Przedział wiarygodności wskaźnika Grahama
|
|
- Patryk Krawczyk
- 5 lat temu
- Przeglądów:
Transkrypt
1 49 Przedział wiarygodności wskaźnika Grahama Validity range of Graham index UKD : :622.81/.82 Mgr inż. Stanisław Słowik* ) Mgr inż. Lucjan Świerczek* ) Treść: W artykule omówiono właściwości wskaźnika Grahama związane z jego konstrukcją matematyczną, z której wynika, że może on podążać asymptotycznie w kierunku zera i nieskończoności. Następnie w oparciu o próbę złożoną z 2777 analiz chemicznych powietrza pobranego ze zrobów ścianowych i zza tam izolacyjnych wykazano, że dla skrajnych wartości mianownika wskaźnika Grahama obserwujemy rozbieżność pomiędzy rzeczywistym stopniem zagrożenia pożarowego a prognozowanym przez wskaźnik. Zaobserwowano, że w przypadku bardzo niskich wartości mianownika występuje tendencja do zawyżania poziomu zagrożenia przez wskaźnik, natomiast dla bardzo wysokich wartości mianownika obserwuje się tendencję odwrotną. Dlatego przeprowadzono analizę mającą na celu wyznaczenie przedziału wiarygodności wskaźnika Grahama w zależności od wartości jego mianownika. W tym celu wykorzystano odpowiednie narzędzia matematyczne dające dużą pewność co do weryfikowanych hipotez i wyznaczono przedział mianownika, dla którego można przyjąć, że wskaźnik Grahama na poziomie prawdopodobieństwa co najmniej 95% określa prawidłowo stopień zagrożenia pożarowego. Dla przypadków wykraczających poza wyznaczony przedział nie można już mieć takiej pewności. Uzyskane wnioski mogą być bardzo pomocne przy analizie i ocenie zagrożenia pożarowego w kopalniach. Abstract: This paper describes the characteristics of Graham index and its mathematical structure which shows that it can asymptotically approach zero and infinity. Based on a sample of 2777 chemical analyzes of air, taken from longwall workings as well as from behind the isolating dams, it has been shown that for the extreme values of Graham index there is a discrepancy between the actual level of fire risk and the one predicted by the indicator. It was observed that at the very low values of the denominator the Graham index overestimates the level of risk and for very high values of the denominator there is an opposite tendency. Therefore, an analysis was conducted to determine the validity range of Graham index, depending on the values of its denominator. For this purpose an appropriate mathematical tools were used that provide high reliability of the verified hypotheses. In the analysis the denominator range was calculated, for which it can be assumed at 95% probability that the rate of Graham index correctly determines the degree of fire hazard. For cases outside of the estimated range there is no certainty. The obtained results can be very helpful in the analysis and assessment of fire hazard risk in coal mines. Słowa kluczowe: górnictwo, zagrożenie pożarowe, profilaktyka, wskaźnik Grahama, przedział wiarygodności Key words: mining, fire hazard, prevention, Graham index, validity range 1. Wprowadzenie Wskaźnik Grahama jest jednym z podstawowych wyznaczników poziomu zagrożenia pożarowego występującego w miejscach niedostępnych kopalń węgla kamiennego (zroby, odizolowane wyrobiska). Zdarza się, że otrzymujemy wartości nietypowe tego wskaźnika, które nie odpowiadają poziomowi rzeczywistego zagrożenia. W przypadku wartości ujemnych * ) Główny Instytut Górnictwa, Katowice nie ma wątpliwości co do ich nietypowego charakteru. Natomiast dla wartości dodatnich wiadomo na pewno, że nietypowe przypadki występują, gdy mianownik wskaźnika Grahama jest mniejszy od 0,1% (wówczas mamy do czynienia z zawyżaniem stopnia zagrożenia pożarowego) [9]. W artykule przedstawiono metodykę wyznaczania przedziału wiarygodności wskaźnika Grahama, która polegała na przeprowadzeniu analizy wskaźnika z wykorzystaniem odpowiednich narzędzi matematycznych (testy statystyczne). To pozwoliło na wyznaczenie przedziału mianownika,
2 50 PRZEGLĄD GÓRNICZY 2015 dla którego z prawdopodobieństwem na poziomie co najmniej 95% można twierdzić, że wskaźnik Grahama jest wiarygodny. Analizę oparto na 2777-elementowej próbie złożonej z analiz chromatograficznych próbek powietrza kopalnianego pobieranych ze zrobów ścianowych lub zza tam izolacyjnych. 2. Wstęp do analizy wskaźnika Wskaźnik Grahama określony jest wzorem gdzie: CO stężenie tlenku węgla, %, N 2 stężenie azotu, %, O 2 stężenie tlenu, %., (1) Powyższy wzór można zapisać jako funkcję trzech zmiennych g = f(x, y, t) t (dla wskaźnika Grahama jest to stężenie CO) wpływa proporcjonalnie na wartość funkcji, natomiast o przebiegu funkcji decyduje wyrażenie w nawiasie, czyli Jeżeli w zależności (3) zastąpimy mianownik zmienną u, to otrzymujemy wzór na hiperbolę (równoosiową, sprzężoną) Hiperbolę taką przedstawiono na wykresie punktowym z = f(u), sporządzonym dla analizowanej próby statystycznej, przy czym dla większej przejrzystości rysunku ograniczono skalę do z 40 i u 40 (rys. 1). (2) (3) (4) Wykorzystując właściwości hiperboli w analizie wskaźnika Grahama, można stwierdzić co następuje: dla lewej części ramienia hiperboli (L) zauważa się, że kiedy mianownik dąży do zera u 0, to funkcja dąży do nieskończoności z. Oznacza to, że jeżeli mianownik wskaźnika Grahama ma bardzo niskie wartości (0,265N 2 0), to wskaźnik osiąga bardzo wysoki poziom (G ) zawyżając stopień zagrożenia. Jak już wykazano, taka sytuacja występuje na pewno dla mianownika mniejszego od 0,1% [9]. dla prawej części ramienia hiperboli (P) obserwuje się sytuację odwrotną, czyli gdy mianownik dąży do nieskończoności u, to funkcja dąży do zera z 0. Oznacza to, że jeżeli mianownik wskaźnika Grahama ma bardzo wysokie wartości (0,265N 2 ), to wskaźnik osiąga bardzo niski poziom (G 0). Mianownik wskaźnika Grahama jest uzależniony od składu atmosfery kopalnianej i nigdy nie będzie dążył do wartości nieskończonej. Jednak opierając się o zasadę symetrii i wnioski zawarte w [9] można wykazać, że dla wartości mianownika 0,1%, należącej do lewej części (L) pojawia się jego symetryczny odpowiednik dla części prawej (P) (rys. 1). Istnieje więc uzasadnione podejrzenie, że również dla dużych wartości mianownika pojawiają się nietypowe przypadki wskaźnika Grahama. Dlatego podczas dalszej analizy zwrócono szczególną uwagę na ten problem. 3. Charakterystyka próby poddanej analizie Próba statystyczna została sporządzona z 2777 elementów, które stanowiły wyniki chromatograficznych analiz powietrza kopalnianego pobranego ze zrobów ścianowych i zza tam izolacyjnych. Próba obejmowała stany: normalne, zagrożenia pożarowego i pożaru. Przeważał stan normalny, natomiast stany zagrożenia pożarowego i pożaru były proporcjonalnie mniejsze, adekwatnie do rzeczywistych warunków panujących w kopalniach. Rys. 1. Rozkład punktowy dla zależności z = 1/ (0,265N 2 ) Fig. 1. Point distribution for the formula z = 1/ (0,265N 2 )
