SZACOWANIE KOSZTÓW PROCESU MONTAŻU NA PRZYKŁADZIE WYBRANEGO TYPOSZEREGU WYROBÓW

Wielkość: px
Rozpocząć pokaz od strony:

Download "SZACOWANIE KOSZTÓW PROCESU MONTAŻU NA PRZYKŁADZIE WYBRANEGO TYPOSZEREGU WYROBÓW"

Transkrypt

1 SZACOWANIE KOSZTÓW PROCESU MONTAŻU NA PRZYKŁADZIE WYBRANEGO TYPOSZEREGU WYROBÓW Pior CHWASTYK, Domiika BINIASZ, Mariusz KOŁOSOWSKI Sreszczeie: W pracy przedsawioo meodę oszacowaie koszów procesu moażu a przykładzie wybraej grupy wyrobów. Proces moażu jes rudy dla przeaalizowaia ze względu a duży udział pracochłoości. Z ego względu wykorzysao zależość pomiędzy cechami wyrobu a koszami procesu moażowego. Opracowao aplikację umożliwiającą, a podsawie daych z sysemu CAD, w oparciu o opracowaą fukcję koszów, oszacowaie koszów moażu. Słowa kluczowe: proces moażu, CAD, meoda ajmiejszych kwadraów. Wprowadzeie Oszacowaie koszów przeprowadzeia procesów moażowych w większości przypadków jes dość rudą operacją. Specyfika saowisk roboczych, iewielki sopień wykorzysaia maszy i urządzeń oraz duży udział prac ręczych urudiają opracowaie meod pozwalających a dokłade oszacowaie czasu i koszów moażu. Dodakową rudość sprawiają procesy moażowe, podczas kórych dodakowo przeprowadza się operacje obróbki. Na procesy moażowe w zaczym sopiu wpływają kosrukcyje właściwości moowaych wyrobów, a przede wszyskim kosrukcyje ukszałowaie części. Sąd wyikają uwarukowaia moażowe, kóre są określoe przez fukcje przypisae wyrobowi i zależą od założoej zasady pracy. Srukurala budowa wyrobu zajduje bezpośredie odbicie w srukuralym podziale procesu moażowego. [3] Tę zależość moża wykorzysać przy szacowaiu koszów moażu, szczególie, gdy mamy do czyieia z wyrobami produkowaymi w yposzeregach.. Model określaia koszów moażu W procesie moażu, główym czyikiem koszowym jes pracochłoość. Koszy związae z wykorzysaiem dodakowych urządzeń i iezbędych środków produkcji saowią iewielką część ych koszów. Aalizując procesy moażu moża zauważyć, że koszy ich moażu uzależioe są od pewych cech wyrobów. Wyodrębioo e cechy, kóre mają bezpośredi wpływ a kosz moażu. Po gruowej aalizie wyrobów odrzucoo e cechy, kóre były wspóle dla całej rodziy wyrobów a ich wpływ a różice w procesie moażu był iewielki. Usaloo, że ajwiększy wpływ a przebieg procesu moażowego, a ym samym a jego koszy mają główe wymiary wyrobu, a co za ym idzie ich ciężar. Moża zaem swierdzić, że isieje zależość pomiędzy koszami moażu a masą, kórą moża przedsawić w posaci fukcji: K = f (m) () 94

2 K kosz moażu, M masa całkowia wyrobu W celu oszacowaia koszów moażu zasosowaa zosała meoda paramerycza, kóra uzależia kosz od paramerów mających decydujący wpływ. Meoda a uwzględia zbiór hisoryczych koszów oraz dokouje aalizy z użyciem różych echik maemayczych. Meody paramerycze pozwalają a przeoszeie echiczych warości (wielkość, masa, maeriał ip.) charakeryzujących produk i zaych projekaowi, a koszy, bez opisywaia produku całkowicie. Do opracowaia modelu wykorzysaa zosała meoda ajmiejszych kwadraów. Weryfikację modelu przeprowadzoo w oparciu o poziom isoości, warości błędów względych, współczyik deermiacji, es symerii, es liczby serii, sacjoarość i auokorelację esem Durbia-Wasoa. Do wyzaczeia modelu posłużyły dae doyczące koszów moażu wyrobów pochodzące z osaiej serii produkcyjej wszyskich odmia wymiarowych. Fukcja koszów moażu zosała opisaa rówaiem prosej, kóra a podsawie doychczas przeprowadzaych badań empiryczych saowi ajczęsszy przypadek zależości koszów. K = am + b () K kosz moażu, m masa wyrobu, a,b sałe Dla usaleia warości sałych a i b zasosowao zasadę ajmiejszych kwadraów, kóra polega a zalezieiu akich warości oce paramerów srukuralych modelu, by suma kwadraów odchyleń empiryczych warości zmieej objaśiaej od jej warości eoreyczych wyzaczoych z modelu była jak ajmiejsza. Waruek e moża opisać asępująco: e mi (3) e =K -b-am - odchyleia rzeczywisych warości od jej warości eoreyczych, czyli zw. reszy modelu Po wyzaczeiu pochodych cząskowych względem a i b i przyrówaiu ich do zera orzymuje się układ rówań ormalych. W wyiku rozwiązaia układu rówań ormalych orzymuje się asępujące wzory: a = ( K K)( m m) ( m m) b = bk am - średie arymeycze zmieych K i m (4) 95

