Streszczenie: Zasady projektowania konstrukcji budowlanych z uwzględnieniem aspektów ich niezawodności wg Eurokodu PN-EN 1990
|
|
- Fabian Osiński
- 4 lat temu
- Przeglądów:
Transkrypt
1 Streszczenie: W artykule omówiono praktyczne podstawy projektowania konstrukcji budowlanych wedłu Eurokodu PN-EN Podano metody i procedury probabilistyczne analizy niezawodności konstrukcji. Podano związek między prawdopodobieństwem zniszczenia (awarią wyczerpania nośności) a wskaźnikiem niezawodności. Przedstawiono przyjęte w Eurokodach standardy i wymaania związane z jakością konstrukcji budowlanych oraz zarządzanie ich niezawodnością. Słowa kluczowe: bezpieczeństwo konstrukcji, współczynnik niezawodności konstrukcji, stany raniczne nośności, standardy jakościowe konstrukcji Zasady projektowania konstrukcji budowlanych z uwzlędnieniem aspektów ich niezawodności w Eurokodu PN-EN 1990 Autor: prof. dr hab. inż. Antoni Bieus W metodach probabilistycznych analizy niezawodności konstrukcji budowlanych miarą bezpieczeństwa jest prawdopodobieństwo zawodności (awarii, wyczerpania nośności) p f, przy założonym modelu zniszczenia i odpowiednio przyjętym okresie eksploatacji obiektu. Wartości te oblicza się i porównuje z wartością docelową p 0. Jeśli prawdopodobieństwo zawodności p f < p 0, to konstrukcję uważa się za bezpieczną. Jest to najbardziej obiektywna miara ryzyka awarii konstrukcji budowlanych. Procedury probabilistyczneo sprawdzania bezpieczeństwa konstrukcji budowlanych można podzielić na dwie klasy: metody w pełni probabilistyczne (poziomu III), oraz metody niezawodności I rzędu (FORM first order reliability methods, poziomu II). Metody w pełni probabilistyczne (poziomu III) umożliwiają w zasadzie uzyskanie poprawneo rozwiązania problemu oceny niezawodności konstrukcji budowlanych. Metody te są jednak rzadko stosowane do kalibracji miar bezpieczeństwa w normach. Powodem jest brak niezbędnych do analiz probabilistycznych pełnych danych statystycznych dotyczących parametrów enerujących efekty obciążenia oraz nośności. Metody probabilistyczne poziomu II wykorzystują pewne dobrze zdefiniowane przybliżenia i pozwalają na uzyskanie wyników, które w większości przypadków zastosowań konstrukcyjnych moą być uważane za wystarczająco dokładne. Miarę niezawodności konstrukcji budowlanych w metodach poziomu III i poziomu II należy identyfikować z prawdopodobieństwem przetrwania (niezniszczenia) p s = (1 p f ),
2 dzie p f jest prawdopodobieństwem zniszczenia rozważanej postaci wyczerpania nośności, w zakresie odpowiednieo przedziału czasu (miara awaryjności). Jeśli oszacowane prawdopodobieństwo zniszczenia p f jest większe od ustalonej wartości docelowej p 0, to uważa się, że konstrukcja jest bezpieczna. Metody probabilistyczne poziomu II posłuują się alternatywną miarą bezpieczeństwa konstrukcji w postaci wskaźnika niezawodności β, związaneo z prawdopodobieństwem zniszczenia p f zależnością: p = φ( β ) (2.40) f dzie: φ funkcja prawdopodobieństwa standaryzowaneo rozkładu normalneo. Związek między wskaźnikiem niezawodności β i prawdopodobieństwem zniszczenia p f podano w tabeli 2.10., wartości docelowe wskaźnika niezawodności β dla elementów konstrukcyjnych klasy RC2 wedłu PN-EN 1990 podano zaś w tabeli Tabela Związek między prawdopodobieństwem zniszczenia p f i wskaźnikiem niezawodności β Awaryjność p f Wskaźnik niezawodności β 1,28 2,32 3,09 3,72 4,27 4,75 5,20 