METODYKA DIAGNOZOWANIA STANU MASZYN 1. Henryk Tylicki, Joanna Wilczarska, Marzena Bartol

Wielkość: px
Rozpocząć pokaz od strony:

Download "METODYKA DIAGNOZOWANIA STANU MASZYN 1. Henryk Tylicki, Joanna Wilczarska, Marzena Bartol"

Transkrypt

1 MOTROL, 2006, 8, METOYKA IAGNOZOWANIA STANU MASZYN Henryk Tylicki, Joanna Wilczarska, Marzena Bartol Akademia Techniczno-Rolnicza w Bydgoszczy Streszczenie. W opracowaniu przedstawiono problematykę badania akości procesu wyznaczania testów i programów diagnostycznych stanu technicznego maszyn. Zaprezentowano takŝe algorytmy wyznaczania testów i programów diagnostycznych stanu technicznego maszyn. Słowa kluczowe: diagnostyka techniczna, diagnozowanie stanu maszyn, optymalizaca procesu oceny stanu maszyn WSTĘP Maszyny w kaŝde chwili znaduą się w pewnym określonym stanie, a sekwence czasowe tych stanów rozpatrue się ako czas ich istnienia. W przypadku odpowiedzi na pytanie dotyczące obecnego stanu maszyny naleŝy rozwiązać zadanie kontroli stanu i lokalizaci uszkodzenia, polegaące na określeniu stanów układów i zespołów maszyny, które obecnie istnieą z ewentualnym próbą odpowiedzi, co est przyczyną zaistnienia tych stanów. Synergia obu tych zadań stanowi przedmiot oceny stanu technicznego maszyny w chwili e badania. Główne problemy poawiaące się przy rozwiązaniu tych zadań są następuące: a) sformułowanie celu oceny stanu technicznego maszyny i określenie postaci diagnozy; b) zmiana stanu technicznego poazdu w czasie eksploataci; c) opis stanu technicznego poazdu za pomocą cech stanu oraz zaleŝność pomiędzy cechami stanu i parametrami diagnostycznymi; d) rozwiązanie zadania oceny stanu: wybór parametrów diagnostycznych opisuących aktualny stan i ego zmianę w czasie eksploataci maszyny, wyznaczenie diagnozy stanu maszyny, wykorzystanie informaci diagnostyczne do podęcia decyzi o zakresie obsługiwania maszyny. Artykuł powstał w wyniku realizaci proektu badawczego nr 4 T07B

2 METOYKA IAGNOZOWANIA STANU MASZYN 23 Poęcie nalepsze wiąŝe się z przyęciem odpowiednich kryteriów i rozpatrzeniem tych problemów w kategoriach poszukiwania rozwiązania optymalnego. Formułuąc zadanie optymalizacyne, naczęście posługuemy się wieloma kryteriami oceny, co determinue rozpatrzenie tych problemów w kategoriach rozwiązania polioptymalnego. WYZNACZANIE ZBIORU PARAMETRÓW IAGNOSTYCZNYCH Zbiór parametrów diagnostycznych wyróŝnia się ze zbioru parametrów wyściowych. Na ogół przymowanymi kryteriami są warunki niezaleŝności, ednoznaczności i mierzalności parametrów. NaleŜy traktować e ednak ako warunki wstępne. Analizuąc prace z zakresu eksploataci maszyn dotyczące problemu redukci liczby parametrów diagnostycznych, spotyka się takie, w których podemue się problem optymalizaci zbioru parametrów diagnostycznych dla potrzeb rozpoznawania stanu maszyn [śółtowski 996, Tylicki 998, Niziński i Michalski 2002]. Z przeprowadzonych badań [Surówka 200, Tylicki 998], maących na celu potwierdzenie niektórych propozyci zawartych w tych pracach wynika, Ŝe wyznaczanie zbioru parametrów diagnostycznych w procesie oceny stanu maszyny powinno uwzględniać: a) zdolność odwzorowania zmian stanu maszyny w czasie eksploataci; b) ilość informaci o stanie maszyny; c) odpowiednią zmienność wartości parametrów diagnostycznych w czasie eksploataci maszyny. latego odpowiednie algorytmy uwzględniaące te postulaty zostały przestawione ako metody, które opracowano i zweryfikowano [Surówka 200, Tylicki 998]. Są to: a) minimalnego błędu diagnozy; b) poemności informacyne; c) korelaci ze stanem technicznym; d) podobieństwa wartości parametrów diagnostycznych. Metody te wykorzystuą przyporządkowane sobie kryteria: a) minimalnego błędu diagnozy; wyróŝnia te parametry, które charakteryzuą się minimalnym błędem diagnozy; b) maksymalne poemności informacyne; wyróŝnia te parametry, które charakteryzuą się maksymalną wraŝliwością na zmianę stanu technicznego układu hydraulicznego; c) korelaci ze stanem technicznym; wyróŝnia te parametry, które charakteryzuą się maksymalną wartością współczynnika korelaci miedzy parametrami diagnostycznymi i stanami technicznymi układu; d) klasyfikaci stanów; wyróŝnia te parametry, które charakteryzuą się maksymalną rozdzielczością między stanami technicznymi układu. Metoda minimalnego błędu diagnozy polega na określeniu tzw. obszaru przykrycia funkci gęstości prawdopodobieństwa warunkowego parametru y Y (rys.) określanego przez Serdakowa [Niziński i Michalski 2002] zaleŝnością: ( ) ( ) = P S / y Q + P S / y Q () 2 2

3 232 Henryk Tylicki, Joanna Wilczarska, Marzena Bartol zaś prawdopodobieństwo błędu I rodzau, polegaącego na zaliczeniu obiektu będącego w stanie zdatności S do stanu niezdatności S 2 ( y S ) = Q = f / y gr dy oraz prawdopodobieństwo błędu II rodzau, polegaącego na zaliczeniu obiektu będącego w stanie zdatności S 2 do stanu niezdatności S Wybór nalepszego parametru diagnozy: f ( y s) y gr Q 2 = f y / 2 ( y S ) (2) dy (3) y* Y odbywa się poprzez minimalizacę błędu ( ) y* = min (4) f( y s f( y s Q 2 Q y, y gr y, y Rys.. Graficzna interpretaca błędu diagnozy [Surówka 200] Fig.. A graphic interpretation of a diagnosis error Procedura wyboru parametrów diagnostycznych według przedstawione metody sprowadza się wówczas do:. Analizy akościowe parametrów, polegaące na: a) badaniu istotności zmian wartości parametrów przy zmianie stanu technicznego zespołów i układów maszyny, b) wyznaczeniu i szacowaniu wartości granicznych y gr wg kryterium namnieszego ryzyka Bayesa przy załoŝeniu kosztów błędów I i II rodzau.