3 51 Przeprowadzono analizę próby pod kątem wskaźnika Grahama i jego składowych ze szczególnym uwzględnieniem przedstawionych wcześniej wniosków wynikających z właściwości hiperboli. Próbę podzielono na symetryczne podpróby, wykorzystując do tego oś symetrii wyznaczoną dla hiperboli (rys. 1). Wydzielono więc dwie podpróby. Pierwsza obejmowała przedział po lewej stronie osi symetrii 0 < 0,265 N 2 1 i oznaczono ją jako L. W jej skład weszło 1166 elementów. Druga podpróba objęła przedział 1 < 0,265N 2, który odpowiada odcinkowi hiperboli po prawej stronie osi symetrii. Oznaczono ją jako P, a w jej skład weszło 1611 elementów. Podstawowe statystyki opisowe próby oraz podprób L i P przedstawiono w tabl. 1. Z przedstawionych statystyk opisowych próby wynika, że: wartość środkowa wskaźnika Grahama dla podprób L i P oraz próby jest prawie taka sama; wartość dolnego kwartyla wskaźnika Grahama dla podprób i próby są porównywalne. Podobnie jest z wartością górnego kwartyla; podpróby wykazują wyraźne zróżnicowanie wartości wskaźnika Grahama w zakresie średnich oraz maksymalnych i minimalnych w podpróbie L są one wyższe niż w podpróbie P; w przypadku CO próba i podpróby wykazują wyraźne zróżnicowanie wartości średnich, środkowych, dolnego i górnego kwartyla. W podpróbie L występują stężenia CO wyraźnie niższe niż w podpróbie P, co jest sytuacją odwrotną niż w przypadku wskaźnika Grahama. Wnioski z przeprowadzonej analizy są zbieżne z uwagami wynikającymi z właściwości hiperboli, tzn. że pojawiają się wysokie wartości wskaźnika Grahama w przedziale, gdzie występują niskie wartości CO i odwrotnie. W dalszej kolejności przeprowadzono więc szczegółową analizę próby, aby rozpoznać rozkład i kształtowanie się interesujących nas zmiennych oraz określić zakresy, w których występują nietypowe wartości wskaźnika Grahama. W tym celu próbę podzielono na przedziały. Posłużono się przy tym wynikami analizy nietypowych wartości wskaźnika Grahama przedstawionych w [9], gdzie wykazano, że wskaźnik Grahama w przedziale 0 < 0,265N 2 0,1 ma dużą tendencję do zawyżania stopnia zagrożenia pożarowego. Ten właśnie przedział przyjęto jako pierwszy dla podpróby L. Następne przedziały otrzymały taką samą szerokość, aż do wartości 0,265N 2 = 1, gdzie następuje przejście krzywej przez oś symetrii z części L na część P (rys. 1). Naszym zamiarem było zachowanie takich samych rozmiarów przedziałów podpróby P co podpróby L, dlatego zostały one wyznaczone w oparciu o symetrię. A więc symetrycznym odpowiednikiem przedziału L10 (0,9 < 0,265N 2 1,0) podpróby L będzie przedział P10 (1/1 < 0,265N 2 1/0,9) w podpróbie P, zaś przedziałowi L9 (0,8 < 0,265N 2 0,9) odpowiada przedział P9 (1/0,9 < 0,265N 2 1/0,8) itd. W tablicy 2 zestawiono odpowiadające sobie symetrycznie przedziały dla obu podprób. Tablica 2. Przedziały wyznaczone dla podrób L i P zestawione symetrycznie Table 2. Ranges designated for sub-samples L and P, symmetrically summarized Przedziały dla podpróby L: Przedziały dla podpróby P: L1: 0 < 0,265N 2 0,1 P1: 1/0,1 < 0,265N 2 L2: 0,1 < 0,265N 2 0,2 P2: 1/0,2 < 0,265N 2 1/0,1 L3: 0,2 < 0,265N 2 0,3 P3: 1/0,3 < 0,265N 2 1/0,2 L4: 0,3 < 0,265N 2 0,4 P4: 1/0,4 < 0,265N 2 1/0,3 L5: 0,4 < 0,265N 2 0,5 P5: 1/0,5 < 0,265N 2 1/0,4 L6: 0,5 < 0,265N 2 0,6 P6 1/0,6 < 0,265N 2 1/0,5 L7: 0,6 < 0,265N 2 0,7 P7: 1/0,7 < 0,265N 2 1/0,6 L8: 0,7 < 0,265N 2 0,8 P8: 1/0,8 < 0,265N 2 1/0,7 L9: 0,8 < 0,265N 2 0,9 P9: 1/0,9 < 0,265N 2 1/0,8 L10: 0,9 < 0,265N 2 1,0 P10: 1,0 < 0,265N 2 1/0,9 Wyniki statystyk podstawowych z rozbiciem na przedziały przedstawiono w tabl. 3. Natomiast interpretację graficzną wybranych zmiennych przedstawiono na rys. 2 do 5. Tablica 1. Statystyki opisowe próby statystycznej oraz podprób L i P Table 1. Descriptive statistics of the sample and sub-samples L and P Próba bez podziału na grupy Mediana Minimum Maksimum Dolny Górny Odch.std Kwartyl Kwartyl Tlen, % ,8 19,4 0,3 20,9 17,1 20,3 4,1 Azot, % ,0 79,1 1,4 97,5 77,4 79,7 9,6 Metan ,3 0,4 0,0 97,2 0,0 2,9 12,0 CO,% ,0034 0,0011 0,0001 0,0437 0,0003 0,0034 0,0060 Graham ,0018 0,0010 0, ,1143 0,0005 0,0022 0,0043 Podpróba: L Tlen, % ,9 20,4 0,3 20,9 20,1 20,7 2,7 Azot, % ,7 79,0 1,4 79,7 78,4 79,2 10,0 Metan ,1 0,2 0,0 97,2 0,0 1,1 12,5 CO,% ,0007 0,0004 0,0001 0,0054 0,0001 0,0009 0,0009 Graham ,0023 0,0010 0,0001 0,1143 0,0005 0,0020 0,0064 Podpróba: P Tlen, % ,2 17,9 0,3 20,1 15,0 19,3 4,3 Azot, % ,1 79,5 5,7 97,5 76,8 80,3 9,4 Metan ,2 0,9 0,0 92,8 0,0 4,5 11,5 CO,% ,0054 0,0024 0,0001 0,0437 0,0010 0,0066 0,0072 Graham ,0015 0,0011 0, ,0124 0,0004 0,0023 0,0015
4 52 PRZEGLĄD GÓRNICZY 2015 Tablica 3. Statystyki podstawowe lewego i prawego ramienia hiperboli z rozbiciem na przedziały Table 3. Basic statistics of the left and right arm of the hyperbole split into ranges Bez podziału na grupy Dolny Górny Mediana Minimum Maksimum Odch.std Kwartyl Kwartyl Tlen, % ,8 19,4 0,3 20,9 17,1 20,3 4,1 Azot, % ,0 79,1 1,4 97,5 77,4 79,7 9,6 Metan ,3 0,4 0,0 97,2 0,0 2,9 12,0 CO,% ,0034 0,0011 0,0001 0,0437 0,0003 0,0034 0,0060 Graham ,0018 0,0010 0,0000 0,1143 0,0005 0,0022 0,0043 przedział L1: 0 < 0,265N 2 0,1 Tlen, % 66 19,4 20,8 0,3 20,9 20,1 20,9 4,8 Azot, % 66 73,4 78,8 1,4 79,1 76,1 79,0 18,1 Metan 66 7,0 0,2 0,0 97,2 0,0 3,6 22,7 CO,% 66 0,0004 0,0002 0,0001 0,0020 0,0001 0,0006 0,0004 Graham 66 0,0153 0,0071 0,0010 0,1143 0,0027 0,0150 0,0225 przedział L2: 0,1 < 0,265N 2 0,2 Tlen, % ,0 20,8 0,5 20,8 20,7 20,8 3,6 Azot, % ,9 79,0 2,4 79,2 78,7 79,1 13,7 Metan 156 4,0 0,1 0,0 96,1 0,0 0,4 17,1 CO,% 156 0,0003 0,0002 0,0001 0,0016 0,0001 0,0003 0,0003 Graham 156 0,0019 0,0011 0,0005 0,0112 0,0006 0,0021 0,0020 przedział L3: 0,2 < 0,265N 2 0,3 Tlen, % ,3 20,7 1,0 20,8 20,6 20,7 2,1 Azot, % ,5 79,0 4,6 79,2 78,7 79,1 7,9 Metan 175 2,0 0,1 0,0 93,5 0,0 0,6 9,9 CO,% 175 0,0004 0,0002 0,0001 0,0031 0,0001 0,0004 0,0005 Graham 175 0,0015 0,0008 0,0003 0,0110 0,0004 0,0017 0,0019 przedział L4: 0,3 < 0,265N 2 0,4 Tlen, % ,3 20,6 4,3 20,7 20,5 20,6 1,5 Azot, % ,9 79,0 17,6 79,3 78,6 79,2 5,8 Metan 128 1,6 0,2 0,0 76,8 0,1 0,8 7,2 CO,% 128 0,0004 0,0002 0,0001 0,0026 0,0001 0,0004 0,0004 Graham 128 0,0011 0,0007 0,0003 0,0082 0,0003 0,0013 0,0013 przedział L5: 0,4 < 0,265N 2 0,5 Tlen, % ,9 20,5 1,1 20,6 20,4 20,6 2,6 Azot, % ,6 79,0 5,7 79,4 78,4 79,3 9,7 Metan 149 3,3 0,3 0,0 92,1 0,0 1,0 12,1 CO,% 149 0,0006 0,0003 0,0001 0,0041 0,0001 0,0007 0,0008 Graham 149 0,0014 0,0007 0,0002 0,0091 0,0003 0,0016 0,0017 przedział L6: 0,5 < 0,265N 2 0,6 Tlen, % ,7 20,4 0,3 20,5 20,2 20,5 2,8 Azot, % ,3 79,1 3,1 79,5 78,4 79,3 10,6 Metan 110 3,7 0,3 0,0 95,4 0,0 1,2 13,2 CO,% 110 0,0008 0,0005 0,0001 0,0047 0,0002 0,0011 0,0010 Graham 110 0,0015 0,0009 0,0002 0,0085 0,0004 0,0020 0,0018 przedział L7: 0,6 < 0,265N 2 0,7 Tlen, % ,7 20,3 0,6 20,5 19,7 20,4 2,3 Azot, % ,8 79,0 4,9 79,5 76,9 79,4 8,5 Metan 113 3,2 0,4 0,0 93,3 0,0 3,2 10,6 CO,% 113 0,0011 0,0007 0,0001 0,0048 0,0003 0,0015 0,0012 Graham 113 0,0018 0,0011 0,0001 0,0075 0,0005 0,0022 0,0018 przedział L8: 0,7 < 0,265N 2 0,8 Tlen, % 92 19,5 20,2 0,6 20,4 19,8 20,3 2,5 Azot, % 92 76,4 79,0 4,9 79,6 77,5 79,4 9,3 Metan 92 3,8 0,5 0,0 93,3 0,0 2,5 11,7 CO,% 92 0,0012 0,0008 0,0001 0,0054 0,0004 0,0015 0,0013 Graham 92 0,0016 0,0010 0,0001 0,0070 0,0005 0,0020 0,0017
