116 MECHANIK NR 3/2015

Wielkość: px
Rozpocząć pokaz od strony:

Download "116 MECHANIK NR 3/2015"

Transkrypt

1 6 MECHANIK NR 3/05 Rafał KLUZ Ja JAWORSKI Tomasz TRZEPIECIŃSKI 3 błąd pozcjoowaia robota, motaż, staowisko motażowe, robotzacja robot positioig error, assembl, assembl stad, robotisatio DOKŁADNOŚĆ POZYCJONOWANIA ROBOTÓW W ELASTYCZNYCH SYSTEMACH MONTAŻOWYCH W artkule przedstawioo zagadieia związae z kosztem elastczego sstemu motażowego oraz możliwości robotzacji procesu motażu w kotekście przpadkowch i sstematczch błędów pozcjoowaia robota. W celu wzaczeia prawdopodobieństwa połączeia części clidrczch przeprowadzoo badaia błędów geerowach a zrobotzowam staowisku motażowm. Badaia aalitcze wkazał, że zarówo błęd statcze jak i kiematcze robota motażowego moża opisać w postaci dwuwmiarowej fukcji gęstości ormalego rozkładu prawdopodobieństwa. Wiki badań aalitczch zwerfikowao ekspermetalie. POSITIONING ACCURACY OF ROBOTS IN FLEXIBLE ASSEMBLY SYSTEMS The article presets the issues related to the cost of a fleible assembl sstem ad the possibilities of robotisatio of assembl process i the cotet of radom ad sstematic errors of robot positioig. To determie the probabilit of the clidrical parts assemblig the researches o the errors geerated o the robotic assembl stad were carried out. Aaltical ivestigatios have show that both static ad kiematic errors of assembl robot ca be described as two-dimesioal probabilit desit fuctio of a ormal distributio. The aaltical results were verified eperimetall.. WSTĘP Stopiowa elimiacja barier hadlowch oraz iskie ce oferowae przez eksporterów (zwłaszcza chińskich) sprawiają, że produkcja wielu wrobów w krajach wsoko rozwiiętch, o wsokim poziomie kosztów prac, przestaje bć opłacala. Rozwiązaiem może bć delokalizacja produkcji do krajów o tańszej sile roboczej, albo przejście do produkcji wrobów iestadardowch, o ajwższm poziomie jakości, wzorictwa i owoczesości. Wmaga to skróceia czasu przgotowaia produkcji owego wrobu i wprowadzeia go a rek prz jedoczesm wzroście kostrukcjo techologiczej złożoości wrobu, wzroście jakości i trudości wkoaia. Ab sprostać tm wmagaiom, przedsiębiorstwa muszą bez opóźień reagować a zmiee wmagaia rku, a przede wszstkim bć zdole do wdajej produkcji różch wrobów w krótkich seriach. Nie sprzja to jedak uzskiwaiu wsokiej wdajości procesu w warukach tzw. sztwej automatzacji. W celu pogodzeia tch przeciwstawch wmagań, iezbęde jest zapewieie możliwości szbkiej zmia astawieia posiadaego wposażeia, prz dostateczej jego dokładości oraz krótkich termiów projektowaia i wkoaia wrobu prz iewsokich kosztach i szbkim zwrocie poiesioch akładów. W zaczm stopiu wmagaia te spełia robotzacja procesów motażu, łącząca zalet masz specjalch i uiwersalch (rs. ) [].. KOSZT ELASTYCZNEGO SYSTEMU MONTAŻOWEGO Ważm zadaiem z zakresu projektowaia zrobotzowaego sstemu motażowego jest zapewieie iezawodości i poprawości jego przebiegu. Moża to uzskać poprzez wbór odpowiediego sposobu motażu oraz zapewieie wmagaej dokładości urządzeń wchodzącch w skład łańcucha kiematczego operacji motażowej. Zastosowaie urządzeń i oprzrządowaia o wsokiej dokładości prowadzi do zwiększeia praw- Politechika Rzeszowska, Wdział Budow Masz i Lotictwa; Rzeszów; al. Powstańców Warszaw 8, Tel: , rkktmiop@prz.edu.pl Politechika Rzeszowska, Wdział Budow Masz i Lotictwa; Rzeszów; al. Powstańców Warszaw 8, Tel: , jjktmiop@prz.edu.pl 3 Politechika Rzeszowska, Wdział Budow Masz i Lotictwa; Rzeszów; al. Powstańców Warszaw 8, Tel: , tomtrz@prz.edu.pl

