3. GENEZOWANIE STANU 3.1. ROZPOZNAWANIE STANU MASZYNY

Wielkość: px
Rozpocząć pokaz od strony:

Download "3. GENEZOWANIE STANU 3.1. ROZPOZNAWANIE STANU MASZYNY"

Transkrypt

1 elem siąże est zmusić umysł, żeby myślał po swoemu 3. GENEZOWANIE STANU 3.. ROZPOZNAWANIE STANU MASZYNY W metodologii proesu rozpozawaia stau maszyy wyróżia się astępuąe forma działaia diagostyzego (rys. 3. [4,9,6,,,35,5,65]: a diagozowaie - ao proes oreślaia stau maszyy w wili b ; b progozowaie - ao proes oreślaia przyszły staów maszyy d ; geezowaie - ao proes odtwarzaia istorii staów maszyy; Rys. 3.. Semat realizai rozpozawaia stau maszy w systemie obsługiwaia o astępie umożliwia: a oreśleie stau teizego maszyy w zasie bieżąym a podstawie wyiów badań diagostyzy. Umożliwia to otrolę stau i loalizaę uszodzeń w przypadu stau iezdatośi maszyy. b przewidywaie stau maszyy w zasie przyszłym a podstawie iepełe istorii wyiów badań diagostyzy. Umożliwia to oszaowaie zasu iezawodego użytowaia maszyy lub wartośi wyoae przez ią w przyszłośi pray. oreśleie stau maszyy w zasie przeszłym a podstawie iepełe istorii wyiów badań diagostyzy, o umożliwia oszaowaie stau maszyy w przeszłośi. Sta maszyy S( w wili moża sarateryzować za pomoą zbioru wartośi parametrów diagostyzy {y (; =,...,m}. Maszya w wili b (oea stau maszyy zadue się w staie zdatośi S, gdy spełioy est warue [45,47,59]:

2 S( = S (=,...,m [{y,d } {y ( b } {y,g }] (3. gdzie: {y,d,{y,g }-zbiory doly i góry wartośi graizy parametrów. Aalogizie moża sformułować warue zdatośi w wili + (zadaie progozowaia stau maszyy [,4,,7,59]: S( + = S (=,...,m [{y,d } {y ( b+ } {y,g }], (3. przy zym elemety zbioru {y ( b+ } są iezae i stąd oiezość i przewidywaia w założoym przedziale zasu. Wielość ozaza przedział zasu, dla tórego realizoway est proes progozowaia (wielość azywa się taże wyprzedzeiem lub oryzotem zasowym progozy. W uęiu tym oeę zasu prześia maszyy w sta iezdatośi wyzazaą wyii progoz parametrów diagostyzy {y ( b+ }, sygalizuąe przerozeie wartośi graizy. Podobie moża sformułować warue zdatośi w wili b- (zadaie geezowaia stau maszyy [,55]: S( - = S (=,...,m [{y,d } {y ( b- } {y,g }], (3.3 przy zym ietóre wartośi elemetów zbioru {y ( b- } mogą być iezae i stąd oiezość i przewidywaia w założoym przedziale zasu. Wielość ozaza przedział zasu, dla tórego realizoway est proes geezowaia (wielość azywa się oryzotem zasowym geezy. W uęiu tym oszaowaie stau maszyy lub wartośi wyoae przez ią w przeszłośi pray wyzazaą wyii geezowaia wartośi parametrów diagostyzy {y ( b-. Główe zadaia, tóre moża sformułować przy rozwiązywaiu problemów geezowaia stau maszy to [,55,66]: a sformułowaie elu geezowaia stau maszyy; b zmiaa stau maszyy w zasie esploatai; opis stau maszyy za pomoą e stau oraz zależość pomiędzy eami stau i parametrami diagostyzymi; d rozwiązaie zadaia geezowaia stau. Główymi problemami poawiaąymi się przy rozwiązaiu ta uęty zadań est [55,57]: a wybór alepszy parametrów diagostyzy opisuąy atualy sta i i zmiaa w zasie esploatai maszyy; b wyzazeie wartośi geezowae parametru diagostyzego dla oryzotu geezy, y G ( b - za pomoą alepsze metody geerowaia; oszaowaie stau maszyy poprzez oreśleie przyzyy wystąpieia zloalizowaego, podzas badaia maszyy, uszodzeia. Użyte powyże poęie alepsze wiąże się z przyęiem odpowiedi ryteriów i rozpatrzeie ty problemów w ategoria poszuiwaia rozwiązaia optymalego, zaś ze względu a wiele ryteriów oey wymaga rozpatrzeie ty problemów w ategoria rozwiązaia polioptymalego.

3 3.. WYZNACZANIE ZBIORU PARAMETRÓW DIAGNOSTYCZNYCH Parametry stau teizego maszyy W są wielośiami zmieymi w zasie W=f(, bowiem zależą od przebiegu proesów wymuszaąy starzeie. Zostało ustaloe [4,5,7,6,57], że parametry diagostyze mogą odzwieriedlać sta maszy i zależą od zmia parametrów stau i zasu: Y = Y (W, (3.4 stąd oreśleie i umożliwia rozpozaie stau teizego maszyy. Zbiór parametrów diagostyzy Y wyróżia się ze zbioru parametrów wyśiowy Y wy, tóre opisuą przebieg proesów wyśiowy (proesy roboze i towarzysząe, zależy od stau teizego obietu: Y wy = Y wy (W, (3.5 Wzaemy związe parametrów stau W i parametrów wyśiowy Y wy pozwala przy spełiaiu poday poiże waruów, parametry wyśiowe y wy Y wy wstępie tratować ao parametry diagostyze oraz oreślić puty pomiarowe w maszyie. Waruami tymi są : a warue edozazośi - ażde wartośi parametru stau W i W odpowiada tylo eda zdetermiowaa wartość parametru wyśiowego y wy Y wy ; b warue szeroośi pola zmia - awięsza względa zmiaa wartośi parametru wyśiowego y wy Y wy dla zadae wartośi parametru stau W i W; warue dostępośi pomiaru parametru wyśiowego - arateryzue się poprzez wsaźi osztu pomiaru lub zasu pomiaru t, przy zym arzua się miimalizaę ty wsaźiów; d warue mierzalośi formułue się dla fui Y wy = Y wy (W,. Twierdzi się wówzas, że fua Y = Y (W est mierzala, eżeli dla ażdego mierzaly est zbiór [3,3]: { W : Y (W < N } (3.6 Spełieie waruów 3 4 wyróżia wstępie ze zbioru Y WY zbiór parametrów diagostyzy Y. Na podstawie wyiów badań i ustaleń pozyioy w praa [3,43,45,68,69], maąy a elu potwierdzeie ietóry propozyi zawarty w praa dotyząy redui iformai diagostyze [5,9,7,3,37], uważa się że wyzazaie zbioru parametrów diagostyzy w proesie geezowaia stau maszy powio uwzględiać: a zdolość odwzorowaia zmia stau maszyy w zasie esploatai; b ilość iformai o staie maszyy; odpowiedią zmieość wartośi parametrów diagostyzy w zasie esploatai. Odpowiedie metody i proedury oraz algorytmy uwzględiaąe te postulaty zostały przedstawioe poiże. 3

