Zgodność teoretycznych i rzeczywistych warunków ogrzewania budynków edukacyjnych
|
|
- Przybysław Górski
- 8 lat temu
- Przeglądów:
Transkrypt
1 Zgodność teoretycznych i rzeczywistych warunków ogrzewania budynków edukacyjnych W niniejszym artykule szczególną uwagę poświecono zagadnieniu zgodności teoretycznych i rzeczywistych warunków ogrzewania budynków edukacyjnych w analizie współzależności teoretycznej wielkości mocy szczytowej q i rzeczywistego sezonowego zużycia ciepła Q dla miejskiej zbiorowości budynków edukacyjnych. Podjęta próba interpretacji wyników tej analizy, stwarza możliwości jej metodologicznego zastosowania przy badaniach Innych zbiorowości budynków. W wielu dziedzinach techniki często występującym problemem jest stopień zgodności teoretyoznego opisu jakiegoś zjawiska lub procesu z rzeczywistymi warunkami jego przebiegu. Odstępstwa od pełnej zgodności warunków rzeczywistych i teoretycznych przebiegu zjawisk występują również w przypadku ogrzewania budynków, stanowiących zespól wielu cech instalacyjnych, budowlanych i eksploatacyjnych mających wpływ na ten proces. Jego zróżnicowanie najlepiej jest widoczne przy ilościowej charakterystyce ogrzewania, czyli ilości ciepła teoretycznie potrzebnego i rzeczywiście zużytego do tego celu. W projektach dotyczących systemów ogrzewania budynków lub ich elementów, wielkościami obliczanymi i determinującymi parametry tych systemów były moc szczytowa q i sezonowe zapotrzebowanie na ciepło Q. Obecnie moc szczytową zastąpiono projektowym obciążeniem cieplnym, obliczanym według metodologii odmiennej od dotychczas stosowanej. Zmiana metodologii dotyczy również obliczania sezonowego zapotrzebowania na ciepło Q do ogrzewania budynków. Zdaniem autora, z punktu widzenia prowadzonych tutaj rozważań nie ma to jednak istotniejszego znaczenia, ponieważ rozbieżności pomiędzy warunkami rzeczywistymi a ich teoretycznym odwzorowaniem nadal występują. W tym miejscu warto przypomnieć, że moc szczytowa była obliczana przy uwzględnieniu najniższej obliczeniowej temperatury powietrza na zewnątrz, podczas gdy przy obliczaniu sezonowego zużycia ciepła Q uwzględnia się jej wartość przeciętną dla standardowego sezonu grzewczego. Pomimo występujących różnic w fizycznej interpretacji i metodyce obliczeń tych wielkości, jedną i drugą można uznać za teoretyczne, w przeciwieństwie do sezonowego zużycia ciepła Q w ogrzewanym budynku, którego ilość została ustalona dzięki pomiarowi i w pewnym sensie "opisuje rzeczywiste warunki ogrzewania." W niniejszym artykule przedstawiono statystyczną charakterystykę mocy szczytowej q i sezonowego zużycia ciepła Q w jednolitej pod względem funkcjonalnym i administracyjnym zbiorowości 50. budynków edukacyjnych, zarządzanych przez jedną gminę miejską i mieszczących obecnie szkoły
2 podstawowe i gimnazja. Szczególną uwagę poświęcono analizie współzależności i interpretacji jej wyników, stwarzając możliwości jej późniejszego zastosowania przy badaniach innych zbiorowości budynków, istotne jest tutaj wykorzystanie rzeczywistych wartości sezonowego zużycia ciepła Q do ogrzewania badanych obiektów, określonych bezpośrednio (liczniki ciepła w szkołach) lub pośrednio (własne kotłownie zasilające w ciepło obiekt edukacyjny). W przedstawionym tutaj fragmencie szerszych badan, wielkością uwzględniającą teoretyczne uwarunkowania ogrzewania budynków edukacyjnych jest moc szczytowa q na cele ogrzewcze. Natomiast reprezentantem" warunków rzeczywiście występujących podczas eksploatacji i wpływających na ogrzewanie pomieszczeń jest wielkość sezonowego zużycia ciepła Q. Przeprowadzony opis statystyczny dla ww. wielkości charakteryzuje specyficzną zbiorowość budynków, stanowiąc podstawę do zauważenia różnic np. pomiędzy tego rodzaju budynkami użyteczności publicznej a budynkami mieszkalnymi, przeważającymi w publikacjach krajowych i zagranicznych. Jednoczesna analiza tych wielkości umożliwia natomiast określenie kształtu i przebiegu zależności pomiędzy nimi. Dzięki interpretacji wykresów wykonanych dla Tych zależności