2 MECHANIK NR 3/05 7 Rs.. Zmiejszeie kosztów roboczogodzi oraz skróceie termiów realizacji zleceń w wiku wprowadzeia automatzacji [] dopodobieństwa poprawej realizacji procesu łączeia części, lecz zdecdowaie zwiększa ich koszt. Stosowaie więc zbt preczjch i skomplikowach środków robotzacji motażu może bć wsoce ieekoomicze i stawić pod zakiem zaptaia opłacalość zrobotzowaia daego procesu motażu. Progoz wkazują, że motaż zrobotzowa staje się szczególie opłacal w produkcji mało- i średioserjej, międz a wrobów roczie a zmiaę produkcją. Badaia przeprowadzoe w Wielkiej Brtaii [] wkazał, że wielkość produkcji dla zrobotzowach giazd motażowch mieści się pomiędz 00 a 60 wrobów a godzię, a dla zrobotzowach liii motażowch międz 0 a 750. Przeprowadzoe jedak ostatio badaia w Katedrze Techologii Masz i Orgaizacji Produkcji Politechiki Rzeszowskiej odośie dokładości zrobotzowach sstemów motażowch wkazał, że przedstawioe zakres opłacalości wielkości produkcji dla sstemów elastczch, mogą bć zaczie zawżoe. Wkazao bowiem, że istieje możliwość zapewieia już a etapie projektowaia procesu techologiczego motażu wmagaego poziomu motowalości połączeń części masz (prawdopodobieństwa połączeia części p pom ), bez zbędego zawżaia dokładości stosowaego wposażeia staowiska motażowego, a w związku z tm, rówież iepotrzebego zawżaia kosztów operacji. Wzrost prawdopodobieństwa p pom powoduje zmiejszeie kosztów przestojów K p (rs. ), co aturalie prowadzi do zmiejszeia kosztów eksploatacji K e. Wpłw p pom a całkowit koszt eksploatacji ie astępuje jedak włączie poprzez koszt przestojów. Prz wzroście p pom do wartości bliskiej jedości gwałtowie wzrastają wmagaia co do urządzeń i wposażeia staowiska motażowego K sm, a przez to zwiększają się koszt eksploatacji [3]. Moża więc przewidzieć, że koszt operacji motażowej ie zależą w sposób liiow od prawdopodobieństwa poprawego motażu, ale mają pewe miimum lokale, które wzacza optmalą kostrukcję i wposażeie staowiska motażowego. Należ zatem miimalizować liczbę urządzeń w łańcuchu kiematczm operacji motażowej, a przez to dążć do ograiczeia kosztów motażu warukującego opłacalość robotzacji. ROBOTYZACJA PROCESU MONTAŻU Najważiejszm i zarazem ajtrudiejszm etapem procesu motażu jest wzajema orietacja części przed motażem, zwłaszcza wówczas, gd części lub zespoł powi bć zorietowae z dużą dokładością względem siebie. Niezapewieie wmagaej dokładości uiemożliwia realizację procesu motażowego, arusza jego stabilość i powoduje pogorszeie efektwości ekoomiczej całego procesu. Podstawowm warukiem osiągięcia wsokiej iezawodości prac sstemu motażowego jest spełieie waruku motowalości dla wszstkich kojarzoch części. Przez motowalość wrobu w zrobotzowam motażu ależ zatem rozumieć prawdopodobieństwo zmotowaia jego części, prz zachowaiu wmagań jakościowch.

3 8 MECHANIK NR 3/05 Rs.. Przkładowe charakterstki kosztów operacji motażowej w fukcji prawdopodobieństwa [3] Motowalość, zwłaszcza w zrobotzowam motażu, ma istote zaczeie i determiuje dalsze etap projektowe, jak: wbór schematu bazowaia, wbór budow i stopi swobod robota motażowego, metod uzskiwaia dokładości oraz waruków wkowaia operacji motażowej. Charakterzowaa jest bowiem wartościami toleracji elemetów motowach, a także wielkością dopuszczalch przemieszczeń liiowch i kątowch elemetów łączoch w przestrzei, w graicach którch możliw jest jeszcze ich motaż [4]. Wartości te są róże w zależości od przjętch metod motażu, sposobu bazowaia i uieruchomiaia części. W trakcie realizacji procesu części powi bć zatem dostarczoe a pozcje motażowe w takim położeiu, ab prz dowolch wmiarach, zajdującch się w przedziale dopuszczalch toleracji, możliwe bło zmotowaie kojarzoch części [5, 6]. Zagadieia związae z robotzacją motażu moża zaczie ułatwić dokoując dekompozcji połączeń według kształtów powierzchi, którmi są złączae motowae części. Z tego puktu widzeia motaż tpowch, ajbardziej rozpowszechioch połączeń moża rozpatrwać jako tpow szereg czości łączeia części m.i. z powierzchiami płaskimi, walcowmi, stożkowmi, kulistmi, gwitowmi. Najbardziej jedak rozpowszechiomi rodzajami połączeń są jedak połączeia z powierzchiami walcowmi i stożkowmi staowiącmi około 40% ogólej liczb połączeń (umieszczaie łożsk w korpusie, paletzacja wirików itp.). Chcąc zatem zachować wsoką wdajość i iezawodość procesu motażu ależ przede wszstkim pozać waruki motowalości tch połączeń, zwłaszcza w przpadku gd motaż odbwa prz zastosowaiu robota motażowego [7, 8]. W celu wzaczeia motowalości części clidrczch ależ wzaczć dopuszczale przesuięcie i skręceie osi motowach elemetów w każdm etapie motażu dla ajbardziej iesprzjającch waruków. Połączeie części może bć osiągięte, jeżeli ajwiększe przemieszczeie osi ie przewższa toleracji względego przesuięcia liiowego i kątowego łączoch części: Σ liiow Σ liiow Σ liiow sstematcz przpadkow [ l] = + Σ k ątow = Σ kątow sstematcz + Σ kątow przpadkow [ γ ] () W rzeczwistch warukach produkcjch trudo jest uzskać zgodość osi łączoch części. Proces motażu polega powiem a kolejm łączeiu elemetów i uzskiwaiu określoej dokładości ogiw zamkającch. Jeśli parametr ogiwa zamkającego będą wchodzić poza zadae graice toleracji, świadczć to będzie o admierch błędach, uiemożliwiającch poprawą realizację procesu [9]. Podstawowmi źródłami tch błędów są odchłki parametrów orietowach części, iedokładości w wkoaiu urządzeia orietującego, zjawiska zużciowe, iestabilość parametrów eergetczch, mała dokładość wkoaia oprzrządowaia i robota motażowego oraz błęd projektowaia procesu techologiczego [0-]. Zatem dokładość automatczego orietowaia części (rs. 3) jest wzaczaa wielkością błędów prowadzącch do odchłek położeia rzeczwistego od omialego. Zapewieie wmagaej dokładości orietacji części staowi więc jede z podstawowch problemów zrobotzowaego motażu.