4 Metoda masymale względe zmiay parametru diagostyzego W metodzie te wybiera się te parametr diagostyzy, tóry posiada awięszą wartość wsaźia. Uwzględia o średią prędość zmiay parametrów w przedziale zasu (, b. Oreśla się go według zależośi: = b m = y ( i+ y ( i b = ( y ( y i = i i, g gdzie: - lizebość elemetów szeregu zasowego w przedziale (, b. Metoda orelai wartośi parametrów diagostyzy ze staem maszyy Metoda polega a badaiu orelai wartośi parametrów diagostyzy ze staem maszyy r =r(w, y (ewetualie z zasem esploatai, (r = r((, y : r = ( b (, ( y, ( y y, y, y y, gdzie: r = r(w, y ; =,..., m - współzyi orelai między zmieymi W (sta maszyy oraz zmieymi parametrami y, r = r(y, y ;, =,..., m; współzyi orelai między zmieymi y i y. (3.7 (3.8 (3.9 W przypadu brau day ze zbioru W zastępowae są oe, przy założeiu że wyzazeie proedur geezowaia stau maszyy est realizowae w przedziale zużyia ormalego, zasem esploatai maszyy. Wówzas r = r(, y ; =,..., m; =,...,; (r - współzyi orelai między zasem esploatai a parametrami y. Metoda masymale poemośi iformaye parametru diagostyzego Istota metody polega a wyborze parametru dostarzaąego awięszą ilość iformai o staie maszyy. Parametr diagostyzy ma tym więsze zazeie w oreśleiu zmiay stau, im silie est z im soreloway i im słabie est soreloway z iymi parametrami diagostyzymi. Zależość tę przedstawia się w postai wsaźia poemośi iformaye parametru diagostyzego, tóry est modyfiaą wsaźia odosząego się do zbioru zmiey obaśiaąy model eoometryzy [45]: r = (3. m r,,, 4

5 r, = ( y, y ( y, y ( y, ( y y, y (3. y y, ; y y, (3. gdzie: r = r(w, y ; =,..., m - współzyi orelai między zmieymi stau Woraz y, r = r(y, y ;, =,..., m; współzyi orelai między zmieymi y i y. W przypadu brau day ze zbioru W zastępowae są oe, przy założeiu że wyzazeie proedur geezowaia stau maszyy est realizowae w przedziale zużyia ormalego, zasem esploatai maszyy. Zaletą przedstawioy powyże metod est to, że pozwalaą wybrać ze zbioru parametrów wyśiowy edoelemetowe, a i wieloelemetowe zbiory parametrów diagostyzy. Zbiór edoelemetowy odosi się do przypadu, gdy maszya est zdeompoowaa a zespoły i oiezy est wybór edego parametru diagostyzego. Zbiór wieloelemetowy otrzymue się, gdy w przedstawioy proedura stosue się mie ostre ograizeie polegaąe a zawalifiowaiu do zbioru parametrów diagostyzy ty parametrów, tóry wartośi wsaźiów są więsze (miesze od, przyęty odpowiedio dla metody, mały (duży lizb dodati. Na podstawie przedstawioy proedur oreśla się algorytm wyzazaia zbioru parametrów diagostyzy maszy. Zawiera o astępuąe etapy:. Awizya day: a zbiór wartośi parametrów diagostyzy w fui zasu esploatai {y ( }, uzysay w zasie realizai esperymetu biero zyego, gdzie (, b ; b zbiór wartośi omialy parametrów:{y ( } oraz {y g }- wartośi graizy, =,, m; zbiór staów maszyy{ : {s i }, =,, ; i=,, I}oreśloy w zasie realizai esperymetu biero zyego, gdzie (, b ; d oszty parametrów diagostyzy (y = ost.. Optymalizaa zbioru wartośi parametrów diagostyzy (tylo w przypadu duże lizebośi zbioru Y, p. m >5. Zbiór parametrów diagostyzy wyzaza się za pomoą: a metody orelai wartośi parametrów diagostyzy ze staem maszyy (z zasem esploatai, r = r(w, y, (r = r((, y ; b metody ilośi iformai parametrów diagostyzy o staie maszyy. W elu wyboru zbioru parametrów diagostyzy wyorzystue się wartośi wag [5,57]: a stadaryzowae wagi oblizeiowe w : w w = (3.3 m w 5

6 w =, d = d r r, max r ( r ( (3.4 (3.5 max b ao ryterium wyboru parametrów diagostyzy przyęto masymalizaę wartośi wag w i wybór według powyższego ryterium. w elu uwzględieia preferei użytowia powio być możliwe wprowadzeie wag w (wartośi stadaryzowae z przedziału (, i wybór według tego ryterium PROCEDURY GENEZOWANIA STANU Podemuą rozważaia a temat geezowaia stau maszy [,4,48,55] ie moża wyazać wyższośi pewy metod geezowaia ad iymi, bowiem zależy to, ai obiet est przedmiotem badań oraz ai est el geezowaia stau maszyy. Stosuą eda ryteria dotyząe wymagań związay z postaią geezy (wartość geezowaa symptomu, szaoway sta maszyy w przeszłośi, wartość wyoae przez ią w przeszłośi pray lub ia postać geezy stau maszyy oraz wpływem zmiay waruów esploatai maszy i zyośi obsługowy a właśiwośi esploataye maszyy, tóre ależy uwzględić przy wyborze metody geerowaia moża sformułować problemy występuąe w proesie geezowaia stau teizego maszyy. Sprowadzaą się oe do: a aalizy proesu pogarszaia się stau teizego maszyy, tz. oreśleie tedei i dyamii zmia wartośi e parametrów stau, wybór staów w tóry mogła zadować się maszya, deompozya maszyy a ułady i zespoły, ryteria wyboru staów i prawdopodobieństwo i występowaia, wybór alepszy parametrów diagostyzy opisuąy zmiaę stau maszyy. b wyboru alepsze metody wyzazaia geezy stau; wyorzystaie iformai uzysae z geezowaia stau do aalizy przyzyy zaistieia stau maszyy w wili badaia maszyy. Model geezowaia stau teizego maszyy Według ustaleń pozyioy powyże geezowaie stau teizego maszy powio polegać a oreśleiu (przy iepeły lub iepewy day wartośi parametrów diagostyzy tredu zmia wartośi parametrów diagostyzy, arateryzuąego proes ego pogarszaia się w przeszłośi, przyrówaiu wilowy wartośi parametrów diagostyzy do wartośi graizy i a te podstawie szaowaie zasu iezawode pray maszyy w iteresuąym użytowia zasie przeszłym esploatai maszyy. Moża go taże wyorzystać do aalizy przyzy zloalizowaego w wili badaia uszodzeia maszyy. Rozwiązaie przedstawioy zadań moża uzysać postępuą według algorytmu:. Nie zawiso pogarszaia się stau teizego zespołów maszyy będzie reprezetowae szeregiem zasowym y =<y, y,..., y b >, to est zbiorem dysrety obserwai {y = (; =,,..., b } iestaoarego proesu stoastyzego (.. Przy założeiu, że meaizm zmia wartośi proesu stoastyzego w zasie (, b ształtue tred ( załóoy różymi oddziaływaiami losowymi (: 6