Wartości wskaźnika niezawodności β i odpowiadające im prawdopodobieństwa zniszczenia p f są wartościami formalnymi lub pojęciowymi, których zadaniem jest służyć raczej jako narzędzie do opracowywania spójnych reuł wymiarowania, niż jako docelowy opis częstości zniszczenia konstrukcji. Tabela Wartości docelowe wskaźnika niezawodności β elementów konstrukcyjnych klasy RC2 wedłu PN-EN 1990 Stan raniczny Docelowy wskaźnik niezawodności 1 rok 50 lat Nośności 4,7 3,8 Zmęczenia 1,5 do 3,8 * Użytkowalności (nieodwracalny) 2,9 1,5 * Zależy od stopnia inspekcji, możliwości reperacji i tolerancji uszkodzenia Wartości podane w tabeli należy uważać za racjonalne wymaania minimalne, wynikające z obliczeń kalibracyjnych norm projektowania. W obliczeniach tych przyjmuje się zwykle w przypadku parametrów wytrzymałościowych i niepewności modelu rozkłady loarytmiczno-normalne lub Weibulla. Rozkłady normalne zakłada się zwykle w odniesieniu
3 do ciężaru własneo, a do obciążeń zmiennych rozkłady ekstremalne. Należy podkreślić, że obliczenia kalibracyjne wykazały duży rozrzut wartości, rodzaju komponentu konstrukcji i kwantyfikacji różnych niepewności. Wartość wskaźnika niezawodności 3,8 dla stanu raniczneo nośności przyjęta została w wielu zastosowaniach, dotyczących łównie nośności. Nie oznacza to jednak, że standardowe wymiarowanie zodnie z Eurokodami prowadzi do wartości wskaźnika niezawodności β równych lub bliskich takiemu założeniu. W rzeczywistości dotychczas nie oceniono Eurokodów z teo punktu widzenia. Niezawodność konstrukcji zależy od losoweo rozkładu dwóch podstawowych wielkości ją enerujących: nośności R( i efektów obciążeń E(. Aby szacować niezawodność, należy znać rozkłady losowej funkcji nośności f R i losowej funkcji efektów obciążeń f E (rys. 2.9.). Obie funkcje, obciążenie f E i nośność f R są losowymi funkcjami czasu. W probabilistycznym sensie niezawodność definiuje się jako prawdopodobieństwo, że konstrukcja jest zdolna przenieść obciążenia, które na nią działają, bez zniszczenia, w określonym przedziale czasu (z uwzlędnieniem funkcji czasu). Prawdopodobieństwo zniszczenia konstrukcji p f może być wyrażone za pomocą losowej funkcji jej stanu raniczneo ( (nazywaną również funkcją zapasu nośności lub funkcją niezniszczenia), tak sformułowanej, aby: dy ( > 0 konstrukcja była uważana za bezpieczną, a dy ( < 0 za niebezpieczną. Prawdopodobieństwo zniszczenia konstrukcji p f opisuje zależność: p f = Pr{ ( 0} (2.41) dzie Pr{.} prawdopodobieństwo. Losową funkcję stanu raniczneo (, pokazaną na rysunku 2.9., wyznacza się ze wzoru: ( = R( E( (2.42) dzie: R( losowa funkcja nośności, E( losowa funkcja efektu obciążeń. Konstrukcję określa się jako bezpieczną, dy: ( = R( E( > 0 (2.43) a w stanie awaryjnym, dy: ( = R( E( 0 (2.44)
4 Rys Analiza losowej funkcji stanu raniczneo konstrukcji Losowa funkcja stanu raniczneo konstrukcji ( może przybierać wartości dodatnie, ujemne i zero (patrz rys. 2.9.). Zakładając, że zmienne losowe nośności konstrukcji R( i jej losowych efektów obciążenia E( mają rozkłady normalne odpowiednio f R oraz f E, to zmienną losową stanu raniczneo ( opisuje również rozkład normalny f, wyrażony zależnością: f = s 1 ( ) e 2π 2 / 2 s (2.45) Parametry losowej funkcji stanu raniczneo, tj. wartość średnią i odchylenia standardowe s, oblicza się ze wzorów: (2.46) = R E s = s + s (2.47) 2 R 2 E dzie: R, E wartość średnia odpowiednio nośności