IV. Niezawodność wytwarzania energii elektrycznej w SEE (J. Paska)

Wielkość: px
Rozpocząć pokaz od strony:

Download "IV. Niezawodność wytwarzania energii elektrycznej w SEE (J. Paska)"

Transkrypt

1 IV. Niezawodość wytwarzaia eergii eletryczej w SEE (J. Pasa) Niezawodość wytwarzaia i jej arametry Niezawodość wytwarzaia eergii eletryczej może być rozatrywaa jao zagadieie rzewyższaia rzez roces stochastyczy zaotrzebowaia a moc ( rocesu stochastyczego zdolości wytwórczej systemu P(. Model iezawodości wytwarzaia staowi zatem roces stochastyczy deficytu mocy D(, oreśloy jao: ( - P(, gdy ( > P( ( =, gdy ( P( D (.) Przyładowe realizacje rocesów (, P( i D( w rzedziale [t, t ] rzedstawioo a rys... P( ( Rys... Przyładowe realizacje rocesów losowych zaotrzebowaia a moc (, zdolości wytwórczej P( i deficytu mocy D( D( t τ τ τ τ τ τ t t W ratyce iteresuje as główie iezawodość wytwarzaia w rzyszłości, dla tórej ie jest zaa, i ie może być zaa, fucja D(. Dla ustaloego t (ściśle oreśloej chwili) D( jest zmieą losową, tóra może rzyjmować wartości z oreśloego rzedziału liczb rzeczywistych, i dla tórej są zae lub mogą być zae rawdoodobieństwa z jaimi rzyjmuje oa wartości z tego rzedziału. biór zmieych losowych D( dla wszystich t [t, t ] jest rocesem stochastyczym D( oreśloym w rzedziale [t, t ]. W termiologii rocesów losowych jest to roces losowy z czasem ciągłym. Parametry rocesu deficytu mocy są charaterystyami ilościowymi iezawodości wytwarzaia eergii eletryczej. Mogą to być między iymi: o czas T trwaia deficytu, a więc czas w ciągu tórego D( > w rzedziale [t, t ]; o eergia iedostarczoa, czyli ole od rzywą D(; o częstość wystęowaia deficytu, gdzie - liczba rzedziałów [τ i, τ i ], zawartych w [t, t ], w tórych D( >. Wyżej wymieioe arametry charateryzują iezawodość wytwarzaia w rzedziale [t, t ] i dla rzeszłości są to orete wartości liczbowe oisujące fucję deficytu mocy D(. Dla rzyszłości zaś są zmieymi losowymi charateryzującymi roces stochastyczy deficytu mocy D(. Ich rozłady jest bardzo trudo oreślić, atomiast stosuowo łatwo moża wyzaczyć wartości oczeiwae E[T], E[ A], E[]. W rzyadu ogólym, tz. gdy zaotrzebowaie a moc i zdolość wytwórcza systemu są rocesami losowymi, w rówaiu deficytu mocy D( D( = ( P( (.) moża dooać astęujących odstawień: ( = m ( + δ (, P( = P os ( - P um ( (.) rzy czym: m ( = E[(], δ ( = ( - m ( (.) gdzie: m ( wartość oczeiwaa rocesu zaotrzebowaia a moc, δ ( roces losowy odchyleń rocesu ( od jego wartości oczeiwaej, P os ( osiągala zdolość wytwórcza (moc osiągala) systemu, P um ( roces losowy zaiżeń zdolości wytwórczej (ubytów mocy). Po odstawieiu zależości (.) do rówaia (.) otrzymuje się: D( = m ( + δ ( - P os ( + P um ( = [δ ( + P um (] [P os ( - m (] = = L P ( rm( (.5) gdzie: L P ( roces losowy będący sumą odchyleń rocesu zaotrzebowaia a moc od jego wartości oczeiwaej i zaiżeń zdolości wytwórczej systemu, rm( wartość oczeiwaa rezerwy (margiesu) mocy osiągalej. Reasumując moża stwierdzić, że dla rzyszłości: o D( jest rocesem stochastyczym w rzedziale [t, t ] a dla ustaloego t jest zmieą losową, tórej wartość oczeiwaa jest wartością deficytu mocy; o T, A i są zmieymi losowymi; o Progozowaie iezawodości wytwarzaia olega a wyzaczeiu charaterysty iezaego rocesu D(. W zastosowaiu do zagadień ratyczych rocesy sładowe deficytu mocy: roces zdolości wytwórczej i roces zaotrzebowaia a moc; ja też iezbęde dla ich oreśleia modele zazwyczaj