7 y = ( + ( (3.6 gdzie: ( - sładi zdetermioway szeregu zasowego y, ( - tred zyiów przypadowy (warui tereowe, limatyze, aość obsługiwań. ostruue się taie oszaowaie { p (} dla iezae postai tredu (, tóre zapewiałoby odpowiedią doładość geezy y G (, przy iterpolai (lub aprosymai p ( a odie zasu pray maszyy ( b, G, G = b Oszaowaie G ( wyzaza wówzas wartośi obserwoway parametrów w geezowae wili G, a tym samym geezę stau teizego maszyy W( G. 4. Jao dopuszzaly sta esploatai maszyy W dop w przedziale zasu ( b, G przymue się wartość zasu, dla tórego graie przedziału błędu dla poszzególy geez (y, y G, G(y, oreśloe a podzbiorze y dostępy realizai obserwoway parametrów diagostyzy {y (} oraz i geez {y,g } według przyęte metody geezowaia G(y, ie przerazaą wartośi graizy {y,g }. 5. Dopuszzaly sta teizy W dop maszyy wyzaza oryzot geezy o, dla tórego ie występue przerozeie wartośi graize parametru diagostyzego {y g } przez graię przedziału błędu geezy wyzazoą przez promień graiy przedziału błędu r G : r G = q G (3.7 gdzie: q, - parametr stały wyzazay z tabliy rozładu Studeta do wymagaego poziomu ufośi i - lizby stopi swobody, G - odyleie stadardowe sładia losowego błędu geezy e G 6. W przypadu systemu obsługiwaia wymagaą postaią geezy stau uładów lub zespołów maszyy est iformaa, zy w zasie (, b sta teizy był staem dopuszzalym W dop (a e podstawie moża szaować sta maszyy w przeszłośi. Propoue się taże, aby wielośiami dodatowymi GST (geezy stau maszyy były wartość ozeiwaa i promień graiy przedziału błędu geezy r G (rys. 3. GST = < W dop, r G > (3.8 Przedział zasu (, b będzie oresem estymai wartośi ozeiwae błędu geezy e G i promieia graiy błędu geezy r G, zaś ores zasu b - będzie oresem atywe geezy, tz. wyzazeia: a wartośi geezowae parametru dla zasu oryzotu geezy, y G ( b - ; b oreśleie wartośi promieia graiy przedziału błędu geezy r G ( b - ; wyzazeie ewetualy zasów { Gi } prześia maszyy w sta iezdatośi. 7

8 Rys. 3.. Semat wyzazaia wartośi geezowae parametru diagostyzego Załadaą możliwość iągłe lub dysrete reestrai zdarzeń (wartośi parametrów diagostyzy y, wartośi parametrów proesowy maszyy yp, wartośi parametrów otozeia yo, staów maszyy s oraz zdarzeń dodatowy zd w zasie e esploatai (p. w traie esperymetu biero zyego uzysue się bazę iformai w postai maierzy iformai: wartośi parametrów zdarzeń stay maszyy zas esploatai. W wili utraty przez maszyę stau zdatośi będzie prawdopodobie możliwość, a podstawie zebray day a i oględzi maszyy, stwierdzić, aa mogła być przyzya powstaia stau iezdatośi maszyy. Wyzazeie geezoway wartośi parametrów diagostyzy Realizaa przedstawioego powyże algorytmu możliwa est przy wyorzystaiu odpowiedi metod wyzazeia geezowae wartośi parametrów diagostyzy (tylo przy otai dysrete zdarzeń w przedziale zasu (, b, w przypadu otai iągłe iągłe wyzazaie wartośi geezowae parametrów diagostyzy y ie est oieze. Problem te moża rozwiązać stosuą odpowiedio metody aprosymai lub iterpolai. Aprosymaa wartośi parametru diagostyzego Aprosymaa est to przybliżaie fui Y( zwae fuą aprosymowaą ią fuą Y( zwaą fuą aprosymuąą. Z wielu metod aprosymai, a podstawie aalizy literatury i badań wstępy [3,7,8,47,5,55,6,6] zostały wybrae: aprosymaa średiowadratowa putowa wielomiaowa oraz aprosymaa trygoometryza.. Aprosymaa średiowadratowa putowa wielomiaowa Dae są puty zasowe,, i,,,, b parami róże, zyli dla i oraz dae są wartośi parametrów diagostyzy w ty puta y,, y i,, y b, gdzie y=f( i, i=,, b. Zadaiem aprosymai est wię zaleźć wartośi współzyiów a, a,, a m wielomiau Y m ( stopia m-tego postai: 8

