznej Tabela 5. Wartoci ƒ dla maksymalnego odchylenia standardowego procesu (MS): metoda 0,147 2 Akceptowane poziomy jakoci (kontrola normalna) AQL 0,25 0,25 0,40 0,65 0,40 Akceptowane poziomy jakoci (kontrola obostrzona) AQL 0,65 0,25 0,40 1,50 0,65 Akceptowane poziomy jakoci (kontrola ulgowa) AQL ródo: opracowanie na podstawie N-ISO 3951:1997 1,50 2,50 2,50 4,00 1,50 4,00 6,50 2,50 6,50 10,00 7 0,165 0,174 0,184 0,194 0,206 0,223 0,243 0,271 0,304 0,347 10,00 4,00 6,50 10,00
7 IANOSTYA 31 ARTYUY ÓWN SZOA, iagnozowanie partii wyrobów metod statystycznej kontroli odbiorczej 49 - wyznaczamy z nomogramu - (rys. 7) wartoci a i b z przecicia prostej o wspórzdnej 1,0 0,9 b=0,82 0,8 X W W W 0, 1 W W = 0,18, b = 0,82; i krzywej, dla AQL 1,5, a AQL 0,04 0,25 0,65 1,50 4,00 10,00 0,7 0,6 0,5 0,4 0,3 0,2 a=0,18 0,1 15,00 6,50 2,50 0,40 0, ,05 0,20 0,25 0,30 0,35 0,40 WW Rys. 7. Nomogram - -. ródo: opracowanie na podstawie N-ISO 3951: obliczamy wartoci kryteriów przyjcia X d i X q : X d a W W W 0, 18 01, 4, 95 4, 968 W W W 0, 82 01, 4, 95 5, 032; X q b - badamy warunki (9): X d X X q (9) poniewa 4, 968 5, 031 5, 032 to parti wyrobów naley przyj. eeli prosta o wspórzdnej nie W W przecina krzywej to dla danego znaku literowego i okrelonej wadliwoci i przyjtych zaoe nie ma planu badania. W podobny sposób jak dla metody mona ustala plany badania dla metody s wykorzystujc odpowiednie nomogramy normy N-ISO 3951:1997.
8 50 IANOSTYA 31 ARTYUY ÓWN SZOA, iagnozowanie partii wyrobów metod statystycznej kontroli odbiorczej 7. OSUMOWANI rzedstawione, w artykule [1] i pkt. 5, przykady oceny jakoci partii toczonych podkadek dystansowych metod alternatywn i metod liczbow ujawniy istotny fakt, a mianowicie znaczce obnienie licznoci pobieranych do bada próbek w metodzie z ocen liczbow w porównaniu do metody z ocen alternatywn. Spostrzeenie to ma charakter ogólny i mona je odnie dla wszystkich poziomów kontroli (tab. 6). Z zestawienia sporzdzonego w tabeli 6 wynika, e licznoci próbek pobieranych do SO z ocen liczbow s od 4 do 8 razy mniejsze w porównaniu z SO z ocen alternatywn. aje to moliwoci dokonania duych oszczdnoci w diagnozowaniu jakoci partii metod SO, jeeli prowadzi si j wedug oceny liczbowej. oziom kontroli Metoda oceny Alternatywna Ulgowy Normalny Obostrzony Wynika z tego wniosek, e zawsze gdy jest to moliwe naley przeprowadza SO z ocen liczbow. 8. LITRATURA [1] Szkoda.: iagnozowanie jakoci partii wyrobów metod statystycznej kontroli odbiorczej z ocen alternatywn. iagnostyka Vol. 26, 2003, str. 26. [2] Szkoda.: Zarzdzanie jakoci w procesach realizacji maszyn i urzdze technicznych. Wyd. Uniwersytet Warmisko-Mazurski, Olsztyn, Liczbowa Stosunek licznoci próbek 5 4 : : : 1 Tabela 6. Zestawienie licznoci próbek do bada rof. dr hab. in. erzy SZOA jest pracownikiem naukowym Uniwersytetu Warmisko-Mazurskiego w Olsztynie oraz Wojskowego Instytutu Techniki ancernej i Samochodowej w Sulejówku. est czonkiem Sekcji odstaw ksploatacji M olskiej Akademii Nauk, olskiego Towarzystwa Naukowego Motoryzacji. ego zainteresowania naukowe obejmuj zagadnienia dotyczce eksploatacji maszyn i urzdze technicznych oraz systemów zarzdzania jakoci i sterowania jakoci produkcji maszyn.