4 METOYKA IAGNOZOWANIA STANU MASZYN Analizy ilościowe, która polega na wyborze parametrów diagnostycznych pod kątem kryterium minimalnego błędu diagnozy. W wyniku e realizaci uzyskue się zbiór parametrów diagnostycznych, którego elementy charakteryzuą się dobrymi właściwościami rozdzielczymi oraz określane są przedziały ich zmian przy zmianie stanu tech- y y, y wraz z błędami diagnozy. nicznego maszyny oraz wartości graniczne ( ) gr Metoda korelaci ze stanem technicznym maszyny polega na tym, Ŝe ze zbioru parametrów Y wybiera się takie, które charakteryzuą się nawiększą wartością wskaźników parametru d. efiniue się go ako: grd grg gdzie: K a = (5) c a wskaźnik wraŝliwości parametru, k liczba informaci o zmianie stanu technicznego układu. [ i, ] = [ i, ] = 0 k = [, ] ; i =, k, = m k M i, i= (6) M, gdy y Y zmienia się istotnie w przypadku wystąpienia M, gdy y Y nie zmienia się istotnie w przypadku wystąpienia s S s S c koszt sprawdzenia wartości parametru Y c, 00 Wybór nalepszego parametru y Ysprowadzi się wówczas do określenia maksymalne wartości a, czyli: y * = max( a ) y, [ ] Następnie dla tak wybranych parametrów diagnostycznych określa się wartości graniczne * * y (o ile nie podae ich producent, y gr gr Y ). W wyniku realizaci te metody uzyskue się zbiór parametrów diagnostycznych, którego elementy charakteryzuą się nawięk- gr szą wraŝliwością na wystąpienie stanów technicznych zespołów układu hydraulicznego * * * y y, y wraz z oraz określone są przedziały ich zmian i wartości graniczne ( ) gr grd grg błędami diagnozy. Metoda rozróŝnialności stanów polega na wyborze takich parametrów diagnostycznych, które dla poszczególnych stanów technicznych przy zadanym poziomie ufności α są nabardzie rozróŝnialne. W przypadku wyboru parametru do testu diagnostycznego kontroli stanu zespołów układu hydraulicznego rozróŝnialność stanów (7)

5 234 Henryk Tylicki, Joanna Wilczarska, Marzena Bartol definiue się ako odległość d ( t ( y ), t ( y ) y Y w stanie zdatności między podziałami ufności parametru i s S 0 i stanie niezdatności s i S, czyli wybór parametru nalepszego sprowadzi się do wyboru takiego y Y, który spełnia relacę: ( 0( 0) i( ) ) * y = max min d t y, t y =,m i= l,k (8) W przypadku wyboru parametrów do lokalizaci uszkodzeń w obiekcie, rozróŝnial- d t y, t y między przedziałami ność stanów charakteryzue się ako odległość ( ( ) ( ) ufności parametru y Y dla stanu niezdatności l n s l S i stanu niezdatności czyli wybór parametru nalepszego sprowadzi się do wyboru takiego spełnia relacę: y Y s n S,, który y = max min d t y,t y n =,k l n ( ( ) ( )) ˆ l n =,m l =,k (9) W wyniku realizaci te metody uzyskue się zbiór parametrów diagnostycznych, którego elementy charakteryzuą się nawiększą rozróŝnialnością stanów do potrzeb testu kontroli stanu obiektu, ak i teŝ do potrzeb programu lokalizaci uszkodzeń. Ponadto określone zostaną wartości graniczne y grg, y grd wybranych parametrów diagnostycznych. Metoda podobieństwa wartości parametrów diagnostycznych polega na sprawdzeniu poprawności przyporządkowania obserwaci wartości parametrów diagnostycznych do poszczególnych klas stanu układu hydraulicznego. Wykorzystue się tu zaleŝność, Ŝe macierz całkowite sumy kwadratów odchyleń obserwaci od środka cięŝkości obserwaci T est sumą całkowite sumy kwadratów W odchyleń od średnich wewnątrzklasowych i całkowite sumy kwadratów odchyleń średnich wewnątrz klasowych od średnie globalne B. Algorytm klasyfikaci obserwaci wartości parametrów diagnostycznych na klasy przedstawiono został na rys. 2. W metodzie te bada się szybkość spadku pewne funkci warianci uogólnione lub całkowite, obliczone na podstawie W. Zakończenie procesu klasyfikaci, t. przypisanie poszczególnych obserwaci do klas następue po osiągnięciu wartości minimum dla kryterium globalnego. W wyniku realizaci metody otrzymue się odpowiednio zbiory parametrów diagnostycznych do testu kontroli stanu lub do testu lokalizaci uszkodzeń. START W = K = xi C i Określenie liczby klas i obliczenie macierzy W i B: T K _ xi x xi x B = = n x x x gdzie n est liczbą obserwaci w klasie oznaczone ako C. _ x T Wstępne przypisanie obserwaci do K klas. Określenie sposobu mierzenia odległości (metoda odległości Euklidesowe).

