Zastosowanie algorytmu mrówkowego w procesie kalibracji symulacyjnego modelu złożowego

Wielkość: px
Rozpocząć pokaz od strony:

Download "Zastosowanie algorytmu mrówkowego w procesie kalibracji symulacyjnego modelu złożowego"

Transkrypt

1 NAFTA-GAZ uty 0 ROK LXVIII Potr Łętows Istytut Nafty Gazu, Kraów Zastosowae agorytmu mrówowego w procese abracj symuacyjego modeu złożowego Wstęp Zbudowae efetywych metod oreśaa warygodośc daych oraz tech abracj modeu symuacyjego (ag. hstory matchg) jest stotym probemem żyer złożowej. Kabracja modeu symuacyjego staow próbę rozwązaa złożoego, źe uwaruowaego probemu odwrotego poega a wprowadzeu w modeu symuacyjym zma, tóre spowodują odtworzee hstoryczych daych espoatacyjych. Jedym z główych probemów jest fat, że probem abracj ja węszość probemów odwrotych e posada jedozaczego rozwązaa. Ozacza to, że róże ombacje parametrów wejścowych mogą geerować zadowaającą zgodość z daym obserwacyjym. Jedym ze sposobów rozwązaa tego probemu jest rówoegłe operowae a weu ateratywych modeach symuacyjych, w ceu zaezea w przestrze rozwązań rozwązaa optymaego. Podejśce tae wymaga jeda zastosowaa tech wspomagających, tóre pozwaają a rówoczesą aazę reastyczych mode złożowych zawerających dae producyje oraz dużą czbę parametrów. Jedą z perwszych prób zbudowaa mechazmu wspomagającego proces abracj modeu symuacyjego podjął Che et a. [5], tóry sformułował te probem jao zagadee optymaej otro. Obece moża wyróżć a ategor metod wspomagaa procesu abracj modeu symuacyjego. Są to m.. metody gradetowe [], metody ftrowaa cząste, p. metoda ftru Kamaa [0,, 3], oraz metody próbowaa stochastyczego. Ostata z wymeoych ategor stała sę bardzo popuara w ostatch atach, co spowodowało jej szyb rozwój. Możemy go obserwować w postac weu stosowaych z powodzeem reazacj. Do tej grupy metod aeżą: metoda sąsedztwa [8], agorytmy geetycze ewoucyje [, 4, 8, 9], symuowae wyżarzae [9], przeszuwae rozproszoe [7], metoda tabu [0], metoda hamtoau Mote Caro [6], metoda tegecj roju [, 6], metoda łańcuchów Marowa [5], metoda aprosymacj stochastyczej [7], metoda optymazacj chaotyczej [4]. Agorytm stosoway w procese automatyczej abracj modeu symuacyjego mus szybo operować w weowymarowej przestrze rozwązań oraz sutecze poszuwać dobrych rozwązań przy ograczoej czbe symuacj. Wybór odpowedej metody optymazacj ma szczegóe zaczee w sytuacj, gdy poszuujemy oszacowaa weu parametrów przy obecośc weorotych mmów oaych czy w sytuacj, z tórą mamy do czyea w przypadu abrowaa mode złożowych. Właśe umejętość radzea sobe z obecoścą mmów oaych była jedą z główych przyczy rozwoju metod optymazacj opartych a próbowau stochastyczym. Jedą z odma próbowaa stochastyczego są metody oparte a tzw. tegecj roju. Metody te ze wzgędu a prostotę de, zbeżość oraz zachowae rówowag pomędzy esporacją espoatacją przestrze rozwązań są obece tesywe rozwjae. Praca pośwęcoa jest aaze możwośc wyorzystaa do abracj rzeczywstego modeu symuacyjego agorytmu bazującego a tzw. agorytme mrówowym [3, 6], tóry uważay jest obece za jedą z ajbardzej efetywych metaheurysty optymazacyjych. Idea agorytmu mrówowego zajduje źródło w aaze zachowaa 98

