THE DEMPSTER-SHAFER MODEL OF MECHANICAL OBJECT DURABILITY IN LABORATORY CONDITIONS

Wielkość: px
Rozpocząć pokaz od strony:

Download "THE DEMPSTER-SHAFER MODEL OF MECHANICAL OBJECT DURABILITY IN LABORATORY CONDITIONS"

Transkrypt

1 Joural of KONES Iteral Cobustio Egies 2005, vol. 12, 3-4 THE DEMPSTE-SHAFE MODEL OF MECHANICAL OBJECT DUABILITY IN LABOATOY CONDITIONS Katarzya Topolsa* Mariusz Topolsi** *Politechia Wrocławsa, Wydział Mechaiczy Istytut Kostrucji i Esploatacji Maszy ul.łuasiewicza 7/9, Wrocław tel.: e-ail: atarzya.topolsa@pwr.wroc.pl **Politechia Wrocławsa, Wydział Eletroii Katedra Systeów i Sieci Koputerowych ul. Jaiszewsiego 11/17 Wrocław e-ail: ariusz.topolsi@pwr.wroc.pl Abstract I the wor the odel of free fro defect paraeters deteriatio of echaical objects is preseted. The ew iforatio sythesis was proposed, i which the coefficiet of reliability is ot deteried but the Depster cobiatio rule is used. Based o the sythesis of idepedet experts rules the ass fuctios were deteried ad used for covictio deteriatio i that the object is usable. The values of deteried ass fuctios are used i further covictio calculatios of occurred free fro daage paraeters. I the aalysis the part specified odel was assued i which issig specificatio is ot copleet. MODEL DEMPSTEA-SHAFEA DO OCENY TWAŁOŚCI OBIEU MECHANICZNEGO W WAUNKACH LABOATOYJNYCH Streszczeie W pracy przedstawioo odel wyzaczaia paraetrów ieuszadzalości obietów echaiczych. Zapropoowao ową sytezę iforacji, w tórej ie wyzacza się współczyia pewości, ale stosuje się regułę obiacji Depstera. Na podstawie sytezy iezależych reguł espertów wyzaczae są fucje asy, wyorzystywae do wyzaczaia przeoaia w to, że obiet jest zdaty do użytu. Wartości wyzaczoych fucji asy są dalej wyorzystywae do obliczeia przeoań współwystępowaia paraetrów ieuszadzalości. W aalizie założoo odel częściowo wyspecyfioway, w tóry ie uzupełia się braującej specyfiacji. 1. Wstęp Ocea trwałości obietu echaiczego w waruach laboratoryjych przy subietywy jej wyzaczaiu oże oazać się ieprecyzyja, iepeła. ozpatrując ją w ategoriach czysto probabilistyczych oże oazać się, że oszacowaie prawdopodobieństw waruowych wystąpieia pewej zieej pod waruie, zaistieia grupy zieych oże oazać się ie ożliwe. Może być to przyczyą iepełej specyfiacji iforacji. Uszodzeia daego fragetu ostrucji echaiczej ają charater agły, zużyciowy 307

2 lub starzeiowy, a zagadieia aprawialości ie są brae pod uwagę [1]. Podstawową wadą etod iezawodości są: przyjęcie uproszczeń opisu daych towarzyszących obieto echaiczy, ja i bra iforacji o tych obietach. Przy zaworach z powłoai ceraiczyi, ożey przyjąć, że iepewyi wielościai opisującyi ostrucję zaworu są: wytrzyałość zęczeiowa, zużycie graicze oraz wyiar rytyczy pęięcia (ziee podstawowe). Czyiai zewętrzyi (otestowyi) wpływającyi a ziee podstawowe oże być oddziaływaie teperatury a elee prędość obrotowa wału z zaocoway zawore i oczywiście czas esploatacji. Zdjęcie budowy staowisa badawczego zajduje się a rys. 1. ys. 1. Zdjęcie staowisa badawczego Fig. 1. Picture of ivestigative positio Poieważ ziee opisujące ostrucje ają charater iepewy, a oceia ich jest subietywa a podstawie ocey espertów, to do wyzaczeia prawdopodobieństw wystąpieia ieuszadzalości ja i jej paraetrów (podstawowych i otestowych) przyjęto odel Depstera-Shafera, dalej w srócie będziey azywać go DS. 2. Mateatyczy opis zadaia rozpozawaia Poieważ w przypadu powło ceraiczych eleet uszodzoy ie będzie podlegał aprawie, więc gotowość obietu [1], prawdopodobieństwo a posteriori gotowości (jeżeli obiet ie jest aprawiay) jest defiiowae [1] jao: K g ( t) = ( t). (2.1) W aszy wypadu po oresie pracy urządzeia Δ t poddajey subietywej oceie procetowe uszodzeie eleetu porytego powłoą ceraiczą. Zaleca się w celu doładiejszej aalizy aby aaliza była dooywaa co ajiej przez dwóch espertów (są to iforacje iezależe). Przyjijy zate astępującą postać ieuszadzalości:, PP, PW = = =, PP (, ω) = Bel ( S) = Bel, PW = Bel ω); S;, PP 0 τ < t)}, ω)} Bel 0 τ < t},, PW S)}, (2.2) 308

