BADANIE NIEZAWODNOŚCI DIAGNOZ
|
|
- Grażyna Czyż
- 5 lat temu
- Przeglądów:
Transkrypt
1 ZAKŁA EKSPLOATACJI SYSTEMÓW ELEKTROICZYCH ISTYTUT SYSTEMÓW ELEKTROICZYCH WYZIAŁ ELEKTROIKI WOJSKOWA AKAEMIA TECHICZA POSTAWY EKSPLOATACJI SYSTEMÓW ĆWICZEIE LABORATORYJE R 7 BAAIE IEZAWOOŚCI IAGOZ. arzędza wspomagające realzację ćwczena: komputerowy program B-207 służący do symulacj procesu dagnozowana w przypadku nepełnej warygodnośc symptomów stanu. 2. Przedmot ćwczena: obekt dagnozowana: wrtualny 8-modułowy obekt o szeregowej strukturze nezawodnoścowej.. Cel ćwczena: a) szacowane warygodnośc dagnoz. b) dyskusja pojęć: warygodność (nezawodność) dagnozy, dagnoza skrócona, dagnoza rozwnęta, nepewność symptomu, nepewność syndromu, nezawodność dagnozy Warszawa 207
2 7.. Podstawy teoretyczne założena agnoza prawdzwa jest mplkowana prawdzwym syndromem (Rys.7.). Syndrom jest prawdzwy wtedy, gdy zawera symptomy prawdzwe, charakterystyczne dla rzeczywstego stanu obektu dagnozowanego. W praktyce eksploatacyjnej nerzadko występuje fałszowane symptomów, a w konsekwencj fałszowane syndromów dagnoz. Powodować to mogą różne czynnk, mędzy nnym: losowe zakłócena sygnałów dagnostycznych (tj. welkośc opsujących stan obektu); nepewność wynków pomarów; błędy operacj wnoskowana tp. OBIEKT IAGOZOWAIA WIELKOŚCI OPISUJĄCE STA OBIEKTU BAAIE IAGOSTYCZE WYIKI POMIARÓW PROCES IAGOZOWAIA WIOSKOWAIE IAGOSTYCZE - POMIAROWE - SYROMOWE - STRUKTURALE - EKSPLOATACYJE IAGOZA STAU OBIEKTU - SYROMOWA - STRUKTURALA - FUKCJOALA - EKSPLOATACYJA Rys.7.. Ilustracja procesu dagnozowana W zwązku z tym, że procedura dagnozowana ne jest w pełn warygodna, to dagnosta pownen meć ogranczone zaufane do tego, że otrzymana dagnoza jest prawdzwa. Pownen węc doberać procedury dagnostyczne pozwalające uzyskwać wymaganą nezawodność (warygodność) dagnoz. agnozę można przedstawć ogólne w postac zboru par: : STA PRAWOPOOBIEŃSTWO STAU (7.) Jest to tzw. dagnoza pełna: agnoza stanu (E 0 ) (E ) (E 2 ) (E ) Prawdopodobeństwo prawdzwośc dagnozy P((E 0 )) P((E )) P((E 2 )) P((E )) W warunkach nepewnośc symptomów przy formułowanu dagnozy należy analzować rozkład prawdopodobeństw stanów na tej podstawe formułować dagnozę. Często, w praktyce, używa sę skróconej postac dagnozy tj. dagnozy zawerającej jedyne nformację o jednym, najbardzej prawdopodobnym stane. Selekcję takch dagnoz (pozyskanych w rezultace testowana obektu) wyraża warunek (7.2). azwjmy to kryterum : * E max P(( E )) * ( E ) : P (7.2) 0,, 2,..., Oparce wyboru dagnozy tylko na warunku (7.2) często ne jest zadowalające, poneważ warygodność wybranej w ten sposób dagnozy może być nska. Oznacza to także nską nezawodność dagnozy. Z tego powodu należy przyjąć dodatkowo warunek (7.). azwjmy to kryterum 2: P * ( ) Pgr E (7.) 2