możliwe jest wnioskowanie o skali pojawiających się w tym zakresie rozbieżności pomiędzy teoretycznymi i rzeczywistymi warunkami ogrzewania. To z kolei jest przyczynkiem do szukania przyczyn tego stanu i prowadzenia dalszych badań w tym zakresie. Zrealizowane badania Prowadzone w latach 90-tych i kontynuowane obecnie badania statystyczne pełne obejmują wszystkie jednostki analizowanej zbiorowości statystycznej. Zbiorowość statystyczną tworzy ogółem 50 budynków zarządzanych przez gminę miejską i podlegających Urzędowi Miasta w Częstochowie. Badania były i są realizowane etapowo, metodą spisu statystycznego doraźnego z wykorzystaniem statystyki opisowej i analizy współzależności. Obserwację statystyczną badanej zbiorowości zrealizowano poprzez: korespondencyjne i bezpośrednie badania ankietowe, wywiady przeprowadzone w jednostkach zbiorowości, wizje lokalne i pomiary wykonane osobiście w tych jednostkach. We współpracy z Urzędem Miasta dokonano analizy dokumentacji dotyczącej budowy, eksploatacji i działalności badanych obiektów szkół oraz wykorzystano i porównano z materiałem własnym dane o zużyciu ciepła w kilku sezonach grzewczych w obiektach zasilanych przez Przedsiębiorstwo Energetyki Cieplnej (w skrócie PEC). Wspomniane dane pochodziły z Wydziału inżyniera Miejskiego Urzędu Miasta w Częstochowie. Jako uzupełnienie należy dodać, że zgromadzony materiał badawczy jest materiałem pierwotnym, zebranym specjalnie dla celów tego badania statystycznego. Statystycznemu opracowaniu poddano między innymi wartości mocy zamówionej q oraz wartości rzeczywistego sezonowego zużycia ciepła do ogrzewania Q, odpowiednio dla 50. i 46. budynków. Dla 4. obiektów zasilanych w ciepło przez PEC nie uzyskano danych o wartościach O z powodów natury formalnej. W grupie badanych obiektów 23 budynki zasilane byty w ciepło do ogrzewania pomieszczeń przez PEC, a 27 budynków posiadało własne kotłownie. Dane określające szczytową moc q dla budynków szkól uzyskano z dokumentacji projektowe] i eksploatacyjne] instalacji centralnego ogrzewania. W przypadku budynków zasilanych w ciepło przez PEC dodatkowym źródłem informacji były rachunki wystawiane za zużyte ciepło według dwuczłonowej taryfy opłat. Bazowy dla prowadzonych tutaj rozważań sezon grzewczy można uznać za typowy dla okresu wieloletniego (min. 30 lat), co zostało potwierdzone pozytywnym wynikiem testowania hipotezy o jego statystycznej typowości. Ilość zużytego ciepła Q w bazowym sezonie grzewczym ustalono w dwojaki sposób, w zależności od źródła zasilania w ciepło instalacji centralnego ogrzewania w danym obiekcie. W budynkach z zdalaczynnymi systemami centralnego ogrzewania rzeczywiste zużycie ciepła Q określono na podstawie odczytów z zainstalowanych liczników ciepła o dokładności pomiaru
3 nie mniejszej od 2%. W szkołach z własnymi kotłowniami gazowymi lub węglowo-koksowymi ilość sezonowego zużycia ciepła Q obliczono na podstawie informacji o zużyciu opału w bazowym sezonie grzewczym. W obliczeniach wykorzystano także informacje o: rodzaju stosowanego paliwa i jego wartości opałowej, średniej sprawności nominalnej i oszacowanej średniej sprawności użytkowej kotłów centralnego ogrzewania, rodzaju strat w procesie wytwarzania ciepła i ich przeciętnego poziomu dla różnych rodzajów kotłów. Opis statystyczny wyników badań Sumaryczne ilości ciepta zużytego do ogrzewania szkół Q i wartości mocy szczytowej wyniosły odpowiednio ΣQ = GJ/a (dla 46. budynków) i Σq = kw. Łączna kubatura analizowanych budynków wynosi ΣV = m 3 ( m 3 - dla 46. budynków), a ich powierzchnia ogrzewana ΣP o = m 2 { m 2 - dla 46. budynków). Uwzględniając powyższe dane otrzymano następujące średnie wartości wskaźników odnoszących wartości Q i q do kubatury V oraz powierzchni P 0 ogrzewanych budynków: (Q/V) śr = 138,36 MJ/(m 3 a), (Q/P 0 ) śr = 648,08 MJ/(m 2 a), (q/v) śr = 21,68 W/m 3, (q/p 0 ) śr = 103,04 W/m 2. Przeciętne wartości Q śr (0,10) i q śr (0,10), obliczone po wyeliminowaniu 10% skrajnych wartości Q i q stanowią około 96% wartości średnich dla całej