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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

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 i Wodego STANDARDOWA KALIBRACJA CZĘŚCIOWYCH WSPÓŁCZYNNIKÓW BEZPIECZEŃSTWA Operowaie częściowymi współczyiami bezpieczeństwa jest główą pratyczą treścią Euroodu EC7-1 [7], a ich dobór astąpił przyajmiej w zamiarze w drodze tzw procedur alibra cji [1] Ostateczie wartości poddao jeda wielu różym oretom, uśredieiom i rajowym uzgodieiom Sam sposób postępowaia przy projetowaiu odbiega od pierwowzoru metody Hasofera i Lida, tóra jest zalecaa w podstawowych ormach: w PN-ISO 394 [5] oraz w Euroodzie PN-EN 1990 [6] Podstawowa miara iezawodości, tórą jest wsaźi iezawodości β, awet bezpośredio ie pojawia się w Euroodzie EC7-1 I odwrotie, ta waże i otrowersyje pojęcia ormy EC7-1 ja wartości charaterystycze parametrów i częściowe współczyii bezpieczeństwa w ogóle ie występują w ogólej metodzie Hasofera i Lida [] Ta sytuacja wymaga szczegółowego omówieia Celem pracy jest prześledzeie procedury alibracji częściowych współczyiów bezpieczeństwa a przyładzie stateczości GEO a przesuięcie Umożliwi to sformułowaie wiosów ilościowych, a ie tylo jaościowych ja w poprzediej pracy [] Wartości obliczeiowe i wartości charaterystycze Itecją Euroodu EC7-1 jest wsazaie jedego zestawu wartości parametrów do sprawdzeia wa ruu graiczego lub wyjątowo dwóch ombiacji w podejściu obliczeiowym 1 Te zestaw wartości obliczeiowych parametrów podstawowych, symboliczie ozaczay w Euroodzie EC7-1 jao (γ F ψ F ; X / γ ; a jest awiązaiem M d do putu obliczeiowego x d w rozumieiu metody Hasofera i Lida [1, ] W oretym uładzie liczb (ajbardziej prawdopodobych ieorzystych parametrów sprawdza się, czy fucja waruu graiczego g spełia ierówość g (γ F ψ F ; X / γ ; a 0 Załadamy, że put obliczeiowy jest w postaci (x d1 M d,, x d = (x 1,, x (,, γ, gdzie γ i > 1 są częściowymi współczyiami daego parametru podstawowego Symbol ozacza odpowiedio pomożeie wartości charaterystyczej x i przez γ i (zazwyczaj oddziaływań F albo podzieleie wartości charaterystyczej x i przez γ i (główie wytrzymałości R w zależości od tego, tóry przypade jest po stroie bezpieczej Wymiary geometrycze a d aalizuje się odrębie za pomocą dopuszczalych odchyłe [1, 7] Wartość charaterystycza parametru grutowego jest wartością ostrożie wyprowadzoą, przyjmowa ą z odpowiedim zapasem bezpieczeństwa Oreśleie tego podstawowego pojęcia Euroodu EC7-1 zasauje braiem oretów Ozacza to spore trudości iterpretacyje dla geotechiów, tym bardziej dla iespecjalistów, ale przede wszystim może być poważym proble mem w sprawach sporych, w tym p w opiiach biegłych sądowych Niedosyt ma swoje podłoże główie w oteście ieobowiązującej już ormy PN-81/B 0300, gdzie sprawy te uregulowao róto i jedozaczie W ogólym przypadu przyjmuje się x = η X, gdzie η jest współczyiiem owersji, tóry uwzględia efety zmieości przestrzeej, liczebość próby i ie istote parametry [5] W grutach mogą występować duże rozbieżości w szacowaiu współczyiów częściowych γ M dla parametrów wytrzymałościowych, poieważ tę samą wartość obliczeiową x d = η X / γ moża osiągąć M przy bardzo restrycyjym zdefiiowaiu wartości charaterystyczej X (p 5% watyl i małej wartości współczyia γ M lub przy bardzo liberalym szacowaiu wartości charaterystyczej X (p wartość średia i dużej wartości współczyia γ M Warto w tym miejscu przypomieć, że w świetle ormy PN-ISO 394 (pt 18 grut ie jest zaliczay do materiałów w rozumieiu wyrobów produowaych, czyli oreślaie wartości charaterystyczych może ale ie musi być oparte a 5% watylu Dobrym pomysłem jest uzależieie wartości charaterystyczej X od wartości oczeiwaej µ lub wartości średiej X m tego parametru grutowego oraz od współczyia zmieości (iepewości ν, czyli X = X m (1 ± ν µ (1 ± ν Przybliżeie µ X m, tj przybliżeie wartości oczeiwaej rozładu za pomocą wartości średiej z badań, może być źródłem dodatowego błędu statystyczego ( pomiarowego, jeśli liczebość próby jest mała Parametr wyzacza się często a podstawie 5% watyla dla rozładu ormalego i wtedy = 1,65 Współczyi zmieości (iepewości putowej ν ależy jeda zreduować ze względu a przestrzee flutuacje parametru w podłożu Przyładowo, dla realej wartości współczyia Γ = 0,6 ozacza to, że wartość = 1,65 ależy zastąpić przez Γ = 1,65 0,6 1,0 i wtedy X = X m (1 ± Γ ν X m (1 ± ν H R Scheider [4] przyjmuje wartość współczy ia reducyjego dla zmieości putowej parametrów grutowych: X δ = Xm (1 ± 1, 65 Γ ν dla Γ= 1 (1 L gdzie: δ sala flutuacji parametru w podłożu [m], L długość liii poślizgu w staie graiczym [m] Dla ewetualego δ > L załada się bra reducji, czyli Γ = 1 W pierwszym przybliżeiu we wzorze (1 stosowao wartość Γ = 0,3 ja dla δ / L ~ 1/10, ale ostatio ta propozycja jest poddawaa autorsiej autoorecie [4] Jest to bowiem wartość stosuowo mała, czyli moco reduująca zmieość Może być oa właściwa dla pali, wysoich sarp i głęboich wyopów, ale już a przyład ieoieczie przy oreśleiu ośoś ci fudametów bezpośredich, gdzie więszy jest wpływ poziomej pracy podłoża iż pracy w ieruu pioowym W srajym przypadu, dla bardzo małej względej sali flutuacji δ / L 0, otrzymuje się w rówaiu (1 wyrażeie X = X m, ta ja jest w PN-81/B

