PRÓBA WERYFIKACJI METODY DOBORU PARAMETRÓW DIGITALIZACJI POWIERZCHNI SWOBODNEJ DLA CELÓW INśYNIERII ODWROTNEJ W SYSTEMIE CATIA V5 1.
|
|
- Mieczysław Krajewski
- 5 lat temu
- Przeglądów:
Transkrypt
1 InŜynieria Maszyn, R. 17, z. 3, 2012 Dominik HYLEWSKI 1 inŝynieria odwrotna, digitalizacja, powierzchnia swobodna, modelowanie CAD PRÓBA WERYFIKACJI METODY DOBORU PARAMETRÓW DIGITALIZACJI POWIERZCHNI SWOBODNEJ DLA CELÓW INśYNIERII ODWROTNEJ W SYSTEMIE CATIA V5 Artykuł przedstawia próbę weryfikacji metody, której zadaniem ma być umoŝliwienie oszacowania wartości błędu, jaki powstanie w wyniku odtworzenia powierzchni swobodnej z chmury punktów składającej się, w zaleŝności od parametrów digitalizacji, z róŝnej liczby punktów. Wszystkie działania związane z weryfikacją metody przeprowadzono w sposób modelowy w systemie CATIA V5. Generowanie chmury punktów w etapie digitalizacji przeprowadzano analogicznie do strategii digitalizacji powierzchni swobodnych oferowanej przez oprogramowanie pomiarowe PowerINSPECT 4.16, stosowanej na współrzędnościowej maszynie pomiarowej w Katedrze Budowy Maszyn Politechniki Śląskiej. 1. WSTĘP W załoŝeniu metoda doboru parametrów digitalizacji powierzchni swobodnej ma składać się z czterech podstawowych etapów przedstawionych na rys. 1. Głównym zadaniem weryfikacji tej metody było uściślenie zaleŝności pomiędzy informacjami uzyskiwanymi w drugim etapie metody (parametry digitalizacji oraz prognozowana dla nich wartość błędu), a rzeczywistą dokładnością odtworzenia powierzchni. Dalszy opis etapów metody zostanie przeprowadzony na przykładzie konkretnej powierzchni swobodnej. Rys. 1. Etapy proponowanej metody Fig. 1. Stages of proposed method 1 Katedra Budowy Maszyn, Politechnika Śląska w Gliwicach
2 Próba weryfikacji metody doboru parametrów digitalizacji powierzchni swobodnej dla celów inŝynierii odwrotnej ANALIZA MODELOWA W SYSTEMIE CATIA W środowisku CATIA zamodelowano powierzchnię swobodną referencyjną (rys. 2). Powierzchnia ta została stworzona z czterech przekrojów, a jej cechą charakterystyczną jest to, Ŝe jej krzywizna [1] w kierunku (U) osi X zmienia się znacznie bardziej niŝ w kierunku (V) osi Y. Powierzchnia swobodna ma postać płata prostokątnego o wymiarach 90 na 70mm. Rys. 2. Referencyjna powierzchnia swobodna Fig. 2. Reference free-form surface 2.1. PRZEPROWADZENIE WSTĘPNEGO POMIARU Przeprowadzenie wstępnego pomiaru polega na odwzorowaniu np. poprzez digitalizację zarysów dwóch wzajemnie prostopadłych przekrojów rozpatrywanej powierzchni. Wybór pierwszego z przekrojów jest ściśle uzaleŝniony od ustawień strategii digitalizacji. W opisywanym przykładzie chmury punktów będą wygenerowane zgodnie ze strategią równoległy zarys oferowaną prze oprogramowanie pomiarowe PowerINSPECT 4.16, konieczne jest zatem jej scharakteryzowanie. Istota tej strategii (rys. 3) polega na określeniu w pierwszym kroku płaszczyzny tnącej np. poprzez punkt naleŝący do tej płaszczyzny i jej wektor normalny. W płaszczyźnie tej następuje digitalizacja z krokiem k, w sposób uwzględniający zmieniającą się krzywiznę powierzchni. Tak tworzona jest linia punktowania. Następnie tworzona jest kolejna taka linia w płaszczyźnie równoległej do płaszczyzny tnącej i oddalonej od niej o odległość pomiędzy liniami punktowania d. Proces powtarzany jest, aŝ do zakończenia digitalizacji określonego obszaru. Parametry digitalizacji k i d podawane są w milimetrach i wpływają na gęstość rozmieszczenia punktów na digitalizowanej powierzchni.
3 130 Dominik HYLEWSKI Rys. 3. Istota strategii równoległy zarys Fig. 3. Method of digitalization offered by measuring software Pierwszy przekrój musi leŝeć w płaszczyźnie równoległej do płaszczyzny tnącej oraz w której powierzchnia na tym kierunku osiąga największą krzywiznę. Drugi przekrój musi leŝeć na kierunku płaszczyzny prostopadłej do płaszczyzny tnącej, przechodzącej przez jedną z osi układu współrzędnych i takŝe, w którym na tym kierunku powierzchnia osiąga największą krzywiznę. Przykład wzajemnego usytuowania przekrojów z wyŝej wymienionymi ograniczeniami przedstawia rys. 4. Rys. 4. Przykładowe rozmieszczenie przekrojów Fig. 4. An example of cross-section positions
4 Próba weryfikacji metody doboru parametrów digitalizacji powierzchni swobodnej dla celów inŝynierii odwrotnej Wybór płaszczyzny tnącej oraz analiza krzywizny zamodelowanej powierzchni referencyjnej pozwoliła na wybór, z wcześniej opisywanymi warunkami, dwóch przekrojów (drugi przekrój był równoległy do płaszczyzny prostopadłej do płaszczyzny tnącej i przechodził przez oś Z układu współrzędnych) rys. 5, i ich odwzorowanie w postaci krzywych, które stają się krzywymi referencyjnymi, nazywanymi dalej dla uproszczenia krzywymi X i Y. Uzyskane w ten sposób dane kończą pierwszy etap metody. Rys. 5. Wybrane przekroje powierzchni referencyjnej Fig. 5. Selected cross-sections of reference free form surface 2.2. ANALIZA DANYCH POMIAROWYCH Analiza danych pomiarowych ma na celu oszacowanie błędu odtworzenia powierzchni swobodnej referencyjnej dla wybranych parametrów digitalizacji. Oszacowanie to będzie realizowane przy załoŝeniu prawdziwości hipotezy, Ŝe wartość błędu odtworzenia powierzchni swobodnej referencyjnej jest uzaleŝniona od błędów, jakie powstaną przy odtwarzaniu krzywych X i Y, dla róŝnych liczb punktów, a zatem dla róŝnych parametrów digitalizacji. Hipotezę taką moŝna przyjąć, kierując się następującym sposobem myślenia: dobierając parametry digitalizacji tylko dla przekrojów powierzchni o największych krzywiznach, (krzywa X i krzywa Y) pozostałe przekroje, dla identycznych parametrów digitalizacji, zostaną zdigitalizowan z mniejszym błędem. W niniejszym artykule rozpatrzono przypadek odtwarzania powierzchni referencyjnej do postaci powierzchni utworzonej przez triangulację punktów. Wybrano wartości parametrów digitalizacji. Ze względu na to, Ŝe krzywa X będzie digitalizowana adaptacyjnie, podzielona została na 120 równych odcinków, wyznaczonych przez 121 punktów. Odległość mierzona wzdłuŝ krzywej pomiędzy kolejnymi punktami wynosiła mm. Wykonanie takiego podziału daje moŝliwość wyboru bez reszty