badanej zbiorowości. Za typowe pod względem rzeczywistego sezonowego zużycia ciepła Q do ogrzewania pomieszczeń i mocy szczytowej q uznano około 70-80% analizowanych budynków. Wybrane miary opisu statystycznego wartości Q i q, na których skupiono uwagę w niniejszym artykule, dla badanej zbiorowości budynków przedstawiono w tab. 1. Analizowane wartości dla badanych budynków wykazują znaczne zróżnicowanie. Jest to uzasadnione dużymi różnicami w wielkości. Potwierdzeniem są duże wartości współczynników zmienności V k (Q) = 63,42% i V k (q) = 72,77%. Tabela 1. Wybrane miary opisu statystycznego wartości Q i q dla budynków edukacyjnych. Wybrane miary opisu statystycznego Sumaryczna wartość ΣQ, Σq Wartości rzeczywistego sezonowego zużycia ciepła Q [GJ/a] obliczeniowej mocy szczytowej q [hw] Q [GJ/a] (dla 46 budynków) q [kw] (dla 50 budynków) GJ/a kw Wartość średnia Q śr, q śr 1996,52 GJ/a 313,57 kw Wartość maksymalna Q max, q max 5195,00 GJ/a 69,92 kw Wartość minimalna Q min, q min 317,00 GJ/a 69,92 kw
4 Obszar zmienności 0 (Q), 0 (q) Odchylenie standardowe s (Q), s (q) 4878,00 GJ/a 978,38 kw 1266,14 GJ/a 228,19 kw Granice typowości Q typ, q typ 730, ,66 GJ/a 85,38-541,76 kw Wsp. zmienności Vk (Q), Vk (q) Wsp. skośności S (Q), S (q) 63,42% 72,77% 1,09 1,80 Zauważono, że po odrzuceniu po 25% wartości skrajnych zmienność ta maleje do około 40% i zanikają dostrzegane powyżej różnice pomiędzy wartościami współczynników zmienności dla Q i q, V p (Q) = 16,50% i V p (q) = 15,98%. Na podstawie analizy współczynników skośności stwierdzono dodatnią asymetrię rozkładów dla wartości Q i q, z większą asymetrią dla drugiej wielkości (S(Q) = 1,09 oraz S(q) = 1,80). Oznacza to, że w obydwu przypadkach większość jednostek statystycznych (budynków edukacyjnych) charakteryzuje się wartościami wyżej wymienionych wielkości mniejszymi od ich średniego poziomu. Zjawisko to występuje jednak intensywniej w wypadku mocy zamówionej q. Dodatkowo, w wyniku analizy wartości kurtozy K (K(Q) = 0,75, K(q) = 3,17) stwierdzono w obydwu rozkładach występowanie większej ich wysmukłości, niż ma to miejsce w przypadku rozkładu normalnego. Oznacza to większą koncentrację wartości wokół średniego ich poziomu. Podsumowując tę część rozważań można stwierdzić, że pomimo występujących różnic rozkłady wielkości Q i q są zbliżone, co oznacza uzasadnioną merytorycznie silną współzależność tych wielkości. Dalsza jej analiza, której wyniki przedstawiono w dalszej części artykułu dostarczy dodatkowych informacji. Analiza współzależności Analizie współzależności poddano wartości mocy szczytowej q dla 50. budynków oraz wartości rzeczywistego sezonowego zużycia ciepła Q dla 46. budynków. Współczynniki korelacji liniowej Pearsena r [4, 6] wykorzystano dla określenia siły i kierunku zależności korelacyjnej pomiędzy zmiennymi zależnymi i zmiennymi niezależnymi. W tym miejscu należy przypomnieć, że dla analizowanej pary wielkości jako zmienną zależną (y) przyjęto rzeczywiste sezonowe zużycie ciepła Q do ogrzewania budynków edukacyjnych, a jako zmienną niezależną (x) moc szczytową q. W analizie współzależności wykorzystano również wielkość R nazwaną przez autora współczynnikiem korelacji dla dopasowanej funkcji zmiennej Q względem zmiennej q, a właściwie jej podniesioną do kwadratu wartość określaną jako współczynnik determinacji R 2 dla dopasowanej funkcji [4, 6]. Należy wspomnieć, że wielkość R spotykana jest w polskiej literaturze z zakresu statystyki [6] pod nazwą wskaźnika korelacji i oznaczana w tym konkretnym przypadku przez e yx [6]. Wielkość R samodzielnie nie wskazuje kierunku korelacji badanych zmiennych, a jedynie jej siłę, ponieważ zawsze przyjmuje wartości nieujemne. Mając to na uwadze zastosowano ją w połączeniu z wykresem funkcji dopasowanych do punktów danych i ze współczynnikiem korelacji liniowej Pearsena r. Wykres wspomnianej funkcji wykonano wykorzystując (w analizie regresji) wielomian 2. stopnia, jako postać funkcji mogącej lub przedstawiającej najczęściej podobne zależności w literaturze [4].