3 gdzie: t czas esploatacji części ostrucyjej, L głęboość pęięcia, T S = [ S u p ] - wetor wytrzyałości, S u - wielość pęięcia, S p - zużycie powłoi ceraiczej, TP teperatura zaworu w tracie badań, ω - prędość obrotowa [obr/i] tarczy z zaworai, olejy eleet baday, PP paraetry pracy, PW paraetry wytrzyałości, Bel ω) - ozacza fucję przeoaia, w to, że obiet jest zdaty. Przez fucję przeoaia w sesie teorii DS rozuie się taą fucję Bel:2^{θ } [0,1], że Bel(A) = ( B) = 1, (2.3) B A gdzie (B) jest fucją asy w sesie teorii DS. Przez fucję asy w sesie teorii DS rozuie się fucję :2^{θ } [0,1] spełiającą warui: θ A 2 ( A) = 1, (2.4) ( φ ) = 0, (2.5) ( A) 0 A 2 θ. (2.6) ozpatrując dwa rozłady 1 i 2, oża dooać ich połączeia, otrzyując owy rozład bazowy według reguły 1( A) 2( B) A B= C (C) =. (2.7) 1( A) 2( B) A B φ Ocea ażdego esperta o wartości ieuszadzalości będzie wyzaczaa a podstawie reguł: eguła esperta: JEŻELI obiet pracował w day przedziale, czasu Δt i wystąpiły w ty czasie wartości paraetrów t, ω TO obiet jest ieuszodzoy A ( ω) (2.8) ze średią wartością fucji asy ie iejszą iż i ie więszą iż E E + 309

4 Kiedy ay dwie iezależe opiie ieuszadzalości w postaci reguły (2.8) to wyzaczeie średich wartości fucji asy dla ażdej opiii esperta oża dooać za poocą prostej zależości: gdzie: E ozacza esperta. E ( t, L E E+, ω )) = +, (2.9) 2 Ta otrzyae wartości fucji asy od -espertów łączyy za poocą reguły obiacji Depstera (2.7). Następie łatwo oża wyzaczyć wartość fucji przeoaia (2.3 tóra w oteście ta postawioego zadaia będzie iała postać: Bel ( AE (,,,, )) ( (,,,, ) 1K E t L S TP ω = E 1 E AE 1 E t L S TP ω K K (2.10) gdzie: E ( (,, )) 1K E AE 1 E t ω Φ κ K - jest rozłade fucji asy złożoy z iezależych rozładów wyzaczoych przez espertów. Oczywistą uwagą jest fa że wszystie wartości paraetrów w zadaych odstępach czasowych są ierzoe, obliczae i zapaiętywae. W dalszej części załadać będziey, że reguły espertów są iesprzecze. Poieważ ocea poszczególych paraetrów jest iepewa oraz ieprecyzyja zate paraetry tj. ω oża przedstawić w sposób rozyty. Przyładowe fucje przyależości zawarto a rys. 2, gdzie ozaczeia BM, M, D, BD, są to ziee ligwistycze (Bardzo Mały, Małyredi, Duży, Bardzo Duży). Wartości ax dla ażdej zieej są wyzaczae subietywie a podstawie poiaru - przy jaich wartościach baday obiet stracił właściwości do dalszej esploatacji. Wartości te ulegają ziaie, wtedy, gdy a podstawie badań iej próbi oceiy, że jej zdolość do pracy ończy się przy iych wyższych wartościach ax. W te sposób po - próbach ożey a pewy pozioie istotości ustalić graicze wartości dla ażdej zieej. W celu wyzaczeia zależości iędzy paraetrai oża wyorzystać regułę waruowaia [4]. Jeżeli jesteśy zaiteresowai hipotezai ależącyi do pewego iepustego podzbioru Δ całej przestrzei. Wówczas odwzorowaie Γ oża przedstawić: Γ Δ ({ }) = Γ { ω} ω ( Δ). (2.11) Przy tai założeiu iara Bel przyjuje postać: Bel ( H Δ) = ( Bel( H ( Δ) ) Bel( Δ) )/( 1 Bel( Δ) ). (2.12) 310

5 ys. 2. Przyładowe fucje przyależości Fig 2. The istaces of pertaied fuctios 3. Przyład pratyczy Przyjijy dla uproszczeia, że ay tylo trzy cechy opisujące obie i iech to będą: t i TP. Niech teraz przestrzeń staów dla aszego probleu a postać = t S TP, gdzie p. S - ozacza stay rozyte zdarzeia zużycia powłoi ceraiczej {M, D}. Oczywiście L M-ozacza ały, a D- duży i przypisae i orete fucje przyależości ( Κ) _, podobie dla pozostałych zieych, tórych wartości oża przedstawić jao rozyte. Ostateczie przestrzeń staów 3-wyiarowej zieej ( oże się sładać p. z 8 eleetów. (podobą aalizę oża odaleźć z pozycji [4]). f Zate: 1 D D D 311