5 132 Dominik HYLEWSKI piętnastu róŝnych kroków digitalizacji k wzdłuŝ krzywej, z których wybrano sześć, co: 5 ( mm), 6 ( mm), 8 ( mm), 10 ( mm),15 ( mm), 20 ( mm) odcinków. Krzywa Y będzie digitalizowana wzdłuŝ kierunku osi Y, w związku z tym przyjęto następujące wartości parametru odległości pomiędzy liniami punktowania d : 3.5, 5, 7, 10, 14mm. W dalszej części pracy stosowane będą dla uproszczenia oznaczenia zdigitalizowanych w postaci punktów krzywych X i Y (tabela 1). L.p. Tabela 1. Sposób oznaczania zdigitalizowanych krzywych X i Y Table 1. Notation of digitalized curves X and Y Oznaczenie zdigitalizowanej krzywej X Krzywa X Odpowiadający parametr digitalizacji k mm Oznaczenie zdigitalizowanej krzywej Y Krzywa Y Odległość pomiędzy liniami punktowania d mm 1 X Y X Y5 5 3 X Y7 7 4 X Y X Y X Wybrane parametry digitalizacji pozwalają stworzyć trzydzieści róŝnych chmur punktów będących kombinacjami parametrów digitalizacji krzywych X i Y. Do dalszej analizy wybrano 14 chmur punktów, które kolejno wraz z symbolicznymi oznaczeniami przedstawia tabela 2. Tabela 2. Symboliczne oznaczenia wybranych do dalszej analizy chmur punktów Table 2. Symbolic notation of selected point clouds Numer chmury punktów Oznaczenie chmury punktów 1 X5_Y3.5 2 X5_Y5 3 X6_Y3.5 4 X6_Y5 5 X6_Y7 6 X8_Y5 7 X8_Y7 8 X8_Y10 9 X10_Y5 10 X10_Y7 11 X10_Y10 12 X15_Y10 13 X15_Y14 14 X20_Y14 Wykonano digitalizację krzywych X i Y z podanymi w tabeli 1 parametrami. Przykłady otrzymanych wyników przedstawia rys 6.
6 Próba weryfikacji metody doboru parametrów digitalizacji powierzchni swobodnej dla celów inŝynierii odwrotnej Rys. 6. Digitalizacja krzywych X i Y z parametrami: a) k= mm, b) k= mm, c) d=3.5mm, d) d=14mm Fig. 6. Digitalization of curves X and Y with parameters: a) k= mm, b) k= mm, c) d=3.5mm, d) d=14mm W ten sposób ciągłe krzywe zostały zamienione na punkty, z których po ich połączeniu stworzono krzywe łamane (rys. 7), przedstawiające odtworzoną postać krzywych X i Y. Odtworzone postacie krzywych X i Y będą dalej oznaczane OX5, OX6, OY3.5, OY5 i tak dalej. Rys. 7. Odtworzone krzywe: a) OX5, b) OX20, c) OY3.5, d) OY14 Fig. 7. Reconstructed curves: a) OX5, b) OX20, c) OY3.5, d) OY14
7 134 Dominik HYLEWSKI Następnie dokonano oceny róŝnic pomiędzy krzywymi X i Y a poszczególnymi krzywymi odtworzonymi. Oceniana jest tutaj odległość od krzywej X lub Y (referencyjnych) do krzywej odtworzonej, mierzona w wielu punktach w kierunku normalnym do krzywej referencyjnej w danym punkcie. Przykład sposobu przeprowadzenia tej oceny przedstawia rys. 8. Rys. 8. Sposób oceny róŝnicy pomiędzy krzywą X (referencyjną), a krzywą łamaną Fig. 8. Method of evaluation differences between curve X (reference), and reconstructed curve Otrzymane wyniki zestawiono w tabeli 3. Przy czym bezwzględną wartość róŝnicy pomiędzy odpowiednio krzywą X lub Y (krzywą referencyjną) a daną krzywą odtworzoną przyjęto określać po prostu: Błąd X i Błąd Y. Tabela 3. Wyniki oceny róŝnic pomiędzy odpowiadającymi sobie krzywymi Table 3. Evaluated difference between curves L.p. odtworzona krzywa X Błąd X mm odtworzona krzywa Y Błąd Y mm 1 OX OY OX OY OX OY OX OY OX OY OX Otrzymane wyniki kończą etap analizy danych pomiarowych i zgodnie z wypowiedzianą hipotezą stanowią podstawę do oszacowania róŝnic pomiędzy powierzchnią referencyjną a powierzchniami zdigitalizowanymi, utworzonymi przez triangulację chmur punktów. W dalszym kroku naleŝy utworzyć takie powierzchnie dla wymienionych parametrów digitalizacji, ocenić ich róŝnicę pomiędzy powierzchnią referencyjną i określić relację pomiędzy tą róŝnicą a Błędami X i Y.
8 Próba weryfikacji metody doboru parametrów digitalizacji powierzchni swobodnej dla celów inŝynierii odwrotnej DIGITALIZACJA Przeprowadzono digitalizację powierzchni referencyjnej otrzymując 14 chmur punktów odwzorowujących ją z przyjętymi parametrami. Na rysunku 9 przedstawiono część otrzymanych chmur punktów. Rys. 9. Otrzymane chmury punktów (oznaczenia wg tabeli 2): a) X5_Y3.5, b) X8_Y7, c) X20_Y14 Fig. 9. Point clouds (notation according to Table 2): a) X5_Y3.5, b) X8_Y7, c) X20_Y MODELOWANIE POWIERZCHNI Przeprowadzono triangulację otrzymanych wcześniej chmur punktów. Wyniki triangulacji przedstawia rys. 10. Odtworzone powierzchnie będą oznaczane dalej tak jak odpowiadające im chmury punktów z dodanym symbolem O_. Rys. 10. Odtworzone powierzchnie poprzez triangulację chmury punktów: a) O_X5_Y3.5, b) O_X8_Y7, c) O_X20_Y14 Fig. 10. Triangulated point clouds: a) O_X5_Y3.5, b) O_X8_Y7, c) O_X20_Y14 Jako, Ŝe powierzchnia utworzona przez triangulację chmury punktów nie moŝe posłuŝyć do oceny róŝnic względem powierzchni referencyjnej, konieczna była zamiana poszczególnych trójkątów kaŝdej powierzchni na płaszczyzny. Przykłady odtworzonych postaci powierzchni referencyjnej przedstawia rys. 11.