2 IV. Niezawodość wytwarzaia eergii eletryczej w SEE (J. Pasa) rozatruje się iezależie i oblicza wsaźii iezawodości wytwarzaia rzez odowiedie ołączeie ich wyiowych charaterysty. W waruach ustaloych zdolości wytwórczych systemu (iezmiey zestaw jedoste wytwórczych i stałe ich arametry - moce osiągale i wsaźii iezawodości) roces stochastyczy zdolości wytwórczej P( jest stacjoary i może być oisay rzez swą dystrybuatę F(P d ) - dystrybuatę zdolości wytwórczej (mocy dysozycyjej) systemu. wyle ma to miejsce dla oresu odowiadającego iezmieej liczbie bloów w remocie laowym (zazwyczaj jede tydzień). W odiesieiu do rocesu zaotrzebowaia a moc ( moża rzyjąć, że rogozowae zaotrzebowaie jest rówe swej wartości oczeiwaej i będzie rerezetowae rzez zaą fucję czasu (jest to rzyade szczególy, gdy rozważay roces jest rocesem determiistyczym). Ta fucja czasu może być rzedstawioa w ostaci rzebiegu aledarzowego (dla rótszych horyzotów czasowych: dzień, tydzień) lub rzebiegu uorządowaego (dla dłuższych horyzotów: miesiąc, ora rou, ro). W tym ostatim rzyadu wyorzystuje się wyres uorządoway obciążeń godziych lub ółgodziych (LDC - Load Duratio Curve) albo wyres uorządoway dobowych obciążeń szczytowych (DPLVC - Daily Pea Load Variatio Curve). Istote jest zrozumieie i właściwa iterretacja ryteriów robabilistyczych i wsaźiów iezawodości używaych rzy aalizie i oceie iezawodości systemu eletroeergetyczego a ierwszym oziomie hierarchiczym (HL I) - iezawodości wytwarzaia eergii eletryczej. Stosowae są astęujące wsaźii iezawodości wytwarzaia: o LOLP (Loss of Load Probability) - rawdoodobieństwo ieorycia zaotrzebowaia; o LOLE (Loss of Load Exectatio) - oczeiway sumaryczy czas trwaia deficytów mocy w rozatrywaym oresie; o LOEE/EENS/EUE (Exected Eergy Not Sulied/Loss of Eergy Exectatio/Exected Userved Eergy) - wartość oczeiwaa eergii iedostarczoej; o F&D (Frequecy ad Duratio Idices) - częstość i czas trwaia deficytów mocy; o EIR (Eergy Idex of Reliability) - wsaźi zaewieia eergii; o EIU (Eergy Idex of Ureliability) - wsaźi eergii iedostarczoej; o SM (System Miutes) - zastęczy czas trwaia deficytu mocy; o ECD (Exected Caacity Deficiecy) - wartość oczeiwaa deficytów mocy; o PCD (Probability of Caacity Deficiecy) - rawdoodobieństwo wystąieia deficytu mocy; o XLOL (exected Loss of Load) - wartość oczeiwaa ojedyczego deficytu mocy. LOLP: Jest to wsaźi ajstarszy i ajbardziej odstawowy, zdefiioway obecie jao rawdoodobieństwo, że zaotrzebowaie (obciążeie) rzeroczy zdolość wytwórczą (moc dysozycyją) systemu. LOLE: Jest to