Stateczność pojazdów szynowych i samochodowych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Stateczność pojazdów szynowych i samochodowych"

Transkrypt

1 KISILOWSKI Jerzy ZALEWSKI Jarosław Stateczość poazdów szyowych samochodowych Słowa luczowe: stateczość, model matematyczy, poazd szyowy, poazd samochodowy Streszczee Praca zawera la róŝych podeść do zagadea stateczośc model matematyczych poazdów szyowych samochodowych. Przeprowadzoo aalzę stateczośc techcze modelu matematyczego operaąc sę a właścwoścach masymale mmale wartośc włase macerzy stau (otrzymae z rówań ruchu uładu poazdu szyowego z wózam 5N) oraz wyzaczaąc fucę Lapuowa. Zbadao stateczość tego modelu ze względu a parametry, a tóre fuca Lapuowa est abardze wraŝlwa (badaa wraŝlwośc poazao w pracy [3]). Druge zadae to badae stateczośc techcze stochastycze (defcę zaczerpęto z pracy [4]) elowego modelu matematyczego poazdu szyowego (wago towarowy z wózem 5 N) oraz poazdu samochodowego (samochód Ferrar). W obydwu przypadach zaburzea pochodzły od erówośc toru erówośc drog. o zadae zostało zrealzowae dla róŝych parametrów poazdu szyowego samochodowego. Wy te odoszoo do rzeczywstych obetów p. w poeźdze samochodowym do stateczośc samochodu zdefowaego w orme ISO 8855:99. SABILIY OF RAILWAY AND ROAD VEHICLES Abstract hs wor cotas several dfferet approaches to the subect of stablty of mathematcal models of ralway ad road vehcles. Aalyss of stochastc techcal stablty of mathematcal model was coducted basg o the propertes of maxmal ad mmal egevalues of state matrx (derved from the euatos of moto of the ralway vehcle wth the 5N boges) ad defg the Lapuov fucto. Stablty of ths model was examed vew of the parameters, o whch the Lapuov fucto s most sestve (sestvty aalyss was show [3]). Secod tas s the examato of stochastc techcal stablty (defto from wor [4]) of olear mathematcal model of ralway vehcle (freght car wth 5N boges) ad road sport car (Ferrar). I both cases the dsturbaces orgated from the ueveess of the trac or road respectfully. hs tas was realsed for dfferet parameters of both ralway ad road vehcle. he results were related to real obec for example road vehcle to the stablty defed the orm ISO 8855:99.. WSĘP Stateczość model matematyczych est edym z waŝych zadań badawczych, eśl dodamy, Ŝe eśl model matematyczy opsue dyamę uładu rzeczywstego to wy powy być odoszoe do waruów rzeczywstych. Aby ta było trzeba odpowedzeć a dwa pytaa, po perwsze a został przeprowadzoy proces detyfac strutury parametrów oraz po druge a do modelu wprowadzoo zaburzea zewętrze wywołuące zawsa dyamcze w badaym modelu. Odpowedz a te pytaa pozwalaą a dobór metody badaa stateczośc model matematyczych opsuących obety rzeczywste. Obety te to poazdy samochodowe szyowe. Dla model tych obetów zastosowao wspólą metodę badaa stateczośc. Zagadee badaa stateczośc model matematyczych zaczerpęto z prac [], [], [3] oraz [6]. Zadaa te odoszą sę do badaa model matematyczych opsuących rzeczywste obety. Modele wyzaczao po procese detyfac parametrów strutur. Prześledzea wymaga proces doboru metody badaa stateczośc modelu matematyczego w aspece detyfac parametrów strutury oraz uwzględea charateru zaburzeń wywołuących zawsa dyamcze w modelach matematyczych. o zadae powo róweŝ odpowadać a pytae, dla ach waruów moŝa wy z modelu matematyczego odeść do obetu rzeczywstego fucouącego w oreśloych, rzeczywstych waruach. Przedstawoe zostały wy badaa stateczośc dla róŝych przymowaych załoŝeń.. PRZEGLĄD MEOD BADANIA SAECZNOŚCI Dobór metody badaa stateczośc modelu matematyczego będze zaleŝał od cech daego modelu. Podzał ta to główe dwe grupy: modele lowe modele elowe. Dla badaa model lowych uładu o welu stopach swobody stosue sę aczęśce rachue macerzowy. Jeśl ruch mas taego uładu opszemy rówaem Prof. dr hab. Ŝ., Wydzał rasportu Eletrotech Poltech Radomse Dr Ŝ., Wydzał Admstrac Nau Społeczych Poltech Warszawse 35