9 136 Dominik HYLEWSKI Rys. 11. Odtworzone postaci powierzchni referencyjnej: a) O_X5_Y3.5, b) O_X20_Y14 Fig. 11. Reconstructed form of reference free form surface: a) O_X5_Y3.5, b) O_X20_Y14 3. OCENA W celu dokonania oceny róŝnic pomiędzy powierzchnią referencyjną a odtworzonymi w poprzednim kroku jej postaciami przeprowadzono analizę wstępną. Następnie w miejscach wykrycia największej róŝnicy analizę szczegółową, której przykład przedstawia rys. 12. Oceniana jest tutaj odległość od powierzchni referencyjnej do powierzchni odtworzonej, mierzona w wielu punktach w kierunku normalnym do powierzchni referencyjnej w danym punkcie. Rys. 12. Przykład dokładnej analizy róŝnic pomiędzy powierzchnia referencyjną i odtworzoną O_X20_Y14(na rysunku powierzchnia referencyjna nie została pokazana) Fig. 12. Example of evaluation difference between reference and reconstructed (O_X20_Y14) surface (reference surface is hidden)
10 Próba weryfikacji metody doboru parametrów digitalizacji powierzchni swobodnej dla celów inŝynierii odwrotnej Otrzymane do tej pory wyniki zestawiono w tabeli 4. Największą bezwzględną wartość róŝnicy pomiędzy powierzchnią referencyjną i odtworzoną dla danej chmury punktów przyjęto oznaczać Błąd P. Tabela 4. Zebrane wyniki ocen krzywych i powierzchni odtworzonych Table 4. Evaluated difference between reconstructed curves and surfaces Nr chmury punktów Oznaczenie powierzchni odtworzonej Błąd X mm Błąd Y mm Suma Błędu X i Błędu Y mm Błąd P mm 1 O_X5_Y O_X5_Y O_X6_Y O_X6_Y O_X6_Y O_X8_Y O_X8_Y O_X8_Y O_X10_Y O_X10_Y O_X10_Y O_X15_Y O_X15_Y O_X20_Y Zgodnie z przedstawionym tokiem postępowania przeprowadzono analizę dla kolejnej, przedstawionej na rys. 13 powierzchni swobodnej. Rys. 13. Kolejna rozpatrywana referencyjna powierzchnia swobodna Fig. 13. Second reference free form surface Cechą charakterystyczną tej powierzchni jest to, Ŝe wyraźna zmiana krzywizny następuje w obydwu kierunkach (U) osi X i (V) osi Y. Powierzchnia swobodna ma postać płata prostokątnego o wymiarach 80 na 80mm. Wybór płaszczyzny tnącej oraz analiza
11 138 Dominik HYLEWSKI krzywizny zamodelowanej powierzchni referencyjnej pozwoliła na wybór z wcześniej opisywanymi warunkami dwóch przekrojów (drugi przekrój był równoległy do płaszczyzny prostopadłej do płaszczyzny tnącej i przechodził przez oś Z układu współrzędnych) i ich odwzorowanie w postaci krzywych, które stają się krzywymi referencyjnymi, nazywanymi dalej tak jak poprzednio krzywymi X i Y (rys. 14). Rys. 14. Wybrane przekroje rozpatrywanej powierzchni Fig. 14. Selected cross-sections of reference free form surface Analogicznie jak poprzednio określono wartości parametrów digitalizacji rozpatrywanej powierzchni. W tabeli 5 przedstawiono oznaczenia zdigitalizowanych w postaci punktów krzywych X i Y oraz odpowiadające im parametry digitalizacji. L.p. Tabela 5. Sposób oznaczania zdigitalizowanych krzywych X i Y w postaci punktów Table 5. Notation of digitalized curves X and Y Oznaczenie zdigitalizowanej krzywej X Krzywa X Krok digitalizacji k mm Oznaczenie zdigitalizowanej krzywej Y Krzywa Y Odległość pomiędzy liniami punktowania d mm 1 X Y X Y4 4 3 X Y5 5 4 X Y8 8 5 X Y X Z moŝliwych kombinacji parametrów digitalizacji wybrano czternaście stanowiących czternaście róŝnych chmur punktów, których oznaczenia przedstawia tabela 6. Analogicznie jak poprzednio przeprowadzono digitalizację krzywych X i Y z określonymi parametrami, dokonano oceny róŝnic pomiędzy krzywymi X i Y a poszczególnymi krzywymi odtworzonymi, przeprowadzono digitalizację powierzchni referencyjnej,
12 Próba weryfikacji metody doboru parametrów digitalizacji powierzchni swobodnej dla celów inŝynierii odwrotnej wykonano triangulację otrzymanych chmur punktów oraz oceniono róŝnice pomiędzy powierzchnią referencyjną i powierzchniami odtworzonymi. Zachowano przyjęty w pierwszym przykładzie sposób oznaczania wyznaczanych wartości. Wszystkie otrzymane wyniki zawiera tabela 7. Tabela 6. Symboliczne oznaczenia wybranych do dalszej analizy chmur punktów Table 6. Symbolic notation of selected point clouds Numer chmury punktów Oznaczenie chmury punktów 1 X4_Y2.5 2 X4_Y4 3 X5_Y2.5 4 X5_Y4 5 X5_Y5 6 X6_Y2.5 7 X6_Y4 8 X6_Y5 9 X8_Y4 10 X8_Y5 11 X8_Y8 12 X10_Y5 13 X10_Y8 14 X12_Y10 Tabela 7. Zebrane wyniki ocen krzywych i powierzchni odtworzonych Table 7. Evaluated difference between reconstructed curves and surfaces Nr chmury punktów Oznaczenie powierzchni odtworzonej Błąd X mm Błąd Y mm Suma Błędu X i Błędu Y mm Błąd P mm 1 O_X4_Y O_X4_Y O_X5_Y O_X5_Y O_X5_Y O_X6_Y O_X6_Y O_X6_Y O_X8_Y O_X8_Y O_X8_Y O_X10_Y O_X10_Y O_X12_Y ANALIZA OTRZYMANYCH WYNIKÓW 4.1. ANALIZA PIERWSZEJ POWIERZCHNI REFERENCYJNEJ Dane z tabeli 4 przedstawiono w postaci wykresu na rysunku 15. Analizując powyŝsze dane moŝna stwierdzić, Ŝe zwiększanie wartości parametrów digitalizacji powoduje
13 140 Dominik HYLEWSKI zwiększanie Błędu P w sposób wykładniczy. Jest to analogiczne z charakterem przyrostu przyjętych wartości obydwu parametrów digitalizacji. Analizując korelację liniową pomiędzy Błędem X i Błędem P, oraz Błędem Y i Błędem P moŝna stwierdzić występowanie silnych zaleŝności. Odpowiednie współczynniki korelacji liniowej przyjmują wartości 0.94 i Rys. 15. Wartości Błędu X, Błędu Y, Błędu P dla kolejnych chmur punktów Fig. 15. Values of Error X, Error Y, Error P for following point clouds Stosując test t moŝna wykazać, Ŝe obie korelacje są istotne na poziomie 0.01 (hipotezę, Ŝe nie ma korelacji moŝna odrzucić z szansą popełnienia błędu równą 1%) [2]. MoŜna zauwaŝyć duŝą zgodność (co do wartości) Błędu P z sumą poszczególnych Błędów X i Y, co pokazuje rysunek 16. Rys. 16. Wartość Błędu P oraz sumy Błędu X i Błędu Y dla kolejnych chmur punktów Fig. 16. Values of Error P and sum of Error X and Y for following point clouds