6 METOYKA IAGNOZOWANIA STANU MASZYN 235 Rys. 2. Algorytm metody podobieństwa wartości parametrów diagnostycznych [Surówka 200] Fig. 2. An algorithm of the diagnostic parameters simulation method

7 236 Henryk Tylicki, Joanna Wilczarska, Marzena Bartol Metoda maksymalne poemności informacyne parametru diagnostycznego polega na wyborze parametru dostarczaącego nawiększą ilość informaci o stanie maszyny. Parametr diagnostyczny ma tym większe znaczenie w określeniu zmiany stanu, im silnie est z nim skorelowany i im słabie est skorelowany z innymi parametrami diagnostycznymi. ZaleŜność tę przedstawia się w postaci wskaźnika integralne poemności parametru diagnostycznego h, który est modyfikacą dokonaną dla potrzeb redukci parametrów diagnostycznych w procesie rozpoznawania stanu podobnego wskaźnika, odnoszącego się do zbioru zmiennych obaśniaących model ekonometryczny: 2 r h = (0) m + ri, gdzie: i, = r = r(w, y ); =,..., m współczynnik korelaci liniowe między zmiennymi W (stan zespołu maszyny) i y r i, = r(y i, y ); i, =,..., m; i współczynnik korelaci liniowe między zmiennymi y i i y. W przypadku braku danych ze zbioru W, proponue e zastąpić, przy załoŝeniu, Ŝe wyznaczenie diagnozy est realizowane w przedziale zuŝycia normalnego przebiegiem maszyny. Wówczas r = r (t i, y ); =,..., m; i =,...,K (r współczynnik korelaci liniowe między zmiennymi t i (t, t b ), t i przebieg poazdu i y ). Wybór parametru y * do zbioru parametrów diagnostycznych sprowadza się wówczas do maksymalizaci wskaźnika h. Zaletą przedstawionych metod est to, Ŝe pozwalaą wybrać ze zbioru parametrów wyściowych ednoelementowe, ak i wieloelementowe zbiory parametrów diagnostycznych. Zbiór ednoelementowy odnosi się do przypadku, gdy poazd est zdekomponowany na układy i zespoły oraz konieczny est wybór ednego parametru diagnostycznego. Zbiór wieloelementowy otrzymue się, gdy w przedstawionych procedurach stosue się mnie ostre ograniczenie, polegaące na zakwalifikowaniu do zbioru parametrów diagnostycznych tych, których wartości wskaźników są większe (mniesze) od przyętych odpowiednio dla metody małych (duŝych) liczb dodatnich. Reasumuąc, nabardzie dokładna i wiarygodna est metoda minimalnego błędu diagnozy. Wymaga ona ednak odpowiednich zbiorów danych w postaci macierzy obserwaci Y = f( S), co generue konieczność przeprowadzenia eksperymentu czynnego. Wady te nie ma metoda podobieństwa wartości parametrów, bowiem po przyporządkowaniu e do klasyfikaci stanów (zbiór stanów według bezpieczeństwa pracy układu), obok zalety korelaci stanu układu hydraulicznego z czasem eksploataci maszyny robocze, metoda ta est namnie wymagaąca w aspekcie kłopotliwego, a niekiedy niemoŝliwego (w przypadku układu hydraulicznego maszyny robocze) trybu realizaci eksperymentu czynnego. MoŜliwa est e realizaca w przypadku eksperymentu biernego.

8 METOYKA IAGNOZOWANIA STANU MASZYN 237 WYZNACZENIE TESTU IAGNOSTYCZNEGO KONTROLI STANU I LOKALIZACJI USZKOZEŃ Z analizy moŝliwości badania zaleŝności parametru diagnostycznego od stanu układów i zespołów maszyn [Tylicki 998, Surówka 200, Niziński i Michalski 2002] wynika, Ŝe nabardzie interesuące są metody wyznaczania testów kontroli stanu i lokalizaci uszkodzeń wykorzystuące Boolowską macierz obserwaci oraz macierz obserwaci parametr czas eksploataci maszyny robocze. Metoda macierzy Boolowskie zapewnia wyznaczenie testu kontroli stanu testu lokalizaci uszkodzeń. W pierwszym przypadku na podstawie macierzy binarne d M b naleŝy utworzyć macierz Boolowską M b do kontroli zdatności, w które w miesce stanów wprowadza się podzbiór par rozróŝnialnych stanów S o, S i, o postaci: y, y2, L, y, L, ym S o,s S o,s 2 M KZ M b = S o,si M M S o,s k M KZ bi d ( bi) d ( bi) 0, gdy -M = 0 =, gdy -M = i i=, k, Występuące w elementach macierzy M bi M b edynki oznaczaą rozróŝnialność stanu s i S przy pomocy parametru y Y, zaś zera nierozróŝnialność. Analizuąc następnie macierz M b, do testu wybiera się taki parametr y y, który w kolumnie ma maksymalna liczbę edynek. W przypadku, gdy -ta kolumna nie zawiera samych edynek, naleŝy szukać brakuących edynek w n-te kolumnie lub w n + kolumnie. W przypadku ich występowania, dołącza się n ty i n + -ty parametry do testu. Wówczas test przymue postać: { y y, y } =, n n+ () (2) (3)

9 238 Henryk Tylicki, Joanna Wilczarska, Marzena Bartol { d d, d } =, n n+ gdzie: d sprawdzenie -tego parametru diagnostycznego (4) Metoda klasyfikaci stanów maszyn polega na tym, iŝ w wyniku wyznaczenia zbioru parametrów diagnostycznych za pomocą metody podobieństwa wartości podobieństwa stanów uzyskue się pary relaci: stan zdatności S 0 stany niezdatności S i, i =,k, co pozwala określić zbiór parametrów diagnostycznych {y } (w szczególnym przypadku ednoelementowy) do wyznaczenia testu : gdzie: d sprawdzenie wartości parametru y. { } y W przypadku określania elementów testu = (5) = { d } (6) w wyniku realizowane metody klasyfikaci stanów (podzbiory par stanów S l, S i ; l =,k ; i=,k ;i l) uzyskue się zbiór parametrów diagnostycznych {y } do wyznaczenia testu przymue postać [Surówka 200, Niziński i Michalski 2002]:. Wówczas test = { y } (7) = { d } Reasumuąc, naleŝy stwierdzić, Ŝe ze względu na preferencę przy wyborze parametrów diagnostycznych metody podobieństwa oraz sposobu badania zaleŝności parametr diagnostyczny stan, naleŝy wybrać metodę klasyfikaci stanów układu. (8) POSUMOWANIE W opracowaniu przeanalizowano wybrane metody wyboru parametrów diagnostycznych oraz przeprowadzono analizę wybranych metod wyznaczenia testu diagnostycznego kontroli stanu i lokalizaci uszkodzeń. Pozwoliło to na sformułowanie następuących wniosków.. Procedurami metodyki diagnozowania układu hydraulicznego maszyny robocze są: do wyznaczenia zbioru parametrów diagnostycznych naleŝy wybrać metodę podobieństwa wartości parametrów diagnostycznych układu; do wyznaczenia testu kontroli stanu i lokalizaci uszkodzeń układów maszyn, ze względu na preferencę przy wyborze parametrów diagnostycznych metody podo-

