Współczynnik korelacji rangowej badanie zależności między preferencjami
|
|
- Kajetan Bednarski
- 6 lat temu
- Przeglądów:
Transkrypt
1 Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska Warszawa E-mal: pgrzeg@bspa.waw.pl
2 Pla referatu: Klasycze metody badaa korelacj ragowej Kłopoty z daym Itucjostycze zbory rozmyte Modelowae systemów preferecj Uogóloy współczyk korelacj ragowej Wosk Keruk dalszych badań Lteratura
3 Klasycze metody badaa korelacj ragowej Przykład 1 Chcemy zbadać czy steje zależość mędzy preferecjam dwóch osób odośe lteratury współczesej. W tym celu poproslśmy je o uszeregowae astępujących azwsk Paulo Coelho J.M. Coetzee Joste Gaarder Hele Feldg Imre Kertesz Terry Prachett Joae Rowlg Wsława Szymborska w porządku od ajbardzej ceoego do ajmej ceoego autora.
4 Klasycze metody badaa korelacj ragowej Nech X = { 1 K } ozacza zbór obektów które będą uporządkowae według systemu preferecj A oraz B. Mamy węc do czyea ze zborem par uporządkowaych A1 B1 K A B gdze A B ozaczają odpowedo rag przypsae obektow zgode z systemem preferecj A oraz B. Do ocey stopa korelacj mędzy systemem preferecj A oraz B moża posłużyć sę współczykem korelacj ragowej Spearmaa daym wzorem 6 r S = d gdze d A B ozacza różcę rag przypsaych obektow. = 1 =
5 Klasycze metody badaa korelacj ragowej Przykład 1 cąg dalszy Preferecje Jasa: Preferecje Małgos: 1. Coelho 1. Prachett 2. Gaarder 2. Rowlg 3. Szymborska 3. Feldg 4. Kertesz 5. Coetzee r S = Coetzee 5. Kertesz 6. Rowlg 6. Szymborska 7. Prachett 7. Coelho 8. Feldg 8. Gaarder
6 Kłopoty z daym Przykład 2 Preferecje Stasa: 1. Coelho 2. Gaarder 3. Szymborska 4. Kertesz 5. Coetzee 6. Rowlg 7. Prachett Feldg=? Preferecje Margaret: 1. Coelho 2. Coetzee Kertesz 3. Gaarder 4. Rowlg 5. Prachett 6. Feldg Szymborska=?
7 Itucjostycze zbory rozmyte Zborem rozmytym C w przestrze X azywamy zbór par uporządkowaych C { µ X } = : C gdze µ C : X [01] jest fukcją przyależośc przypsującą każdemu elemetow stopeń µ C jego przyależośc do zboru C. Zadeh 1965
8 Itucjostycze zbory rozmyte Itucjostyczym zborem rozmytym C w przestrze X azywamy zbór trójek uporządkowaych gdze µ ν : X [01] są fukcjam spełającym zależość C C Dla każdego elemetu lczba µ C wskazuje stopeń przyależośc tego elemetu do zboru C atomast lczba ν C wyraża stopeń eprzyależośc daego elemetu do zboru C. Ataassov 1986 C { µ ν X } = : C C µ + ν 1 C C X
9 Itucjostycze zbory rozmyte Welkość π C = 1 µ C νc azywaa tucjostyczym deksem tucjostyczego zboru rozmytego C wyraża stopeń eokreśloośc elemetu w sese jego przyależośc bądź eprzyależośc do tego zboru.
10 Modelowae systemów preferecj Systemy preferecj A B utożsamać będzemy z tucjostyczym zboram rozmytym A { µ ν X } B = { µ ν : X } = : A A oraz B B przy czym wartośc µ A oraz ν A wskazują w jakm stopu elemet jest odpowedo ajbardzej preferowaym oraz ajmej preferowaym elemetem ze zboru X zgode z systemem preferecj A podobe wartośc µ B oraz ν B wskazują w jakm stopu elemet jest odpowedo ajbardzej preferowaym oraz ajmej preferowaym elemetem ze zboru X zgode z systemem preferecj B.
11 Modelowae systemów preferecj Nech µ ν A A = = wa 1 ba 1 gdze w A ozacza lczbę elemetów spośród 1 K K zpewoścą gorszych od elemetu atomast b A jest lczbą elemetów spośród 1 K K z pewoścą lepszych od zgode z systemem preferecj A.
12 Modelowae systemów preferecj Podobe wb µ B = 1 bb ν B = 1 gdze w B ozacza lczbę elemetów spośród 1 K K z pewoścą gorszych od elemetu atomast b B jest lczbą elemetów spośród 1 K K z pewoścą lepszych od zgode z systemem preferecj B.
13 Modelowae systemów preferecj Uwaga Jeśl π A = 0 dla każdego X to fakt te ozacza że wszystkm elemetom ależącym do zboru X zostały adae rag według systemu preferecj A każdy z ch otrzymał ą ragę. Jeśl steje tak elemet X dla którego zachodz π A > 0 to ozacza że w porządku wygeerowaym zgode z systemem preferecj A występują elemety z ragam zwązaym lub elemety którym e adao rag. Waruek π A = 1 zachodz wtedy tylko wtedy gdy elemet e jest w systeme preferecj A porówywaly z żadym spośród elemetów 1 K K
14 Uogóloy współczyk korelacj ragowej Netrudo zauważyć że współczyk korelacj ragowej Spearmaa moża zapsać w postac r 6 S = d = 1 r S = 1 γ d A B gdze d A B ozacza pewą marę podobeństwa odległośc mędzy systemam preferecj A B atomast γ jest stałą zależą od lczośc próby.
15 Uogóloy współczyk korelacj ragowej Nech przy czym gdze { } { } m ma B A B A B A B A D D ν ν µ µ ν ν µ µ α α = = gdy gdy = + α = = + α = k k [ ] = α + α α + α + = S D D B A R
16 Uogóloy współczyk korelacj ragowej Lemat 1 Dla dowolych tucjostyczych zborów rozmytych A oraz B w przestrze X zachodz: R A B R B A S = S oraz R S A B 1
17 Uogóloy współczyk korelacj ragowej Lemat 2 Jeśl wszystke elemety zboru X = { 1 K } zostały jedozacze uporządkowae zgode z systemem preferecj A oraz B wówczas uogóloy współczyk korelacj ragowej R S jest rówoważy klasyczemu współczykow Spearmaa r S
18 Uogóloy współczyk korelacj ragowej Lemat 3 Jeśl każdemu elemetow ze zboru X = { 1 K } została adaa raga zgode z systemem preferecj A lub B wówczas R S A B = 1 wtedy tylko wtedy gdy systemy preferecj A B są w peł zgode R S A B = 1 wtedy tylko wtedy gdy systemy preferecj A B są w całkowce przecwe.
19 Uogóloy współczyk korelacj ragowej Lemat 4 Jeśl przyajmej jede z systemów preferecj A lub B jest całkowce eokreśloy tz. żademu z elemetów zboru X = K } e została adaa raga wówczas A B = 0 { 1 R S
20 Uogóloy współczyk korelacj ragowej Przykład 2 cąg dalszy Itucjostyczy zbór rozmyty odpowadający preferecjom lterackm Stasa ma postać A = 6 Coelho 7 3 Kertesz Coetzee Prachett Gaarder Rowlg 7 7 Feldg00 4 Szymborska 7 2 7
21 Uogóloy współczyk korelacj ragowej Itucjostyczy zbór rozmyty odpowadający preferecjom lterackm Margaret ma postać B = 6 Coelho Kertesz Coetzee Prachett Gaarder Rowlg Feldg0 7 Szymborska00 Po podstaweu do wzoru otrzymujemy R S =
22 Wosk Zapropooway współczyk korelacj ragowej pozwala efektywe wyzaczać stopeń keruek zależośc mędzy systemam preferecj róweż w przypadku braku ragowaa wszystkch badaych obektów. Współczyk te jest aturalym uogóleem klasyczego współczyka korelacj ragowej Spearmaa. Zapropooway współczyk korelacj ragowej ma teresujące własośc może być stosoway do aalzy korelacj mędzy tucjostyczym zboram rozmytym także poza kotekstem badaa zwązku mędzy preferecjam.
23 Keruk dalszych badań Uogólee współczyka korelacj Kedalla. Kostrukcja testów stotośc dla uogóloych współczyków korelacj ragowej Spearmaa Kedalla. Kostrukcja współczyków korelacj ragowej wykorzystujących formację a pror.
24 Lteratura Ataassov K Itutostc fuzzy sets Fuzzy Sets ad Systems Ataassov K Itutostc Fuzzy Sets: Theory ad Applcatos Physca-Verlag Gbbos J.D. Chakrabort S Noparametrc Statstcal Iferece Marcel Dekker Ic. Grzegorzewsk P Betwee tutostc fuzzy sets ad/or terval-valued fuzzy sets Based o the Hausdorff metrc Fuzzy Sets ad Systems w druku Grzegorzewsk P The Hammg dstace betwee tutostc fuzzy sets I: Proceedgs of the 10th IFSA World Cogress IFSA 2003 Istabul Turkey Jue 29 July pp Zadeh L.A Fuzzy sets Iform. ad Cotrol
ELEMENTY TEORII MOŻLIWOŚCI
ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech
Bardziej szczegółowoPermutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2
Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w
Bardziej szczegółowoRóżniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f
Bardziej szczegółowoPodprzestrzenie macierzowe
Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0
Bardziej szczegółowoPodstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.
Metody probablstycze statystyka Wykład 7: Statystyka opsowa. Rozkłady prawdopodobestwa wystpujce w statystyce. Podstawowe pojca Populacja geerala - zbór elemetów majcy przyajmej jed włacwo wspól dla wszystkch
Bardziej szczegółowoTESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).
TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu
Bardziej szczegółowoMatematyka dyskretna. 10. Funkcja Möbiusa
Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA
STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze
Bardziej szczegółowoZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ
ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem
Bardziej szczegółowoPOPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1
POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.
Bardziej szczegółowoEKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.
Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,
Bardziej szczegółowoWnioskowanie statystyczne dla korelacji i regresji.
STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...
Bardziej szczegółowoW loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:
Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,
Bardziej szczegółowoTablica Galtona. Mechaniczny model rozkładu normalnego (M10)
Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,
Bardziej szczegółowoUOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie
B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety
Bardziej szczegółowo5. OPTYMALIZACJA NIELINIOWA
5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe
Bardziej szczegółowoPERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X
PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac
Bardziej szczegółowo3. OPTYMALIZACJA NIELINIOWA
Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz
Bardziej szczegółowoN ( 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 szczegółowoPrawdopodobieństwo i statystyka r.
Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby
Bardziej szczegółowoIndukcja matematyczna
Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya
Bardziej szczegółowoKONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny
KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych
Bardziej szczegółowoStatystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna
Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza
Bardziej szczegółowo1. Relacja preferencji
dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x
Bardziej szczegółowoLiniowe relacje między zmiennymi
Lowe relacje mędzy zmeym Marta Zalewska Zakład Proflaktyk ZagrożeńŚrodowskowych Alergolog Ocea lowych relacj mędzy zmeym Metoda korelacj - określee rodzaju sły zależośc mędzy cecham. Metoda regresj 1 Uwaga
Bardziej szczegółowoWykład 11. a, b G a b = b a,
Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada
Bardziej szczegółowoStatystyka. Katarzyna Chudy Laskowska
Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA
Bardziej szczegółowoPŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej
PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,
Bardziej szczegółowoPodstawy analizy niepewności pomiarowych (I Pracownia Fizyki)
Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?
Bardziej szczegółowoAKADEMIA MORSKA W SZCZECINIE
AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych
Bardziej szczegółowoJEDNOWYMIAROWA 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 szczegółowo8.1 Zbieżność ciągu i szeregu funkcyjnego
Rozdzał 8 Cąg szereg fukcyje 8.1 Zbeżość cągu szeregu fukcyjego Dla skrócea zapsu przyjmjmy pewe ozaczee. Defcja. Nech X, Y. Przez Y X ozaczamy zbór wszystkch fukcj określoych a zborze X o wartoścach w
Bardziej szczegółowoW zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
Bardziej szczegółowoSystem finansowy gospodarki
System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym
Bardziej szczegółowoPlanowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8
Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja
Bardziej szczegółowoO testowaniu jednorodności współczynników zmienności
NR 6/7/ BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 003 STANISŁAW CZAJKA ZYGMUNT KACZMAREK Katedra Metod Matematyczych Statystyczych Akadem Rolczej, Pozań Istytut Geetyk Rośl PAN, Pozań O testowau
Bardziej szczegółowoZasady zaliczania kursu z matematyki dyskretnej I-MDA-DA na studiach dziennych w sem. zimowym roku akad. 2011/12
Zasady zalczaa kursu z matematyk dyskretej I-MDA-DA a studach dzeych w sem. zmowym roku akad. 0/. Wystawaa jest jeda ocea końcowa z całego kursu a podstawe sumy puktów uzyskaych przez studeta w trakce
Bardziej szczegółowoRelacyjny model danych. Relacyjny model danych
Pla rozdzału Relacyjy model daych Relacyjy model daych - pojęca podstawowe Ograczea w modelu relacyjym Algebra relacj - podstawowe operacje projekcja selekcja połączee operatory mogoścowe Algebra relacj
Bardziej szczegółowoPRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI
Adrzej POWNUK *) PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI. Wprowadzee Mechaka lowa staow jak dotąd podstawowy obszar zateresowań żyerskch. Isteje jedak
Bardziej szczegółowoBQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE
BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne
TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version WIII/1
Statystyka opsowa Statystyka zajmuje sę zasadam metodam uogólaa wyków otrzymaych z próby losowej a całą populację (czyl zborowość, z której została pobraa próba). Take postępowae azywamy woskowaem statystyczym.
Bardziej szczegółowoW zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
Bardziej szczegółowoWykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.
Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu o gęstości
Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc
Bardziej szczegółowoPortfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem
Katedra Ietycj Faoych Zarządzaa yzykem Aalza Zarządzae Portfelem cz. Dr Katarzya Kuzak Co to jet portfel? Portfel grupa aktyó (trumetó faoych, aktyó rzeczoych), które zotały yelekcjooae, którym ależy zarządzać
Bardziej szczegółowoWstęp do prawdopodobieństwa. Dr Krzysztof Piontek. Literatura:
Studum podyplomowe altyk Fasowy Wstęp do prawdopodobeństwa Lteratura: Ostasewcz S., Rusak Z., Sedlecka U.: Statystyka elemety teor zadaa, kadema Ekoomcza we Wrocławu 998. mr czel: Statystyka w zarządzau,
Bardziej szczegółowoFINANSE II. Model jednowskaźnikowy Sharpe a.
ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy
Bardziej szczegółowoIV. ZMIENNE LOSOWE DWUWYMIAROWE
IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję
Bardziej szczegółowowyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=
ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej
Bardziej szczegółowoPrzestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach
dr ż. Jolata Wojar Zakład Metod Iloścowych, Wydzał Ekoom Uwersytet Rzeszowsk Przestrzeo-czasowe zróżcowae stopa wykorzystaa techolog formacyjo- -telekomukacyjych w przedsęborstwach WPROWADZENIE W czasach,
Bardziej szczegółowoModele wartości pieniądza w czasie
Joaa Ceślak, Paula Bawej Modele wartośc peądza w czase Podstawowe pojęca ozaczea Kaptał (ag. prcpal), kaptał początkowy, wartośd początkowa westycj - peądze jake zostały wpłacoe a początku westycj (a początku
Bardziej szczegółowoZadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.
Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer
Bardziej szczegółowoMatematyczny opis ryzyka
Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee
Bardziej szczegółowoBadania operacyjne. Algorytm simpleks. Organizacja zajęć. Zaliczenie. Literatura. Program zajęć
Algorytm smpleks adaa operacyje Wykład adaa operacyje dr hab. ż. Joaa Józefowska, prof.pp Istytut Iformatyk Orgazacja zajęć 5 godz wykładów dr hab. ż. J. Józefowska, prof. PP Obecość a laboratorach jest
Bardziej szczegółowoProbabilistyka i statystyka. Korelacja
06-05-08 Probablstyka statystyka Korelacja Probablstyka statystyka - wykład 9 dla Elektrok Korelacja Aalza korelacj zajmuje sę badaam stea zależośc lowej mędzy dwema cecham X Y. Podstawową marą jest współczyk
Bardziej szczegółowoMateriały do wykładu 7 ze Statystyki
Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj
Bardziej szczegółowoPodstawy opracowania wyników pomiarowych, analiza błędów
Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:
Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t
Bardziej szczegółowoPODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE
Marek Cecura, Jausz Zacharsk PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ II STATYSTYKA OPISOWA Na prawach rękopsu Warszawa, wrzeseń 0 Data ostatej aktualzacj: czwartek, 0 paźdzerka
Bardziej szczegółowoPRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH
PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH Z PRZEDMIOTU EWOLUCYJNE METODY OPTYMALIZACJI. Rozwązać zadae zadaa załaduku (plecakowego z ograczeam a dopuszczale wymary oraz cężar []: a algorytmem symulowaego wyżarzaa.
Bardziej szczegółowoWPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY
ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH Mara KLONOWSKA-MATYNIA Natala CENDROWSKA WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY Zarys treśc: Nejsze opracowae pośwęcoe zostało spółkom akcyjym, które
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w
Bardziej szczegółowoX 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 szczegółowoANALIZA KORELACJI DEFINICJA ZALEŻNOŚCI KORELACYJNEJ, RODZAJE ZALEŻNOŚCI KORELACYJNYCH KLASYFIKACJA METOD ANALIZY ZALEŻNOŚCI STATYSTYCZNYCH
AALIZA KORELACJI DEFIICJA ZALEŻOŚCI KORELACYJEJ, Zależośd korelacyja (statystycza) występuje wtedy, gdy określoym wartoścom jedej zmeej są przyporządkowae pewe średe wartośc drugej zmeej e moża wyzaczyd
Bardziej szczegółowoRegresja REGRESJA
Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu
Bardziej szczegółowoBadania Maszyn CNC. Nr 2
Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Zajęcia 5
Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja
Bardziej szczegółowoElementy arytmetyki komputerowej
Elemety arytmetyk komputerowej cz. I Elemety systemów lczbowych /materał pomocczy do wykładu Iformatyka sem II/ Sps treśc. Wprowadzee.... Wstępe uwag o systemach lczbowych... 3. Przegląd wybraych systemów
Bardziej szczegółowoMIARY NIEZAWODNOŚ CIOWEJ I STRUKTURALNEJ ISTOTNOŚ CI ELEMENTÓW
ZESZYTY NAUKOWE AKADEM MARYNARK WOJENNEJ ROK XLV NR 3 (66) 6 Agata Załęska-Foral Akadema Maryark Wojeej MARY NEZAWODNOŚ COWEJ STRUKTURALNEJ STOTNOŚ C ELEMENTÓW STRESZCZENE W artykule zdefowao wyzaczoo
Bardziej szczegółowoSTATYSTYKA OPISOWA WYKŁAD 3,4
STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s
Bardziej szczegółowoModelowanie i Analiza Danych Przestrzennych
Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta
Bardziej szczegółowoPortfel złożony z wielu papierów wartościowych
Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe
Bardziej szczegółowoO liczbach naturalnych, których suma równa się iloczynowi
O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą
Bardziej szczegółowoStatystyka Opisowa 2014 część 3. Katarzyna Lubnauer
Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław
Bardziej szczegółowoMiary statystyczne. Katowice 2014
Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących
Bardziej szczegółowoZadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84
Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe
Bardziej szczegółowoLista 6. Kamil Matuszewski 26 listopada 2015
Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy
Bardziej szczegółowoMonika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu
Bardziej szczegółowoLaboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI
Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze
Bardziej szczegółowoMODELE 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 szczegółowoA B - zawieranie słabe
NAZEWNICTWO: : rówoważość defcj : rówość defcj dla każdego steje! ZBIORY steje dokłade jede {,,,...} - całkowte * - całkowte be era - wmere - ujeme plus ero - recwste - espoloe A B - awerae słabe A :
Bardziej szczegółowoTMM-2 Analiza kinematyki manipulatora metodą analityczną
Opracował: dr ż. Przemysław Szumńsk Laboratorum Teor Mechazmów Automatyka Robotyka, Mechatroka TMM- Aalza kematyk mapulatora metodą aaltyczą Celem ćwczea jest zapozae sę ze sposobem aalzy kematyk mechazmu
Bardziej szczegółowoR j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i.
c 27 Rafał Kucharsk Rety Wartość beżącą cągu kaptałów: {R t R 2 t 2 R t } gdze R jest kwotą omalą płacoą w chwl t = oblczamy jako sumę zdyskotowaych płatośc: przy czym = + R j tj j= jest czykem dyskotującym
Bardziej szczegółowoModelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej
Dr hab. ż. Ato Śwć, prof. adzw. Istytut Techologczych ystemów Iformacyych oltechka Lubelska ul. Nadbystrzycka 36, 2-68 Lubl e-mal: a.swc@pollub.pl Dr ż. Lech Mazurek aństwowa Wyższa zkoła Zawodowa w Chełme
Bardziej szczegółowoopisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn
ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.
Bardziej szczegółowoFizyka, technologia oraz modelowanie wzrostu kryształów
Fzyka, techologa oaz modelowae wzostu kyształów Stasław Kukowsk Mchał Leszczyńsk Istytut Wysokch Cśeń PA 0-4 Waszawa, ul Sokołowska 9/37 tel: 88 80 44 e-mal: stach@upess.waw.pl, mke@upess.waw.pl Zbgew
Bardziej szczegółowoAnaliza 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. Wtedy E V U jest równa
Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo
Bardziej szczegółowoPomiary parametrów napięć i prądów przemiennych
Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach
Bardziej szczegółowoSTATYKA. Cel statyki. Prof. Edmund Wittbrodt
STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowok k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2
Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu
Bardziej szczegółowoStatystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych
dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby
Bardziej szczegółowoTARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA
Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej
Bardziej szczegółowoŚrednia harmoniczna (cechy o charakterze ilorazu np. Prędkość, gęstość zaludnienia)
Mary przecęte Średa arytmetycza Dla szeregu rozdzelczego cechy skokowej x k x k Średa harmocza (cechy o charakterze lorazu p. Prędkość, gęstość zaludea) x H k x Średa geometrycza x x x... G x średa arytmetycza
Bardziej szczegółowo