6 2 D D M 3 D M D 4 D M M 5 M D D 6 M D M 7 M M D 8 M M M Za poocą wyzaczoych przez espertów wartości asy dla ieuszadzalości obietu ożey teraz wyzaczyć róże przeoaia, p. że soro obiet pracuje róti czas (oża tutaj dla potrzeb aalizy wyostrzyć wartość czasu i podać go w przedziale liczb rzeczywistych [2]) i teperatura palia jest duża to p. uszodzeie powierzchi zaworu z powłoą ceraiczą jest ałe. Załaday, że pali a wysoą teperaturę. W aszy wypadu odwzorowaie Γ : Ω 2 a postać: Γ Δ ({ A ( }) = { }, ({ ( }) = {,,, } będzie iała postać: 3, 7 ( A) = 0 Γ Δ ). A, to -fucja (1.5) , ({ }) = ( A ( ) 3, 7 E E TP ({,,,,, }) = ( A ( ) E E TP dla ażdego iego podzbioru przestrzei. Przyjijy, że ({ }) =0.98, atoiast ({,,, }) 3, 7 = , Niech Δ będzie podzbiore przestrzei odpowiadający rótieu oresowi pracy urządzeia, Δ ={ 5, 6, 7, 8 }. Zgodie z rówaiai (2.11) i (2.12) ożey zodyfiować odwzorowaie (2.11) i zapisać je w astępującej postaci: Γ Δ ({ A ( }) = { 7 }, Γ Δ ({ A ( }) = { 6, 8 }, to -fucja (2.4) będzie iała postać: ( A) = 0 ({ }) = ( A ( ) 7 E E TP ({ }) = ( A ( ), 6 8 E E TP dla ażdego iego podzbioru przestrzei Δ. Wyzaczy teraz przeoaie, że soro obiet pracuje róti czas i teperatura palia jest duża, to uszodzeie powierzchi zaworu z powłoą ceraiczą jest ałe Bel { } Δ) = ( Bel( {, } ({,,, })) Bel( {,,, }))/ 1 Bel( {,,, }) 8 8 ( ). ( Teraz w prosty sposób oża obliczyć, że ({,, }) Z czego otrzyujey: Bel = , 4 312

7 ({ 7} Δ) Bel =0,98. W podoby sposób oża wyzaczyć waruowe przeoaia dla iych obiacji przestrzei = t S TP. Na ażdy etapie wiosowaia otrzyujey róże wartości S i TP w dziedziie czasu t. Możey wyzaczyć charaterystyi (t)(t)(. Jeżeli do aalizy zastosujey więcej zieych opisujących obie to w te sposób ożey wyzaczyć więcej charaterysty. Należy przyjąć odpowiedi odel estyacji paraetrów szuaych fucji i a podstawie obliczeń zastosować je do wyzaczeia ońcowych charaterysty. Dla przypadu (2.2) ożey wyzaczyć pewą zależość: = ( ω ) = Bel ω); 0 τ < t} = α exp{ β t}. (2.13) Zając paraetry α i β, ożey wyzaczyć czas po tóry, iezawodość osiągie oretą wartość z zależości: 1 ( t) t = l. (2.14) β α = ( ω ) = Bel ω); 0 τ < t} = exp{ 0.04 t}. Charaterystyi otrzyae drogą syulacyją przedstawioo a rys. 3. ys. 3. Wyresy iezawodości od czasu Fig. 3. Graphs of reliability fro tie Wyres rys. 3 jest tylo wyiie syulacji dla dowolie dobraych ograiczeń i wartości zieych ieuszadzalości. Ziea Z=(t). Naiesioe puty a wyresie, są to wyii poiarów ieuszadzalości co pewie zaday czas do oetu zużycia 313

8 graiczego. Przyłady daych rzeczywistych oża będzie ipleetować podczas badań laboratoryjych. Należy wtedy dobrać odpowiedio paraetry iezawodości, tóre w ajwięszy stopiu, dysryiują ieuszadzalość. Moża oczywiście geerować wyresy powierzchiowe poazujące wpływ dwóch, trzech paraetrów a siebie oraz a ieuszadzalość. 4. Literatura: [1] Nowaowsi T., Metodya progozowaia i iezawodości obietów echaiczych, Oficya Wydawicza Politechii Wrocławsiej, Wrocław [2] utowsa D., Pilińsi M., utowsi L.ieci euroowe, algoryty geetycze i systey rozyte. Wydawictwo Nauowe PWN, Łódź [3] Wieczorowsi., Zielińsi., Koputerowe geeratory liczb losowych. Wydawictwa Nauowo Techicze, Warszawa [4] Wierzchoń S., Metody reprezetacji i przetwarzaia iforacji iepewej w raach teorii Depstera-Shafera, Istytut Podstaw Iforatyi Polsiej Aadeii Nau, Warszawa [5] Woźia M., Podstawy oputerowego rozpozawaia sterowaych łańcuchów Marowa z regułai esperta i ciągie uczący algoryty i ich zastosowaie w diagostyce edyczej, Praca dotorsa r 2/96, Politechia Wrocławsa,

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

H brak zgodności rozkładu z zakładanym

H brak zgodności rozkładu z zakładanym WSPÓŁZALEŻNOŚĆ PROCESÓW MASOWYCH Test zgodości H : rozład jest zgody z załadaym 0 : H bra zgodości rozładu z załadaym statystya: p emp i p obszar rytyczy: K ;, i gdzie liczba ategorii p Przyład: Wyoujemy

Bardziej szczegółowo

Techniczne Aspekty Zapewnienia Jakości

Techniczne Aspekty Zapewnienia Jakości Istytut Techologii Maszy i Automatyzacji Politechii Wrocławsiej Pracowia Metrologii i Badań Jaości Wrocław, dia Ro i ierue studiów. Grupa (dzień tygodia i godzia rozpoczęcia zajęć) Techicze Aspety Zapewieia