wsaźi ajowszechiej obecie stosoway rzy laowaiu rzyszłych mocy wytwórczych. LOLE jest geeralie defiioway jao średia (oczeiwaa) liczba di, w tórych obciążeie szczytowe rzewyższy zdolość wytwórczą (moc dysozycyją). Alteratywie jest oreślay jao oczeiwaa liczba godzi ieorycia zaotrzebowaia. Wsaźi LOLE odaje zatem oczeiwaą liczbę di (lub godzi), w tórych może ojawić się deficyt mocy i ieorycie zaotrzebowaia, ma więc iterretacją fizyczą w odróżieiu od LOLP, chociaż te dwie wartości są bezośredio owiązae. Czasem są też myloe i błędie iterretowae. Powtórzmy więc: LOLP jao rawdoodobieństwo jest bezwymiarowy, LOLE zaś ma wymiar czasu - [di/ro], [h/ro], [h/tydzień], [h/dobę]. LOEE: Jest to wartość oczeiwaa eergii, tóra ie zostaie dostarczoa (udostęioa) odbiorcom w rozatrywaym oresie (. w [MW h/ro]), w sytuacjach gdy zaotrzebowaie rzewyższy zdolość wytwórczą systemu. LOEE zawiera więcej iformacji iż LOLE, wsazuje bowiem zarówo głęboość ja i rawdoodobieństwo deficytów. Wsaźi te jest więc bardziej rawdziwym odzwierciedleiem ryzya i jest coraz owszechiej stosoway. EENS i EUE są iymi azwami tego samego arametru. F&D: Wsaźi F&D jest rozszerzeiem wsaźia LOLE i idetyfiuje oczeiwaą częstość wystęowaia deficytów oraz oczeiway czas trwaia ojedyczego deficytu. Dla rzyładu, gdy LOLE =,5 dia/ro; wartości F&D mogą być rówe: częstość deficytów F = a - a rzecięty czas trwaia deficytu D =,5 dia. F&D zawiera więc dodatowe charaterystyi fizycze, ale ie jest wyorzystyway w ratyczych zastosowaiach. Jest to główie wyiiem wymagaia dodatowych daych i szybo rosącej złożoości aaliz, ie sutujących zaczącym efetem w ostaci orawy jaości decyzji laistyczych. EIR i EIU: EIR jest wsaźiiem zaewieia eergii, zdefiiowaym jao stosue wartości oczeiwaej eergii dostarczoej do eergii zaotrzebowaej, zaś EIU jest wsaźiiem eergii iedostarczoej, zdefiiowaym jao stosue wartości oczeiwaej eergii iedostarczoej (LOEE) do eergii zaotrzebowaej. Suma obu wsaźiów daje jedość. Wsaźii te, jao wartości względe, ozwalają a orówywaie iezawodości wytwarzaia w dużych i małych systemach, ja rówież a śledzeie chroologii zmia iezawodości w rozwijającym się systemie. Jest to założeie dysusyje, ale ozwala w istoty sosób urościć obliczaie wsaźiów iezawodości wytwarzaia. Jedą z alteratyw dla tego założeia uraszczającego jest wyorzystaie liczb rozmytych do modelowaia ieewości.

3 IV. Niezawodość wytwarzaia eergii eletryczej w SEE (J. Pasa) SM: astęczy czas trwaia deficytu mocy jest wsaźiiem stosowaym rzez szereg rzedsiębiorstw eergetyczych. Jest o, odobie ja orzedie (EIR i EIU), związay z LOEE, tóra jest w tym rzyadu odzieloa rzez obciążeie szczytowe (zamiast rzez eergię zaotrzebowaą). Wsaźi ma wymiar czasu ale ie jest to czas rzeczywisty (odobie ja czas wyorzystaia obciążeia szczytowego czy mocy zaistalowaej). W rzeczywistości rocza iedysozycyjość systemu jest wyższa iż oreśloa rzez wartość wsaźia SM. ECD: Wsaźi oreśla wartość oczeiwaą deficytów mocy w rozatrywaym oresie (diu, tygodiu, rou) i