10 METOYKA IAGNOZOWANIA STANU MASZYN 239 bieństwa ich wartości oraz sposobu badania zaleŝności parametr diagnostyczny stan, naleŝy wybrać metodę klasyfikaci stanów układu. 2. W celu określenia moŝliwości zastosowania przedstawionych procedur do diagnozowania układów i zespołów maszyn konieczna est egzemplifikaca opracowane metodyki, która powinna obemować: badanie relaci parametr diagnostyczny stan układu poprzez: - wyznaczenie zbioru stanów układu, - wyznaczenie zbioru parametrów diagnostycznych maszyny, - określenie macierzy relaci parametr diagnostyczny - stan; wyznaczenie testu diagnostycznego kontroli stanu i lokalizaci uszkodzeń. 3. Wnioski z egzemplifikaci procedur metodyki diagnozowania stanowić powinny podstawę opracowania koncepci pokładowego systemu diagnozowania układów maszyn, która powinna zawierać: opis systemu (opis hardwaru i softwaru systemu); przebieg procesu wnioskowania diagnostycznego układów maszyny; wizualizacę wnioskowania diagnostycznego. 4. Opracowana koncepca pokładowego systemu diagnostycznego powinna być na tyle uniwersalna, aby moŝliwe było e wykorzystanie w eksploataci układów większe grupy maszyn. LITERATURA Niziński S., Michalski R. 2002: iagnostyka obiektów technicznych. Wydawnictwo i Zakład Poligrafii Instytutu Technologii Eksploataci, Radom. Surówka L. 200: Identyfikaca modelu diagnostycznego układów hydraulicznych. Mechanika, Wydawnictwo ATR, Bydgoszcz. Tylicki H. 998: Optymalizaca procesu prognozowania stanu technicznego poazdów mechanicznych. Wydawnictwa Uczelniane ATR, Bydgoszcz. śółtowski B. 996: Podstawy diagnostyki maszyn. Wydawnictwo Akademii Techniczno Rolnicze, Bydgoszcz. A METHOOLOGY FOR MACHINE STATE IAGNOSIS Summary. The paper presents problems of quality evaluation for machine state tests and diagnostic programs creation. Also, machine state tests and diagnostic programs creation algorithms are proposed. Key words: technological diagnosis, machine state diagnosing, optimization of a state evaluation process Recenzent: prof. dr hab. Stanisław Niziński

OPTYMALIZACJA PROCESU ROZPOZNAWANIA STANU TECHNICZNEGO POJAZDÓW

OPTYMALIZACJA PROCESU ROZPOZNAWANIA STANU TECHNICZNEGO POJAZDÓW Henryk TYLICKI OPTYMALIZACJA PROCESU ROZPOZNAWANIA STANU TECHNICZNEGO POJAZDÓW Optimisation of a vehicle's technical state assessment process Wstęp Maszyny w kaŝdej chwili znajdują się w pewnym określonym

Bardziej szczegółowo

Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną

Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wieskiego, Warszawa, ul. Nowoursynowska 159 e-mail: mieczyslaw_polonski@sggw.pl Poszukiwanie optymalnego wyrównania

Bardziej szczegółowo

strukturalnych można wyznaczyć ze wzoru b X T 1

strukturalnych można wyznaczyć ze wzoru b X T 1 Hanna Dudek SGGW w Warszawie WYKRYWANIE WSPÓŁLINIOWOŚCI ZA POMOCĄ SCENTROWANYCH, NIESCENTROWANYCH ORAZ UOGÓLNIONYCH CZYNNIKÓW INFLACJI WARIANCJI. Wstęp Poęcie czynnika inflaci warianci VIF zostało wprowadzone

Bardziej szczegółowo

wiedzy Sieci neuronowe (c.d.)

wiedzy Sieci neuronowe (c.d.) Metody detekci uszkodzeń oparte na wiedzy Sieci neuronowe (c.d.) Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 8 Metody detekci uszkodzeń oparte na wiedzy Wprowadzenie

Bardziej szczegółowo

Metody Ilościowe w Socjologii

Metody Ilościowe w Socjologii Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu

Bardziej szczegółowo

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego 6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego Analiza wrażliwości est studium analizy wpływu zmian wartości różnych parametrów modelu PL na rozwiązanie optymalne. Na optymalne

Bardziej szczegółowo

Porządkowanie liniowe i analiza skupień

Porządkowanie liniowe i analiza skupień Porządkowanie liniowe i analiza skupień Wprowadzenie Uniwersytet Ekonomiczny w Krakowie, 2012 1 Plan prezentaci 1. Porządkowanie liniowe obiektów 2. Wprowadzenie do analizy skupień 2 1.PORZĄDKOWANIE LINIOWE

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy 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 szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy 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 szczegółowo

STATYSTYCZNE METODY SZACOWANIA RYZYKA W AUDYCIE WEWNĘTRZNYM

STATYSTYCZNE METODY SZACOWANIA RYZYKA W AUDYCIE WEWNĘTRZNYM STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 16 Edward Nowak STATYSTYCZNE METODY SZACOWANIA RYZYKA W AUDYCIE WEWNĘTRZNYM Wprowadzenie Ważnym zadaniem audytu wewnętrznego est ocena procesu

Bardziej szczegółowo

MODELOWANIE PROCESU EKSPLOATACJI OBIEKTÓW TECHNICZNYCH ZA POMOCĄ DYNAMICZNYCH SIECI BAYESOWSKICH

MODELOWANIE PROCESU EKSPLOATACJI OBIEKTÓW TECHNICZNYCH ZA POMOCĄ DYNAMICZNYCH SIECI BAYESOWSKICH InŜynieria Rolnicza 12/2006 Grzegorz Bartnik, Andrzej Kusz, Andrzej W. Marciniak Katedra Podstaw Techniki Akademia Rolnicza w Lublinie MODELOWANIE PROCESU EKSPLOATACJI OBIEKTÓW TECHNICZNYCH ZA POMOCĄ DYNAMICZNYCH

Bardziej szczegółowo

(Dantzig G. B. (1963))