14 Próba weryfikacji metody doboru parametrów digitalizacji powierzchni swobodnej dla celów inŝynierii odwrotnej Analizując korelację liniową pomiędzy sumą Błędu X i Błędu Y oraz Błędem P moŝna stwierdzić występowanie bardzo silnej zaleŝności. Współczynnik korelacji liniowej przyjmuje wartość Stosując test t moŝna wykazać, Ŝe korelacja jest istotna na poziomie Model A zaleŝności pomiędzy sumą Błędu X i Błędu Y a Błędem P przyjmuje następującą postać: BP a 2 XY = a 2 = 1.088; b BXY + b 2 2 = procentowy przedział ufności dla b 2 [3] wynosi od do procentowy przedział ufności dla a 2 wynosi od do 1.17 r BPXY = 0.99 gdzie: BP XY model A zaleŝności pomiędzy sumą Błędu X i Błędu Y i Błędem P, r BPXY współczynnik korelacji liniowej pomiędzy sumą Błędu X i Błędu Y i Błędem P dla modelu A, BXY suma Błędu X i Błędu Y, a 2, b 2 współczynniki regresji liniowej. Przedstawia to poniŝszy wykres (rys. 17). Rys. 17. Model A zaleŝności pomiędzy sumą Błędu X i Błędu Y, a Błędem P Fig. 17. Model A of relationship between sum of Error X and Y, and Error P
15 142 Dominik HYLEWSKI Dla takiego modelu maksymalna bezwzględna wartość róŝnicy ( niezgodność ), pomiędzy wartością Błędu P a wyznaczonym, jako suma Błędu X i Błędu Y jego odpowiednikiem, wynosi około 17% (średnia 6%) sumy Błędu X i Błędu Y, co przedstawia rysunek 18. Rys. 18. Bezwzględne wartości róŝnic pomiędzy Błędem P i sumą Błędu X i Błędu Y, wyraŝone w procentach sumy Błędu X i Błędu Y dla modelu A Fig. 18. Absolute values of difference between Error P and sum of Error X and Y, in form of percentage value of sum Error X and Y for Model A Przeprowadzono test istotności współczynnika regresji liniowej a 2 (wartość statystyki t=3.259, n 2 = 12 stopni swobody) rozwaŝanego modelu. Przy postawieniu hipotezy zerowej H 0 : a 2 = 1, wobec hipotezy alternatywnej H1 : a 2 > 1 wykazał on, Ŝe na poziomie istotności 0.01 hipotezę zerową naleŝy odrzucić, co oznacza, iŝ istotnie (na 99%) współczynnik regresji liniowej rozwaŝanego modelu jest róŝny od 1 (odrzucając hipotezę zerową istnieje tylko 1%-owe prawdopodobieństwo popełnienia błędu). Przyjmując model B zaleŝności pomiędzy sumą Błędu X i Błędu Y a Błędem P (rys. 19) w postaci: BP a 3 XY = a = 1; b 3 3 BXY + b = 0 99 procentowy przedział ufności dla b 3 wynosi od 0.78 do procentowy przedział ufności dla a 3 wynosi od do
16 Próba weryfikacji metody doboru parametrów digitalizacji powierzchni swobodnej dla celów inŝynierii odwrotnej r BPXY = 0.99 gdzie: BP XY model B zaleŝności pomiędzy sumą Błędu X i Błędu Y i Błędem P, r BPXY współczynnik korelacji liniowej pomiędzy sumą Błędu X i Błędu Y i Błędem P dla modelu B, BXY suma Błędu X i Błędu Y, a, współczynniki modelu liniowego. 3 b 3 Rys. 19. Model B zaleŝności pomiędzy sumą Błędu X i Błędu Y, a Błędem P Fig. 19. Model B of relationship between sum of Error X and Y, and Error P maksymalna bezwzględna wartość róŝnicy ( niezgodność ), pomiędzy wartością Błędu P a wyznaczonym jako suma Błędu X i Błędu Y jego odpowiednikiem, wynosi około 21% (średnia 7%) sumy Błędu X i Błędu Y, co przedstawia rysunek ANALIZA DRUGIEJ POWIERZCHNI REFERENCYJNEJ Analizując korelację liniową pomiędzy Błędem X i Błędem P, oraz Błędem Y i Błędem P moŝna stwierdzić występowanie silnych zaleŝności. Odpowiednie współczynniki korelacji liniowej przyjmują wartości 0.91 i Stosując test t moŝna wykazać, Ŝe obie korelacje są istotne na poziomie 0.01.
17 144 Dominik HYLEWSKI Rys. 20. Bezwzględne wartości róŝnic pomiędzy Błędem P i sumą Błędu X i Błędu Y, wyraŝone w procentach sumy Błędu X i Błędu Y dla modelu B Fig. 20. Absolute values of difference between Error P and sum of Error X and Y, in form of percentage value of sum Error X and Y for Model A Analizując korelację liniową pomiędzy sumą Błędu X i Błędu Y, oraz Błędem P moŝna stwierdzić występowanie bardzo silnej zaleŝności. Współczynnik korelacji liniowej przyjmuje wartość 0.99, a stosując test t moŝna wykazać, Ŝe korelacja jest istotna na poziomie Model C zaleŝności pomiędzy sumą Błędu X i Błędu Y a Błędem P przyjmuje następującą postać: BP a 6 XY = a 6 = 0.947; b BXY + b 6 6 = procentowy przedział ufności dla b 6 wynosi od do procentowy przedział ufności dla a 6 wynosi od 0.86 do r BPXY = 0.99 gdzie: BP XY model C zaleŝności pomiędzy sumą Błędu X i Błędu Y i Błędem P, r BPXY współczynnik korelacji liniowej pomiędzy sumą Błędu X i Błędu Y i Błędem P dla modelu C,
18 Próba weryfikacji metody doboru parametrów digitalizacji powierzchni swobodnej dla celów inŝynierii odwrotnej BXY suma Błędu X i Błędu Y, a 6, b 6 współczynniki regresji liniowej. Dla takiego modelu maksymalna bezwzględna wartość róŝnicy ( niezgodność ), pomiędzy wartością Błędu P a wyznaczonym, jako suma Błędu X i Błędu Y jego odpowiednikiem, wynosi około 9% (średnia 3%) sumy Błędu X i Błędu Y. Przeprowadzono test istotności współczynnika regresji liniowej a 6 (wartość statystyki t = 1.866, n 2 = 12 stopni swobody) rozwaŝanego modelu. Przy postawieniu hipotezy zerowej H 0 : a 6 = 1, wobec hipotezy alternatywnej H1 : a 6 < 1 wykazał on, Ŝe na poziomie istotności 0.2 hipotezę zerową moŝna odrzucić. Oznacza to, Ŝe na 80% moŝna mieć pewność, Ŝe współczynnik regresji liniowej jest róŝny od 1. Przyjmując model D zaleŝności pomiędzy sumą Błędu X i Błędu Y a Błędem P w postaci: BP a 7 XY = a = 1; b 7 7 BXY + b = 0 99 procentowy przedział ufności dla b 7 wynosi od do procentowy przedział ufności dla a 7 wynosi od do r BPXY = 0.99 gdzie: BP XY model D zaleŝności pomiędzy sumą Błędu X i Błędu Y i Błędem P, r BPXY współczynnik korelacji liniowej pomiędzy sumą Błędu X i Błędu Y i Błędem P dla modelu D, BXY suma Błędu X i Błędu Y, a 7, b 7 współczynniki modelu liniowego. Maksymalna bezwzględna wartość róŝnicy ( niezgodność ), pomiędzy wartością Błędu P a wyznaczonym jako suma Błędu X i Błędu Y jego odpowiednikiem, wynosi 12,5% (średnia 4%) sumy Błędu X i Błędu Y WNIOSKI Otrzymane wyniki z dwóch zdecydowanie róŝnych przykładów powierzchni swobodnych weryfikują postawioną hipotezę: wartość błędu odtworzenia powierzchni swobodnej referencyjnej jest uzaleŝniona od błędów, jakie powstaną przy odtwarzaniu krzywych X i Y, dla róŝnych liczb punktów, a zatem dla róŝnych parametrów digitalizacji. Dane w modelach A i C są bardzo silnie skorelowane, a zatem istnieje bardzo silna zaleŝność pomiędzy sumą Błędu X i Błędu Y a Błędem P. Postacie tych zaleŝności dla obydwu przypadków są podobne współczynniki kierunkowe przyjmują wartości bliskie 1 a wyrazy wolne bliskie 0. Jednocześnie przeprowadzone testy t w obydwu przypadkach