5 53 przedział L9: 0,8 < 0,265N 2 0,9 Tlen, % 94 19,7 20,1 10,8 20,3 19,7 20,2 1,2 Azot, % 94 77,5 79,1 44,0 79,6 77,5 79,5 4,7 Metan 94 2,1 0,5 0,0 44,7 0,0 2,5 5,1 CO,% 94 0,0012 0,0010 0,0001 0,0046 0,0006 0,0015 0,0009 Graham 94 0,0014 0,0011 0,0001 0,0056 0,0007 0,0018 0,0011 przedział L10: 0,9 < 0,265N 2 1,0 Tlen, % 83 19,6 20,0 0,8 20,2 19,7 20,1 2,2 Azot, % 83 77,5 79,2 6,7 79,7 78,1 79,5 8,1 Metan 83 2,6 0,3 0,0 91,2 0,0 2,0 10,2 CO,% 83 0,0013 0,0008 0,0001 0,0048 0,0005 0,0019 0,0011 Graham 83 0,0014 0,0008 0,0001 0,0052 0,0005 0,0019 0,0012 przedział P10: 1,0 < 0,265N 2 1/0,9 Tlen, % 93 19,4 19,9 1,1 20,1 19,6 20,0 2,2 Azot, % 93 77,1 79,1 8,0 79,8 77,8 79,5 8,2 Metan 93 3,2 0,5 0,0 89,7 0,0 2,3 10,2 CO,% 93 0,0015 0,0012 0,0001 0,0062 0,0007 0,0018 0,0013 Graham 93 0,0015 0,0011 0,0001 0,0060 0,0007 0,0018 0,0012 przedział P9: 1/0,9 < 0,265N 2 1/0,8 Tlen, % ,1 19,8 0,3 20,0 19,3 19,9 2,7 Azot, % ,5 79,3 5,7 79,9 77,4 79,6 10,3 Metan 115 3,9 0,5 0,0 92,8 0,0 2,9 13,0 CO,% 115 0,0016 0,0013 0,0001 0,0063 0,0009 0,0020 0,0012 Graham 115 0,0013 0,0011 0,0001 0,0054 0,0008 0,0017 0,0010 przedział P8: 1/0,8 < 0,265N 2 1/0,7 Tlen, % ,1 19,7 6,8 19,9 19,1 19,8 1,9 Azot, % ,2 79,3 30,3 80,1 77,1 79,7 7,1 Metan 136 2,9 0,5 0,0 62,0 0,0 3,5 8,0 CO,% 136 0,0023 0,0017 0,0001 0,0076 0,0011 0,0032 0,0016 Graham 136 0,0017 0,0013 0,0001 0,0056 0,0009 0,0024 0,0012 przedział P7: 1/0,7 < 0,265N 2 1/0,6 Tlen, % ,4 19,5 0,8 19,8 18,7 19,6 3,6 Azot, % ,1 79,3 9,0 80,2 76,6 79,9 13,4 Metan 134 5,9 0,6 0,0 88,9 0,0 4,2 16,8 CO,% 134 0,0021 0,0017 0,0001 0,0068 0,0010 0,0031 0,0016 Graham 134 0,0014 0,0011 0,0001 0,0043 0,0007 0,0020 0,0010 przedział P6 1/0,6 < 0,265N 2 1/0,5 Tlen, % ,4 19,2 1,3 19,6 18,8 19,4 3,1 Azot, % ,2 79,6 11,2 80,5 78,0 79,9 11,6 Metan 136 4,7 0,3 0,0 86,3 0,0 2,6 14,4 CO,% 136 0,0028 0,0023 0,0001 0,0183 0,0014 0,0039 0,0025 Graham 136 0,0015 0,0012 0,0001 0,0096 0,0008 0,0021 0,0013 przedział P5: 1/0,5 < 0,265N 2 1/0,4 Tlen, % ,3 18,8 9,6 19,3 18,2 19,0 1,4 Azot, % ,5 79,2 44,7 80,9 77,1 80,1 5,3 Metan 151 3,3 0,7 0,0 44,9 0,0 2,8 6,8 CO,% 151 0,0039 0,0035 0,0001 0,0117 0,0015 0,0058 0,0029 Graham 151 0,0018 0,0015 0,0000 0,0050 0,0007 0,0025 0,0013 przedział P4: 1/0,4 < 0,265N 2 1/0,3 Tlen, % ,9 18,1 14,4 18,9 17,6 18,4 0,8 Azot, % ,6 79,6 65,7 81,5 77,3 80,4 3,0 Metan 170 2,3 0,9 0,0 18,7 0,0 2,8 3,7 CO,% 170 0,0060 0,0038 0,0001 0,0352 0,0012 0,0092 0,0068 Graham 170 0,0021 0,0013 0,0000 0,0124 0,0004 0,0033 0,0023 przedział P3: 1/0,3 < 0,265N 2 1/0,2 Tlen, % ,3 16,8 1,8 18,2 16,2 17,5 2,0 Azot, % ,1 79,7 21,0 82,7 77,1 80,6 7,4 Metan 242 4,9 1,1 0,0 74,6 0,0 4,6 9,6 CO,% 242 0,0071 0,0038 0,0001 0,0437 0,0011 0,0115 0,0084 Graham 242 0,0017 0,0009 0,0000 0,0106 0,0003 0,0029 0,0020
6 54 PRZEGLĄD GÓRNICZY 2015 przedział P2: 1/0,2 < 0,265N 2 1/0,1 Tlen, % ,0 14,0 2,4 16,9 11,8 15,5 3,3 Azot, % ,9 79,8 29,6 85,5 71,3 82,3 11,1 Metan 289 9,7 2,3 0,0 66,0 0,0 14,9 14,4 CO,% 289 0,0101 0,0071 0,0001 0,0402 0,0011 0,0166 0,0097 Graham 289 0,0015 0,0011 0,0000 0,0064 0,0002 0,0025 0,0014 przedział P1: 1/0,1 < 0,265N 2 Tlen, % 145 7,3 7,6 0,9 12,6 5,3 9,9 3,1 Azot, % ,0 85,5 43,9 97,5 77,3 89,0 9,1 Metan 145 6,1 2,4 0,0 51,7 0,0 10,1 8,5 CO,% 145 0,0076 0,0028 0,0001 0,0383 0,0004 0,0106 0,0100 Graham 145 0,0006 0,0002 0,0000 0,0037 0,0000 0,0010 0,0008 Rys. 2. Wartości średnie wskaźnika Grahama z zaznaczonym zakresem nieodstających dla poszczególnych przedziałów Fig. 2. Graham index mean values with the selection of not outliers range for individual intervals Rys. 3 Wartości średnie tlenu z zaznaczonym zakresem nieodstających dla poszczególnych przedziałów Fig. 3. Oxygen mean values with the selection of not outliers range for individual intervals
7 55 Rys. 4. Wartości średnie azotu z zaznaczonym zakresem nieodstających dla poszczególnych przedziałów Fig. 4. Nitrogen mean values with the selection of not outliers range for individual intervals Rys. 5. Wartości średnie CO z zaznaczonym zakresem nieodstających dla poszczególnych przedziałów Fig. 5. CO mean values with the selection of not outliers range for individual intervals Rys. 6. Wartości średnie etylenu z zaznaczonym zakresem nieodstających dla poszczególnych przedziałów Fig. 6. Ethylene mean values with the selection of not outliers range for individual intervals
8 56 PRZEGLĄD GÓRNICZY 2015 Rys. 7. Wartości średnie propylenu z zaznaczonym zakresem nieodstających dla poszczególnych przedziałów Fig. 7. Propylene mean values with the selection of not outliers range for individual intervals Rys. 8. Wartości średnie wodoru z zaznaczonym zakresem nieodstających dla poszczególnych przedziałów Fig. 8. Hydrogen mean values with the selection of not outliers range for individual intervals Z zestawienia statystyk podstawowych wskaźnika Grahama sporządzonych dla podpróby L (0 < 0,265N 2 1) wyróżnia się przedział L1 (0 < 0,265N 2 0,1) (tabl. 3). Wartość średnia wskaźnika Grahama jest tu prawie o rząd wielkości większa niż w pozostałych przedziałach. Występują również bardzo wysokie wartości nieodstające wskaźnika na tle pozostałych przedziałów (tabl. 3, rys. 2). Sugeruje to, że w przedziale L1 (0 < 0,265N 2 O 2 0,1) powinno występować najwyższe zagrożenie pożarowe związane z większością elementów tego przedziału. Jednak analiza statystyk podstawowych CO oraz węglowodorów i wodoru nie potwierdza takiego stanu stężenia tych gazów są małe, odpowiadające w większości niskiemu stopniowi zagrożenia pożarowego (tabl. 3, rys. 6, 7 i 8). Potwierdza to wnioski zawarte w [9], że w przedziale (0 < 0,265N 2 0,1) występują przypadki, dla których wskaźnik Grahama nie oddaje prawidłowo stopnia zagrożenia pożarowego, znacznie go zawyżając. W statystykach podstawowych wskaźnika Grahama w zakresie podpróby P (1 < 0,265N 2 ) wyróżnia się przedział P1 (1/0,1 < 0,265N 2 ). W tym przedziale wartość średnia wskaźnika jest około 3 razy niższa niż w przedziałach L2,, L10, P2,, P10. Występują tu również najniższe wartości wskaźnika w zakresie nieodstających. Można więc wysnuć wniosek, że w przedziale P1 (1/0,1 < 0,265N 2 ) powinno występować najniższe zagrożenie pożarowe, związane z większością elementów tego przedziału. Jednak w przedziale P1 występują: podwyższone stężenia CO, etylenu, propylenu, wodoru i azotu oraz obniżone stężenia tlenu (tabl. 3, rys. 2, 3, 4, 5, 6, 7 i 8). Takie stężenia przytoczonych gazów pojawiają się w warunkach bardzo wysokiej temperatury i braku tlenu (podczas rozpadu termicznego węgla pirolizy) [2][4]. I dla takich warunków, pomimo podwyższonych wartości CO obserwujemy obniżone wartości wskaźnika Grahama. W przedziale P1 wskaźnik Grahama sygnalizuje nam najniższe zagrożenie, co nie odpowiada rzeczywistości. Poniżej podano przykład jak wskaźnik Grahama zachowuje się w warunkach wysokiej temperatury przy postępującym spadku stężenia tlenu (tablica 4).