9 m Y m ( a, (3.9 aby błąd średiowadratowy był amieszy zyli: e G = mi B ( yi a, a,..., a i m a i (3. Zadaie aprosymai średiowadratowe putowe sprowadza się wię do rozwiązaia m rówań o m iewiadomy.. Aprosymaa trygoometryza Aprosymaa trygoometryza est stosowaa wówzas, gdy fua aprosymowaa est fuą oresową a puty szeregu zasowego Y = {y i (} poodząe z obserwai zmiay wartośi parametru diagostyzego są rówoodległe. Fua aprosymuąa przymue wówzas postać: m i i Y( a ( aios bi si (3. i gdzie: - lizba putów szeregu zasowego, m - stopień wielomiau trygoometryzego, przy zym parametr m musi spełiać warue > m +. Zagadieie aprosymai sprowadza się wówzas do oblizeia wartośi współzyiów a oraz a i, b i (i =,,..., m. Współzyii te wyzaza się ze wzorów Eulera-Fouriera: a i ai os i=,,,m (3. i b i si gdzie ( =,,..., są elemetami iągu (3.. Błąd aprosymai trygoometryze moża wyrazić zależośią: e G = B b i ( y (3.3 gdzie: y - wartość fui aprosymuąe, y i - wartość fui aprosymowae. Iterpolaa wartośi parametru diagostyzego Załóżmy, że dae są wartośi fui Y( wartośi parametrów diagostyzy a zbiorze putów zasowy,, i,,,, b zway węzłami iterpolai. Zadaiem iterpolai est wyzazeie przybliżoy wartośi fui Y( zwae fuą iterpolowaą w puta ie będąy węzłami iterpolai. Fua iterpoluąa est fuą pewe lasy. Nazęśie będzie to wielomia algebraizy, wielomia trygoometryzy, fua wymiera lub fua sleaa. Iterpolaę stosue się azęśie, gdy ie zamy aalityze postai fui Y( (est oa tylo stabliowaa lub, gdy e postać aalityza est zbyt sompliowaa. W opraowaiu, a podstawie aalizy literaturowe i badań wstępy 3,7,8,47,5,55,6,6] została zastosowaa iterpolaa Lagrage a oraz iterpolaa za pomoą fui sleay. y i 9

10 . Iterpolaa Lagrage a Zagadieie iterpolaye Lagrage a arateryzue się wymagaiem, aby wartośi fui iterpoluąe rówały się wartośiom fui iterpolowae w + puta. Załóżmy, że zamy ila wartośi fui Y( dla ilu argumetów,, i,,,, b, a emy dowiedzieć się, aie są wartośi dla iy argumetów. Moża tego dooać dzięi fuom iterpolayym. Wymaga się, aby i wyres przeodził przez węzły iterpolai (puty dysrete, tóry współrzęde zamy y,, y i,, y b, a poza imi przybliżał a alepie pierwowzór. Aby zaleźć wartośi fui w ażdym puie dziedziy, ależy a podstawie zaomośi ilu wartośi dysrety wyzazyć wielomia iterpolayy. Naprostszy est wielomia iterpolayy w sesie Lagrage'a przymue postać: b ( o(...( i ( i...( Y ( y i (3.4 i ( i ( i...( i i ( i i...( i Oszaowaie est w dużym stopiu zależe od rozładu argumetów putów dysrety. Iterpolaa w sesie Lagrage'a est dość dołada dla więszośi fui iągły, zaś oszaowaie błędu w te metodzie est astępuąe: M e G = Y ( t Yi ( t w ( (3.5 (! gdzie: M max y (, w (...( ab (. Iterpolaa za pomoą fui sleay W dotyzasowy rozważaia fua była iterpolowaa edym wielomiaem. Ozywiśie, eśli wzrasta lizba węzłów wzrasta rówież stopień wielomiau iterpolayego i może się oazać, że ie będzie o zbieży do fui iterpolowae. Moża iaze sformułować problem. Nie dae będą węzły uporządowae astępuąo: a = x < x < x < x - < x = b (3.6 W ażdym z przedziałów x x,,,..., fuę iterpolowaą przybliża się, wielomiaem stosuowo isiego stopia. Na ogół w ażdym przedziale wielomia będzie róży ale ała fua iterpoluąa powia być iągła wraz z odpowiedimi poodymi a odiu a, b. Zagadieie iterpolaye za pomoą fui sleay wymaga, aby i wyres przeodził przez węzły iterpolai (puty dysrete, tóry współrzęde zamy y,, y i,, y b, a poza imi przybliżał a alepie pierwowzór za pomoą odpowiedi fui w poszzególy przedziała <, +. Na przyład w ażdym przedziale <, + fua sleaa stopia 3 przymue postać: Y 3 i ( a b ( ( d (,,,,..., (3.7 przy zym współzyii a i, bi, i, di wyzaza się astępuąo:. Należy rozwiązać uład rówań liiowy o postai: 3

11 3 3 3 u w u w u w u w 3 = 3 v v v v v (3.8 gdzie ( : s s s s v w u,,,...,,,,..., i y( y,...,,, z tórego wyzaza się współzyii i,,...,.. Współzyii i są oreśloe astępuąo:,,..., 3 (3.9 a współzyii i i i d b a,, obliza się wg zależośi: d s s b s a 3 ( 3,,,...,. (3.3 Maą oblizoe współzyii wielomiau, moża oblizyć szuaą wartość wielomiau, zaś błąd iterpolai za pomoą fui sleay wyzaza się według zależośi: e G = ( ( i Y i M Y (3.3 gdzie: M - stała, taa że M Y i ( " dla ażdego,, Y i - fua sleaa trzeiego stopia z węzłami... taa, że ( ( i Y Y dla =,, oraz M Y i 3 ( " i M Y i 3 ( " ;. Aaliza przedstawioy powyże metod wyzazaia wartośi geezowae parametrów diagostyzy oraz odpowiedi dla i błędów geezy pozwala stwierdzić, że w elu wyzazeia wartośi geezowae parametrów diagostyzy, a podstawie iepewy i iepeły i wartośi z przedziału zasu (, b, ależy wyorzystać:. W zaresie metod aprosymayy: a aprosymaę średiowadratową putową wielomiaową z błędem geezy r a :

12 r a = e G = max B y, a( y (, b aprosymaę trygoometryzą z błędem geezy r a : r a = e G = max B y, a( y (, (3.3 (3.33. W zaresie metod iterpolayy: a iterpolaę za pomoą fui sleay, i 3 stopia dla przedziału zasu (, b o lizebośi r z błędem geezy r,it [55,64]: r,it = e G = max B y it( y ( (3.34, r gdzie: r = / - ilość putów do iterpolai wartośi szeregu zasowego y (, r = /- - ilość putów do porówaia wartośi fui sleay z wartośią rzezywistą parametru oraz iterpolai wartośi szeregu zasowego y (, lizebość szeregu zasowego. Szaowaie przyzyy uszodzeia maszyy Aaliza przyzyy wystąpieia stau s i (T LU odbywa się poprzez aalizę zbioru zdarzeń, w tym {s i (, i=,, ; =,, } w przedziale (, b w elu: a oreśleia putu wspólego aału błędowego wyzazoego przez promień błędu r i wartość graizą parametru diagostyzego y w wili S (, b, d mi = (rys. 3.4, rys. 3.6; b oreśleia więsze lizby putów wspóly aału błędowego (p. - putów wyzazoego przez promień błędu r i wartośi graize parametru diagostyzego y w wila S (, b, d mi = (rys. 3.5; oreśleia miimale odległośi aału błędowego od wartośi graize w wili S (, b, d mi < (rys. 3.5, rys. 3.6; d aaliza elemetów zbioru staów {s i (, =,, }i zbioru staów {s i ( S } oraz zloalizowaego stau s i (T LU w elu oreśleia przyzyy ego wystąpieia., Rys Iterpretaa geezowaia stau maszyy dla edego putu wspólego (d mi = 3