2 wetor współrzędych uogóloych, A macerz masowo bezwładoścowa, B macerz tłumeń, C macerz sztywośc, F (t) wetor zaburzeń, to rówae moŝa przeształcć do rówaa w postac A & + B& + C = F (t) & () & () x = G x A G = I B A O C & x = dm I = dmo = x, dmg = x. Rówae () azywa sę rówaem stau, a macerz G azywa sę macerzą stau. RówowaŜość rówaa () () wyazao w pracy [3]. W wyu rozwązywaa rówaa () otrzymamy wartośc wetory włase. Z putu wdzea badaa stateczośc rówaa () będzemy sę zamować badaem wartośc włase, tórą zapsuemy w postac + b λ (3) a współczy tłumea; eśl dla wszystch a < to ruch obetu est asymptotycze stateczy w sese Lapuowa. Wyorzystuąc wy oblczeń wartośc własych dla lowego modelu matematyczego poazdu szyowego (wago towarowy z wózam 5 N) badao stateczość, a wy badań moŝa zaleźć w pracy [3]. Ią metodą badaa stateczośc model matematyczych est metoda oparta o ryterum Hurwtza. Jeda te metody e moŝa polecć dla pratyczych zastosowań gdyŝ dla uładu o welu stopach swobody sprawdzee waruów Hurwtza est ezwyle pracochłoe a uŝyce metody umerycze est efetywesze dla wyzaczaa wartośc własych. W badaach poprzedo wspomaego modelu (wago towarowy z wózam 5 N) matematyczego dla drgań poprzeczych zestawu wyorzystao defcę stateczośc techcze [3]. Przedstawoo tę metodę badaa stateczośc dla uładów lowych z losowym zaburzeam. RozwaŜaa cytowae za pracą [4]. Przeształcaąc rówae () otrzymamy AA z& + BA z& + CA z = R(, & (4) =, 4, = 5,6, = 7,8, = 9,, =, dla tórych R obszaru Ω est rówe dlatego moŝe być przeształcoe w przestrzeń -wymarową. MoŜąc lewą stroę uładu (4) przez ( AA ) oraz sprowadzaąc go do współrzędych stau otrzymao astępuący uład rówań z& = u u& = C z B u + P( ) t, (5) 36

3 gdze P( t) = ( AA) R(, tóre w efece moŝe zostać przedstawoe w astępuące postac: gdze W & = Dw& + F( O = C I B D, macerz bloowa x, O macerz zerowa x, I macerz edostowa x, M F( =, P ( M P ( z B = ( AA ) BA, w =, C = ( AA ) CA. u, (6) Łatwo wyazać, Ŝe dla rówaa (6) waru omawaego twerdzea o steu rozwązaa są spełoe. Ozacza to, Ŝe gdze (X ) ograczoe dlatego D + F( dt = F( dt Λ(( AA ) ) R(, Λ awęszy perwaste charaterystyczy macerzy X, atomast dla ( Dw + F( Dw F( = D( w w ) D w, w D orma macerzy D dla zdetermowaych wartośc parametrów. Następe wyzaczoo fucę Lapuowa, tórą dla uładu (6) zdefowao a poŝe: R przyęto, Ŝe est V ( w) = V ( z, u ) = u u + z ( C + C ) z, (7) 4 gdze des góry ozacza traspozycę. W oleym rou polczoo pochodą fuc Lapuowa względem rozwązań uładu (6). Została oa oreśloa przez astępuącą zaleŝość: O d V = u ( B + B ) u. (8) dt Szczegółowe rozwaŝaa moŝa zaleźć w pracy [4]. Otrzymae wy mogą atomast zostać wyorzystae w programe wyorzystuącym umerycze metody badaa stateczośc. W aalze stateczośc wyszczególoo trzy parametry, tóre, a sę oazało, maą awęszy wpływ a obszary stateczośc. Są to: sztywość mędzy wózem a orpusem wagou oleowego woół os OZ, λ ewwaleta stoŝowatość, v prędość. Wybór wymeoych powyŝe parametrów wya z aalzy wraŝlwośc oraz z pratyczych moŝlwośc modyfac elemetów rzeczywste ostruc, a waruów esploatac. Załadaąc, Ŝe λ est stała dla stablych profl rówa.38 będze aalzoway wpływ, a maą parametry oraz v a obszary stateczośc w prostoące wyzaczoym przez astępuące erówośc: 37

