SZACOWANIE NIEPEWNOCI PRZY POMIARZE I OKRELANIU POZIOMU RÓWNOWANEGO

Wielkość: px
Rozpocząć pokaz od strony:

Download "SZACOWANIE NIEPEWNOCI PRZY POMIARZE I OKRELANIU POZIOMU RÓWNOWANEGO"

Transkrypt

1 SZACOWANI NIPWNOCI PRZY POMIARZ I OKRLANIU POZIOMU RÓWNOWANGO mgr Mołaj KIRPLUK NTL-M.Krplu Warszawa, ul.belwedersa 3 m.6 tel..: e-mal: mrplu@tlm.com. WSTP Nejszy referat staow otyuacj poprzedo wyoaej pracy [7] dotyczcej prawdłowego sposobu orelaa epewoc wyów badaa hałasu a podstawe wyoaych pomarów pozomu dwu. Supam s tym razem a dwóch zagadeach zwzaych z orelaem epewoc oblczaego / merzoego rówowaego pozomu dwu: wpływem wybraej statysty pomarów rótooresowych, w zaleoc od czasu pomaru (mejszego od ormatywego czasu obserwacj) a epewo wyu ocowego, oszacowaem epewoc orelea pozomu rówowaego z czasu pomaru, wyoywaego metod pomaru cgłego a do mometu ustablzowaa s wyu według zadaych ryterów obserwacj. Dla osób ezajcych mojego poprzedego artyułu, ja dla przypomea podstawowych formacj - zamecłem w rozdzale Repetytorum podstawowe formacje t. statysty oraz epewoc, a w rozdzale 3 - przypomam podstawy zastosowaa statysty w oblczeach austyczych. Główy temat ejszego referatu zaczya s od rozdzału 4.

2 . RPTYTORIUM.. Parametry rozładu zmeych losowych Warto oczewaa zmeej losowej X (warto przecta, adzeja matematycza) dla zmeej losowej dysretej: dla zmeej losowej cgłej: ( X ) x P{ X } x ( X ) x f ( x) dx Momet rzdu zmeej losowej X to warto oczewaa zmeej losowej X, czyl: dla zmeej losowej dysretej: dla zmeej losowej cgłej: ( X ) x P{ X x } ( X ) x f ( x) dx Momet cetraly rzdu zmeej losowej X to warto oczewaa zmeej losowej (X-(X)), czyl: dla zmeej losowej dysretej: dla zmeej losowej cgłej: ( X ( X )) ) x ( X ) ( ) P{ X x } ( ( )) ) ( ( ) ) X X x X f ( x ) dx Waracja zmeej losowej X jest oreloa zaleoc: D [ ] ( X ) ( X ) ( X ) Perwaste wadratowy z waracj azywamy odchyleem stadardowym (w populacj).

3 .. Przypad szczególe A. reda arytmetycza to warto oczewaa zmeej losowej dysretej o jedaowych prawdopodobestwach dla soczoej lczby molwych wartoc: ( X ) X Dla redej arytmetyczej waracja wyraa s wzorem: D ( X ) ( X ) ( X ) [ ] X X (...) [ X ( X )] jest to warto oczewaa wadratu odchylea zmeej losowej od jej wartoc oczewaej, czyl momet cetraly drugego rzdu lub rede odchylee wadratowe [6] lub red błd wadratowy [] - tae azewctwo jest prawdłowe (przyp.mk), a perwaste wadratowy z tej waracj to: reda wadratowa odchylea, ale te odchylee stadardowe (w populacj) lub dyspersja []. B. Waoa reda arytmetycza to warto oczewaa zmeej losowej dysretej o jedaowych prawdopodobestwach dla soczoej lczby molwych wartoc: ( X ) P( ) X X Gdze P(X ) to wag zormalzowae do (czyl prawdopodobestwa). Dla waoej redej arytmetyczej waracja wyraa s wzorem: D ( X ) ( X ) ( X ) [ ] P( X ) X P( X ) X... _ oec _ a _ tym _! W ogólym przypadu e ma aaltyczego rozwca powyszego wzoru! A zatem waracja ( dalej odchylee stadardowe jao perwaste z ej) ju e mog by lczoe jao rede odchylee wadratowe!