2 Użycie współczyia reducyjego Γ jest oiecze, ale w pratyce sprawia duże łopoty Sala flutuacji δ ie jest bowiem stadardowym parametrem geotechiczym podłoża, a w dodatu jest zazwyczaj róża w ieruu pioowym i poziomym, δ h >> δ v, [ 4] Jeszcze więszy problem stwa rza jeda długość liii poślizgu L, tóra a pewo zależy od wymiarów fudametu, wysoości sarpy itp a zatem w ogóle ie jest to parametr geotechiczy podłoża W bezpośredio posadowioej ławie fudametowej o szeroości B zasięg pioowy stref wypieraia grutu a rys 1 w pracy [] zmieia się od H B 0,9 B (gruty spoiste, f = 15 do H B 1,7 B (gruty iespoiste, f = 33 Wyorzystuje się w tym miejscu rozwiązaie Pradtla, w tórym H B = B ½ cos (f exp{[π / 4 + f / ] ta (f} / cos (π / 4 + f / Przyjmując we wzorze (1 salę flutuacji δ v ~ 1 m, δ h ~, otrzymuje się Γ v ~ 0,9 dla grutu spoistego i B = 0,6 m oraz wartość trzyrotie miejszą Γ v ~ 0,3 dla grutu iespoistego i B =,4 m Przyjęto tutaj, że długość liii poślizgu wyosi L h ~ H B (po zrzutowaiu a oś pioową; zmieość w ieruu poziomym i jej reducję pomija się Te rezultat dobrze orespoduje z powszechie zaym fatem, że duży fudamet sutecziej wyrówuje iejedorodości podłoża Jeżeli aaliza uwzględia efety zmieości przestrzeej bezpośredio w wartości charaterystyczej X, to współczyi owersji moża pomiąć (η = 1 Zasady alibracji iesorelowae zmiee podstawowe Poieważ z jedej stroy (w teorii Hasofera i Lida por [] jest x d = E{X} + z d A = µ + z d A oraz z drugiej stroy jest x d = x γ = (x i (γ i, a więc po przyrówaiu tych wyrażeń istieje możliwość wyzaczeia wartości częściowych współczyiów bezpieczeństwa γ = (γ i, tratowaych jao iewiadome Taa alibracja częściowych współczyiów jest bardzo przejrzysta, jeśli zmiee losowe X i są iesorelowae W tym przypadu macierz owariacji C X jest macierzą diagoalą, C X = [Va r{x i }] = [σ i ] Macierz A jest rówież diagoala, A = A T = [σ i ] oraz A -1 = [1/σ i ] Przy założoym poziomie iezawodości β otrzymuje się stąd dla olejych i = 1,,, ciąg rówań x di = µ i + β α i σ i = µ i (1 + β α i ν i oraz rówocześie x di = x i γ i, czyli po zastosowaiu wzoru (1: 1 γ = (1 + β α i i ν i / (1 + 1,65 ν i, jeśli duże wartości parametru X i są ieorzyste (α i > 0, γ = (1 1,65 Γ ν i i / (1 + β α i ν i, jeśli małe wartości parametru X i są ieorzyste (α i < 0 Zmiee = tg (f oraz X = c ależą do tej drugiej grupy i dlatego w w miejsce współczyia zmieości ν i wprowadzoo dla parametrów grutowych zreduoway współczyi Γ ν i Szczegółowe wyii obliczeń przedstawioo w przyładach w dalszej części pracy Zależość częściowych współczyiów γ f oraz γ c od Γ ma poważe suti pratycze Ze względu a uśrediaie wzdłuż zróżicowaych stref oddziaływaia o wymiarze L (w ośości są to długości liii poślizgu, a tym samym tereie otrzyma się ie wartości współczyia częścio wego γ f dla fudametów bezpośredich, ie dla sarp i wyopów, a awet ie dla wyopów płytich i wyopów głęboich Jeśli przyjąć jedą wartość γ f, to musi to być pewa wartość uśredioa Eurood EC7-1 ie odosi się do szczegółów reducji zmieości, a tym bardziej do tej zależości od L Zasady alibracji sorelowae zmiee podstawowe Kalibracja częściowych współczyiów bezpieczeństwa jest w tym przypadu bardziej złożoa i pratyczie ażdy warue stau graiczego wymaga odrębej aalizy, poieważ liczba zmieych podstawowych i postać fucji g (x wpływają a współczyii wrażliwości α i W rozpatrywaym przypadu jest to warue graiczy (liiowy a ściaie dla trzech zmieych: g (X = a xo + a x1 + a x X + a x3 X 3 = = + X X 3 = tg (f + c τ 0, czyli: = tg (f, X = c, X 3 = τ, gdzie a xo = 0, a x1 = = cost, a = 1, a = -1 x x3 Załóżmy pewą orelację ρ 1 pomiędzy sładiami ośości = tg (f oraz X = c Losowe obciążeie ściające X 3 = τ jest z założeia iezależe od losowej wytrzymałości grutu, czyli ρ 13 = ρ 3 = 0 Macierz trasformacyją A moża przyjąć p jao macierz górą trójątą i wówczas [1, ]: = µ 1 + σ 1 Z 1 X = µ ρ 1 Z 1 [1 (ρ 1 ] Z X 3 = µ 3 + σ 3 Z 3 Po podstawieiu tych wyrażeń do fucji g (X otrzymuje się liiowy warue graiczy wyrażoy w przestrzei stadaryzowaych zmieych Z: h (Z = ( µ 1 + µ µ 3 + ( σ 1 ρ 1 Z 1 + [1 (ρ 1 ] Z σ 3 Z 3 = a zo + Σ a zi Z i Dla liiowej fucji g (X a podstawie wzorów (7 z pracy []: β = HL α = 1 α = α = ( q σ +σ ρ +σ (1 ρ +σ q µ +µ µ ( q σ +σ ρ +σ (1 ρ +σ q σ σ ρ ( ρ 1 ( σ +σ ρ +σ (1 ρ +σ σ ( σ +σ ρ +σ (1 ρ +σ σ ( (3a (3b (3c Uwzględieie reducyjego wpływu przestrzeej iepewości parametrów grutu sprowadza się do zastąpieia σ i przez Γ σ i oraz odpowiedio ν i przez Γ ν i dla i = 1, Ja widać, zależość współczyiów wrażliwości α 1 oraz α od współczyia reducji Γ ie jest duża, poieważ te współczyi wprowadza się w licziu i w miaowiu ułamów (3; dla σ 3 = 0 ta zależość w ogóle ie występuje 119