i efektów obciążeń; s R, s E odchylenie standardowe odpowiednio nośności i efektów obciążeń. Niezawodność konstrukcji wyraża się przez prawdopodobieństwo, że funkcja stanu raniczneo ( nie przybierze ujemnych wartości (rys. 2.9.). Awaryjność (zawodność) konstrukcji (pole zakreskowane na rys. 2.9.) wyraża całka: 0 p f = f d (2.48) Alternatywnie niezawodność konstrukcji można oszacować, analizując, przy jakiej wartości β (patrz rys. 2.9.) funkcja stanu raniczneo ( przybiera wartość równą zeru, przyjmując jako miarę odchylenie standardowe zapasu nośności s. Należy więc rozwiązać równanie:
5 β = 0 (2.49) s Parametr β oblicza się więc ze wzoru: β = (2.50) s Określa się o wskaźnikiem niezawodności β (lub współczynnikiem ufności) i wyznacza ze wzoru: R E β = (2.51) 2 2 s R + s E Po obliczeniu wskaźnika niezawodności β, z tablic rozkładu normalneo można oszacować prawdopodobieństwo zniszczenia konstrukcji p f. Na rysunku pokazano zależność prawdopodobieństwa zniszczenia konstrukcji p f w funkcji wskaźnika niezawodności β. Rys Zależność prawdopodobieństwa zniszczenia konstrukcji p f w funkcji wskaźnika niezawodności β Wskaźnik niezawodności β (2.51) stanowi obiektywną miarę bezpieczeństwa konstrukcji. Jeśli wskaźnik niezawodności β przybiera duże wartości, to konstrukcja ma większe bezpieczeństwo. Metody probabilistyczne analizy niezawodności konstrukcji budowlanych, wykorzystujące specyfikacje wedłu tabeli 2.11., są zalecane w postanowieniach PN-EN 1990 do kalibrowania miar niezawodności w inżynierskiej metodzie stanów ranicznych i współczynników częściowych. W tabeli podano minimalne wartości wskaźnika niezawodności β u przypisane klasom niezawodności RC w stanach ranicznych nośności.
6 Przykładowo, w przypadku 50-letnieo okresu odniesienia w stanie ranicznym konstrukcji klasy niezawodności RC2, wskaźnik niezawodności β u = 3,8, któremu odpowiada prawdopodobieństwo zniszczenia p f = 0, Tabela Minimalne wartości wskaźnika niezawodności β u przypisane klasom niezawodności RCX w stanach ranicznych nośności wedłu PN-EN 1990 Minimalny wskaźnik niezawodności β u Klasa niezawodności dla okresu odniesienia 1 rok 50 lat RC3 5,2 4,3 RC2 4,7 3,8 RC1 4,2 3,3 Prezentowane podejście do analizy szacowania bezpieczeństwa konstrukcji umożliwia w sposób świadomy enerowanie zapasu nośności konstrukcji, w wyniku indywidualnie przyjmowaneo indeksu niezawodności β, w zależności od pronozowanych następstw zniszczenia ustroju. W zależności od skutków awarii (zarożenia dla ludzi, strat materialnych) można więc przyjąć optymalny w analizowanym obiekcie wskaźnik niezawodności β. Przedstawiona analiza szacowania bezpieczeństwa konstrukcji może być wykorzystana w pronozowaniu niezawodności nietypowych obiektów budowlanych (na przykład ekspertyzach obiektów projektowanych wedłu nieaktualnych obecnie przepisów normowych, obiektów niekonwencjonalnie obciążonych lub konstrukcji, których nośność została określona metodami eksperymentalnymi). Należy zwrócić uwaę, że rzeczywista częstość zniszczenia w znacznym stopniu zależy od błędu ludzkieo, który nie jest uwzlędniony w obliczeniach wedłu metody współczynników częściowych. Dlateo wskaźnik niezawodności β niekoniecznie zawiera wskazania o rzeczywistej częstości zniszczenia konstrukcji. Artykuł jest framentem książki VADEMECUM PROJEKTANTA tom 1. Podstawy projektowania konstrukcji budowlanych, Oficyna Wydawnicza POLCEN 2016.
PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV
Elektroenergetyczne linie napowietrzne i kablowe wysokich i najwyższych napięć PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Wisła, 18-19 października 2017
Bardziej szczegółowoSłowa kluczowe: Eurokod, szeregowa struktura niezawodnościowa, wskaźnik niezawodności, kolokacja,
Archs Wiki Niezawodność systemów konstrukcyjnych Streszczenie Dobór elementów struktury konstrukcyjnej szeregowej z warunku ustalonej niezawodności, mierzonej wskaźnikiem niezawodności β dla różnych rozkładów
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 4 Modelowanie niezawodności prostych struktur sprzętowych Prowadzący: mgr inż. Marcel Luzar Cel
Bardziej szczegółowoModelowanie niezawodności prostych struktur sprzętowych
Modelowanie niezawodności prostych struktur sprzętowych W ćwiczeniu tym przedstawione zostaną proste struktury sprzętowe oraz sposób obliczania ich niezawodności przy założeniu, że funkcja niezawodności
Bardziej szczegółowoNormy do projektowania nowych linii elektroenergetycznych
Poprawa bezpieczeństwa pracy linii WN w świetle najnowszej normalizacji. Niezawodność, pewność, bezpieczeństwo. Dominik Brudniak Tomasz Musiał Lubelskie Targi Energetyczne ENERGETICS Lublin, 14-16 listopada
Bardziej szczegółowoFunkcje charakteryzujące proces. Dr inż. Robert Jakubowski
Funkcje charakteryzujące proces eksploatacji Dr inż. Robert Jakubowski Niezawodność Niezawodność Rprawdopodobieństwo, że w przedziale czasu od do t cechy funkcjonalne statku powietrznego Ubędą się mieścić
Bardziej szczegółowoStreszczenie. 3. Mechanizmy Zniszczenia Plastycznego
Streszczenie Dobór elementów struktury konstrukcyjnej z warunku ustalonej niezawodności, mierzonej wskaźnikiem niezawodności β. Przykład liczbowy dla ramy statycznie niewyznaczalnej. Leszek Chodor, Joanna
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoInteligentna analiza danych
Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki
Bardziej szczegółowoSympozjum Trwałość Budowli
Sympozjum Trwałość Budowli Andrzej ownuk ROJEKTOWANIE UKŁADÓW Z NIEEWNYMI ARAMETRAMI Zakład Mechaniki Teoretycznej olitechnika Śląska pownuk@zeus.polsl.gliwice.pl URL: http://zeus.polsl.gliwice.pl/~pownuk
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoZałącznik D (EC 7) Przykład analitycznej metody obliczania oporu podłoża
Załącznik D (EC 7) Przykład analitycznej metody obliczania oporu podłoża D.1 e używane w załączniku D (1) Następujące symbole występują w Załączniku D: A' = B' L efektywne obliczeniowe pole powierzchni
Bardziej szczegółowoSIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY
SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY
Bardziej szczegółowoRozkład normalny, niepewność standardowa typu A
Podstawy Metrologii i Technik Eksperymentu Laboratorium Rozkład normalny, niepewność standardowa typu A Instrukcja do ćwiczenia nr 1 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowoDOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Szacowanie niepewności oznaczania / pomiaru zawartości... metodą... Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoWnioskowanie statystyczne i weryfikacja hipotez statystycznych
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW
ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną
Bardziej szczegółowoSprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich
Podstawy Metrologii i Technik Eksperymentu Laboratorium Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Instrukcja do ćwiczenia nr 4 Zakład Miernictwa
Bardziej szczegółowoPODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ
Andrzej Purczyński PODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ Materiały szkolenia technicznego, Jakość energii elektrycznej i jej rozliczanie, Poznań Tarnowo Podgórne II/2008, ENERGO-EKO-TECH
Bardziej szczegółowoWSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły
Bardziej szczegółowoPrawdopodobieństwo i rozkład normalny cd.
# # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Inżynierii Środowiska obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015 Kierunek studiów: Inżynieria Środowiska
Bardziej szczegółowoStatystyczna analiza awarii pojazdów samochodowych. Failure analysis of cars
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 1/15/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.1.1 ROMAN RUMIANOWSKI Statystyczna analiza awarii pojazdów
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 3 Generacja realizacji zmiennych losowych Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia: Generowanie
Bardziej szczegółowoProcedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Stron 7 Załączniki Nr 1 Nr Nr 3 Stron Symbol procedury PN//xyz Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoNiezawodność i Diagnostyka
Katedra Metrologii i Optoelektroniki Wydział Elektroniki Telekomunikacji i Informatyki Politechnika Gdańska Niezawodność i Diagnostyka Ćwiczenie laboratoryjne nr 3 Struktury niezawodnościowe 1. Struktury
Bardziej szczegółowoKOMPUTEROWA SYMULACJA PROCESÓW ZWIĄZANYCH Z RYZYKIEM PRZY WYKORZYSTANIU ŚRODOWISKA ADONIS
KOMPUTEROWA SYMULACJA PROCESÓW ZWIĄZANYCH Z RYZYKIEM PRZY WYKORZYSTANIU ŚRODOWISKA ADONIS Bogdan RUSZCZAK Streszczenie: Artykuł przedstawia metodę komputerowej symulacji czynników ryzyka dla projektu inwestycyjnego
Bardziej szczegółowoBŁĘDY W POMIARACH BEZPOŚREDNICH
Podstawy Metrologii i Technik Eksperymentu Laboratorium BŁĘDY W POMIARACH BEZPOŚREDNICH Instrukcja do ćwiczenia nr 2 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy Metrologii
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii (2018) Autor prezentacji :dr hab. Paweł Korecki dr Szymon Godlewski e-mail: szymon.godlewski@uj.edu.pl
Bardziej szczegółowoTestowanie hipotez statystycznych. Wprowadzenie
Wrocław University of Technology Testowanie hipotez statystycznych. Wprowadzenie Jakub Tomczak Politechnika Wrocławska jakub.tomczak@pwr.edu.pl 10.04.2014 Pojęcia wstępne Populacja (statystyczna) zbiór,
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoMETODA PERT. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski
METODA PERT Maciej Patan Programowanie sieciowe. Metoda PERT 1 WPROWADZENIE PERT (ang. Program Evaluation and Review Technique) Metoda należy do sieci o strukturze logicznej zdeterminowanej Parametry opisujace
Bardziej szczegółowoOszacowanie i rozkład t
Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:
Bardziej szczegółowoVI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014
Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoAnaliza wpływu przypadków obciążenia śniegiem na nośność dachów płaskich z attykami
Analiza wpływu przypadków obciążenia śniegiem na nośność dachów płaskich z attykami Dr inż. Jarosław Siwiński, prof. dr hab. inż. Adam Stolarski, Wojskowa Akademia Techniczna 1. Wprowadzenie W procesie
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoNiezawodność w energetyce Reliability in the power industry
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoInformacje ogólne. Rys. 1. Rozkłady odkształceń, które mogą powstać w stanie granicznym nośności
Informacje ogólne Założenia dotyczące stanu granicznego nośności przekroju obciążonego momentem zginającym i siłą podłużną, przyjęte w PN-EN 1992-1-1, pozwalają na ujednolicenie procedur obliczeniowych,
Bardziej szczegółowoPochodna i różniczka funkcji oraz jej zastosowanie do obliczania niepewności pomiarowych
Pochodna i różniczka unkcji oraz jej zastosowanie do obliczania niepewności pomiarowych Krzyszto Rębilas DEFINICJA POCHODNEJ Pochodna unkcji () w punkcie określona jest jako granica: lim 0 Oznaczamy ją
Bardziej szczegółowoInżynieria oprogramowania. Część 8: Metoda szacowania ryzyka - PERT
UNIWERSYTET RZESZOWSKI KATEDRA INFORMATYKI Opracował: mgr inż. Przemysław Pardel v1.01 2010 Inżynieria oprogramowania Część 8: Metoda szacowania ryzyka - PERT ZAGADNIENIA DO ZREALIZOWANIA (3H) PERT...