4 .3. Nepewo epewo rozszerzoa - U R : (zasada propagacj epewoc) U U U R A B Nepewo moemy orela z róym pozomem ufoc, wyraaym zazwyczaj w procetach, ozaczajcym prawdopodobestwo uzysaa wyu lecego w poblu wartoc oczewaej w przedzale zdefowaym przez t epewo, p.: PX przedzal epewosc ( ( X ) U ( X ) ) 95% R, 95, U R, 95 epewo typu A - U A moemy j orela metodam statysty matematyczej, dotyczy główe wyów pomarów tratowaych jao zmee losowe: - ezalee, - powtarzale, - pomar e wpływa a wy. epewo typu B - U B orelamy j metodam ym statysty matematyczej, p: - metry, certyfaty, - dae lteraturowe, - wczeej uzysae dae pomarowe, - włase dowadczee wedza, - szczegółowa zajomo badaych zjaws. Szacowae epewoc typu B to bardzej sztua dowadczala rzemosło []

5 3. STATYSTYKA W POMIARACH AKUSTYCZNYCH 3.. Zdarzea statystycze w austyce Aby bada zjawsa austycze orela dla ch parametry statystycze, trzeba zdefowa zdarzea statystycze, dla tórych musz by spełoe waru stosowaa statysty: zdarzea austycze powy by ezalee - std aley merzy całe cyle jao zdarzee austycze (p. cyl wjazd maewry wyjazd pojazdu), zdarzea austycze powy by powtarzale - aley uwzglda czy majce wpływ a przebeg badaego zdarzea poprzez prawdłowe orelee modelu zjawsa - błdem jest p. badae statystycze hałasu omuacyjego w czase arastaa atea ruchu pomdzy olejym pomaram lub podczas bloowaa pasa ruchu spowodowaego awar pojazdu, badae e powo wpływa a przebeg zdarzea austyczego - p. ustawee putu pomarowego zbyt blso jezd w polu wdzea erowcy adjedajcego pojazdu powoduje jego reacj (a ogół zmejszee prdoc...). UWAGA : Ne aley myl hstogramów rozładu statystyczego wyów pomarów odczytywaych z merów pozomu dwu ze statysty badaego zjawsa! Hstogram pozomów statystyczych orela ja jest udzał w czase obserwacj (pomaru) pozomów dwu o wartocach pomdzy zadaym rozdzelczoc statysty (p. co 0, db lub co db) - jest to statystya zmerzoych pozomów. Na przyład: dla pojedyczego przejazdu samochodu bd to pozomy merzoe co s - pozom o wartoc masymalej wystp jede raz, a pozomy sze (w przypadu dealym) - po dwa razy. Uzysujemy z taego pomaru ja rozład statystyczy zmerzoych pozomów dwu dla pojedyczego przejazdu, tóry dopero sam w sobe jest jedym zdarzeem austyczym!.

6 3.. Pozom red (eergetycza reda arytmetycza) red pozom dwu (dla jedaowo prawdopodobych zdarze / pomarów) oblczamy jao tzw. red logarytmcz orelo wzorem: L r. log0 0 L 0 0 [A ] Defcja pozomu dwu Pozom dwu wyraoy w decybelach to 0 logarytmów dzestych ze stosuu wadratu cea austyczego do wadratu cea odesea rówego *0-5 Pa: p L p 0log0, p 0 db gdze: p 0 - cee odesea *0-5 Pa (próg słyszea dla 000 Hz) [B] Przeształcajc wzory [A ] [B] otrzymujemy: p p r. 0 p p 0 czyl warto oczewa dla weloc p /p 0 - espozycj wzgldej - orelo wzorem dla redej arytmetyczej - dla tórej jest stworzoy cały statystyczy aparat matematyczy! W dalszych rachuach espozycj wzgld, rozuma jao welo p /p 0, bd ozaczał przez (e myl z wartoc oczewa (X) w poprzedch rozdzałach!) tratował jao zme losow opsujc zdarzea austycze: r. spozycja jest proporcjoala do eerg fal austyczej, jest addytywa moa oczewa, e jej rozład bdze mał charater rozładu ormalego woół wartoc redej. Dla opsu taej weloc moa stosowa parametry statystycze wyprowadzae ze wzorów a warto oczewa. [C]

7 UWAGA : Pozom dwu e jest weloc fzycz - jest umow reprezetacj weloc fzyczej przy wyorzystau fucj logarytmczej ze wszelm tego osewecjam: e jest addytywy - e dodaje s algebracze - sumowae pozomów polega a sumowau eerg ( suma logarytmcza pozomów), róca pozomów jest rotoc - jest to róca logarytmów! - choca jest stosowaa jao wsa suteczoc austyczej (p. dwozolacyjoc, wycszea), to lczee waracj a rócach pozomów e ma sesu fzyczego, pozom dwu e reprezetuje wartoc zerowej - odpowadajcej brau emsj eerg (warto pozomu dy do ) Pozom rówoway (eergetycza reda waoa) red pozom dwu oblczamy jao tzw. red logarytmcz orelo wzorem: L r. 0 log0 T 0 T L 0 [D] W welocach eergetyczych, jao rówowaa espozycja: r. T T [] Odchylee stadardowe dla espozycj rówowaej: T T T σ [F] T gdze: T T