Bardziej szczegółowo

χ 2 = + 2π 2 Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: σ

χ 2 = + 2π 2 Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: σ χ Niech ziea losowa a rozkład oralyn(; µ,). Zajdziey rozkład zieej: µ Stadaryzjąc zieą losową µ otrzyjey stadaryzoway rozkład Gassa: ( ;, ) ep N 0 π Rozkład zieej a więc postać: d ( X + ) N N ep d π Rozważy

Bardziej szczegółowo

Rozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej:

Rozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: Rozkład χ Niech ziea losowa a rozkład oralyn(; µ,). Zajdziey rozkład zieej: µ Stadaryzjąc zieą losową µ otrzyjey stadaryzoway rozkład Gassa: ( ;, ) ep N 0 π Rozkład zieej a więc postać: d ( X + ) N N ep

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobieństwo i statystyka.0.00 r. Zadaie Rozważy astępującą, uproszczoą wersję gry w,,woję. Talia składa się z 5 kart. Dobrze potasowae karty rozdajey dwó graczo, każdeu po 6 i układay w dwie kupki.

Bardziej szczegółowo

1.3. Przestrzeni. Odwzorowania. Rząd macierzy. Twierdzenie Croneckera- Capellego

1.3. Przestrzeni. Odwzorowania. Rząd macierzy. Twierdzenie Croneckera- Capellego WYKŁD 4 3 Przestrzei Odwzorowaia Rząd acierzy Twierdzeie Croecera- Capellego 3 Przestrzeń Przestrzeń wetorowa Baza przestrzei wetorowej 78 (Przestrzeń ) Niech ozacza zbiór wszystich ciągów -eleetowych

Bardziej szczegółowo

Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na okres drgań

Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na okres drgań KAEDRA FIZYKI SOSOWANEJ PRACOWNIA 5 FIZYKI Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na ores drgań Wprowadzenie Ruch drgający naeży do najbardziej rozpowszechnionych ruchów w przyrodzie.

Bardziej szczegółowo

Podstawowe pojęcia. Próba losowa. Badanie próby losowej

Podstawowe pojęcia. Próba losowa. Badanie próby losowej METODY PROBABILISTYCZNE I STATYSTYKA WYKŁAD 8: STATYSTYKA OPISOWA. ROZKŁADY PRAWDOPODOBIEŃSTWA WYSTĘPUJĄCE W STATYSTYCE. Małgorzata Krętowska Wydział Iforatyki Politechika Białostocka Podstawowe pojęcia

Bardziej szczegółowo

ANALIZA DRGAŃ POPRZECZNYCH PŁYTY PIERŚCIENIOWEJ O ZŁOŻONYM KSZTAŁCIE Z UWZGLĘDNIENIEM WŁASNOŚCI CYKLICZNEJ SYMETRII UKŁADU

ANALIZA DRGAŃ POPRZECZNYCH PŁYTY PIERŚCIENIOWEJ O ZŁOŻONYM KSZTAŁCIE Z UWZGLĘDNIENIEM WŁASNOŚCI CYKLICZNEJ SYMETRII UKŁADU Dr iż. Staisław NOGA oga@prz.edu.pl Politechika Rzeszowska ANALIZA DRGAŃ POPRZECZNYCH PŁYTY PIERŚCIENIOWEJ O ZŁOŻONYM KSZTAŁCIE Z UWZGLĘDNIENIEM WŁASNOŚCI CYKLICZNEJ SYMETRII UKŁADU Streszczeie: W publikacji

Bardziej szczegółowo

Pattern Classification

Pattern Classification atter Classificatio All materials i these slides were tae from atter Classificatio d ed by R. O. Duda,. E. Hart ad D. G. Stor, Joh Wiley & Sos, 000 with the permissio of the authors ad the publisher Chapter

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Automatya i Robotya Aaliza Wyład dr Adam Ćmiel cmiel@agh.edu.pl Rachue różiczowy fucji wielu zmieych W olejych wyładach uogólimy pojęcia rachuu różiczowego i całowego fucji jedej zmieej a przypade fucji

Bardziej szczegółowo

tek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze

tek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze R o z d z i a l III RÓWNANIA RÓŻNICZKOWE LINIOWE WYŻSZYCH RZE DÓW 12. Rówaie różiczowe liiowe -tego rze du Na pocza te zauważmy, że podobie ja w dziedziie rzeczywistej wprowadzamy dla fucji zespoloych

Bardziej szczegółowo

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

OCENA NIEZAWODNOŚCI BUDYNKÓW NA TERENACH WSTRZĄSÓW GÓRNICZYCH ASSESSMENT OF BUILDING RELIABILITY IN MINING TREMOR AREAS

OCENA NIEZAWODNOŚCI BUDYNKÓW NA TERENACH WSTRZĄSÓW GÓRNICZYCH ASSESSMENT OF BUILDING RELIABILITY IN MINING TREMOR AREAS GÓRNICTWO I GEOLOGIA 21 To 5 Zeszyt 2 Jerzy KWIATEK Główy Istytut Górictwa, Katowice OCENA NIEZAWODNOŚCI BUDYNKÓW NA TERENACH WSTRZĄSÓW GÓRNICZYCH Streszczeie. Podstawą ocey ożliwości przeprowadzeia projetowaej

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

Anna Czapkiewicz Przykłady zależności pomiędzy dochodem a wydatkami na konsumpcję w przypadku losowości zmiennej niezależnej