19 146 Dominik HYLEWSKI wykazują istotną odmienność wartości współczynników kierunkowych od 1. MoŜe to świadczyć o istnieniu dodatkowego czynnika wpływającego na rzeczywistą wartość błędu odtworzenia powierzchni referencyjnej. Dla szacowania wartości błędu odtworzenia powierzchni swobodnej proponuje się następujące moŝliwości: - znalezienie czynnika wpływającego na postać modelu zaleŝności pomiędzy sumą Błędu X i Błędu Y a Błędem P, - stosowanie uzyskanych modeli A i C dla powierzchni swobodnych o podobnych kształtach, licząc się w pierwszym przypadku z moŝliwością popełnienia 17%, a drugim przypadku 9% błędu, - przyjmowanie, Ŝe wartość sumy Błędu X i Błędu Y równa jest rzeczywistej wartości błędu odtworzenia powierzchni swobodnej, licząc się z moŝliwością popełnienia błędu nie mniejszego niŝ 12.5%. LITERATURA [1] PUTZ B., 2004, Od G0 do G3 klasy gładkości w projektowaniu i stylizacji powierzchni, Mechanik, 11. [2] VOLK W., 1973, Statystyka stosowana dla inŝynierów, Wydawnictwo Naukowo Techniczne, Warszawa. [3] KOSMOL J., 2010, Wybrane zagadnienia metodologii badań, Wydawnictwo Politechniki Śląskiej, Gliwice. ATTEMPT TO VERIFY THE METHOD OF PARAMETERS SELECTION FOR DIGITIZATION OF FREE FORM SURFACE FOR REVERSE ENGINEERING IN CATIA V5 The paper present attempt to verify the method, which goal will be to allow estimation about accuracy of reconstruction free form surface from point cloud. Point cloud which is used can consist of different numbers of points, depending on parameters of digitization (step and distance between lines of probing). In assumption the method consist of four stages: 1) preliminary measurement, 2) data analysis, which gives information about parameters of digitization, predicted deviation for these parameters, 3) digitization for selected parameters, 4) reconstruction of the free form surface. All activities related to verification of the method will be implemented in CATIA V5. Point clouds in a digitization stage will be generated similarly to the strategy offered by the PowerINSPECT 4.16 measuring software. Positive verification of the method of parameters selection for digitization free form surfaces will enable make further investigation with measurement carried out on the coordinate measuring machine.
WYBÓR PUNKTÓW POMIAROWYCH
Scientific Bulletin of Che lm Section of Technical Sciences No. 1/2008 WYBÓR PUNKTÓW POMIAROWYCH WE WSPÓŁRZĘDNOŚCIOWEJ TECHNICE POMIAROWEJ MAREK MAGDZIAK Katedra Technik Wytwarzania i Automatyzacji, Politechnika
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Definicja pochodnej cząstkowej
1 z 8 gdzie punkt wewnętrzny Definicja pochodnej cząstkowej JeŜeli iloraz ma granicę dla to granicę tę nazywamy pochodną cząstkową funkcji względem w punkcie. Oznaczenia: Pochodną cząstkową funkcji względem
M10. Własności funkcji liniowej
M10. Własności funkcji liniowej dr Artur Gola e-mail: a.gola@ajd.czest.pl pokój 3010 Definicja Funkcję określoną wzorem y = ax + b, dla x R, gdzie a i b są stałymi nazywamy funkcją liniową. Wykresem funkcji
INŻYNIERIA ODWROTNA Z WYKORZYSTANIEM ZAAWANSOWANYCH TECHNIK WYTWARZANIA REVERSE ENGINEERING WITH ADVANCED MANUFACTURING TECHNIQUES
Hylewski Dominik dr inż. Politechnika Śląska, Katedra Budowy Maszyn tel.: 608789610 e-mail: dominik.hylewski@gmail.com INŻYNIERIA ODWROTNA Z WYKORZYSTANIEM ZAAWANSOWANYCH TECHNIK WYTWARZANIA Streszczenie:
Prosta i płaszczyzna w przestrzeni
Prosta i płaszczyzna w przestrzeni Wybrane wzory i informacje Równanie prostej przechodzącej przez punkt P 0 = (x 0, y 0, z 0 ) o wektorze wodzącym r 0 i równoległej do wektora v = [a, b, c] : postać parametrycznego
Badanie funkcji. Zad. 1: 2 3 Funkcja f jest określona wzorem f( x) = +
Badanie funkcji Zad : Funkcja f jest określona wzorem f( ) = + a) RozwiąŜ równanie f() = 5 b) Znajdź przedziały monotoniczności funkcji f c) Oblicz największą i najmniejszą wartość funkcji f w przedziale
1) 2) 3) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25)
1) Wykresem funkcji kwadratowej f jest parabola o wierzchołku w początku układu współrzędnych i przechodząca przez punkt. Wobec tego funkcja f określona wzorem 2) Punkt należy do paraboli o równaniu. Wobec
166 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
MATeMAtyka zakres podstawowy
MATeMAtyka zakres podstawowy Proponowany rozkład materiału kl. I (100 h) 1. Liczby rzeczywiste 15 1. Liczby naturalne 1 2. Liczby całkowite. Liczby wymierne 1 1.1, 1.2 3. Liczby niewymierne 1 1.3 4. Rozwinięcie
WPŁYW METODY DOPASOWANIA NA WYNIKI POMIARÓW PIÓRA ŁOPATKI INFLUENCE OF BEST-FIT METHOD ON RESULTS OF COORDINATE MEASUREMENTS OF TURBINE BLADE
Dr hab. inż. Andrzej Kawalec, e-mail: ak@prz.edu.pl Dr inż. Marek Magdziak, e-mail: marekm@prz.edu.pl Politechnika Rzeszowska Wydział Budowy Maszyn i Lotnictwa Katedra Technik Wytwarzania i Automatyzacji
INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH
INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechnika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH BADANIE TWORZYW SZTUCZNYCH OZNACZENIE WŁASNOŚCI MECHANICZNYCH PRZY STATYCZNYM ROZCIĄGANIU
Weryfikacja 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
ROZKŁAD MATERIAŁU NAUCZANIA KLASA 1, ZAKRES PODSTAWOWY
ROZKŁAD MATERIAŁU NAUCZANIA KLASA 1, ZAKRES PODSTAWOWY Numer lekcji 1 2 Nazwa działu Lekcja organizacyjna. Zapoznanie z programem nauczania i kryteriami wymagań Zbiór liczb rzeczywistych i jego 3 Zbiór
LUBELSKA PRÓBA PRZED MATURĄ
Klasa POZIOM PODSTAWOWY Czas pracy 170 minut Instrukcja dla piszącego 1. Sprawdź, czy arkusz zawiera 18 stron.. W zadaniach od 1. do 0. są podane 4 odpowiedzi: A, B, C, D, z których tylko jedna jest prawdziwa.