DIAGNOZOWANIE STANÓW ZDOLNO CI JAKO CIOWEJ PROCESU PRODUKCYJNEGO
DIAGNOSTYKA 27 ARTYKUY GÓWNE SZKODA, Diagnozowanie stanów zdolnoci jakociowej 89 DIAGNOZOWANIE STANÓW ZDOLNOCI JAKOCIOWEJ PROCESU PRODUKCYJNEGO Jerzy SZKODA Katedra Eksploatacji Pojazdów i Maszyn Uniwersytetu
Bardziej szczegółowoDIAGNOZOWANIE JAKO CI PARTII WYROBÓW METOD STATYSTYCZNEJ KONTROLI ODBIORCZEJ Z OCEN ALTERNATYWN
IOSTY 28 RTYU Y ÓW SZO, iagnozowanie jako ci partii wyrobów metod statystycznej kontroli odbiorczej IOZOWI O I PRTII WYROÓW TO STTYSTYZ OTROI OIORZ Z O TRTYW erzy SZO atedra ksploatacji Pojazdów i aszyn
Bardziej szczegółowoDefinicje PN ISO Definicje PN ISO 3951 interpretacja Zastosowanie normy PN-ISO 3951:1997
PN-ISO 3951:1997 METODY STATYSTYCZNEJ KONTROI JAKOŚCI WG OCENY ICZBOWEJ ciągła seria partii wyrobów sztukowych dla jednej procedury analizowana jest tylko jedna wartość, która musi być mierzalna w skali
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoIn»ynierskie zastosowania statystyki wiczenia
Uwagi: 27012014 poprawiono kilka literówek, zwi zanych z przedziaªami ufno±ci dla wariancji i odchylenia standardowego In»ynierskie zastosowania statystyki wiczenia Przedziaªy wiarygodno±ci, testowanie
Bardziej szczegółowoKLUCZ PUNKTOWANIA ODPOWIEDZI
Egzamin maturalny maj 009 MATEMATYKA POZIOM PODSTAWOWY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie 1. Matematyka poziom podstawowy Wyznaczanie wartoci funkcji dla danych argumentów i jej miejsca zerowego. Zdajcy
Bardziej szczegółowoPOLITECHNIKA WARSZAWSKA
POLITECHNIKA WARSZAWSKA WYDZIAŁ BUDOWNICTWA, MECHANIKI I PETROCHEMII INSTYTUT INŻYNIERII MECHANICZNEJ STATYSTYCZNA KONTROLA PROCESU (SPC) Ocena i weryfikacja statystyczna założeń przyjętych przy sporządzaniu
Bardziej szczegółowoE2 - PROBABILISTYKA - Zadania do oddania
E - PROBABILISTYKA - Zadania do oddania Parametr k = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indeksu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia. Poszczególne
Bardziej szczegółowoRys1 Rys 2 1. metoda analityczna. Rys 3 Oznaczamy prdy i spadki napi jak na powyszym rysunku. Moemy zapisa: (dla wzłów A i B)
Zadanie Obliczy warto prdu I oraz napicie U na rezystancji nieliniowej R(I), której charakterystyka napiciowo-prdowa jest wyraona wzorem a) U=0.5I. Dane: E=0V R =Ω R =Ω Rys Rys. metoda analityczna Rys
Bardziej szczegółowoStatyczna próba skrcania
Laboratorium z Wytrzymałoci Materiałów Statyczna próba skrcania Instrukcja uzupełniajca Opracował: Łukasz Blacha Politechnika Opolska Katedra Mechaniki i PKM Opole, 2011 2 Wprowadzenie Do celów wiczenia
Bardziej szczegółowoRodzaje Kontroli. SPC Statystyczna kontrola procesu. Rodzaje kontroli 2013-12-07. Uproszczony cykl życia wyrobu. Kontrola odbiorcza - stuprocentowa
Uproszczony cykl życia projektowanie projektowanie procesów i planowanie prod. zakupy Rodzaje Kontroli marketing i badanie rynku pozbycie się lub odzysk dbałość o wyrób po sprzedaży faza przedprodukcyjna
Bardziej szczegółowoPlanowanie adresacji IP dla przedsibiorstwa.
