wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia

Wielkość: px
Rozpocząć pokaz od strony:

Download "wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia"

Transkrypt

1 wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r.

2 wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7

3 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i realizacji zgodnie z teori i technik eksperymentu.

4 Charakterystyka Obiektu Zakªada si,»e na podstawie analizy merytorycznej obiektu przyj to nast puj c charakterystyk obiektu : liczba wielko±ci wej±ciowych:i = 3; zakresy wielko±ci wej±ciowych: < x 1min, x 1max >, < x 2min, x 2max >, < x 3min, x 3max > jedn wielko± wyj±ciow : z; zbiór wielko±ci staªych i zbiór wielko±ci zakªócaj cych; Zakresy zmienno±ci oraz dane wyj±ciowe podane zostan w instrukcji do wiczenia.

5 Cel Celem jest wyznaczenie funkcji obiektu o postaci: z = b 0 + b 1 x 1 + b 2 x 2 + b 3 x 3 (1)

6 Na podstawie charakterystyki obiektu i zaªo»onego celu jako plan wybrano plan Hartleya PS/DS - P:Ha3(hK) o nast puj cej charakterystyce: rami gwiezdne planu α = , liczba ukªadów planu n = 11, liczba ró»nych warto±ci ka»dej wielko±ci wej±ciowej n x = 5, Przyj to,»e w ka»dym ukªadzie planu liczba powtórze«r u = r = 3

7 dla warto±ci unormowanych Ukªad PD x k u x 1 x 2 x α α α α α α Tablica : plan Hartleya PS/DS - P:Ha3(hK)

8 Zadanie 1 Utworzy plan do±wiadczenia dla warto±ci rzeczywistych wielo±ci wej±ciowych x k (przedziaªy zmienno±ci zadane indywidualnie dla ka»dego zespoªu). Zwi zek pomi dzy warto±ciami rzeczywistymi x k a warto±ciami normowanymi ˆx k okre±la tzw. relacja normowania: ˆx k = x k x k x k (2) gdzie: x k = (x kmin + x kmax )/2 - ±rednia arytmetyczna, x k = (x kmax x k )/α) - jednostka zmienno±ci

9 Realizacja - pomiarów Pomiary okre±lone przez wybrany plan do±wiadczenia, ª cznie z przyj tym sposobem i liczb powtórze«realizowane s na odpowiednio przygotowanym stanowisku badawczym. Dla celów dydaktycznych (brak czasu) nie wykonujemy pomiarów. Wyniki - symulowane komputerowo - zostan przekazane dla ka»dego zespoªu w trakcie zaj.

10 dla warto±ci rzeczywistych UkadPD Wyniki pomiarów (r = 3) u ,53 34,12 34, ,22 47,95 47, ,50 41,80 41, ,55 59,16 59, ,53 30,28 31, ,89 49,01 50, ,00 37,45 38, ,34 56,11 54, ,01 41,95 41, ,29 56,75 57, ,38 57,85 60,50 Tablica : Przykªadowe wyniki pomiarów z uwzgl dnieniem 3 powtórze«w ka»dym ukªadzie planu

11 Oszacowanie zakªóce«losowych Kolejnym krokiem jest oszacowanie zakªóce«losowych obiektu Wykonano trzy powtórzenia w ka»dym ukªadzie planu, dlatego te» dla ka»dego ukªadu planu nale»y obliczy parametry statystyczne tj. ±rednia arytmetyczna, warto± minimalna, maksymalna, rozst p, wariancja próbki, wariancja skorygowana, odchylenie standardowe skorygowane itp.

12 Zadanie 2 Obliczy dla ka»dego ukªadu planu nast puj ce parametry statystyczne: ±rednia arytmetyczna z, rozst p R = z max z min, r odchylenie standardowe próbki s(z) u i=1 = (z i z) 2, r wariancja próbki s 2 (z) u = [s(z) u ] 2, odchylenie standardowe skorygowane S(z) u = r i=1 (z i z) 2 r 1 wariancja skorygowana S 2 (z) u = [S(z) u ] 2.

13 Zadanie 2 wariancj niedokªadno±ci dla planu S 2 (z) (±rednia arytmetyczna z wariancji skorygowanych w ukªadach planu). Wariancja niedokªadno±ci stanowi reprezentatywn dla obiektu miar rozproszon wielko±ci wyj±ciowej z.

14 Zadanie 3 Zakªadamy nast puj c posta funkcji obiektu : z = b 0 + b 1 x 1 + b 2 x 2 + b 3 x 3 (3) Celem jest znalezienie wspóªczynników b 0, b 1, b 2, b 3 funkcji obiektu. W tym celu nale»y u»y np. pakietu OpenOce i wykorzysta funkcj REGLINP.

15 Zadanie 3 Obliczy bª dy aproksymacji w ukªadach planu (bª d aproksymacji w ukªadzie dz = z za, wzgl dny bª d aproksymacji (%), z - ±rednia arytmetyczna w ukªadzie, za - warto± funkcji w ukªadzie,

16 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów Werykacja adekwatno±ci i istotno±ci 9 Przedstawienie graczne otrzymanej zale»no±ci funkcyjnej

17 Adekwatno± funkcji, werykacja istotno±ci W kolejnych krokach nale»y przeprowadzi : werykacj adekwatno±ci funkcji (test F), czyli uznanie (lub nie) funkcji jako zgodnej z wynikami pomiarów. werykacj istotno±ci wspóªczynników funkcji obiektu (test t Studenta).