3 Współczyii orelacji ρ moża pozostawić iezmieioe Ze względu a to, że warui alibracyje w przyjętym docelowo β są astępujące: x d1 = µ 1 (1 1,65 Γ ν 1 / oraz x d1 = µ 1 (1 + β α 1 Γ ν 1 x d = µ (1 1,65 Γ ν / γ oraz x d = µ (1 + Γ ν ρ 1 β α 1 + Γ ν [1 (ρ 1 ] β α x d3 = µ 3 (1+1,65 ν 3 γ 3 oraz x d3 = µ 3 (1 + ν 3 β α 3 stąd ostateczie otrzymuje się częściowe współczyii bezpieczeństwa: = (1 1,65 Γ ν 1 /(1+ β α 1 Γ ν 1 γ = γ c = (1 1,65 Γ ν / (1 + β α 1 Γ ν ρ 1 + β α Γ ν [1 (ρ 1 ] γ 3 = γ τ = (1 + β α 3 ν 3 / (1 + 1,65 ν 3 W oteście orm geotechiczych zasaujący jest fat, że moża otrzymać wartości ietórych częściowych współczyiów bezpieczeństwa γ i < 1; przyładowo < 1 dla -1 > α 1 > -1,65/β Wyiają z tego astępujące wiosi: 1 Częściowe współczyii bezpieczeństwa γ i zależą jawie od wielu czyiów, główie od: wsaźia iezawodości β (czyli iejawie zapewe od przyjętej lasy iezawodości RC według [5], wartości obciążeń, sali flutuacji δ decydującej o wartości współczyia reducyjego Γ, losowej zmieości parametrów, w tym od orelacji ρ 1 pomiędzy tg (f oraz c Warue graiczy g (X = tg (f + c τ = 0 lub w postaci τ = tg (f + c staje się ieliiowy, jeśli uwzględić oleją zmieą losową X 4 =, tóra jest obciążeiem, ale występuje po stroie wytrzymałości grutu Trudości z tym związae pozwala omiąć podejście obliczeiowe DA* w Euroodzie EC7-1 3 Chociaż obciążeia τ przyjmuje się jao statystyczie iezależe od parametrów wytrzymałości grutu, to jeda w rówaiach (3 ie zajduje potwierdzeia całiem odrębe (odseparowa e aalizowaie tych wielości w Euroodzie EC7-1: wszystie trzy współczyii wrażliwości α i zależą od losowości obciążeia τ poprzez odchyleie stadardowe σ 3, a zatem rówież współ czyii częściowe γ f oraz γ c wyazują taą zależość I odwrotie, losowości parametrów grutowych wpływają a współczyi częściowy γ 3 dla obciążeia X 3 = τ (awet statystyczie iezależego poprzez współczyi wrażliwości α 3 4 Wymieioe wyżej zależości ie występują w Euroodzie EC7-1, a współczyii materiałowe γ M są stałe, czyli w jaiś sposób uśredioe PRZYKŁADY LICZBOWE Przedstawioe w dalszej części przyłady obrazują szczegóły alibracji częściowych współczy iów bezpieczeń stwa w liiowym waruu graiczym g (, X, X 3 = tg (f + c τ = 0, tóry bezpośredio dotyczy wytrzymałości a ściaie, a pośredio p stateczości a przesuięcie Obciążeie jest wielością ielosową Przeaalizowao szeroi przedział wartości współczyia reducyjego Γ Przyład 1 Celem przyładu jest zilustrowaie uproszczoej metody alibracji częściowego współczy ia bezpieczeństwa γ M, bezpośredio a podstawie PN-ISO 394 W ajprostszej sytuacji aalizuje się grut iespoisty o losowym = tg (f Z założeia jest to jedyy (a w ażdym razie domiujący parametr losowy dla oporu a przesuięcie przy waruu graiczym g (X = g ( = τ = 0 Ogóly warue Σ(α i = 1 ozacza, że dla jedej zmieej losowej jest α 1 = -1 Potwierdza to rówież ogóle wyprowadzeie (3a Jeśli przyjąć: β = 3,8 według tabl [] oraz ν = 0, 1 według tabl 1 [] (zastąpioe przez Γ ν 1 = 0,6 0,, to: = (1 1,65 0,6 0, / (1 + 3,8 (-1 0,6 0, = 1,47 Taa sytuacja jest jeda admierym uproszczeiem, bo w pratyce zawsze występują rówież towarzyszące miej istote zmiee losowe, p pewie pomiięty wpływ losowości τ lub W alibracji uproszczoej według [5] doouje się wyboru tzw domiującego parametru losowego i jest im tutaj oczywiście = tg (f Według tabl E3 z ormy PN ISO 394 dla domiującego parametru ośości przyjmuje się wówczas (bez obliczeń uogólioą wartość współczyia wrażliwości α 1 = -0,8 (dla parametru towarzyszącego zaleca się ± 0,8 0,4 Wówczas alibracja daje wyi: = (1 1,65 0,6 0, / (1 + 3,8 (-0,8 0,6 0, = 1,6 Odpowiediiem wyzaczoego częściowego współczyia zmieości dla parametru tg (f jest ormowy współczyi γ M = 1,5 (EC7-1, GEO, zestaw M w tabl A4 Zgodość wyiów jest bardzo dobra (być może ta to właśie było aalizowae, ale jedyie dla przyjętych średich wartości β = 3,8 oraz Γ = 0,6, od tórych moco zależy współczyi częściowy (por rys 1 Rys 1 Zmieość częściowego współczyia bezpieczeństwa dla parametru = tg (ϕ w zależości od współczyia reducyjego Γ oraz lasy iezawodości Dla grutów spoistych jest g (, X = + X τ, zatem przy tym samym Γ = 0,6: dla małych aprężeń domiującym parametrem jest spójość c, dla tórej ależy przyjąć α = -0,8 i odpowiedio α 1 = -0,8 0,4 = -0,3 dla tg (f; stąd = 0,9 < 1 oraz γ = 1,8 >> 1, 10