4 v m < < max m < v < v max., (9) NaleŜy podreślć, Ŝe dla stateczośc lowego uładu zdefowaego w te sposób łatwo est udowodć, Ŝe waruem oeczym, aby system był stably w rozumeu stochastyczym techczym est ego stablość w sese Lapuowa. Przyładowe wy oblczeń umeryczych przedstawoo w tabel. ab.. Przyładowe wy badaa stateczośc uładu lowego v = 6[ m / h] λ = Gracze wartośc Lapuowa dla stateczośc w sese max m = [ Nm / rad] 6 = [ Nm / rad] Gracze wartośc dla stateczośc w sese techczym stochastyczym 6 7 = 5.7 [ Nm / rad] = 6.5 [ Nm / rad] 7 = [ Nm / rad] λ =. 38 vmax = 5[ m / h] v = [ m / h] Gracze wartośc v dla stateczośc w sese Lapuowa m Gracze wartośc v dla stateczośc w sese techczym stochastyczym v = 7[ m / h] v = 47[ m / h] Z przedstawoych rezultatów wdać, Ŝe grace stablośc dla ruchów poprzeczych zaleŝe są od parametrów uładu. WaŜe est aby zaburzea zalazły sę w oreśloym obszarze ω. Dale rozwęto badaa stateczośc wyorzystuąc defce stateczośc techcze stochastycze (SS), tórą zastosowao dla badaa uładu z losowym zaburzeam. Defca a podstawe pracy []. Stateczość techcza stochastycza est defcą, tórą alepe, spośród zaych defc, moŝa wyorzystać do badaa ruchu model matematyczych obetów techczych. Główym atutem te defc est moŝlwość aalzy ruchu modelowaego uładu przy występowau losowych zaburzeń pochodzących p. od erówośc awerzch drog w przypadu badaa ruchu modelu matematyczego samochodu czy erówośc toru przy badau stateczośc ruchu poazdu szyowego. Wy badań moŝa odeść do wyów badań rzeczywstych obetów techczych. ZałoŜea. Day est uład rówań stochastyczych dx dt f [ x, ξ ( t)] = () x = ( oraz f ( x, y) = ( f,..., f ) są wetoram, atomast ξ ( t) = ( ξ..., ξ ), t ( x, y x E, y E t. Przyęto róweŝ, Ŝe dla procesu stochastyczego f (, ξ ( t)) zachodz gdze x,..., x ) est procesem stochastyczym opsuącym losowo występuące zaburzea. Dla fuc f ) przyęto załoŝea, Ŝe est oreśloa dla aŝdego P f (, ξ ( t)) dt < =, dla aŝdego > ZałoŜoo róweŝ stee procesu stochastyczego ( X, ( t)) [, ] () f ξ, tóry speła ryterum Lpschtza w przedzale f ( x t t f x t t t x x,, ( )) (,, ξ ( )) η( ) ξ () dla ego procesu η (t), bezwzględe całowalego w daym przedzale. Wyem powyŝszych załoŝeń est stee tylo edego rozwązaa z waruam początowym t = t oraz x ( t ) = x, tóre est procesem stochastyczym bezwzględe cągłym, z prawdopodobeństwem dla t t. Defca stateczośc techcze stochastycze. 38