18 Adekwatno± funkcji Jako miar adekwatno±ci nale»y przyj bª d ±redniokwadratowy aproksymacji: u n=1 ( z za)2 M = (4) n Proponuje arbitralnie przyj dopuszczaln warto± tego bª du e max = 0.05z max. W przypadku gdy speªniony jest warunek: M < e max (5) otrzyman funkcj nale»y uzna za adekwatn. UWAGA: ze wzgl du na brak mo»liwo±ci technicznych nie przeprowadzamy werykacji istotno±ci wspóªczynników.

19 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów Werykacja adekwatno±ci i istotno±ci 9 Przedstawienie graczne otrzymanej zale»no±ci funkcyjnej

20 Przedstawienie otrzymanej zale»no±ci funkcyjnej na wykresach powierzchniowych Nale»y narysowa nast puj ce wykresy powierzchniowe: z = f (x 1, x 2 ) przy x 3 = const, z = f (x 2, x 3 ) przy x 1 = const, z = f (x 1, x 3 ) przy x 2 = const. nale»y przygotowa w dowolnym programie matematcznym.

21 Opracowano na podstawie: Roma Górecka Teoria i technika eksperymentu Wydawnictwo PK, Kraków, 1995 r.

Planowanie do±wiadcze«

Planowanie do±wiadcze« Wykªad z przedmiotu Metody prognozowania dla studentów studiów niestacjonarnych 20 grudnia 2008 Poj cie teorii eksperymentu Proces poznania na drodze do±wiadczalnej pomiary: czyno±ci do±wiadczalne w celu

Bardziej szczegółowo

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 2 Werykacja modelu liniowego (2) Ekonometria 1 / 33 Plan wicze«1 Wprowadzenie 2 Ocena dopasowania R-kwadrat Skorygowany R-kwadrat i kryteria informacyjne 3 Ocena istotno±ci zmiennych

Bardziej szczegółowo

Metody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9

Metody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Wst p do metod numerycznych Dawid Rasaªa January 9, 2012 Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Czym s metody numeryczne? Istota metod numerycznych Metody numeryczne s

Bardziej szczegółowo

Statystyka opisowa. Wykªad II. Elementy statystyki opisowej. Edward Kozªowski.

Statystyka opisowa. Wykªad II. Elementy statystyki opisowej. Edward Kozªowski. Statystyka opisowa. Wykªad II. e-mail:e.kozlovski@pollub.pl Spis tre±ci Mediana i moda 1 Mediana i moda 2 3 4 Mediana i moda Median m e (warto±ci ±rodkow ) próbki x 1,..., x n nazywamy ±rodkow liczb w

Bardziej szczegółowo

Materiaªy do Repetytorium z matematyki

Materiaªy do Repetytorium z matematyki Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (

Bardziej szczegółowo

Ekonometria - wykªad 8

Ekonometria - wykªad 8 Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana

Bardziej szczegółowo

Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13

Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13 Elementarna statystyka Wnioskowanie o regresji (Inference for regression) Alexander Bendikov Uniwersytet Wrocªawski 2 czerwca 2016 Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for

Bardziej szczegółowo

Statystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski

Statystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski Statystyka Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Statystyka Statystyka: nauka zajmuj ca si liczbowym opisem zjawisk masowych oraz ich analizowaniem, zbiory informacji liczbowych. (Sªownik

Bardziej szczegółowo

Interpolacja Lagrange'a, bazy wielomianów

Interpolacja Lagrange'a, bazy wielomianów Rozdziaª 4 Interpolacja Lagrange'a, bazy wielomianów W tym rozdziale zajmiemy si interpolacj wielomianow. Zadanie interpolacji wielomianowej polega na znalezieniu wielomianu stopnia nie wi kszego od n,

Bardziej szczegółowo

In»ynierskie zastosowania statystyki wiczenia

In»ynierskie zastosowania statystyki wiczenia Uwagi: 27012014 poprawiono kilka literówek, zwi zanych z przedziaªami ufno±ci dla wariancji i odchylenia standardowego In»ynierskie zastosowania statystyki wiczenia Przedziaªy wiarygodno±ci, testowanie

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Aleksandra Ki±lak-Malinowska akis@uwm.edu.pl http://wmii.uwm.edu.pl/ akis/ Czym zajmuje si statystyka? Statystyka zajmuje si opisywaniem i analiz zjawisk masowych otaczaj cej czªowieka

Bardziej szczegółowo

Zasilacz stabilizowany 12V

Zasilacz stabilizowany 12V Zasilacz stabilizowany 12V Marcin Polkowski marcin@polkowski.eu 3 grudnia 2007 Spis tre±ci 1 Wprowadzenie 2 2 Wykonane pomiary 2 2.1 Charakterystyka napi ciowa....................................... 2