Anna Czapkiewicz Przykłady zależności pomiędzy dochodem a wydatkami na konsumpcję w przypadku losowości zmiennej niezależnej Przykłady zależości poiędzy dochode a wydatkai a kosupcję w przypadku losowości zieej iezależej Maagerial Ecooics, 65-74 27 Ekooia Meedżerska 27, r, s. 65 74 * Przykłady zależości poiędzy dochode a wydatkai

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i

Bardziej szczegółowo

INDUKCJA MATEMATYCZNA

INDUKCJA MATEMATYCZNA MATEMATYKA DYSKRETNA (4/5) dr hab. iż. Małgorzata Stera malgorzata.stera@cs.put.poza.pl www.cs.put.poza.pl/mstera/ INDUKCJA MATEMATYCZNA Matematya Dysreta Małgorzata Stera FUNKCJA SILNIA dla, fucja silia

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

Wyższe momenty zmiennej losowej Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla

Bardziej szczegółowo

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h() dla dysretej zm. losowej oraz ucji h() dla ciągłej zm. losowej: m E P m E ( ) d Deiicja: Mometem cetralym µ rzędu

Bardziej szczegółowo

Algorytm wyznaczania krotności diagnostycznej struktury opiniowania diagnostycznego typu PMC 1

Algorytm wyznaczania krotności diagnostycznej struktury opiniowania diagnostycznego typu PMC 1 BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 18, 2003 Algoryt wyznaczania rotności diagnostycznej strutury opiniowania diagnostycznego typu PMC 1 Artur ARCIUCH Załad Systeów Koputerowych, Instytut Teleinforatyi

Bardziej szczegółowo

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego. Rachue rawdoodobieństwa MAP064 Wydział Eletroii, ro aad. 008/09, sem. leti Wyładowca: dr hab. A. Jurlewicz Wyład 8: Zmiee losowe dysrete. Rozłady Beroulliego (dwumiaowy), Pascala, Poissoa. Przybliżeie

Bardziej szczegółowo

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n Metoda Newtoa i rówaie z = 1 Załóżmy, że fucja f :C C ma ciągłą pochodą. Dla (prawie) ażdej liczby zespoloej z 0 tworzymy ciąg (1) (z ) 0, z 1 = z f ( z ), ciąg te f ' (z ) będziemy azywać orbitą liczby

Bardziej szczegółowo

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki Politechia Warszawsa Wydział Samochodów i Maszy Roboczych Istytut Podstaw Budowy Maszy Załad Mechaii http://www.ipbm.simr.pw.edu.pl/ Teoria maszy i podstawy automatyi semestr zimowy 206/207 dr iż. Sebastia

Bardziej szczegółowo

Statystyka Wzory I. Analiza struktury

Statystyka Wzory I. Analiza struktury Uiwersytet Ekooiczy w Katowicach Wzory I. Aaliza struktury 1. Miary tedecji cetralej (średie, przecięte Średia arytetycza Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

WYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI

WYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI Piotr KOZIERSKI WYKORZYSTAIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDETYFIKACJI UKŁADÓW AUTOMATYKI STRESZCZEIE W artyule przedstawioo sposób idetyfiacji parametryczej obietów ieliiowych zapisaych w przestrzei

Bardziej szczegółowo

Analiza I.1, zima globalna lista zadań

Analiza I.1, zima globalna lista zadań Aaliza I., zima 207 - globala lista zadań Marci Kotowsi 8 styczia 208 Podstawy Zadaie. Udowodij, że dla ażdego aturalego liczby 7 2 + oraz 7 2 dzielą się przez 6. Zadaie 2. Rozstrzygij, czy poiższe liczby

Bardziej szczegółowo

DRGANIA MECHANICZNE. materiały uzupełniające do ćwiczeń. Wydział Samochodów i Maszyn Roboczych studia inżynierskie

DRGANIA MECHANICZNE. materiały uzupełniające do ćwiczeń. Wydział Samochodów i Maszyn Roboczych studia inżynierskie DRGANIA MECHANICZNE ateriały uzupełniające do ćwiczeń Wydział Saochodów i Maszyn Roboczych studia inżyniersie prowadzący: gr inż. Sebastian Korcza część 5 płaszczyzna fazowa Poniższe ateriały tylo dla

Bardziej szczegółowo

1. Błąd średni pomiaru. Leica DISTO

1. Błąd średni pomiaru. Leica DISTO Aaliza dokładości poiarów Charakterystyką dokładości istruetów poiarowych jest błąd średi poiaru. Wykoywae poiary bezpośredie w tereie pośrediczą zwykle w wyzaczaiu pewych wielkości ie poddających się

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Lista 6. Estymacja punktowa

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

Bardziej szczegółowo

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011 Dwumia Newtoa Agiesza Dąbrowsa i Maciej Nieszporsi 8 styczia Wstęp Wzory srócoego możeia, tóre pozaliśmy w gimazjum (x + y x + y (x + y x + xy + y (x + y 3 x 3 + 3x y + 3xy + y 3 x 3 + y 3 + 3xy(x + y

Bardziej szczegółowo

WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ

WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ Wstęp. Za wyjątie nielicznych funcji, najczęściej w postaci wieloianów, dla tórych ożna znaleźć iniu na drodze analitycznej, pozostała więszość

Bardziej szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA NA ĆWICZENIA 3 I 4 Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.