5 Przyęto stee dwu obszarów w przestrze euldesowe ograczoego zamętego, gdze proces stochastyczy X (t), oreśloy dla t t t x. x ( = x oraz rozwązae prze, ) ) E : ω ograczoego otwartego oraz Ω ω Ω. ZałoŜoo, Ŝe stee róweŝ lczba dodata ε, gdze < ε < oraz t t. Ozaczoo róweŝ waru początowe rozwązaa przez t = t, ( Defca stateczośc techcze stochastycze brzm: eśl aŝde rozwązae rówaa (), maące waru początowe ( t, t, x ) w obszarze ω, aleŝy do obszaru Ω z prawdopodobeństwem ε, to uład () est stateczy techcze stochastycze względem ω, Ω oraz procesu ξ (t) z prawdopodobeństwem ε (rys. ). Rys.. Grafcza terpretaca stateczośc techcze stochastycze [7] {( t, x ) Ω} > ε dla x ω, P (3) RozwaŜaa przeprowadzoo dla model matematyczych poazdu szyowego [5] oraz samochodu za pracą [6]. Za pracą [5] poazae zostaą wy badań stateczośc techcze stochastycze zestawu ołowego. Korzystaąc z przedstawoe defc oreśloo obszar Ω ω dla drgań poprzeczych zestawu ołowego, co przedstawoo a rys.. Ja wdać obszar Ω został oreśloy ao luz mędzy obrzeŝem oła szyą ozaczoo l y. Badaa stateczośc techcze stochastycze przeprowadzoo dla poprzeczych drgań uładu o edeastu stopach swobody z zaburzeam pochodzącym o erówośc geometryczych toru, zmay szeroośc toru oraz zma proflu głów szyy [5]. Przeprowadzoo symulacyą aalzę stateczośc techcze stochastycze. Wyorzystuąc przedstawoą metodę przeprowadzoo szereg symulac, w tórych badao prawdopodobeństwo ruchu stateczego przy róŝych prędoścach (rys. 3). Stateczość techczą stochastyczą wyorzystao róweŝ w badau modelu matematyczego samochodu poruszaącego sę po erówe awerzch drog [6]. Zadae to rozwązao wyorzystuąc symulacę ruchu samochodu, w tórym a sute wypadu bądź olz epoprawe aprawy zaburzeu uległy parametry masowo bezwładoścowe. Dla taego modelu (z zaburzoym parametram) przeprowadzoo badae stateczośc techcze stochastycze porówao z badaam stateczośc techcze - stochastycze bez zaburzea parametrów. Grafcze zadae przedstawoo a rys. 4 defuąc obszar Ω. Metoda oazała sę sutecza; otrzymao róweŝ wy loścowe wyorzystuąc do aalzy prawdopodobeństwa test λ Smrowa-Kołmogorowa. Badaa przeprowadzoo a pozome stotośc α =, 5. Prawdopodobeństwo zalezea sę samochodu w sraym połoŝeu a drodze (dla samochodu z zaburzeam parametrów masowo bezwładoścowych wzrosło trzyrote). Przyład poazue moŝlwość wyorzystaa badaa stateczośc techcze stochastycze dla elowych model matematyczych samochodu. W badau stateczośc techcze stochastycze modelu matematyczego samochodu wyorzystao metodę a w przypadu wagou oleowego [7], czyl podzału obszaru dopuszczalych rozwązań a lasy badau prawdopodobeństwa zalezea sę rozwązaa w dae lase. Metoda ta est uwersala ze względu a moŝlwość doboru dopuszczalych obszarów rozwązań. 39