3 Oznacza to, że należy uzyskać dagnozę ne tylko charakteryzującą sę najwększym prawdopodobeństwem wskazywanego stanu, lecz także tym, że prawdopodobeństwo tego stanu jest ne mnejsze od założonej wartośc grancznej. Wartość ta pownna być blska jednośc gdyż tylko to zapewna wysoką nezawodność (warygodność) przyjmowanej dagnozy. Jeśl warunek (7.) ne jest spełnony to należy powtarzać testowane obektu. Testowanem nazywa sę realzację procedury dagnostycznej tj. określonego zestawu sprawdzeń. Testowane można powtarzać welokrotne. Zbór testowań nazywany jest sesją dagnostyczną. Efektem zrealzowana każdego testowana jest syndrom stanu. Stwerdzane, w rezultace kolejnych testowań, takego samego syndromu, zwększa warygodność dagnozy, zwłaszcza gdy syndrom ten powtarza sę w kolejnych sesjach. Powtarzane testowana jest równoznaczne z uzyskwanem nadmaru nformacyjnego. Wydłuża to rzecz jasna wymagany czas dagnozowana, zatem uzyskane nadmaru nformacyjnego wymaga dysponowana nadmarem czasowym. ależy jednak wząć pod uwagę, że współczesne procedury dagnostyczne wykorzystują szybke systemy nformatyczne (komputerowe), co znaczne zmnejsza wymagana dotyczące nadmaru czasowego. Postawmy pytane: Czy w jak sposób przez powtarzane testowana można uzyskać dostateczne warygodną dagnozę mmo pojawana sę fałszywych symptomów, a w konsekwencj fałszywych syndromów? Zagadnene to rozpatrzmy na przykładze prostego obektu o nezawodnoścowej funkcjonalnej strukturze szeregowej, zawerającego elementów (Rys. 7.2). We e e 2 e Wy s s 2 s Rys.7.2. Przykładowa struktura obektu dagnozowanego Oznaczena: e,e2,..., e elementy obektu dagnozowana; s,s2,..., s wynk pomarów (sprawdzeń), które stanową zarazem symptomy stanu elementów. Przyjmjmy następujące założena:. Lczba elementów obektu: = Wszystke elementy obektu mogą być zdatne lub co najwyżej jeden element może być nezdatny.. Obekt jest zdatny jeśl wszystke elementy są zdatne, a jest nezdatny jeśl jeden element jest nezdatny; zatem obekt badany może znajdować sę w jednym z 8 + = 9 stanów: E E 0 E, E2,...,, E gdze: E 0 stan zdatnośc; E, E 2,, E 8 stany nezdatnośc. 4. Stany elementów są wzajemne nezależne. 5. Stan obektu jest stablny, tzn. ne zmena sę w trakce sesj dagnostycznej, a zbór jednakowych syndromów dotyczy tego samego stanu. 6. W procedurze dagnozowana (testowana) sprawdzane są wszystke elementy obektu, sygnał dagnostyczny każdego elementu merzony jest ndywdualne (Rys.7.2). 7. Wynk -tego pomaru determnuje symptom s stanu elementu e ( =,2,,8); w rozpatrywanym przypadku symptom jest jednowymarowy (oparty jest na jednym wynku pomaru), tor symptomu jest jednoelementowy (tzn. symptom zależy od stanu tylko jednego elementu), tory różnych symptomów są rozłączne. 8. Symptom może przyjmować logczną wartość 0 lub ; symptom negatywny 0 jest symptomem charakterystycznym dla stanu nezdatnośc elementu, symptom pozytywny jest symptomem charakterystycznym dla stanu zdatnośc elementu.