8 3.4. Przedzał epewoc Dopero przy orelau przedzału epewoc przy wybraym pozome ufoc, p.95%, decydujemy s a przyjce jaego modelu rozładu - w domyle, ze wzgldu a dalsze rachu stosowae wzory - jest to rozład ormaly (dla espozycj wzgldych!). Zgode z Przewodem... [3] moemy epewo dla pozomu ufoc 95% orel jao σ w ad stro (przedzał obustroy) lub sorzysta z rozładu t-studeta dla zadaej lczby prób (stop swobody) przyjtego pozomu stotoc. Kosewecj orelea redej wartoc espozycj wzgldej r. z epewoc symetrycz ±, czyl przedzału ufoc dla espozycj wzgldej [ r. -, r. ], jest przedzał ufoc dla pozomów dwu [0log 0 ( r. - ), 0log 0 ( r. )] rówy przedzałow [L r. - L -, L r. L ], gdze warto oczewaa pozomu dwu L r. 0log 0 ( r. ) ley esymetrycze wewtrz tego przedzału (blej wartoc górej), std warto reda pozomu dwu podawaa wraz z epewoc mus me esymetrycze wartoc epewoc: L r. ( L ; - L-) pozom dwu L, db Lr. L Lr. Lr. - L - L L - r. - r. r. espozycja wzglda, bezwymarowa

9 4. NIPWNO POZIOMU RÓWNOWANGO 4.. Wpływ wybraej statysty pomarowej Wyoajmy oblczea dla tego samego zarejestrowaego sygału austyczego (pozom rówoway z 3-godzego pomaru wyósł 65,4 db - dalej jest te wy przyjmoway jao waro dołada w tym esperymece) przy róych załoeach pomarowych, tj. dla róych czasów trwaa pomaru elemetarego - muta, 5 mut 5 mut - wyresy a astpych stroach: Przypade A - tyle samo pomarów elemetarych - po 5 - o róym czase próbowaa, Przypade B - pomary elemetare o róym czase próbowaa wyoywae przez te sam czas obserwacj, tj. 75 mut, czas pomaru elemetarego lczba próbe czas pomaru Przypade A pozom red z pomaru zares epewoc typu A 95% lczba próbe czas pomaru Przypade B pozom red z pomaru zares epewoc typu A 95% muta 5 5 m. 66,6,5; -6, m. 65,9 0,6; -0,7 5 mut 5 5 m. 66,5,84; -3, m. 65,9 0,68; -0,80 5 mut 5 75 m. 65,9 0,65; -0, m. 65,9 0,65; -0,77 3 godz. pomar cgły 65,4 warto dołada pomar cgły 65,4 warto dołada Jeel srócmy czas pomaru lub lczb próbe, to oczywce zaresy epewoc bd wsze: Przypade C - tyle samo pomarów elemetarych - po 3 - o róym czase próbowaa, Przypade D - pomary elemetare o róym czase próbowaa wyoywae przez te sam czas obserwacj, tj. 45 mut. czas pomaru elemetarego lczba próbe czas pomaru Przypade C pozom red z pomaru zares epewoc typu A 95% lczba próbe czas pomaru Przypade D pozom red z pomaru zares epewoc typu A 95% muta 3 3 m. 66,0,83; -0, m. 65,9 0,83; -,03 5 mut 3 5 m. 65,5,37; -5, m. 65,9,6; -,59 5 mut 3 45 m. 65,9,5; -, m. 65,9,5; -,35 3 godz. pomar cgły 65,4 warto dołada pomar cgły 65,4 warto dołada

10 Przypade A - tyle samo pomarów elemetarych - po 5 - o róym czase próbowaa Przypade B - pomary elemetare o róym czase próbowaa wyoywae przez te sam czas obserwacj, tj. 75 mut

11 Aalogcze wyoajmy oblczea dla pewego modelowaego sygału o orese T3 muty astpujcej charaterystyce podstawowej: muta: 75 db muta: 35 db 3 muta: 55 db w adej muce pozom zmea s losowo w zarese 0 5 db (geerator lczb losowych) I dla tego modelu rówe orelmy przypad: Przypade - tyle samo pomarów elemetarych - po 3 - o róym czase próbowaa, Przypade F - pomary elemetare o róym czase próbowaa wyoywae przez te sam czas obserwacj, tj. 45 mut. czas pomaru elemetarego lczba próbe czas pomaru Przypade pozom red z pomaru zares epewoc typu A 95% lczba próbe czas pomaru Przypade F pozom red z pomaru zares epewoc typu A 95% muta 3 3 m. 74, 7,9; m. 73,,6; -,58 5 mut 3 5 m. 7,4,65; -5, m. 73,,; -,5 5 mut 3 45 m. 73,,43; -, m. 73,,43; -,5 3 godz. pomar cgły 73, warto dołada pomar cgły 73, warto dołada