6 Rys.. Grafcza terpretaca stateczośc techcze stochastycze zestawu ołowego wagou oleowego [5] Rys. 3. Prawdopodobeństwo SS uzysae w symulac omputerowe ruchu wagou oleowego [4]. Prawdopodobeństwo SS: P ) = P( y l ) = x y ( y Ω (w odeseu do obszaru { } Ω : ) uzysae w symulac omputerowe ruchu wagou oleowego ( stop swobody) poruszaącego sę z prędoścą: () v=,m/s, () v=6,666m/s, (3) v=,m/s oraz (4) v=7,777m/s. (y est przemeszczeem poprzeczym środa masy zestawu ołowego). l y 4

7 Rys. 4. Obszary dopuszczalych rozwązań w badau SS modelu matematyczego samochodu [6] Przyład poazue moŝlwośc wyorzystaa badaa stateczośc techcze stochastycze elowych model matematyczych samochodu. NaleŜy dodać, Ŝe tae badae est prawe detycze a badaa stateczośc wg ormy ISO 8855: PODSUMOWANIE Przedstawoe w pracy metody były w róŝych publacach przedstawoe cząstowo. Z przedstawoych aalz moŝa sformułować wose, ze aefetyweszą metodą badaa stateczośc est to metoda stateczośc techcze stochastycze. a metoda est ablŝsza do odoszea wyów z model matematyczych do uładów rzeczywstych. MoŜlwośc wyaą z badaa traetor rozwązań, tórą zawsze moŝa pomerzyć dla obetu rzeczywstego. Dodatowym atutem te metody to moŝlwość rozwaŝaa całego zagadea w uęcu losowym, co dae wy blŝsze rzeczywstośc. W pracy zaprezetowao rezultaty badań, tóre były prowadzoe a przestrzeach welu la a są oe do dzsa w sese metodolog atuale. Badaa tae są ezwyle waŝe zwłaszcza dla prędośc powyŝe m/h. e zares prędośc e był przedmotem aalz stateczośc w pracach, tórych aalzy przedstawoo. MoŜe być o przedmotem dalszych badań. 4. BIBLIOGRAFIA [] Gutows R., Podstawy teor stateczośc ruchu uładów dysretych cągłych, Poltecha Warszawsa, Wydzał Mechaczy Eergety Lotctwa, 98. [] Bogusz W., Stateczość techcza, Warszawa, PWN, 97. [3] Kslows J. red., Dyama uładu mechaczego poazd szyowy tor, Warszawa, PWN 99. [4] Kslows J., Choromańs W., Łopata H., Ivestgato of echcal Stochastc Stablty of Lateral Vbratos of Mathematcal Model of Ral Vehcle, Warsaw, Egeerg rasactos, Polsh Academy of Sceces IPP, Vol.33, 985. [5] Kslows J., Kardas Cal E., Some Problems Related to Ivestgato of Wheelset Model Stablty, Warszawa, Dyamcal Problems Mechacal Systems, PAN IPP, 99. [6] Zalews J., Modelowae wpływu zaburzeń geometr adwoza a stateczość ruchu poazdu samochodowego, PhD thess, Poltecha Warszawsa, Wydzał Samochodów Maszy Roboczych,. [7] Kardas-Cal, E., Badae stateczośc stochastycze modelu matematyczego poazdu szyowego, Rozprawa dotorsa, Poltecha Warszawsa, 994. [8] Kslows J., Kothe K., Advaced Ralway Vehcle System Dyamcs, Warszawa, WN 99. 4

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

Politechnika Poznańska

Politechnika Poznańska Aradusz Atcza Poltecha Pozańsa Wydzał Budowy Maszy Zarządzaa N u m e r y c z e w e r y f o w a e r o z w ą - z a e r ó w a a r u c h u o j e d y m s t o p u s w o b o d y Autor: Aradusz Atcza Promotor:

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

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

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej Dr hab. ż. Ato Śwć, prof. adzw. Istytut Techologczych ystemów Iformacyych oltechka Lubelska ul. Nadbystrzycka 36, 2-68 Lubl e-mal: a.swc@pollub.pl Dr ż. Lech Mazurek aństwowa Wyższa zkoła Zawodowa w Chełme