2 artyuły oo mrówe, tóre dzałając w grupe, potrafą, poprzez wymaę formacj pomędzy pojedyczym osobam, rozwązywać złożoe zadaa, tae ja p. poszuwae optymaej drog od mrowsa do źródła pożywea. W artyue przedstawoo deę oraz ops matematyczy metody, ja róweż wy symuacj otrzymae za pomocą agorytmu umeryczego zbudowaego a ch podstawe. Schemat dzałaa agorytmu Propoowaa metoda optymazacj bazuje a struturze daych opsaej poższą formułą: S S S S f S S S S S f S S, f, () S f S S S S S S S S f Strutura daych da agorytmu mrówowego Rozwązaa są przechowywae w tabcy (archwum) S, o wymarach. Przez ozaczoo czbę osobów w popuacj, atomast to czba optymazowaych parametrów. Przy taej reprezetacj -ty wersz archwum S opsuje -te rozwązae, a -ta ouma to wartośc -tego poszuwaego parametru da ażdego rozwązaa. W te sposób eemet S archwum to wartość -tego parametru w -tym rozwązau. Jaość ażdego rozwązaa zawartego w S opsywaa jest poprzez fucję dopasowaa, tórej wartośc da ażdego wersza archwum (rozwązaa) przechowywae są w wetorze f. Rozwązaa te są ragowae w zaeżośc od jaośc spełea waruu optymazacyjego. W te sposób epsze rozwązaa otrzymują ższe, a gorsze wyższe rag. W oparcu o rag da ażdego rozwązaa wyzaczae są współczy wagowe ω ( =..). Współczy te, opsae pożej, są późej wyorzystywae do próbowaa stochastyczego eemetów archwum. q e,.. () q W powyższej formue przez ozaczoo czbę rozwązań przechowywaych w archwum, atomast q to współczy acsu seetywego. Odpowada o za otroę rówowag pomędzy esporacją espoatacją przestrze rozwązań. Małe wartośc q powodują prefero- S wae przez agorytm epszych rozwązań, czy esporację (przeszuwae oae). Aaogcze, węsze wartośc q ozaczają, że prawdopodobeństwa wyboru gorszych epszych rozwązań e różą sę zacząco. Mamy wtedy do czyea z esporacją, czy przeszuwaem gobaym przestrze rozwązań. Perwszym etapem dzałaa agorytmu jest wypełee archwum S osowo wybraym wartoścam oraz wyzaczee wartośc fucj dopasowaa F da wyosowaych rozwązań. Rozwązaa są astępe ragowae. W oparcu o rag wyzacza sę oejo wartośc współczyów wagowych ω oraz prawdopodobeństwa p wyosowaa rozwązaa. Prawdopodobeństwa te wyzaczae są a podstawe poższej formuły: p,.. r r (3) Następe w oparcu o wyzaczoe prawdopodobeństwa osuje sę rodzców da ażdego z m rozwązań potomych. Istotą prezetowaego agorytmu jest sposób geerowaa parametrów da rozwązań potomych. Są oe osowae a podstawe dystrybuaty rozładu gęstośc prawdopodobeństwa: G s e,.. (4) gdze przez oraz ozaczoo odpowedo średą oraz odchyee stadardowe rozładu Gaussa. Jao przyjmuje sę wartość eemetu S archwum, atomast odchyee stadardowe wyzacza sę jao oczy średej odegłośc eemetu S od pozostałych eemetów -tej oumy oraz parametru pamęc ξ zwaego w teraturze szyboścą parowaa feromoów. Nazwa parametru staow awązae do sposobu poszuwaa optymaej drog przez mrów. Węsza wartość ξ powoduje, że złe rozwązaa są szybcej zapomae przez agorytm, co w osewecj obża zbeżość. Da sch wartośc ξ złe rozwązaa są dłużej przechowywae w archwum rozwązań S, w efece czego agorytm ocetruje sę a bardzej obecujących obszarach poszuwań. r /0 99

3 NAFTA-GAZ Następe wyzaczae są wartośc fucj dopasowaa da pooea potomego. Na tym etape mamy + m rozwązań, z tórych wyberamy ajepszych. W pratyce ozacza to podmeee ajgorszych rozwązań poo- ea rodzców przez ajepsze rozwązaa pooea potomego. Utworzoe w te sposób astępe pooee podega ragowau cała procedura jest powtarzaa do mometu osągęca zadowaającego rozwązaa. Aaza astrowa Zastosowae przedstawoego agorytmu w procese abracj modeu symuacyjego wymaga oreśea rodzaju czby parametrów optymazacyjych, co geeruje potrzebę jego rozbudowy o dodatowy moduł. Jeże przyjmemy, że optymazowaym parametram będą p. współczy saujące wartośc porowatośc przepuszczaośc sał zborowych w złożu, to aeży zdawać sobe sprawę z małej efetywośc taego podejśca w sytuacj, gdy czba abrowaych odwertów jest rzędu udzesęcu. W taej sytuacj oeczy jest podzał złoża a podobszary (regoy) ezaeże doberae współczyów saujących da ażdego z ch. Ozacza to jeda oreśee optymaej czby regoów oraz ch grac. Z jedej stroy doładość opsu złoża przez mode wzrasta wraz z czbą regoów, z drugej zaś czba poszuwaych parametrów rośe owo ze wzrostem czby regoów. W ceu rozwązaa zarysowaego probemu agorytm mrówowy udosoaoo poprzez dodae modułu aazy astrowej. Moduł te uruchama abroway mode symuacyjy, a astępe, aazując wy symuacj, doouje podzału odwertów a grupy. Wówczas ażdy z boów modeu symuacyjego przypsyway jest do odpowedego regou w zaeżośc od odegłośc od poszczegóych odwertów w ta sposób, że bo zajdujące sę w pobżu odwertów zaczających sę do jedej grupy aeżą do tego samego regou. Zastosowae agorytmu Adaptacja wybraego modeu złożowego W ceu sprawdzea efetywośc zbudowaego agorytmu umeryczego zaadaptowao mode symuacyjy rzeczywstego złoża gazowego. Mode został zmodyfoway w ta sposób, aby możwa była jego współpraca z programem umeryczym sterującym uruchamaem symuatora złożowego. Proces automatyczej abracj prowadzoo da cśeń deych w czase espoatacj złoża przez 48 odwertów w cągu 7 at. W apacj wyorzystao symuator złożowy Bac O Ecpse 00 frmy Schumberger. Założea wstępe Przeprowadzee testów efetywośc agorytmu wymaga przyjęca założeń dotyczących sposobu jego dzałaa. W szczegóośc oreśoo postać fucj przystosowaa, sposób geerowaa popuacj początowej oraz warue zaończea optymazacj: Fucję przystosowaa przyjęto w postac średego błędu bezwzgędego: N dobs d OF N sm (5) W powyższej formue przez N ozaczoo czbę pomarów, atomast d obs, d sm to odpowedo wy pomaru modeu da -tego pomaru. Rozłady porowatośc przepuszczaośc da popuacj początowej otrzymywao jao oczy rozładów da modeu bazowego (emodyfowaego) czby osowej geerowaej rozładem jedostajym. W ceu ograczea geerowaych rozwązań do pewego otoczea modeu bazowego czby osowe geerowao z przyjętego arbtrae zaresu, tóry ustaoo jao ±0,5 wartośc średej parametru da modeu bazowego. W ceu sprawdzea zdoośc agorytmu do samodzeego poszuwaa rozwązań zrezygowao z wprowadzaa do popuacj początowej jachowe modyfacj wyających z ręczej abracj modeu. Przyjęto, że agorytm ończy optymazację, gdy dopasowae ajgorszego osoba w popuacj jest ższe ż arbtrae zadaa wartość to = bary ub czba cy optymazacyjych osąge wartość max = 5. Efetywość agorytmu Przyjrzymy sę obece szczegółowym wyom uzyswaym przez agorytm w poszczegóych cyach optymazacj. W opsywaym przypadu dopasowae modeu bazowego wyosło,9 bara (jest to śred błąd bezwzgędy ze wszystch putów pomarowych wszystch odwertów), atomast da ajgorzej dopasowaego putu błąd wyósł 5,83 bara. 00 r /0

4 artyuły Na podstawe modeu bazowego w sposób opsay powyżej wygeerowao popuację zerową sładającą sę z 4 eemetów. Pożej da ażdego z ch przedstawoo wartośc średego błędu bezwzgędego oraz błąd da ajgorzej dopasowaego putu: (37,34; 64,47) (7,80; 47,77) 3 (7,80; 47,77) 4 (7,94; 33,77) Ja wdać, ażdy z mode popuacj zerowej jest zacząco gorzej dopasoway ż mode bazowy. Pożej przedstawoo wy uzysae przez agorytm odpowedo w trzecm pątym cyu optymazacj: cy 3 (,84; 7,05) (3,90; 9,0) 3 (3,49; 8,77) 4 (,96; 4,7) (,77; 5,59) cy 5 (,79; 5,58) 3 (,73; 5,7) 4 (,7; 5,73) Porówae wyów osągętych przez agorytm wsazuje a jego wysoą efetywość w przeszuwau przestrze rozwązań. Wpływ czby regoów a efetywość agorytmu W ceu zbadaa wpływu czby podobszarów wydzeoych w złożu a zbeżość agorytmu przeprowadzoo porówae efetywośc procesu optymazacj da trzech wybraych schematów podzału złoża a regoy. Obczea wyoao da, 5 0 regoów. W ażdym przypadu przyjęto pooea czteroeemetowe oraz q = 0,0, ξ = 0,5. Uzysae wy przedstawoo w tabcy. Lczba regoów Tabca. Wpływ czby regoów w złożu a efetywość optymazacj Śred błąd bezwzgędy [bar] Lczba symuacj/ czba cy,7 0/5 5,7 6/4 0,76 6/4 Zwęszee czby regoów z do 5 spowodowało zmejszee czby cy optymazacyjych oeczych da osągęca zadaej doładośc. Koeje zwęszee czby regoów (do 0) e sutowało już jeda daszą zmaą. Efet zwęszea efetywośc agorytmu wraz ze wzrostem czby podobszarów wydzeoych w złożu moża tłumaczyć epszym opsem jaoścowym złoża przy bardzej szczegółowym jego podzae. Rówocześe bra stotych różc pomędzy wyam uzysaym da 5 0 regoów może śwadczyć abo o dostateczym opse złoża przy podzae a 5 regoów, abo o oeczośc bardzej szczegółowego opsu złoża. Na rysuach 4 przedstawoo typowe rezutaty abracj odwertów przy wydzeeu w złożu 5 rego- Rys Wy dopasowaa modeu złoża z uwzgędeem zma cśea deego w odwerce W- r /0 0

5 NAFTA-GAZ ów. Otrzymae wy abracj moża podzeć a dwe grupy: odwerty dopasowae dobrze bardzo dobrze w tej grupe zajdują sę odwerty, da tórych doładość abracj w ażdym puce pomarowym e przeracza barów (rysu ) ub co ajwyżej a putów pomarowych jest sabrowaych z doładoścą powyżej barów, odwerty dopasowae gorzej w tej grupe zajdują sę odwerty, da tórych połowa ub węcej putów pomarowych jest sabrowaa z doładoścą powyżej barów (rysu 3 4). Naeży zauważyć, że dae obserwacyje będące odeseem da przedstawoych wyów abracj (zob. rówae [5]) są obarczoe epewoścą wyającą z metody pomarowej. Błąd pomaru cśea deego, WBHP, został oszacoway a pozome od 0,5 do,0 bara. Otrzymae wy abracj śwadczą o tym, że w ceu uzysaa epszego dopasowaa da odwertów drugej grupy oeczy jest podzał złoża a węcej ż 5 regoów. Rys Wy dopasowaa modeu złoża z uwzgędeem zma cśea deego w odwerce W- Rys. 3. Wy dopasowaa modeu złoża z uwzgędeem zma cśea deego w odwerce W-3 0 r /0

6 artyuły Rys. 4. Wy dopasowaa modeu złoża z uwzgędeem zma cśea deego w odwerce W-4 Podsumowae W wyu przeprowadzoych symuacj umeryczych potwerdzoo możwość zastosowaa tzw. agorytmu mrówowego jao metody abracj pełosaowego modeu złożowego. Przeprowadzoe aazy symuacyje pozwaają sformułować astępujące wos uwag: Agorytm mrówowy charateryzuje sę dużą efetywoścą w przeszuwau przestrze rozwązań. Wydaje sę, że wya to ze sposobu wyzaczaa parametrów da owo geerowaych mode, tóry łączy w sobe eemety geetyczych operatorów rzyżowaa mutacj. Na efetywość agorytmu ma róweż wpływ mechazm zastępowaa ajgorszych rozwązań przez ajepsze z owo wygeerowaych. Istotą zaetą agorytmu mrówowego w porówau z asyczym metodam ewoucyjym jest zreduowaa czba parametrów swobodych ustaaych arbtrae. W szczegóośc stosowae propoowaej metody e wymaga oreśaa prawdopodobeństw mutacj rzyżowaa, co zawsze obarczoe jest dużą epewoścą. Istotym eemetem prezetowaego agorytmu jest moduł aazy astrowej grupujący odwerty w zaeżośc od jaośc dopasowaa. Na tej podstawe w złożu zostaje automatycze wydzeoych a podobszarów, dzę czemu wzrasta doładość opsu złoża. Zdefowae mary dopasowaa jao średego błędu bezwzgędego posada pewą wadę. Jest ą bra otro ad masymaym błędem w pojedyczym puce pomarowym. Wydaje sę ceowym sformułowae taej fucj dopasowaa, tóra uwzgęda zarówo średą wartość błędu dopasowaa, ja róweż masymay błąd pomarowy. Wydaje sę, że steje co ajmej a możwych eruów rozbudowy agorytmu. Pożej wymeoo etóre z ch: mpemetacja mechazmu stopowego zwęszaa czby regoów w marę osągaa oejych pozomów doładośc mechazm ta odpowadałby stopowemu zwęszau pozomu szczegółowośc przy abrowau modeu symuacyjego, rozszerzee agorytmu o zmee optymazacj modyfowae ajczęścej w czase abracj mode symuacyjych, tj.: rzywe przepuszczaośc wzgędej (gaz ropa woda), współczy azotrop poowej da przepuszczaośc sał, parametry aferów, ścśwość sały złożowej, głęboośc otatu płyów złożowych, mpemetacja mechazmu wyzaczaa aazy dopasowaa modeu a pozome regou mechazm ta pozwołby a zróżcowae sa modyfacj w zaeżośc od jaośc dopasowaa regou. r /0 03

7 NAFTA-GAZ Naeży zauważyć, że wymeoe propozycje rozbudowy agorytmu ozaczają stote zwęszee czby parametrów optymazacyjych, co w pratyce ozacza zapewe obżee efetywośc całego procesu abracj. Lteratura [] Atero F., Eymard F.: Use of parameter gradets for reservor hstory matchg. SPE Symposum o Reservor Smuato. Housto, Texas, USA. 6 8 February 989. [] Arabas J.: Wyłady z agorytmów ewoucyjych. Wydae druge. Wydawctwo Nauowo-Techcze. Warszawa 004. [3] Boabeau B., Dorgo M., Therauaz G.: Isprato for optmzato from soca sect behavor. Nature 000, vo. 406, o. 679, s [4] Caste A., Guapa I., Hoag V., Codo P.: Quatfyg ucertaty producto forecast for feds wth sgfcat hstory: a West Afrca case study. IPTC 0987, Iteratoa Petroeum Techoogy Coferece. Doha, Qatar. 3 November 005. [5] Che W. H., Gavaas G. R., Sefet J. H., Wasserma M. L.: A ew agorthm for automatc hstory matchg. SPE SPE Joura 974, vo. 4, o. 6, s [6] Dorgo M., D Caro G., Gambardea L.: At agorthm for dscrete optmzato. Artfca Lfe 999, vo. 5, o., s [7] Gao G., L G., Reyods A. C.: A stochastc optmzato agorthm for automatc hstory matchg. SPE SPE Joura 007, vo., o., s [8] Gwazda T. D.: Agorytmy geetycze ompedum. Tom II. Operator mutacj da probemów umeryczych. Wydawctwo Nauowe PWN. Warszawa 007. [9] Gwazda T. D.: Agorytmy geetycze ompedum. Tom I. Operator rzyżowaa da probemów umeryczych. Wydawctwo Nauowe PWN. Warszawa 007. [0] Jafarpour B., Mc Laugh D. B.: Hstory matchg wth a esembe ama fter ad dscrete cose parametrzato. SPE SPE Aua Techca Coferece ad Exhbto. Aahem, Cafora, USA. 4 November 007. [] Kathrada M.: Ucertaty evauato of reservor smuato modes usg partce swarms ad herarchca custerg. PhD thess. Isttute of Petroeum Egeerg, Herot Watt Uversty. Edburgh, Uted Kgdom 009. [] Lu N., Over D. S.: Crtca evauato of the Esembe Kama Fter o Hstory Matchg of Geoogc Faces. SPE SPE Reservor Smuato Symposum. The Woodads, Texas, USA. 3 Jauary February 005. [3] Lodoe O. P., More H.: Scae-corrected esembe ama fter apped to producto-hstory codtog reservor evauato. SPE 374. SPE Joura 008, vo. 3, o., s [4] Matca S., Come A., Matca G.: Combg goba ad oca optmzato techques for automatc hstory matchg producto ad sesmc data. SPE SPE Joura 00, vo. 7, o., s [5] Maucec M., Douma S., Hoh D., Lequjt J., Jmeez E. A., Gupta A. D.: Streme based hstory matchg ad ucertaty, Marov-Cha Mote Caro study of a offshore o fed. SPE SPE Aua techca Coferece ad Exhbto. Aahem, Cafora, USA. 4 November 007. [6] Mohamed L., Chrste M., Demyaov V.: Comparso of stochastc sampg agorthms for ucertaty quatfcato. SPE 939. SPE Reservor Smuato Symposum. Woodads, Texas, USA. 4 February 009. [7] Sousa S. H. G., Mascho C., Schozer D. J.: Scatter search metaheurstc apped to the hstory matchg probem. SPE SPE Aua Techc Coferece ad Exhbto. Sa Atoo, Texas, USA. 4 7 September 006. [8] Subbey S., Chrste M., Sambrdge M.: A strategy for rapd quatfcato of ucertaty reservor performace predcto. SPE SPE Reservor Smuato Symposum. Housto, USA. 3 5 February 003. [9] Suta A. J., Quees A., Wess W. W.: Automatc Hstory matchg for a tegrated reservor descrpto ad mprovg o recovery. SPE 77. Perma Bas O ad Gas Recovery Coferece. Mdad, Texas, USA. 3 5 February. [0] Yag C., Nghem L., Card C.: Reservor mode ucertaty quafcato through computer-asssted hstory matchg. SPE SPE Aua Coferece ad Exhbto. Aahem, Cafora, USA. 4 November 007. Dr ż. Potr ŁęTKOWSKI absowet Wydzału Mechaczego Potech Kraowsej; adut w Załadze Symuacj Złóż Węgowodorów Podzemych Magazyów Gazu Istytutu Nafty Gazu Oddzał Kroso. Zajmuje sę mędzy ym probemam modeowaa symuacj złóż oraz projetowaem systemów baz daych da potrzeb górctwa aftowego. 04 r /0

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

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

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

PROBLEM DYSTRYBUCJI W SYSTEMIE JIT Z LOSOWYMI PARAMETRAMI

PROBLEM DYSTRYBUCJI W SYSTEMIE JIT Z LOSOWYMI PARAMETRAMI PROBLEM DYSTRYBUCJI W SYSTEMIE JIT Z LOSOWYMI PARAMETRAMI Wojcech BOśEJKO Paweł RAJBA Meczysław WODECKI Streszczee: W pracy jest rozpatryway probem dystrybucj z ajwcześejszym oraz ajpóźejszym termam dostawy

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie 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 szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Aca Woy WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Wstęp Załad ubezpeczeń est zobgoway do tworzea fuduszu ubezpeczeowego sładaącego sę z rezerw techczo-ubezpeczeowych

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj.

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj. III. INTERPOLACJA 3.. Ogóe zadae terpoac Nech Φ ozacza fucę zmee x zaeżą od + parametrów a 0, a, K, a, t. Defca 3.. Zadae terpoac poega a oreśeu parametrów a ta, żeby da + da- ych par ( x, f ( x ( 0,,...,

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym. Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

STATYSTYKA OPISOWA. Statystyka. Losowanie (pomiar)

STATYSTYKA OPISOWA. Statystyka. Losowanie (pomiar) STATYSTYKA OPISOWA Statytyka Statytyka opowa Statytyka matematycza Loowae (pomar) Popuacja geeraa (rezutaty potecjaych pomarów) Próbka (rezutaty pomarów) Statytyka opowa zajmuje ę wtępym opracowaem wyków

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

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

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

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

OCENA WPŁYWU ZMIENNYCH OBJAŚNIAJĄCYCH NA ZMIENNĄ ZALEŻNĄ W METODZIE RZUTOWANIA PPR

OCENA WPŁYWU ZMIENNYCH OBJAŚNIAJĄCYCH NA ZMIENNĄ ZALEŻNĄ W METODZIE RZUTOWANIA PPR OCENA WPŁYWU ZMIENNYCH OBJAŚNIAJĄCYCH NA ZMIENNĄ ZALEŻNĄ W MEODZIE RZUOWANIA PPR Wprowadzee Metoda rzutowaa PPR (proecto pursut regresso), zapropoowaa przez J Fredmaa W Stuetze a w 98 rou, est edą z eparametryczych

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach dr ż. Jolata Wojar Zakład Metod Iloścowych, Wydzał Ekoom Uwersytet Rzeszowsk Przestrzeo-czasowe zróżcowae stopa wykorzystaa techolog formacyjo- -telekomukacyjych w przedsęborstwach WPROWADZENIE W czasach,

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

ELEMENTY TEORII MOŻLIWOŚCI ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech

Bardziej szczegółowo

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; } Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI

WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI GIEŁDOWYCH PRZY UŻYCIU ALGORYTMÓW GENETYCZNYCH mgr ż. Marc Klmek Katedra Iformatyk Państwowa Wyższa Szkoła Zawodowa m. Papeża Jaa Pawła II w Bałej Podlaskej Streszczee:

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

WYZNACZANIE PRZERWY ENERGETYCZNEJ GERMANU

WYZNACZANIE PRZERWY ENERGETYCZNEJ GERMANU Fzyka cała stałeo WYZNACZANIE PRZERWY ENERGETYCZNEJ GERMANU 1. Ops teoretyczy do ćwczea zameszczoy jest a stroe www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomaroweo

Bardziej szczegółowo

Bajki kombinatoryczne

Bajki kombinatoryczne Artyuł powstał a podstawe odczytu pod tym samym tytułem, wygłoszoego podczas XXXVI Szoły Matematy Poglądowej Pomysł czy rachue? w Grzegorzewcach, styczeń 006. Baj ombatorycze Joaa JASZUŃSKA, Warszawa Ja

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

KALIBRACJA NIE ZAWSZE PROSTA

KALIBRACJA NIE ZAWSZE PROSTA KALIBRACJA NIE ZAWSZE PROSTA Potr Koeczka Katedra Chem Aaltyczej Wydzał Chemczy Poltechka Gdańska S w S C -? C w Sygał - astępstwo kosekwecja przeprowadzoego pomaru główy obekt zateresowań aaltyka. Cel

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety

Bardziej szczegółowo

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

METODY KOMPUTEROWE 1

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

Bardziej szczegółowo

Analiza współzależności dwóch zjawisk zależności między tymi cechami

Analiza współzależności dwóch zjawisk zależności między tymi cechami Aaza współzaeżośc dwóch zaws Badae zborowośc ze wzgędu a dwe cech ma zazwcza a ceu poszuwae zaeżośc mędz tm cecham. Poszuwae to ma ses to wted, gd mędz cecham może steć ogcze uzasado zwąze przczowo-sutow.

Bardziej szczegółowo

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych Cetrala Izba Pomarów Telekomukacyjych (P-1) Komputerowe staowsko do wzorcowaa geeratorów podstawy czasu w częstoścomerzach cyrowych Praca r 1300045 Warszawa, grudzeń 005 Komputerowe staowsko do wzorcowaa

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

Bardziej szczegółowo

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH Z PRZEDMIOTU EWOLUCYJNE METODY OPTYMALIZACJI. Rozwązać zadae zadaa załaduku (plecakowego z ograczeam a dopuszczale wymary oraz cężar []: a algorytmem symulowaego wyżarzaa.

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017 PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Marzec 07 PODRĘCZNIKI Wstęp do aalzy błędu pomarowego Joh R. Taylor Wydawctwo Naukowe PWN Warszawa 999

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =? Mary położea rozkładu Wykład 9 Statystyk opsowe Średa z próby, mea(y) : symbol y ozacza lczbę; arytmetyczą średą z obserwacj Symbol Y ozacza pojęce średej z próby Średa jest środkem cężkośc zboru daych

Bardziej szczegółowo

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej

Bardziej szczegółowo

Badania Maszyn CNC. Nr 2

Badania Maszyn CNC. Nr 2 Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

ĆWICZENIE 5 TESTY STATYSTYCZNE

ĆWICZENIE 5 TESTY STATYSTYCZNE ĆWICZENIE 5 TESTY STATYSTYCZNE Cel Przedstawee wybraych testów statystyczych zasad wyboru właścwego testu przeprowadzea go oraz terpretac wyów. Wprowadzee teoretycze Testem statystyczym azywamy metodę

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016 PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INTYTUT FIZYKI UJ BIOLOGIA 06 CEL ĆWICZEŃ. Obserwacja zjawsk efektów fzyczych. Doskoalee umejętośc

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA Załączk r do Regulamu I kokursu GIS PROGRAM PRIORYTETOWY: SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA. Cel opracowaa Celem opracowaa jest spója metodyka oblczaa efektu ograczaa emsj gazów ceplaraych,

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

Analiza spektralna stóp zwrotu z inwestycji w akcje Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

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

Bardziej szczegółowo

TMM-2 Analiza kinematyki manipulatora metodą analityczną

TMM-2 Analiza kinematyki manipulatora metodą analityczną Opracował: dr ż. Przemysław Szumńsk Laboratorum Teor Mechazmów Automatyka Robotyka, Mechatroka TMM- Aalza kematyk mapulatora metodą aaltyczą Celem ćwczea jest zapozae sę ze sposobem aalzy kematyk mechazmu

Bardziej szczegółowo

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

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

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza

Bardziej szczegółowo

GEODEZJA INŻYNIERYJNA SEMESTR 6 STUDIA NIESTACJONARNE

GEODEZJA INŻYNIERYJNA SEMESTR 6 STUDIA NIESTACJONARNE GEODEZJ INŻNIERJN SEMESTR 6 STUDI NIESTCJONRNE CZNNIKI WPŁWJĄCE N GEOMETRIĘ UDNKU/OIEKTU Zmaę geometr budyku mogą powodować m.: czyk atmosferycze, erówomere osadae płyty fudametowej mogące skutkować wychyleem

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.

Bardziej szczegółowo

Elementy arytmetyki komputerowej

Elementy arytmetyki komputerowej Elemety arytmetyk komputerowej cz. I Elemety systemów lczbowych /materał pomocczy do wykładu Iformatyka sem II/ Sps treśc. Wprowadzee.... Wstępe uwag o systemach lczbowych... 3. Przegląd wybraych systemów

Bardziej szczegółowo

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982. Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy

Bardziej szczegółowo

INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY. Zakład Teletransmisji i Technik Optycznych (Z-14)

INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY. Zakład Teletransmisji i Technik Optycznych (Z-14) INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY Załad Teletrasmsj Tech Optyczych (Z-4) Aalza badaa efetów zachodzących w śwatłowodowym medum trasmsyjym degradujących jaość trasmsj w systemach DWDM o dużej

Bardziej szczegółowo

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem.

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem. . Hofma Wyłady z ermodyam techczej chemczej Wydzał Chemczy PW erue: echologa chemcza sem.3 215/216 WYKŁAD 3-4. D. Blase reatorów chemczych E. II zasada termodyam F. Kosewecje zasad termodyam D. BILANE

Bardziej szczegółowo

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

Opracowanie wyników pomiarów

Opracowanie wyników pomiarów Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

Podstawy matematyki finansowej i ubezpieczeniowej

Podstawy matematyki finansowej i ubezpieczeniowej Podstawy matematy fasowej ubezpeczeowej oreślea, wzory, przyłady, zadaa z rozwązaam KIELCE 2 SPIS TREŚCI WSTEP... 7 STOPA ZWROTU...... 9 2 RACHUNEK CZASU W MATEMATYCE FINANSOWEJ. 0 2. DOKŁADNA LICZBA DNI

Bardziej szczegółowo