3 Usaleie warości sałych a podsawie powyższych wzorów pozwoliło a orzymaie poszukiwaej fukcji, a dla swierdzeia poprawości zbudowaego modelu przeprowadzoa zosała jego weryfikacja.. Szacowaie koszów moażu Aalizę procesu moażu rozpoczya się od sysemu CAD, w kórym opracowao model wyrobu. Wykorzysae zosały w ym celu wcześiej opracowae modele wszyskich elemeów składających się a wyrób uzupełioe modelami elemeów zormalizowaych akimi jak śruby, podkładki, akręki, uszczelki ip. [] Badaia przeprowadzoo a grupie wyrobów, kórymi są zawory zaporowe. Kompley model zaworu przedsawioo a rysuku. Rys.. Model wyrobu wykoay w sysemie CAD Źródło: opracowaie włase Uzyskaa w procesie modelowaia srukura wyrobu posiada dwa poziomy. Pierwszy zawiera elemey składające się a wyrób, drugi o szczegółowa srukura obieków elemearych wchodzących w skład każdego z ych elemeów. [] Opracowaa aplikacja odczyuje srukurę wyrobu opracowaą w sysemie CAD (rys..). Kolejym eapem jes oszacowaie koszów własych zaworu. Na ym eapie program odwołuje się do wcześiej opracowaych procesów wywórczych elemeów, z kórych składa się asz wyrób []. Odczyuje z bazy daych goowych procesów wywórczych iformacje o koszach ich wyworzeia. Poieważ, jak usaloo wcześiej kosz moażu zależy jes od wagi wyrobu, usaloo model przedsawiający odpowiedią zależość ych dwóch cech. Isoą iformacją jes masa poszczególych elemeów zaworu, kóra dla każdego z elemeów obliczaa jes a eapie modelowaia. 96

4 Sysem CAD dokouje oszacowaia masy elemeu a podsawie jego objęości oraz gęsości maeriału, z kórego jes wykoay. Gęsość maeriału saowi iformację zapisaą w bazie daych z maeriałami wykorzysywaą w procesie opracowywaia modelu CAD. Waga obliczaa jes dwukroie. Pierwszy raz w momecie wyboru maeriału wyjściowego. Drugi raz w momecie zapisu goowego Rys.. Odczy srukury wyrobu z sysemu CAD modelu każdego z Źródło: opracowaie włase elemeów, co uwzględia zasosowae w procesie modelowaia obieky elemeare obrazujące ubyek maeriału w procesie obróbki []. W e sposób każdy eleme orzymuje dwie dodakowe iformacje, o jego wadze bruo i wadze eo. Kosz własy wyrobu usalay jes w oparciu o kosz wyworzeia elemeów składowych, Zakładowy Arkusz Rozliczeiowy oraz koszy elemeów zormalizowaych. Tab.. Koszy moażu w porówaiu z masą wyrobu Zawór zaporowy yp 8 Średica omiala d [mm] kosz moażu [zł] masa zaworu [kg] 5,00,40 0,80,50 5 4,70,80 3 6,80 5,0 40 8,40 5,90 50,40 8,0 65 3,70 7, ,00 3, ,80 40,80 5 9,50 67,70 50,0 86, ,0 7, ,50 76, ,50 456,00 Źródło: opracowaie włase W zakresie szacowaia koszów moażowy wykorzysaa zosaie meoda regresji i 97

5 korelacji. Do wyzaczeia modelu posłużą dae doyczące koszów moażu zaworów zaporowych. Pod uwagę wzięo koszy pochodzące z osaiej serii produkcyjej wszyskich odmia wymiarowych. Dae e w porówaiu z masą zaworów przedsawioo w abeli. Fukcja koszów moażu jes opisaa rówaiem prosej (), a sałe wysępujące w ym rówaiu są obliczae według wzorów (3) i (4). Sąd obliczoe warości paramerów a i b dla aalizowaego przypadku wyoszą: a=,75, b=,4340 a rówaie przybiera posać: K=,75m+,4340 (5) Tab.. Warości obliczoych koszów modelowych Zawór zaporowy yp 8 Średica omiala d [mm] masa zaworu m [kg] kosz moażu K [zł] kosz moażu modelowy K [zł] 5,40,00 4,5 0,50,80 4,37 5,80 4,70 4,7 3 5,0 6,80 7, ,90 8,40 8, ,0,40 0, ,50 3,70 3, ,50 4,00 38, ,80 66,80 59,7 5 67,70 9,50 90, ,60,0, ,40 0,0, ,60 39,50 335, ,00 555,50 546,0 Źródło: opracowaie włase 600,00 500,00 400,00 300,00 kosz moażu [zł] kosz moażu modelowy [zł] 00,00 00,00 0,00,40,50,80 5,0 5,90 8,0 7,50 3,50 40,80 67,70 86,60 7,40 76,60 456,00 Rys. 3. Porówaie koszów moażu empiryczych z koszem moażu eoreyczym orzymaym a podsawie modelu Źródło: opracowaie włase 98