4 MECHANIK NR 3/05 9 Rs. 3. Graficza iterpretacja błędów automatczego orietowaia części [3] 4. PRZYPADKOWY BŁĄD POZYCJONOWANIA ROBOTA MONTAŻOWEGO Dokładość robota przemsłowego uzależioa jest od zaczej liczb czików, w związku z czm obarczoa jest przpadkowmi błędami pozcjoowaia, ależącmi do jego podstawowch charakterstk, mającmi głów wpłw a poprawą realizację procesu motażu clidrczch części masz [4]. W ogólm przpadku błęd te moża podzielić a: przpadkowe błęd liiowe robota, przpadkowe błęd kątowe robota (tzw. błęd orietacji). Z przeprowadzoej aaliz i badań wika, że kiematcz błąd orietacji robota w iewielkim stopiu wpłwa a motowalość clidrczch połączeń części masz [5]. Ograiczo wpłw wika z faktu, iż dla luzu dowolej clidrczej jedostki motażowej uwarukowaego koieczością uwzględieia kiematczch liiowch błędów robota maksmal błąd orietacji ω (± Ω ) jest zaczie miejsz( ω << αgr ) od maksmalego dopuszczalego kąta skręceia osi motowach części α (wikającego gr z waruków geometrczch i siłowch procesu motażu wstępującch w obrębie rozważaej jedostki motażowej). Uwzględiając poadto fakt, że ajwiększ wpłw a proces motażu połączeń clidrczch mają błęd pozcjoowaia a dwóch współrzędch prostopadłch do osi kojarzoch elemetów, pomijając zmieą losową błędu robota związaą z osią orietowaego elemetu, liiow przpadkow błąd pozcjoowaia robota moża przedstawić w postaci dwuwmiarowej fukcji gęstości ormalego rozkładu prawdopodobieństwa [5]: f (, ) = ep ρ + π ( ρ ρ ) () gdzie: ρ współczik korelacji międz składowmi i wektora błędu, wariacja składowej wektora błędu, wariacja składowej wektora błędu. 5. SYSTEMATYCZNY BŁĄD POZYCJONOWANIA ROBOTA Sztwość robota motażowego jest jedą z podstawowch charakterstk wpłwającch zarówo a damicze charakterstki robota, jak i a dokładość pozcjoowaia końcówki roboczej. Ze względu a skończoą sztwość modułów wchodzącch w skład kostrukcji robota, obciążoa przeoszoą częścią końcówka robota dozaje przesuięcia w stosuku do zadaego położeia o pewie sstematcz błąd (statcz

5 0 MECHANIK NR 3/05 błąd pozcjoowaia) [6]. Sztwość robota przemsłowego zapewioa jest poprzez sztwość poszczególch jego mechaizmów wkoawczch. W ogólm przpadku odkształceia modułu moża opisać za pomocą macierz: gdzie:,, z składowe wektora przesuięcia, α, β, γ - kąt obrotu. [ ] = [,, z, α, β, γ ] (3) k Sztwość modułu moża scharakterzować macierzą sztwości ustaawiającą związek międz siłami i mometami działającmi a moduł, a jego odkształceiami. Wszstkie sił i momet działające a k t moduł, moża sprowadzić do jedego główego wektora sił R k i jedego mometu M k, przłożoch do początku układu współrzędch związaego z końcowm (węzłowm) puktem k tego modułu. Wówczas moża założć, że w węzłowm pukcie k tego modułu przłożo jest wektor sił: [ F ] [ R, R, R, M, M, M ] k = (4) k k kz Macierz sztwości całej kostrukcji robota motażowego określająca związek międz przemieszczeiem węzłów modułu i obciążeiem zewętrzm moża zbudować a podstawie uprzedio ustaloch macierz sztwości poszczególm modułów prz jedoczesm zapewieiu waruków zgodości przemieszczeń w węzłach oraz waruków rówowagi. W związku z czm agregację poszczególch modułów robota (macierz sztwości) w jedolitą kostrukcję (globalą macierz sztwości) przedstawia rówaie: ITA = k k kz T T [ K] a [ c ] [ k] [ c ] a (5) i= gdzie a macierz Boolowska. Jej zadaiem jest umieszczeie macierz sztwości modułu w odpowiedim miejscu macierz całej kostrukcji modułowego robota przemsłowego. Prz małch odkształceiach kostrukcji robota przemsłowego związek międz wektorem przłożoch do kostrukcji sił [F] i składowmi wektora odkształceń [ ] wrażo jest liiowo poprzez elemet macierz podatości będącej macierzą odwrotą do macierz sztwości kostrukcji. Wielkość sstematczch błędów robota moża więc wzaczć a podstawie astępującej zależości: g g [ ] = [ K ] [ F] (6) 6. BADANIA MONTOWALNOŚCI CZĘŚCI CYLINDRYCZNYCH W celu wzaczeia prawdopodobieństwa połączeia części clidrczch przeprowadzoo badaia błędów geerowach a zrobotzowam staowisku motażowch [7, 4, 5], które wkazał, że zarówo błęd statcze jak i kiematcze robota motażowego moża opisać w postaci dwuwmiarowej fukcji gęstości ormalego rozkładu prawdopodobieństwa. Prawdopodobieństwo poprawej realizacji procesu motażu części clidrczch o luzie δ w takim przpadku, jest prawdopodobieństwem zdarzeia, że zmiea losowa błędu robota zajdzie się wewątrz pewego clidra, o środku zajdującm się w pukcie omialm i promieiu odpowiadającm odległości międz osiami motowaego połączeia r = 0.5δ. Wartość tego u + v. 5 }: 0 δ prawdopodobieństwa jest całką z fukcji gęstości w obszarze: O:{ ( ) P = π + 0.5δ ρ ep ( ρ ) ( ) ( ) ( ) ( ) ρ + dd (7) gdzie:, - odpowiedio wartość oczekiwaa zmieej losowej i błędu kiematczego (statcz błąd robota wwoła odkształceiem jego kostrukcji ośej ciężarem przeoszoej części). W celu werfikacji przedstawioch zależości przeprowadzoo ekspermetale badaia polegające a wzaczeiu tegoż prawdopodobieństwa. W tm celu przeprowadzoo proces motażu części clidrczch o luzie rówm: µm, 46 µm, 6 µm, 78 µm, 04 µm, dla dwóch wielkości obciążeń końcówki robota Mitsubishi RV-M: 00 g i 300 g. Przedstawioe a rsuku 4 zależości z dużą dokładością odzwierciedlają wiki uzskae z przeprowadzoch badań ekspermetalch (tabela ), wskazując a fakt, iż domi-