(Dantzig G. B. (1963)) (Dantzig G.. (1963)) Uniwersalna metoda numeryczna dla rozwiązywania zadań PL. Ideą metody est uporządkowany przegląd skończone ilości rozwiązań bazowych układu ograniczeń, które możemy utożsamiać, w przypadku

Bardziej szczegółowo

MONITOROWANIE STANU SYSTEMU KIEROWCA - RODEK TRANSPORTOWY - DROGA

MONITOROWANIE STANU SYSTEMU KIEROWCA - RODEK TRANSPORTOWY - DROGA PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 95 Transport 2013 Henryk Tylicki, Bolesaw Ochodek Instytut Politechniczny, Pastwowa Wysza Szkoa Zawodowa im. Stanisawa Staszica w Pile MONITOROWANIE STANU SYSTEMU

Bardziej szczegółowo

5. SYSTEM GENEZOWANIA STANU MASZYN

5. SYSTEM GENEZOWANIA STANU MASZYN taka to bywa zapłata niejednego literata; po śmierci mu kadzą, a za życia jeść nie dadzą 5. SYSTEM GENEZOWANIA STANU MASZYN W rozdziale przedstawiono założenia systemu genezowania stanu maszyn oraz zasady

Bardziej szczegółowo

Podstawy diagnostyki środków transportu

Podstawy diagnostyki środków transportu Podstawy diagnostyki środków transportu Diagnostyka techniczna Termin "diagnostyka" pochodzi z języka greckiego, gdzie diagnosis rozróżnianie, osądzanie. Ukształtowana już w obrębie nauk eksploatacyjnych

Bardziej szczegółowo

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1) ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest

Bardziej szczegółowo

Rozwiązywanie algebraicznych układów równań liniowych metodami iteracyjnymi. Plan wykładu:

Rozwiązywanie algebraicznych układów równań liniowych metodami iteracyjnymi. Plan wykładu: Rozwiązywanie algebraicznych układów równań liniowych metodami iteracynymi Plan wykładu: 1. Przykłady macierzy rzadkich i formaty ich zapisu 2. Metody: Jacobiego, Gaussa-Seidla, nadrelaksaci 3. Zbieżność

Bardziej szczegółowo

OPTYMALIZACJA STRUKTUR ELEKTROENERGETYCZNYCH SIECI PROMIENIOWYCH Z WYKORZYSTANIEM ALGORYTMÓW SZTUCZNEJ INTELIGENCJI

OPTYMALIZACJA STRUKTUR ELEKTROENERGETYCZNYCH SIECI PROMIENIOWYCH Z WYKORZYSTANIEM ALGORYTMÓW SZTUCZNEJ INTELIGENCJI POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 70 Electrical Engineering 2012 Wociech BĄCHOREK* Janusz BROŻEK* OPTYMALIZACJA STRUKTUR ELEKTROENERGETYCZNYCH SIECI PROMIENIOWYCH Z WYKORZYSTANIEM

Bardziej szczegółowo

Testy zgodności 9 113

Testy zgodności 9 113 Testy zgodności 9 3 9. TESTY ZGODNOŚCI 9. Różne sytuace praktyczne W praktyce badań statystycznych, ak uż poprzednio stwierdzono, cały proces analizy statystyczne dzielimy na dwa etapy: formułowanie hipotezy

Bardziej szczegółowo

Spis 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. 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 szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +

Bardziej szczegółowo

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN

Bardziej szczegółowo

BADANIE WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO

BADANIE WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO BADANIE WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO Lis Anna Lis Marcin Kowalik Stanisław 2 Streszczenie. W pracy przedstawiono rozważania dotyczące określenia zależności pomiędzy wydobyciem

Bardziej szczegółowo

ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza

ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ Joanna Bryndza Wprowadzenie Jednym z kluczowych problemów w szacowaniu poziomu ryzyka przedsięwzięcia informatycznego

Bardziej szczegółowo

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Rachunek Prawdopodobieństwa istatystyka W4 Rozkład normalny Parametry rozkładu zmienne losowe Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny - standaryzaca

Bardziej szczegółowo

LOGITRANS - VII KONFERENCJA NAUKOWO-TECHNICZNA LOGISTYKA, SYSTEMY TRANSPORTOWE, BEZPIECZEŃSTWO W TRANSPORCIE

LOGITRANS - VII KONFERENCJA NAUKOWO-TECHNICZNA LOGISTYKA, SYSTEMY TRANSPORTOWE, BEZPIECZEŃSTWO W TRANSPORCIE LOGITRANS - VII KONFERENCJA NAUKOWO-TECHNICZNA LOGISTYKA, SYSTEMY TRANSPORTOWE, BEZPIECZEŃSTWO W TRANSPORCIE Stanisław DUER 1 Konrad ZAJKOWSKI 2 Jacek PAŚ 3 proces obsługiwania, modelowanie systemów, sieci

Bardziej szczegółowo

X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9

X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9 Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli

Bardziej szczegółowo

Rozdział 8. Regresja. Definiowanie modelu

Rozdział 8. Regresja. Definiowanie modelu Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność

Bardziej szczegółowo

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,

Bardziej szczegółowo

Rys. 1. Instalacja chłodzenia wodą słodką cylindrów silnika głównego (opis w tekście)

Rys. 1. Instalacja chłodzenia wodą słodką cylindrów silnika głównego (opis w tekście) Leszek Chybowski Wydział Mechaniczny Politechnika Szczecińska ZASTOSOWANIE DRZEWA USZKODZEŃ DO WYBRANEGO SYSTEMU SIŁOWNI OKRĘTOWEJ 1. Wprowadzenie Stanem systemu technicznego określa się zbiór wartości

Bardziej szczegółowo

Warszawa, dnia 20 stycznia 2014 r. Poz. 90 OBWIESZCZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO. z dnia 5 czerwca 2013 r.