Bardziej szczegółowo

1 Bª dy i arytmetyka zmiennopozycyjna

1 Bª dy i arytmetyka zmiennopozycyjna 1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy

Bardziej szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15 ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku

Bardziej szczegółowo

CAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski

CAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski III. CAŠKOWAIE METODAMI MOTE CARLO Janusz Adamowski 1 1 azwa metody Podstawowym zastosowaniem w zyce metody Monte Carlo (MC) jest opis zªo-»onych ukªadów zycznych o du»ej liczbie stopni swobody. Opis zªo»onych

Bardziej szczegółowo

1 Trochoidalny selektor elektronów

1 Trochoidalny selektor elektronów 1 Trochoidalny selektor elektronów W trochoidalnym selektorze elektronów TEM (Trochoidal Electron Monochromator) stosuje si skrzy»owane i jednorodne pola: elektryczne i magnetyczne. Jako pierwsi taki ukªad

Bardziej szczegółowo

12. Wyznaczenie relacji diagnostycznej oceny stanu wytrzymało ci badanych materiałów kompozytowych

12. Wyznaczenie relacji diagnostycznej oceny stanu wytrzymało ci badanych materiałów kompozytowych Open Access Library Volume 2 211 12. Wyznaczenie relacji diagnostycznej oceny stanu wytrzymało ci badanych materiałów kompozytowych 12.1 Wyznaczanie relacji diagnostycznych w badaniach ultrad wi kowych

Bardziej szczegółowo

LXIV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA

LXIV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA Za zadanie D mo»na otrzyma maksymalnie 40 punktów. Zadanie D. Maj c do dyspozycji: LXIV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA CZ DO WIADCZALNA generator napi cia o przebiegu sinusoidalnym o ustalonej amplitudzie

Bardziej szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody numeryczne i statystyka dla in»ynierów Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci

Bardziej szczegółowo

Aproksymacja funkcji metod najmniejszych kwadratów

Aproksymacja funkcji metod najmniejszych kwadratów Aproksymacja funkcji metod najmniejszych kwadratów Teoria Interpolacja polega na znajdowaniu krzywej przechodz cej przez wszystkie w zªy. Zdarzaj si jednak sytuacje, w których dane te mog by obarczone

Bardziej szczegółowo

Opis matematyczny ukªadów liniowych

Opis matematyczny ukªadów liniowych Rozdziaª 1 Opis matematyczny ukªadów liniowych Autorzy: Alicja Golnik 1.1 Formy opisu ukªadów dynamicznych 1.1.1 Liniowe równanie ró»niczkowe Podstawow metod przedstawienia procesu dynamicznego jest zbiór

Bardziej szczegółowo

przewidywania zapotrzebowania na moc elektryczn

przewidywania zapotrzebowania na moc elektryczn do Wykorzystanie do na moc elektryczn Instytut Techniki Cieplnej Politechnika Warszawska Slide 1 of 20 do Coraz bardziej popularne staj si zagadnienia zwi zane z prac ¹ródªa energii elektrycznej (i cieplnej)

Bardziej szczegółowo

Ukªady równa«liniowych - rozkªady typu LU i LL'

Ukªady równa«liniowych - rozkªady typu LU i LL' Rozdziaª 9 Ukªady równa«liniowych - rozkªady typu LU i LL' W tym rozdziale zapoznamy si z metodami sªu» cych do rozwi zywania ukªadów równa«liniowych przy pomocy uzyskiwaniu odpowiednich rozkªadów macierzy

Bardziej szczegółowo

Funkcje, wielomiany. Informacje pomocnicze

Funkcje, wielomiany. Informacje pomocnicze Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a

Bardziej szczegółowo

Koªo Naukowe Robotyków KoNaR. Plan prezentacji. Wst p Rezystory Potencjomerty Kondensatory Podsumowanie

Koªo Naukowe Robotyków KoNaR. Plan prezentacji. Wst p Rezystory Potencjomerty Kondensatory Podsumowanie Plan prezentacji Wst p Rezystory Potencjomerty Kondensatory Podsumowanie Wst p Motto W teorii nie ma ró»nicy mi dzy praktyk a teori. W praktyce jest. Rezystory Najwa»niejsze parametry rezystorów Rezystancja

Bardziej szczegółowo

Optyka geometryczna. Soczewki. Marcin S. Ma kowicz. rok szk. 2009/2010. Zespóª Szkóª Ponadgimnazjalnych Nr 2 w Brzesku

Optyka geometryczna. Soczewki. Marcin S. Ma kowicz. rok szk. 2009/2010. Zespóª Szkóª Ponadgimnazjalnych Nr 2 w Brzesku skupiaj ce rozpraszaj ce Optyka geometryczna Zespóª Szkóª Ponadgimnazjalnych Nr 2 w Brzesku rok szk. 2009/2010 skupiaj ce rozpraszaj ce Spis tre±ci 1 Wprowadzenie 2 Ciekawostki 3 skupiaj ce Konstrukcja