5 Różnice współczynników determinacji R 2 i r 2 odpowiednio dla dopasowanej funkcji i funkcji prostoliniowej można wykorzystać do oceny stopnia krzywoiiniowości regresji. Im mniejsza różnica, tym zależność między zmiennymi jest bardziej zbliżona do liniowej. Ocenę istotności współczynnika korelacji liniowej Pearsena r w badanej zależności dokonano stosując test istotności dla liczebności n < 122 (dla badanej zbiorowości n = 50 budynków). Test ten zbudowano na statystyce t - Studenta i ma on następującą postać: gdzie: n - liczebność: r- współczynnik korelacji W dalszej części przedstawiono wyniki analizy, która jest częścią znacznie szerszego programu badań. Przedstawione na zakończenie opisu statystycznego wyników podsumowanie mówiące o silnej zależności dwóch analizowanych wielkości Q i q znajduje potwierdzenie w wykresie na rys. 1. Na podstawie wysokiej wartości współczynnika korelacji liniowej Pearsenar = 0,9131 stwierdzono wyraźną korelację pomiędzy Q (zmienna zależna) i q (zmienna niezależna), co zresztą jest w petni merytorycznie i technicznie uzasadnione. Wartość testu t - Studenta obliczona na podstawie wzoru (1) wynosi 14,8569. Odczytana z tablic dla rozkładu t - Studenta, dla ufności α = 0,05 i (n - 2) = 46-2 = 44 stopni swobody, wartość krytyczna t(0,05;44) = 2,0168. Stąd t > t(0,05; 44), więc odrzucamy hipotezę H0: r = 0 na korzyść dwustronnej hipotezy alternatywnej H1: r 0. Z powyższego wynika, że oszacowanie siły zależności pomiędzy Q i q jest statystycznie istotne. W przypadku wartości R = 0,9191 obliczonej dla wielomianu 2-stopnia przedstawionego na rys. 1, większej od wcześniej wymienionego współczynnika korelacji liniowej r, wniosek o statystycznej istotności omawianej zależności jest tym bardziej prawdziwy. Z uwagi na różnicę (R 2 - r 2 ) = 0,0109 < 0,2 [6] regresję między Q i q można w uproszczeniu uznać za prostoliniową. Rys. 1. Wykres punktowy z linią trendu dla zależności pomiędzy sezonowym zużyciem ciepła Q do ogrzewania budynków edukacyjnych a mocą szczytową q dla wyżej wymienionych celów. Analogiczna do opisywanej powyżej sytuacja występuje w przypadku analizy wykresu na rys. 2. Przedstawia on zależność pomiędzy sezonowym zużyciem ciepta do ogrzewania Q a obliczonym
6 na podstawie mocy szczytowej na cele ogrzewcze zapotrzebowaniem na ciepło Q. Wartości R i r są identyczne, inne natomiast są równania opisujące tę zależność z uwagi na jej spłaszczenie" w stosunku do tej z rys. 1. Rys. 2. Wykres punktowy z linią trendu dla zależności pomiędzy sezonowym zużyciem ciepła Q do ogrzewania budynków edukacyjnych a obliczonym na podstawie mocy szczytowej q sezonowym zużyciem ciepła Q q do ogrzewania tych obiektów. Rys. 3. Wykres punktowy z linią trendu dla zależności pomiędzy sezonowym zużyciem ciepta do ogrzewania 1 m 3 kubatury ogrzewanej budynków edukacyjnych a wskaźnikiem opartym na mocy szczytowej q/v. Przy okazji wprowadzenia do rozważań wielkości Q q należy przedstawić kilka dodatkowych wyjaśnień. Zapotrzebowanie na ciepło Q q w analizowanym sezonie grzewczym (nie odbiegającym w sposób statystycznie istotny od standardowego sezonu grzewczego dla okresu wieloletniego) obliczano na bazie wartości mocy szczytowej q dla danego budynku na podstawie zależności (2), przytaczanej też w innych publikacjach [1,3]: W analizowanym przypoadność ta będzie miała postać:
7 gdzie: q - moc szczytowa, [kw]; Ld - liczba dni ogrzewania w rozpatrywanym sezonie grzewczym, [dni]; 24 h - czas trwania doby, [h]; T i śr - przyjęta w rozpatrywanym przypadku obliczeniowa temperatura powietrza wewnątrz ogrzewanego budynku (T i śr = +20 C), [ C]; T e min - obliczeniowa temperatura powietrza na zewnątrz, (T e min = -20,0 C), [ C]; T e śr - średnia temperatura powietrza na zewnątrz w sezonie grzewczym dla rozpatrywanego okresu i dla określonego obszaru (miasta) (T e śr = + 2,9 C), [ C]; 0, wartość umożliwiająca przeliczenie wartości wyrażonych w różnych jednostkach fizycznych. Często w praktyce inżynierskiej, w uproszczonym toku obliczeń, wykorzystywane są dostępne wielkości bazowe, które stosując odpowiednie przekształcenia służą do obliczenia wielkości poszukiwanych, często o odmiennej od bazy" interpretacji fizycznej (przykładem mogą być rozważania prowadzone w publikacjach [1 i 3]). Pomimo wspomnianego przybliżenia lub uproszczenia otrzymane wyniki obliczeń powinny pozostawać w korelacji z wynikami pomiarów. Tak też powinno być w przypadku teoretycznych (obliczenia) i rzeczywistych (pomiar) wielkości zapotrzebowania na ciepło do ogrzewania Q obliczonego na podstawie mocy szczytowej q i rzeczywistego sezonowego zużycia ciepła Q do ogrzewania budynku. Obliczanie wartości Q q na podstawie mocy szczytowej było do niedawna powszechną praktyką [3]. Pewne wątpliwości dotyczące siły związku wspomnianych wielkości pojawiły się już wcześniej, przy okazji analizy zależności pomiędzy wartościami Q i q dla badanej grupy budynków (rys. 1) i ujawnionej pewnego rodzaju rozbieżności korelacyjnej na poziomie 16% [4]. Ma to także konsekwencje w przypadku zależności pomiędzy wartościami Q i Q q (rys. 2). Należy również zauważyć, że zużycie ciepła Q jest związane m.in. z czasem trwania sezonu grzewczego oraz przeciętnymi" warunkami w jakich ma ono miejsce, podczas gdy obliczona moc szczytowa q bazuje na ekstremalizacji" tych warunków i jest wartością chwilową". Wywołuje to konieczność zastosowania odpowiedniego przelicznika w celu usunięcia przynajmniej tych różnic. W kolejnej analizie poddano zależności przedstawione na rys. 3 i 4, a odnoszące wcześniej rozważane wielkości do 1 m 3 i 1 m 2, odpowiednio kubatury ogrzewanej i powierzchni ogrzewanej badanych budynków edukacyjnych. Okazuje się, że w tym przypadku zależności pomiędzy rzeczywistymi a teoretycznymi uwarunkowaniami ogrzewania pomieszczeń wykazują znacznie mniejszą sitę korelacyjną, chociaż nadal pozostają statystycznie istotne. Sytuacja taka rodzi pytanie - jakie są przyczyny tak dużej zmiany w stosunku do zależności z wykresów przedstawionych na rys. 1 i 2.