Bardziej szczegółowo

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI CHARAKERYSYKI CZĘSOLIWOŚCIOWE PODSAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUOMAYKI Do podstawowych form opisu dyamii elemetów automatyi (oprócz rówań różiczowych zaliczamy trasmitację operatorową s oraz trasmitację

Bardziej szczegółowo

kpt. dr inż. Marek BRZOZOWSKI kpt. mgr inż. Zbigniew LEWANDOWSKI Wojskowy Instytut Techniczny Uzbrojenia

kpt. dr inż. Marek BRZOZOWSKI kpt. mgr inż. Zbigniew LEWANDOWSKI Wojskowy Instytut Techniczny Uzbrojenia pt. dr iż. Mare BRZOZOWSKI pt. mgr iż. Zbigiew LEWANDOWSKI Wojsowy Istytut Techiczy Uzbrojeia METODA OKREŚLANIA ROZRÓŻNIALNOŚCI OBIEKTÓW POWIETRZNYCH PRZEZ URZĄDZENIA RADIOLOKACYJNE Z WYKORZYSTANIEM LOTÓW

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY

LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY Zgodie z dążeiami filozofii pitagorejsiej matematyzacja abstracyjego myśleia powia być dooywaa przy pomocy liczb. Soro ta, to liczby ależy tworzyć w miarę

Bardziej szczegółowo

Zajęcia nr. 2 notatki

Zajęcia nr. 2 notatki Zajęcia r otati wietia 5 Wzory srócoego możeia W rozdziale tym podamy ila wzorów tóre ułatwiają obliczaie wielu zadań rachuowych Fat (wzory srócoego możeia) Dla dowolych liczb rzeczywistych a, b zachodzi:

Bardziej szczegółowo

DRGANIA MECHANICZNE. materiały uzupełniające do ćwiczeń. Wydział Samochodów i Maszyn Roboczych studia inżynierskie

DRGANIA MECHANICZNE. materiały uzupełniające do ćwiczeń. Wydział Samochodów i Maszyn Roboczych studia inżynierskie DRGANIA MECHANICZNE ateriały uzupełniające do ćwiczeń Wydział Saochodów i Maszyn Roboczych studia inżyniersie prowadzący: gr inż. Sebastian Korcza część 6 ułady dysretne o wielu stopniach swobody Poniższe

Bardziej szczegółowo

Twierdzenie 15.3 (o postaci elementów rozszerzenia ciała o zbiór). Niech F będzie ciałem oraz A F pewnym zbiorem. Niech L<F.

Twierdzenie 15.3 (o postaci elementów rozszerzenia ciała o zbiór). Niech F będzie ciałem oraz A F pewnym zbiorem. Niech L<F. 15. Wyład 15: Podciała, podciała geerowae przez zbiór, rozszerzeia ciał. Charaterystya pierścieia i ciała, ciała proste i lasyfiacja ciał prostych. 15.1. Podciała, podciała geerowae przez zbiór, rozszerzeia

Bardziej szczegółowo

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki Politechia Warszawsa Wydział Samochodów i Maszy Roboczych Istytut Podstaw Budowy Maszy Załad Mechaii http://www.ipbm.simr.pw.edu.pl/ Teoria maszy i podstawy automatyi semestr zimowy 07/08 dr iż. Sebastia

Bardziej szczegółowo

Metody Podejmowania Decyzji

Metody Podejmowania Decyzji Metody Podejmowaia Decyzji Wzrost liczby absolwetów w Politechice Wrocławsiej a ieruach o luczowym zaczeiu dla gospodari opartej a wiedzy r UDA-POKL.04.0.0-00-065/09-0 Recezet: Prof. dr hab. iż. Ja Iżyowsi

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

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

Bardziej szczegółowo

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

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

ZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH

ZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI 2 PEARSONA ROZKŁAD GAUSSA Ćwiczeia rachuowe TEST ZGODOŚCI PEARSOA ROZKŁAD GAUSSA UWAGA: a stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz alulacyjy do programu Calc paietu Ope Office, iezbędy podczas

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy przydziału

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy przydziału Istrukcja do ćwiczeń laboratoryjych z przediotu: Badaia operacyje Teat ćwiczeia: Probley przydziału Zachodiopoorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki Szczeci 20 Opracował:

Bardziej szczegółowo

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość

Bardziej szczegółowo

Elementy modelowania matematycznego

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

Bardziej szczegółowo

Rozkłady statystyk z próby Twierdzenia graniczne

Rozkłady statystyk z próby Twierdzenia graniczne Rozkłady statystyk z róby Twierdzeia graicze PRÓBA LOSOWA Próbą losową rostą azyway ciąg -zieych losowych iezależych i osiadających jedakowe rozkłady takie jak rozkład zieej losowej w oulacji geeralej

Bardziej szczegółowo

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli.