9 57 Tablica 4. Przykład wartości wskaźnika Grahama w warunkach spadającego stężenia tlenu i wysokiego zagrożenia pożarowego próbki pobrane zza tamy w 3 dniowych odstępach czasowych Table 4. Example of Graham index values in the conditions of decreasing oxygen concentration and high level of fire hazard - samples were taken from behind the isolation dam at 3-day intervals - Etylen ppm Propylen ppm Acetylen ppm CO ppm Tlen % Azot % CO 2 % Metan % Wodór ppm 0,265N 2 % Graham 1 dzień 29,10 4,23 5, ,25 80,23 1,10 3, ,0 6,01 0, dzień 11,30 2,25 2, ,78 57,20 1,22 36,62 196,0 10,38 0, dzień 9,46 1,86 0, ,93 63,00 1,09 32,93 6,7 13,77 0, dzień 4,81 0,81 0, ,61 66,49 1,14 29,75 3,2 15,01 0, Poszukiwanie granicznych wartości mianownika Z przedstawionej analizy wynika, że należy poszukiwać dwóch wartości granicznych mianownika, które wyznaczą przedział wiarygodności wskaźnika Grahama. Podstawą tych poszukiwań będą przedziały skrajne, w których występują wyraźnie odstające wartości wskaźnika. A więc przedział L1 (0 < 0,265N 2 0,1), gdzie wskaźnik Grahama zawyża stopień zagrożenia pożarowego i przedział P1 (1/0,1 < 0,265N 2 ), gdzie wskaźnik wykazuje zbyt niskie wartości w stosunku do poziomu zagrożenia pożarowego. Poszukiwanie granicznych wartości mianownika wskaźnika Grahama zostało zrealizowane jako porównanie dwóch sąsiednich grup (grupy obejmującej przypadki odstające z grupą sąsiednią, gdzie te przypadki zanikają). A ponieważ pomiędzy tymi grupami nie występuje skokowa granica, dlatego konieczne było zastosowanie metody, która tę granicę jak najlepiej wychwyci. Z uwagi na bardzo dużą liczność próby skorzystano z centralnego twierdzenia granicznego, które mówi, że rozkład średnich z próby zmierza do rozkładu normalnego, niezależnie od rozkładu zmiennej w populacji. Przyjęte założenie pozwala zastosować testy statystyczne, które dają dużą pewność co do weryfikowanych hipotez. Do poszukiwania granicy pomiędzy grupami wykorzystano program STATISTICA i testy różnic między średnimi z dwóch prób, z uwzględnieniem jednorodności wariancji (test t). Założono poziom istotności dla testu t równy 0,05. Czyli z prawdopodobieństwem na poziomie co najmniej 95% popełniamy błąd, odrzucając hipotezę zerową o braku różnicy między średnimi, z uwzględnieniem zmienności w grupach. Można więc przyjąć, że z prawdopodobieństwem na poziomie co najmniej 95% wyznaczone wartości graniczne będą określać przedział mianownika, gdzie wskaźnik Grahama daje dużą wiarygodność oceny zagrożenia pożarowego. Analizę różnic pomiędzy średnimi rozpoczęto od porównania podgrupy L i P. Otrzymane wyniki testów nie pozwoliły na przyjęcie hipotezy zerowej o braku różnic pomiędzy średnimi z uwzględnieniem jednorodności wariancji. Dlatego odrzucono wartości najbardziej odstające, czyli te występujące w przedziałach L1 (0 < 0,265N 2 0,1%) oraz P1 (1/0,1 < 0,265N 2 %). Po czym powtórzono testy, porównując wartości wskaźnika Grahama grupy L2 L10 z jej symetrycznym odpowiednikiem, tj. grupą P2 P10. Obliczone poziomy istotności testu Levene a oraz testu Browna i Forsythe a przekraczały 0,05 (wynosiły odpowiednio p = 0, i p = 0,133713). Natomiast wartość odpowiedniego testu t dla jednorodnych wariancji wynosiła t = - 1,701, a odpowiadający mu poziom istotności p = 0,089 (tabl. 5). Otrzymane wyniki pozwalają stwierdzić, że spełnione jest założenie o jednorodności wariancji i nie można odrzucić hipotezy zerowej, która mówi o równości średnich wskaźnika Grahama w obu grupach. Daje nam to podstawę do tego, aby poszukiwać granicznej wartości mianownika wskaźnika, wykorzystując przedziały L1 i P1, w których występują wartości zauważalnie odstające Granica lewostronna W przypadku granicy lewostronnej mianownika wskaźnika Grahama obserwuje się, że im bardziej jego wartość zbliża się do zera, tym większa jest rozbieżność pomiędzy poziomem wskaźnika Grahama a rzeczywistym stanem zagrożenia pożarowego. Rozbieżności takie na pewno występują w przedziale L1. Dlatego sposób poszukiwania wartości granicznej mianownika polegał na tym, że przedział L1 był przesuwany krokowo w kierunku wyższych wartości. Działanie takie miało na celu wyrównanie różnic pomiędzy porównywanymi grupami przez odrzucanie najbardziej zawyżonych wartości i dobieranie wartości zbliżających się do typowych. Przyjęto, że wskaźniki Grahama z przedziału L1 będą porównywane ze wskaźnikami: aupy obejmującej przedziały L2 L10 + P2 P10; bupy obejmującej przedziały L2 L10 (zawężona do lewej części ramienia hiperboli); cupy przedziału sąsiadującego, czyli L Test t na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału L1 a przedziału (L2 L10 + P2 P10) Postępowano w sposób następujący: jeżeli wykonane testy t dla prób niezależnych wykazały, że nie można przyjąć Tablica 5. dla prób niezależnych. Porównanie wskaźnika Grahama podgrupy lewego i prawego ramienia hiperboli przy odrzuceniu przedziałów skrajnych L1 i P1 Table 5. T-tests for the independent samples. The comparison of Graham index subgroup of the left and right arm of hyperbole rejecting the extreme ranges L1 and P1 : od L2 do L10 : od P2 do P10 lewe prawe t df p t oddz. est. war. df p dwustr. Graham 0,0015 0,0016-1, ,089-1, ,61 0,093
10 58 PRZEGLĄD GÓRNICZY 2015 hipotezy zerowej, która mówi o równości średnich wskaźnika Grahama dla obu grup, to przesuwano skrajny przedział (L1) z zachowaniem jego rozpiętości oraz odpowiednio skracano drugą grupę (L2 L10 + P2 P10). Postępowano tak aż do momentu uzyskania potwierdzenia, że nie występują różnice w wartościach średnich obu grup, z uwzględnieniem zmienności w grupach (jednorodności wariancji). Ostatni negatywny wynik testu t przyjmowano za wartość graniczną mianownika, od której wskaźnik Grahama nie odzwierciedla prawidłowo stanu zagrożenia pożarowego (w tym przypadku zawyża poziom zagrożenia). Np. pierwszą analizę wykonano porównując przedziały: L1 (0,0 < 0,265N 2 0,100) i L2 L10 + P2 P10 (0,100 < 0,265N 2 1/0,1). Następnie granica była przesuwana o 0,001 z zachowaniem dla grupy L1 rozpiętości 0,1. A więc następną analizą było porównanie grup: L1 (0,001 < 0,265N 2 0,101) i L2 L10 + P2 P10 (0,101 < 0,265N 2 1/0,1). Postępowano w ten sposób do momentu, aż uzyskano potwierdzenie na poziomie prawdopodobieństwa równym 95%, że pomiędzy grupami nie występują istotne różnice. Wyniki uzyskane dla pierwszej i ostatnich analiz przedstawiono w tablicy 6. Otrzymane wyniki dają podstawę do stwierdzenia, że nie można