4 dla dużych aprężeń sytuacja się odwraca, tj α 1 = -0,8 i odpowiedio α = -0,8 0,4 = -0,3; stąd = 1,4 oraz γ = 0,9 < 1, dla średich aprężeń oba parametry losowe mają porówywaly wpływ a ośość, a zatem α 1 α -0,7; stąd = 1, oraz γ = 1,5 (EC7-1 zaleca jedą wspólą wartość 1,5 Z przyładu 1 wyiają astępujące wiosi: 1 Dla grutu iespoistego, średiej lasy iezawodości RC (β = 3,8 oraz realistyczego współczyia przestrzeej reducji Γ ~ 0,5 0,7 potwierdza się prawidłowość ormowej wartości γ f = 1,5; w iych sytuacjach ta być ie musi Podstawową sprawą jest prawidłowy dobór wartości współczyia reducyjego charateryzujący przestrzeą iepewość Γ, tórego ie aalizuje się w Euroodzie EC7-1 3 W ormie PN-81/B-0300 odpowiediiem jest współczyi materiałowy ozaczay jao γ m = 1 ν 1 = 0,8, tóry stosuje się jao możi Daje to pratyczie idetyczy dzieli, poieważ 1 / 0,8 = 1,5; dobrej zgodości ie zmieia fat, że te współczyi γ m dotyczy w ormie PN-81/B-0300 bezpośredio ąta f oraz wartości średiej, a ie tg (f i wartości charaterystyczej Przyład Celem przyładu jest zilustrowaie projetowaia według wsaźia iezawodości oraz alibracja współczyia częściowego oporu γ R (podejście obliczeiowe DA*, zestaw R Rozpatruje się dwie sorelowae zmiee podstawowe: X = tg (f: µ 1 1 = 0,3, σ 1 = 0,08 (współczyi ν 1 = 5% z tabl 1 [], X = c: µ = 40,0 Pa, σ = 14,0 Pa (współczyi ν = 35% z tabl 1 [] Na podae wartości σ 1 oraz σ ałożoo współczyi reducyjy zmieości przestrzeej Γ, olejo Γ = 0,3 oraz Γ = 0,6 Moża zastosować otrzymae rozwiązaie ogóle ( dla, ale dla ielosowej zmieej τ ależy podstawić X 3 = τ = µ 3, σ 3 = 0 Przypade Γ = 0,3 Przyładowo, w założoej lasie iezawodość RC (β = 3,8: 1 z rys wyia, że dla przyłożoego ielosowego obciążeia = 50 Pa oraz wyiterpolowaej orelacji ρ 1 = -0, warue projetowy > 3,8 jest spełioy, jeśli ielosowe τ ie przeracza 95 Pa; w przypadu determiistyczym moża byłoby dopuścić τ = µ 1 + µ = 50 0, = 10 Pa, w drugą stroę, w celu przeiesieia ielosowego τ = 140 Pa ależałoby przyłożyć ielosowe o war tości co ajmiej 45 Pa; w przypadu determiistyczym wystarczyłoby = (τ µ / µ 1 = ( / 0,3 = 313 Pa Według podejścia obliczeiowego DA* z Euroodu EC7-1 graicze aprężeie ściające dla = 500 Pa moża szacować z wyorzystaiem parametrów charaterystyczych, wzoru Scheidera (1 oraz współczyia częściowego γ R = 1,1: = [ + c ] / γ R, czyli = [500 0,3 (1 1,65 Γ 0, (1 1,65 Γ 0,35] / 1,1 Stąd = 173 / 1,1= 158 Pa dla Γ = 0,3 Natomiast obliczeia wsaźia iezawodości dla = 500 Pa (liie przerywae oraz wymagay warue > β wyazują, że ta wartość τ wyosi: max ooło 145 Pa w przypadu ajbardziej ieorzystym (załadając β = 4,3 oraz ρ 1 = 0,0, co wymagałoby użycia współczyia γ R = 1, zamiast 1,1, ooło 165 Pa w przypadu ajbardziej orzystym (załadając β = 3,3 oraz ρ 1 = -0,5, co wymagałoby użycia γ R = 1,05 zamiast 1,1 Przypade Γ = 0,6 Przyładowo, w założoej lasie iezawodość RC (β = 3,8: 1 z rys 3 wyia, że dla przyłożoego ielosowego obciążeia = 50 Pa oraz wyiterpolowaej orelacji ρ 1 = -0, warue projetowy > 3,8 jest spełioy, jeśli ielosowe τ ie przeracza 70 Pa; w przypadu determiistyczym moża byłoby dopuścić τ = µ 1 + µ = 50 0, = 10 Pa, w drugą stroę, w celu przeiesieia ielosowego τ = 90 Pa ależy przyłożyć ielosowe o wartości co ajmiej 375 Pa; w przypadu determiistyczym wystarczyłoby = (τ µ / µ 1 = (90 40 / 0,3 = 156 Pa Według podejścia obliczeiowego DA* z Euroodu EC7-1 graicze aprężeie ściające przy = 500 Pa moża szacować z wyorzystaiem parametrów charaterystyczych, wzoru Scheidera (1 oraz współczyia częściowego γ R = 1,1: = [ + c] / γ R, czyli = [500 0,3 (1 1,65 Γ 0, (1 1,65 Γ 0,35] /1,1 Stąd = 147 / 1,1= 133 Pa dla Γ = 0,6 Rys Zależość (liiowa wyzaczoego wsaźia iezawodości od wielości ielosowego aprężeia ściającego τ, ielosowej sładowej ormalej aprężeia oraz od orelacji ro = ρ 1 (przypade Γ = 0,3 Rys 3 Zależość (liiowa wyzaczoego wsaźia iezawodości od wielości ielosowego aprężeia ściającego τ, ielosowej sładowej ormalej aprężeia oraz od orelacji ro = ρ 1 (przypade Γ = 0,6 11