13 Rys Iterpretaa geezowaia stau dla putów wspóly ((d mi = i dla d mi < Rys Iterpretaa geezowaia stau dla d mi > i edego putu wspólego (d mi = Dla ażdego parametru diagostyzego oreślaa est ilość zbliżeń aprosymowae (iterpolowae wartośi parametru diagostyzego z oblizoym błędem geezy e G = max (r,a, r,it do wartośi graize parametru diagostyzego y g (d mi =, d mi =, d mi >, d mi < oraz lista oreśloy staów {s i ( }. Aaliza ilośi zbliżeń (wartośi miimale d mi i odpowiadaąe im stay s i {s i ( } oraz waruów i wystąpieia (parametry proesowe, parametry otozeia oraz zdarzeia dodatowe, p. obiążeie, warui tereowe, warui limatyze, ie umożliwia oreśleie przyzyy stau s i (T LU, stwierdzoego w wili badaia stau maszyy b. Wyia to z astępuąy ustaleń: a eśli zae są stay s i {s i (, (, b } i warui i wystąpieia w postai zbioru zdarzeń oraz poedyzy put wspóly aału błędowego (d mi =, rys. 3.4 w wili S wyróżia sta s i ( S =s i (T LU to wówzas przyzyą wystąpieia stau s i (T LU były oolizośi i warui oreśloe dla stau s i ( S oraz wilowe poawieie się się tego stau w zasie (, b ; 33

14 b eśli zae są stay s i {s i (, (, b } i warui i wystąpieia w postai zbioru zdarzeń oraz wiele putów wspóly aału błędowego (d mi =, d mi <, rys. 3.5 w wili S wyróżia sta s i ( S =s i (T LU to wówzas przyzyą wystąpieia s i (T LU były oolizośi i warui oreśloe dla stau s i ( S oraz arastaąy rozwó tego stau w zasie (, b ; eśli zae są stay s i {s i (, (, b } i warui i wystąpieia w postai zbioru zdarzeń oraz odległość miimala d mi > (rys. 3.6 w wili S wyróżia sta s i ( S =s i (T LU to wówzas przyzyą wystąpieia s i (T LU były oolizośi i warui oreśloe dla stau s i ( S oraz wilowe iepełe poawieie się się tego stau w zasie (, b ; d eśli ie są zae stay s i {s i (, (, b } i zae są warui esploatai maszyy (w postai zbioru zdarzeń w przedziale zasu (, b oraz wartość odległośi miimale d mi = (d mi = lub d mi > lub d mi < wili S est zbliżoa (z błędem ooło % do wartośi d mi (s i (T LU to wówzas est możliwe oreśleie przyzyy wystąpieia stau s i (T LU, bo prawdopodobe są warui dla wili S ; e eśli ie są zae stay s i {s i (, (, b } i ie są zae warui esploatai maszyy (w postai zbioru zdarzeń w przedziale zasu (, b oraz wartość odległośi miimale d mi = (d mi = lub d mi > lub d mi < w wili S ie est zbliżoa (z błędem ooło % do wartośi d mi (s i (T LU to wówzas ie est możliwe oreśleie przyzyy wystąpieia stau s i (T LU. Przedstawioe ope oreślaia przyzyy stau s i (T LU ograizoe są z przyęiem wielu uwaruowań związay z proesem esploatai maszy ALGORYTM GENEZOWANIA STANU Realizaa opraoway powyże proedur powia zapewić: a optymalizaę zbioru parametrów diagostyzy Y; b geezowaie wartośi parametrów diagostyzy w przedziale zasu (, b ; wyzazeie przyzyy zloalizowaego, w traie realizai testu diagostyzego T LU, stau maszyy s i (rys Rys Semat proedury geezowaia stau w rozpozawaia stau maszy 34

15 Algorytm realizai proesu geezowaia stau maszyy zawiera astępuąe etapy (rys. 3.5: Rys Semat proesu geezowaia stau maszy A. Awizya day Podzas awizyi day uzysue się: a zbiór wartośi parametrów diagostyzy w fui zasu esploatai maszyy {y ( }, uzysay w zasie realizai esperymetu, gdzie (, b ; b zbiór wartośi parametrów diagostyzy:{y ( } wartośi omiale,{y g }- wartośi graize, =,, m; zbiór staów maszyy{ : {s i }, =,, ; i=,, I} uzysay w zasie realizai esperymetu, gdzie (, b ; d zbiór wartośi parametrów proesowy maszyy w fui zasu esploatai maszyy {yp ( }, uzysay w zasie realizai esperymetu, gdzie (, b ; e zbiór wartośi parametrów otozeia maszyy w fui zasu esploatai maszyy {yo ( }, uzysay w zasie realizai esperymetu, gdzie (, b ; f zbiór zdarzeń dodatowy w fui zasu esploatai maszyy {zd ( }, uzysay w zasie realizai esperymetu, gdzie (, b. B. Optymalizaa zbioru wartośi parametrów diagostyzy Zbiór parametrów diagostyzy wyzaza się za pomoą: a metody orelai wartośi parametrów diagostyzy ze staem maszyy (z zasem esploatai, r = r(w, y, (r = r((, y ; b metody ilośi iformai parametrów diagostyzy o staie maszyy ; a redui zbioru parametrów diagostyzy za pomoą metody putu idealego z grupy metod rozwiązań ompromisowy Pareto; b wyzazeie wartośi wagi w. 35