odrzucić hipotezy zerowej, która mówi o braku różnic pomiędzy średnimi wartościami wskaźnika Grahama w przypadku porównania grup (0,112 < 0,265N 2 0,212) i (0,212 < 0,265N 2 1/0,1). W oparciu o to stwierdzenie możemy więc przyjąć, że z prawdopodobieństwem co najmniej 95% wskaźnik Grahama daje dużą wiarygodność oceny zagrożenia pożarowego w przedziale mianownika powyżej lewostronnej wartości granicznej równej (0,265N 2 O 2 = 0,211 (tabl. 6) Test t na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału L1 a przedziału (L2 L10) Postępowano analogicznie jak w poprzednim punkcie, przy czym pierwszą analizę wykonano porównując przedziały: L1 (0,0 < 0,265N 2 0,100) i L2 L10 (0,100 < 0,265N 2 1,0). Następnie granica pomiędzy grupami była przesuwana z zachowaniem rozpiętości przedziału L1 równej 0,1 aż do potwierdzenia na poziomie prawdopodobieństwa 95% braku różnic pomiędzy średnimi. Wyniki dla pierwszej i ostatnich analiz przedstawiono w tablicy 7. Dla tego sposobu analizy możemy przyjąć, że wskaźnik Grahama daje dużą wiarygodność oceny zagrożenia pożarowego w przedziale mianownika powyżej lewostronnej wartości granicznej równej (0,265N 2 = 0,216 (tabl. 7) Test t na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału L1 a przedziału L2 Postępowano analogicznie do poprzednich punktów, przy czym pierwszą analizę wykonano porównując grupę L1 (0,0 < 0,265N 2 0,100) z L2 (0,100 < 0,265N 2 0,200). Następnie obie grupy były przesuwane z zachowaniem stałej rozpiętości każdego z przedziałów, równej 0,1. Wyniki dla pierwszej i ostatnich analiz przedstawiono w tablicy 8. Tablica 6. Wyniki testów t dla prób niezależnych na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału L1 a przedziału (L2 L10 + P2 P10) Table 6. The results of t-tests for independent samples in the presence of significant differences between the Graham index in range L1 and range (L2 L10 + P2 P10) t df p, (L1): (0,0 <0,265N 2 0,10), (L2 L10+P2 P10): (0,10 <0,265N 2 1/0,1) Graham , , , , (L1): (0,111 <0,265N 2 0,211), (L2 L10+P2 P10): (0,211 <0,265N 2 1/0,1) Graham , , , ,046944, (L1): (0,112 <0,265N 2 0,212), (L2 L10+P2 P10): (0,212 <0,265N 2 1/0,1) Graham , , , , Tablica 7. Wyniki testów t dla prób niezależnych na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału L1 a przedziału (L2 L10) Table 7. The results of t-tests for independent samples in the presence of significant differences between the Graham index in range L1 and range (L2 L10) t df p, (L1): (0,0 <0,265N 2 0,10), (L2 L10): (0,10 <0,265N 2 1,0) Graham ,0153 0, , , (L1): (0,116 <0,265N 2 0,216), (L2 L10): (0,216 <0,265N 2 1,0) Graham ,0018 0,0015 2, ,019, (L1): (0,117 <0,265N 2 0,217), (L2 L10): (0,217 <0,265N 2 1,0) Graham ,0017 0,0015 1, ,051
11 59 Tablica 8. Wyniki testów t dla prób niezależnych na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału L1 a grupą przedziału sąsiadującego L2 Table 8. The results of t-tests for independent samples in the presence of significant differences between the Graham index in range L1 and adjacent range L2 Dla tego sposobu analizy możemy przyjąć, że wskaźnik Grahama daje dużą wiarygodność oceny zagrożenia pożarowego w przedziale mianownika powyżej lewostronnej wartości granicznej równej (0,265N 2 = 0,193 (tabl. 8). Przeprowadzone testy wskazują na to, że przedział, w którym zawiera się wartość graniczna mianownika wskaźnika Grahama jest bardzo wąski. Można to zaobserwować po tym, jak mocno spada prawdopodobieństwo wraz z obniżaniem się wartości mianownika (niezależnie od obranej metody jego wyznaczania). Np. zmniejszenie wartości mianownika o 0,001 powoduje, że obliczone prawdopodobieństwo jest już poniżej wymaganego poziomu p = 0,05 (tabl. 6, 7 i 8). A więc odpowiednio zaokrąglając którykolwiek z otrzymanych wyników spowodujemy, że uzyskana wartość będzie zawierać przedział, w którym występują wszystkie obliczone graniczne wartości mianownika, tj. wg każdej z trzech zastosowanych metod. W wyniku przeprowadzonych analiz otrzymano dla lewej strony mianownika wskaźnika Grahama trzy wartości graniczne, które są bardzo zbliżone: 0,193; 0,211 oraz 0,216 i średnio równe 0,207. Warto w tym miejscu zauważyć, że w górnictwie australijskim funkcjonuje zasada, według której, jeżeli wartość mianownika wskaźnika Grahama wynosi poniżej 0,2, to obliczony wskaźnik jest niemiarodajny [3]. Wartość ta jest zbliżona do wyznaczonych przez nas wartości granicznych oraz ich średniej Granica prawostronna t df p, (L1): 0,0 <0,265N 2 0,10, (L2): (0,10 <0,265N 2 0,20) Graham , , , , (L1): 0,093 <0,265N 2 0,193, (L2): (0,193 <0,265N 2 0,293) Graham , , , ,036878, (L1): 0,094 <0,265N 2 0,194, (L2): (0,194 <0,265N 2 0,294) Graham , , , , Granicę prawostronną mianownika wskaźnika Grahama poszukiwano analogicznie jak w przypadku granicy lewostronnej, tj. wykonując trzy warianty testów t, gdzie wskaźniki Grahama z przedziału P1 porównywano ze wskaźnikami: dupy obejmującej przedziały L2 L10 + P2 P10; eupy obejmującej przedziały P2 P10; fupy przedziału sąsiadującego, czyli P Test t na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału P1 a przedziału (L2 L10 + P2 P10) Postępowano analogicznie do poprzednich punktów, przy czym pierwszą analizę wykonano porównując grupę P1 (1/0,1 < 0,265N 2 ) z grupą L2 L10 + P2 P10 (0,100 < 0,265N 2 1/0,1). Następnie grupa P1 była przesuwana z zachowaniem swojej rozpiętości zaś grupa L2 L10 + P2 P10 była odpowiednio skracana. Wyniki dla pierwszej i ostatnich analiz przedstawiono w tablicy 9. W oparciu o otrzymane wyniki testów możemy przyjąć, że z prawdopodobieństwem na poziomie co najmniej 95% wskaźnik Grahama daje dużą wiarygodność oceny zagrożenia pożarowego w przedziale mianownika poniżej prawostronnej wartości granicznej równej (0,265N 2 = 1/0,172 = 5,81 (tabl. 9) Test t na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału P1 a przedziału (P2 P10) Postępowano analogicznie do poprzednich przypadków, wyniki dla pierwszej i ostatnich analiz przedstawiono w tablicy 10. W oparciu o otrzymane wyniki testów możemy przyjąć, że z prawdopodobieństwem na poziomie co najmniej 95% wskaźnik Grahama daje dużą wiarygodność oceny zagrożenia Tablica 9. Wyniki testów t dla prób niezależnych na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału P1 a przedziału (L2 L10 + P2 P10) Table 9. The results of t-tests for independent samples in the presence of significant differences between the Graham index in range P1 and range (L2 L10 + P2 P10) t df p, (L2 L10 + P2 P10): (0,10 < 0,265N 2 1/0,10), (P1): (1/0,10 <0,265N 2 ) Graham , , , , , (L2 L10 + P2 P10): (0,100 < 0,265N 2 1/0,172), (P1): (1/0,172 <0,265N 2 1/0,072) Graham , , , ,047355, (L2 L10 + P2 P10): (0,100 < 0,265N 2 1/0,175), (P1): (1/0,175 <0,265N 2 1/0,075) Graham , , , ,095978