Bardziej szczegółowo

Analiza regresji Konspekt do zaj : Statystyczne metody analizy danych

Analiza regresji Konspekt do zaj : Statystyczne metody analizy danych Opis zaj Analiza regresji Konspekt do zaj : Statystyczne metody analizy danych Agnieszka Nowak-Brzezi«ska 28 pa¹dziernika 2009 Celem zaj jest realizacja praktyczna zagadnie«zwi zanych z analiz regresji,

Bardziej szczegółowo

Informacje pomocnicze

Informacje pomocnicze Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia

Bardziej szczegółowo

Zasilanie urzdze elektronicznych laboratorium IV rok Elektronika Morska

Zasilanie urzdze elektronicznych laboratorium IV rok Elektronika Morska Zasilanie urzdze elektronicznych laboratorium IV rok Elektronika Morska wiczenie 1. Wyznaczanie charakterystyk dławikowej przetwornicy buck przy wykorzystaniu analizy stanów przejciowych Celem niniejszego

Bardziej szczegółowo

x y x y x y x + y x y

x y x y x y x + y x y Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0

Bardziej szczegółowo

Caªkowanie numeryczne - porównanie skuteczno±ci metody prostokatów, metody trapezów oraz metody Simpsona

Caªkowanie numeryczne - porównanie skuteczno±ci metody prostokatów, metody trapezów oraz metody Simpsona Akademia Górniczo-Hutnicza im. Stanisªawa Staszica w Krakowie Wydziaª Fizyki i Informatyki Stosowanej Krzysztof Grz dziel kierunek studiów: informatyka stosowana Caªkowanie numeryczne - porównanie skuteczno±ci

Bardziej szczegółowo

Logika matematyczna (16) (JiNoI I)

Logika matematyczna (16) (JiNoI I) Logika matematyczna (16) (JiNoI I) Jerzy Pogonowski Zakªad Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 15/16 lutego 2007 Jerzy Pogonowski (MEG) Logika matematyczna (16) (JiNoI I) 15/16

Bardziej szczegółowo

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6 Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Model mieszany

Bardziej szczegółowo

c Plan nauczania z matematyki dla kursu maturalnego

c Plan nauczania z matematyki dla kursu maturalnego R c Plan nauczania z matematyki dla kursu maturalnego Plan nauczania opracowaªa Izabella . Przedstawione opracowanie chroni ustawa o prawach autorskich. Powielanie, kopiowanie, wykorzystywanie we fragmentach

Bardziej szczegółowo

Schematy blokowe ukªadów automatyki

Schematy blokowe ukªadów automatyki Rozdziaª 1 Schematy blokowe ukªadów automatyki Autorzy: Marcin Stachura 1.1 Algebra schematów blokowych 1.1.1 Zasady przeksztaªcania schematów blokowych W celu uproszczenia wypadkowej transmitancji operatorowej

Bardziej szczegółowo

Ukªady równa«liniowych

Ukªady równa«liniowych dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast

Bardziej szczegółowo

i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017

i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017 i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski Uniwersytet Šódzki, Wydziaª Matematyki i Informatyki UŠ piotr@fulmanski.pl http://fulmanski.pl/zajecia/prezentacje/festiwalnauki2017/festiwal_wmii_2017_

Bardziej szczegółowo

................................................

................................................ Temat ćwiczenia: Imię i nazwisko: Grupa: Zespół: Nazwisko prowadzącego: Data wykonania ćwiczenia: Data oddania sprawozdania: Przygotowanie do ćwiczenia Wykonanie ćwiczenia Sprawozdanie z ćwiczenia Ocena

Bardziej szczegółowo

Listy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki.

Listy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki. Wydziaª Matematyki, Fizyki i Informatyki 10 marca 2008 Spis tre±ci Listy 1 Listy 2 3 Co to jest lista? Listy List w Mathematice jest wyra»enie oddzielone przecinkami i zamkni te w { klamrach }. Elementy

Bardziej szczegółowo

Uczenie Wielowarstwowych Sieci Neuronów o

Uczenie Wielowarstwowych Sieci Neuronów o Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji

Bardziej szczegółowo

Modele wielorównaniowe. Estymacja parametrów

Modele wielorównaniowe. Estymacja parametrów Modele wielorównaniowe. Estymacja parametrów Ekonometria Szeregów Czasowych SGH Estymacja 1 / 47 Plan wykªadu 1 Po±rednia MNK 2 Metoda zmiennych instrumentalnych 3 Podwójna MNK 4 Estymatory klasy k 5 MNW

Bardziej szczegółowo

KRYTERIA WYBORU INSTYTUCJI SZKOLENIOWEJ OBOWIĄZUJĄCE W POWIATOWYM URZĘDZIE PRACY W USTRZYKACH DOLNYCH 1 I. POSTANOWIENIA OGÓLNE

KRYTERIA WYBORU INSTYTUCJI SZKOLENIOWEJ OBOWIĄZUJĄCE W POWIATOWYM URZĘDZIE PRACY W USTRZYKACH DOLNYCH 1 I. POSTANOWIENIA OGÓLNE Załącznik do Zarządzenia Nr 8/2014 Dyrektora Powiatowego Urzędu Pracy w Ustrzykach Dolnych z dnia 05 czerwca 2014 r. KRYTERIA WYBORU INSTYTUCJI SZKOLENIOWEJ OBOWIĄZUJĄCE W POWIATOWYM URZĘDZIE PRACY W USTRZYKACH