ma wymiar mocy. PCD: Wsaźi oreśla rawdoodobieństwo wystąieia deficytu mocy w rozatrywaym oresie (diu, tygodiu, miesiącu, rou). XLOL: Wsaźi oreśla wartość oczeiwaą ojedyczego deficytu mocy Jest o rówy stosuowi wartości oczeiwaej deficytów mocy ECD i rawdoodobieństwa wystąieia deficytu PCD w rozatrywaym oresie. Dla rzyładu, gdy ECD =,5 MW; PCD =,5 - to XLOL =,5/,5 = MW. Niezawodość systemu oceiaa jest a odstawie rawdoodobieństwa, że system jest zdoly (lub ie) do orycia oreśloej wartości zaotrzebowaia a moc rzez orówaie rozładu robabilistyczego obciążeia oraz rozładu zdolości systemu do geerowaia mocy (mocy dysozycyjej). Ryzyo ieorycia zaotrzebowaia otrzymuje się jao rawdoodobieństwo łączego wystąieia dwóch iezależych zdarzeń A i B: P(A, B) = P(A) P(B), (.) gdzie: A odowiada wystąieiu daego obciążeia, B odowiada zdolości wytwórczej systemu miejszej iż dae obciążeie. Ozaczmy jao () fucję gęstości rawdoodobieństwa zaotrzebowaia a moc (rzyjmującego wartości z rzedziału omiędzy wartością masymalą max oraz miimalą mi ) oraz rzez F d () rawdoodobieństwo, że zdolość wytwórcza systemu (P - moc dysozycyja) jest miejsza iż obciążeie (); rzy czym d (P) jest odowiedio fucją gęstości rawdoodobieństwa mocy dysozycyjej (zdolości wytwórczej). F ) = d ( P)d = P{ P < ( (.) d } atem ierwszy ze wsaźiów iezawodości wytwarzaia - LOLP - dla oretej, determiistyczej wartości obciążeia jest rówy wartości dystrybuaty mocy dysozycyjej systemu LOLP( ) = F d ( ) = P{P < } (.) Modele iezawodościowe jedoste wytwórczych eergii eletryczej W czasie esloatacji jedosti wytwórcze mogą zajdować się w staach różiących się wartością mocy geerowaej. Te złożoy roces esloatacji owiie zaleźć odbicie w modelu iezawodościowym blou eergetyczego, wyorzystywaym astęie rzy oceie iezawodości wytwarzaia eergii eletryczej w systemie eletroeergetyczym. Efetywym arzędziem do oisu i aalizy wielostaowych modeli iezawodości jedoste wytwórczych są rocesy semi-marowa i Marowa. Model rocesu esloatacji jedosti wytwórczej moża sformułować w ategoriach rocesów semi- Marowa. W ratyczych zastosowaiach, w szczególości dla systemów wytwórczych złożoych z wielu jedoste, rzy oceie iezawodości wytwarzaia eergii eletryczej są wyorzystywae rostsze modele oisae oiżej. Model dwustaowy Niech w systemie będzie jedoste wytwórczych, z tórych ażda może z rawdoodobieństwem i (i =,..., ) zajdować się w staie dysozycyjości (zdolości do racy) i z rawdoodobieństwem q i = - i w staie iedysozycyjości (iezdatości). Moc osiągala jedosti jest rówa P i. λ µ - sta dysozycyjości (racy) - sta iedysozycyjości λ arametr strumieia iesrawości (itesywość uszodzeń) µ arametr strumieia odów (itesywość odów) Sta jedosti dolość wytwórcza Prawdoodobieństwo stau P i i q i = - i Rys... Dwustaowy model iezawodości jedosti wytwórczej (blou eergetyczego) Wówczas arametrem charateryzującym iezawodość jedosti wytwórczej, wyorzystywaym rzy oceie iezawodości wytwarzaia jest wsaźi iedysozycyjości (awaryjości).