12 60 PRZEGLĄD GÓRNICZY 2015 Tablica 10. Wyniki testów t dla prób niezależnych na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału P1 a przedziału (P2 P10) Table 10. The results of t-tests for independent samples in the presence of significant differences between the Graham index in range P1 and range (P2 P10) t df p, (P2 P10): (1 < 0,265N 2 1/0,10), (P1): (1/0,10 <0,265N 2 ) Graham , , , , , (P2 P10): (1 < 0,265N 2 1/0,179), (P1): (1/0,179 <0,265N 2 1/0,079) Graham , , , ,041347, (P2 P10): (1 < 0,265N 2 1/0,181), (P1): (1/0,181 <0,265N 2 1/0,081) Graham , , , , pożarowego w przedziale mianownika poniżej prawostronnej wartości granicznej równej (0,265N 2 = 1/0,179 = 5,59 (tabl. 10) Test t na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału P1 a przedziału P2 Postępowano analogicznie do poprzednich punktów, zaś wyniki uzyskane dla pierwszej i ostatnich analiz przedstawiono w tablicy 11. W oparciu o otrzymane wyniki testów możemy przyjąć, że z prawdopodobieństwem na poziomie co najmniej 95% wskaźnik Grahama daje dużą wiarygodność oceny zagrożenia pożarowego w przedziale mianownika poniżej prawostronnej wartości granicznej równej (0,265N 2 = 1/0,172 = 5,81 (tabl. 11). W wyniku przeprowadzonych analiz otrzymano dla prawej strony mianownika wskaźnika Grahama trzy wartości graniczne: 5,81; 5,59 oraz 5,81, które są średnio równe 5,7. 5. Podsumowanie Wiarygodność przeprowadzonej analizy oparto na elementowej próbie złożonej z analiz chromatograficznych próbek powietrza kopalnianego pobieranych ze zrobów ścianowych lub zza tam izolacyjnych. Wykazano, że wskaźnik Grahama G rozpatrywany jako zależność względem mianownika jest zbiorem hiperboli różnicowanych przez mnożnik CO,, gdzie: u = (0,265N 2 ). W oparciu o takie założenie przeprowadzono dokładną analizę próby w zakresie interesujących nas zmiennych i stwierdzono, że zarówno z lewej jak i prawej strony przedziału mianownika wskaźnika Grahama pojawiają się wyraźnie odstające wartości tego wskaźnika, które nie oddają prawidłowo stopnia zagrożenia pożarowego. Poszukiwano dwóch wartości granicznych mianownika, które będą wyznaczać przedział wiarygodności wskaźnika Grahama. Wykorzystano w tym celu testy t dla prób niezależnych, które dają dużą pewność co do weryfikowanych hipotez (poziom istotności przyjęto równy 0,05). Ustalono, że graniczna wartość mianownika wskaźnika Grahama wynosi: dla lewej strony (0,265N 2 = 0,2; dla prawej strony (0,265N 2 = 5,7. W przedziale lewostronnym, czyli dla wartości mianownika (0,265N 2 0,2, obserwujemy próbki charakteryzujące się zawartością tlenu: od 10,2% do 20,9% (średnia 20,6%, mediana 20,8%), azotu: od 39% do 79,2% (średnia 78,2%, mediana 79,0%), CO 2 : od 0,1% do 0,9% (średnia 0,1%, mediana 0,1%), CH 4 : od 0,0% do 48,0% (średnia 1,1%, mediana 0,1%). Można zauważyć, że zdecydowanie przeważają tu próbki z wysoką zawartością tlenu, niską zawartością CO 2 i metanu. Dlatego zawyżanie stopnia zagrożenia pożarowego przez wskaźnik Grahama najczęściej występuje w przypadku próbek pobranych z miejsc niedostępnych i jednocześnie dobrze przewietrzanych, np. ze zrobów ścian o dużej intensywności przewietrzania lub zza nieszczelnych tam izolacyjnych, w których dodatkowo różnica potencjałów wywołuje wciąganie powietrza za tamę. Wartość mianownika (0,265N 2 0,2 może też być skutkiem niedokładnie pobranej próbki powietrza do analizy. Tablica 11. Wyniki testów t dla prób niezależnych na występowanie istotnych różnic pomiędzy wskaźnikiem Grahama przedziału P1 a przedziału P2 Table 11. Results of t-tests for independent samples in the presence of significant differences between the Graham index in range P1 and range P2 t df p, (P2): (1/0,20 < 0,265N 2 1/0,10), (P1): (1/0,10 <0,265N 2 ) Graham , , , , , (P2): (1/0,272 < 0,265N 2 1/0,172), (P1): (1/0,172 <0,265N 2 1/0,072) Graham , , , ,035705, P2 (P10): (1/0,275 < 0,265N 2 1/0,175), (P10): (1/0,175 <0,265N 2 1/0,075) Graham , , , ,092487
13 61 W przedziale prawostronnym, czyli dla wartości mianownika (0,265N 2 5,7, obserwujemy próbki charakteryzujące się zawartością tlenu: od 0,9% do 16,3% (średnia 10,3%, mediana 10,9%), azotu: od 45,6% do 97,5% (średnia 78,7%, mediana 81,1%), CO 2 : od 0,1% do 10,3% (średnia 2,8%, mediana 2,1%), CH 4 : od 0,0% do 46,7% (średnia 7,8%, mediana 2,4%). W tym przedziale zdecydowanie przeważają próbki z niską zawartością tlenu oraz zwiększoną zawartością azotu, CO 2 i metanu. Dlatego przypadki zaniżania stopnia zagrożenia pożarowego przez wskaźnik Grahama obserwuje się najczęściej dla próbek pobieranych z głębokich zrobów, z rurociągów odmetanowania, zza tam izolacyjnych, a szczególnie w przypadkach stosowania inertyzacji zrobów azotem lub dwutlenkiem węgla. Przypadki niepoprawnej oceny poziomu zagrożenia pożarem endogenicznym przez wskaźnik Grahama zostały przedstawione m.in. w [5] i [13]. Wskazano, że metan niezwiązany z reakcją utleniania, który dopływa z jakiegoś zbiornika do miejsca pobierania próbek gazowych poddawanych analizie, fałszuje wartość wskaźnika [5]. Za fałszowanie wartości wskaźnika Grahama odpowiada też dopływ do miejsca pobierania próbki azotu stosowanego do inertyzacji [13]. Występujące nieprawidłowości spowodowały, że w górnictwie światowym przyjmuje się różne ograniczenia w stosowaniu wskaźnika Grahama, zazwyczaj odnoszą się one do dolnego przedziału mianownika wskaźnika Grahama [3], [7]. Przyczyn nieprawidłowej oceny stopnia zagrożenia pożarowego na podstawie wartości wskaźnika Grahama poszukuje się głównie w sposobie określania ubytku tlenu [1]. Jednak, jak podano w [9], nie rozwiązuje to problemu. W artykule wykazano, że nieprawidłowa ocena stopnia zagrożenia pożarowego w oparciu o wskaźnik Grahama związana jest z mianownikiem, czyli ubytkiem tlenu, ale wynika głównie z konstrukcji matematycznej wzoru służącego do obliczania tego wskaźnika. W związku z tym niezależnie od tego, czy na skład pobieranej próbki powietrza będą oddziaływać gazy inertne (azot, CO 2 ), metan, czy inne czynniki, to jeżeli mianownik znajdzie się w przedziale o niskiej wiarygodności, wówczas wskaźnik Grahama nie będzie prawidłowo oddawał poziomu zagrożenia pożarowego. Wyprowadzony zakres wiarygodności wskaźnika Grahama może być pomocny m.in. przy obserwacji zagrożenia pożarowego podczas inertyzacji, po otamowaniu wyrobisk oraz przy ocenie prawidłowości pobierania próbek gazowych. W oparciu o przeprowadzoną analizę sformułowano następujący wniosek: Jeżeli wartości mianownika wskaźnika Grahama zawierają się w przedziale 0,2 < 0,265N 2 < 5,7, to wskaźnik Grahama cechuje się dużą wiarygodnością i można przyjąć, że na poziomie prawdopodobieństwa co najmniej 95% przedstawia prawidłowo stopień zagrożenia pożarowego. W pozostałych przypadkach nie można już mieć takiej pewności, dlatego wskazane jest wówczas, aby korzystać z innych kryteriów określania stopnia zagrożenia pożarowego (np. z precyzyjnej analizy chromatograficznej próbek powietrza kopalnianego). Literatura 