Bardziej szczegółowo

Modele wielorównaniowe. Problem identykacji

Modele wielorównaniowe. Problem identykacji Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje

Bardziej szczegółowo

11.1. Zale no ć pr dko ci propagacji fali ultrad wi kowej od czasu starzenia

11.1. Zale no ć pr dko ci propagacji fali ultrad wi kowej od czasu starzenia 11. Wyniki bada i ich analiza Na podstawie nieniszcz cych bada ultrad wi kowych kompozytu degradowanego cieplnie i zm czeniowo wyznaczono nast puj ce zale no ci: pr dko ci propagacji fali ultrad wi kowej

Bardziej szczegółowo

Numeryczne zadanie wªasne

Numeryczne zadanie wªasne Rozdziaª 11 Numeryczne zadanie wªasne W tym rozdziale zajmiemy si symetrycznym zadaniem wªasnym, tzn. zadaniem znajdowania warto±ci i/lub wektorów wªasnych dla macierzy symetrycznej A = A T. W zadaniach

Bardziej szczegółowo

Obwody sprzone magnetycznie.

Obwody sprzone magnetycznie. POITECHNIKA SKA WYDZIAŁ INYNIERII RODOWISKA I ENERGETYKI INSTYTUT MASZYN I URZDZE ENERGETYCZNYCH ABORATORIUM EEKTRYCZNE Obwody sprzone magnetycznie. (E 5) www.imiue.polsl.pl/~wwwzmiape Opracował: Dr in.

Bardziej szczegółowo

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej

Bardziej szczegółowo

Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY

Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY PB 2 PB 1 Projekt z grupowania danych - Rough k-medoids Liczba osób realizuj cych projekt: 1 osoba 1. Wczytanie danych w formatach

Bardziej szczegółowo

Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia prostopadłościennego za pomocą arkusza kalkulacyjngo.

Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia prostopadłościennego za pomocą arkusza kalkulacyjngo. Konspekt lekcji Przedmiot: Informatyka Typ szkoły: Gimnazjum Klasa: II Nr programu nauczania: DKW-4014-87/99 Czas trwania zajęć: 90min Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia

Bardziej szczegółowo

MODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH

MODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH MODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH Urszula Fory± Zakªad Biomatematyki i Teorii Gier, Instytut Matematyki Stosowanej i Mechaniki, Wydziaª

Bardziej szczegółowo

Elementy geometrii w przestrzeni R 3

Elementy geometrii w przestrzeni R 3 Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi

Bardziej szczegółowo

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32 Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia

Bardziej szczegółowo

Matematyka z elementami statystyki

Matematyka z elementami statystyki Matematyka z elementami statystyki Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Korelacja Zale»no± funkcyjna wraz ze wzrostem jednej zmiennej nast puje ±ci±le okre±lona zmiana druiej zmiennej.

Bardziej szczegółowo

Metody bioinformatyki (MBI)

Metody bioinformatyki (MBI) Metody bioinformatyki (MBI) Wykªad 9 - mikromacierze DNA, analiza danych wielowymiarowych Robert Nowak 2016Z Metody bioinformatyki (MBI) 1/42 mikromacierze DNA Metoda badawcza, pozwalaj ca bada obecno±

Bardziej szczegółowo

STATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH

STATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH STATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH WYKŠAD 4 03 listopad 2014 1 / 47 Plan wykªadu 1. Testowanie zaªo»e«o proporcjonalnym hazardzie w modelu Cox'a 2. Wybór zmiennych do modelu Cox'a 3. Meta analiza

Bardziej szczegółowo

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,

Bardziej szczegółowo

EDUKARIS - O±rodek Ksztaªcenia

EDUKARIS - O±rodek Ksztaªcenia - O±rodek Ksztaªcenia Zabrania si kopiowania i rozpowszechniania niniejszego regulaminu przez inne podmioty oraz wykorzystywania go w dziaªalno±ci innych podmiotów. Autor regulaminu zastrzega do niego

Bardziej szczegółowo

Stacjonarne szeregi czasowe

Stacjonarne szeregi czasowe e-mail:e.kozlovski@pollub.pl Spis tre±ci 1 Denicja 1 Szereg {x t } 1 t N nazywamy ±ci±le stacjonarnym (stacjonarnym w w»szym sensie), je»eli dla dowolnych m, t 1, t 2,..., t m, τ ª czny rozkªad prawdopodobie«stwa

Bardziej szczegółowo

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria

Bardziej szczegółowo

Rynek biegowy w Polsce Stan i kierunki rozwoju. Akredytacje, Atesty, Licencje Profesjonalny Rynek Biegowy w Polsce

Rynek biegowy w Polsce Stan i kierunki rozwoju. Akredytacje, Atesty, Licencje Profesjonalny Rynek Biegowy w Polsce Rynek biegowy w Polsce Stan i kierunki rozwoju Akredytacje, Atesty, Licencje Profesjonalny Rynek Biegowy w Polsce Michaª Bernardelli Szkoªa Gªówna Handlowa w Warszawie Komisja ds. Biegów Ulicznych i Przeªajowych