8 Rys. 4. Wykres punktowy z linią trendu dla zależności pomiędzy sezonowym zużyciem ciepta do ogrzewania 1 m 2 powierzchni ogrzewanej budynków edukacyjnych a wskaźnikiem opartym na mocy szczytowej q/p 0. Wydaje się, że w przypadku globalnego spojrzenia na problem, czyli na cały obiekt, różnice pomiędzy rzeczywistością a teorią występują, ale ich znaczenie ulega pewnemu rozproszeniu". Natomiast przy odniesieniu do jednostki kubatury lub powierzchni analizowanych obiektów wspomniane różnice ulegają skupieniu". Stąd też można domniemywać, że różnice pomiędzy rzeczywistością a teorią będą bardziej odczuwalne w budynkach mniejszych, a mniej znaczące w obiektach większych. Takie rozumowanie znajduje zresztą częściowe potwierdzenie w publikacjach podejmujących problematykę ogrzewania budynków edukacyjnych (m.in. [1]). W tym miejscu należy również nawiązać do ilościowej interpretacji wyżej wymienionych wskaźników. Wartości Q/P 0 dla badanych obiektów wynoszą od 341,15 do 1157,83 MJ/(m 2 a), przy średnim poziomie (Q/P 0 ) śr = 608,64 MJ/(m 2 a). W literaturze krajowej zawarte są obliczone, tym samym teoretyczne, wartości wskaźnika E - sezonowego zapotrzebowania na ciepło do ogrzewania jednostki powierzchni lub coraz częściej jednostki kubatury w standardowym sezonie grzewczym. Dla budynków edukacyjnych wynoszą one przeciętnie od MJ/(m 2 a) [4]. Porównanie wartości otrzymanej w wyniku prowadzonych badań Q/P 0 i literaturowej E jest jednak możliwe dopiero po uwzględnieniu, w postaci przelicznika, różnic pomiędzy bazowym dla badań sezonem grzewczym, a sezonem standardowym. Wspominany przelicznik wynosi w tym przypadku: 1,124 [5], 1,148 [2], w zależności od źródła danych o standardowym sezonie grzewczym. Po przemnożeniu największej z ww. wartości przelicznika przez (Q/P 0 ) śr = 608,64 MJ/(m 2 a) uzyskano wartość 698,72 MJ/(m 2 a). Jest ona mniejsza od wcześniej przedstawionego przeciętnego zakresu wartości E dla budynków edukacyjnych. Powstała rozbieżność może być spowodowana istotną odmiennością przypadkowo zestawionej grupy budynków [2] od zbiorowości tego typu obiektów tutaj analizowanej i brakiem możliwości dokładnego uwzględnienia rzeczywistych warunków eksploatacji i użytkowania obiektów oświatowych w obliczeniach wskaźnika E. Porównanie natomiast wartości (Q/P 0 ) śr 1,148 = 698,72 MJ/(m 2 a) dla badanych budynków z wartościami E, dla stosunkowo energooszczędnych tego typu obiektów w Europie Zachodniej, wynoszącymi MJ/(m 2 a) [4] ukazuje znaczny potencjał możliwości poprawy tego stanu w naszym kraju. Podsumowanie Badane obiekty wybudowano wg różnych wymagań ochrony cieplnej budynków obowiązujących w Polsce do końca 1992 roku (od r. obowiązywała PN-91/B-02020), oczywiście jeśli w ogóle
9 takie istniały w okresie budowy obiektu. Budynki charakteryzują się rzeczywistym sezonowym zużyciem ciepła Q do ogrzewania pomieszczeń w przedziale od 317,00 GJ do 5195,00 GJ przy Q śr = 1996,52 GJ. W wyniku przeprowadzonej analizy stwierdzono silną zależność pomiędzy wielkościami Q i q, co zresztą jest zrozumiałe z merytorycznego i technicznego punktu widzenia. Ponadto wysokie wartości współczynników determinacji dla ww. zależności pośrednio umożliwiają także potwierdzenie trafności dokonanego przez autora pośredniego określenia rzeczywistej ilości sezonowego zużycia ciepła Q w szkołach z własnymi kotłowniami. Wartości mocy szczytowej q dla ogrzewanych budynków są ustalane na podstawie obliczeń zawartych w dokumentacji technicznej systemu ogrzewania. Wierne odwzorowanie w tych obliczeniach wszystkich uwarunkowań występujących w rzeczywistej eksploatacji i użytkowaniu obiektu jest trudne do zrealizowania. W rezultacie powoduje to powstanie mniejszych lub większych zaburzeń we wzajemnej zależności Q i q. Może to stanowić podstawę do analizy odchyleń punktów na wykresie, odpowiadających poszczególnym budynkom, od przeciętnego poziomu wytyczonego" przez wykreśloną zależność pomiędzy analizowanymi wielkościami. Obecność i rozmiar tych odchyleń jest doskonalą wskazówką do przeprowadzenia dokładniejszej analizy wybranych obiektów i ustalenia przyczyn wspomnianych odchyleń. Przy okazji można pośrednio zweryfikować poprawność obliczeń mocy szczytowej. Mając na uwadze powyższe oraz stosunkowo wysokie wartości współczynników determinacji r 2 i R 2 dla ww. zależności, stwierdzono dobry stopień poprawności rachunkowej wspomnianych obliczeń. Oznacza to, że w badanych obiektach nie występują rażące