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli. KOMBINATORYKA Kombiatoryą azywamy dział matematyi zajmujący się zbiorami sończoymi oraz relacjami między imi. Kombiatorya w szczególości zajmuje się wyzaczaiem liczby elemetów zbiorów sończoych utworzoych

Bardziej szczegółowo

Wykład 9. Fizyka 1 (Informatyka - EEIiA 2006/07)

Wykład 9. Fizyka 1 (Informatyka - EEIiA 2006/07) Wyład 9 Fizya 1 (Informatya - EEIiA 006/07) 9 11 006 c Mariusz Krasińsi 006 Spis treści 1 Ruch drgający. Dlaczego właśnie harmoniczny? 1 Drgania harmoniczne proste 1.1 Zależność między wychyleniem, prędością

Bardziej szczegółowo

Metoda najszybszego spadku

Metoda najszybszego spadku Metody Gradietowe W tym rozdziale bdziemy rozwaa metody poszuiwaia dla fucji z przestrzei R o wartociach rzeczywistych Metody te wyorzystuj radiet fucji ja rówie wartoci fucji Przypomijmy, czym jest zbiór

Bardziej szczegółowo

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce IV Uiwersyteca Sobota Matematycza 4 wietia 208 Fucje tworzące w ombiatoryce Dla ciągu a 0 a a 2... defiiujemy fucję tworzącą: G(x) = a x = a 0 + a x + a 2 x 2 + a 3 x 3 + =0. Zajdź fucje tworzące dla poiższych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

VII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3.

VII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3. KOOF Szczeci: www.of.szc.pl VII MIĘDZYNAODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretycze T3. Źródło: Komitet Główy Olimpiady Fizyczej; Olimpiada Fizycza XXIII XXIV, WSiP Warszawa 1977 Autor: Waldemar Gorzkowski

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa

Analiza matematyczna i algebra liniowa Aaliza matematycza i algebra liiowa Materiały pomocicze dla studetów do wyładów Rachue różiczowy ucji wielu zmieych. Pochode cząstowe i ich iterpretacja eoomicza. Estrema loale. Metoda ajmiejszych wadratów.

Bardziej szczegółowo

Dodatek 10. Kwantowa teoria przewodnictwa I

Dodatek 10. Kwantowa teoria przewodnictwa I Dodate 10 Kwatowa teoria przewodictwa I Teoria lascza iała astępujące aaet: (1) zierzoe wartości średiej drogi swobodej oazał się o ila rzędów wielości więsze iż oczeiwae () teoria ie dawała poprawc zależości

Bardziej szczegółowo

Wrocław 2003 STATECZNOŚĆ. STATYKA 2 - projekt 1 zadanie 2

Wrocław 2003 STATECZNOŚĆ. STATYKA 2 - projekt 1 zadanie 2 Wrocław 00 STATECZNOŚĆ STATYKA - projet zadanie . Treść zadania Dla ray o scheacie statyczny ja na rysunu poniżej należy : - Sprawdzić czy uład jest statycznie niezienny - Wyznaczyć siły osiowe w prętach

Bardziej szczegółowo

UWAGI O GRANICZNYCH ROZKŁADACH EKSTREMALNYCH STATYSTYK POZYCYJNYCH

UWAGI O GRANICZNYCH ROZKŁADACH EKSTREMALNYCH STATYSTYK POZYCYJNYCH D I D A C T I C S O F M A T H E M A T I C S No. 5-6 (9-0) 009 Rafał Korzoe (Wrocław) UWAGI O GRANICZNYCH ROZKŁADACH EKSTREMALNYCH STATYSTYK POZYCYJNYCH Abstract. I may practical issues to deal with etreme

Bardziej szczegółowo

Problemy niezawodnościowo-eksploatacyjne. dotyczące układów zasilających. elektronicznego systemu bezpieczeństwa.

Problemy niezawodnościowo-eksploatacyjne. dotyczące układów zasilających. elektronicznego systemu bezpieczeństwa. aua Problemy iezawodościowo-esploatacyje uładów zasilających eletroicze systemy bezpieczeństwa Waldemar Szulc Wyższa Szoła Meedżersa w Warszawie, Wydział Iformatyi Stosowaej i Techi Bezpieczeństwa Streszczeie:

Bardziej szczegółowo

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,...

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,... Model Lesliego Macierze Lesliego i Markowa K. Leśiak Wyodrębiamy w populaci k grup wiekowych. Po każde edostce czasu astępuą arodziy i zgoy oraz starzeie (przechodzeie do astępe grupy wiekowe). Chcemy

Bardziej szczegółowo

Twierdzenia o funkcjach ciągłych

Twierdzenia o funkcjach ciągłych Automatya i Robotya Aaliza Wyład 5 dr Adam Ćmiel cmiel@aghedupl Twierdzeia o ucjach ciągłych Tw (Weierstrassa Jeżeli ucja : R [ R jest ciągła a [, to ograiczoa i : ( sup ( i ( i ( [, Dowód Ograiczoość

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

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

Bardziej szczegółowo

Krótkie i dość swobodne wprowadzenie do liczb Stirlinga. Jakub Kamiński

Krótkie i dość swobodne wprowadzenie do liczb Stirlinga. Jakub Kamiński Krótie i dość swobode wprowadzeie do liczb Stirliga Jaub Kamińsi 9 styczia 27 LICZBY STIRLINGA PIERWSZEGO RODZAJU Liczby Stirliga pierwszego rodzaju Liczby Stirliga zawdzięczają swoją azwę szociemu matematyowi

Bardziej szczegółowo

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu Przykład 10.5. Obliczeie wskaźika plastyczości przy skręcaiu Obliczyć wskaźiki plastyczości przy skręcaiu dla astępujących przekrojów: a) -kąta foremego b) przekroju złożoego 6a 16a 9a c) przekroju ciekościeego

Bardziej szczegółowo

Chemiczne metody analizy ilościowej (laboratorium)