Planowanie adresacji IP dla przedsibiorstwa. Wstp Przy podejciu do planowania adresacji IP moemy spotka si z 2 głównymi przypadkami: planowanie za pomoc adresów sieci prywatnej przypadek, w którym jeeli
Bardziej szczegółowoM.11.01.04 ZASYPANIE WYKOPÓW WRAZ Z ZAGSZCZENIEM
ZASYPANIE WYKOPÓW WRAZ Z ZAGSZCZENIEM 1. WSTP 1.1. Przedmiot ST Przedmiotem niniejszej ST s wymagania szczegółowe dotyczce wykonania i odbioru Robót zwizanych z zasypywaniem wykopów z zagszczeniem dla
Bardziej szczegółowoFunkcja liniowa poziom podstawowy
Funkcja liniowa poziom podstawowy Zadanie. (6 pkt) Źródło: CKE 005 (PP), zad. 6. Dane s zbiory liczb rzeczywistych: A x: x B x: x 8x x 6x Zapisz w postaci przedziaów liczbowych zbiory A, B, A B oraz B
Bardziej szczegółowowiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i
Bardziej szczegółowoBłędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
Bardziej szczegółowoAmortyzacja rodków trwałych
Amortyzacja rodków trwałych Wydawnictwo Podatkowe GOFIN http://www.gofin.pl/podp.php/190/665/ Dodatek do Zeszytów Metodycznych Rachunkowoci z dnia 2003-07-20 Nr 7 Nr kolejny 110 Warto pocztkow rodków trwałych
Bardziej szczegółowoInstrukcja obsługi programu CalcuLuX 4.0
Instrukcja obsługi programu CalcuLuX 4.0 Katarzyna Jach Marcin Kuliski Politechnika Wrocławska Program CalcuLuX jest narzdziem wspomagajcym proces projektowania owietlenia, opracowanym przez Philips Lighting.
Bardziej szczegółowoBadanie zgodności dwóch rozkładów - test serii, test mediany, test Wilcoxona, test Kruskala-Wallisa
Badanie zgodności dwóch rozkładów - test serii, test mediany, test Wilcoxona, test Kruskala-Wallisa Test serii (test Walda-Wolfowitza) Założenie. Rozpatrywane rozkłady są ciągłe. Mamy dwa uporządkowane
Bardziej szczegółowoEGZAMIN MATURALNY Z MATEMATYKI
Miejsce na naklejk z kodem szkoy dysleksja MMA-R1_1P-07 EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY Czas pracy 180 minut Instrukcja dla zdajcego 1. Sprawd, czy arkusz egzaminacyjny zawiera 15 stron
Bardziej szczegółowoTesty zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11
Testy zgodności Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej 27. Nieparametryczne testy zgodności Weryfikacja
Bardziej szczegółowoBiostatystyka, # 4 /Weterynaria I/
Biostatystyka, # 4 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.
STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z
Bardziej szczegółowoOCENIANIE ARKUSZA POZIOM ROZSZERZONY
Numer zadania... Etapy rozwizania zadania Przeksztacenie wzoru funkcji do danej postaci f ( x) lub f ( x) x x. I sposób rozwizania podpunktu b). Zapisanie wzoru funkcji w postaci sumy OCENIANIE ARKUSZA
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych
Bardziej szczegółowoPROBABILISTYKA I STATYSTYKA - Zadania do oddania
PROBABILISTYKA I STATYSTYKA - Zadania do oddania Parametr k = liczba trzycyfrowa, dwie ostatnie cyfry to dwie ostatnie cyfry numeru indeksu, pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia.