Bardziej szczegółowo

Metody probablistyczne i statystyka stosowana

Metody probablistyczne i statystyka stosowana Politechnika Wrocªawska - Wydziaª Podstawowych Problemów Techniki - 011 Metody probablistyczne i statystyka stosowana prowadz cy: dr hab. in». Krzysztof Szajowski opracowanie: Tomasz Kusienicki* κ 17801

Bardziej szczegółowo

Kwantowa teoria wzgl dno±ci

Kwantowa teoria wzgl dno±ci Instytut Fizyki Teoretycznej Uniwersytetu Warszawskiego Festiwal Nauki, 16 wrze±nia 2006 Plan wykªadu Grawitacja i geometria 1 Grawitacja i geometria 2 3 Grawitacja Grawitacja i geometria wedªug Newtona:

Bardziej szczegółowo

WZÓR. klasa I. klasa II

WZÓR. klasa I. klasa II I I WZÓR Załącznik nr 6 Nazwa szkoły (zespołu szkół) składającej rozliczenie Nazwa jednostki samorządu terytorialnego Adres... Kod TERYT REGON Rozliczenie wykorzystania dotacji celowej otrzymanej w 2016

Bardziej szczegółowo

Lab. 02: Algorytm Schrage

Lab. 02: Algorytm Schrage Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z

Bardziej szczegółowo

Modele ARIMA prognoza, specykacja

Modele ARIMA prognoza, specykacja Modele ARIMA prognoza, specykacja Wst p do ekonometrii szeregów czasowych wiczenia 3 5 marca 2010 Plan prezentacji 1 Specykacja modelu ARIMA 2 3 Plan prezentacji 1 Specykacja modelu ARIMA 2 3 Funkcja autokorelacji

Bardziej szczegółowo

1 Metody iteracyjne rozwi zywania równania f(x)=0

1 Metody iteracyjne rozwi zywania równania f(x)=0 1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0

Bardziej szczegółowo

POLITECHNIKA WROCŠAWSKA WYDZIAŠ ELEKTRONIKI PRACA DYPLOMOWA MAGISTERSKA

POLITECHNIKA WROCŠAWSKA WYDZIAŠ ELEKTRONIKI PRACA DYPLOMOWA MAGISTERSKA POLITECHNIKA WROCŠAWSKA WYDZIAŠ ELEKTRONIKI Kierunek: Specjalno± : Automatyka i Robotyka (AIR) Robotyka (ARR) PRACA DYPLOMOWA MAGISTERSKA Podatny manipulator planarny - budowa i sterowanie Vulnerable planar

Bardziej szczegółowo

1 Poj cia pomocnicze. Przykªad 1. A A d

1 Poj cia pomocnicze. Przykªad 1. A A d Poj cia pomocnicze Otoczeniem punktu x nazywamy dowolny zbiór otwarty zawieraj cy punkt x. Najcz ±ciej rozwa»amy otoczenia kuliste, tj. kule o danym promieniu ε i ±rodku x. S siedztwem punktu x nazywamy

Bardziej szczegółowo

WYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania

WYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania WYKŁAD 4 Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania PLAN WYKŁADU Metody uczenia sieci: Uczenie perceptronu Propagacja wsteczna Zastosowania Sterowanie (powtórzenie) Kompresja obrazu Rozpoznawanie

Bardziej szczegółowo

Ramowy program i plan szkolenia przygotowujący nauczycieli. do realizacji projektu w zakresie wykorzystania interfejsów

Ramowy program i plan szkolenia przygotowujący nauczycieli. do realizacji projektu w zakresie wykorzystania interfejsów Ramowy program i plan szkolenia przygotowujący nauczycieli do realizacji projektu w zakresie wykorzystania interfejsów w rozwijaniu kompetencji kluczowych KK3 i KK4 w projekcie Zrozumieć świat - Lesznowola,

Bardziej szczegółowo

Politechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2015/2016

Politechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2015/2016 Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Mechaniczny obowiązuje studentów rozpoczynających studia w roku akademickim 015/016 Kierunek studiów: Inżynieria Produkcji Forma

Bardziej szczegółowo

6. Projektowanie składu chemicznego stali szybkotn cych o wymaganej twardo ci i odporno ci na p kanie

6. Projektowanie składu chemicznego stali szybkotn cych o wymaganej twardo ci i odporno ci na p kanie 6. Projektowanie składu chemicznego stali szybkotn cych o wymaganej twardo ci i odporno ci na p kanie Do projektowania składu chemicznego stali szybkotn cych, które jest zadaniem optymalizacyjnym, wykorzystano

Bardziej szczegółowo

3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka

3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast

Bardziej szczegółowo

JĘZYK ANGIELSKI. Przedmiotowy system oceniania w klasach 1-3

JĘZYK ANGIELSKI. Przedmiotowy system oceniania w klasach 1-3 JĘZYK ANGIELSKI Przedmiotowy system oceniania w klasach 1-3 1. Obszary podlegające ocenianiu: - wiedza i umiejętność jej stosowania oraz aktywność i zaangażowanie ucznia 2. Skala ocen: - w ciągu semestru