12 Na podstawe przedstawoych wyów oblcze obserwujemy atychmast, co astpuje: wyoae lu pomarów elemetarych (m.3) od razu wsazuje, czy wybralmy włacwy czas pomaru elemetarego - patrz p. zares epewoc przy 3 mutowym czase pomaru dla przypadów C - moa to powza z rozstpem wyów pomarów elemetarych, emej jeda pommo uzysaa w przypadu wyu tylo o db róego od wyu doładego (czysty przypade!), to czas obserwacj był ewdete za rót do ocey zjawsa austyczego o orese podstawowym wyoszcym 3 muty, pommo, e dla tego samego czasu pomaru (łczego) przy podzale tego czasu a coraz rótsze czasowo odc elemetare w zwzu z tym wzrost lczby pomarów elemetarych - oczewałoby s, e zaresy epewoc bd proporcjoale male - to w pewych sytuacjach, ja dla przypadu B, we s to ze zwszeem jaby rozdzelczoc wdzea zjawsa zaobserwowae slejsze odchylea pogarszaj statysty - w przypadu B rozstp (pomdzy masymalym a mmalym wyem pomarów elemetarych) jest a tyle wszy dla pomarów 5-mutowych dla pomarów 5-mutowych, e eco wsza lczba pomarów elemetarych e ompesuje tego fatu, statystya zaley od wyboru czasu pomaru elemetarego, ale jest eczuła a jedost czasu - jeel te same przebeg odelbymy do seud - to zaleoc lczbowe pozostaj, wya to m.. ze sposobu orelaa eergetyczej redej arytmetyczej dla daego pomaru (patrz wzór [C] w rozdzale 3..): r. t t t t p t t 0 p gdze: t 0 - czas pomaru elemetarego t p - czas pomaru (obserwacj zdarze): t p x t 0 wyajcy z fatu rozpoczca pomaru od ajbardzej eergetyczej czc modelowego cylu, gdyby zacz od ajmej eergetyczego, to wy wyósłby 70,6 db byłby zacze mejszy od doładego )

13 4.. Orelee epewoc oszacowaa pozomu rówowaego Ja zobaczylmy w poprzedm podrozdzale - zmejszee epewoc poprzez wybrae włascwej (odpowedej) statysty pomarowej, polega a wybrau dostatecze długego czasu pomaru elemetarego (aby obejmował badae zjawso, p. cyl, lub jego weloroto) wyoau dostatecze duej lczby pomarów (za czym dze, oczywce, wydłuee samego czasu pomaru jao sumy czasów pomarów elemetarych). I jeel jestemy w stae udowod (lub przyj a war ), e czas fatycze wyoaego pomaru (czyl czas obserwacj - tu: pomarowej, e myl z ormatywym czasem obserwacj, o tórym dalej) odpowada charaterystyce zjawsa w ormatywym czase obserwacj (czyl: czase obserwacj dla tórego orelamy pozom rówoway w celu porówaa go z wartocam dopuszczalym oreloym w odpowedch ormach lub rozporzdzeach), to moemy badae zaoczy. Natomast, jeel wemy, e czas trwaa badaego hałasu jest y ormatywy czas obserwacj (tu: rótszy, gdy dla dłuszego przyjmujemy czas ormatywy), to musmy sorzysta ze zaego wzoru a pozom rówoway (patrz wzór [D] w rozdz.3.3.) wyprowadz wzory a epewo typu A dla espozycj wzgldej rówowaej daej sytuacj austyczej: U gdze: A,95 ( U A,95 ( em_ ) U A,95 (t ) t T eq _ ) t U T A,95 ( em _ ) 0 0, L em _ U A,95 - epewo orelea espozycj wzgldej emsj hałasu - epewo orelea czasu trwaa sytuacj austyczej - czas trwaa sytuacj austyczej - ormatywy czas dla orelea pozomu rówowaego T ( t ) UWAGA: epewo U A,95 (t ) orelea czasu trwaa sytuacj austyczej moa p. orel metod prostota dla weloc graczych przyj zares 95% tego czasu. Przedzały epewoc dla rówowaych pozomów dwu orelamy zgode z procedur opsaa w rozdzale 3.4. a podstawe oblczoych epewoc dla espozycj wzgldych.

14 4.3. Nepewo pomaru cgłego do czasu ustablzowaa wyu Korzystajc z obserwacj z rozdz.4.., e statystya w modelu jest eczuła a wybór jedoste czasu - przyjmjmy te sam model zmeego hałasu ( dla wygody - te same wartoc pozomów dwu) tylo, e zamast w mutach - asze modelowe zjawso bdze wystpowało w seudach. Teraz zaczjmy wyoywa pomar cgły, odczytujc co seud wy LQ (zmerzoego pozomu rówowaego - uredaego a beco od mometu rozpoczca pomaru - fucja realzowaa przez całujce mer pozomu dwu): UWAGA: a wyrese zazaczoo pomary wrtuale - perwszy rozpoczyajcy s od masymalej wartoc w 3-seudowym cylu pomarowy, drug - rozpoczyajcy s od mmalej wartoc - co łade wda a wyrese jao rozbeo wyów dla perwszych seud pomaru. Z wyresu wda, e dla aszego modelu, ju po o. 70 seudach wy jest ustablzoway, czyl jego zmay (wahaa) s e wsze 0, db a seud woół ustaloej wartoc ( ustablzowae obserwujemy wówczas gdy zmay s w gór w dół - czyl wahaa, atomast jeel to byłyby zmay w jedym eruu, czyl ja tred, to oczywce pomar aley prowadz dalej) odczytujemy wy LQ 73, db.