Bardziej szczegółowoBiostatystyka, # 5 /Weterynaria I/
Biostatystyka, # 5 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoMetody probablistyczne i statystyka stosowana
Politechnika Wrocªawska - Wydziaª Podstawowych Problemów Techniki - 011 Metody probablistyczne i statystyka stosowana prowadz cy: dr hab. in». Krzysztof Szajowski opracowanie: Tomasz Kusienicki* κ 17801
Bardziej szczegółowoStatystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Statystyka Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Statystyka Statystyka: nauka zajmuj ca si liczbowym opisem zjawisk masowych oraz ich analizowaniem, zbiory informacji liczbowych. (Sªownik
Bardziej szczegółowoTemat: Geometria obliczeniowa cz II. Para najmniej odległych punktów. Sprawdzenie, czy istnieje para przecinajcych si odcinków.
Temat: Geometria obliczeniowa cz II. Para najmniej odległych punktów. Sprawdzenie, czy istnieje para przecinajcych si odcinków. 1. Para najmniej odległych punktów WP: Dany jest n - elementowy zbiór punktów
Bardziej szczegółowoGraficzne opracowanie wyników pomiarów 1
GRAFICZNE OPRACOWANIE WYNIKÓW POMIARÓW Celem pomiarów jest bardzo często potwierdzenie związku lub znalezienie zależności między wielkościami fizycznymi. Pomiar polega na wyznaczaniu wartości y wielkości
Bardziej szczegółowostopie szaro ci piksela ( x, y)
I. Wstp. Jednym z podstawowych zada analizy obrazu jest segmentacja. Jest to podział obrazu na obszary spełniajce pewne kryterium jednorodnoci. Jedn z najprostszych metod segmentacji obrazu jest progowanie.
Bardziej szczegółowoKomputerowa Ksiga Podatkowa Wersja 11.4 ZAKOCZENIE ROKU
Komputerowa Ksiga Podatkowa Wersja 11.4 ZAKOCZENIE ROKU Przed przystpieniem do liczenia deklaracji PIT-36, PIT-37, PIT-O i zestawienia PIT-D naley zapozna si z objanieniami do powyszych deklaracji. Uwaga:
Bardziej szczegółowoFUNKCJE ZMIENNYCH LOSOWYCH MO LIWO CI REDUKCJI MODELI STOCHASTYCZNYCH. 1. Wprowadzenie. Ryszard Snopkowski*
Górnictwo i Geoinynieria Rok 9 Zeszyt 3 005 Ryszard Snopkowski* FUNKCJE ZMIENNYCH LOSOWYCH MOLIWOCI REDUKCJI MODELI STOCHASTYCZNYCH. CZ II. Wprowadzenie Niniejsza praca stanowi cz drug publikacji [8].
Bardziej szczegółowoEGZAMIN MATURALNY Z MATEMATYKI
UZUPEŁNIA ZDAJĄCY KOD PESEL miejsce na naklejkę dysleksja EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY CZAS PRACY: 180 minut LICZBA PUNKTÓW DO UZYSKANIA: 50 Instrukcja dla zdającego 1. Sprawdź, czy
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407
Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Weryfikacja hipotez dotyczących postaci nieznanego rozkładu -Testy zgodności.