5 Natomiast obliczeia wsaźia iezawodości dla = 500 Pa (liie przerywae oraz wymagay warue > β wyazują, że ta wartość wyosi: ooło 90 Pa w przypadu ajbardziej ieorzystym (załadając β = 4,3 oraz ρ 1 = 0,0, co wymagałoby użycia współczyia γ R = 1,6 zamiast 1,1, ooło 130 Pa w przypadu ajbardziej orzystym (załadając β = 3,3 oraz ρ 1 = -0,5, co wymagałoby użycia γ R = 1,15 zamiast 1,1 Z przyładu wyiają astępujące wiosi: 1 Występuje orzysty wpływ putowej wzajemej orelacji ρ 1 parametrów wytrzymałościowych grutu tg (f oraz c, lecz te wpływ może zależeć w dużym stopiu od iych parametrów, p od zaresu obciążeń W porówaiu do iesorelowaych zmieych tg (f oraz c ich ujema orelacja ρ 1 = -0,5 zwięsza wsaźi iezawodości o ooło 35% przy = 50 Pa (liie ciągłe i o ooło 0% przy = 500 Pa (liie przerywae; przy realistyczej wartości ρ 1 = -0, zmiay są ooło dwurotie miejsze; często pomija się tę orelację, co jest uproszczeiem w stroę bezpieczą W przeaalizowaym przyładzie geeralie potwierdza się ormowa wartość współczyia częścio wego dla oporu a przesuięcie γ R = 1,1 (tabl A5 z Euroodu EC7-1, o ile warui są przecięte ; dla gorszych sytuacji (β 3,8 a szczególie Γ 0,6 wartości γ powiy R być więsze 3 W Euroodzie EC7-1 (załączi rajowy z 011 r, zaleca się stosowaie tylo jedego z trzech podejść oblicze iowych, a zatem ie staowi sprzeczości, że masymaly opór obliczeiowy a przesuięcie może być obliczay dwojao: ( d = (tg (f / γ M + c / γ M według DA1C (Zestaw M ( d = ( + c /γ według DA* R co mogłoby sugerować, że γ R = γ M ; jeda ta być ie musi, a uzasadieiem dla sytuacji γ R γ M jest róży sposób ocey obliczeiowych obciążeń w waruu graiczym, czyli róże zestawy współczyiów A1 oraz A stosowae w obu podejściach obliczeiowych Przyład 3 Celem przyładu jest łącza alibracja trzech częściowych współczyiów bezpieczeństwa γ f, γ c oraz γ τ (odiesieie do podejścia obliczeiowego DA1, ombiacja C, zestaw M, a astępie alibracja współczyia częściowego γ R (obowiązujące podejście obliczeiowe DA* Rozpatruje się trzy zmiee podstawowe: X = tg (f: µ 1 1 = 0,3, σ 1 = 0,08 (współczyi ν 1 = 5% z tabl 1 [], X = c: µ = 40,0 Pa, σ = 14,0Pa (współczyi zmieości ν = 35% z tabl 1 [], X = τ: µ = 70,0 Pa, σ = 7,0 Pa (współczyi zmieości ν = 10% Współczyii α i oraz γ i ie zależą od µ 3, występuje zależość od µ 3 Podae wartości σ 1 oraz σ reduuje się współczyiiem Γ = 0,6 lub Γ = 0,3 Przyjęto orelacje wzajeme zmieych podstawowych X i : ρ 1 = -0,, ρ 3 = ρ 13 = 0 Sładowa ormala aprężeia jest ielosowa Kalibracja współczyia γ R astępuje a podstawie wyzaczoych współczyiów γ i, przy czym możliwe są dwa sposoby W podejściu uproszczoym przyrówuje się obliczeiowe wytrzymałości a przesuięcie, otrzymując: / + c / γ = [ + c ] / γ R Stąd: q tg( f + c γ R = q tg( f c + γ γ 1 (4a Przyładowe wyii dla Γ = 0,6 oraz tg (f = 0,4, c = 6 Pa poazao a rys 8a, a podstawie współczyiów γ i z rys 7a i b Wyii z rys 8a mogłyby wsazywać, że ormowa wartość γ R = 1,1 jest za mała Jeda za bardziej zasade bo w pełi probabilistycze, dla trzech zmieych losowych ależy uzać porówaie (wyrugowaie oporu charaterystyczego τ z dwóch waruów graiczych rodzaju: τ d = [ tg (f + c] d czyli: τ γ 3 = / + c / γ a podstawie przedstawioych powyżej obliczeń alibracyjych, τ γ f = [ + c ] / γ R a podstawie podejścia obliczeiowego DA* Na rys 8b przedstawioo aalogicze wyii a podstawie otrzymaego wzoru: Rys 4 Zależość wyzaczoego bezwymiarowego wsaźia iezawodości od ielosowej sładowej ormalej aprężeia dla trzech wartości oczeiwaych µ 3 = E{τ}; przypade Γ = 0,6 Rys 5 Zależość bezwymiarowych współczyiów wrażliwości α i od ielosowych obciążeń ormalych (liie ciągłe dla Γ = 0,6 oraz liie przerywae dla Γ = 0,3 1