15 De facto wyoalmy pomar obejmujcy 45 jedoste czasu (tu: seud). Do dalszej aalzy moemy przyj wy z rozdzału 4.. przypade F - lczbowe wartoc epewoc bd te same. Obserwujemy, e: otrzymalmy, oczywce, ta sam wy pozomu dwu, tj. 73, db (pomar trwał przez te sam czas), aalza pozomów masymalych mmalych jest w zasadze bezprzedmotowa - zgode z załoeam aszego modelu pozom masymaly mógł wye 80 db, a pozom mmaly 35 db (fatycze wygeerowae pozomy uyte w modelu wyosły odpowedo 80,0 db 35,3 db), w przypadach rzeczywstych bdze jeszcze gorzej z terpretacj, co ozacza, w sese statystyczym, wahae wyu pozomu rówowaego z czasu pomaru o zadaych parametrach, czyl ±0, db a seud? Polczmy: ( ) 0 lg( ) 0, db 0 lg gdze: - reda eerga do mometu t - reda eerga do mometu t t s std ogóle: 0,977,03 czyl zmay eerg (od pocztu pomaru) s mejsze,3% a seud. Załadamy, e dla dostatecze długego pomaru: σ [ ] ( ) [ ] ( )

16 std: ( ) [ ] ( ) [ ] ( ) [ ] ( ) [ ] ( ) sdd: ( ) ( ) [ ] ( ) [ ] ( ) ( ) [ ] ( ) [ ] ( ) [ ] ( ) ( ) wemy ju te, e dla aszych załoe: 03 0,,03 ( ) [ ] ( ) ( ) ( ) ( ) [ ] ( ) ( ) 0,03 0,03 0,03 zauwaamy, e: ( ) [ ] ( ) ( ) ( ) ( ) ( ) ( ) 03 0, 0,03 [ ] ( ) ( ) ( ) ( ) 03 0, 0,03 [ ] ( ) ( ) ( ) 0,03 ( ) ( ) 0,03 σ ( ) 0

17 Zatem epewo typu A o pozome ufoc 95% dla espozycj wzgldej bdze wyos: ( ) σ 0,03 ( ) U A 95 std dla pozomów dwu: [ ] ( L ) 0 lg± 0,03 ( ) ± U A95 eq gdze: - lczba seud od pocztu pomaru do mometu spełea zaloea stablzacj Wda, e przy aszym załoeu, e wy alczaego od pocztu pomaru pozomu rówowaego z czasu pomaru e zmea s bardzej 0, db a seud, wya, e epewo wyraaa dla pozomów dwu (asymetrycza!) zaley wyłcze od czasu trwaa pomaru, wyraoego w seudach, do mometu zaobserwowaa spełea załoe. Powyszy wzór ma t włacwo, e przedzał epewoc roe wraz z czasem - jest to fzycze zrozumałe: m wcej czasu musmy czea a ustablzowae s wyu, tym bardzej zmey był baday pozom hałasu, a co za tym dze jest wszy przedzał epewoc. Jedoczee bezporedo we wzorze jest zaodoway warue zmeoc eerg ja przyjlmy do ocey ustablzowaa s wsazaa wyu pomaru pozomu rówowazego z czasu pomaru. Dla aszego modelu obserwujemy ustablzowae s wyu pomaru pozomu rówowaego z czasu pomaru po o. 70 seudach, co daje am przedzał ufoc U A95 w zarese od,05 db do -,39 db, co jest całem warygodym szacuem, gdy aalzujc zaps pozomów aszego modelu dla 5 pomarów elemetarych po 5 seud otrzymujemy przedzał epewoc (0,57; -0,65).