4 9. Zbór symptomów stanow syndrom stanu obektu; zatem rozróżna sę + =9 charakterystycznych syndromów. Przykład zboru stanów oraz odpowadających m charakterystycznych symptomów syndromów pokazuje tabela Każdy syndrom jest wnoskowany z odpowadających mu symptomów. Każdy fałszywy symptom oznacza także fałszywość syndromu, a w konsekwencj fałszywą dagnozę.. Syndrom zawerający węcej nż jeden symptom negatywny uznaje sę za fałszywy odrzuca (fltracja wstępna) zgodne z założenem (2). 2. Znane są a pror prawdopodobeństwa uzyskana prawdzwego wynku każdego pomaru (tj. znana jest nepewność pomarowa), a węc: znane są prawdopodobeństwa R s,rs2,..., Rs uzyskana prawdzwych symptomów pozytywnych oraz prawdopodobeństwa R s,rs2,..., Rs uzyskana prawdzwych symptomów negatywnych. Zatem prawdopodobeństwa uzyskana błędnych symptomów wynoszą odpowedno: Q s+ = R s+ ; Q s - = R s - ; =,2,,8. la uproszczena przyjmjmy, że wartość prawdopodobeństwa otrzymana prawdzwego symptomu negatywnego oraz wartość prawdopodobeństwa otrzymana prawdzwego symptomu pozytywnego są take same: Rs Rs- Rs (7.4) 4. Znane są prawdopodobeństwa zdatnośc a pror R,R2,..., R każdego elementu obektu. Tabela 7.. Ilustracja relacj: stan syndrom stanu dagnoza Rzeczywsty stan obektu Symptom Syndrom Stan zdat. obektu Stany nezdatnośc obektu E 0 E E 2 E E 4 E 5 E 6 E 7 E 8 S 0 S S 2 S S 4 S 5 S 6 S 7 S 8 s 0 s 2 0 s 0 s 4 0 s 5 0 s 6 0 s 7 0 s 8 0 Relacja: syndrom dagnoza Wnoskowana dagnoza (E 0) (E ) (E 2 ) (E ) (E 4) (E 5) (E 6) (E 7 ) (E 8) Perwszą operacją w procedurze dagnozowana (tj. w czase realzacj testu) jest pomar sygnałów dagnostycznych oraz zarejestrowane ch wynków np. w postac zboru lczb: X x,x,..., (7.5) 2 x rugą operacją jest przetworzene tych wynków na symptomy stanu (wnoskowane pomarowe) na podstawe zastosowanej relacj np. w postac: 4
5 x x x s d g x x x x s 0 d g (7.6),2,..., gdze: x d, x g wartośc granczne przedzału dopuszczalnych wartośc sygnału dagnostycznego dla stanu E. Trzecą operacją jest synteza syndromu na podstawe zboru otrzymanych symptomów. Te trzy operacje (jako fragment procedury dagnostycznej) zazwyczaj nazywa sę testowanem lub zborem sprawdzeń dagnostycznych. Zauważmy, że wynk pomarów, wnoskowane pomarowe oraz wnoskowane syndromowe mogą być nepewne. Zatem jednorazowe testowane utworzony pojedynczy syndrom ne daje podstaw do twerdzena że, taka jednosyndromowa dagnoza jest wystarczająco warygodna. W takm przypadku należy zastosować testowane welokrotne, a syntezę dagnozy oprzeć na wnoskowanu welosyndromowym Wnoskowane dagnostyczne przy nepewnych syndromach Zgodne z przyjętym powyżej założenam obekt znajduje sę w jednym ze stanów należących do zboru: E E0, E,..., E (tu: = 8) (7.7) Zgodne z tabelą 7. tym stanom odpowadają charakterystyczne syndromy tworzące zbór: S S 0,S,..., S (7.8) Można wyznaczyć: prawdopodobeństwo a pror stanu zdatnośc E 0 obektu (wszystke elementy zdatne): P E (7.9) 0 R prawdopodobeństwa a pror poszczególnych stanów nezdatnośc E j (jeden element nezdatny): j R j P E R j =, 2,, (7.0) Zgodne z założenem (7.2) obekt znajduje sę w jednym ze stanów należących do zboru (7.7), zatem można wyznaczyć warunkowe prawdopodobeństwa tych stanów: j j PE j PE 0 j P P E A j = 0,, 2,, (7.) gdze: A warunek, polegający na tym, że stan obektu E j należy do zboru E. W celu uzyskana dagnozy pełnej należy zrealzować proces dagnozowana pokazany na rysunku 7.. W tym celu trzeba wstępne ustalć lczbę testowań L t w sesj dagnostycznej oraz wykonać kolejne operacje wymenone ponżej.. Wybrać dostępne sygnały dagnostyczne. 2. Zrealzować sesję dagnostyczną L s. 5