6 MECHANIK NR 3/05 ując wpłw a motowalość clidrczch połączeń części masz wkazują liiowe statcze i kiematcze błęd robota motażowego. Pozostałe zaś błęd wdają się mieć margial wpłw, ie wwierając zaczącego wpłwu a prawidłow przebieg procesu łączeia części. Rs. 4. Krzwe obrazujące prawdopodobieństwo połączeia części clidrczch w fukcji luzu δ, wzaczoe teoretczie (liia ciągła) i ekspermetalie (liia przerwaa); a) dla obciążeia 00 g, b) dla obciążeia 300 g Tab.. Porówaie wików wartości błędów dla dwóch różch obciążeń końcówki robota Mitsubishi RV M Obciążeie końcówki robota Maksmal błąd bezwzględ P ma ( ) ( ) i i = ma P e P t Błąd średiokwadratow M = i= ( i) ( i) Pe Pt Błąd średi e m = i= ( i P ) P ( i ) 00 g 0,08 0,04 0, g 0,06 0,045 0,043 t 7. PODSUMOWANIE Jedm z podstawowch zagadień dotczącch projektowaia zrobotzowach sstemów motażowch jest problem zapewieia wmagaej iezawodości staowisk. Ab osiągąć pożąda poziom iezawodości sstemu przedsiębiorstwa zmuszoe są do stosowaia arzędzi i oprzrządowaia o wsokiej dokładości, które z reguł są bardzo drogie, powodując admier wzrost kosztów eksploatacji staowisk. Wzrost kosztów z kolei stawia pod zakiem zaptaia opłacalość robotzacji daego procesu motażu. Rozwiązaiem przedstawioego problemu może bć praca sstemu z akceptowam przez przedsiębiorstwo poziomem motowalości części masz, bez zbędego zawżaia dokładości stosowaego wposażeia. Zapewieie zbt wsokiego prawdopodobieństwa połączeia części w warukach produkcjch, może okazać się w wielu wpadkach mało uzasadioe z ekoomiczego puktu widzeia. Przebieg fukcji prawdopodobieństwa wskazuje, iż w miarę zbliżaia się do prawdopodobieństwa rówego, małe przrost wartości prawdopodobieństwa odpowiadają dużm przrostom wartości luzu. Dla krzwej odpowiadającej obciążeiu końcówki robota masą 00 g, wzrost wartości prawdopodobieństwa z wartości 0,99987 do wartości czli o 0,07% pociąga koieczość zwiększeia toleracji pasowaia łączoch elemetów o 6,667% tz. z wartości 0,5 mm do 0,9 mm. Zapewieie takiej wartości prawdopodobieństwa wmaga zwiększeia luzu w połączeiu, lub zwiększeia dokładości wposażeia zrobotzowaego staowiska motażowego, co wiąże się z poiesieiem dodatkowch kosztów, a co z kolei stawia pod zakiem zaptaia opłacalość zrobotzowaia operacji motażu. W wielu wpadkach korzstiejszą deczją może okazać się zdecdowaie a miejszą iezawodość staowiska motażowego i poiesieie iezaczch kosztów związach z przestojami, iż a zaczie kosztowiejszą zwkle zmiaę wposażeia techologiczego. Zmiejszaie kosztów skutkuje ie tlko poprawą kokurecjości, ale i rozszerzeiem rku. Na taie wposażeie techologicze