Funkcje wielu zmiennych
Funkcje wielu zmiennych Wykresy i warstwice funkcji wielu zmiennych. Granice i ciagłość funkcji wielu zmiennych. Pochodne czastkowe funkcji wielu zmiennych. Gradient. Pochodna kierunkowa. Różniczka zupełna.
Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Statystyka 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
LUBELSKA PRÓBA PRZED MATURĄ
Klasa 1 POZIOM PODSTAWOWY Czas pracy 170 minut Instrukcja dla piszącego 1. Sprawdź, czy arkusz zawiera 18 stron.. W zadaniach od 1. do 0. są podane 4 odpowiedzi: A, B, C, D, z których tylko jedna jest
PLAN WYNIKOWY DLA KLASY DRUGIEJ POZIOM PODSTAWOWY I ROZSZERZONY. I. Proste na płaszczyźnie (15 godz.)
PLAN WYNIKOWY DLA KLASY DRUGIEJ POZIOM PODSTAWOWY I ROZSZERZONY I. Proste na płaszczyźnie (15 godz.) Równanie prostej w postaci ogólnej Wzajemne połoŝenie dwóch prostych Nierówność liniowa z dwiema niewiadomymi
POLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych
WYZNACZANIE BRYŁY FOTOMETRYCZNEJ LAMP I OPRAW OŚWIETLENIOWYCH
6-965 Poznań tel. (-61) 6652688 fax (-61) 6652389 STUDIA NIESTACJONARNE II STOPNIA wersja z dnia 2.11.212 KIERUNEK ELEKTROTECHNIKA SEM 3. Laboratorium TECHNIKI ŚWIETLNEJ TEMAT: WYZNACZANIE BRYŁY FOTOMETRYCZNEJ
PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH
InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W
FUNKCJA LINIOWA. A) B) C) D) Wskaż, dla którego funkcja liniowa określona wzorem jest stała. A) B) C) D)
FUNKCJA LINIOWA 1. Funkcja jest rosnąca, gdy 2. Wskaż, dla którego funkcja liniowa jest rosnąca Wskaż, dla którego funkcja liniowa określona wzorem jest stała. 3. Funkcja liniowa A) jest malejąca i jej
2) R stosuje w obliczeniach wzór na logarytm potęgi oraz wzór na zamianę podstawy logarytmu.
ZAKRES ROZSZERZONY 1. Liczby rzeczywiste. Uczeń: 1) przedstawia liczby rzeczywiste w różnych postaciach (np. ułamka zwykłego, ułamka dziesiętnego okresowego, z użyciem symboli pierwiastków, potęg); 2)
Stanisław Cichocki. Natalia Nehrebecka. Wykład 9
Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności
Przykład 1 ceny mieszkań
Przykład ceny mieszkań Przykład ceny mieszkań Model ekonometryczny zaleŝności ceny mieszkań od metraŝu - naleŝy do klasy modeli nieliniowych. - weryfikację empiryczną modelu przeprowadzono na przykładzie
WPŁYW WIELKOŚCI WYDZIELEŃ GRAFITU NA WYTRZYMAŁOŚĆ ŻELIWA SFEROIDALNEGO NA ROZCIĄGANIE
15/12 ARCHIWUM ODLEWNICTWA Rok 2004, Rocznik 4, Nr 12 Archives of Foundry Year 2004, Volume 4, Book 12 PAN Katowice PL ISSN 1642-5308 WPŁYW WIELKOŚCI WYDZIELEŃ GRAFITU NA WYTRZYMAŁOŚĆ ŻELIWA SFEROIDALNEGO
WYKŁAD 8 ANALIZA REGRESJI
WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej
ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.
ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ. LICZBA TEMAT GODZIN LEKCYJNYCH Potęgi, pierwiastki i logarytmy (8 h) Potęgi 3 Pierwiastki 3 Potęgi o wykładnikach
OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp
tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE
Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym
Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne
WYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą
1. Statystyka odczytać informacje z tabeli odczytać informacje z diagramu 2. Mnożenie i dzielenie potęg o tych samych podstawach 3. Mnożenie i dzielenie potęg o tych samych wykładnikach 4. Potęga o wykładniku
OCENA ODWZOROWANIA KSZTAŁTU ZA POMOCĄ WSPÓŁRZĘDNOŚCIOWEGO RAMIENIA POMIAROWEGO WYPOSAŻONEGO W GŁOWICĘ OPTYCZNĄ
Adam Gąska, Magdalena Olszewska 1) OCENA ODWZOROWANIA KSZTAŁTU ZA POMOCĄ WSPÓŁRZĘDNOŚCIOWEGO RAMIENIA POMIAROWEGO WYPOSAŻONEGO W GŁOWICĘ OPTYCZNĄ Streszczenie: Realizacja pomiarów może być dokonywana z
Wymagania edukacyjne matematyka klasa 1 zakres podstawowy 1. LICZBY RZECZYWISTE
Wymagania edukacyjne matematyka klasa 1 zakres podstawowy 1. LICZBY RZECZYWISTE podaje przykłady liczb: naturalnych, całkowitych, wymiernych, niewymiernych, pierwszych i złożonych oraz przyporządkowuje
Wyznaczanie ogniskowej soczewki za pomocą ławy optycznej
POLITECHNIKA ŚLĄSKA WYDZIAŁ CHEMICZNY KATEDRA FIZYKOCHEMII I TECHNOLOGII POLIMERÓW LABORATORIUM Z FIZYKI Wyznaczanie ogniskowej soczewki za pomocą ławy optycznej Wstęp Jednym z najprostszych urządzeń optycznych
Graficzne opracowanie wyników pomiarów 1
GRAFICZNE OPRACOWANIE WYNIKÓW POMIARÓW Celem pomiarów jest bardzo często potwierdzenie związku lub znalezienie zależności między wielkościami fizycznymi. Pomiar polega na wyznaczaniu wartości y wielkości
Temat ćwiczenia. Pomiary płaskości i prostoliniowości powierzchni
POLITECHNIKA ŚLĄSKA W YDZIAŁ TRANSPORTU Temat ćwiczenia Pomiary płaskości i prostoliniowości powierzchni I. Cel ćwiczenia. Celem ćwiczenia jest zapoznanie z metodami pomiaru płaskości i prostoliniowości
ZAKRES PODSTAWOWY. Proponowany rozkład materiału kl. I (100 h)
ZAKRES PODSTAWOWY Proponowany rozkład materiału kl. I (00 h). Liczby rzeczywiste. Liczby naturalne. Liczby całkowite. Liczby wymierne. Liczby niewymierne 4. Rozwinięcie dziesiętne liczby rzeczywistej 5.
Kurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 5 Zadania funkcje cz.1
1 TEST WSTĘPNY 1. (1p) Funkcja f przyporządkowuje każdej liczbie naturalnej większej od 1 jej największy dzielnik będący liczbą pierwszą. Spośród liczb f(42), f(44), f(45), f(48) A. f(42) B. f(44) C. f(45)
Streszczenie. Słowa kluczowe: towary paczkowane, statystyczna analiza procesu SPC
Waldemar Samociuk Katedra Podstaw Techniki Akademia Rolnicza w Lublinie MONITOROWANIE PROCESU WAśENIA ZA POMOCĄ KART KONTROLNYCH Streszczenie Przedstawiono przykład analizy procesu pakowania. Ocenę procesu
Ćwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy
Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwisko 1. 2. Temat: Rok Grupa Zespół Nr ćwiczenia Data wykonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 2: ZaleŜność okresu
Rozdział 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
LABORATORIUM FIZYKI PAŃSTWOWEJ WYŻSZEJ SZKOŁY ZAWODOWEJ W NYSIE. Ćwiczenie nr 3 Temat: Wyznaczenie ogniskowej soczewek za pomocą ławy optycznej.
LABORATORIUM FIZYKI PAŃSTWOWEJ WYŻSZEJ SZKOŁY ZAWODOWEJ W NYSIE Ćwiczenie nr 3 Temat: Wyznaczenie ogniskowej soczewek za pomocą ławy optycznej.. Wprowadzenie Soczewką nazywamy ciało przezroczyste ograniczone
PROFIL PRĘDKOŚCI W RURZE PROSTOLINIOWEJ
LABORATORIUM MECHANIKI PŁYNÓW Ćwiczenie N 7 PROFIL PRĘDKOŚCI W RURZE PROSTOLINIOWEJ . Cel ćwiczenia Doświadczalne i teoretyczne wyznaczenie profilu prędkości w rurze prostoosiowej 2. Podstawy teoretyczne:
Ćw. nr 31. Wahadło fizyczne o regulowanej płaszczyźnie drgań - w.2
1 z 6 Zespół Dydaktyki Fizyki ITiE Politechniki Koszalińskiej Ćw. nr 3 Wahadło fizyczne o regulowanej płaszczyźnie drgań - w.2 Cel ćwiczenia Pomiar okresu wahań wahadła z wykorzystaniem bramki optycznej
Praca kontrolna z matematyki nr 1 Liceum Ogólnokształcące dla Dorosłych Semestr 5 Rok szkolny 2014/2015
Praca kontrolna z matematyki nr 1 Liceum Ogólnokształcące dla Dorosłych Semestr 5 Rok szkolny 2014/2015 2 6 + 3 1. Oblicz 3. 3 x 1 3x 2. Rozwiąż nierówność > x. 2 3 3. Funkcja f przyporządkowuje każdej
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
1 Funkcje dwóch zmiennych podstawowe pojęcia
1 Funkcje dwóch zmiennych podstawowe pojęcia Definicja 1 Funkcją dwóch zmiennych określoną na zbiorze A R 2 o wartościach w zbiorze R nazywamy przyporządkowanie każdemu punktowi ze zbioru A dokładnie jednej
FUNKCJA LINIOWA - WYKRES
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (Postać kierunkowa) Funkcja liniowa jest podstawowym typem funkcji. Jest to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości
Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy. Klasa I (60 h)
Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy (według podręczników z serii MATeMAtyka) Temat Klasa I (60 h) Liczba godzin 1. Liczby rzeczywiste 15 1. Liczby naturalne
MATeMAtyka zakres rozszerzony
MATeMAtyka zakres rozszerzony Proponowany rozkład materiału kl. I (160 h) (Na czerwono zaznaczono treści z zakresu rozszerzonego) Temat lekcji Liczba godzin 1. Liczby rzeczywiste 15 1. Liczby naturalne
Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (postać kierunkowa) Funkcja liniowa to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości liczbowe Szczególnie ważny w postaci
KARTA INFORMACYJNA PRZEDMIOTU
Uniwersytet Rzeszowski WYDZIAŁ KIERUNEK Matematyczno-Przyrodniczy Fizyka techniczna SPECJALNOŚĆ RODZAJ STUDIÓW stacjonarne, studia pierwszego stopnia KARTA INFORMACYJNA PRZEDMIOTU NAZWA PRZEDMIOTU WG PLANU
Projektowanie systemów pomiarowych. 02 Dokładność pomiarów
Projektowanie systemów pomiarowych 02 Dokładność pomiarów 1 www.technidyneblog.com 2 Jak dokładnie wykonaliśmy pomiar? Czy duża / wysoka dokładność jest zawsze konieczna? www.sparkfun.com 3 Błąd pomiaru.
Regresja wielokrotna. PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Regresja wielokrotna Model dla zależności liniowej: Y=a+b 1 X 1 +b 2 X 2 +...+b n X n Cząstkowe współczynniki regresji wielokrotnej: b 1,..., b n Zmienne niezależne (przyczynowe): X 1,..., X n Zmienna
Funkcje IV. Wymagania egzaminacyjne:
Wymagania egzaminacyjne: a) określa funkcję za pomocą wzoru, tabeli, wykresu, opisu słownego, b) odczytuje z wykresu funkcji: dziedzinę i zbiór wartości, miejsca zerowe, maksymalne przedziały, w których
Temat: BADANIE NIEZALEśNOŚCI DWÓCH CECH JAKOŚCIOWYCH TEST CHI KWADRAT. Anna Rajfura 1
Temat: BADANIE NIEZALEśNOŚCI DWÓCH CECH JAKOŚCIOWYCH TEST CHI KWADRAT Anna Rajfura 1 Przykład W celu porównania skuteczności wybranych herbicydów: A, B, C sprawdzano, czy masa chwastów na poletku zaleŝy
1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe
Zjazd 7. SGGW, dn. 28.11.10 r. Matematyka i statystyka matematyczna Tematy 1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe nna Rajfura 1 Zagadnienia Przykład porównania wielu obiektów w
KLUCZ PUNKTOWANIA ODPOWIEDZI
Egzamin maturalny maj 009 MATEMATYKA POZIOM ROZSZERZONY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie. a) Wiadomości i rozumienie Matematyka poziom rozszerzony Wykorzystanie pojęcia wartości argumentu i wartości
Matura z matematyki?- MATURALNIE, Ŝe ZDAM! Zadania treningowe klasa I III ETAP
Matura z matematyki?- MATURALNIE, Ŝe ZDAM! Zadania treningowe klasa I III ETAP I Zadania zamknięte (pkt) Zadanie Liczba - jest miejscem zerowym funkcji liniowej = x + B. f ( x) = x C. f ( x) = x + D. f
3. FUNKCJA LINIOWA. gdzie ; ół,.
1 WYKŁAD 3 3. FUNKCJA LINIOWA FUNKCJĄ LINIOWĄ nazywamy funkcję typu : dla, gdzie ; ół,. Załóżmy na początek, że wyraz wolny. Wtedy mamy do czynienia z funkcją typu :.. Wykresem tej funkcji jest prosta
SPIS TREŚCI WSTĘP... 8 1. LICZBY RZECZYWISTE 2. WYRAŻENIA ALGEBRAICZNE 3. RÓWNANIA I NIERÓWNOŚCI
SPIS TREŚCI WSTĘP.................................................................. 8 1. LICZBY RZECZYWISTE Teoria............................................................ 11 Rozgrzewka 1.....................................................
Przykład 2. Stopa bezrobocia
Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w
MODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
FUNKCJA LINIOWA, OKRĘGI
FUNKCJA LINIOWA, OKRĘGI. Napisz równanie prostej przechodzącej przez początek układu i prostopadłej do prostej 3x-y+=0.. Oblicz pole trójkąta ograniczonego osiami układy i prostą x+y-6=0. 3. Odcinek o
Statystyka. 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
Kryteria oceniania z matematyki Klasa III poziom podstawowy
Kryteria oceniania z matematyki Klasa III poziom podstawowy Potęgi Zakres Dopuszczający Dostateczny Dobry Bardzo dobry oblicza potęgi o wykładnikach wymiernych; zna prawa działań na potęgach i potrafi
parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Wykład 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
Zadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Biotechnologia w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era inżyniera
Zajęcia nr 1 (1h) Dwumian Newtona. Indukcja. Zajęcia nr 2 i 3 (4h) Trygonometria
Technologia Chemiczna 008/09 Zajęcia wyrównawcze. Pokazać, że: ( )( ) n k k l = ( n l )( n l k l Zajęcia nr (h) Dwumian Newtona. Indukcja. ). Rozwiązać ( ) ( równanie: ) n n a) = 0 b) 3 ( ) n 3. Znaleźć
Wymagania edukacyjne na poszczególne oceny To się liczy! Branżowa Szkoła I stopnia, klasa 1 po szkole podstawowej
Wymagania edukacyjne na poszczególne oceny To się liczy! Branżowa Szkoła I stopnia, klasa 1 po szkole podstawowej Wymagania dostosowano do sześciostopniowej skali ocen. I. Liczby rzeczywiste zna cechy
INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH
INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechnika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH BADANIE TWORZYW SZTUCZNYCH OZNACZENIE WŁASNOŚCI MECHANICZNYCH PRZY STATYCZNYM ROZCIĄGANIU
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota
Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych
I V X L C D M. Przykłady liczb niewymiernych: 3; 2
1 LICZBY Liczby naturalne: 0; 1; 2; 3;.... Liczby całkowite:...; -3; -2; -1; 0; 1; 2; 3;.... Liczbą wymierną nazywamy każdą liczbę, którą można zapisać w postaci ułamka a b, gdzie a i b są liczbami całkowitymi,
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Teoria błędów pomiarów geodezyjnych
PodstawyGeodezji Teoria błędów pomiarów geodezyjnych mgr inŝ. Geodeta Tomasz Miszczak e-mail: tomasz@miszczak.waw.pl Wyniki pomiarów geodezyjnych będące obserwacjami (L1, L2,, Ln) nigdy nie są bezbłędne.
EGZAMIN MATURALNY W ROKU SZKOLNYM 2014/2015
EGZAMIN MATURALNY W ROKU SZKOLNYM 0/0 FORMUŁA OD 0 ( NOWA MATURA ) MATEMATYKA POZIOM PODSTAWOWY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MMA-P CZERWIEC 0 Egzamin maturalny z matematyki nowa formuła Klucz
Statystyka 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
Rozkład materiału nauczania
Dział/l.p. Ilość godz. Typ szkoły: TECHNIKUM Zawód: TECHNIK USŁUG FRYZJERSKICH Rok szkolny 2017/2018 Przedmiot: MATEMATYKA Klasa: III 60 godzin numer programu T5/O/5/12 Rozkład materiału nauczania Temat
USTALANIE WARTOŚCI NOMINALNYCH W POMIARACH TOROMIERZAMI ELEKTRONICZNYMI
Dr inŝ. Zbigniew Kędra Politechnika Gdańska USTALANIE WARTOŚCI NOMINALNYCH W POMIARACH TOROMIERZAMI ELEKTRONICZNYMI SPIS TREŚCI 1. Wstęp. Podstawy teoretyczne metody 3. Przykład zastosowania proponowanej
STATYSTYKA 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
ZADANIA MATURALNE - ANALIZA MATEMATYCZNA - POZIOM ROZSZERZONY Opracowała - mgr Danuta Brzezińska. 2 3x. 2. Sformułuj odpowiedź.
ZADANIA MATURALNE - ANALIZA MATEMATYCZNA - POZIOM ROZSZERZONY Opracowała - mgr Danuta Brzezińska Zad.1. (5 pkt) Sprawdź, czy funkcja określona wzorem x( x 1)( x ) x 3x dla x 1 i x dla x 1 f ( x) 1 3 dla
Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej.
Temat: WYKRYWANIE ODCHYLEO W DANYCH Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Przykładem Box Plot wygodną metodą
PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Plan wynikowy matematyka w zakresie rozszerzonym w klasie 1b, 2016/2017r.
Jolanta Pająk Plan wynikowy matematyka w zakresie rozszerzonym w klasie 1b, 016/017r. Ocena dopuszczająca: Temat lekcji Uczeń: Elementy logiki matematycznej rozpoznaje spójniki logiczne, zna wartości logiczne
IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,
IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy
STATYSTYKA INDUKCYJNA. O sondaŝach ach i nie tylko
STATYSTYKA INDUKCYJNA O sondaŝach ach i nie tylko DWA DZIAŁY ESTYMACJA Co na podstawie wyników w z próby mogę powiedzieć o wynikach w populacji? WERYFIKACJA HIPOTEZ Czy moje przypuszczenia uczynione przed
ODRZUCANIE 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
PLAN WYNIKOWY DLA KLASY PIERWSZEJ POZIOM PODSTAWOWY. I. Liczby (20 godz.) ( b ) 2
PLAN WYNIKOWY DLA KLASY PIERWSZEJ POZIOM PODSTAWOWY I. Liczby (0 godz.) TEMAT ZAJĘĆ Zapis dziesiętny liczby rzeczywistej Wzory skróconego mnoŝenia Nierówności liniowe Przedziały liczbowe Powtórzenie przedstawiać
Funkcja liniowa - podsumowanie
Funkcja liniowa - podsumowanie 1. Funkcja - wprowadzenie Założenie wyjściowe: Rozpatrywana będzie funkcja opisana w dwuwymiarowym układzie współrzędnych X. Oś X nazywana jest osią odciętych (oś zmiennych
Wymagania edukacyjne z matematyki Klasa III zakres podstawowy
Wymagania edukacyjne z matematyki Klasa III zakres podstawowy Program nauczania zgodny z: Kurczab M., Kurczab E., Świda E., Program nauczania w liceach i technikach. Zakres podstawowy., Oficyna Edukacyjna
Arkusz maturalny nr 2 poziom podstawowy ZADANIA ZAMKNIĘTE. Rozwiązania. Wartość bezwzględna jest odległością na osi liczbowej.
Arkusz maturalny nr 2 poziom podstawowy ZADANIA ZAMKNIĘTE Rozwiązania Zadanie 1 Wartość bezwzględna jest odległością na osi liczbowej. Stop Istnieje wzajemnie jednoznaczne przyporządkowanie między punktami
Zagadnienia do małej matury z matematyki klasa II Poziom podstawowy i rozszerzony
Zagadnienia do małej matury z matematyki klasa II Poziom podstawowy i rozszerzony Uczeń realizujący zakres rozszerzony powinien również spełniać wszystkie wymagania w zakresie poziomu podstawowego. Zakres