Bardziej szczegółowo

Informatyka. z przedmiotu RACHUNEK PRAWDOPODOBIE STWA

Informatyka. z przedmiotu RACHUNEK PRAWDOPODOBIE STWA Informatyka Zbiór przykªadowych prac kontrolnych oraz przykªadowych zada«egzaminacyjnych z przedmiotu RACHUNEK PRAWDOPODOBIE STWA Sprawdzian 1, M09-02 Zadanie 1 (1p) W rzucie dwiema kostkami obliczy prawdopodobie«stwo

Bardziej szczegółowo

System Zarządzania Relacyjną Bazą Danych (SZRBD) Microsoft Access 2010

System Zarządzania Relacyjną Bazą Danych (SZRBD) Microsoft Access 2010 System Zarządzania Relacyjną Bazą Danych (SZRBD) Microsoft Access 2010 Instrukcja do zajęć laboratoryjnych Część 1. ĆWICZENIE 1 ZADANIE 1 Utworzyć bazę danych Osoby, składającą się z jednej tabeli o następującej

Bardziej szczegółowo

Liniowe zadania najmniejszych kwadratów

Liniowe zadania najmniejszych kwadratów Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e

Bardziej szczegółowo

Wektory w przestrzeni

Wektory w przestrzeni Wektory w przestrzeni Informacje pomocnicze Denicja 1. Wektorem nazywamy uporz dkowan par punktów. Pierwszy z tych punktów nazywamy pocz tkiem wektora albo punktem zaczepienia wektora, a drugi - ko«cem

Bardziej szczegółowo

Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006

Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006 Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ Marek Majewski Aktualizacja: 1 pa¹dziernika 006 Spis tre±ci 1 Macierze dziaªania na macierzach. Wyznaczniki 1 Macierz odwrotna. Rz d macierzy

Bardziej szczegółowo

Dyskretyzacja sygnałów cigłych.

Dyskretyzacja sygnałów cigłych. POLITECHNIKA LSKA WYDZIAŁ INYNIERII RODOWISKA I ENERGETYKI INSTYTUT MASZYN I URZDZE ENERGETYCZNYCH LABORATORIUM METROLOGII Dyskretyzacja sygnałów cigłych. (M 15) www.imiue.polsl.pl/~wwwzmiape Opracował:

Bardziej szczegółowo

Rozdziaª 13. Przykªadowe projekty zaliczeniowe

Rozdziaª 13. Przykªadowe projekty zaliczeniowe Rozdziaª 13 Przykªadowe projekty zaliczeniowe W tej cz ±ci skryptu przedstawimy przykªady projektów na zaliczenia zaj z laboratorium komputerowego z matematyki obliczeniowej. Projekty mo»na potraktowa

Bardziej szczegółowo

Wybrane dane demograficzne województwa mazowieckiego w latach 2001-2014

Wybrane dane demograficzne województwa mazowieckiego w latach 2001-2014 Wybrane dane demograficzne województwa mazowieckiego w latach 21-214 Warszawa 215 Opracowanie: Oddział Statystyki Medycznej i Programów Zdrowotnych Mazowiecki Urząd Wojewódzki Wydział Zdrowia Dane źródłowe:

Bardziej szczegółowo

Podstawy logiki i teorii zbiorów wiczenia

Podstawy logiki i teorii zbiorów wiczenia Spis tre±ci 1 Zdania logiczne i tautologie 1 2 Zdania logiczne i tautologie c.d. 2 3 Algebra zbiorów 3 4 Ró»nica symetryczna 4 5 Kwantykatory 5 6 Relacje 7 7 Relacje porz dku i równowa»no±ci 8 8 Funkcje

Bardziej szczegółowo

punkcie. Jej granica lewostronna i prawostronna w punkcie x = 2 wynosz odpowiednio:

punkcie. Jej granica lewostronna i prawostronna w punkcie x = 2 wynosz odpowiednio: 5.9. lim x x +4 f(x) = x +4 Funkcja f(x) jest funkcj wymiern, która jest ci gªa dla wszystkich x, dla których mianownik jest ró»ny od zera, czyli dla: x + 0 x Zatem w punkcie x = funkcja ta jest okre±lona

Bardziej szczegółowo

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,

Bardziej szczegółowo

WFiIS Imi i nazwisko: Rok: Zespóª: Nr wiczenia: Fizyka Dominik Przyborowski IV 5 22 J drowa Katarzyna Wolska

WFiIS Imi i nazwisko: Rok: Zespóª: Nr wiczenia: Fizyka Dominik Przyborowski IV 5 22 J drowa Katarzyna Wolska WFiIS Imi i nazwisko: Rok: Zespóª: Nr wiczenia: Fizyka Dominik Przyborowski IV 5 22 J drowa Katarzyna Wolska Temat wiczenia: Wyznaczanie stosunku przekrojów czynnych na aktywacj neutronami termicznymi

Bardziej szczegółowo

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc PRAWA ZACHOWANIA Podstawowe terminy Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc a) si wewn trznych - si dzia aj cych na dane cia o ze strony innych

Bardziej szczegółowo

SPRAWOZDANIE Z REALIZACJI XXXII BADAŃ BIEGŁOŚCI I BADAŃ PORÓWNAWCZYCH HAŁASU W ŚRODOWISKU Warszawa 17 18 kwiecień 2012r.