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

UWAGI O BILANSIE MASY I PĘDU W GRADIENTOWEJ TERMOMECHANICE

UWAGI O BILANSIE MASY I PĘDU W GRADIENTOWEJ TERMOMECHANICE ROCZNIKI INŻYNIERII BUDOWLANEJ ZEZYT 15/2015 Komsa Iżyer Budowlae Oddzał Polse Aadem Nau w Katowcach UWAGI O BILANIE MAY I PĘDU W GRADIENTOWEJ TERMOMECHANICE Ja KUBIK Wydzał Budowctwa Archtetury, Poltecha

Bardziej szczegółowo

WIELOWYMIAROWE REGUŁY ASOCJACJI W MODELOWANIU TENDENCJI ROZWOJOWYCH MSP

WIELOWYMIAROWE REGUŁY ASOCJACJI W MODELOWANIU TENDENCJI ROZWOJOWYCH MSP KATARZYNA BŁASZCZYK BOGDAN RUSZCZAK Poltecha Opolsa WIELOWYMIAROWE REGUŁY ASOCJACJI W MODELOWANIU TENDENCJI ROZWOJOWYCH MSP Wstęp Esploraca daych (ag. data g) zaue sę efetywy zadowae ezaych dotychczas

Bardziej szczegółowo

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

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

Bardziej szczegółowo

Badania Operacyjne (dualnośc w programowaniu liniowym)

Badania Operacyjne (dualnośc w programowaniu liniowym) Badaa Operacye (dualośc w programowau lowym) Zadae programowaa lowego (PL) w postac stadardowe a maksmum () c x = max, podczas gdy spełoe są erówośc () ax = b ( m ), x 0 ( ) Zadae programowaa lowego (PL)

Bardziej szczegółowo

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

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki Politechia Warszawsa Wydział Samochodów i Maszy Roboczych Istytut Podstaw Budowy Maszy Załad Mechaii http://www.ipbm.simr.pw.edu.pl/ Teoria maszy i podstawy automatyi semestr zimowy 206/207 dr iż. Sebastia

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i ZAJĘCIA NR Dzsaj omówmy o etro, redudacj, średej długośc słowa odowego o algorytme Huffmaa zajdowaa odu otymalego (od ewym względam; aby dowedzeć sę jam doczeaj do ońca). etro JeŜel źródło moŝe adawać

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

Bardziej szczegółowo

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1)

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1) Katarzya Budy Uwersytet Ekoomczy w Krakowe WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO Wprowadzee Jedą z podstawowych mar spłaszczea czy też kocetrac rozkładu zmee losowe edowymarowe wokół średe est kurtoza

Bardziej szczegółowo

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

Projekt 2 2. Wielomiany interpolujące

Projekt 2 2. Wielomiany interpolujące Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa

Bardziej szczegółowo

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD: //4 Gry o sue zero - gry rozgrywae w strategach eszaych STRATEGIE IESZANE - OTYWACJA. ROZWAśY PRZYKŁAD: 5 DEFINICJA..6 Strategą eszaą π gracza P azyway kaŝdy rozkład prawdopodobeństwa określoy a zborze

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

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

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

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

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

Bardziej szczegółowo

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj.

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj. III. INTERPOLACJA 3.. Ogóe zadae terpoac Nech Φ ozacza fucę zmee x zaeżą od + parametrów a 0, a, K, a, t. Defca 3.. Zadae terpoac poega a oreśeu parametrów a ta, żeby da + da- ych par ( x, f ( x ( 0,,...,

Bardziej szczegółowo

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

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

Modelowanie i Analiza Danych Przestrzennych

Modelowanie i Analiza Danych Przestrzennych Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

Bardziej szczegółowo

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera)

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera) Wyład 4 Blas rówań teor srężystośc Dooamy zestawea wszystch rówań teor srężystośc Gra rówań. Różczowe rówaa rówowag (war Navera Lczba rówań Lczba ewadomych X 6 (. Zwąz geometrycze (rówaa Cachy ego ( 6