6 Wynkem każdej sesj jest zbór syndromów S o lcznośc L t (L t to lczba testowań obektu w czase jednej sesj; każde testowane kończy sę syntezą jednego syndromu).. Przeprowadzć wzajemną komparację otrzymanych syndromów utworzyć podzbory charakterystycznych syndromów S n. 4. Zestawć lcznośc utworzonych podzborów charakterystycznych syndromów: L = [L 0, L, L 2,..., L ]; jest oczywste, że nektóre podzbory mogą być puste. 5. Stwerdzć, które z następujących zdarzeń są możlwe (w określonej sytuacj zachodz tylko jedno z nch): zdarzene Z 0, polegające na tym, że wystąpł stan E 0 oraz L 0 -krotne pojawł sę syndrom S 0 oraz L -krotne pojawł sę syndrom S oraz L 2 -krotne pojawł sę syndrom S 2 oraz... oraz L - krotne pojawł sę syndrom S (jest to loczyn logczny zdarzeń); zdarzene Z, polegające na tym, że wystąpł stan E oraz L 0 -krotne pojawł sę syndrom S 0 oraz L -krotne pojawł sę syndrom S oraz L 2 -krotne pojawł sę syndrom S 2 oraz... oraz L - krotne pojawł sę syndrom S ; zdarzene Z, polegające na tym, że wystąpł stan E oraz L 0 -krotne pojawł sę syndrom S 0 oraz L -krotne pojawł sę syndrom S oraz L 2 -krotne pojawł sę syndrom S 2 oraz... oraz L - krotne pojawł sę syndrom S. 6. Wyznaczyć prawdopodobeństwa tych możlwych zdarzeń (patrz ). 7. Wyznaczyć względne prawdopodobeństwa a posteror stanów obektu (na mocy poczynonych założeń zastnene zdarzena Z n jest równoznaczne z zastnenem stanu E n ): L PZ L 0 P Zn P E n n (7.2) P Z gdze: n = 0,, 2,..., ; L zbór podzborów syndromów uznanych za warygodne (a tym samym przyjętych w procese wnoskowana dagnostycznego). Zaps (7.2) wyraża poszukwane a posteroryczne, warunkowe prawdopodobeństwa poszczególnych stanów obektu, wyznaczone z uwzględnenem nepewnośc pomarowosyndromowej (por. 7. oraz 7.). 6 Będkowsk L., ąbrowsk T.: Podstawy eksploatacj, cz. 2. Podstawy nezawodnośc eksploatacyjnej, Wyd. WAT 2006.
7 7.. Ops stanowska laboratoryjnego Stanowsko laboratoryjne składa sę z komputera wyposażonego w autorsk program oblczenowy B-207. Wynk badana symulacyjnego wyśwetlane są na ekrane montora. Rys. 7.. Wdok nterfejsu ekranowego w programe B-207 W programe przyjęto następujące oznaczena: L S lczba sesj dagnostycznych zrealzowanych w badanu nezawodnośc dagnoz; L t lczba testowań syndromowych w sesj; L (), L (2) lczba dagnoz przyjętych odpowedno wg kryterum oraz ( 2); L r (), L r (2) lczba prawdzwych dagnoz przyjętych odpowedno wg kryterum () oraz ( 2); L f (), L f (2) lczba fałszywych dagnoz przyjętych odpowedno wg kryterum () oraz ( 2); R e prawdopodobeństwo zdatnośc (neuszkadzalność) elementu obektu (take samo dla wszystkch elementów); Q z prawdopodobeństwo zakłócena (tj. przekłamana) symptomu s m ; E k wartość granczna (tj. mnmalna) prawdopodobeństwa prawdzwośc przyjmowanej dagnozy wskazującej na k-ty stan nezdatnośc przy zastosowanu kryterum ( 2) (w ćwczenu przyjmujemy dentyczne wartośc granczne dla wszystkch rozróżnanych stanów nezdatnośc; k =, 2,.., 8); E 0 wartość granczna (tj. mnmalna) prawdopodobeństwa prawdzwośc przyjmowanej dagnozy wskazującej na stan zdatnośc obektu przy zastosowanu kryterum ( 2); E n = 0 oznacza numer elementu nezdatnego; P p (S n ) = ( Q z ) prawdopodobeństwo a pror prawdzwośc syndromu; tu: =8; 7
8 P(E n L) prawdopodobeństwo a posteror stanu E n (tym samym na mocy podanych powyżej założeń jest to prawdopodobeństwo a posteror prawdzwośc syndromu wskazującego na ten stan); t t czas realzacj jednego testu (w ćwczenu przyjmujemy, że jest to jednostka umowna czasu przypsujemy jej wartość: t t = ); Wskaźnk charakteryzujące uzyskane wynk badana przy kryterum () oraz przy kryterach ( 2): L W ; 2 W L S Lr 2 ; W 2 L L S t W t ; 2 L t L L 2 W - średna skuteczność sesj; LS Lr warygodność (nezawodność) przyjętej dagnozy; L 2 L L W - średn czas uzyskana przyjętej dagnozy S t t L t Zadane laboratoryjne (tu: welokrotność czasu testowana). Przeprowadzć badana warygodnośc dagnoz stanu obektu posadającego strukturę nezawodnoścową jak na rysunku 7.2. Polecena wykonawcze. Uruchomć program B Ustawć wymagane wartośc zmennych modelu symulacyjnego (patrz tabele: 7.2. oraz 7..); wartość E n może być dowolna.. Wykonać oblczena używając przycsków Start lub Restart. Każde oblczena powtórzyć przynajmnej trzykrotne w celu oceny powtarzalnośc (stablnośc) wynków symulacj. 