1. Brady, D.: Problems with Determining Oxygen Deficiencies in Ratios Used for Assessing Spontaneous Combustion Activity in Aziz. Coal Operators Conference, University of Wollongong & the Australasian Institute of Mining and Metallurgy, 2008, , Coal Cygankiewicz J.: Ocena rozwoju ognisk samozagrzewania na podstawie precyzyjnej analizy chemicznej prób powietrza kopalnianego. Prace Naukowe Głównego Instytutu Górnictwa 1996, Nr Cygankiewicz J., Gapiński D.: Analiza metod oceny zagrożenia pożarami endogenicznymi przyjętych w górnictwie polskim na tle rozwiązań stosowanych w innych krajach. Zagrożenia aerologiczne w kopalniach węgla kamiennego profilaktyka, zwalczanie, modelowanie, monitoring, str , Cygankiewicz J., Krause E.: Kryteria warunkujące bezpieczeństwo prowadzenia eksploatacji w pokładach silnie metanowych i zagrożonych pożarami endogenicznymi, na przykładzie ściany nr 9 w pokładzie 405/2 w kopalni Sośnica. Prace Naukowe GIG. Górnictwo i Środowisko 2005, Nr Lasek S., Stacha G., Trenczek S.: Doświadczenia uzyskane w trakcie eksploatacji ściany 3J w pokładzie 502 partii J w KWK Śląsk w zakresie wpływu zagrożenia tąpaniami na eskalację zagrożenia metanowego. Materiały 2 Szkoły Aerologii Górniczej. Zakopane 7-10 października Wyd. Sekcja Aerologii Górniczej Komitetu Górnictwa PAN, Kraków 2002, str Luszniewicz A., Słaby T.: Statystyka z pakietem komputerowym STATISTICA PL. Teoria i zastosowania. Wydawnictwo C.H. Beck, Mackenzie-Wood P., Strang J.: Fire gases and their interpretation. The Mining Engineer, June Mazur M.: Systemy ochrony powietrza. Wydawnictwa Naukowo- Dydaktyczne, Kraków. 9. Słowik S., Świerczek L.: Ujemne i zawyżone wartości wskaźnika Grahama. Przegląd Górniczy 2014, Nr Wacławik J., Cygankiewicz J., Branny M.: Niektóre zagadnienia pożarów endogenicznych. Biblioteka szkoły eksploatacji podziemnej, Paca zbiorowa: Poradnik Górnika t.3, str Rozporządzenie Ministra Gospodarki z dnia 28 czerwca 2002 r. w sprawie bezpieczeństwa i higieny pracy, prowadzenia ruchu oraz specjalistycznego zabezpieczenia przeciwpożarowego w podziemnych zakładach górniczych wraz z późniejszymi zmianami. 13. Trenczek S.: Ocena stanu zagrożenia pożarem endogenicznym, na podstawie temperatury zrobów wyznaczonej metodą gazów istotnych. Zeszyty Naukowe Politechniki Śląskiej, seria Górnictwo 2003, z. 258.
Ujemne i zawyżone wartości wskaźnika Grahama
98 PRZEGLĄD GÓRNICZY 2014 UKD 622.333: 622.81/.82: 622.616-048 Ujemne i zawyżone wartości wskaźnika Grahama Negative and overestimated values of Graham s index mgr inż. Stanisław Słowik* ) mgr inż. Lucjan
Statystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Wykorzystanie testu Levene a i testu Browna-Forsythe a w badaniach jednorodności wariancji
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 4/18/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.4.48 WIESŁAWA MALSKA Wykorzystanie testu Levene a i testu Browna-Forsythe
Zadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI
14 BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI 14.1 WSTĘP Ogólne wymagania prawne dotyczące przy pracy określają m.in. przepisy
LABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej
LABORATORIUM 3 Przygotowanie pliku (nazwy zmiennych, export plików.xlsx, selekcja przypadków); Graficzna prezentacja danych: Histogramy (skategoryzowane) i 3-wymiarowe; Wykresy ramka wąsy; Wykresy powierzchniowe;
Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym
Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne
Uwagi na temat stosowania gazów obojętnych (azotu, dwutlenku węgla) do gaszenia pożaru w otamowanym polu rejony wydobywczego
253 Prace Instytutu Mechaniki Górotworu PAN Tom 12, nr 1-4, (2010), s. 253-259 Instytut Mechaniki Górotworu PAN Uwagi na temat stosowania gazów obojętnych (azotu, dwutlenku węgla) do gaszenia pożaru w
Wykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Wykład 5: Statystyki opisowe (część 2)
Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Testowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.
STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z
Testy nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej.
Temat: WYKRYWANIE ODCHYLEO W DANYCH Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Przykładem Box Plot wygodną metodą
-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak
Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia
Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa.
Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Paweł Strawiński Uniwersytet Warszawski Wydział Nauk Ekonomicznych 16 stycznia 2006 Streszczenie W artykule analizowane są właściwości
Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza
Weryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Badania zróżnicowania ryzyka wypadków przy pracy na przykładzie analizy bezwzględnej i wskaźnikowej dla branży górnictwa i Polski
35 UKD 622.86/.88:001.891.3:331.46 Dr inż. Marcin Krause* ) Badania zróżnicowania ryzyka wypadków przy pracy na przykładzie analizy bezwzględnej i wskaźnikowej dla branży górnictwa i Polski Research of
Analizy wariancji ANOVA (analysis of variance)
ANOVA Analizy wariancji ANOVA (analysis of variance) jest to metoda równoczesnego badania istotności różnic między wieloma średnimi z prób pochodzących z wielu populacji (grup). Model jednoczynnikowy analiza
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Analiza statystyczna. Ogólne własności funkcji. Funkcja liniowa. Równania i nierówności liniowe
Analiza statystyczna Ogólne własności funkcji. Funkcja liniowa. Równania i nierówności liniowe Dokument zawiera opracowanie wyników analizy statystycznej e-sprawdzianu Edyta Landkauf, Zdzisław Porosiński
Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Rozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Pomiary urodzeń według płci noworodka i województwa.podział na miasto i wieś.
Pomiary urodzeń według płci noworodka i województwa.podział na miasto i wieś. Województwo Urodzenia według płci noworodka i województwa. ; Rok 2008; POLSKA Ogółem Miasta Wieś Pozamałżeńskie- Miasta Pozamałżeńskie-
Testowanie hipotez statystycznych
Agenda Instytut Matematyki Politechniki Łódzkiej 2 stycznia 2012 Agenda Agenda 1 Wprowadzenie Agenda 2 Hipoteza oraz błędy I i II rodzaju Hipoteza alternatywna Statystyka testowa Zbiór krytyczny Poziom
VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41
Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna
Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 3
Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 3 Konrad Miziński, nr albumu 233703 26 maja 2015 Zadanie 1 Wartość krytyczna c, niezbędna wyliczenia mocy testu (1 β) wyznaczono za
Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka
Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Prawdopodobieństwo i rozkład normalny cd.
# # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl
Wykład 9 Wnioskowanie o średnich
Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i
1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe
Zjazd 7. SGGW, dn. 28.11.10 r. Matematyka i statystyka matematyczna Tematy 1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe nna Rajfura 1 Zagadnienia Przykład porównania wielu obiektów w
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem
Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4
Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Konrad Miziński, nr albumu 233703 31 maja 2015 Zadanie 1 Wartości oczekiwane µ 1 i µ 2 oszacowano wg wzorów: { µ1 = 0.43925 µ = X
Wybrane statystyki nieparametryczne. Selected Nonparametric Statistics
Wydawnictwo UR 2017 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 2/20/2017 www.eti.rzeszow.pl DOI: 10.15584/eti.2017.2.13 WIESŁAWA MALSKA Wybrane statystyki nieparametryczne Selected
NAPRĘŻENIA ŚCISKAJĄCE PRZY 10% ODKSZTAŁCENIU WZGLĘDNYM PRÓBEK NORMOWYCH POBRANYCH Z PŁYT EPS O RÓŻNEJ GRUBOŚCI
PRACE INSTYTUTU TECHNIKI BUDOWLANEJ - KWARTALNIK 1 (145) 2008 BUILDING RESEARCH INSTITUTE - QUARTERLY No 1 (145) 2008 Zbigniew Owczarek* NAPRĘŻENIA ŚCISKAJĄCE PRZY 10% ODKSZTAŁCENIU WZGLĘDNYM PRÓBEK NORMOWYCH
Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28
Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych
Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Test zgodności i analiza wariancji Analiza wariancji Test zgodności Chi-kwadrat Sprawdza się za jego pomocą ZGODNOŚĆ ROZKŁADU EMPIRYCZNEGO Z PRÓBY Z ROZKŁADEM HIPOTETYCZNYM
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Statystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Uwaga. Decyzje brzmią różnie! Testy parametryczne dotyczące nieznanej wartości
TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu, z którego pochodzi próbka. Hipotezy dzielimy na parametryczne i nieparametryczne. Parametrycznymi
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Pobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Statystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 Anna Skowrońska-Szmer lato 2016/2017 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją jako prawdziwą
ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x
ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych
Jednoczynnikowa analiza wariancji
Jednoczynnikowa analiza wariancji Zmienna zależna ilościowa, numeryczna Zmienna niezależna grupująca (dzieli próbę na więcej niż dwie grupy), nominalna zmienną wyrażoną tekstem należy w SPSS przerekodować
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Testowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Statystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40
Statystyka Wykład 5 Magdalena Alama-Bućko 26 marca 2018 Magdalena Alama-Bućko Statystyka 26 marca 2018 1 / 40 Uwaga Gdy współczynnik zmienności jest większy niż 70%, czyli V s = s x 100% > 70% (co świadczy
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4 Inne układy doświadczalne 1) Układ losowanych bloków Stosujemy, gdy podejrzewamy, że może występować systematyczna zmienność między powtórzeniami np. - zmienność
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Podstawowe definicje statystyczne
Podstawowe definicje statystyczne 1. Definicje podstawowych wskaźników statystycznych Do opisu wyników surowych (w punktach, w skali procentowej) stosuje się następujące wskaźniki statystyczne: wynik minimalny
ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.
Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej
Przykład 1. (A. Łomnicki)
Plan wykładu: 1. Wariancje wewnątrz grup i między grupami do czego prowadzi ich ocena 2. Rozkład F 3. Analiza wariancji jako metoda badań założenia, etapy postępowania 4. Dwie klasyfikacje a dwa modele
Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Statystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy
Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6 Metody sprawdzania założeń w analizie wariancji: -Sprawdzanie równości (jednorodności) wariancji testy: - Cochrana - Hartleya - Bartletta -Sprawdzanie zgodności
TESTOWANIE HIPOTEZ STATYSTYCZNYCH
TETOWANIE HIPOTEZ TATYTYCZNYCH HIPOTEZA TATYTYCZNA przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia jest oceniana na
ZASTOSOWANIE GÓRNICZEJ CHŁODZIARKI AZOTU (GCA) JAKO DODATKOWEGO ELEMENTU PROFILAKTYKI POŻAROWEJ W KWK JANKOWICE
47 ZASTOSOWANIE GÓRNICZEJ CHŁODZIARKI AZOTU (GCA) JAKO DODATKOWEGO ELEMENTU PROFILAKTYKI POŻAROWEJ W KWK JANKOWICE 47.1 WSTĘP Wytwornice azotu dla celów profilaktyki ppoż. w KWK Jankowice stosowane są
Metody Statystyczne. Metody Statystyczne
#7 1 Czy straszenie jest bardziej skuteczne niż zachęcanie? Przykład 5.2. s.197 Grupa straszona: 8,5,8,7 M 1 =7 Grupa zachęcana: 1, 1, 2,4 M 2 =2 Średnia ogólna M=(M1+M2)/2= 4,5 Wnioskowanie statystyczne
Analiza wariancji. dr Janusz Górczyński
Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik
SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY
SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY
STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2
STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;
Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia:
Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia: www.srk.com.pl Bytom: Wykonanie analiz powietrza kopalnianego oraz pomiarów zawartości części niepalnych
WNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu
Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów
b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:
ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
ZAGROŻENIA GAZOWE CENTRALNA STACJA RATOWNICTWA GÓRNICZEGO G
CENTRALNA STACJA RATOWNICTWA GÓRNICZEGO 41-902 Bytom, ul. Chorzowska 25, tel.: 032 282 25 25 www.csrg.bytom.pl e-mail: info@csrg.bytom.pl ZAGROŻENIA GAZOWE Powietrze atmosferyczne: 78,08% azot 20,95% tlen
Metody Statystyczne. Metody Statystyczne.
gkrol@wz.uw.edu.pl #4 1 Sprawdzian! 5 listopada (ok. 45-60 minut): - Skale pomiarowe - Zmienne ciągłe i dyskretne - Rozkład teoretyczny i empiryczny - Miary tendencji centralnej i rozproszenia - Standaryzacja
weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
STATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech
TATYTYKA wykład 8 Wnioskowanie Weryfikacja hipotez Wanda Olech Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Statystyka. Opisowa analiza zjawisk masowych
Statystyka Opisowa analiza zjawisk masowych Typy rozkładów empirycznych jednej zmiennej Rozkładem empirycznym zmiennej nazywamy przyporządkowanie kolejnym wartościom zmiennej (x i ) odpowiadających im
Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.
Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde
STATYSTYKA wykład 5-6
TATYTYKA wykład 5-6 Twierdzenia graniczne Rozkłady statystyk z próby Wanda Olech Twierdzenia graniczne Jeżeli rozpatrujemy ciąg zmiennych losowych {X ; X ;...; X n }, to zdarza się, że ich rozkłady przy
Miary statystyczne w badaniach pedagogicznych
Miary statystyczne w badaniach pedagogicznych Szeregi statystyczne Szczegółowy - gdzie materiał uporządkowany jest rosnąco lub malejąco Rozdzielczy - gdzie poszczególnym wariantom zmiennej przyporządkowane
Szkice rozwiązań z R:
Szkice rozwiązań z R: Zadanie 1. Założono doświadczenie farmakologiczne. Obserwowano przyrost wagi ciała (przyrost [gram]) przy zadanych dawkach trzech preparatów (dawka.a, dawka.b, dawka.c). Obiektami
Próba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego
Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Współczynnik korelacji opisuje siłę i kierunek związku. Jest miarą symetryczną. Im wyższa korelacja tym lepiej potrafimy
Wykład 2. Statystyka opisowa - Miary rozkładu: Miary położenia
Wykład 2 Statystyka opisowa - Miary rozkładu: Miary położenia Podział miar Miary położenia (measures of location): 1. Miary tendencji centralnej (measures of central tendency, averages): Średnia arytmetyczna
STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Analiza wariancji - ANOVA
Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu
PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Estymacja parametrów w modelu normalnym
Estymacja parametrów w modelu normalnym dr Mariusz Grządziel 6 kwietnia 2009 Model normalny Przez model normalny będziemy rozumieć rodzine rozkładów normalnych N(µ, σ), µ R, σ > 0. Z Centralnego Twierdzenia