dysproporcje pomiędzy teoretycznymi wartościami q ustalonymi w drodze obliczeń i zmierzonymi, rzeczywistymi wartościami G. Występujący na wykresie omawianej zależności rozrzut punktów danych nie jest niczym wyjątkowym. Zjawisko to występuje także na podobnych wykresach w publikacjach innych autorów (Górzyński J. i Chmielowski A. [2], Mielnicki J. S. [5]). Należy pamiętać, że około 16 % (po odjęciu od jedności współczynnika determinacji i pomnożeniu przez 100%) zmian Q jest spowodowanych czynnikami nie uwzględnianymi w metodologii obliczania mocy q i stanowiącymi pewnego rodzaju negatywne (gdy punkty znajdują się powyżej krzywej zależności) lub pozytywne (gdy punkty znajdują się poniżej krzywej zależności) odstępstwa" od tej metodologii, przy zbliżonej temperaturze w ogrzewanych budynkach. Jednym z takich czynników mogą być zaniedbania w eksploatacji analizowanych obiektów. Przypuszczenie to w znacznej mierze potwierdziło się w trakcie dalszych, nie przedstawianych tutaj badań i analiz. Literatura [1] Corgnati S. R, Coeeado V., Filippi M.. A method for heating consumption assessment in existing buildings: A field sumy concerning 120 Itaiian schools. Energy and Buildings 40 (2008), s [2] Górzyński J., Chmielowski A.: Ocena użytkowania energii w budynkach przemysłowych. Gospodarka Paliwami i Energią 1992 nr 3, s. 3-7 [3] Kasperkiewicz K.: Ocena potrzeb cieplnych budynku na podstawie monitoringu dostarczanej energii. Czasopismo Techniczne Politechniki Krakowskiej, z. 5-B/2006 (Rok 103), s [4] Lis R, Nowak W.: Zużycie ciepfa a obliczone zapotrzebowanie na ciepło do ogrzewania budynków edukacyjnych. Ciepłownictwo Ogrzewnictwo Wentylacja R. XXXV(430): 2006 nr 1, s [5] Mielnicki J. S.: Centralne ogrzewanie - regulacja i eksploatacja. Arkady. Warszawa 1987 [6] Sobczyk M.: Statystyka. PWN, Warszawa 2009
10 Autor: dr inż. Piotr LIS - adiunkt w Samodzielnym Zakładzie Ogrzewnictwa, Wentylacji i Klimatyzacji Wydziału Inżynierii i Ochrony Środowiska Politechniki Częstochowskiej. Źródło: Energia i Budynek, nr 11/2011 WYDANIE SPECJALNE - IBPSA techniki symulacji komputerowych KONTAKT Energia i Budynek m.jankowski@zae.org.pl WWW: Tel: (0-22) Fax: (0-22) Adres: ul. Świętokrzyska Warszawa
Zużycie ciepła a obliczone zapotrzebowanie na ciepło do ogrzewania budynków edukacyjnych
Zużycie ciepła a obliczone zapotrzebowanie na ciepło do ogrzewania budynków edukacyjnych PIOTR LIS WOJCIECH NÓW AK Politechnika Częstochowska Przedstawiono wybrane wyniki badań zbiorowości budynków szkolnych
ANALIZA PORÓWNAWCZA SEZONOWEGO ZUśYCIA CIEPŁA DO OGRZEWANIA BUDYNKÓW EDUKACYJNYCH
PIOTR LIS, ROBERT SEKRET ANALIZA PORÓWNAWCZA SEZONOWEGO ZUśYCIA CIEPŁA DO OGRZEWANIA BUDYNKÓW EDUKACYJNYCH COMPARATIVE ANALYSIS OF SEASONAL HEAT CONSUMPTION FOR HEATING IN EDUCATIONAL BUILDINGS S t r e
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Konferencja Jakość powietrza a efektywność energetyczna Małopolska Tomasz Szul UR Kraków
Konferencja Jakość powietrza a efektywność energetyczna Małopolska 2017 Tomasz Szul UR Kraków Celem pracy było sprawdzenie i określenie poprawności doboru źródeł ciepła do potrzeb użytkowych w budynkach
ANALIZA PORÓWNAWCZA SEZONOWEJ ENERGOCHŁONNOŚCI OGRZEWANIA LOKALNEJ ZBIOROWOŚCI BUDYNKÓW EDUKACYJNYCH
ANALIZA PORÓWNAWCZA SEZONOWEJ ENERGOCHŁONNOŚCI OGRZEWANIA LOKALNEJ ZBIOROWOŚCI BUDYNKÓW EDUKACYJNYCH Autor: Piotr Lis ( Rynek Energii nr 4/212) Słowa kluczowe: zużycie energii do ogrzewania, sezony grzewcze,
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1
Średnie miesięczne temperatury powietrza dla sezonu ogrzewczego wentylacji
Średnie miesięczne temperatury powietrza dla sezonu ogrzewczego wentylacji Zasady określania sezonowego zapotrzebowania na ciepło do ogrzewania budynków mieszkalnych i zamieszkania zbiorowego podaje norma
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
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
WNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
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
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
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
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
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
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
KORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
TENDENCJE W KSZTAŁTOWANIU ISTNIEJĄCYCH BUDYNKÓW EDUKACYJNYCH I ICH WPŁYW NA ENERGOCHŁONNOŚĆ OGRZEWANIA