7 MECHANIK NR 3/05 mogą sobie pozwolić średie i małe firm, którch w przemśle jest ajwięcej. Zmiejszeie kosztów eksploatacji sstemu motażowego daje poadto możliwość przesuięcia zakresów opłacalości wielkości produkcji dla sstemów elastczch w kieruku miejszch wartości, odpowiadającch produkcji mało- i średioserjej. 5. BIBLIOGRAFIA [] Hoczareko J: Elastcza automatzacja wtwarzaia, Wdawictwa Naukowo-Techicze, Warszawa, 000. [] Koch T.: Sstem zrobotzowaego motażu, Ofica Wdawicza Politechiki Wrocławskiej, Wrocław, 006. [3] Chrapek K., Bielski S., Kocełuch A., Koch T., Kozera M., Kuciel A., Malicki J., Mdlikowski J., Smalec Z., Żaba K.: Opracowaie podstaw budow elastczch sstemów motażowch. Raport Isttutu Techologii Masz i Automatzacji Politechiki Wrocławskiej 997, Ser. SPR Nr 9. [4] Lemu H.G.: Assesmet of geometric tolerace iformatio as a carrier of desig itet to maufacturig ad ispectio, Proceedigs of Third Iteratioal Workshop of Advaced Maufacturig ad Automatio, IWAMA 03 & Akademika Publishig, Trodheim, 03, s [5] Jezierski J., Kowalik M., Siemiątkowski Z., Warow R.: Aaliza toleracji w kostrukcji i techologii masz. Zbiór zadań, Wdawictwa Naukowo-Techicze, Warszawa, 00. [6] Jezierski J., Kowalik M. Sieczka P.: Nowa metoda obliczeń toleracji i odchłek w aalizie wektorowej wmiarów tolerowach, Archiwum Techologii Masz i Automatzacji, r, tom 7, 997, s [7] Kluz R., Motowalość czopowo-tulejowch połączeń realizowach przez robot motażowe. Techologia i Automatzacja Motażu, r,3, 007, s [8] Kluz R., Trzepieciński T.: The repeatabilit positioig aalsis of the idustrial robot arm, Assembl Automatio, o. 3, vol. 34, 04, s [9] Lemu H.G.: Curret status ad challeges of usig geometric tolerace iformatio i itelliget maufacturig sstems, Advaces i Maufacturig, o., vol., 04, s. 3-. [0] Kore Y.: Robotics for egieers, McGraw-Hill Book Compa, New-York, 985. [] Craig J.J.: Itroductio to robotics: Mechaics ad cotrol, Pearso Educatio, Upper Saddle River, 005. [] Hut V.D.: Idustrial robotics hadbook, Idustrial Press, New York, 983. [3] Barczk J., Igielski J., Łuarski J.: Układ podawaia w sstemach automatczego motażu, Ofica Wdawicza Politechiki Warszawskiej, Warszawa, 996. [4] Riemmer R., Eda Y.: Evaluatio of the ifluece of target locatio o robot repeatabilit, Robotica, o. 4, vol. 8, 000, s [5] Kluz R.: Badaia teoretcze i ekspermetale motowalości części clidrczch. Techologia i Automatzacja Motażu, r, 008, s [6] Kluz R.: Badaie i ocea dokładości robota motażowego [w:] Perłowski R., Zielecki W., Skoczlas L., Szabajkowicz W., Kluz R.: Techologie Urządzeia Metod Wbrae zagadieia techologii motażowch i obróbkowch, Ofica Wdawicza Politechiki Rzeszowskiej, Rzeszów 007, s. 90-.

Michał Gruca ZASADY OPRACOWANIA WYNIKÓW POMIARÓW

Michał Gruca ZASADY OPRACOWANIA WYNIKÓW POMIARÓW Michał Gruca ZASADY OPRACOWANIA WYNIKÓW POMIARÓW 1. Wstęp Pomiarem jest procesem pozawczm, któr umożliwia odwzorowaie właściwości fizczch obiektów w dziedziie liczb. Sam proces pomiarow jest ciągiem czości

Bardziej szczegółowo

Przykładowe zadania dla poziomu rozszerzonego

Przykładowe zadania dla poziomu rozszerzonego Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,

Bardziej szczegółowo

Ocena dopasowania modelu do danych empirycznych

Ocena dopasowania modelu do danych empirycznych Ocea dopasowaia modelu do dach empirczch Po oszacowaiu parametrów modelu ależ zbadać, cz zbudowa model dobrze opisuje badae zależości. Jeśli okaże się, że rozbieżość międz otrzmam modelem a dami empirczmi

Bardziej szczegółowo

Ćwiczenie 5 ITERACYJNY ALGORYTM LS. IDENTYFIKACJA OBIEKTÓW NIESTACJONARNYCH ALGORYTM Z WYKŁADNICZYM ZAPOMINANIEM.

Ćwiczenie 5 ITERACYJNY ALGORYTM LS. IDENTYFIKACJA OBIEKTÓW NIESTACJONARNYCH ALGORYTM Z WYKŁADNICZYM ZAPOMINANIEM. Kompterowe Sstem Idetfikacji Laboratorim Ćwiczeie 5 IERACYJY ALGORY LS. IDEYFIKACJA OBIEKÓW IESACJOARYCH ALGORY Z WYKŁADICZY ZAPOIAIE. gr iż. Piotr Bros, bros@agh.ed.pl Kraków 26 Kompterowe Sstem Idetfikacji

Bardziej szczegółowo

Bielecki Jakub Kawka Marcin Porczyk Krzysztof Węgrzyn Bartosz. Zbiorcze bazy danych

Bielecki Jakub Kawka Marcin Porczyk Krzysztof Węgrzyn Bartosz. Zbiorcze bazy danych Bielecki Jakub Kawka Marci Porczk Krzsztof Węgrz Bartosz Zbiorcze baz dach Marzec 2006 Spis treści. Opis działalości bizesowej firm... 3 2. Omówieie struktur orgaizacjej... 4 3. Opis obszaru bizesowego...

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Estymacja przedziałowa

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

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

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

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

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

Bardziej szczegółowo

Analiza dokładności pomiaru, względnego rozkładu egzytancji widmowej źródeł światła, dokonanego przy użyciu spektroradiometru kompaktowego

Analiza dokładności pomiaru, względnego rozkładu egzytancji widmowej źródeł światła, dokonanego przy użyciu spektroradiometru kompaktowego doi:1.15199/48.215.4.38 Eugeiusz CZECH 1, Zbigiew JAROZEWCZ 2,3, Przemysław TABAKA 4, rea FRYC 5 Politechika Białostocka, Wydział Elektryczy, Katedra Elektrotechiki Teoretyczej i Metrologii (1), stytut

Bardziej szczegółowo

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń 3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie

Bardziej szczegółowo

NAUKA. 2. Nie jest równoodległościowa:

NAUKA. 2. Nie jest równoodległościowa: rtkuł recezowa: O badaiu ziekształceń modeli trasormacji map a podstawie elips Tissota Długości, pola kąt Streszczeie: O badaiu ziekształceń modeli trasormacji map a podstawie elips Tissota. W artkule