18 5. KONKLUZJA Orelajc przedzał epewoc dla wyu badaa pozomu rówowaego, musmy pamta, e: do aalzy statystyczej pomarów austyczych e moa bezrytycze zagszcza wyów pomarów z daego czasu obserwacj - dol grac czasu pomaru elemetarego jest czas obejmujcy badae zdarzea austycze, po włacwym wyborze czasu pomaru elemetarego aley, oczywce, wyoa ja ajwcej pomarów (jest to aaloga do podzelea zarejestrowaych wyów z pomaru cgłego a pomary elemetare) - uzysujemy w te sposób dobre uredee wraz ze szczegółowym zbadaem rozrzutu wyów dla badaego zjawsa austyczego, co potwerdzaj am oblczea statystycze - czyl małe przedzały epewoc typu A, Orellmy te przedzały epewoc pozomu rówowaego dla astpujcych sytuacj: czas emsj hałasu jest rótszy ( e jest csle oreloy, ale zamy p. wartoc gracze) od czasu ormatywego dla ustalea pozomu rówowaego - epewo espozycj wzgldej daej sytuacj austyczej przedstawa s wzorem: U A,95 ( eq _ ) t U T A,95 ( em _ ) 0 0, Lem _ U A,95 T ( t ) wyoujemy pomar zmeego hałasu obserwujc wy merzoego pozomu rówowaego z czasu pomaru oraz czas pomaru do mometu, a wahaa wyu bd poej 0, db a seud - wtedy przedzał eufoc zmerzoego pozomu rówowazego moemy szacowa a podstawe wzorów: U ( [ ]; 0 lg [ 0,03 ( ) ]) ( L ) 0 lg 0,03 ( ) A95 eq czas [s] U A95 -U A95 5 0,53-0,6 30 0,7-0, ,87 -, ,98 -,7 75,08 -,45 90,7 -,6 05,5 -,77 0,33 -,9

19 LITRATURA:. I.N.Brosztej, K.A.Semedajew, Matematya - Porad ecylopedyczy, PWN, Warszawa 976. Roma Nowa, Statystya dla fzyów, Wydawctwo Nauowe PWN, Warszawa 00, ISBN Wyraae epewoc pomaru. Przewod., GUM, 999, ISBN x 4. Tablce matematycze, Wydawctwo Adamata, Warszawa 004, ISBN Polsa Norma PN-83/B-054/0 - Austya budowlaa. Pomary zolacyjoc austyczej w budyach zolacyjoc austyczej elemetów budowlaych. Ustalea dotyczce doładoc. 6. T.Gersteor, T. róda, Kombatorya rachue prawdopodobestwa, PWN, Warszawa 97, ISBN mgr Mołaj Krplu "Statystya w pomarach austyczych - podstawy" - referat opubloway w Materałach XXXIV Zmowej Szoły Zagroe Wbroaustyczych (luty 006),

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k 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 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

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

Podstawowe 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 szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA 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 szczegółowo

ochrona przed em mgr Mikołaj Kirpluk

ochrona przed em mgr Mikołaj Kirpluk ochrona przed em mgr Mkołaj Krpluk 0-502 216620 www.ntlmk.com Okrelane nepewnoc oblczanego / merzonego równowanego pozomu dwku: wpływ wybranej statystyk pomarów krótkookresowych, w zalenoc od czasu pomaru

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica 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 szczegółowo

RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia

RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia L.Kowals Wybrae zagadea z rachuu prawdopodobestwa RACHUNEK PRAWDOPODOBIESTWA wybrae zagadea PRAWDOPODOBIESTWO Przyład Rozpatrzmy jao dowadczee losowe jedoroty rzut szece ost. Choca e potrafmy przewdze

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie 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 szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

Matematyczne metody opracowywania wyników

Matematyczne metody opracowywania wyników Matematycze metody opracowywaa wyów Statystya rachue epewośc Paweł Ża Wydzał Odlewctwa AGH Katedra Iżyer Procesów Odlewczych Kraów, gruda 00 Opracowae rzywej stygęca 3 4 5 6 7 Formuły a przyblżae pochodej

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary 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 szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki 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 szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA 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 szczegółowo

PLANOWANIE I WNIOSKOWANIE STATYSTYCZNE W BADANIACH ROLNICZYCH

PLANOWANIE I WNIOSKOWANIE STATYSTYCZNE W BADANIACH ROLNICZYCH INSTYTUT HODOWLI I AKLIMATYZACJI ROLIN PLANOWANIE I WNIOSKOWANIE STATYSTYCZNE W BADANIACH ROLNICZYCH MATERIAY SZKOLENIOWE Dr hab. Zbgew Laudask, prof. adzw. Katedra Bometr Wydza Rolctwa Bolog SGGW Warszawa

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY 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 szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W 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 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

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

Analiza Matematyczna I.1

Analiza Matematyczna I.1 Aalza Matematycza I. Sera, Potr Nayar Zadae. Nech a k >, k =,..., b d lczbam rzeczywstym o tym samym zaku. Udowodj,»e prawdzwa jest erówo± + a + a... + a + a + a +... + a. Czy zaªo»ee,»e lczby a k maj

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy 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 szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna 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 szczegółowo

Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej

Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej --8 Wstęp do probablsty statysty Wyład. Zmee losowe ch rozłady dr hab.ż. Katarzya Zarzewsa, prof.agh, Katedra Eletro, WIET AGH Wstęp do probablsty statysty. wyład Pla: Pojęce zmeej losowej Iloścowy ops

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version WIII/1

PDF 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 szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

Bardziej szczegółowo

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR 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 szczegółowo