4. Przeanalzować uzyskane wynk, a nektóre z nch przepsać do tabel 7.2. oraz Uruchomć arkusz kalkulacyjny Excell wykonać wykresy następujących zależnośc: W 2 () = f(q z ); W 2 (2) = f(q z ); W 2 () = f(l s ); W 2 (2) = f(l s ) 6. Opracować wnosk z ćwczena. Tabela 7.2. L s =00 R e =0,8 E k =0,8 E o =0,99 W 2 (Q z ) W 2 () W 2 (2) L t Q z 0,05 0, 0,5 0, 8
9 Tabela 7.. Q z =0,05 R e =0,8 E k =0,8 E o =0,99 W 2 (L s ) W 2 () W 2 (2) L t L s Uwag końcowe W rezultace wykonana ćwczena należy przedstawć sprawozdane zawerające: wynk pomarów (tabele ); wykresy zależnośc: W 2 () = f(q z ); W 2 (2) = f(q z ); W 2 () = f(l s ); W 2 (2) = f(l s ); wnosk z przeprowadzonych badań dyskusj, zawerające m. n. ocenę nezawodnośc uzyskanych dagnoz. Uwaga: Przygotowane do ćwczena pownno obejmować zapoznane sę z treścą rozdzału 5 (a zwłaszcza pkt.5.5) podręcznka: L. Będkowsk, T. ąbrowsk Podstawy eksploatacj, cz. 2. Podstawy nezawodnośc eksploatacyjnej, Wyd. WAT Pytana kontrolne. Jake mogą być przyczyny nepewnośc dagnoz? 2. W jak sposób można zmnejszyć nepewność dagnoz?. Jak warunek pownen być spełnony aby można było uznać dagnozę za wystarczająco warygodną? 4. Zdefnować pojęca: symptom, objaw, syndrom. 5. Wyjaśnć pojęce: warygodność dagnozy. 6. Co to jest: dagnoza, proces dagnozowana, proces dozorowana? 7. Wymenć ważnejsze wskaźnk opsujące nezawodność. 8. Podać przykłady aktywnego zwększana nezawodnośc. 9. Znterpretować pojęce: prawdopodobeństwo warunkowe dwu zdarzeń. 0. Wyjaśnć różncę mędzy dagnozą skróconą a dagnozą rozwnętą. 9
BADANIE NIEZAWODNOŚCI DIAGNOZ
ZAKŁA EKSOATACJI SYSTEMÓW EEKTOICZYCH ISTYTUT SYSTEMÓW EEKTOICZYCH WYZIAŁ EEKTOIKI WOJSKOWA AKAEMIA TECHICZA -------------------------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoBADANIE PROCESU EKSPLOATACJI W ASPEKCIE NIEZAWODNOŚCIOWO- EKONOMICZNYM
ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoĆWICZENIE 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 szczegółowoWYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA
WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA. Ops teoretyczny do ćwczena zameszczony jest na strone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomarowego
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoWYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH
ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoZapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Bardziej szczegółowoSystemy Ochrony Powietrza Ćwiczenia Laboratoryjne
ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych
Bardziej szczegółowoBADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowoStatystyka Opisowa 2014 część 1. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoTRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE
POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb
Bardziej szczegółowoPAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY Zakład Budowy Eksploatacj Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA Temat ćwczena: PRAKTYCZNA REALIZACJA PRZEMIANY ADIABATYCZNEJ.
Bardziej szczegółowoPROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE
PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.
Bardziej szczegółowoSprawozdanie powinno zawierać:
Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt
Bardziej szczegółowoĆWICZENIE 1 BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH
ĆWICNI BADANI WYBANYCH POCDU I STATGII KSPLOATACYJNYCH Cel ćwczena: - lustracja zagadneń zwązanych z zarządzanem esploatacją; - lustracja zależnośc mędzy dagnostyą nezawodnoścą a efetem procesu esploatacj.