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu

Bardziej szczegółowo

ANALIZA KSZTAŁTU SEGMENTU UBIORU TERMOOCHRONNEGO PRZY NIEUSTALONYM PRZEWODZENIU CIEPŁA

ANALIZA KSZTAŁTU SEGMENTU UBIORU TERMOOCHRONNEGO PRZY NIEUSTALONYM PRZEWODZENIU CIEPŁA MODELOWANIE INŻYNIERSKIE ISNN 1896-771X 32, s. 255-26, Gliwice 26 ANALIZA KSZTAŁTU SEGMENTU UBIORU TERMOOCHRONNEGO PRZY NIEUSTALONYM PRZEWODZENIU CIEPŁA RYSZARD KORYCKI DARIUSZ WITCZAK Katedra Mechaiki

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Harmonogramowanie linii montażowej jako element projektowania cyfrowej fabryki

Harmonogramowanie linii montażowej jako element projektowania cyfrowej fabryki 52 Sławomir Herma Sławomir HERMA atedra Iżyierii Produkcji, ATH w Bielsku-Białej E mail: slawomir.herma@gmail.com Harmoogramowaie liii motażowej jako elemet projektowaia cyfrowej fabryki Streszczeie: W

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

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

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

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

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

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

Bardziej szczegółowo

Mec Me han a ik i a a o gólna Wyp W a yp dko dk w o a w do d w o o w l o ne n g e o g o ukł uk a ł du du sił.

Mec Me han a ik i a a o gólna Wyp W a yp dko dk w o a w do d w o o w l o ne n g e o g o ukł uk a ł du du sił. echaika ogóla Wkład r 2 Wpadkowa dowolego układu sił. ówowaga. odzaje sił i obciążeń. odzaje ustrojów prętowch. Wzaczaie reakcji. Wpadkowa układu sił rówoległch rzłożeie układu zerowego (układ sił rówoważącch

Bardziej szczegółowo

Wprowadzenie. metody elementów skończonych

Wprowadzenie. metody elementów skończonych Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów

Bardziej szczegółowo

OCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny.

OCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny. OCENA POPYTU POPYT POJĘCIA WSTĘPNE Defiicja: Pop o ilość dobra, jaką abwc goowi są zakupić prz różch poziomach ce. Deermia popu: (a) Cea daego dobra (b) Ilość i ce dóbr subsucjch (zw. kokurecjch) (c) Ilość

Bardziej szczegółowo

PRZYRZĄDY SUWMIARKOWE, MIKROMETRYCZNE, CZUJNIKI, MASZYNY POMIAROWE. Równanie określające podziałkę noniusza suwmiarki:

PRZYRZĄDY SUWMIARKOWE, MIKROMETRYCZNE, CZUJNIKI, MASZYNY POMIAROWE. Równanie określające podziałkę noniusza suwmiarki: RZYRZĄDY SUWMIARKOWE, MIKROMETRYCZNE, CZUJNIKI, MASZYNY OMIAROWE Rówaie określające podziałkę oiusza suwmiarki: L e M Lep L 1 M moduł oiusza, L e długość działki elemetarej oiusza, L ep długość działki

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

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

Bardziej szczegółowo

Analiza potencjału energetycznego depozytów mułów węglowych

Analiza potencjału energetycznego depozytów mułów węglowych zaiteresowaia wykorzystaiem tej metody w odiesieiu do iych droboziaristych materiałów odpadowych ze wzbogacaia węgla kamieego ależy poszukiwać owych, skutecziej działających odczyików. Zdecydowaie miej

Bardziej szczegółowo

Temat ćwiczenia: Optyczne podstawy fotografii.

Temat ćwiczenia: Optyczne podstawy fotografii. Uiwerstet Rolicz w Krakowie Wdział Iżierii Środowiska i Geodezji Katedra Fotogrametrii i Teledetekcji Temat ćwiczeia: Otcze odstaw otograii. Podział układów otczch Pojęcie układów otczch Podział układów

Bardziej szczegółowo

Podstawy wytrzymałości materiałów

Podstawy wytrzymałości materiałów Podstaw wtrzmałości materiałów IMiR - MiBM - Wkład Nr 4 Aaliza stau aprężeia Sta aprężeia w pukcie, tesor aprężeia, klasfikacja staów aprężeia, aaliza jedoosiowego stau aprężeia, aaliza płaskiego stau

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

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

Bardziej szczegółowo

ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU

ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU Łukasz WOJCIECHOWSKI, Tadeusz CISOWSKI, Piotr GRZEGORCZYK ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU Streszczeie W artykule zaprezetowao algorytm wyzaczaia optymalych parametrów

Bardziej szczegółowo

Politechnika Poznańska

Politechnika Poznańska Politechika Pozańska Temat: Laboratorium z termodyamiki Aaliza składu spali powstałych przy spalaiu paliw gazowych oraz pomiar ich prędkości przepływu za pomocą Dopplerowskiego Aemometru Laserowego (LDA)

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wersja najbardziej zaawansowana. Zestaw nr 1: Ciągi liczbowe własności i granica

Wersja najbardziej zaawansowana. Zestaw nr 1: Ciągi liczbowe własności i granica Wersja ajbardziej zaawasowaa. Zestaw r : Ciągi liczbowe własości i graica.. Niech a dla.... Sprawdzić cz a jest ciągiem mootoiczm artmetczm... Sprawdzić cz astępując ciąg jest ciągiem geometrczm. Wpisać

Bardziej szczegółowo

AUDYT SYSTEMU GRZEWCZEGO

AUDYT SYSTEMU GRZEWCZEGO Wytycze do audytu wykoao w ramach projektu Doskoaleie poziomu edukacji w samorządach terytorialych w zakresie zrówoważoego gospodarowaia eergią i ochroy klimatu Ziemi dzięki wsparciu udzieloemu przez Isladię,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZADANIA ZAMKNIĘTE. Zadanie 1. (1 pkt) Wartość wyrażenia. b dla a 2 3 i b 2 3 jest równa A B. 5 C. 6 D Zadanie 2.