Bardziej szczegółowoWeryfikacja hipotez statystycznych za pomocą testów statystycznych
Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej
Bardziej szczegółowoZL - STATYSTYKA - Zadania do oddania
ZL - STATYSTYKA - Zadania do oddania Parametr = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indesu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia. Poszczególne
Bardziej szczegółowoKatedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU
Katedra Technik Wytwarzania i Automatyzacji METROLOGIA I KONTKOLA JAKOŚCI - LABORATORIUM TEMAT: STATYSTYCZNA KONTROLA PROCESU 1. Cel ćwiczenia Zapoznanie studentów z podstawami wdrażania i stosowania metod
Bardziej szczegółowoWykład 7 Testowanie zgodności z rozkładem normalnym
Wykład 7 Testowanie zgodności z rozkładem normalnym Wrocław, 05 kwietnia 2017 Rozkład normalny Niech X = (X 1, X 2,..., X n ) będzie próbą z populacji o rozkładzie normalnym określonym przez dystrybuantę
Bardziej szczegółowoAgnieszka MISZTAL Inż. Syst. Projakośc. Kontrola jakości. INŻYNIERIA SYSTEMÓW PROJAKOŚCIOWYCH Wykład 2 Kontrola jakości
INŻYNIERI SYSTEMÓW PROJKOŚIOWYH Wykład 2 Kontrola jakości KONTROL - działanie takie jak: zmierzenie, zbadanie, oszacowanie lub sprawdzenie jednej lub kilku właściwości obiektu oraz porównanie wyników z
Bardziej szczegółowoBazy danych. Plan wykładu. Zalenoci funkcyjne. Wykład 4: Relacyjny model danych - zalenoci funkcyjne. SQL - podzapytania A B
Plan wykładu Bazy danych Wykład 4: Relacyjny model danych - zalenoci funkcyjne. SQL - podzapytania Definicja zalenoci funkcyjnych Klucze relacji Reguły dotyczce zalenoci funkcyjnych Domknicie zbioru atrybutów
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowoDepresja inbredowa vs. Heterozja
Depresja inbredowa vs. Heterozja Depresja inbredowa Depresja inbredowa moe pojawi si w populacji, w której zachodz kojarzenia w pokrewiestwie i jest konsekwencj wzrostu homozygotycznoci wynikajcego z tego
Bardziej szczegółoworealizacja w całoci dostaw urzdze komputerowych i oprogramowania partiami wg potrzeb
Page 1 of 6 Zielona Góra: DOSTAWA URZDZE KOMPUTEROWYCH I OPROGRAMOWANIA Numer ogłoszenia: 240363-2010; data zamieszczenia: 03.09.2010 OGŁOSZENIE O ZAMÓWIENIU - dostawy Zamieszczanie ogłoszenia: obowizkowe.
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoUBEZPIECZENIE MIENIA I ODPOWIEDZIALNOCI CYWILNEJ Regionalnego Centrum Krwiodawstwa i
Page 1 of 6 Zielona Góra: PRZETARG NIEOGRANICZONY NA UBEZPIECZENIE MIENIA I ODPOWIEDZIALNOCI CYWILNEJ Regionalnego Centrum Krwiodawstwa i Krwiolecznictwa w Zielonej Górze Numer ogłoszenia: 259951-2012;
Bardziej szczegółowoElementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo
Spis tre±ci Elementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis tre±ci Spis tre±ci 1 2 3 4 5 Spis tre±ci Spis tre±ci 1 2 3 4
Bardziej szczegółowoKorzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)
Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Przygotował: Dr inż. Wojciech Artichowicz Katedra Hydrotechniki PG Zima 2014/15 1 TABLICE ROZKŁADÓW... 3 ROZKŁAD
Bardziej szczegółowoMetody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9