6 a b Rys 6 Zależość częściowych współczyiów bezpieczeństwa = γ ϕ, γ = γ c oraz γ 3 = γ τ od ielosowych obciążeń ormalych (dla β = 3,8 i Γ = 0,3 (a oraz dla β = 3,8 i Γ = 0,6 (b a b Rys 7 Zależość częściowego współczyia bezpieczeństwa = γ ϕ (a oraz γ = γ c (b od wymagaego wsaźia iezawodości oraz ielosowych obciążeń ormalych q (dla Γ = 0,6 a b Rys 8 Zależość częściowego współczyia bezpieczeństwa γ R od wymagaego wsaźia iezawodości oraz ielosowych obciążeń ormalych a model uproszczoy; Γ = 0,6, b model omplety; Γ = 0,6 3 γ R = γ f γ q tg( f + c q tg( f c + γ γ 1 przy czym γ f = γ G = 1,35 (ja dla obciążeń stałych (4b W drugim ujęciu (4b wymagae wartości γ R są miejsze iż a wyresach z rys 8a o współczyi γ f / γ 3, czyli o ooło 5 40%; występują awet wartości γ R < 1 Korzyste i geeralie zgode z Euroodem EC7-1 wyii przedstawioe a rys 8b wymagają ometarza: ta zgodość jest główie efetem dużej wartości współczyia obciążeia γ f = γ G = 1,35 przyjętej w Euroodzie EC7-1, gdzie obciążeia uwzględia się odrębie Z przyładu 3 wyiają astępujące wiosi: 1 Potwierdzają się przyjmowae (bez obliczeń, tylo a podstawie PN-ISO 394 wartości współczyiów wrażliwości α i = -0,8 oraz α i = -0,8 0,4 odpowiedio dla domiującego i towarzyszącego parametru losowego, por też Przyład 1; parametry tg (f oraz c występują jeda zamieie w tych rolach, zależie od poziomu aprężeia 13