Bardziej szczegółowoWykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
Bardziej szczegółowoRozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26
Rozkład normalny Marcin Zajenkowski Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Krzywa normalna, krzywa Gaussa, rozkład normalny Rozkłady liczebności wielu pomiarów fizycznych, biologicznych
Bardziej szczegółowoWalidacja metod analitycznych Raport z walidacji
Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących
Bardziej szczegółowoWSPÓŁCZYNNIK NIEPEWNOŚCI MODELU OBLICZENIOWEGO NOŚNOŚCI KONSTRUKCJI - PROPOZYCJA WYZNACZANIA
PRACE INSTYTUTU TECHNIKI BUDOWLANEJ - KWARTALNIK nr 3 (131) 2004 BUILDING RESEARCH INSTITUTE - QUARTERLY No 3 (131) 2004 BADANIA l STUDIA - RESEARCH AND STUDIES Bohdan Lewicki* WSPÓŁCZYNNIK NIEPEWNOŚCI
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoWYMAGANIA Z MATEMATYKI NA POSZCZEGÓLNE OCENY KLASYFIKACYJNE DLA UCZNIÓW KLAS TRZECICH. Sposoby sprawdzania wiedzy i umiejętności uczniów
WYMAGANIA Z MATEMATYKI NA POSZCZEGÓLNE OCENY KLASYFIKACYJNE DLA UCZNIÓW KLAS TRZECICH Sposoby sprawdzania wiedzy i umiejętności uczniów 1. Odpowiedzi ustne. 2. Sprawdziany pisemne. 3. Kartkówki. 4. Testy.
Bardziej szczegółowoZarządzanie projektami. Zarządzanie ryzykiem projektu
Zarządzanie projektami Zarządzanie ryzykiem projektu Warunki podejmowania decyzji Pewność Niepewność Ryzyko 2 Jak można zdefiniować ryzyko? Autor S.T. Regan A.H. Willet Definicja Prawdopodobieństwo straty
Bardziej szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoCZEŚĆ PIERWSZA. Wymagania na poszczególne oceny,,matematyka wokół nas Klasa III I. POTĘGI
Wymagania na poszczególne oceny,,matematyka wokół nas Klasa III CZEŚĆ PIERWSZA I. POTĘGI Zamienia potęgi o wykładniku całkowitym ujemnym na odpowiednie potęgi o wykładniku naturalnym. Oblicza wartości
Bardziej szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoWnioskowanie bayesowskie
Wnioskowanie bayesowskie W podejściu klasycznym wnioskowanie statystyczne oparte jest wyłącznie na podstawie pobranej próby losowej. Możemy np. estymować punktowo lub przedziałowo nieznane parametry rozkładów,
Bardziej szczegółowoElektrotechnika I stopień (I stopień / II stopień) Ogólno akademicki (ogólno akademicki / praktyczny) Kierunkowy (podstawowy / kierunkowy / inny HES)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Niezawodność zasilania energią elektryczną
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.
STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z
Bardziej szczegółowoOkreślanie niepewności pomiaru
Określanie niepewności pomiaru (Materiały do ćwiczeń laboratoryjnych z przedmiotu Materiałoznawstwo na wydziale Górnictwa i Geoinżynierii) 1. Wprowadzenie Pomiar jest to zbiór czynności mających na celu
Bardziej szczegółowoDr inż. Paweł Fotowicz. Procedura obliczania niepewności pomiaru
Dr inż. Paweł Fotowicz Procedura obliczania niepewności pomiaru Przewodnik GUM WWWWWWWWWWWWWWW WYRAŻANIE NIEPEWNOŚCI POMIARU PRZEWODNIK BIPM IEC IFCC ISO IUPAC IUPAP OIML Międzynarodowe Biuro Miar Międzynarodowa
Bardziej szczegółowoDefinicje i przykłady
Rozdział 1 Definicje i przykłady 1.1 Definicja równania różniczkowego 1.1 DEFINICJA. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (t, x, ẋ, ẍ,..., x (n) ) = 0. (1.1) W równaniu tym t jest
Bardziej szczegółowoZ52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe.
Z5: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania zagadnienie brzegowe Dyskretne operatory różniczkowania Numeryczne obliczanie pochodnych oraz rozwiązywanie
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoCechy eksploatacyjne statku. Dr inż. Robert Jakubowski
Cechy eksploatacyjne statku powietrznego Dr inż. Robert Jakubowski Własności i właściwości SP Cechy statku technicznego, które są sformułowane w wymaganiach taktyczno-technicznych, konkretyzują się w jego
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoaccording to pn-en 1990 standard
marian gwóźdź, krzysztof kuchta * zarzadzanie niezawodnością obiektów kubaturowych wg normy pn-en 1990 reliability management of steel buildings according to pn-en 1990 standard Streszczenie Projektowanie
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Bardziej szczegółowoAnaliza nośności pionowej oraz osiadania pali projektowanych z wykorzystaniem wyników sondowań CPT
Poradnik Inżyniera Nr 15 Aktualizacja: 06/2017 Analiza nośności pionowej oraz osiadania pali projektowanych z wykorzystaniem wyników sondowań CPT Program: Pal CPT Plik powiązany: Demo_manual_15.gpn Celem
Bardziej szczegółowoNiezawodność i Diagnostyka
Katedra Metrologii i Optoelektroniki Wydział Elektroniki Telekomunikacji i Informatyki Politechnika Gdańska Niezawodność i Diagnostyka Ćwiczenie laboratoryjne nr 3 Struktury niezawodnościowe Gdańsk, 2012
Bardziej szczegółowow analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
Bardziej szczegółowoZad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Bardziej szczegółowoAkademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe
Bardziej szczegółowoSTANY GRANICZNE KONSTRUKCJI BUDOWLANYCH
STANY GRANICZNE KONSTRUKCJI BUDOWLANYCH Podstawa formalna (prawna) MATERIAŁY DYDAKTYCZNE 1 Projektowanie konstrukcyjne obiektów budowlanych polega ogólnie na określeniu stanów granicznych, po przekroczeniu
Bardziej szczegółowoExcel i VBA w analizach i modelowaniu finansowym Pomiar ryzyka. Pomiar ryzyka
Pomiar ryzyka Miary obiektywne stosowane w kwantyfikacji ryzyka rynkowego towarzyszącego zaangażowaniu środków w inwestycjach finansowych obejmują: Miary zmienności, Miary zagrożenia, Miary wrażliwości.
Bardziej szczegółowoCharakterystyka mierników do badania oświetlenia Obiektywne badania warunków oświetlenia opierają się na wynikach pomiarów parametrów świetlnych. Podobnie jak każdy pomiar, również te pomiary, obarczone
Bardziej szczegółowoPaleZbrojenie 5.0. Instrukcja użytkowania
Instrukcja użytkowania ZAWARTOŚĆ INSTRUKCJI UŻYTKOWANIA: 1. WPROWADZENIE 3 2. TERMINOLOGIA 3 3. PRZEZNACZENIE PROGRAMU 3 4. WPROWADZENIE DANYCH ZAKŁADKA DANE 4 5. ZASADY WYMIAROWANIA PRZEKROJU PALA 8 5.1.