SPRAWOZDANIE Z REALIZACJI XXXII BADAŃ BIEGŁOŚCI I BADAŃ PORÓWNAWCZYCH HAŁASU W ŚRODOWISKU Warszawa 17 18 kwiecień 2012r. SPRAWOZDANIE Z REALIZACJI XXXII BADAŃ BIEGŁOŚCI I BADAŃ PORÓWNAWCZYCH HAŁASU W ŚRODOWISKU Warszawa 17 18 kwiecień 2012r. 1. CEL I ZAKRES BADAŃ Organizatorem badań biegłości i badań porównawczych przeprowadzonych

Bardziej szczegółowo

1. Koło Naukowe Metod Ilościowych,zwane dalej KNMI, jest Uczelnianą Organizacją Studencką Uniwersytetu Szczecińskiego.

1. Koło Naukowe Metod Ilościowych,zwane dalej KNMI, jest Uczelnianą Organizacją Studencką Uniwersytetu Szczecińskiego. STATUT KOŁA NAUKOWEGO METOD ILOŚCIOWYCH działającego przy Katedrze Statystyki i Ekonometrii Wydziału Nauk Ekonomicznych i Zarządzania Uniwersytetu Szczecińskiego I. Postanowienia ogólne. 1. Koło Naukowe

Bardziej szczegółowo

Wyznaczanie współczynnika sprężystości sprężyn i ich układów

Wyznaczanie współczynnika sprężystości sprężyn i ich układów Ćwiczenie 63 Wyznaczanie współczynnika sprężystości sprężyn i ich układów 63.1. Zasada ćwiczenia W ćwiczeniu określa się współczynnik sprężystości pojedynczych sprężyn i ich układów, mierząc wydłużenie

Bardziej szczegółowo

Rys.2 N = H (N cos = N) : (1) H y = q x2. y = q x2 2 H : (3) Warto± siªy H, która mo»e by uto»samiana z siª naci gu kabla, jest równa: z (3) przy

Rys.2 N = H (N cos = N) : (1) H y = q x2. y = q x2 2 H : (3) Warto± siªy H, która mo»e by uto»samiana z siª naci gu kabla, jest równa: z (3) przy XXXV OLIMPIADA WIEDZY TECHNICZNEJ Zawody III stopnia Rozwi zania zada«dla grupy mechaniczno-budowlanej Rozwi zanie zadania Tzw. maªy zwis, a wi c cos. W zwi zku z tym mo»na przyj,»e Rys. N H (N cos N)

Bardziej szczegółowo

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?

Bardziej szczegółowo

Kolegium Międzywydziałowych Indywidualnych Studiów Humanistycznych

Kolegium Międzywydziałowych Indywidualnych Studiów Humanistycznych Kolegium Międzywydziałowych Indywidualnych Studiów Humanistycznych Kierunek studiów: studia międzykierunkowe Rodzaj studiów: jednolite pięcioletnie studia magisterskie lub studia I stopnia (w zależności

Bardziej szczegółowo

Ekonometria. wiczenia 5 i 6 Modelowanie szeregów czasowych. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 5 i 6 Modelowanie szeregów czasowych. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 5 i 6 Modelowanie szeregów czasowych (5-6) Ekonometria 1 / 30 Plan prezentacji 1 Regresja pozorna 2 Testowanie stopnia zintegrowania szeregu 3 Kointegracja 4 Modele dynamiczne (5-6)

Bardziej szczegółowo

2. Wykonanie zarządzenia powierza się Sekretarzowi Miasta. 3. Zarządzenie wchodzi w życie z dniem podpisania.

2. Wykonanie zarządzenia powierza się Sekretarzowi Miasta. 3. Zarządzenie wchodzi w życie z dniem podpisania. ZARZĄDZENIE Nr 267/2015 PREZYDENTA MIASTA KRAKOWA z dnia 10.02.2015 r. w sprawie przyjęcia i przekazania pod obrady Rady Miasta Krakowa projektu uchwały Rady Miasta Krakowa w sprawie przyjęcia regulaminu

Bardziej szczegółowo

Interpolacja funkcjami sklejanymi

Interpolacja funkcjami sklejanymi Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak

Bardziej szczegółowo

Stabilno± ukªadów liniowych

Stabilno± ukªadów liniowych Rozdziaª 1 Stabilno± ukªadów liniowych Autorzy: Bartªomiej Fajdek 1.1 Poj cia podstawowe Jednym z podstawowych wymogów stawianych ukªadom automatyki jest stabilno±. Istnieje wiele denicji stabilno±ci ukªadów

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Podstawy metrologii Kod przedmiotu: Rodzaj przedmiotu: Zarządzanie i inżynieria produkcji Poziom studiów: forma studiów: Rok: ZiIP.PK.B.15. kierunkowy I stopnia studia niestacjonarne

Bardziej szczegółowo

Statystyka matematyczna - ZSTA LMO

Statystyka matematyczna - ZSTA LMO Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia

Bardziej szczegółowo