Bardziej szczegółowo

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI Adrzej POWNUK *) PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI. Wprowadzee Mechaka lowa staow jak dotąd podstawowy obszar zateresowań żyerskch. Isteje jedak

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982. Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy

Bardziej szczegółowo

ZMIENNE LOSOWE WIELOWYMIAROWE

ZMIENNE LOSOWE WIELOWYMIAROWE L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee

Bardziej szczegółowo

... MATHCAD - PRACA 1/A

... MATHCAD - PRACA 1/A Nazwsko Imę (drukowaym) KOD: Dzeń+godz. (p. Śr) MATHCAD - PRACA /A. Stablcuj fukcję: f() = s() + /6. w przedzale od a do b z podzałem a rówych odcków. Sporządź wykres f() sprawdź, le ma mejsc zerowych.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

ELEMENTY ANALIZY NUMERYCZNEJ

ELEMENTY ANALIZY NUMERYCZNEJ Adrze Marcak ELEMENTY ANALIZY NUMERYCZNEJ Wykłady dla studetów keruku formatyka Poltechk Pozańske Wykłady są przezaczoe wyłącze do dywdualego użytku przez studetów formatyk Poltechk Pozańske. Ne mogą być

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Zaawasowae metod umercze Programowae lowe (problem dual, program low w lczbach całkowtch) Dualość est kluczowm poęcem programowaa lowego. Pozwala a udowodee że otrzmwae rozwązaa są optmale. Zagadee duale

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

OPTYMALIZACJA KONSTRUKCJI NADWOZI POJAZDÓW SZYNOWYCH PRZY UśYCIU ALGORYTMÓW MES.

OPTYMALIZACJA KONSTRUKCJI NADWOZI POJAZDÓW SZYNOWYCH PRZY UśYCIU ALGORYTMÓW MES. prof. dr hab. Ŝ. Tadeusz Uhl AGH Katedra Robotyk Dyamk Maszy prof. dr hab. Ŝ. Adrzej Chudzkewcz PW Wydzał Trasportu mgr Ŝ. Ireeusz Łuczak EC Egeerg mgr Ŝ. Grzegorz Lasko AGH Katedra Robotyk Dyamk Maszy

Bardziej szczegółowo

i i i = (ii) TAK sprawdzamy (i) (i) NIE

i i i = (ii) TAK sprawdzamy (i) (i) NIE Egzam uaruszy z aźdzera 009 r. Maemaya Fasowa Zadae ( ) a a& a ( Da) a&& ( Ia) a a&& D I a a&& a a ( ) && ( ) 0 a a a 0 ( ) a 4 0 ( ) a () K srawdzamy () ( ) a& a ( ) a ( ) a&& a&& ( ) a&& ( ) a&& () NIE

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

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

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

J. Wyrwał, Wykłady z mechaniki materiałów METODA SIŁ Wprowadzenie

J. Wyrwał, Wykłady z mechaniki materiałów METODA SIŁ Wprowadzenie J. Wyrwał Wykłady z mechak materałów.. ETODA SIŁ... Wprowadzee etoda sł est prostą metodą rozwązywaa (obczaa reakc podporowych oraz wyzaczaa sł przekroowych) statycze ewyzaczaych (zewętrze wewętrze) układów

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

Bardziej szczegółowo

TMM-2 Analiza kinematyki manipulatora metodą analityczną

TMM-2 Analiza kinematyki manipulatora metodą analityczną Opracował: dr ż. Przemysław Szumńsk Laboratorum Teor Mechazmów Automatyka Robotyka, Mechatroka TMM- Aalza kematyk mapulatora metodą aaltyczą Celem ćwczea jest zapozae sę ze sposobem aalzy kematyk mechazmu

Bardziej szczegółowo

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Aca Woy WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Wstęp Załad ubezpeczeń est zobgoway do tworzea fuduszu ubezpeczeowego sładaącego sę z rezerw techczo-ubezpeczeowych