Chemiczne metody analizy ilościowej (laboratorium) Cheicze etody aalizy ilościowej (laboratoriu) Broiaoetria 9. Przygotowaie iaowaego roztworu broiau (V) potasu Broia(V) potasu ależy do stosowaych w aalizie cheiczej substacji podstawowych. oże być otrzyay

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

Teoria i metody optymalizacji

Teoria i metody optymalizacji eoria i metody optymalizaci Programowaie liiowe całowitoliczbowe PCL Metodologia podziału i ograiczeń Brach ad Boud (B&B) ma c A Z echique Metodologia podziału i ograiczeń B&B { A b i Z } Podstawą metodologii

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

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

Bezpieczeństwo i niezawodność w geotechnice Kalibracja częściowych współczynników bezpieczeństwa według Eurokodu EC7-1

Bezpieczeństwo i niezawodność w geotechnice Kalibracja częściowych współczynników bezpieczeństwa według Eurokodu EC7-1 Bezpieczeństwo i iezawodość w geotechice Kalibracja częściowych współczyiów bezpieczeństwa według Euroodu EC7-1 Dr hab iż Włodzimierz Brząała, prof PWr Politechia Wrocławsa, Wydział Budowictwa Lądowego

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

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

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jaicka wykład XIV, 06.06.06 STATYSTYKA BAYESOWSKA CD. Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jaicka wykład XIII, 30.05.06 STATYSTYKA BAYESOWSKA Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej

Bardziej szczegółowo

STEROWANIE STRUKTUR DYNAMICZNYCH. Zastosowanie sterowania typu Sky-hook w układach redukcji drgań

STEROWANIE STRUKTUR DYNAMICZNYCH. Zastosowanie sterowania typu Sky-hook w układach redukcji drgań STEROWANIE STRUKTUR DYNAMICZNYCH Zastosowanie sterowania typu Sy-hoo w uładach reducji drgań gr inż. Łuasz Jastrzębsi Katedra Autoatyzacji Procesów - Aadeia Górniczo-Hutnicza Kraów, 20 LISTOPADA 2013 Plan

Bardziej szczegółowo

Podstawy rachunku prawdopodobieństwa (przypomnienie)

Podstawy rachunku prawdopodobieństwa (przypomnienie) . Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń

Bardziej szczegółowo

UOGÓLNIONA MIARA DOPASOWANIA W MODELU LINIOWYM

UOGÓLNIONA MIARA DOPASOWANIA W MODELU LINIOWYM UOGÓLNIONA MIARA DOPASOWANIA W MODELU LINIOWYM Wojciech Zieliński Katedra Ekonoetrii i Statystyki, SGGW Nowoursynowska 159, PL-0-767 Warszawa wojtekzielinski@statystykainfo Streszczenie: W odelu regresji

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Zadanie Rozważmy następujący model strzelania do tarczy. Współrzędne puntu trafienia (, Y ) są niezależnymi zmiennymi losowymi o jednaowym rozładzie normalnym N ( 0, σ ). Punt (0,0) uznajemy za środe tarczy,

Bardziej szczegółowo

Analiza I.1, zima wzorcowe rozwiązania

Analiza I.1, zima wzorcowe rozwiązania Aaliza I., zima 07 - wzorcowe rozwiązaia Marci Kotowsi 5 listopada 07 Zadaie. Udowodij, że dla ażdego aturalego liczba 7 + dzieli się przez 6. Dowód. Tezę udowodimy za pomocą iducji matematyczej. Najpierw

Bardziej szczegółowo

Składka ubezpieczeniowa

Składka ubezpieczeniowa Przychody zakładów ubezpieczeń Przychody i wydatki zakładów ubezpieczeń Składka ubezpieczeiowa 60-95 % Przychody z lokat 5-15 % Przychody z reasekuracji 5-30 % Wydatki zakładów ubezpieczeń Odszkodowaia

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n) ZADANIA - ZESTAW Zadaie.. Wyzaczyć m (), D ( ) dla procesu symetryczego (p = q =,) błądzeia przypadkowego. Zadaie.. Narysuj graf łańcucha Markowa symetrycze (p = q =,) błądzeie przypadkowe z odbiciem.

Bardziej szczegółowo

Liczby Stirlinga II rodzaju - definicja i własności

Liczby Stirlinga II rodzaju - definicja i własności Liczby Stirliga II rodzaju - defiicja i własości Liczby Stirliga II rodzaju ozaczae sybole S(, ) lub { oża defiiować jao współczyii w rozwiięciu gdzie { x x, 0 (1) 0 x x(x 1)... (x + 1), 1 x 0 1. (2) Zostały

Bardziej szczegółowo

ĆWICZENIE 1 Symulacja doświadczeń losowych Statystyka opisowa Estymacja parametryczna i nieparametryczna T E O R I A

ĆWICZENIE 1 Symulacja doświadczeń losowych Statystyka opisowa Estymacja parametryczna i nieparametryczna T E O R I A ĆWICZENIE Symulacja doświadczeń losowych Statystya opisowa Estymacja parametrycza i ieparametrycza T E O R I A Opracowała: Katarzya Stąpor Opis programu MS EXCEL. Iformacje ogóle Program Microsoft Excel

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

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

Bardziej szczegółowo

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że

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

I. Podzielność liczb całkowitych

I. Podzielność liczb całkowitych I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc

Bardziej szczegółowo