Warszawa, dnia 20 stycznia 2014 r. Poz. 90 OBWIESZCZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO. z dnia 5 czerwca 2013 r. DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ Warszawa, dnia 20 stycznia 2014 r. Poz. 90 OBWIESZCZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO z dnia 5 czerwca 2013 r. w sprawie ogłoszenia ednolitego tekstu rozporządzenia

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. Niech łączna wartość szkód: Ma złożony rozkład Poissona. Momenty rozkładu wartości poedyncze szkody wynoszą:, [ ]. Wiemy także, że momenty nadwyżki wartości poedyncze szkody ponad udział własny

Bardziej szczegółowo

SZACOWANIE MEDIANY PRZY UŻYCIU DOKŁADNEJ METODY BOOTSTRAPOWEJ

SZACOWANIE MEDIANY PRZY UŻYCIU DOKŁADNEJ METODY BOOTSTRAPOWEJ METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/3, 2014, str. 111 121 SZACOWANIE MEDIANY PRZY UŻYCIU DOKŁADNEJ METODY BOOTSTRAPOWEJ Joanna Kisielińska Wydział Nauk Ekonomicznych Szkoła Główna Gospodarstwa

Bardziej szczegółowo

WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH

WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków

CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków 36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI

Bardziej szczegółowo

WYBRANE ELEMENTY DOBORU I OCENY SYSTEMÓW KOMPLETACJI MAGAZYNOWEJ

WYBRANE ELEMENTY DOBORU I OCENY SYSTEMÓW KOMPLETACJI MAGAZYNOWEJ WYBRANE ELEMENTY DOBORU I OCENY SYSTEMÓW KOMPLETACJI MAGAZYNOWEJ Zdzisław JASKULSKI Streszczenia: Zaproponowano metodykę doboru i oceny systemów kompletaci magazynowe z uwzględnieniem zróżnicowanych preferenci

Bardziej szczegółowo

WYKŁAD 8 ANALIZA REGRESJI

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

Bardziej szczegółowo

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

Optymalizacja ciągła

Optymalizacja ciągła Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej

Bardziej szczegółowo

Prognozowanie na podstawie modelu ekonometrycznego

Prognozowanie na podstawie modelu ekonometrycznego Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)

Bardziej szczegółowo

POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW)

POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) NOTA INTERPETACYJNA NR 1 NI 1 ZASTOSOWANIE PODEJŚCIA PORÓWNAWCZEGO W WYCENIE NIERUCHOMOŚCI 1. WPROWADZENIE...2 2. PRZEDMIOT I ZAKRES STOSOWANIA NOTY...2 3. ZAŁOśENIA

Bardziej szczegółowo

Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka

Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z

Bardziej szczegółowo

Egzamin ze statystyki, Studia Licencjackie Stacjonarne. TEMAT C grupa 1 Czerwiec 2007

Egzamin ze statystyki, Studia Licencjackie Stacjonarne. TEMAT C grupa 1 Czerwiec 2007 Egzamin ze statystyki, Studia Licencjackie Stacjonarne TEMAT C grupa 1 Czerwiec 2007 (imię, nazwisko, nr albumu).. Przy rozwiązywaniu zadań, jeśli to konieczne, naleŝy przyjąć poziom istotności 0,01 i

Bardziej szczegółowo

Zawartość. Zawartość

Zawartość. Zawartość Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami

Bardziej szczegółowo

ANALIZA SKUPIEŃ NA PRZYKŁADZIE SEGMENTACJI NOWOTWORÓW

ANALIZA SKUPIEŃ NA PRZYKŁADZIE SEGMENTACJI NOWOTWORÓW StatSoft Polska, tel. (1) 3, (1) 1151, info@statsoft.pl, www.statsoft.pl ANALIZA SKUPIEŃ NA PRZYKŁADZIE SEGMENTACJI NOWOTWORÓW Grzegorz Harańczyk, StatSoft Polska Sp. z o.o. Analiza skupień to edna z nabardzie

Bardziej szczegółowo

WYKRYWANIE USZKODZEŃ W LITYCH ELEMENTACH ŁĄCZĄCYCH WAŁY

WYKRYWANIE USZKODZEŃ W LITYCH ELEMENTACH ŁĄCZĄCYCH WAŁY ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LI NR 4 (183) 2010 Radosł aw Pakowski Mirosł aw Trzpil Politechnika Warszawska WYKRYWANIE USZKODZEŃ W LITYCH ELEMENTACH ŁĄCZĄCYCH WAŁY STRESZCZENIE W artykule

Bardziej szczegółowo

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model

Bardziej szczegółowo

METODA WARTOŚCIOWANIA PARAMETRÓW PROCESU PLANOWEGO OBSŁUGIWANIA TECHNICZNEGO MASZYN ROLNICZYCH

METODA WARTOŚCIOWANIA PARAMETRÓW PROCESU PLANOWEGO OBSŁUGIWANIA TECHNICZNEGO MASZYN ROLNICZYCH Inżynieria Rolnicza 7(125)/2010 METODA WARTOŚCIOWANIA PARAMETRÓW PROCESU PLANOWEGO OBSŁUGIWANIA TECHNICZNEGO MASZYN ROLNICZYCH Zenon Grześ Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy w Poznaniu

Bardziej szczegółowo

SPIS TEŚCI CZĘŚĆ I RACHUNEK PRAWDOPODOBIEŃSTWA

SPIS TEŚCI CZĘŚĆ I RACHUNEK PRAWDOPODOBIEŃSTWA SPIS TEŚCI PRZEDMOWA...13 CZĘŚĆ I RACHUNEK PRAWDOPODOBIEŃSTWA 1. ZDARZENIA LOSOWE I PRAWDOPODOBIEŃSTWO...17 1.1. UWAGI WSTĘPNE... 17 1.2. ZDARZENIA LOSOWE... 17 1.3. RELACJE MIĘDZY ZDARZENIAMI... 18 1.4.