7 Dla zaczego tłumieia losowej iepewości putowej parametrów grutowych (Γ ~ 0,3 0,5 lub miej geeralie otrzymuje się γ i 1,5, co dobrze odpowiada wartości współczyia γ M = 1,5 w Euroodzie EC7-1; jeda przy bardzo małym tłumieiu (Γ ~ 0,8 0,9 lub więcej zachodzi γ i > 4, co ależy uzać za wartości ierealistycze w przyjętym zestawie daych grutowych 3 Przy pośredich wartościach tłumieia ( Γ ~ 0,5 0,7 mogą wystąpić duże wartości 1,5 < γ i <,00; jest to wyi w dużym stopiu mylący, poieważ dużym wartościom towarzyszą małe wartości γ i odwrotie Przyładowo (rys 7, dla = 50 Pa ależałoby przyjąć = 0,8 oraz γ = 1,5, podczas gdy dla = 450 Pa otrzymuje się = 1,5 oraz γ = 0,8 4 Poprzedi wiose ie dotyczy grutów iespoistych lub bardzo spoistych o osystecji plastyczej, gdy jeda ze zmieych, X pratyczie ie występuje, a zatem ie moża liczyć a efet wzajemej ompesacji dwóch losowych sładiów oporu a przesuięcie 5 Ze względu a przeciwbieże zmieości współczyiów częściowych oraz γ, prostsze do porówań jest aalizowaie współczyia γ R w podejściu obliczeiowym DA* 6 W przyjętym zestawie daych potwierdziła się słuszość ormowej wartości częściowego współczyia bezpieczeństwa γ R = 1,1; wymagae obliczeiowo wartości są ogólie blisie 1,1, a główa w tym zasługa stosuowo dużej wartości ormowego współczyia obciążeiowego γ f = 1,35 (zestaw A1 PODSUMOWANIE częściowy zawyża wartość parametru wytrzymałościowego (p γ c < 1, ale wtedy drugi parametr jest moco zreduoway (γ f >> 1; odbiega to od stadardowych zaleceń ormowych, w tórych rówocześie oba współczyii częściowe zmiejszają wytrzymałość grutu spoistego, choć oba w miejszym stopiu Każde z trzech podejść obliczeiowych w aalizie stateczości według Euroodu EC7-1 jest z oieczości bardzo uproszczoe W czasie prac ad obecą wersją ormy EC7-1 częściowe współczyii bezpieczeństwa γ i poddao różym (ie do ońca wyjaśioym przez Autorów ormy przeształceiom, uśredieiom i uogólieiom W tej sytuacji, dooay rajowy wybór ajprostszego podejścia DA* ależy uzać za trafy Trudo oprzeć się wrażeiu, że powszechie stosowaa w oteście DA* azwa metoda częściowych współczyiów bezpieczeństwa jest moco a wyrost: warue graiczy γ E E R / γ R jest de facto waruiem a globaly współczyi bezpieczeństwa, tóry wyosi FS = R / E γ = γ E γ R Bardziej szczegółowa fatoryzacja w postaci iloczyu γ = γ E1 γ E γ R1 γ Rm oraz dołączoy zbiór ilu tabel współczyiów fatoryzujących jest prostą alteratywą do metodyi EC7-1 (por Load ad Resistace Factor Desig [3] Jeśli chodzi o wdrażaie metody staów graiczych oraz zastosowaie częściowych współ czy iów bezpieczeństwa ale też w aspecie podstaw merytoryczych, precyzji i prostoty zapisów ormowych ofrotacja polsich orm geotechiczych z początu lat osiemdziesiątych XX w z Euroodem EC7-1 ie wypada ieorzystie dla tych pierwszych LITERATURA 1 3 Przeaalizowao ila przyładów alibracji, wprawdzie tylo dotyczących stateczości a przesuięcie, ale w dużym stopiu reprezetatywych, poieważ wytrzymałość a ściaie jest też podstawą iych mechaizmów ziszczeia podłoża z grupy GEO Obliczeia wyazały, że ormowe wartości współczyiów γ f = γ c = 1,5 (a taże γ R = 1,1 a przesuięcie w DA* są bezpiecze w sytuacjach przeciętych lub lepszych, zwłaszcza przy posadowieiach a iezłych grutach spoistych Na pewo szczególa ostrożość jest wymagaa w przypadu posadowieia bardzo odpowie dzial ego obietu (β = 4,3 a grucie iespoistym, jeśli ie moża liczyć a zaczącą reducję przestrzeej zmieości (Γ > 0,6 0,8 ai a wzajemą ompesację flutuacji tg (f oraz c (por rys 1 Normowy zestaw częściowych współczyiów bezpieczeństwa γ f = γ c = 1,5 i wyiające stąd wartości obliczeiowe wcale ie ozaczają ajbardziej ieorzystego zestawu parame trów; bardziej iebezpiecza sytuacja obliczeiowa może wystąpić, gdy jede współczyi 1 Baer M J, Thof-Christese P: Structural reliability theory ad its applicatios Spriger-Verlag, 198 Brząała W: Bezpieczeństwo i iezawodość w geotechice Teoretycze podstawy Euroodu EC7-1 Iżyieria Morsa i Geotechia, 013, 1 3 Feto G A: Load ad resistace factor geotechical desig code developmet i Caada Worshop o Safety Cocepts ad Calibratio of Partial Factors i Europea ad North America Codes of Practice, 30/11/ /1/011 TU Delft, The Netherlads 4 Scheider H R: Dealig with ucertaities i EC7 with emphasis o characteristic values + Implemetatio o EC7 i Switzerlad Worshop o Safety Cocepts ad Calibratio of Partial Factors i Europea ad North America Codes of Practice, 30/11/011-01/1/011 TU Delft, The Netherlads 5 PN-ISO 394:000 Ogóle zasady iezawodości ostrucji budowlaych 6 PN-EN 1990:004 Eurood Podstawy projetowaia ostrucji 7 PN-EN :008 Eurood 7 Projetowaie geotechicze Część 1: Zasady ogóle 14

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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

Styk montażowy. Rozwiązania konstrukcyjnego połączenia

Styk montażowy. Rozwiązania konstrukcyjnego połączenia Styk motażowy Rozwiązaia kostrukcyjego połączeia Z uwagi a przyjęcie schematu statyczego połączeie ależy tak kształtować, aby te połączeie przeosiło momet zgiający oraz siłę poprzeczą. Jako styk motażowy,

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

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

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

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

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

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1 Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.

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

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Kontakt,informacja i konsultacje. I Zasada Termodynamiki. Energia wewnętrzna

Kontakt,informacja i konsultacje. I Zasada Termodynamiki. Energia wewnętrzna Kotat,iformacja i osultacje Chemia A ; poój 37 elefo: 347-2769 E-mail: wojte@chem.pg.gda.pl tablica ogłoszeń Katedry Chemii Fizyczej http://www.pg.gda.pl/chem/dydatya/ lub http://www.pg.gda.pl/chem/katedry/fizycza

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

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

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

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

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

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

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

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

Temat 15. Rozwinięcie Sommerfelda. Elektronowe ciepło właściwe.