Matematyczny opis ryzyka

Matematyczny 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 szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W 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 szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA 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 szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy 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 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

Pomiary parametrów napięć i prądów przemiennych

Pomiary 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 szczegółowo

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej

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

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY ZMIENNYCH LOSOWYCH ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

Księga Jakości Laboratorium

Księga Jakości Laboratorium 16. Metodyka szacowaia ieewości rozszerzoej Oracował: mgr Jest to szacowaie ieewości o asymetryczych graicach rzedziału ufości względem wartości średiej, co wyika z faktu określaia wartości średiej jako

Bardziej szczegółowo

Metodyka szacowania niepewnoci rozszerzonej. Opracował: mgr Mikołaj Kirpluk

Metodyka szacowania niepewnoci rozszerzonej. Opracował: mgr Mikołaj Kirpluk Metodyka szacowaia ieewoci rozszerzoej Oracował: mgr Mikołaj Kirluk Jest to szacowaie ieewoci o asymetryczych graicach rzedziału ufoci wzgldem wartoci rediej, co wyika z faktu okrelaia wartoci rediej jako

Bardziej szczegółowo

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =? Mary położea rozkładu Wykład 9 Statystyk opsowe Średa z próby, mea(y) : symbol y ozacza lczbę; arytmetyczą średą z obserwacj Symbol Y ozacza pojęce średej z próby Średa jest środkem cężkośc zboru daych

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W 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 szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

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

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

METODY ANALIZY DANYCH DOŚWIADCZALNYCH POLITECHNIKA Ł ÓDZKA TOMASZ W. WOJTATOWICZ METODY ANALIZY DANYCH DOŚWIADCZALNYCH Wybrae zagadea ŁÓDŹ 998 Przedsłowe Specyfką teor pomarów jest jej wtóry charakter w stosuku do metod badawczych stosowaych

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016 PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INTYTUT FIZYKI UJ BIOLOGIA 06 CEL ĆWICZEŃ. Obserwacja zjawsk efektów fzyczych. Doskoalee umejętośc

Bardziej szczegółowo

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji. Botatytyka, 018/019 dla Fzyk Medyczej, tuda magterke etymacja etymacja średej puktowa przedzał ufośc średej rozkładu ormalego etymacja puktowa przedzałowa waracj rozkładu ormalego etymacja parametrów rozkładu

Bardziej szczegółowo

Kodowanie rónicowe. Plan 1. Zasada 2. Podstawowy algorytm 3. Kodowanie adaptacyjne 4. Zastosowania

Kodowanie rónicowe. Plan 1. Zasada 2. Podstawowy algorytm 3. Kodowanie adaptacyjne 4. Zastosowania Kodowae rócowe Pla 1. Zasada. Podstawowy algorytm 3. Kodowae adaptacyje 4. Zastosowaa Kodowae rócowe zasada Jako kwatyzacj szeroko przedzału waracja, rozpto daych Obrazy, dwk korelacja w daych Wykorzystae

Bardziej szczegółowo

Badania Maszyn CNC. Nr 2

Badania 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 szczegółowo

Metoda Monte-Carlo i inne zagadnienia 1

Metoda Monte-Carlo i inne zagadnienia 1 Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

STATYSTYKA 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 szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

. Wtedy E V U jest równa

. 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 szczegółowo

STATYSTYKA DANYCH SAMOSKORELOWANYCH

STATYSTYKA DANYCH SAMOSKORELOWANYCH Semarum Wydzału u Fzy Iformaty Stosowaej AGH 6 weta 00 STATYSTYKA DANYCH SAMOSKORELOWANYCH Adrzej Zęba Pla:. Wstęp - formalzm stadardowy jego ograczea - matematyczy ops daych samosorelowaych. Teora aaltycza,

Bardziej szczegółowo

Zadanie 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

Zadanie 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 szczegółowo

VI. TWIERDZENIA GRANICZNE

VI. TWIERDZENIA GRANICZNE VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych

Bardziej szczegółowo

Wstęp do prawdopodobieństwa. Dr Krzysztof Piontek. Literatura:

Wstęp 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 szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika 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 szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

Analiza spektralna stóp zwrotu z inwestycji w akcje Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa

Bardziej szczegółowo

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA Załączk r do Regulamu I kokursu GIS PROGRAM PRIORYTETOWY: SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA. Cel opracowaa Celem opracowaa jest spója metodyka oblczaa efektu ograczaa emsj gazów ceplaraych,

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 3,4

STATYSTYKA 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 szczegółowo

Analiza niepewności pomiarów Definicje

Analiza niepewności pomiarów Definicje Teora pomarów Aalza epewośc pomarów Defce Dr hab. ż. Paweł Mada www.pmada.zt.ed.pl Podstawowa defca Nepewość pomar to parametr zwązay z wykem pomar, charakteryzący rozrzt wartośc, który w zasadoy sposób