ZADANIA ZAMKNIĘTE. Zadanie 1. (1 pkt) Wartość wyrażenia. b dla a 2 3 i b 2 3 jest równa A B. 5 C. 6 D Zadanie 2. Zachęcam do samodzielej prac z arkuszem diagostczm. Pozaj swoje moce i słabe stro, a astępie popracuj ad słabmi. Żczę przjemego rozwiązwaia zadań. Zadaie. ( pkt) Wartość wrażeia a ZADANIA ZAMKNIĘTE b dla

Bardziej szczegółowo

Chemia Teoretyczna I (6).

Chemia Teoretyczna I (6). Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1

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

Bardziej szczegółowo

Wytrzymałość materiałów

Wytrzymałość materiałów Wtrzmałość materiałów IMiR - IA - Wkład Nr 8 Aaliza stau aprężeia Sta aprężeia w pukcie, tesor aprężeia, klasfikacja staów aprężeia, aaliza jedoosiowego stau aprężeia, aaliza płaskiego stau aprężeia, koło

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ELEKTROTECHNIKA I ELEKTRONIKA

ELEKTROTECHNIKA I ELEKTRONIKA NIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIAŁ INŻYNIERII MECHANICZNEJ INSTYTT EKSPLOATACJI MASZYN I TRANSPORT ZAKŁAD STEROWANIA ELEKTROTECHNIKA I ELEKTRONIKA ĆWICZENIE: E13 BADANIE ELEMENTÓW

Bardziej szczegółowo

(x 1 y 1 ) (x n y n ) 2. 1<j<m x i y i. x2 y 2 gdy x 1 = y 1 x 2 y 2 + x 1 + y 1 gdy x 1 = y 1. gdy x, y, 0 nie są współliniowe

(x 1 y 1 ) (x n y n ) 2. 1<j<m x i y i. x2 y 2 gdy x 1 = y 1 x 2 y 2 + x 1 + y 1 gdy x 1 = y 1. gdy x, y, 0 nie są współliniowe . Metrka Zadaie.. Pokazać, że metrka jest fukcją ieujemą. Zadaie.2. Odowodić, że poiższe wzor defiiuja metrki. a) (metrka euklidesowa) X = R. d e (, ) := ( ) 2 +... + ( ) 2 b) (metrka taksówkowa) X = R

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem) D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

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

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

Bardziej szczegółowo

( ) O k k k. A k. P k. r k. M O r 1. -P n W. P 1 P k. Rys. 3.21. Redukcja dowolnego przestrzennego układu sił

( ) O k k k. A k. P k. r k. M O r 1. -P n W. P 1 P k. Rys. 3.21. Redukcja dowolnego przestrzennego układu sił 3.7.. Reducja dowolego uładu sił do sił i par sił Dowolm uładem sił będiem awać uład sił o liiach diałaia dowolie romiescoch w prestrei. tm pucie ajmiem się sprowadeiem (reducją) taiego uładu sił do ajprostsej

Bardziej szczegółowo

Ciągi i szeregi liczbowe. Ciągi nieskończone.

Ciągi i szeregi liczbowe. Ciągi nieskończone. Ciągi i szeregi liczbowe W zbiorze liczb X jest określoa pewa fukcja f, jeŝeli kaŝdej liczbie x ze zbioru X jest przporządkowaa dokładie jeda liczba pewego zbioru liczb Y Przporządkowaie to zapisujem w

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

A.Z. Górski, S. Drożdż, J. Kwapień, P. Oświęcimka. Zakład Teorii Systemów Złożonych, Instytut Fizyki Jądrowej PAN, Kraków

A.Z. Górski, S. Drożdż, J. Kwapień, P. Oświęcimka. Zakład Teorii Systemów Złożonych, Instytut Fizyki Jądrowej PAN, Kraków COMPLEXITY CHARACTERISTICS OF CURRENCY NETWORKS A.Z. Górski, S. Drożdż, J. Kwapień, P. Oświęcimka Zakład Teorii Sstemów Złożoch, Isttut Fizki Jądrowej PAN, Kraków Układ o wielkiej złożoości moża przedstawiać

Bardziej szczegółowo

Statystyczny opis danych - parametry

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

Bardziej szczegółowo

Elementy modelowania matematycznego

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

Bardziej szczegółowo

Lista 6. Estymacja punktowa

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

Bardziej szczegółowo

V OGÓLNOPOLSKI KONKURS Z FIZYKI Fizyka się liczy I Etap ZADANIA 27 lutego 2013r.