16 C. Geezowaie stau ustaleie przyzyy wystąpieia, zloalizowaego w traie realizai testu T LU, stau s i (T LU :. Geezowaie wartośi zbioru parametrów diagostyzy {y }, tylo przy otai dysrete zdarzeń, w przedziale zasu (, b : a za pomoą metody aprosymai wartośi parametru diagostyzego y w przedziale zasu (, b wraz z promieiem błędu aprosymai aału błędowego r,a metodą średiowadratową; b za pomoą iterpolai wartośi parametru diagostyzego y w przedziale zasu (, b wraz z promieiem błędu iterpolai aału błędowego r,it metodami (metoda fui sleaystopia drugiego i stopia trzeiego; wybór metody według miimale wartośi promieia błędu aprosymai lub iterpolai (błąd dopasowaia;. Szaowaie przyzyy wystąpieia stau iezdatośi s i (T LU : a oreśleie zbioru {s i (, i=,, ; =,, } w przedziale zasu (, b ; b oreśleie putu wspólego aału błędowego wyzazoego przez promień błędu r = max (r a, r i i wartość graizą parametru diagostyzego y w wili S (, b, o ozaza że przyzyą wystąpieia zloalizowaego stau s i było wilowe poawieie się tego stau w zasie (, b ; oreśleie więsze lizby putów wspóly aału błędowego wyzazoego przez promień błędu r = max (r,a, r,it i wartośi graize parametru diagostyzego y w wila s (, b ozaza, że przyzyą wystąpieia zloalizowaego stau s i był arastaąy rozwó stau s i w zasie (, b ; d w przypadu brau putów wspóly oreśleie miimale odległośi aału błędowego od wartośi graize w wili S (, b, o ozaza że prawdopodobą przyzyą wystąpieia zloalizowaego stau s i było wilowe iepełe poawieie się się tego stau w zasie (, b ; e aaliza elemetów zbioru zdarzeń, w tym staów {s i (, =,, } i zloalizowaego przez T LU stau s i oraz wystąpieia w elu oreśleia przyzyy ego wystąpieia w oteśie otrzymay ewetualy putów wspóly lub miimale odległośi zbliżeń. Przeprowadzoa prezetaa możliwośi wyzazaia geezy stau maszy pozwala a sformułowaie astępuąy wiosów:. Wszystie prezetowae algorytmy pozwalaą wyzazyć optymale, ze względu a przymowae ryterium, wartośi geezowae parametrów diagostyzy w przedziale zasu (, b, przy zym do dalszy badań propoue się: a wyorzystaie metod aprosymai wartośi parametru diagostyzego y (metoda średiowadratowa, z promieiem błędu aprosymai aału błędowego r,a ; b wyorzystaie metod iterpolai wartośi parametru y (metoda fui sleay róży stopi z promieiem błędu iterpolai aału błędowego r,it ; b wybór metody według miimale lub masymale wartośi promieia błędu aprosymai lub iterpolai (błąd dopasowaia. 36

17 . Przymuą za podstawową metodę geezowaia polegaąą a wyorzystaiu reestroway wartośi parametrów diagostyzy wyróżioo w elu geezowaia wartośi parametru diagostyzego (dla otai dysrete zdarzeń metody aprosymaye (metoda średiowadratowa putowa wielomiaowa, metoda trygoometryza i metody iterpolaye (metoda wielomiaowa, metodę fui sleay, i 3 stopia oraz opraowao odpowiadaąe im algorytmy. 3. Aaliza przyzyy wystąpieia stau s i (T LU poprzez aalizę zbioru zdarzeń, w tym staów {s i (, =,, }, i zloalizowaego przez T LU stau s i w elu oreśleia przyzyy ego wystąpieia w oteśie otrzymay ewetualy putów wspóly lub miimale odległośi zbliżeń. 4. Algorytm realizai proesu geezowaia stau maszyy zawiera astępuąe etapy: a awizya day i optymalizaa parametrów diagostyzy; b geezowaie wartośi zbioru parametrów diagostyzy {y } tylo przy założeiu iepełe i iepewe istorii i wartośi w przedziale zasu (, b,; aaliza przyzyy wystąpieia stau s i (T LU dla otai iągłe zdarzeń oraz otai dysrete zdarzeń. W elu weryfiai sutezośi opraoway proedur geezowaia stau maszy ależy prowadzić badaia staowisowe i esploataye wybray uładów maszy. Wyii badań, w postai szeregów zasowy (wartośi parametrów diagostyzy w fui zasu esploatai staowią podstawę do przeprowadzeia badań aośi dedyoway obietowo proedur geezowaia stau maszy. 37

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

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

Problem. Jak praktycznie badać jednostajną ciągłość funkcji?

Problem. Jak praktycznie badać jednostajną ciągłość funkcji? EAIiIB-Iormatya - Wyład 3- dr Adam Ćmiel miel@.agh.edu.pl Ciągłość uji w puie e. Fuję : azywamy iągłą w puie jeżeli Heie Cauhy Uwaga: Put ale ie musi być putem supieia zbioru. Jeżeli jest putem izolowaym

Bardziej szczegółowo

Wyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia

Wyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia Wy lad 8 Zasadicze twierdzeie algebry. Poj ecie pierścieia 1 Zasadicze twierdzeie algebry i jego dowód Defiicja 8.1. f: C C postaci Wielomiaem o wspó lczyiach zespoloych azywamy fucj e f(x) = a x + a 1

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

Szeregi liczbowe i ich własności. Kryteria zbieżności szeregów. Zbieżność bezwzględna i warunkowa. Mnożenie szeregów.

Szeregi liczbowe i ich własności. Kryteria zbieżności szeregów. Zbieżność bezwzględna i warunkowa. Mnożenie szeregów. Materiały dydaktyze Aaliza Matematyza (Wykład 3) Szeregi lizbowe i ih własośi. Kryteria zbieżośi szeregów. Zbieżość bezwzględa i warukowa. Możeie szeregów. Defiija. Nieh {a } N będzie iągiem lizbowym.