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoPOMIAR WSPÓŁCZYNNIKÓW ODBICIA I PRZEPUSZCZANIA
Ćwczene O5 POMIAR WSPÓŁCZYNNIKÓW ODBICIA I PRZEPUSZCZANIA 1. Cel zakres ćwczena Celem ćwczena jest poznane metod pomaru współczynnków odbca przepuszczana próbek płaskch 2. Ops stanowska laboratoryjnego
Bardziej szczegółowoZjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoEKONOMETRIA I Spotkanie 1, dn. 05.10.2010
EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013
ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp
Bardziej szczegółowoWikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoMETODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.
Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowoWSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH
Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoRozwiązywanie zadań optymalizacji w środowisku programu MATLAB
Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowoMinister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.
Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego
Bardziej szczegółowo± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości
Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoWOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr 0. Badanie rozkładu rzutu śnieżkami do celu
WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORJNE Z FIZKI trzec termn wpsu zalczena do USOSu upływa...prowadząca(y)... grupa... podgrupa... zespół... semestr roku akademckego... student(ka)... SPRAWOZDANIE
Bardziej szczegółowoWOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr 0. Badanie rozkładu rzutu śnieżkami do celu
WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORJNE Z FIZKI trzec termn wpsu zalczena do USOSu upływa...prowadząc(a/y)... grupa... podgrupa... zespół... semestr... roku akademckego... student(ka)... SPRAWOZDANIE
Bardziej szczegółowo6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO
Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację
Bardziej szczegółowoANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH
Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych
Bardziej szczegółowoNieparametryczne Testy Istotności
Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:
Bardziej szczegółowo-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych
WYKŁAD 4 dla zanteresowanych -Macerz gęstośc: stany czyste meszane (przykłady) -równane ruchu dla macerzy gęstośc -granca klasyczna rozkładów kwantowych Macerz gęstośc (przypomnene z poprzednch wykładów)
Bardziej szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowoAUTOMATYKA I STEROWANIE W CHŁODNICTWIE, KLIMATYZACJI I OGRZEWNICTWIE L3 STEROWANIE INWERTEROWYM URZĄDZENIEM CHŁODNICZYM W TRYBIE PD ORAZ PID
ĆWICZENIE LABORAORYJNE AUOMAYKA I SEROWANIE W CHŁODNICWIE, KLIMAYZACJI I OGRZEWNICWIE L3 SEROWANIE INWEREROWYM URZĄDZENIEM CHŁODNICZYM W RYBIE PD ORAZ PID Wersja: 03-09-30 -- 3.. Cel ćwczena Celem ćwczena
Bardziej szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoPlanowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
Bardziej szczegółowoWyznaczanie współczynnika sztywności zastępczej układu sprężyn
Wyznaczane zastępczej sprężyn Ćwczene nr 10 Wprowadzene W przypadku klku sprężyn ze sobą połączonych, można mu przypsać tzw. współczynnk zastępczej k z. W skrajnych przypadkach sprężyny mogą być ze sobą
Bardziej szczegółowoOBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
Bardziej szczegółowoTwierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że
Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam
Bardziej szczegółowoMIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH
MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH Adam Mchczyńsk W roku 995 grupa nstytucj mędzynarodowych: ISO Internatonal Organzaton for Standardzaton (Mędzynarodowa Organzacja Normalzacyjna),
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoBADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH
AKŁAD KSPLOATACJI SYSTMÓW LKTONICNYCH INSTYTUT SYSTMÓW LKTONICNYCH WYDIAŁ LKTONIKI WOJSKOWA AKADMIA TCHNICNA ---------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoD Archiwum Prac Dyplomowych - Instrukcja dla studentów
Kraków 01.10.2015 D Archwum Prac Dyplomowych - Instrukcja dla studentów Procedura Archwzacj Prac Dyplomowych jest realzowana zgodne z zarządzenem nr 71/2015 Rektora Unwersytetu Rolnczego m. H. Kołłątaja
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoSPRAWDZANIE PRAWA MALUSA
INSTYTUT ELEKTRONIKI I SYSTEMÓW STEROWANIA WYDZIAŁ ELEKTRYCZNY POLITECHNIKA CZĘSTOCHOWSKA LABORATORIUM FIZYKI ĆWICZENIE NR O- SPRAWDZANIE PRAWA MALUSA I. Zagadnena do przestudowana 1. Fala elektromagnetyczna,
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoPodstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
Bardziej szczegółowoZAJĘCIA X. Zasada największej wiarygodności
ZAJĘCIA X Zasada najwększej warygodnośc Funkcja warygodnośc Estymacja wg zasady maksymalzacj warygodnośc Rodzna estymatorów ML Przypadk szczególne WPROWADZEIE Komputerowa dentyfkacja obektów Przyjęce na
Bardziej szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
Bardziej szczegółowoDIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH
RYNEK CIEŁA 03 DIANOSYKA YMIENNIKÓ CIEŁA Z UIARYODNIENIEM YNIKÓ OMIARÓ EKLOAACYJNYCH Autorzy: rof. dr hab. nż. Henryk Rusnowsk Dr nż. Adam Mlejsk Mgr nż. Marcn ls Nałęczów, 6-8 paźdzernka 03 SĘ Elementam
Bardziej szczegółowoDobór zmiennych objaśniających
Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.