Bardziej szczegółowoMetody numeryczne. Sformułowanie zagadnienia interpolacji
Ćwiczenia nr 4. Sformułowanie zagadnienia interpolacji Niech będą dane punkty x 0,..., x n i wartości y 0,..., y n, takie że i=0,...,n y i = f (x i )). Szukamy funkcji F (funkcji interpolującej), takiej
Bardziej szczegółowoAnaliza nośności pionowej i osiadania grupy pali
Poradnik Inżyniera Nr 17 Aktualizacja: 09/2016 Analiza nośności pionowej i osiadania rupy pali Proram: Plik powiązany: Grupa pali Demo_manual_17.sp Celem niniejszeo przewodnika jest przedstawienie wykorzystania
Bardziej szczegółowoOkreślenie maksymalnego kosztu naprawy pojazdu
MACIEJCZYK Andrzej 1 ZDZIENNICKI Zbigniew 2 Określenie maksymalnego kosztu naprawy pojazdu Kryterium naprawy pojazdu, aktualna wartość pojazdu, kwantyle i kwantyle warunkowe, skumulowana intensywność uszkodzeń
Bardziej szczegółowoBADANIE WYTRZYMAŁOŚCI NA ŚCISKANIE BETONU ELEMENTÓW MOSTU PRZEZ RZEKĘ BRZUŚNIĘ W UL. DWORSKIEJ W GŁOWNIE
BADANIE WYTRZYMAŁOŚCI NA ŚCISKANIE BETONU ELEMENTÓW MOSTU PRZEZ RZEKĘ BRZUŚNIĘ W UL. DWORSKIEJ W GŁOWNIE OPRACOWANIE dr inż. Anna Kosińska Łódź, lipiec/sierpień 2016 r. 2 1. Cel i zakres. Celem opracowania
Bardziej szczegółowoWyznaczanie budżetu niepewności w pomiarach wybranych parametrów jakości energii elektrycznej
P. OTOMAŃSKI Politechnika Poznańska P. ZAZULA Okręgowy Urząd Miar w Poznaniu Wyznaczanie budżetu niepewności w pomiarach wybranych parametrów jakości energii elektrycznej Seminarium SMART GRID 08 marca
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoKatalog wymagań na poszczególne stopnie szkolne klasa 3
Katalog wymagań na poszczególne stopnie szkolne klasa 3 I. GRANIASTOSŁUPY I OSTROSŁUPY 6 5 4 3 2 Wskazuje wśród wielościanów graniastosłupy proste i pochyłe. Wskazuje na modelu lub rysunku krawędzie, wierzchołki,
Bardziej szczegółowoKontekstowe wskaźniki efektywności nauczania - warsztaty
Kontekstowe wskaźniki efektywności nauczania - warsztaty Przygotowała: Aleksandra Jasińska (a.jasinska@ibe.edu.pl) wykorzystując materiały Zespołu EWD Czy dobrze uczymy? Metody oceny efektywności nauczania
Bardziej szczegółowoPROJEKT STOPY FUNDAMENTOWEJ
TOK POSTĘPOWANIA PRZY PROJEKTOWANIU STOPY FUNDAMENTOWEJ OBCIĄŻONEJ MIMOŚRODOWO WEDŁUG WYTYCZNYCH PN-EN 1997-1 Eurokod 7 Przyjęte do obliczeń dane i założenia: V, H, M wartości charakterystyczne obciążeń
Bardziej szczegółowoWnioskowanie statystyczne Weryfikacja hipotez. Statystyka
Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Bardziej szczegółowoJeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Bardziej szczegółowoCzęsto spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k:
Statystyczne opracowanie danych pomiarowych W praktyce pomiarowej często spotykamy się z pomiarami wielokrotnymi, gdy podczas pomiaru błędy pomiarowe (szumy miernika, czynniki zewnętrzne) są na tyle duże,
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoSterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Bardziej szczegółowoSterowanie procesem i jego zdolność. Zbigniew Wiśniewski
Sterowanie procesem i jego zdolność Zbigniew Wiśniewski Wybór cech do kart kontrolnych Zaleca się aby w pierwszej kolejności były brane pod uwagę cechy dotyczące funkcjonowania wyrobu lub świadczenia usługi
Bardziej szczegółowo