Metody numeryczne Wst p do metod numerycznych Dawid Rasaªa January 9, 2012 Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Czym s metody numeryczne? Istota metod numerycznych Metody numeryczne s
Bardziej szczegółowoPrognozowanie udziału grafitu i cementytu oraz twardoci na przekroju walca eliwnego na podstawie szybkoci krzepnicia
AMME 2003 12th Prognozowanie udziału grafitu i cementytu oraz twardoci na przekroju walca eliwnego na podstawie szybkoci krzepnicia J. Sucho Zakład Odlewnictwa, Instytut Materiałów Inynierskich i Biomedycznych,
Bardziej szczegółowoProgram do konwersji obrazu na cig zero-jedynkowy
Łukasz Wany Program do konwersji obrazu na cig zero-jedynkowy Wstp Budujc sie neuronow do kompresji znaków, na samym pocztku zmierzylimy si z problemem przygotowywania danych do nauki sieci. Przyjlimy,
Bardziej szczegółowoubezpieczenie mienia oraz odpowiedzialnoci cywilnej (CPV: 66515400-7, 66515000-3, 66516000-0)
Strona 1 z 5 Chojnice: Ubezpieczenie mienia i odpowiedzialnoci cywilnej Urzdu Miejskiego w Chojnicach wraz z jednostkami organizacyjnymi Numer ogłoszenia: 194104-2012; data zamieszczenia: 08.06.2012 OGŁOSZENIE
Bardziej szczegółowoZMIANY W KRZYWIZNACH KRGOSŁUPA MCZYZN I KOBIET W POZYCJI SIEDZCEJ W ZALENOCI OD TYPU POSTAWY CIAŁA WSTP
Elbieta CHLEBICKA Agnieszka GUZIK Wincenty LIWA Politechnika Wrocławska ZMIANY W KRZYWIZNACH KRGOSŁUPA MCZYZN I KOBIET W POZYCJI SIEDZCEJ W ZALENOCI OD TYPU POSTAWY CIAŁA WSTP siedzca, która jest przyjmowana
Bardziej szczegółowoKOD CPV PODBUDOWY KORYTO WRAZ Z PROFILOWANIEM I ZAGSZCZENIEM PODŁOA
KOD CPV 452 331 40 2 PODBUDOWY KORYTO WRAZ Z PROFILOWANIEM I ZAGSZCZENIEM PODŁOA Spis treci: 1. Wstp -str.1 2. Materiały -str.1 3. Sprzt -str.1 4. Transport -str.2 5. Wykonanie robót -str.2 6. Kontrola
Bardziej szczegółowoElementarna statystyka Dwie próby: porównanie dwóch proporcji (Two-sample problem: comparing two proportions)
Elementarna statystyka Dwie próby: porównanie dwóch proporcji (Two-sample problem: comparing two proportions) Alexander Bendikov Uniwersytet Wrocªawski 25 maja 2016 Elementarna statystyka Dwie próby: porównanie
Bardziej szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółowoEGZAMIN MATURALNY Z MATEMATYKI
ARKUSZ ZAWIERA INFORMACJE PRAWNIE CHRONIONE DO MOMENTU ROZPOCZCIA EGZAMINU! Miejsce na naklejk MMA-P_P-08 EGZAMIN MATURALNY Z MATEMATYKI POZIOM PODSTAWOWY MAJ ROK 008 Czas pracy 0 minut Instrukcja dla
Bardziej szczegółowoLaboratorium elektryczne. Falowniki i przekształtniki - I (E 14)
POLITECHNIKA LSKA WYDZIAŁINYNIERII RODOWISKA I ENERGETYKI INSTYTUT MASZYN I URZDZE ENERGETYCZNYCH Laboratorium elektryczne Falowniki i przekształtniki - I (E 14) Opracował: mgr in. Janusz MDRYCH Zatwierdził:
Bardziej szczegółowoWzorcowy załcznik techniczny, do umowy w sprawie przesyłania faktur elektronicznych pomidzy Firm A oraz Firm B
Wzorcowy załcznik techniczny, do umowy w sprawie przesyłania faktur elektronicznych pomidzy Firm A oraz Firm B Wersja draft 2.1 Na podstawie: Europejskiej Modelowej Umowy o EDI (w skrócie: EMUoE). 1. Standardy
Bardziej szczegółowobudowa dwóch stawów retencyjnych w Wolsztynie w rejonie ulic Dbrowskiego, Prusa i Doktora Kocha.