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

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

Bardziej szczegółowo

ANALIZA FOURIEROWSKA szybkie transformaty Fouriera

ANALIZA FOURIEROWSKA szybkie transformaty Fouriera AALIZA FOURIEROWSKA szybi trasformaty Fourira dowola fuję priodyzą F( w zasi lub przstrzi (tx, ors T) moża przdstawić jao () F( b o + [ a si( + b os( ] gdzi π / T lub ω zauważmy, ż ω, jst ajiższą zęstośią

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 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

Automatyka i Robotyka Analiza Wykład 14 dr Adam Ćmiel

Automatyka i Robotyka Analiza Wykład 14 dr Adam Ćmiel Własośi zbiorów otwarth i domięth Tw. a) Suma dowolej ilośi zbiorów otwarth jest zbiorem otwartm. b) Iloz sońzoej ilośi zbiorów otwarth jest zbiorem otwartm. Dow. a) Mam rodzię zbiorów otwarth: U A s {

Bardziej szczegółowo

WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU. Wprowadzenie. = =

WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU. Wprowadzenie. = = WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU Wprowadzeie. Przy przejśiu światła z jedego ośrodka do drugiego występuje zjawisko załamaia zgodie z prawem Selliusa siα

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

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

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

Równania liniowe rzędu drugiego stałych współczynnikach

Równania liniowe rzędu drugiego stałych współczynnikach Rówaia liiowe rzędu drugiego stałyh współzyikah Rówaiem różizkowym zwyzajym liiowym drugiego rzędu azywamy rówaie postai p( t) y q( t) y r( t), (1) gdzie p( t), q( t), r( t ) są daymi fukjami Rówaie to,

Bardziej szczegółowo

AM1.1 zadania 8 Przypomn. e kilka dosyć ważnych granic, które już pojawiły się na zajeciach. 1. lim. = 0, lim. = 0 dla każdego a R, lim (

AM1.1 zadania 8 Przypomn. e kilka dosyć ważnych granic, które już pojawiły się na zajeciach. 1. lim. = 0, lim. = 0 dla każdego a R, lim ( AM11 zadaia 8 Przypom e kilka dosyć ważyh grai, które już pojawiły się a zajeiah e 1 lim 1 l(1+) (1+) 1, lim 1, lim a 1 si a, lim 1 0 0 0 0 l 2 lim 0, lim a 0 dla każdego a R, lim (1 + 1 e ) e, lim 1/

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

Teoria i metody optymalizacji

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

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz

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

Metody Obliczeniowe w Nauce i Technice laboratorium

Metody Obliczeniowe w Nauce i Technice laboratorium Marci Rociek Iformatyka, II rok Metody Obliczeiowe w Nauce i Techice laboratorium zestaw 1: iterpolacja Zadaie 1: Zaleźć wzór iterpolacyjy Lagrage a mając tablicę wartości: 3 5 6 y 1 3 5 6 Do rozwiązaia

Bardziej szczegółowo

WYKŁAD 1 INTERPOLACJA WIELOMIANOWA

WYKŁAD 1 INTERPOLACJA WIELOMIANOWA WYKŁAD INTERPOLACJA WIELOMIANOWA /6 Sformułowaie problemu iterpolaci. Metoda Lagrage a Rozważmy zaday uład putów {(, y ),,,..., }, zwaych dale węzłami iterpolacyymi. Poszuuemy wielomiau iterpolacyego zadaego

Bardziej szczegółowo

Definicja interpolacji

Definicja interpolacji INTERPOLACJA Defiicja iterpolacji Defiicja iterpolacji 3 Daa jest fukcja y = f (x), x[x 0, x ]. Zamy tablice wartości tej fukcji, czyli: f ( x ) y 0 0 f ( x ) y 1 1 Defiicja iterpolacji Wyzaczamy fukcję

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

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

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

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

Statystyczna kontrola procesu karty kontrolne Shewharta.

Statystyczna kontrola procesu karty kontrolne Shewharta. tatystyza kotrola proesu karty kotrole hewharta. Każe przesiębiorstwo proukyje, ąży o tego, aby proukty które wytwarza były jak ajlepszej jakośi. W zisiejszyh zasah, to właśie jakość pozwala utrzymać się

Bardziej szczegółowo

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1). TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ

Bardziej szczegółowo

460 Szeregi Fouriera. Definicja. Definicja. Układ trygonometryczny. Definicja Układ ortogonalny funkcji ( ϕ n

460 Szeregi Fouriera. Definicja. Definicja. Układ trygonometryczny. Definicja Układ ortogonalny funkcji ( ϕ n 6 Szeregi Fourier Defiij Dwie fuje ψ :< > C zywmy fujmi ortogolymi przedzile < > gdy ψ Defiij Ciąg fuji ) :< > C zywmy ułdem ortogolym przedzile < > gdy fuje są prmi ortogole przedzile < > tz gdy j j λ

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

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

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

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

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

Bardziej szczegółowo

Analiza I.1, zima globalna lista zadań

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

Bardziej szczegółowo

OCHRONA PRZECIWPOŻAROWA BUDYNKÓW

OCHRONA PRZECIWPOŻAROWA BUDYNKÓW 95 V. OCHRONA PRZCWPOŻAROWA BUDYNKÓW 34 tapy rozwoju pożaru Ohroa prziwpożarowa uwzględia astępują fazy rozwoju pożaru:. Lokala iijaja pożaru i jgo arastai.. Radiayja i kowkyja wymiaa ipła między źródłm

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

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

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

Bardziej szczegółowo

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

IV. RÓWNANIA RÓŻNICOWE

IV. RÓWNANIA RÓŻNICOWE V. RÓWNANA RÓŻNCOWE 4.. Wstęp Prz frowm przetwarzaiu sgałów dooujem ih dsretzaji zli próbowaia, tz. zamia sgału iągłego a iąg sgałów dsreth. Sgał iągł (t) przedstawiam jao iąg rzędh wzazah dla dsreth wartośi

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

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

G:\AA_Wyklad 2000\FIN\DOC\Fourier.doc. Drgania i fale II rok Fizyki BC. zawierają fazy i amplitudy.

G:\AA_Wyklad 2000\FIN\DOC\Fourier.doc. Drgania i fale II rok Fizyki BC. zawierają fazy i amplitudy. Elemety aalizy ourierowskiej: W przypadku drgań było: () t A + A ( ω t + φ ) + A os( 2ω t + φ ) gdzie + A ω 0 os 2 2 os( ω t + φ ) +... 2π Moża zapisać jako: [ ] () t A + C exp( iω t) + C ( iω t) gdzie

Bardziej szczegółowo

CAŁKA NIEOZNACZONA. F (x) = f(x) dx.