Bardziej szczegółowo

TRANSCOMP INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT

TRANSCOMP INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT TRANSCOMP INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT Stanisław DUER 1 Konrad ZAJKOWSKI 1 Radosław DUER 2 proces obsługiwania, systemy ekspertowe, obsługowe bazy wiedzy,

Bardziej szczegółowo

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYKA 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. 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 szczegółowo

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION

Bardziej szczegółowo

Diagnostyka procesów o parametrach rozłożonych z zastosowaniem sieci sensorów mobilnych

Diagnostyka procesów o parametrach rozłożonych z zastosowaniem sieci sensorów mobilnych Diagnostyka procesów o parametrach rozłożonych z zastosowaniem sieci sensorów mobilnych Michał Zaąc *, Dariusz Uciński *, Andreas Paczyński ** * Wydział Elektrotechniki, Informatyki i elekomunikaci Uniwersytet

Bardziej szczegółowo

Optymalizacja struktury produkcji na przykładzie kopalni

Optymalizacja struktury produkcji na przykładzie kopalni 1) Dr hab inż.; Wydział Górnictwa i Geoinżynierii, AGH University of Science and Technology, Kraków, Mickiewicza 30, 30-059, Poland; tel.: 48 12 617 21 00, email: t-zak@agh.edu.pl 2) Dr inż.; Wydział Górnictwa

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

Streszczenie. Słowa kluczowe: towary paczkowane, statystyczna analiza procesu SPC

Streszczenie. Słowa kluczowe: towary paczkowane, statystyczna analiza procesu SPC Waldemar Samociuk Katedra Podstaw Techniki Akademia Rolnicza w Lublinie MONITOROWANIE PROCESU WAśENIA ZA POMOCĄ KART KONTROLNYCH Streszczenie Przedstawiono przykład analizy procesu pakowania. Ocenę procesu

Bardziej szczegółowo

ĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH

ĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH ĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH Cel ćwiczenia: - zapoznanie z podstawowymi metodami wyznaczania optymalizowanych procedur diagnozowania (m. in. z metodą skuteczności

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie: ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość

Bardziej szczegółowo

IDENTYFIKACJA NIEZDATNOŚCI W OBIEKTACH TECHNICZNYCH O ZŁOŻONEJ STRUKTURZE

IDENTYFIKACJA NIEZDATNOŚCI W OBIEKTACH TECHNICZNYCH O ZŁOŻONEJ STRUKTURZE 4-2001 PROBLEMY EKSPLOATACJI 313 Andrzej SOWA Politechnika Krakowska Instytut Pojazdów Szynowych IDENTYFIKACJA NIEZDATNOŚCI W OBIEKTACH TECHNICZNYCH O ZŁOŻONEJ STRUKTURZE Słowa kluczowe Eksploatacja, pojazdy,

Bardziej szczegółowo

Teoria automatów i języków formalnych. Określenie relacji

Teoria automatów i języków formalnych. Określenie relacji Relacje Teoria automatów i języków formalnych Dr inŝ. Janusz ajewski Katedra Informatyki Określenie relacji: Określenie relacji Relacja R jest zbiorem par uporządkowanych, czyli podzbiorem iloczynu kartezjańskiego

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

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

Bardziej szczegółowo

Hierarchiczna analiza skupień

Hierarchiczna analiza skupień Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym

Bardziej szczegółowo

Y = α 1 Z α k Z k + e. (1) (k 1)[ktrA2 (tra) 2 ] (4) d = 1 k. (por. np. Kolupa, 2006). Wówczas jak to wynika ze wzorów (2) i (3) mamy:

Y = α 1 Z α k Z k + e. (1) (k 1)[ktrA2 (tra) 2 ] (4) d = 1 k. (por. np. Kolupa, 2006). Wówczas jak to wynika ze wzorów (2) i (3) mamy: PRZEGLĄD STATYSTYCZNY R. LVIII ZESZYT 3-4 2011 MICHAŁ KOLUPA, JOANNA PLEBANIAK KILKA UWAG O WARTOŚCIACH WŁASNYCH MACIERZY KORELACJI W niniejszej pracy, w nawiązaniu do pracy Kolupa, 2006, podajemy konstrukcję

Bardziej szczegółowo

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

Bardziej szczegółowo

STATYSTYKA

STATYSTYKA Wykład 1 20.02.2008r. 1. ROZKŁADY PRAWDOPODOBIEŃSTWA 1.1 Rozkład dwumianowy Rozkład dwumianowy, 0 1 Uwaga: 1, rozkład zero jedynkowy. 1 ; 1,2,, Fakt: Niech,, będą niezależnymi zmiennymi losowymi o jednakowym

Bardziej szczegółowo

Wydział Matematyki. Testy zgodności. Wykład 03

Wydział 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 szczegółowo

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)

Bardziej szczegółowo

SPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization

SPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization Wrocław University of Technology SPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization Jakub M. Tomczak Studenckie Koło Naukowe Estymator jakub.tomczak@pwr.wroc.pl 4.1.213 Klasteryzacja Zmienne

Bardziej szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

Bardziej szczegółowo

KWALIKACJA CZĘŚCI DO OBRÓBKI W OPARCIU O ICH ZŁOŻONOŚĆ TECHNOLOGICZNĄ

KWALIKACJA CZĘŚCI DO OBRÓBKI W OPARCIU O ICH ZŁOŻONOŚĆ TECHNOLOGICZNĄ Antoni Świć 1 KWALIKACJA CZĘŚCI DO OBRÓBKI W OPARCIU O ICH ZŁOŻONOŚĆ TECHNOLOGICZNĄ Streszczenie. Opracowano nową metodę określania złożoności części stosowaną do ich kwalifikaci do obróbki w elastycznym

Bardziej szczegółowo

WYKORZYSTANIE MES DO WYZNACZANIA WPŁYWU PĘKNIĘCIA W STOPIE ZĘBA KOŁA NA ZMIANĘ SZTYWNOŚCI ZAZĘBIENIA

WYKORZYSTANIE MES DO WYZNACZANIA WPŁYWU PĘKNIĘCIA W STOPIE ZĘBA KOŁA NA ZMIANĘ SZTYWNOŚCI ZAZĘBIENIA ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2009 Seria: TRANSPORT z. 65 Nr kol. 1807 Tomasz FIGLUS, Piotr FOLĘGA, Piotr CZECH, Grzegorz WOJNAR WYKORZYSTANIE MES DO WYZNACZANIA WPŁYWU PĘKNIĘCIA W STOPIE ZĘBA

Bardziej szczegółowo

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych, IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy

Bardziej szczegółowo

Programowanie matematyczne

Programowanie matematyczne dr Adam Sojda Badania Operacyjne Wykład Politechnika Śląska Programowanie matematyczne Programowanie matematyczne, to problem optymalizacyjny w postaci: f ( x) max przy warunkach g( x) 0 h( x) = 0 x X