PIOTR LIS, ROBERT SEKRET TENDENCJE W KSZTAŁTOWANIU ISTNIEJĄCYCH BUDYNKÓW EDUKACYJNYCH I ICH WPŁYW NA ENERGOCHŁONNOŚĆ OGRZEWANIA EDUCATIONAL BUILDINGS SHAPES TENDENCY AND INFLUENCES ENERGY CONSUMPTION OF
OCENA MOŻLIWOŚCI RACJONALIZACJI ZUŻYCIA CIEPŁA DO OGRZEWANIA Z WYKORZYSTANIEM BYTOWYCH ZYSKÓW CIEPŁA OD OSÓB W BUDYNKACH OŚWIATOWYCH
Budownictwo 18 Piotr Lis, Anna Lis OCENA MOŻLIWOŚCI RACJONALIZACJI ZUŻYCIA CIEPŁA DO OGRZEWANIA Z WYKORZYSTANIEM BYTOWYCH ZYSKÓW CIEPŁA OD OSÓB W BUDYNKACH OŚWIATOWYCH Wprowadzenie Istotną rolę w racjonalizacji
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
Rozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =
HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki
Temperatury na klatkach schodowych i w korytarzach
Temperatury na klatkach schodowych i w korytarzach Temperatury klatek schodowych, podane w aktach prawnych, wahają się w dużych granicach i stąd prawidłowe ich dobranie w obliczeniach zapotrzebowania ciepła
MODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Kilka uwag o testowaniu istotności współczynnika korelacji
341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Stanisza r xy = 0 zmienne nie są skorelowane 0 < r xy 0,1
Ekonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Zapotrzebowanie na ciepło do podgrzania powietrza wentylacyjnego
Zapotrzebowanie na ciepło do podgrzania powietrza wentylacyjnego 1. WSTĘP Zgodnie z wymaganiami "Warunków technicznych..."[1] "Budynek i jego instalacje ogrzewcze, wentylacyjne i klimatyzacyjne powinny
EKRAN 5. Zyski ciepła wg rozporządzenia [1]
Zyski ciepła Wprowadzone zyski ciepła na poziomie całego budynku mogą być takie same dla lokali, jednak najczęściej tak nie jest. Czasami występuje konieczność określania zysków ciepła na poziomie lokalu,
MIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy
MIARY POŁOŻENIA Opisują średni lub typowy poziom wartości cechy. Określają tą wartość cechy, wokół której skupiają się wszystkie pozostałe wartości badanej cechy. Wśród nich można wyróżnić miary tendencji
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
Analiza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
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
MOŻLIWOŚCI POPRAWY EFEKTYWNOŚCI ENERGETYCZNEJ ŹRÓDEŁ CIEPŁA W ZBIOROWOŚCI BUDYNKÓW EDUKACYJNYCH
FIZYKA BUDOWLI W TEORII I PRAKTYCE TOM IV, 29 Sekcja Fizyki Budowli KILiW PAN MOŻLIWOŚCI POPRAWY EFEKTYWNOŚCI ENERGETYCZNEJ ŹRÓDEŁ CIEPŁA W ZBIOROWOŚCI BUDYNKÓW EDUKACYJNYCH Piotr LIS *, Robert SEKRET
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
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
Wprowadzenie do certyfikacji energetycznej budynków
Michał Strzeszewski Wprowadzenie do certyfikacji energetycznej budynków Poradnik W Y D A N I E D R U G I E Wprowadzenie do certyfikacji energetycznej budynków. Poradnik. Wersja 2.00 (sierpień 2010). W
Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
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
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
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
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
Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.
Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w
Zawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Kolokwium ze statystyki matematycznej
Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę
166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Obliczanie zapotrzebowania na paliwo Mizielińska K., Olszak J. Gazowe i olejowe źródła ciepła małej mocy
Obliczanie zapotrzebowania na paliwo Mizielińska K., Olszak J. Gazowe i olejowe źródła ciepła małej mocy Roczne zapotrzebowanie na paliwo należy ustalić w odniesieniu do potrzeb takich jak: centralne ogrzewanie,
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
ŚWIADECTWO CHARAKTERYSTYKI ENERGETYCZNEJ
Dla budynku nr: 25/09/2014/ŁD 1 Ważne do: Budynek oceniany: Budynek biurowo garażowy - budynek E Rodzaj budynku Adres budynku Całość/Część budynku Rok zakończenia budowy/rok oddania do użytkowania Rok
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
ŚWIADECTWO CHARAKTERYSTYKI ENERGETYCZNEJ
Dla budynku nr: 24/09/2014/ŁD 1 Ważne do: Budynek oceniany: Budynek portierni - budynek C Rodzaj budynku Adres budynku Całość/Część budynku Rok zakończenia budowy/rok oddania do użytkowania Rok budowy
( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Kontrole kotłów, instalacji grzewczych oraz klimatyzacji.
Kontrole kotłów, instalacji grzewczych oraz klimatyzacji. Dyrektywa 2002/91/WE Parlamentu Europejskiego w sprawie charakterystyki energetycznej budynków ustaliła wymagania w zakresie certyfikacji energetycznej,
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
Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
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
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
AUDYTY TERMOMODERNIZACYJNE A STOSOWANIE AKTUALNYCH NORM
AUDYTY TERMOMODERNIZACYJNE A STOSOWANIE AKTUALNYCH NORM Piotr Kukla Opracowanie w ramach realizacji projektu Doskonalenie poziomu edukacji w samorządach terytorialnych w zakresie zrównoważonego gospodarowania
PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Audyting Energy auditing Kierunek: Rodzaj przedmiotu: Zarządzanie i Inżynieria Produkcji Poziom studiów: studia II stopnia Rodzaj zajęć: Wyk. Ćwicz. Lab. Sem. Proj. forma studiów: studia
Często spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k:
Statystyczne opracowanie danych pomiarowych W praktyce pomiarowej często spotykamy się z pomiarami wielokrotnymi, gdy podczas pomiaru błędy pomiarowe (szumy miernika, czynniki zewnętrzne) są na tyle duże,
Regresja i Korelacja
Regresja i Korelacja Regresja i Korelacja W przyrodzie często obserwujemy związek między kilkoma cechami, np.: drzewa grubsze są z reguły wyższe, drewno iglaste o węższych słojach ma większą gęstość, impregnowane
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
POLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych
OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów
OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów Tomasz Gruszczyk Informatyka i Ekonometria I rok, nr indeksu: 156012 Sopot, styczeń
Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II
METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II Podział zmiennych Zmienne zależne zmienne, które są przedmiotem badania, których związki z innymi zmiennymi chcemy określić Zmienne
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna
Statystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35
Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)
Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Przygotował: Dr inż. Wojciech Artichowicz Katedra Hydrotechniki PG Zima 2014/15 1 TABLICE ROZKŁADÓW... 3 ROZKŁAD
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Dla opisania rozkładu badanej zmiennej, korzystamy z pewnych charakterystyk liczbowych. Dzielimy je na cztery grupy.. Określenie przeciętnej wartości
OCENA POTRZEB CIEPLNYCH BUDYNKU NA PODSTAWIE MONITORINGU DOSTARCZANEJ ENERGII
Krzysztof KASPERKIEWICZ Instytut Techniki Budowlanej OCENA POTRZEB CIEPLNYCH BUDYNKU NA PODSTAWIE MONITORINGU DOSTARCZANEJ ENERGII Rzeczywiste zużycie ciepła do ogrzewania budynków mieszkalnych zwykle
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2013/2014
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2013/2014 WydziałPrawa, Administracji i Stosunków Miedzynarodowych
Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Regresja logistyczna (LOGISTIC)
Zmienna zależna: Wybór opcji zachodniej w polityce zagranicznej (kodowana jako tak, 0 nie) Zmienne niezależne: wiedza o Unii Europejskiej (WIEDZA), zamieszkiwanie w regionie zachodnim (ZACH) lub wschodnim
-> 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
ŚWIADECTWO CHARAKTERYSTYKI ENERGETYCZNEJ. Obliczeniowe zapotrzebowanie na nieodnawialną energię pierwotną ¹
Dla budynku mieszkalnego nr: 260/2009 1 Ważne do: 24 sierpnia 2019 Budynek oceniany: Budynek mieszkalno-usługowy ISKRA III w Warszawie Rodzaj budynku Adres budynku Całość/Część budynku Rok zakończenia
ŚWIADECTWO CHARAKTERYSTYKI ENERGETYCZNEJ DLA BUDYNKU
ŚWIADECTWO CHARAKTERYSTYKI ENERGETYCZNEJ DLA BUDYNKU WAŻNE DO 6 maj 2020 NUMER ŚWIADECTWA BUDYNEK OCENIANY RODZAJ BUDYNKU ADRES BUDYNKU CAŁOŚĆ/CZĘŚĆ BUDYNKU ROK ZAKOŃCZENIA BUDOWY ROK ODDANIA DO UŻYTKOWANIA
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
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Badanie zależności skala nominalna
Badanie zależności skala nominalna I. Jak kształtuje się zależność miedzy płcią a wykształceniem? II. Jak kształtuje się zależność między płcią a otyłością (opis BMI)? III. Jak kształtuje się zależność
Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
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
ŚWIADECTWO CHARAKTERYSTYKI ENERGETYCZNEJ DLA BUDYNKU Budynek przedszkola
ŚWIADECTWO CHARAKTERYSTYKI ENERGETYCZNEJ DLA BUDYNKU Budynek przedszkola WAŻNE DO 19 Grudnia 2022 NUMER ŚWIADECTWA 1/2012 BUDYNEK OCENIANY RODZAJ BUDYNKU ADRES BUDYNKU CAŁOŚĆ/CZĘŚĆ BUDYNKU ROK ZAKOŃCZENIA
ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW
ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną
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
Korelacja krzywoliniowa i współzależność cech niemierzalnych
Korelacja krzywoliniowa i współzależność cech niemierzalnych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej
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