Bardziej szczegółowoWYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO
I PRACOWNIA FIZYCZNA, INSYU FIZYKI UMK, ORUŃ Instrukca do ćwczena nr WYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO 1. Cel ćwczena Celem ćwczena est poznane ruchu harmonczneo eo praw,
Bardziej szczegółowoParametry zmiennej losowej
Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru
Bardziej szczegółowo3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO
3. ŁUK ELEKTRYCZNY PRĄDU STŁEGO I PRZEMIENNEGO 3.1. Cel zakres ćwczena Celem ćwczena jest zapoznane sę z podstawowym właścwoścam łuku elektrycznego palącego sę swobodne, w powetrzu o cśnentmosferycznym.
Bardziej szczegółowoKomputerowe generatory liczb losowych
. Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
Bardziej szczegółowoZAŁĄCZNIKI ROZPORZĄDZENIA DELEGOWANEGO KOMISJI
KOMISJA EUROPEJSKA Bruksela, dna 27.4.2018 C(2018) 2460 fnal ANNEXES 1 to 2 ZAŁĄCZNIKI do ROZPORZĄDZENIA DELEGOWANEGO KOMISJI w sprawe zany sprostowana rozporządzena delegowanego (UE) 2017/655 uzupełnającego
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoWYZNACZENIE CHARAKTERYSTYK DYNAMICZNYCH PRZETWORNIKÓW POMIAROWYCH
Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 6-965 POZNAŃ (budynek Centrum Mechatronk, Bomechank Nanonżyner) www.zmsp.mt.put.poznan.pl tel. +8 6 665 35 7 fa +8
Bardziej szczegółowoSymulator układu regulacji automatycznej z samonastrajającym regulatorem PID
Symulator układu regulacj automatycznej z samonastrajającym regulatorem PID Założena. Należy napsać program komputerowy symulujący układ regulacj automatycznej, który: - ma pracować w trybe sterowana ręcznego
Bardziej szczegółowoRozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1
Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa
Bardziej szczegółowoBADANIE WŁAŚCIWOŚCI KOMPUTEROWEGO SYSTEMU POMIAROWO-DIAGNOSTYCZNEGO
ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej
Bardziej szczegółowoMikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna
Bardziej szczegółowoLaboratorium Pomiarów i Automatyki w Inżynierii Chemicznej Regulacja Ciągła
Zakład Wydzałowy Inżyner Bomedycznej Pomarowej Laboratorum Pomarów Automatyk w Inżyner Chemcznej Regulacja Cągła Wrocław 2005 . Mary jakośc regulacj automatycznej. Regulacja automatyczna polega na oddzaływanu
Bardziej szczegółowoSTATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW
Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 4 60-965 POZAŃ (budynek Centrum Mechatronk, Bomechank anonżyner) www.zmsp.mt.put.poznan.pl tel. +48 61 665 5 70 fax
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoWPROWADZENIE DO ANALIZY KORELACJI I REGRESJI
WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI dr Janusz Wątroba, StatSoft Polska Sp. z o.o. Prezentowany artykuł pośwęcony jest wybranym zagadnenom analzy korelacj regresj. Po przedstawenu najważnejszych
Bardziej szczegółowoEvaluation of estimation accuracy of correlation functions with use of virtual correlator model
Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Bardziej szczegółowoAnaliza ryzyka jako instrument zarządzania środowiskiem
WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument
Bardziej szczegółowo