Temat 15. Rozwinięcie Sommerfelda. Elektronowe ciepło właściwe. emat 5 Rozwiięcie Sommerfelda letroowe ciepło właściwe letroy podleają rozładowi ermieo-diraca wedł tóreo prawdopodobieństwo że sta o eerii jest zajęty przez eletro wyosi f 5 ep dzie wielość jest zaa pod

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

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

Rozkład Poissona. I. Cel ćwiczenia. Obowiązujący zakres materiału. Podstawy teoretyczne. Opracował: Roman Szatanik

Rozkład Poissona. I. Cel ćwiczenia. Obowiązujący zakres materiału. Podstawy teoretyczne. Opracował: Roman Szatanik Opracował: Roma Szatai Rozład Poissoa I. Cel ćwiczeia Zapozaie ze statystyczym sposobem opisu zagadień związaych z promieiowaiem jądrowym oraz z rozładami statystyczymi stosowaymi w fizyce jądrowej. Pratycze

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystya Iżyiersa dr hab. iż. Jace Tarasiu GH, WFiIS 03 Wyład 4 RCHUNEK NIEPEWNOŚCI + KILK UŻYTECZNYCH NRZĘDZI STTYSTYCZNYCH Wyład w więszości oparty a opracowaiu prof.. Zięby http://www.fis.agh.edu.pl/~pracowia_fizycza/pomoce/opracowaiedaychpomiarowych.pdf

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

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

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

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

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

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

Kombinacje, permutacje czyli kombinatoryka dla testera

Kombinacje, permutacje czyli kombinatoryka dla testera Magazie Kombiacje, permutacje czyli ombiatorya dla testera Autor: Jace Oroje O autorze: Absolwet Wydziału Fizyi Techiczej, Iformatyi i Matematyi Stosowaej Politechii Łódziej, specjalizacja Sieci i Systemy

Bardziej szczegółowo

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego Elemety rach macierzowego Materiały pomocicze do MES Stroa z 7 Elemety rachuku macierzowego Przedstawioe poiżej iformacje staowią krótkie przypomieie elemetów rachuku macierzowego iezbęde dla zrozumieia

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

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń

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

1 Dwuwymiarowa zmienna losowa

1 Dwuwymiarowa zmienna losowa 1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla

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

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

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test

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

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

Bardziej szczegółowo

Podstawowe testy statystyczne i analiza zależności zjawisk

Podstawowe testy statystyczne i analiza zależności zjawisk Podstawowe testy statystycze i aaliza zależości zjawisk PODSTAWOWE TESTY STATYSTYCZNE Hipotezy statystycze Hipoteza statystycza dowole przypuszczeie dotyczące rozkładu lub jego parametrów Hipoteza parametrycza

Bardziej szczegółowo

Dwa podstawowe zagadnienia klasycznej statystyki matematycznej.

Dwa podstawowe zagadnienia klasycznej statystyki matematycznej. 5. Podstawowe pojęcia statystyi CZĘŚĆ II STATYSTYKA MATEMATYCZNA Rachue prawdopodobieństwa a statystya matematycza. Część I, rachue prawdopodobieństwa, dostarcza podstawowych pojęć i wzorów języa, za pomocą

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

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę

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

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

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

PRZETWORNIKI C/A 1. STRUKTURA PRZETWORNIKA C/A

PRZETWORNIKI C/A 1. STRUKTURA PRZETWORNIKA C/A PZETWON C/A. STTA PZETWONA C/A. PZETWON C/A NAPĘCOWE.. PZETWON NAPĘCOWE Z DZELNEM NAPĘCOWYM WYJŚCEM NAPĘCOWYM... Przetwori C/A z drabią rówoległą Deoder z N N N wy stawieia przełącziów dla sytuacji, gdy

Bardziej szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej). Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch

Bardziej szczegółowo

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1, 1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =

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

Badanie stabilności układu sterowania statkiem z nieliniowym autopilotem

Badanie stabilności układu sterowania statkiem z nieliniowym autopilotem Baaie stabilości ułau sterowaia statiem z ieliiowym autopilotem Zliearyzowae rówaie wiążące ochyleie ursu statu (zmiaę ąta ursu wzglęem ursu zaaego) ψ z ątem wychyleia steru δ jest astępujące (tzw. moel

Bardziej szczegółowo

Parametryzacja rozwiązań układu równań

Parametryzacja rozwiązań układu równań Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie

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

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

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

STATYKA Z UWZGLĘDNIENIEM DUŻYCH SIŁ OSIOWYCH

STATYKA Z UWZGLĘDNIENIEM DUŻYCH SIŁ OSIOWYCH Część. STATYKA Z UWZGLĘDNIENIEM DUŻYCH SIŁ OSIOWYCH.. STATYKA Z UWZGLĘDNIENIEM DUŻYCH SIŁ OSIOWYCH Rozwiązując układy niewyznaczalne dowolnie obciążone, bardzo często pomijaliśmy wpływ sił normalnych i

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę

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

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

Struktura czasowa stóp procentowych (term structure of interest rates)

Struktura czasowa stóp procentowych (term structure of interest rates) Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

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

Instalacje i Urządzenia Elektryczne Automatyki Przemysłowej. Modernizacja systemu chłodzenia Ciągu Technologicznego-II część elektroenergetyczna

Instalacje i Urządzenia Elektryczne Automatyki Przemysłowej. Modernizacja systemu chłodzenia Ciągu Technologicznego-II część elektroenergetyczna stalacje i Urządzeia Eletrycze Automatyi Przemysłowej Moderizacja systemu chłodzeia Ciągu echologiczego- część eletroeergetycza Wyoali: Sebastia Marczyci Maciej Wasiuta Wydział Eletryczy Politechii Szczecińsiej

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

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

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

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