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 9.0.06 STATYSTYKA OPISOWA, cz. II WSTĘP DO STATYSTYKI MATEMATYCZNEJ Pla a dzsaj. Statystyka opsowa, cz. II: mary położea dokończee mary zróżcowaa mary asymetr

Bardziej szczegółowo

POMIARY PRZEPŁYWU I OPRACOWANIE WYNIKÓW POMIAROWYCH

POMIARY PRZEPŁYWU I OPRACOWANIE WYNIKÓW POMIAROWYCH LABORATORIUM PODSTAW METROLOGII M-T Ćwczee r POMIARY PRZEPŁYWU I OPRACOWANIE WYNIKÓW POMIAROWYCH Cz. Opracowae wyów pomarowych Ta część trucj e jet wymagaa podcza ćwczeń e druować!. Błędy pomaru Celem

Bardziej szczegółowo

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1) LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-) wwwmuepolslpl/~wwwzmape Opracował: Dr n Jan Około-Kułak Sprawdzł: Dr hab n Janusz Kotowcz Zatwerdzł: Dr hab n Janusz Kotowcz Cel wczena Celem wczena jest

Bardziej szczegółowo

Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa

Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa Mare Be±a, Statystya matematycza, wyªad 3 38 3 Statystyi zupeªe 3. Wyªadicze rodziy rozªadów prawdopodobie«stwa Zacziemy od deicji Deicja 3. Rodzi rozªadów {µ θ } θ Θ azywamy wyªadicz rodzi rozªadów -

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017 PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Marzec 07 PODRĘCZNIKI Wstęp do aalzy błędu pomarowego Joh R. Taylor Wydawctwo Naukowe PWN Warszawa 999

Bardziej szczegółowo

Sabina Nowak. Podstawy statystyki i ekonometrii Część I

Sabina Nowak. Podstawy statystyki i ekonometrii Część I Saba owa Podstawy statysty eoometr Część I Podyplomowe Studa Wycea eruchomośc Wydzał Zarządzaa Uwersytetu Gdańsego 7 weta 19 rou 1. Elemety teor badaa zborów statystyczych Statystycze metody badaa prawdłowośc

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lecja 4 Nearametrycze testy stotośc ZADANIE DOMOWE www.etraez.l Stroa 1 Część 1: TEST Zazacz orawą odowedź (tylo jeda jest rawdzwa). Pytae 1 W testach earametryczych a) Oblczamy statystyę

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

ĆWICZENIE 5 TESTY STATYSTYCZNE

ĆWICZENIE 5 TESTY STATYSTYCZNE ĆWICZENIE 5 TESTY STATYSTYCZNE Cel Przedstawee wybraych testów statystyczych zasad wyboru właścwego testu przeprowadzea go oraz terpretac wyów. Wprowadzee teoretycze Testem statystyczym azywamy metodę

Bardziej szczegółowo

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Statystyka 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 szczegółowo

System finansowy gospodarki

System 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 szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE 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 szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą 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 szczegółowo

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki)

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki) Adrzej Kubaczyk Laboratorum Fzyk I Wydzał Fzyk Poltechka Warszawska OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradk do Laboratorum Fzyk) ROZDZIAŁ Wstęp W roku 995 z cjatywy Mędzyarodowego Komtetu Mar (CIPM) zostały

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA 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 szczegółowo

Średnia harmoniczna Za pomocą średniej harmonicznej obliczamy np. średnią prędkość jazdy samochodem.

Średnia harmoniczna Za pomocą średniej harmonicznej obliczamy np. średnią prędkość jazdy samochodem. Statystyka Statystyka jest auką, która zajmuje sę zberaem daych ch aalzą. Praca statystyka polega główe a zebrau dużej lośc daych opsujących jakeś zjawsko ch aalze terpretacj. Ne będzemy zajmować sę oczywśce

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka 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 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

Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1

Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa Języ prawdopodobeństwo jego rozład Pojęce rozładu prawdopodobeństwa lczby z totolota jao zmee losowe o rozładze sretym zmea losowa częstoścowa defcja

Bardziej szczegółowo

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna Kwantyzacja salarna Plan. Defncja. Kwantyzacja równomerna 3. Nedopasowane, adaptacja 4. Kwantyzacja nerównomerna Pojce wantyzacj Defncja: Kwantyzacja reprezentacja duego w szczególnoc nesoczonego) zboru

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Wyrażanie niepewności pomiaru. Andrzej Kubiaczyk Wydział Fizyki, Politechnika Warszawska

Wyrażanie niepewności pomiaru. Andrzej Kubiaczyk Wydział Fizyki, Politechnika Warszawska Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 0 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

Wykłady 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 szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

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 szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 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 szczegółowo

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTRUKCJA LABORATORYJNA Temat ćwczena: BADANIE POPRAWNOŚCI OPISU STANU TERMICZNEGO POWIETRZA PRZEZ RÓWNANIE

Bardziej szczegółowo