CAŁKA NIEOZNACZONA. F (x) = f(x) dx. CAŁKA NIEOZNACZONA Mówimy, że fukcja F () jest fukcją pierwotą dla fukcji f() w pewym ustaloym przedziale - gdy w kadym pukcie zachodzi F () = f(). Fukcję pierwotą często azywamy całką ieozaczoą i zapisujemy

Bardziej szczegółowo

Metody Podejmowania Decyzji

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

Bardziej szczegółowo

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

Ćwiczenie nr 5 BADANIE SOCZEWKI

Ćwiczenie nr 5 BADANIE SOCZEWKI Ćwizeie r 5 BADANIE SOCZEWKI. Wprowazeie Zolość sozewe o załamywaia promiei świetlyh uzależioa jest o astępująyh zyiów: a) ształtu powierzhi załamująyh promieie rzywiz b) materiału z tórego są wyoae współzyi

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

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

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

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

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rekursja Materiały pomocicze do wykładu wykładowca: dr Magdalea Kacprzak Rozwiązywaie rówań rekurecyjych Jedorode liiowe rówaia rekurecyje Twierdzeie Niech k będzie ustaloą liczbą aturalą dodatią i iech

Bardziej szczegółowo

7. OBLICZENIA WIELKOŚCI ZWARCIOWYCH ZA POMOCĄ KOMPUTERÓW

7. OBLICZENIA WIELKOŚCI ZWARCIOWYCH ZA POMOCĄ KOMPUTERÓW A. Kaici: warcia w sieciach eletroeergetyczych 7. OBCNA WKOŚC WARCOWCH A POOCĄ KOPUTRÓW 7.. astosowaie metody potecjałów węzłowych do obliczaia zwarć przy założeiu jedaowych sił eletromotoryczych geeratorów

Bardziej szczegółowo

Metody numeryczne Laboratorium 5 Info

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

Bardziej szczegółowo

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

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

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

Matematyka 2. dr inż. Rajmund Stasiewicz

Matematyka 2. dr inż. Rajmund Stasiewicz Matematyka 2 dr iż. Rajmud Stasiewiz Skaa oe Pukty Oea 5 2, 51 6 3, 61 7 3,5 71 8 4, 81 9 4,5 91-5, Zwoieie z egzamiu Oea z egzamiu izba puktów z ćwizeń - 5 Waruki zaizeia 6 kookwium ok. 15 pkt. 6 kartkówka

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

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

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Twierdzeie Closa Problem: Jak duże musi być m, aby trzysekcye pole Closa ν(m,, r) )było ieblokowale w wąskim sesie? Twierdzeie Closa: Dwustroe trzysek

Twierdzeie Closa Problem: Jak duże musi być m, aby trzysekcye pole Closa ν(m,, r) )było ieblokowale w wąskim sesie? Twierdzeie Closa: Dwustroe trzysek Sieci i Systemy z Itegracą Usług Trzysekcye pole Closa m r r m Własości kombiatorycze pól komutacyych Prof. dr hab. iż. Wociech Kabaciński r m Pole Closa est edozaczie defiiowae przez trókę m,, r i ozaczae

Bardziej szczegółowo

INDUKCJA MATEMATYCZNA

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

Bardziej szczegółowo

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

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3 L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

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

Obliczenie liczby zwojów w uzwojeniu wtórnym 1 pkt n n I = U I

Obliczenie liczby zwojów w uzwojeniu wtórnym 1 pkt n n I = U I WOJEWÓDZKI KONKRS FIZYCZNY DLA CZNIÓW GIMNAZJÓW W ROK SZKOLNYM 205/206 STOPIEŃ WOJEWÓDZKI KLCZ ODPOWIEDZI I SCHEMAT PNKTOWANIA waga: Poprawe rozwiązaie zadań, iym sposobem iż poday w kryteriah, powoduje

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a,, a będą dowolymi liczbami Sumę a + a + + a zapisuje się zazwyczaj w postaci (czytaj: suma od do a ) Za Σ to duża greca litera sigma,

Bardziej szczegółowo

Wykład 6. Przestrzenie metryczne ośrodkowe i zupełne. ρ, gdzie r

Wykład 6. Przestrzenie metryczne ośrodkowe i zupełne. ρ, gdzie r Wyład 6 Przestrzeie etrycze ośrodowe i zupełe. Przypoiay, że zbiór azyway przeliczaly, jeśli jest o rówoliczy ze zbiore wszystich liczb aturalych N, a co ajwyżej przeliczaly, jeśli jest o przeliczaly lub

Bardziej szczegółowo

Wprowadzenie. metody elementów skończonych

Wprowadzenie. metody elementów skończonych Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów

Bardziej szczegółowo

I kolokwium z Analizy Matematycznej

I kolokwium z Analizy Matematycznej I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

Zeszyty naukowe nr 9

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

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

Metody pozyskiwania wiedzy

Metody pozyskiwania wiedzy Metody pozysiwaia wiedzy bezpośredie zapisaie wiedzy pozysiwaie wiedzy a podstawie istruci pozysiwaie wiedzy a podstawie aaii pozysiwaie wiedzy a podstawie przyładów pozysiwaie wiedzy a podstawie obserwaci

Bardziej szczegółowo

Elementy modelowania matematycznego

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

Bardziej szczegółowo

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

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

Parametryczne Testy Istotności

Parametryczne Testy Istotności Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

wtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz

wtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno

Bardziej szczegółowo

Rozwiązanie zadania 1.

Rozwiązanie zadania 1. ozwiązaie zadaia. Zagadieie będziemy ozatywali w układzie, w któym stożek jest ieuhomy. a Poieważ zdezeie jest doskoale sężyste, a owiezhia stożka ieuhoma, atom gazu o zdezeiu będzie miał ędkość v skieowaą

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem) D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie

Bardziej szczegółowo

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wzór Taylora Szeregi potęgowe Matematyka Studium doktorackie KAE SGH Semestr leti 8/9 R. Łochowski Graica fukcji w pukcie Niech f: R D R, R oraz istieje ciąg puktów D, Fukcja f ma w pukcie graicę dowolego

Bardziej szczegółowo

Zadania z algebry liniowej - sem. I Liczby zespolone

Zadania z algebry liniowej - sem. I Liczby zespolone Zadaia z algebry liiowej - sem. I Liczby zespoloe Defiicja 1. Parę uporządkowaą liczb rzeczywistych x, y azywamy liczbą zespoloą i ozaczamy z = x, y. Zbiór wszystkich liczb zespoloych ozaczamy przez C

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

Pattern Classification

Pattern Classification Pattern Classification All materials in these slides were taen from Pattern Classification (2nd ed) by R. O. Duda, P. E. Hart and D. G. Stor, John Wiley & Sons, 2000 with the permission of the authors

Bardziej szczegółowo

Wykład 10 Wnioskowanie o proporcjach

Wykład 10 Wnioskowanie o proporcjach Wykład 0 Wioskowaie o roorcjach. Wioskowaie o ojedyczej roorcji rzedziały ufości laowaie rozmiaru róby dla daego margiesu błędu test istotości dla ojedyczej roorcji Uwaga: Będziemy aalizować roorcje odobie

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

Bardziej szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo