ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA

Wielkość: px
Rozpocząć pokaz od strony:

Download "ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA"

Transkrypt

1 SYSTEMY WSPOMAGANIA W INŻYNIERII PRODUKCJI Środowisko i Bezpieczeństwo w Iżyierii Produkcji ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA 5.1 WPROWADZENIE Zalecae zasady postępowaia, przy aalizie iepewości pomiaru w różych dziedziach techiki pomiarowej zostały ujęte w Przewodiku po iepewości (I wydaie 1993, poprawioe, 1999) [8], wydaym przez Międzyarodową Orgaizację Stadaryzacji ISO [4]. Te dokumet, opracoway pod auspicjami siedmiu orgaizacji międzyarodowych przewodik, zawiera ogóle reguły obliczaia i wyrażaia iepewości pomiarów, zalecae do stosowaia: w Służbie Miar, akredytowaych laboratoriach, i iych placówkach do badań podstawowych i techiczych. Jego zaleceia są rówież obece w aktach prawych i ormatywych określających reguły estymacji zagrożeń akustyczych środowiska. Zgodie z przewodikiem, iepewość jest traktowaa jako swoista miara wpływu czyików losowych a iedokładość zbioru wyików pomiarowych, uzyskaych w tych samych warukach pomiarowych. Składiki iepewości procesu kotrolego są klasyfikowae do dwóch kategorii A i B, w zależości od metody ich estymacji. Niepewość typu A obliczaa jest a podstawie serii wyików próby losowej, atomiast iepewość typu B określa błąd systematyczy, którego poziom jest szacoway a podstawie wiedzy eksperta, tj. osoby wykoywującej pomiar kotroly, w sposób iy, iż przez wykoywaie pomiarów. Przy obliczaiu iepewości typu A wyiku pomiaru kotrolego [1, 9], podstawą procedury obliczeiowej jego estymacji jest formuła matematycza polegająca a wyliczeiu średiej: 1 x x (5.1) t t 1 z wyików próby losowej x t, t =1,2,.., w kolejych chwilach czasu. Jest oa reprezetatem kotrolowaej zmieej. Niepewość takiej ocey jest wyrażaa poprzez odchyleie stadardowe średiej dae wzorem: 2 x x s x t s x t t 1 (5.2) ( 1) Takiemu postępowaiu obliczeiowemu towarzyszą założeia, wymagające aby losowość obserwacji kotrolych podlegała prawu rozkładu ormalego, obserwacje były 67

2 2013 Redakcja: BIAŁY W., KUBOSZEK A. ieskorelowae oraz aby ie występowały w próbie pomiarowej wyiki ietypowe (odstające). Z tych podstawowych wzorów do szacowaia iepewości pomiarowej typu A wyika, że jej zmiejszeie wymaga kwadratowego wzrostu liczby pomiarów kotrolych. Realizacja takie wymogu może prowadzić do zbyt częstego powtarzaia pomiarów, do skorelowaia ich obserwacji, czyli powiązaia ze sobą statystyczie wyików pomiarów kotrolych. Z sytuacja taką możemy mieć miejsce w praktyce kotroli zagrożeń akustyczych środowiska. Duży poziom zakłóceń hałasowych może bowiem w istoty sposób oddziaływać a koleje wartości wyliczeń rówoważego poziomu dźwięku. Rówież próbki pomiarowe rówoważego poziomu dźwięku; iezbęde do wyliczeń kotrolowaych wskaźików hałasu; estymowae w iezbyt odległych przedziałach czasowych mogą być skorelowae przez zewętrze czyiki, wymuszające geerację hałasu. Z przesłaek tych wyika, że dla prawidłowego stosowaia obecych formuł wyliczeń iepewości pomiarów akustyczych koiecze jest, aby odległość pomiędzy kolejymi obserwacjami kotrolymi stau zagrożeń akustyczych środowiska wykluczała ich skorelowaie, tj. aby odległość przekraczała pewie promień autokorelacji przy której jej wartość jest mała. Wymóg te sformalizował M. Drozhovetz [5], który przedstawił prosty sposób ujęcia wpływu autokorelacji poprzez zastępczą liczbę iezależych obserwacji eff. Podobą kocepcję reprezetowała praca ZHaga [10] z Natioal Istitute of Stadards ad Techology główej amerykańskiej placówki metrologiczej, która ie posługiwał się jedak tym pojęciem. Pełiejszym rozwiięciem kocepcji zastępczej liczby iezależych obserwacji eff były prace [7, 9], w których uściśloo wzory a iepewość stadardową oraz aalizowao dokładość metod wyzaczaia estymaty fukcji autokorelacji. Niiejszy artykuł ma a celu zbadaie obecości autokorelacji w szeregach czasowych utworzoych z pomiarów wartości poziomów L Di, L Wi, L Ni, L DWN i, i=1,2..,365 w daym roku kaledarzowym, służących do wyzaczeia średioroczych wskaźików hałasu, których zajomość jest podstawą kształtowaia polityki ochroy akustyczej środowiska zewętrzego. Artykuł prezetuje sposób wyliczeń iepewości estymacji kotrolowaych wskaźików hałasu, w przypadku skorelowaia wyików pomiarowych. Podstawą prezetacji dla aaliz ocey zmieości oszacowań iepewości kotrolowaych wskaźików hałasu były wyiki z ciągłego, wieloletiego moitorigu zagrożeń akustyczych środowiska a tereie miasta Krakowa [6]. Posłużyły oe do weryfikacji szerszej akceptowalości hipotezy o braku skorelowaia zbioru wielkości pomiarowej w kotrolach stau zagrożeń akustyczych środowiska, a także koieczości wprowadzeia iezbędych modyfikacji w estymacji iepewości kotrolowaych wskaźików hałasu. Ich omówieie jest treścią prezetowaego artykułu. 5.2 BAZA WYNIKÓW BADAŃ TESTOWYCH Podstawą weryfikacji poprawości założeia o ormalości rozkładu wyików badań kotrolych, były całorocze, wieloletie rejestracje poziomu dźwięku L A i ; i=1,2,...., w odstępach 1-sekudowych, zebrae a jedej ze stacji systemu ciągłego moitorigu hałasu a tereie miasta Krakowa. Opis jej fukcjoowaia i adaptacji do waruków istiejącej ifrastruktury sprzętowo-programowej stacji moitorigu powietrza w Krakowie, został 68

3 L DWN [db] SYSTEMY WSPOMAGANIA W INŻYNIERII PRODUKCJI Środowisko i Bezpieczeństwo w Iżyierii Produkcji 2013 przedstawioy w pracy [6]. Pozwoliła o a rozpoczęcie systemowej aalizy procesu zagrożeia hałasem tereów zlokalizowaych wokół jedej z główej arterii komuikacyjej Krakowa. Stworzyła waruki do podjęcia badań i oce kwalifikacji stau zagrożeń akustyczych, bazujących a akwizycji daych pomiarowych z reprezetatywych dla oce okresów. Dae te, posłużyły do sprawdzeia powiązań czasowych wyików poziomu w porach: dzieej L Di (6:00-18:00), wieczorowej L Wi (18:00-22:00) oraz w porze ocej L Ni (22:00-6:00), w kolejych dach roku kaledarzowego i=1,2,....,365, a także estymacji poziomu dzieo-wieczorowo-ocego L DWN i [4]: 1 0,1L 0,1 L 5 0,1 L 10 D t W t N t L DWN t 10log (5.3) Staowiły oe rówież bazą dla estymacji ich długookresowych-średioroczych oszacowań L (j) LT : j j L = 10log L (5.4) 365k=1 AeqLTk dla pory: dia j =1, wieczoru j =2, ocy j=3, w całym roku kaledarzowym, a które są koiecze w procesie decyzyjych związaym opracowaiem programów ochroy akustyczej środowiska rok kaledarzowy 2009 Rys. 5.1 Przebieg zmieości wskaźika długookresowego dla roku 2009 Z ich wartości utworzoo populacje geerale wyików aalizowaych wskaźików hałasu [L Di, L Wi, L Ni, L DWNi ] ; i=1,2..,365, dla których aalizowao poprawość założeia 69

4 2013 Redakcja: BIAŁY W., KUBOSZEK A. o braku skorelowaia wyików kotrolych. Przykładowy przebieg zmieości poziomu dźwięku L DWNi, i=1,2,....,365 dla jedego z aalizowaych lat; (określający populację geeralą dla wyików losowej próby kotrolej); staowiącej przedmiot aaliz występowaia powiązań czasowych wyików kotrolych z kolejych di roku kaledarzowego zaprezetowao a rys WYZNACZENIE NIEPEWNOŚCI STANDARDOWEJ ŚREDNIEJ DLA OCEN KONTROLNYCH O SKORELOWANYCH WYNIKACH OBSERWACJI POMIAROWYCH Proces ocey zagrożeń hałasowych środowiska moża zrealizować a podstawie dostępego fragmetu szeregu czasowego, który dla ciągu oce zmieości dzieowieczorowo-ocego wskaźika hałasu L DWN t moża zapisać w postaci: L L, L,..., L (5.5) DW Nt DW N1 DW N2 DW N wyzaczaej dla kolejych di t= 1, 2,...,. roku kaledarzowego. Przykład tej realizacji oce zmieości dla roku 2009 zajduje się a rys Dla aalizowaego stacjoarego szeregu kotrolowaych zmieych L DWN oraz poziomów L D, L W, L N ich podstawowe własości statystycze są opisywae przez: średią, wariację. Wielkością, która odróżia szereg czasowy od ciągu realizacji oce akustyczych są ich powiązaia dae fukcją autokorelacji. Przeprowadzoe badaia wykazały, że obece w ich zmieości są ze sobą skorelowae. Badaia te zostały opisae w pracach [2, 3]. W krajowych i międzyarodowych publikacjach, a także istrukcjach szacowaia iepewości pomiarów akustyczych ie zajmowao się dotychczas aalizą tego zjawiska. Nie uwzględia się wpływu autokorelacji pomiędzy obserwacjami pomiarowymi a iepewość oszacowaia kotrolowaych wskaźików hałasu zakładając, że obserwacje kotrole są iezależe. W podjętych przez autorów badaiach postaowioo zweryfikować tą własość, w odiesieiu do zmieości wskaźika zaprezetowaego a rys Obliczoo współczyik autokorelacji r k r k k i1 x xx x i xi x i1 ik 2 a astępie zgodie z zaleceiami prac[5, 7, 9] wyzaczoo odchyleie stadardowe średiej dla obserwacji skorelowaych zgodie ze wzorami: sxi sx (5.7) eff k1 (5.6) eff (5.8) k rk gdzie: eff jest efektywą liczbą pomiarów mającą własość eff. 70

5 SYSTEMY WSPOMAGANIA W INŻYNIERII PRODUKCJI Środowisko i Bezpieczeństwo w Iżyierii Produkcji WYNIKI ANALIZ Prezetoway w pracy przykład aalizy dotyczy oszacowaia iepewości dla zmieości wskaźika dzieo-wieczorowo-ocego L DWN przedstawioego a rys. 5.1 i powiązaych z im zmieości poziomu dźwięku L D, L W, L N. Wszystkie dae wykorzystae do przeprowadzeia badań pochodziły z omówioego wcześiej ciągłego moitorigu poziomu dźwięku w Krakowie. Wyzaczoe dla ich fukcję autokorelacji L DWN L D, L W, L N, zostały przedstawioe a rys ,6 0,5 0,4 0,3 r k 0,2 0, ,1-0,2 k Ld Lwie Loc Ldw Rys. 5.2 Fukcja autokorelacji wyzaczoa dla pory dia, wieczoru i ocy oraz wskaźika L DWN z wyików całoroczych (2009) Z uwagi a fakt występowaia autokorelacji w obserwowaych przebiegach poziomu hałasu dla aalizowych wskaźików hałasu dokoao skorygowaych obliczeń iepewości, według propozycji obliczeiowych [5, 7, 9]. Określające wyik obliczeń iepewości estymacji kotrolowaych wskaźików hałasu, według zmodyfikowaej procedury zamieszczoo w tabeli 5.1 Jak wyika z przeprowadzoych badań, próba = 365 skorelowaych obserwacji wskaźika L DWN jest rówoważa próbce o średiej liczbie, tylko 39 eff = 38.9 ieskorelowaych obserwacji. Ozacza to, że poprawa estymacja a L DWN jest możliwa przy miejszej liczbie wyików pomiarowych, rówej wartości eff. Nie ma więc potrzeby wykoywaia pomiarów przez cały rok ( = 365 ). Stadardowa iepewość wartości średiej wyosi 0.12 db, jeżeli ie uwzględia się możliwości skorelowaia pomiędzy wyikami estymacji wartości poziomu hałasu wskaźika dzieo-wieczorowo-ocego L DWNi, jakie może mieć miejsce w kolejych diach roku kaledarzowego. Ocea ta jest zbyt optymistycza, około 3-krotie miejsza iż przy 71

6 2013 Redakcja: BIAŁY W., KUBOSZEK A. obliczeiach ie biorących pod uwagę faktu możliwości skorelowaia wyików bada kotrolych, a w przypadku estymacji wartości poziomu hałasu wskaźika ocego poad 5- krota. Tedecja ta jest powszecha z uwagi a fakt, że całym procesie estymacji wszystkich aalizowaych wskaźików hałas liczba obserwacji eff jest miejsze od liczby pomiarów w całym roku kaledarzowym. Tabela 5.1 Wyiki obliczeń iepewości estymacji kotrolowaych wskaźików hałasu Wielkość Wartość oczekiwaa [db] Różica ΔU = U s - U [db] Odchyleie stadardowe S (X i ) pojedyczego pomiaru [db] Niepewość U dla pomiarów ieskorelowaych [db] Niepewość U s dla pomiarów skorelowaych [db] Efektywa liczba pomiarów eff L DWN 77,93 1,11 0,12 0,36 0,24 38,9 L D 74,52 0,92 0,10 0,38 0,28 25,2 L W 74,28 1,92 0,20 0,38 0,18 102,1 L N 69,79 1,31 0,14 0,80 0,66 46,7 WNIOSKI Jak wyika z aalizy hałasowych daych pomiarowych (regularie próbkowaych) z jedej ze stacji ciągłego moitorigu hałasu; (zlokalizowaej przy jedej z główych arterii drogowych miasta Krakowa); w ich przebiegach zauważale jest skorelowaie ich wartości. Jest oo tym siliejsze im krótszy jest czas pobieraia próbek dla estymacji rówoważego poziomu dźwięku L eq A i przyjmowaych do obliczeń kotrolowaych wskaźików hałasu L Di, L Wi oraz L Ni. Zjawisko to wyika z sposobu obliczeń rówoważego poziomu dźwięku, w którym koleje wartości bazowe procesu kotrolego są określoe zbiorem poprzedich chwilowych wartości wykorzystaych do obliczeń rówoważego poziomu dźwięku i zaburzoym wyikiem ostatiego pomiaru poziomu dźwięku. W efekcie mamy do czyieia z pewym ciągłym procesem stochastyczym L eq A (t) określoym a dyskretym ciągu obserwacji L A i próbkowaych w odstępach jedo sekudowych. Fakt te ozacza, że przy ograiczoym czasie przeprowadzaia pomiarów akustyczych, stosowae w praktyce sposoby zmiejszaia iedokładości pomiarów kotrolych, polegające a zwiększeiu liczebości próbek wartości L eq A i, i =1,2,..., mogą być zawode. Fakt występowaia skorelowaia wyików pomiaru poziomu hałasu arzuca koieczość modyfikacji sposobu liczeia iepewości estymacji kotrolowaego wskaźika hałasu. Jej opis wykoawczy jest treścią opracowaego artykuł. Wpływ skorelowaia obserwacji kotrolych, a wartość obliczeń iepewości estymacji średiej, ujmoway jest, poprzez wyzaczeie zastępczej liczby iezależych obserwacji eff, którą zapropoował M. Dorozhovetz [5] do wyzaczeia iepewości pomiarów z uwzględieiem autokorelacji. Nawiązuje oa do prac Bayley'a i Hammersley' (1946), którzy do opisu autoskorelowaych daych metrologiczych po raz pierwszy wprowadzili pojęcie eff. Proste zastąpieie liczby obserwacji w obliczeiu odchyleia stadardowego średiej, liczbą eff iezależych obserwacji wskazuje, że obece w literaturze oraz odpowiedich aktach prawych sposoby ocey iepewości pomiarów akustyczych, dają zbyt korzyste oszacowaia iepewości. Ilustracją tego faktu mogą być zamieszczoe w pracy przykłady. 72

7 SYSTEMY WSPOMAGANIA W INŻYNIERII PRODUKCJI Środowisko i Bezpieczeństwo w Iżyierii Produkcji 2013 Jak wyika z rozważań zamieszczoych w pracy, w realizacji procesu oszacowań iepewości stadardowej typu A kotrolowaych wskaźików hałasu, iezbęde jest wykoaie aaliz skorelowaia wyików pomiarowych. Ozacza to koieczość uzupełieia istiejących programów komputerowych do obliczeń iepewości, algorytmami do wyzaczaia fukcji autokorelacji oraz zmodyfikowaie stosowych wzorów obliczeń iepewości wartości estymowaych wskaźików hałasu, tak aby uwzględiały efektywą liczbę obserwacji. LITERATURA 1. Aredarski I. (2003) Niepewość pomiarów. Oficya Wydawicza Politechiki Warszawskiej, Warszawa. 2. Batko W., Bal-Pyrcz R. (2006) Ucertaity aalysis i the assessmet of log term oise idicators. Archives of Acoustics vol.31, No 4, str Batko W., Bal-Pyrcz R., (2007) Aalysis of stochastic acoustical hazards i eviromet. Archives of Acoustics vol. 32, No4 (supplemet), Warszawa, str Directive 2002/49/EC of the Europea Parliamet ad the Coucil of 25 Jue 2002 relatig to the assessmet ad maagemet of evirometal oise. 5. Dorozhovetz M., Warsa Z. L. (2007) Wyzaczaie iepewości typu A pomiarów o skorelowaych rezultatach obserwacji. Pomiary Automatyka Kotrola Nr 2, s Turzański P., Batko W. (1998). Sta zagrożeia hałasem a tereie miasta Krakowa. Oficya Wydawicza Text Kraków, Warsza Z. L., Zięba A. (2012): Niepewość typu A pomiaru o obserwacjach samoskorelowaych. Pomiary, Automatyka, Kotrola, vol. 58 r 2 s Wyrażaie iepewości pomiaru. Przewodik GUM (1999) Wydawictwo Główy Urząd Miar, Warszawa. 9. Zięba A. (2008): Niepewość pomiaru obserwacji skorelowaych. VII Sympozjum: luty2008, Świoujście, s ZHag N. (2006). Calculatio of the ucertaity of the mea of autocorrelated measuremets. Metrologia 43, s

8 2013 Redakcja: BIAŁY W., KUBOSZEK A. ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA Streszczeie: Wyzaczeie iepewości pomiaru jest koieczością każdej procedury kotrolej. Zgodie z ograiczeiami metody wyzaczeia iepewości pomiarów; (zalecaej w Przewodiku GUM opracowaym pod egida Międzyarodowego Biura Miar (BIPM)); wystąpiła koieczość aalizy powiązań czasowych chwilowych wartości poziomu dźwięku L Ai, które służą do wyliczeń kotrolowaych wskaźików hałasu. Autorzy rozpatrzyli problem występowaia autokorelacji w wyikach pomiaru, regularie próbkowaych poziomów dźwięku. Przedstawioo iezbęda idetyfikację fukcji autokorelacji, dla kotrolowaej zmieości w roku kaledarzowym, rówoważych poziomów dźwięku L Di, L Wi, L Ni, i = 1,2,..,365. Wskazao iezbędą korektę dotychczasowych rozwiązań ocey iepewości, poprzez wyzaczeie efektywej liczby ieskorelowaych obserwacji kotrolych eff, zależej od fukcji autokorelacji. Rozważaia uzupełioo przykładem liczbowym ilustrującym możliwe różice w oceach iepewości estymacji wartości kotrolowaych wskaźików hałasu. Słowa kluczowe: poziom dźwięku, hałas, autokorelacja, ocea iepewości AUTOCORRELATION OCCURRENCE IN MEASUREMENT RESULTS OF REGULARLY SAMPLED SOUND LEVELS IN ENVIRONMENTAL NOISE RISK ASSESSMENT Abstract: The determiatio of the ucertaity of measuremet is a ecessity of each cotrol procedure. Accordig to the limitatios of the method of ucertaity of measuremet determiatio; (recommeded i the Guide of the Cetral Office of Measuremets prepared uder auspices of the Iteratioal Bureau of Measuremets); the ecessity of aalysis of time liks of istataeous soud level L Ai values, which are used for calculatios of the cotrolled oise idicators, occurred. The authors cosidered the problem of a autocorrelatio occurrece i measuremet results of the regularly sampled soud levels. The idispesable idetificatio of the autocorrelatio fuctio for the cotrolled variability i the caledar year of equivalet soud levels L Di, L Wi, L Ni, I = 1,2,..,365 was preseted. The ecessary correctio of the up to ow solutios of ucertaity assessmets - by determiig the effective umber of ucorrelated cotrol observatios eff, depeded o the autocorrelatio fuctio was idicated. These cosideratios were supplemeted by the umerical example illustratig possible differeces i ucertaity assessmets i the estimatio of the cotrolled oise idicators values. Key words: soud level, oise, autocorrelatio, ucertaity evaluatio prof. dr hab. iż. Wojciech BATKO Akademia Góriczo-Huticza w Krakowie Katedra Mechaiki i Wibroakustyki Al. Mickiewicza 30, Kraków batko@agh.edu.pl dr iż. Reata BAL Państwowa Wyższa Szkoła Zawodowa w Krośie, Istytut Politechiczy ul. Ryek 1, Kroso rebal@pwsz.kroso.pl 74

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN ZAŁĄCZNIK B GENERALNA DYREKCJA DRÓG PUBLICZNYCH Biuro Studiów Sieci Drogowej SYSTEM OCENY STANU NAWIERZCHNI SOSN WYTYCZNE STOSOWANIA - ZAŁĄCZNIK B ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI

Bardziej szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo

Elementy modelowania matematycznego

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

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

Jak obliczać podstawowe wskaźniki statystyczne? Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań

Bardziej szczegółowo

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

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

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

DZIENNIK URZĘDOWY URZĘDU KOMUNIKACJI ELEKTRONICZNEJ

DZIENNIK URZĘDOWY URZĘDU KOMUNIKACJI ELEKTRONICZNEJ DZIENNIK URZĘDOWY URZĘDU KOMUNIKACJI ELEKTRONICZNEJ Warszawa, dia 19 maja 2015 r. Poz. 41 Zarządzeie Nr 12 Prezesa Urzędu Komuikacji Elektroiczej z dia 18 maja 2015 r. 1) w sprawie plau zagospodarowaia

Bardziej szczegółowo

Wpływ warunków eksploatacji pojazdu na charakterystyki zewnętrzne silnika

Wpływ warunków eksploatacji pojazdu na charakterystyki zewnętrzne silnika POLITECHNIKA BIAŁOSTOCKA WYDZIAŁ MECHANICZNY Katedra Budowy i Eksploatacji Maszy Istrukcja do zajęć laboratoryjych z przedmiotu: EKSPLOATACJA MASZYN Wpływ waruków eksploatacji pojazdu a charakterystyki

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę

Bardziej szczegółowo

7. Monitoring natężenia hałasu. Mapa akustyczna Miasta Gdańska

7. Monitoring natężenia hałasu. Mapa akustyczna Miasta Gdańska 7. Monitoring natężenia hałasu Mapa akustyczna Miasta Gdańska W czerwca 2012 zakończono prace przy opracowaniu drugiej mapy akustycznej Miasta Gdańska. Jest to realizacja obowiązku zawartego w art. 118

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871 COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

Wykład 11 ( ). Przedziały ufności dla średniej Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne D o u ż y t k u w e w ę t r z e g o Katedra Iżyierii i Aparatury Przemysłu Spożywczego POMIARY WARSZTATOWE Ćwiczeia laboratoryje Opracowaie: Urszula Goik, Maciej Kabziński Kraków, 2015 1 SUWMIARKI Suwmiarka

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

LABORATORIUM METROLOGII

LABORATORIUM METROLOGII AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej 1 Artykuł techiczy Joatha Azañó Dział ds. Zarządzaia Eergią i Jakości Sieci CVM-ET4+ Zgody z ormami dotyczącymi efektywości eergetyczej owy wielokaałowy aalizator sieci i poboru eergii Obeca sytuacja Obece

Bardziej szczegółowo

Analiza potencjału energetycznego depozytów mułów węglowych

Analiza potencjału energetycznego depozytów mułów węglowych zaiteresowaia wykorzystaiem tej metody w odiesieiu do iych droboziaristych materiałów odpadowych ze wzbogacaia węgla kamieego ależy poszukiwać owych, skutecziej działających odczyików. Zdecydowaie miej

Bardziej szczegółowo

Zasilanie budynków użyteczności publicznej oraz budynków mieszkalnych w energię elektryczną

Zasilanie budynków użyteczności publicznej oraz budynków mieszkalnych w energię elektryczną i e z b ę d i k e l e k t r y k a Julia Wiatr Mirosław Miegoń Zasilaie budyków użyteczości publiczej oraz budyków mieszkalych w eergię elektryczą Zasilacze UPS oraz sposoby ich doboru, układy pomiarowe

Bardziej szczegółowo

Zeszyty naukowe nr 9

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

Bardziej szczegółowo

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

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

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

1. Metoda zdyskontowanych przyszłych przepływów pieniężnych

1. Metoda zdyskontowanych przyszłych przepływów pieniężnych Iwetta Budzik-Nowodzińska SZACOWANIE WARTOŚCI DOCHODOWEJ PRZEDSIĘBIORSTWA STUDIUM PRZYPADKU Wprowadzeie Dochodowe metody wycey wartości przedsiębiorstw są postrzegae, jako ajbardziej efektywe sposoby określaia

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

PODSTAWY BIOSTATYSTYKI ĆWICZENIA PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało

Bardziej szczegółowo

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW . ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW Z powodu iedokładości przyrządów i metod pomiarowych, iedoskoałości zmysłów, iekotrolowaej zmieości waruków otoczeia (wielkości wpływających) i iych przyczy, wyik

Bardziej szczegółowo

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU Celem każdego ćwiczeia w laboratorium studeckim jest zmierzeie pewych wielkości, a astępie obliczeie a podstawie tych wyików pomiarów

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

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

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

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

Bardziej szczegółowo

PERSPECTIVES OF STATISTICAL METHODS IN DESIGN OF TRADING STRATEGIES FOR FINANCIAL MARKETS USING HIERARCHICAL STRUCTURES AND REGULARIZATION

PERSPECTIVES OF STATISTICAL METHODS IN DESIGN OF TRADING STRATEGIES FOR FINANCIAL MARKETS USING HIERARCHICAL STRUCTURES AND REGULARIZATION STUDIA INFORMATICA 2013 Volume 34 Number 2A (111) Alia MOMOT Politechika Śląska, Istytut Iformatyki Michał MOMOT Istytut Techiki i Aparatury Medyczej ITAM PERSPEKTYWY ZASTOSOWAŃ METOD STATYSTYCZNYCH W

Bardziej szczegółowo

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu

Bardziej szczegółowo

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1, 1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

KATEDRA ENERGOELEKTRONIKI I ELEKTROENERGETYKI

KATEDRA ENERGOELEKTRONIKI I ELEKTROENERGETYKI KATEDRA ENERGOELEKTRONIKI I ELEKTROENERGETYKI Grupa: 1. 2. 3. 4. 5. LABORATORIUM ELEKTROENERGETYKI Data: Ocea: ĆWICZENIE 3 BADANIE WYŁĄCZNIKÓW RÓŻNICOWOPRĄDOWYCH 3.1. Cel ćwiczeia Celem ćwiczeia jest:

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

Metoda badań terenów poprzemysłowych owych w celu weryfikacji hipotezy o zanieczyszczeniu terenu poprzemysłowego. owego.

Metoda badań terenów poprzemysłowych owych w celu weryfikacji hipotezy o zanieczyszczeniu terenu poprzemysłowego. owego. Metoda badań tereów poprzemysłowych owych w celu weryfikacji hipotezy o zaieczyszczeiu tereu poprzemysłowego owego Joachim Broder 009--9 Pla prezetacji. Prezetacja algorytmu badań tereów poprzemysłowych

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

OCENA WARIANTÓW DECYZYJNYCH O ROZKŁADACH CIĄGŁYCH NA GRUNCIE TEORII PERSPEKTYWY

OCENA WARIANTÓW DECYZYJNYCH O ROZKŁADACH CIĄGŁYCH NA GRUNCIE TEORII PERSPEKTYWY Reata Dudzińska-Baryła Uiwersytet Ekoomiczy w Katowicach Wydział Iformatyki i Komuikacji Katedra Badań Operacyjych reata.dudziska-baryla@ue.katowice.pl OCENA WARIANTÓW DECYZYJNYCH O ROZKŁADACH CIĄGŁYCH

Bardziej szczegółowo

Statystyka powtórzenie (I semestr) Rafał M. Frąk

Statystyka powtórzenie (I semestr) Rafał M. Frąk Statystyka powtórzeie (I semestr) Rafał M. Frąk TEORIA Statystyka Statystyka zajmuje się badaiem procesu zbieraia oraz iterpretacji daych liczbowych lub jakościowych. Przedmiotem statystyki są metody badaia

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA NA ĆWICZENIA 3 I 4 Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Metody analizy długozasięgowej

Metody analizy długozasięgowej Copyright (c) 999-00 by Hugo Steihaus Ceter Metody aalizy długozasięgowej Adrzej Zacharewicz Warsztat aalizy zależości długotermiowej jest wciąż rozwijay i udoskoalay. Od czasów Hursta (95) i jego aalizy

Bardziej szczegółowo

Zastosowanie czujnika pojemnościowego do pomiaru zawartości wody w cieczach elektroizolacyjnych

Zastosowanie czujnika pojemnościowego do pomiaru zawartości wody w cieczach elektroizolacyjnych Dr iż. Piotr Przybyłek Dr hab. iż. Krzysztof Siodła, prof. adzw. Istytut Elektroeergetyki Politechika Pozańska ul. Piotrowo 3a, 60-965 Pozań, Polska E-mail: piotr.przybylek@put.poza.pl, krzysztof.siodla@put.poza.pl

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś 1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.

Bardziej szczegółowo

OCENA METOD OBLICZANIA ŁADUNKÓW ZANIECZYSZCZEŃ WYMYWANYCH ZE ZLEWNI. Mariusz Sojka, Sadżide Murat-Błażejewska, Jolanta Kanclerz

OCENA METOD OBLICZANIA ŁADUNKÓW ZANIECZYSZCZEŃ WYMYWANYCH ZE ZLEWNI. Mariusz Sojka, Sadżide Murat-Błażejewska, Jolanta Kanclerz Acta Sci. Pol., Formatio Circumiectus 6 (1) 2007, 3 13 OCENA METOD OBLICZANIA ŁADUNKÓW ZANIECZYSZCZEŃ WYMYWANYCH ZE ZLEWNI Mariusz Sojka, Sadżide Murat-Błażejewska, Jolata Kaclerz Akademia Rolicza w Pozaiu

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI

Bardziej szczegółowo

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja Iwestycja Wykład Celowo wydatkowae środki firmy skierowae a powiększeie jej dochodów w przyszłości. Iwestycje w wyiku użycia środków fiasowych tworzą lub powiększają majątek rzeczowy, majątek fiasowy i

Bardziej szczegółowo

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA 1. ZAMAWIAJĄCY TALEX S.A., ul. Karpia 27 d, 61 619 Pozań, e mail: cetrumit@talex.pl 2. INFORMACJE OGÓLNE 2.1. Talex S.A. zaprasza do udziału w postępowaiu przetargowym,

Bardziej szczegółowo

2. INNE ROZKŁADY DYSKRETNE

2. INNE ROZKŁADY DYSKRETNE Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =

Bardziej szczegółowo

GRUPA ROBOCZA ds.hałasu

GRUPA ROBOCZA ds.hałasu PARTNERSTWO: Krajowa sieć organów środowiskowych oraz instytucji zarządzających funduszami unijnymi (ENEA) ROBOCZA ds. HAŁASU Spotkanie szkoleniowo - seminaryjne MAPY AKUSTYCZNE I PROGRAMY DZIAŁAŃ (programy

Bardziej szczegółowo

Projekt z dnia 8.07.2013 r.

Projekt z dnia 8.07.2013 r. Projekt z dia 8.07.2013 r. Rozporządzeie Miistra Trasportu, Budowictwa i Gospodarki Morskiej 1) z dia.. 2013 r. w sprawie metodologii obliczaia charakterystyki eergetyczej budyku i lokalu mieszkalego lub

Bardziej szczegółowo

Siłownie ORC sposobem na wykorzystanie energii ze źródeł niskotemperaturowych.

Siłownie ORC sposobem na wykorzystanie energii ze źródeł niskotemperaturowych. Siłowie ORC sposobem a wykorzystaie eergii ze źródeł iskotemperaturowych. Autor: prof. dr hab. Władysław Nowak, Aleksadra Borsukiewicz-Gozdur, Zachodiopomorski Uiwersytet Techologiczy w Szczeciie, Katedra

Bardziej szczegółowo

ZESZYTY NAUKOWE POLITECHNIKI GDAŃSKIEJ

ZESZYTY NAUKOWE POLITECHNIKI GDAŃSKIEJ ZESZYTY NAUKOWE POLITECHNIKI GDAŃSKIEJ Nr 573 Ekoomia XXXIX 2001 BŁAŻEJ PRUSAK Katedra Ekoomii i Zarządzaia Przedsiębiorstwem METODY OCENY PROJEKTÓW INWESTYCYJNYCH Celem artykułu jest przedstawieie metod

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test

Bardziej szczegółowo

2.1. Studium przypadku 1

2.1. Studium przypadku 1 Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

Bardziej szczegółowo

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU

ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU Łukasz WOJCIECHOWSKI, Tadeusz CISOWSKI, Piotr GRZEGORCZYK ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU Streszczeie W artykule zaprezetowao algorytm wyzaczaia optymalych parametrów

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki

Bardziej szczegółowo