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych Sprawdzee stateczośc skarpy wykopu pod składowsko odpadów koualych Ustalee wartośc współczyka stateczośc wykoae zostae uproszczoą etodą Bshopa, w oparcu o poższą forułę: [ W s( α )] ( φ ) ( φ ) W ta F

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

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

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

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Metody numeryczne w przykładach

Metody numeryczne w przykładach Metody umerycze w przyłdch Podręcz Poltech Lubels Poltech Lubels Wydzł Eletrotech Iformty ul. Ndbystrzyc 38A -68 Lubl Bet Pńczy Edyt Łus J Sor Teres Guz Metody umerycze w przyłdch Poltech Lubels Lubl Recezet:

Bardziej szczegółowo

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem.

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem. . Hofma Wyłady z ermodyam techczej chemczej Wydzał Chemczy PW erue: echologa chemcza sem.3 215/216 WYKŁAD 3-4. D. Blase reatorów chemczych E. II zasada termodyam F. Kosewecje zasad termodyam D. BILANE

Bardziej szczegółowo

Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz

Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty Zeo Zwerzewcz Szczec Zeo Zwerzewcz Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty W artyle

Bardziej szczegółowo

7. OBLICZENIA WIELKOŚCI ZWARCIOWYCH ZA POMOCĄ KOMPUTERÓW

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

Bardziej szczegółowo

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2 2. Dwa modele wzaczea parametrów

Bardziej szczegółowo

ANALIZA INPUT - OUTPUT

ANALIZA INPUT - OUTPUT Aalza put - output Notatk S Dorosewcz J Staseńko Stroa z 28 SŁAWOMIR DOROSIEWICZ JUSTYNA STASIEŃKO ANALIZA INPUT - OUTPUT NOTATKI Istytut Ekoometr SGH Aalza put - output Notatk S Dorosewcz J Staseńko Stroa

Bardziej szczegółowo

ĆWICZENIE 5 TESTY STATYSTYCZNE

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

Bardziej szczegółowo

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; } Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

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

Bardziej szczegółowo

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

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI Poltechka Gdańska Wydzał Elektrotechk Automatyk Katedra Iżyer Systemów Sterowaa MODELOWANIE I PODSAWY IDENYFIKACI Wybrae zagadea z optymalzacj. Materały pomoccze do zajęć ćwczeowych 5 Opracowae: Kazmerz

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

Reprezentacje grup symetrii. g s

Reprezentacje grup symetrii. g s erezentace ru ymetr Teora rerezentac dea: oeracom ymetr rzyać oeratory dzałaące w rzetrzen func zwązać z nm funce, tóre oeratory te rzerowadzaą w ebe odobne a zb. untów odcza oerac ymetr rozważmy rzeztałcene

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

Bardziej szczegółowo

Definicja 3.9. Zadanie interpolacji wymiernej polega na znalezieniu dla danej funkcji f funkcji wymiernej W mn postaci

Definicja 3.9. Zadanie interpolacji wymiernej polega na znalezieniu dla danej funkcji f funkcji wymiernej W mn postaci 8 Iy wose z twerdzea. est Wose.. Jeśl ua a ągłą poodą rzędu a odu [a, b] zaweraąy węzły rzezywste x (,,..., ) put x, to stee wartość > [a, b], przy zy > >(x), że p ( x) rx ( ) ( )! ( ) W dowodze tego wosu

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Wybór projektu inwestycyjnego ze zbioru wielu propozycji wymaga analizy następujących czynników:

Wybór projektu inwestycyjnego ze zbioru wielu propozycji wymaga analizy następujących czynników: Wybór projeu wesycyjego ze zboru welu propozycj wymaga aalzy asępujących czyów:. Korzyśc z przyjęca do realzacj daego projeu. 2. Ryzya z m zwązaego. 3. Czasu, óry powoduje zmaę warośc peądza. Czy czasu

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

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

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

Teoria i metody optymalizacji

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

Bardziej szczegółowo

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej. /22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

Bardziej szczegółowo