6 Dla swierdzeia, czy zbudoway model jes poprawy ależy przeprowadzić jego weryfikację. Poziom isoości Określeie poziomu isoości odbywa się a podsawie zależości: I a b, I b S( a) S( b) = (6) a = S(a), S(b) sadardowe błedy paramerów a i b S m Se ( a) =, S( b) = Se (7) ( m m m m) ( ) S e odchyleie sadardowe resz modelu, kóre obliczae jes według wzoru S e = e (8) Obliczoe odchyleie sadardowe wyosi: S e = 5,448 Warości sadardowych błędów wyoszą: S(a) = 0,009, S(b) =,6707. Naomias poziomy isoości: dla parameru a: I a = 07,5 dla parameru b: I b = 6,84 Z ablic esu -Sudea dla przyjęego poziomu ufości 0,05 i sopi swobody warość kryycza saysyki I wyosi,79. Warości poziomu isoości muszą być większe od kryyczej. W ym przypadku zależość aka isieje. Ozacza o, że rzeczywise warości paramerów isoie różią się od zera, co ozacza, że wpływ zmieej objaśiającej sojącej przy paramerze a w isoy sposób wpływa a zmieą objaśiaą. Błędy względe Warości błędów względych powiy być jak ajmiejsze. Góra dopuszczala graica ych błędów wyosi 30%. W aalizowaym przypadku błędy względe wyoszą: E E a b S( a) = 00% = 0,0% a S( b) = 00% = 4,4% b Współczyik deermiacji Współczyik deermiacji określa sopień dopasowaia modelu do daych empiryczych. Obliczoa warość współczyika deermiacji wyosi (9) 99

7 = ( K K) co ozacza, że model jes dopasoway w 98%. = 0,983 R (0) ( K K) Tes symerii Liczba elemeów dodaich wekora resz powia być rówa liczbie elemeów ujemych, wedy moża swierdzić, że wekor resz jes symeryczy. Wekor resz e zosał przedsawioy w abeli 3. W aalizowaym przypadku liczba elemeów dodaich wyosi 7 i yle samo wyosi liczba elemeów ujemych, co świadczy o spełioym waruku esu symerii. Tes liczby serii Dla aalizowaego przypadku warości określające miimalą i maksymalą liczbę serii dla przyjęego poziomu ufości 0,05 wyoszą odpowiedio 4 i. Liczba serii wyikająca z warości resz wyosi 4. Zajdując się a graicy warości dopuszczalych moża przyjąć, że posać modelu zosała dobraa poprawie. Sacjoarość Spełieie ego esu ozacza iezależość wekora resz od czasu. Sacjoarość obliczoo według wzoru: re, + f = = 0,6 () r r e, współczyik korelacji pomiędzy wekorem resz a kolumą czasu e, Współczyik korelacji dla ego przypadku wyosi 0,0468, a obliczoa sacjoarość wyosi 0,6. Warość a powia być miejsza od warości kryyczej odczyaej z ablic -Sudea, kóra w ym przypadku wyosi,79. Ozacza o, że waruek sacjoarości zosał spełioy. Auokorelacja es Durbia-Wasoa Jes o zależość pomiędzy wekorami resz z różych momeów czasowych. Dae iezbęde do przeprowadzeia ej aalizy zamieszczoe są w abeli 3. Tab. 3. Dae iezbęde do aalizy auokorelacji esem Durbia-Wasoa Lp e e - e-e - (e-e - ) e -,5 5,0535 -,57 -,5 0,68 0,466, ,0 -,57,55,397 0, ,73-0,0-0,7 0,5098 0, ,05-0,73 0,78 0,607 0,003 6,47 0,05,4,077, ,75,47-0,7 0,508 0,558 8,0 0,75,6,6000 4,

8 9 7,53,0 5,5 30,407 56,664 0,69 7,53-5,84 34,3,8453-0,77,69 -,46 6,054 0,5987 -,30-0,77-0,53 0,8647 7, ,5 -,30 5,05 5,574 39,08 4 9,40-6,5 5,65 44, ,3488 9,40 Σ 460,0393 Σ 330,0966 Do obliczeia auokorelacji wykorzysuje się zależość. ( ei ei ) d = =,3937 () e i Warość współczyika auokorelacji wyosi,3937. Wyik e jes większy od górej graicy przedziału <,045 ;,35> odczyaego dla ego przypadku z ablic esu Durbia- Wasoa dla poziomu ufości 0,05. Świadczy o, że auokorelacja ie wysępuje, co jes zjawiskiem korzysym. Po przeprowadzeiu weryfikacji opracowaego modelu moża swierdzić, że zosał o dobray poprawie i może służyć w procesie szacowaia koszów moażu zaworu, uzależiając e kosz od masy całego zaworu, kóry saowi paramer koszu moażu. Przeprowadzoa weryfikacja modelu wykazała jego poprawość, co pozwala a zasosowaie ego modelu w procesie usaleia koszów moażu projekowaego wyrobu. Po kompleym procesie moażu uzyskao dla owego wyrobu ależącego do aalizowaego yposzeregu asępujący kosz własy wyrobu (rys. 4.). Rys. 4. Wyik koszów własych wyrobu z uwzględieiem oszacowaego koszu procesu moażu 0

9 4. Podsumowaie Przedsawioy w iiejszej pracy sposób szacowaia koszów moażu jes prosy i skueczy, ale przy zachowaiu pewych waruków. Moża w e sposób w miarę dokładie oszacować koszy moażu dla wyrobu ależącego do rodziy wyrobów, dla kórych mamy dae hisorycze o koszach moażu. Waruek drugi doyczy isieia i poprawego wyboru właściwych cech mających wpływ a przebieg procesu, a ym samym a jego koszy. Niesey w większości przypadków mamy do czyieia z moażem owych wyrobów, odbiegających swoimi cechami od wyrobów wcześiej produkowaych. Nie mamy więc żadych iformacji pomocych przy wyzaczeiu fukcji koszów. Dlaego dalsze prace ukierukowae są a wykorzysaie obieków elemearych o charakerze moażowym, kóre pozwoliłyby a szacowaie koszów moażu. Powsaie ego ypu obieków byłoby kosekwecją procesu modelowaia w sysemie CAD, kóry dla aalizowaej grupy wyrobów zosało opracowae w oparciu o meodę obieków elemearych. [] Lieraura. Chwasyk P.: Zasosowaie meody obieków elemearych w procesie iegracji CAD/CAM. Mechaik /007, s Chwasyk P., Kołosowski M.: Zasosowaie koszowych obieków elemearych w procesie szacowaia koszów wywarzaia. Kompuerowo Ziegrowae Zarządzaie, Tom I, WNT, Warszawa Łuarski J., Szabajkowicz W.: Auomayzacja procesów echologiczych moażu maszy. WNT, Warszawa 993. Dr iż. Pior CHWASTYK Dr iż. Domiika BINIASZ Isyu Iowacyjości Procesów i Produków Poliechika Opolska Opole, ul. Ozimska 75 el./fax.: (077) chwasyk@po.opole.pl Dr iż. Mariusz KOŁOSOWSKI Isyu Zarządzaia Pańswowa Wyższa Szkoła Zawodowa w Nysie Nysa, ul. Grodzka 9 el.: (0-77) kolos@pwsz.ysa.pl mariusz_kolosowski@pwsz.ysa.pl 0

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/

Bardziej szczegółowo

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

TRANZYSTORY POLOWE JFET I MOSFET POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora

Bardziej szczegółowo

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora. D:\maerialy\Maemayka a GISIP I rok DOC\7 Pochode\8ADOC -wrz-5, 7: 89 Obliczaie graic fukcji w pukcie przy pomocy wzoru Taylora Wróćmy do wierdzeia Taylora (wzory (-( Tw Szczególie waża dla dalszych R rozważań

Bardziej szczegółowo

Sygnały pojęcie i klasyfikacja, metody opisu.

Sygnały pojęcie i klasyfikacja, metody opisu. Sygały pojęcie i klasyfikacja, meody opisu. Iformacja przekazywaa jes za pośredicwem sygałów, kóre przeoszą eergię. Sygał jes o fukcja czasowa dowolej wielkości o charakerze eergeyczym, w kórym moża wyróżić

Bardziej szczegółowo

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody ZJAZD ANALIZA DANYCH CIĄGŁYCH ramach zajęć będą badae próbki pochodzące z poplacji w kórych badaa cecha ma rozkład ormaly N(μ σ). Na zajęciach będą: - wyzaczae przedziały fości dla warości średiej i wariacji

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

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

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

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

Bardziej szczegółowo

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Ćwiczenie 3. H 1 : p p 0 H 3 : p > p 0. b) dla małej próby statystykę testową oblicza się za pomocą wzoru:

Ćwiczenie 3. H 1 : p p 0 H 3 : p > p 0. b) dla małej próby statystykę testową oblicza się za pomocą wzoru: Ćwiczeie ERYFIKACJA IPOTEZ Tesowaie hipoez: Zakładamy że wszyskie hipoezy będą weryfikowae a poziomie isoości α.. eryfikacja hipoezy o wskaźik srkry jedej zmieej losowej dyskreej Rozparjemy próbkę elemeową

Bardziej szczegółowo

ESTYMACJA PARAMETRÓW FUNKCJI REGRESJI METODĄ KLASYCZNĄ ORAZ METODAMI BOOTSTRAPOWYMI**

ESTYMACJA PARAMETRÓW FUNKCJI REGRESJI METODĄ KLASYCZNĄ ORAZ METODAMI BOOTSTRAPOWYMI** Góricwo i Geoiżyieria Rok 30 Zeszy 3/ 006 Dariusz Foszcz* ESTYMACJA PARAMETRÓW FUNKCJI REGRESJI METODĄ KLASYCZNĄ ORAZ METODAMI BOOTSTRAPOWYMI**. Wsęp W zmieiającej się rzeczywisości przebiegu procesów

Bardziej szczegółowo

Metody oceny efektywności projektów inwestycyjnych

Metody oceny efektywności projektów inwestycyjnych Opracował: Leszek Jug Wydział Ekoomiczy, ALMAMER Szkoła Wyższa Meody ocey efekywości projeków iwesycyjych Niezbędym warukiem urzymywaia się firmy a ryku jes zarówo skuecze bieżące zarządzaie jak i podejmowaie

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2, lato 2018/19

Jarosław Wróblewski Analiza Matematyczna 2, lato 2018/19 7 Wyzaczyć zbiór wszyskich warości rzeczywisych parameru p, dla kórych całka iewłaściwa jes zbieża x xe Dzieląc przedział całkowaia orzymujemy x x e x x e x x e Zbadamy, dla kórych warości parameru p całki

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska aysyka Iżyierska dr hab. iż. Jacek Tarasik AG WFiI 4 Wykład 5 TETOWANIE IPOTEZ TATYTYCZNYC ipoezy saysycze ipoezą saysyczą azywamy każde przypszczeie doyczące iezaego rozkład o prawdziwości lb fałszywości

Bardziej szczegółowo

Funkcja generująca rozkład (p-two)

Funkcja generująca rozkład (p-two) Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są

Bardziej szczegółowo

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x Meody aeaycze w echologii aeriałów Uwaga: Proszę paięać, że a zajęciach obowiązuje akże zajoość oówioych w aeriałach przykładów!!! CAŁKOWANIE FUNKCJI WYMIERNYCH Fukcją wyierą azyway fukcję posaci P ( )

Bardziej szczegółowo

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych Efekywość projeków iwesycyjych Saycze i dyamicze meody ocey projeków iwesycyjych Źródła fiasowaia Iwesycje Rzeczowe Powiększeie mająku rwałego firmy, zysk spodzieway w dłuższym horyzocie czasowym. Fiasowe

Bardziej szczegółowo

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

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

Bardziej szczegółowo

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar. EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b

Bardziej szczegółowo

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b, CAŁA RZYWOLINIOWA NIESIEROWANA rzywą o rówaiach parameryczych: = (), y = y(), a < < b, azywamy łukiem regularym (gładkim), gdy spełioe są asępujące waruki: a) fukcje () i y() mają ciągłe pochode, kóre

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA KONSTRUKCJI 10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej

Bardziej szczegółowo

4. MODELE ZALEŻNE OD ZDARZEŃ

4. MODELE ZALEŻNE OD ZDARZEŃ 4. MODELE ZALEŻNE OD ZDARZEŃ 4.. Wrowadzeie W sysemach zależych od zdarzeń wyzwalaie określoego zachowaia się układu jes iicjowae rzez dyskree zdarzeia. Modelowaie akich syuacji ma a celu symulacyją aalizę

Bardziej szczegółowo

Estymacja przedziałowa

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

Bardziej szczegółowo

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne zmienne czasowe własności i testowanie Maeriał dla sudeów Niesacjoare ziee czasowe własości i esowaie (sudiu przypadku) Część : Przypoieie eorii Nazwa przediou: ekooeria fiasowa I (04), aaliza szeregów czasowych i progozowaie (1301); Kieruek

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika

Bardziej szczegółowo

Gretl konstruowanie pętli Symulacje Monte Carlo (MC)

Gretl konstruowanie pętli Symulacje Monte Carlo (MC) Grel kosruowaie pęli Symulacje Moe Carlo (MC) W Grelu, aby przyspieszyć pracę, wykoać iesadardową aalizę (ie do wyklikaia ) możliwe jes użycie pęli. Pęle realizuje komeda loop, kóra przyjmuje zesaw iych

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

Statystyczne testy nieparametryczne

Statystyczne testy nieparametryczne Saysycze esy ieparamerycze Tesami ieparameryczymi azywamy esy służące do weryfikaci hipoez ieparameryczych, hipoez iedoyczących warości iezaych paramerów populaci (choć czasem poęcie o ozacza hipoezy ie

Bardziej szczegółowo

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1 PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,

Bardziej szczegółowo

ψ przedstawia zależność

ψ przedstawia zależność Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi

Bardziej szczegółowo

Podstawy zarządzania finansami przedsiębiorstwa

Podstawy zarządzania finansami przedsiębiorstwa Podsawy zarządzaia fiasami przedsiębiorswa I. Wprowadzeie 1. Gospodarowaie fiasami w przedsiębiorswie polega a: a) określeiu spodziewaych korzyści i koszów wyikających z form zaagażowaia środków fiasowych

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

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

Bardziej szczegółowo

Bezrobocie. wysiłek. krzywa wysiłku pracownika E * płaca realna. w/p *

Bezrobocie. wysiłek. krzywa wysiłku pracownika E * płaca realna. w/p * dr Barłomiej Rokicki Bezrobocie Jedym z główych powodów, dla kórych a ryku pracy obserwujemy poziom bezrobocia wyższy od auralego (czyli akiego, kórego zasadiczo ie da się obiżyć) jes o, iż płace wyzaczae

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

licencjat Pytania teoretyczne:

licencjat Pytania teoretyczne: Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

Szacowanie składki w ubezpieczeniu od ryzyka niesamodzielności

Szacowanie składki w ubezpieczeniu od ryzyka niesamodzielności Skłaki w ubezpieczeiu o ryzyka iesamozielości EDYTA SIDOR-BANASZEK Szacowaie skłaki w ubezpieczeiu o ryzyka iesamozielości Kalkulacja skłaki w ubezpieczeiach jes barzo ważym zagaieiem związaym z maemayką

Bardziej szczegółowo

Przełączanie diody. Stan przejściowy pomiędzy stanem przewodzenia diod, a stanem nieprzewodzenia opisuje się za pomocą parametru/ów czasowego/ych.

Przełączanie diody. Stan przejściowy pomiędzy stanem przewodzenia diod, a stanem nieprzewodzenia opisuje się za pomocą parametru/ów czasowego/ych. Przełączaie diody 1. Trochę eorii a przejściowy pomiędzy saem przewodzeia diod, a saem ieprzewodzeia opisuje się za pomocą parameru/ów czasowego/ych. Mamy więc ajprosszy eleme półprzewodikowy (dwójik),

Bardziej szczegółowo

Rentgenowska analiza fazowa jakościowa i ilościowa Wykład 8

Rentgenowska analiza fazowa jakościowa i ilościowa Wykład 8 Retgeowska aaliza fazowa jakościowa i ilościowa Wykład 8. Retgeowska aaliza fazowa jakościowa i ilościowa. 2. Metody aalizy fazowej ilościowej. 3. Dobór wzorca w aalizie ilościowej. 4. Przeprowadzeie aalizy

Bardziej szczegółowo

4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego

4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego 4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE

ANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE Wiold Orzeszko Magdalea Osińska Uiwersye Mikołaja Koperika w Toruiu ANALIA PRCNOWOŚCI W AKRSI ALŻNOŚCI NILINIOWCH. IMPLIKACJ FINANSOW WSTĘP Przyczyowość w sesie Gragera jes jedym z kluczowych pojęć ekoomeryczej

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

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

Bardziej szczegółowo

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml

Bardziej szczegółowo

Obligacja i jej cena wewnętrzna

Obligacja i jej cena wewnętrzna Obligacja i jej cea wewęrza Obligacja jes o isrume fiasowy (papier warościowy), w kórym jeda sroa, zwaa emieem obligacji, swierdza, że jes dłużikiem drugiej sroy, zwaej obligaariuszem (jes o właściciel

Bardziej szczegółowo

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się: Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili

Bardziej szczegółowo

Kinetyczna teoria gazów. Zjawiska transportu : dyfuzja transport masy transport energii przewodnictwo cieplne transport pędu lepkość

Kinetyczna teoria gazów. Zjawiska transportu : dyfuzja transport masy transport energii przewodnictwo cieplne transport pędu lepkość Kieycza eoria gazów Zjawiska rasporu : dyfuzja raspor masy raspor eergii przewodicwo cieple raspor pędu lepkość Zjawiska rasporu - dyfuzja syuacja począkowa brak rówowagi proces wyrówywaia koceracji -

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

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

Bardziej szczegółowo

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1

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

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

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

Bardziej szczegółowo

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu

Bardziej szczegółowo

DEA podstawowe modele

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

Bardziej szczegółowo

METODY PROGNOZOWANIA Z WYKORZYSTANIEM TRENDU POTĘGOWEGO

METODY PROGNOZOWANIA Z WYKORZYSTANIEM TRENDU POTĘGOWEGO PRZEGLĄD SAYSYCZNY R LVI ZESZY 009 JAN PURCZYŃSKI MEODY PROGNOZOANIA Z YKORZYSANIEM RENDU POĘGOEGO SĘP Praca doyczy esymacji paramerów ieliiowych modeli redu i saowi, w pewym sesie, koyuację zagadień rozparzoych

Bardziej szczegółowo

Schrödingera. Dr inż. Zbigniew Szklarski. Katedra Elektroniki, paw. C-1, pok

Schrödingera. Dr inż. Zbigniew Szklarski. Katedra Elektroniki, paw. C-1, pok Wykład 0: Rówaie Schrödigera Dr iż. Zbigiew Szklarski Kaedra Elekroiki paw. C- pok.3 szkla@agh.edu.pl hp://layer.uci.agh.edu.pl/z.szklarski/ Rówaie Schrödigera jedo z podsawowych rówań ierelaywisyczej

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław Cichocki Natalia Nehrebecka. Wykład 3 Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

Analiza rynku projekt

Analiza rynku projekt Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes

Bardziej szczegółowo

ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach

ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika

Bardziej szczegółowo

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja Iwestycja Wykład Celowo wydatkowae środki firmy skierowae a powiększeie jej dochodów w przyszłości. Iwestycje w wyiku użycia środków fiasowych tworzą lub powiększają majątek rzeczowy, majątek fiasowy i

Bardziej szczegółowo

Rentgenowska analiza fazowa jakościowa i ilościowa Wykład 9

Rentgenowska analiza fazowa jakościowa i ilościowa Wykład 9 Retgeowska aaliza fazowa jakościowa i ilościowa Wykład 9 1. Retgeowska aaliza fazowa jakościowa i ilościowa. 2. Metody aalizy fazowej ilościowej. 3. Dobór wzorca w aalizie ilościowej. 4. Przeprowadzeie

Bardziej szczegółowo

METODY NUMERYCZNE. Wykład 3. dr hab.inż. Katarzyna Zakrzewska, prof.agh. Met.Numer. wykład 3 1

METODY NUMERYCZNE. Wykład 3. dr hab.inż. Katarzyna Zakrzewska, prof.agh. Met.Numer. wykład 3 1 METODY NUMERYCZNE Wykład 3. dr hab.iż. Kaarzya Zakrzewska, pro.agh Me.Numer. wykład 3 Pla Aproksymacja Ierpolacja wielomiaowa Przykłady Me.Numer. wykład 3 Aproksymacja Meody umerycze zajmują się rozwiązywaiem

Bardziej szczegółowo

ROZDZIAŁ 12 ANALIZA WSPÓŁZALEŻNOŚCI KURSÓW AKCJI SPÓŁEK BRANŻY CUKROWNICZEJ

ROZDZIAŁ 12 ANALIZA WSPÓŁZALEŻNOŚCI KURSÓW AKCJI SPÓŁEK BRANŻY CUKROWNICZEJ leksadra Dudek ROZDZIŁ NLIZ WSPÓŁZLEŻNOŚCI KURSÓW KCJI SPÓŁEK BRNŻY CUKROWNICZEJ Wprowadzeie W związku z rosącą rolą ryków fiasowych jako miejsca, gdzie poprzez działaia spekulacyje dąży się do osiągięcia

Bardziej szczegółowo

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej Moele zmieości akywów ryzykowych Moel muliplikaywy Rozkła logarymiczo-ormay Paramery siaki wumiaowej Moel muliplikaywy zmieości akywów Rekurecyjy moel muliplikaywy: (=, (k+ = (k u(k, k=,, Cea akywa w chwili

Bardziej szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu

Bardziej szczegółowo

dr inż. MARCIN MAŁACHOWSKI Instytut Technik Innowacyjnych EMAG

dr inż. MARCIN MAŁACHOWSKI Instytut Technik Innowacyjnych EMAG dr inż. MARCIN MAŁACHOWSKI Insyu Technik Innowacyjnych EMAG Wykorzysanie opycznej meody pomiaru sężenia pyłu do wspomagania oceny paramerów wpływających na możliwość zaisnienia wybuchu osiadłego pyłu węglowego

Bardziej szczegółowo

Metody numeryczne Laboratorium 5 Info

Metody numeryczne Laboratorium 5 Info Metody umerycze Laboratorium 5 Ifo Aproksymacja - proces określaia rozwiązań przybliżoych a podstawie rozwiązań zaych, które są bliskie rozwiązaiom dokładym w ściśle sprecyzowaym sesie. Metoda ajmiejszych

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Stanisław Cichocki Natalia Nehrebecka. Wykład 4 Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Spis treści Przedmowa... 4 Wykaz niektórych oznaczeń... 5 1.,, Liczby losowe"... 6 2. Generatory liczb losowych o rozkładzie równomiernym... 8 2.1.

Spis treści Przedmowa... 4 Wykaz niektórych oznaczeń... 5 1.,, Liczby losowe... 6 2. Generatory liczb losowych o rozkładzie równomiernym... 8 2.1. Spis reści Przedmowa... 4 Wykaz iekórych ozaczeń... 5.,, Liczby losowe"... 6. Geeraory liczb losowych o rozkładzie rówomierym... 8.. Wprowadzeie... 8.. Geeraory liiowe... 0... Opis... 0... Okres geeraora.....3.

Bardziej szczegółowo

Wygładzanie metodą średnich ruchomych w procesach stałych

Wygładzanie metodą średnich ruchomych w procesach stałych Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja

Bardziej szczegółowo

E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny

E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,

Bardziej szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie próby. Rozkład χ 2 Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu

Bardziej szczegółowo

ANALIZA KORELACJI IREGRESJILINIOWEJ

ANALIZA KORELACJI IREGRESJILINIOWEJ ANALIZA KORELACJI IREGRESJILINIOWEJ 1. ZALEŻNOŚCI STOCHASTYCZNE Badajac zjawiska o charakterze masowym, w tym szczególie zjawiska spo leczo-ekoomicze, stwierdzamy, że każde z ich jest uwarukowae dzia laiem

Bardziej szczegółowo

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU Celem każdego ćwiczeia w laboratorium studeckim jest zmierzeie pewych wielkości, a astępie obliczeie a podstawie tych wyików pomiarów

Bardziej szczegółowo

( ) ( ) ( τ) ( t) = 0

( ) ( ) ( τ) ( t) = 0 Obliczanie wraŝliwości w dziedzinie czasu... 1 OBLICZANIE WRAśLIWOŚCI W DZIEDZINIE CZASU Meoda układu dołączonego do obliczenia wraŝliwości układu dynamicznego w dziedzinie czasu. Wyznaczane będą zmiany

Bardziej szczegółowo

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871 COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

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

Bardziej szczegółowo

MOŻLIWOŚCI UNIFIKACJI ROZWOJU GOSPODARCZEGO WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ W ASPEKCIE DYNAMIKI WZROSTÓW PKB

MOŻLIWOŚCI UNIFIKACJI ROZWOJU GOSPODARCZEGO WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ W ASPEKCIE DYNAMIKI WZROSTÓW PKB Tomasz Misiak Kaedra Ekoomii Poliechika Rzeszowska MOŻLIWOŚCI UNIFIKACJI ROZWOJU GOSPODARCZEGO WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ W ASPEKCIE DYNAMIKI WZROSTÓW PKB Wprowadzeie Moywy iegracji mają zazwyczaj

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,

Bardziej szczegółowo

Poziom rozszerzony. 5. Ciągi. Uczeń:

Poziom rozszerzony. 5. Ciągi. Uczeń: PIOTR LUDWIKOWSKI Materiał z wykładu z aalizy dla uczestików koerecji Podstawa programowa z kometarzami Tom 6 Edukacja matematycza i techicza w szkole podstawowej, gimazjum i liceum matematyka, zajęcia

Bardziej szczegółowo

2.1. Studium przypadku 1

2.1. Studium przypadku 1 Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.

Bardziej szczegółowo

Ć wiczenie 17 BADANIE SILNIKA TRÓJFAZOWEGO KLATKOWEGO ZASILANEGO Z PRZEMIENNIKA CZĘSTOTLIWOŚCI

Ć wiczenie 17 BADANIE SILNIKA TRÓJFAZOWEGO KLATKOWEGO ZASILANEGO Z PRZEMIENNIKA CZĘSTOTLIWOŚCI Ć wiczeie 7 BADANIE SILNIKA TRÓJFAZOWEGO KLATKOWEGO ZASILANEGO Z RZEIENNIKA CZĘSTOTLIWOŚCI Wiadomości ogóle Rozwój apędów elektryczych jest ściśle związay z rozwojem eergoelektroiki Współcześie a ogół

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333))

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333)) 46. Wskazać liczbę rzeczywistą k, dla której graica k 666 + 333)) istieje i jest liczbą rzeczywistą dodatią. Obliczyć wartość graicy przy tak wybraej liczbie k. Rozwiązaie: Korzystając ze wzoru a różicę

Bardziej szczegółowo