Bardziej szczegółowo

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN

Bardziej szczegółowo

ANALIZA METROLOGICZNA WYNIKÓW BADAŃ NA PRZYKŁADZIE ŁOŻYSK ŚLIZGOWYCH

ANALIZA METROLOGICZNA WYNIKÓW BADAŃ NA PRZYKŁADZIE ŁOŻYSK ŚLIZGOWYCH PROBLEMY NIEKONWENCJONALNYCH UKŁADÓW ŁOŻYSKOWYCH Łódź 09-10 maja 1995 roku Jadwiga Janowska(Politechnika Warszawska) ANALIZA METROLOGICZNA WYNIKÓW BADAŃ NA PRZYKŁADZIE ŁOŻYSK ŚLIZGOWYCH SŁOWA KLUCZOWE

Bardziej szczegółowo

Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn

Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy WYDZIAŁ INŻYNIERII MECHANICZNEJ ZAKŁAD POJAZDÓW I DIAGNOSTYKI Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa

Bardziej szczegółowo

ANALIZA EFEKTÓW SKALI

ANALIZA EFEKTÓW SKALI acek BATÓG Uniwersytet Szczeciński ANALIZA EFEKTÓW SKALI Podstawowe definice Wzrost wielkości przedsiębiorstwa związany ze zwiększaniem się poziomu produkci oraz takimi zawiskami ak: wzrost specalizaci

Bardziej szczegółowo

DOBÓR ŚRODKÓW TRANSPORTOWYCH DLA GOSPODARSTWA PRZY POMOCY PROGRAMU AGREGAT - 2

DOBÓR ŚRODKÓW TRANSPORTOWYCH DLA GOSPODARSTWA PRZY POMOCY PROGRAMU AGREGAT - 2 InŜynieria Rolnicza 14/2005 Michał Cupiał, Maciej Kuboń Katedra InŜynierii Rolniczej i Informatyki Akademia Rolnicza im. Hugona Kołłątaja w Krakowie DOBÓR ŚRODKÓW TRANSPORTOWYCH DLA GOSPODARSTWA PRZY POMOCY

Bardziej szczegółowo

Proces decyzyjny na przykładzie zmiany systemu wynagrodzenia studium przypadku Energia S.A. 1

Proces decyzyjny na przykładzie zmiany systemu wynagrodzenia studium przypadku Energia S.A. 1 Michał Teczke Ćwiczenie 9. Proces decyzyjny na przykładzie zmiany systemu wynagrodzenia studium przypadku Energia S.A. 1 Zakres tematyczny: Proces decyzyjny związany z doskonaleniem systemu wynagrodzeń.

Bardziej szczegółowo

MODEL SYSTEMU WYTWARZANIA I WYKORZYSTANIA ODNAWIALNYCH NO

MODEL SYSTEMU WYTWARZANIA I WYKORZYSTANIA ODNAWIALNYCH NO InŜynieria Rolnicza 14/2005 Katedra Elektrotechniki i Energetyki Uniwersytet Warmińsko-Mazurski w Olsztynie MODEL SYSTEMU WYTWARZANIA I WYKORZYSTANIA ODNAWIALNYCH NOŚNIKÓW ENERGETYCZNYCH POCHODZENIA ROLNICZEGO

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy

Bardziej szczegółowo

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu... 4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem

Bardziej szczegółowo

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO

PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO Jolanta BIJAŃSKA, Krzysztof WODARSKI Streszczenie: W artykule przedstawiono model komputerowy, który został opracowany

Bardziej szczegółowo

WYMIANA CIEPŁA W PROCESIE TERMICZNEGO EKSPANDOWANIA NASION PROSA W STRUMIENIU GORĄCEGO POWIETRZA

WYMIANA CIEPŁA W PROCESIE TERMICZNEGO EKSPANDOWANIA NASION PROSA W STRUMIENIU GORĄCEGO POWIETRZA Konopko Henryk Politechnika Białostocka WYMIANA CIEPŁA W PROCESIE TERMICZNEGO EKSPANDOWANIA NASION PROSA W STRUMIENIU GORĄCEGO POWIETRZA Streszczenie W pracy przedstawiono wyniki symulacji komputerowej

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 9. GRUPOWANIE DANYCH. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 9. GRUPOWANIE DANYCH. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 9. GRUPOWANIE DANYCH Częstochowa 014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Grupowanie danych zwane inacze grupowaniem poęciowym,

Bardziej szczegółowo

ElŜbieta Ostaficzuk. Projekt edukacyjny Połowa drogi 2012

ElŜbieta Ostaficzuk. Projekt edukacyjny Połowa drogi 2012 ElŜbieta Ostaficzuk Projekt edukacyjny Połowa drogi 2012 Mazowieckie Samorządowe Centrum Doskonalenia Nauczycieli i Mazowieckie Kuratorium Oświaty w roku 2012 badaniami diagnostycznymi z zakresu matematyki

Bardziej szczegółowo

xx + x = 1, to y = Jeśli x = 0, to y = 0 Przykładowy układ Funkcja przykładowego układu Metody poszukiwania testów Porównanie tabel prawdy

xx + x = 1, to y = Jeśli x = 0, to y = 0 Przykładowy układ Funkcja przykładowego układu Metody poszukiwania testów Porównanie tabel prawdy Testowanie układów kombinacyjnych Przykładowy układ Wykrywanie błędów: 1. Sklejenie z 0 2. Sklejenie z 1 Testem danego uszkodzenia nazywa się takie wzbudzenie funkcji (wektor wejściowy), które daje błędną

Bardziej szczegółowo

ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia 2015 r.

ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia 2015 r. Proekt z dnia 29 maa 2015 r. ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia 2015 r. w sprawie sposobu ustalania wysokości dotaci i rozliczania środków finansowych na utrzymanie potencału

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:

Bardziej szczegółowo

Wykład 10 Skalowanie wielowymiarowe

Wykład 10 Skalowanie wielowymiarowe Wykład 10 Skalowanie wielowymiarowe Wrocław, 30.05.2018r Skalowanie wielowymiarowe (Multidimensional Scaling (MDS)) Główne cele MDS: przedstawienie struktury badanych obiektów przez określenie treści wymiarów

Bardziej szczegółowo

Analiza niepewności pomiarów

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

Bardziej szczegółowo

Statystyka matematyczna dla leśników

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

Bardziej szczegółowo