Wolsztyn: Budowa stawów retencyjnych w rejonie ul. Dbrowskiego i ul. Prusa w Wolsztynie Numer ogłoszenia: 39590-2010; data zamieszczenia: 11.02.2010 OGŁOSZENIE O ZAMÓWIENIU - roboty budowlane Zamieszczanie
Bardziej szczegółowoLABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej
LABORATORIUM 3 Przygotowanie pliku (nazwy zmiennych, export plików.xlsx, selekcja przypadków); Graficzna prezentacja danych: Histogramy (skategoryzowane) i 3-wymiarowe; Wykresy ramka wąsy; Wykresy powierzchniowe;
Bardziej szczegółowoZadania pomiarowe w pracach badawczo-rozwojowych. Do innych funkcji smarów nale$#:
RHEOTEST Medingen Reometr RHEOTEST RN: Zakres zastosowa! Smary Zadania pomiarowe w pracach badawczo-rozwojowych W!a"ciwo"ci reologiczne materia!ów smarnych, które determinuje sama ich nazwa, maj# g!ówny
Bardziej szczegółowoWydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
Bardziej szczegółowoZASTOSOWANIE ODCINKOWO-LINIOWEGO MINIMODELU DO MODELOWANIA PRODUKCJI SPRZEDANEJ PRZEMYSŁU
ZASTOSOWANIE ODCINKOWO-LINIOWEGO MINIMODELU DO MODELOWANIA PRODUKCJI SPRZEDANEJ PRZEMYSŁU W artykule przedstawiono now metod modelowania zjawisk ekonomicznych. Metoda odcinkowo-liniowego minimodelu szczególnie
Bardziej szczegółowoMATERIA&!'WICZENIOWY Z MATEMATYKI
Materia!"wiczeniowy zawiera informacje prawnie chronione do momentu rozpocz#cia diagnozy. Materia! "wiczeniowy chroniony jest prawem autorskim. Materia u nie nale$y powiela" ani udost#pnia" w $adnej innej
Bardziej szczegółowo), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0
Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy
Bardziej szczegółowoOcena kształtu wydziele grafitu w eliwie sferoidalnym metod ATD
AMME 2003 12th Ocena kształtu wydziele grafitu w eliwie sferoidalnym metod ATD M. Stawarz, J. Szajnar Zakład Odlewnictwa, Instytut Materiałów Inynierskich i Biomedycznych Wydział Mechaniczny Technologiczny,
Bardziej szczegółowoEkonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 2 Werykacja modelu liniowego (2) Ekonometria 1 / 33 Plan wicze«1 Wprowadzenie 2 Ocena dopasowania R-kwadrat Skorygowany R-kwadrat i kryteria informacyjne 3 Ocena istotno±ci zmiennych
Bardziej szczegółowoWstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Bardziej szczegółowoNIEPEWNO W POMIARACH POZIOMU DWIKU
NIEPEWNO W POMIARACH POZIOMU DWIKU mgr Mikołaj KIRPLUK NTL-M.Kirpluk 00-761 Warszawa, ul.belwederska 3 m.6 www.ntlmk.com tel.k.: 502 216620 e-mail: mkirpluk@ntlmk.com 1. WSTP Niniejszy referat stanowi
Bardziej szczegółowoRozkład Gaussa i test χ2
Rozkład Gaussa jest scharakteryzowany dwoma parametramiwartością oczekiwaną rozkładu μ oraz dyspersją σ: METODA 2 (dokładna) polega na zmianie zmiennych i na obliczeniu pk jako różnicy całek ze standaryzowanego
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoPOLSKIE CENTRUM AKREDYTACJI
POLSKIE CENTRUM AKREDYTACJI PROGRAM AKREDYTACJI JEDNOSTEK OCENIAJCYCH I AKCEPTUJCYCH LUB CERTYFIKUJCYCH ZAKŁADOW KONTROL PRODUKCJI Akceptował: Kierownik Biura ds. Akredytacji Polskiego Centrum Akredytacji
Bardziej szczegółowoNa A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)
MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości
Bardziej szczegółowoLABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.
LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja
Bardziej szczegółowoMultipro GbE. Testy RFC2544. Wszystko na jednej platformie
Multipro GbE Testy RFC2544 Wszystko na jednej platformie Interlab Sp z o.o, ul.kosiarzy 37 paw.20, 02-953 Warszawa tel: (022) 840-81-70; fax: 022 651 83 71; mail: interlab@interlab.pl www.interlab.pl Wprowadzenie
Bardziej szczegółowoEkonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoobejmuje usług w zakresie tłumacze (z jzyka polskiego na jzyk obcy, a take z jzyka obcego
Warszawa: wiadczenie usług w zakresie tłumacze jzykowych ZP_9_2012 Numer ogłoszenia: 43569-2012; data zamieszczenia: 23.02.2012 OGŁOSZENIE O ZAMÓWIENIU - usługi Zamieszczanie ogłoszenia: obowizkowe. Ogłoszenie
Bardziej szczegółowoBadanie normalności rozkładu
Temat: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności. Badanie normalności rozkładu Shapiro-Wilka: jest on najbardziej zalecanym testem normalności rozkładu. Jednak wskazane jest, aby liczebność
Bardziej szczegółowoZałożenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW
Założenia do analizy wariancji dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW anna_rajfura@sggw.pl Zagadnienia 1. Normalność rozkładu cechy Testy: chi-kwadrat zgodności, Shapiro-Wilka, Kołmogorowa-Smirnowa
Bardziej szczegółowoRozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.
Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu
Bardziej szczegółowo6.2. Baza i wymiar. V nazywamy baz-
62 Baza i wymiar V nazywamy baz- Definicja 66 Niech V bdzie przestrzeni, liniow, nad cia/em F Podzbiór B przestrzeni V, je2eli: () B jest liniowo niezale2ny, (2) B jest generuj,cy, tzn lin(b) =V Przyk/ady:
Bardziej szczegółowoArkusz zawiera informacje prawnie chronione do momentu rozpoczcia egzaminu.
Centralna Komisja Egzaminacyjna Arkusz zawiera informacje prawnie chronione do momentu rozpoczcia egzaminu. Ukad graficzny CKE 00 KOD WPISUJE ZDAJCY PESEL Miejsce na naklejk z kodem dysleksja EGZAMIN MATURALNY
Bardziej szczegółowoStatystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28
Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych
Bardziej szczegółowoZARZDZANIE JAKOCI W PROCESIE REALIZACJI INWESTYCJI
24/21 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 21(1/2) ARCHIVES OF FOUNDARY Year 2006, Volume 6, Nº 21 (1/2) PAN Katowice PL ISSN 1642-5308 ZARZDZANIE JAKOCI W PROCESIE REALIZACJI INWESTYCJI M. RADO
Bardziej szczegółowoSZKIC ODPOWIEDZI I SCHEMAT OCENIANIA ROZWI ZA ZADA W ARKUSZU II
Nr zadania.1.. Przemiany gazu.. SZKIC ODPOWIEDZI I SCHEMAT OCENIANIA ROZWIZA ZADA W ARKUSZU II PUNKTOWANE ELEMENTY ODPOWIEDZI Za czynno Podanie nazwy przemiany (AB przemiana izochoryczna) Podanie nazwy
Bardziej szczegółowoAproksymacja funkcji metod najmniejszych kwadratów
Aproksymacja funkcji metod najmniejszych kwadratów Teoria Interpolacja polega na znajdowaniu krzywej przechodz cej przez wszystkie w zªy. Zdarzaj si jednak sytuacje, w których dane te mog by obarczone
Bardziej szczegółowoZadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Bardziej szczegółowoUchwała Nr XXVIII/266/2008 Rady Miejskiej w Jarocinie z dnia 16 czerwca 2008 r.
Uchwała Nr XXVIII/266/2008 z dnia 16 czerwca 2008 r. w sprawie okrelenia warunków i trybu wspierania, w tym finansowego, rozwoju sportu kwalifikowanego przez Gmin Jarocin. Na podstawie art. 18 ust. 2 pkt.15,
Bardziej szczegółowo-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak
Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia
Bardziej szczegółowoProgram SMS4 Monitor
Program SMS4 Monitor INSTRUKCJA OBSŁUGI Wersja 1.0 Spis treci 1. Opis ogólny... 2 2. Instalacja i wymagania programu... 2 3. Ustawienia programu... 2 4. Opis wskaników w oknie aplikacji... 3 5. Opcje uruchomienia
Bardziej szczegółowoWprowadzenie do algorytmów. START
1 / 15 ALGORYMIKA 2 / 15 ALGORYMIKA Wprowadzenie do algorytmów. SAR 1. Podstawowe okrelenia. Algorytmika dział informatyki, zajmujcy si rónymi aspektami tworzenia i analizowania algorytmów. we: a,b,c delta:=b
Bardziej szczegółowo