V OGÓLNOPOLSKI KONKURS Z FIZYKI Fizyka się liczy I Etap ZADANIA 27 lutego 2013r. V OGÓLNOPOLSKI KONKURS Z FIZYKI Fizka się licz I Etap ZDNI 7 lutego 3r.. Dwa pociski wstrzeloo jeocześie w tę saą stroę z wóch puktów oległch o o. Pierwsz pocisk wstrzeloo z prękością o po kąte α. Z jaką

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

KADD Metoda najmniejszych kwadratów Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie

Bardziej szczegółowo

Płaskie układy obciąŝeń. Opis analityczny wielkości podstawowych. wersory. mechanika techniczna i wytrzymałość materiałów 1 statyka 2

Płaskie układy obciąŝeń. Opis analityczny wielkości podstawowych. wersory. mechanika techniczna i wytrzymałość materiałów 1 statyka 2 Opis aalitcz wielkości podstawowch wersor e x, e Opis aalitcz wielkości podstawowch współrzęde puktów A( x A, B( x B, A B ) ) Opis aalitcz wielkości podstawowch współrzęde puktów A( x A, B( x B, A B )

Bardziej szczegółowo

ELEKTROTECHNIKA I ELEKTRONIKA

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

Bardziej szczegółowo

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

Ekonomia matematyczna 2-2

Ekonomia matematyczna 2-2 Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

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

Bardziej szczegółowo

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG Tomasz ŚWIĘTOŃ 1 TRANSFORMACJA DO UKŁADU 2000 A ROBLEM ZGODNOŚCI Z RG Na mocy rozporządzeia Rady Miistrów w sprawie aństwowego Systemu Odiesień rzestrzeych już 31 grudia 2009 roku upływa termi wykoaia

Bardziej szczegółowo

Zastosowania w transporcie pasażerskim. Podzespoły i systemy HMI

Zastosowania w transporcie pasażerskim. Podzespoły i systemy HMI EAO Ekspert w dziedziie iterfejsów człowiek-maszya Zastosowaia w trasporcie pasażerskim Podzespoły i systemy HMI www. eao.com/catalogues EAO Parter dla przemysłu trasportowego Foto: SBB Systemy operacyje

Bardziej szczegółowo

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

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

Bardziej szczegółowo

KSZTAŁTOWANIE KRZYWEJ PRZEJŚCIOWEJ U PODSTAWY ZĘBA W ASPEKCIE MINIMALIZACJI NAPRĘŻEŃ ZGINAJĄCYCH

KSZTAŁTOWANIE KRZYWEJ PRZEJŚCIOWEJ U PODSTAWY ZĘBA W ASPEKCIE MINIMALIZACJI NAPRĘŻEŃ ZGINAJĄCYCH KSZTAŁTOWANIE KRZYWEJ PRZEJŚCIOWEJ U PODSTAWY ZĘBA W ASPEKCIE MINIMALIZACJI NAPRĘŻEŃ ZGINAJĄCYCH Marek MARTYNA 1, Ja ZWOLAK 2 Streszczeie W kolach zębatych tworzących złożoe układy apędowe występują zmiee

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

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

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

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

Bardziej szczegółowo

16 Przedziały ufności

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

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

Ekonometria Mirosław Wójciak Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń

Bardziej szczegółowo

WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU. Wprowadzenie. = =

WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU. Wprowadzenie. = = WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU Wprowadzeie. Przy przejśiu światła z jedego ośrodka do drugiego występuje zjawisko załamaia zgodie z prawem Selliusa siα

Bardziej szczegółowo

Zadania domowe z Analizy Matematycznej III - czȩść 2 (funkcje wielu zmiennych)

Zadania domowe z Analizy Matematycznej III - czȩść 2 (funkcje wielu zmiennych) Zadaia domowe z AM III dla grup E7 (semestr zimow 07/08) Czȩść Zadaia domowe z Aaliz Matematczej III - czȩść (fukcje wielu zmiech) Zadaie. Obliczć graice lub wkazać że ie istiej a: (a) () (00) (b) + ()

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne D o u ż y t k u w e w ę t r z e g o Katedra Iżyierii i Aparatury Przemysłu Spożywczego POMIARY WARSZTATOWE Ćwiczeia laboratoryje Opracowaie: Urszula Goik, Maciej Kabziński Kraków, 2015 1 SUWMIARKI Suwmiarka

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

PROGNOZY I SYMULACJE

PROGNOZY I SYMULACJE orecasig is he ar of saig wha will happe, ad he explaiig wh i did. Ch. Chafield (986 PROGNOZY I YMULACJE Kaarza Chud Laskowska kosulacje: p. 400A środa -4 czwarek -4 sroa iereowa: hp://kc.sd.prz.edu.pl/

Bardziej szczegółowo

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce! Iformatyka Stosowaa-egzami z Aalizy Matematyczej Każde zadaie ależy rozwiązać a oddzielej, podpisaej kartce! y, Daa jest fukcja f (, + y, a) zbadać ciągłość tej fukcji f b) obliczyć (,) (, (, (,) c) zbadać,

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

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

Bardziej szczegółowo

Automatyczna detekcja i pomiar markerów w fotogrametrycznym systemie trójwymiarowego pozycjonowania ciała dla celów rehabilitacji leczniczej *

Automatyczna detekcja i pomiar markerów w fotogrametrycznym systemie trójwymiarowego pozycjonowania ciała dla celów rehabilitacji leczniczej * Automatcza detekcja i pomia makeów w otogametczm sstemie tójwmiaowego pozcjoowaia ciała dla celów ehabilitacji lecziczej * D iż. Regia Tokaczk, iż. Michał Huppet Steszczeie Fotogametcz sstem pozcjoowaia

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

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

Bardziej szczegółowo

Twierdzenia graniczne:

Twierdzenia graniczne: Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

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

Bardziej szczegółowo

DEA podstawowe modele

DEA podstawowe modele Marek Miszczński KBO UŁ 2008 - Aaliza dach graiczch (EA) cz.2 (przkład aaliza damiki rakigi) EA podsawowe modele WPROWAZENIE Efekwość (produkwość) obieku gospodarczego o es defiiowaa ako sosuek sum ważoch

Bardziej szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim. Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wzór Taylora Szeregi potęgowe Matematyka Studium doktorackie KAE SGH Semestr leti 8/9 R. Łochowski Graica fukcji w pukcie Niech f: R D R, R oraz istieje ciąg puktów D, Fukcja f ma w pukcie graicę dowolego

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

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

Bardziej szczegółowo