4 IV. Niezawodość wytwarzaia eergii eletryczej w SEE (J. Pasa) λ MTTR MTTR f U = = = = λ + µ MTTF + MTTR T µ µ MTTF MTTF f A = q = = = = λ + µ MTTF + MTTR T λ q (.5) (.6) gdzie: MTTR = /µ - średi czas odowy (MTTR - Mea Time To Reair); MTTF = /λ - średi czas racy bezawaryjej (MTTF - Mea Time To Failure); T = MTTF + MTTR - średi czas racy między iesrawościami (średi czas cylu); f = /T - częstość iesrawości. Parametr q daje asymtotyczą oceę rawdoodobieństwa tego, że rzy ie zmieioych waruach esloatacji blo ie będzie zdoly wyełiać swych fucji. Model wielostaowy Niech w systemie będzie jedoste wytwórczych, z tórych ażda oza wyżej wymieioymi staami może zajdować się w staach częściowej dysozycyjości, charateryzujących się mocą geerowaą (zdolością wytwórczą) iższą od zamioowej (osiągalej). l s Sta jedosti dolość wytwórcza P i i, P i, i, P i, i, P i, i, P i, i, l s P i,ls i,ls Prawdoodobieństwo stau ls qi = = Rys... Wielostaowy model iezawodości jedosti wytwórczej (blou eergetyczego) Wówczas zdolość wytwórcza jedosti będzie zmieą losową rzyjmującą l si + wartości a ozostałe założeia zostają ja orzedio. Model jedosti szczytowej Jedosta szczytowa lub odszczytowa jest modelowaa rzy omocy czterostaowej rerezetacji zarooowaej rzez IEEE. Czterema staami w tym modelu są: () sta rezerwy (jedosta dysozycyja, bra zaotrzebowaia a jej racę); () sta awarii rzy brau zaotrzebowaia a racę jedosti; () sta racy; () sta awarii odczas zaotrzebowaia a racę jedosti. Jeśli fucjoowaie blou zostaie oisae za /D (-P s )/T omocą rocesu Marowa, to dla stacjoarych rawdoodobieństw staów otrzymuje się: P µ µ = - P - P - P (.7) P = (Dλ + P s )/A (.8) P s /D P = [Dµ( - P s ) + µd + D/T]/A (.9) /D /T Rys... Model iezawodości jedosti szczytowej i odszczytowej: T średi czas trwaia stau rezerwy, D średi czas racy, P s rawdoodobieństwo ieudaego rozruchu blou λ i, P = [D(µ + /T)(Dλ + P s )]/A (.) = A = (Dλ + P s ) [(µt + ) + (µ + /T)/D] + [( - P s ) + D(µ + /T)][µ(T + D)] (.) q P + P P + P + P = (.) Dla zmieych waruów racy rawdoodobieństwo waruowe, że blo ie może rzejąć obciążeia, gdy jest to wymagae, wyraża się zależością: Q = P /(P + P ) (.) Ozaczając f P P + P =, otrzymuje się Q f (P + P ) P + f (P + P ) = (.) Parametr f staowi swego rodzaju wagę odwzorowującą udział czasu remotu awaryjego zachodzącego w sytuacji gdy wystęuje zaotrzebowaie a racę jedosti. Wyzaczaie dystrybuaty mocy dysozycyjej systemu i wsaźiów iezawodości wytwarzaia Główy ciężar roblemu ocey iezawodości wytwarzaia w rzyszłości soczywa a rogozowaiu dystrybuaty zdolości wytwórczej (mocy dysozycyjej) systemu. ależie od rzyjętego modelu iezawodości jedoste wytwórczych (bloów eergetyczych) różie będzie sformułowae

5 IV. Niezawodość wytwarzaia eergii eletryczej w SEE (J. Pasa) zadaie wyzaczaia rocesu zdolości wytwórczej (mocy dysozycyjej) systemu - dystrybuaty zdolości wytwórczej (mocy dysozycyjej). Ozaczmy rzez z i zmieą losową, rzyjmującą: o dla modelu dwustaowego dwie wartości - P i z rawdoodobieństwem i i z rawdoodobieństwem q i. o dla modelu wielostaowego l s + wartości - P i, z rawdoodobieństwami i, i z rawdoodobieństwem q i. Niech wszystie z i będą iezależe. Moc sumarycza (zdolość wytwórcza, moc dysozycyja) całego systemu taże będzie zmieą losową: z = i= z i, o dystrybuacie F z (x). Wyzaczeie tej dystrybuaty jest rozwiązaiem zadaia. Prawdoodobieństwa wszystich możliwych staów jedoste wytwórczych, a więc i wszystich wartości zdolości wytwórczej (mocy dysozycyjej) systemu są oreśloe rzez iloczy astęujących dwumiaów (dla modelu dwustaowego): ( + q + q q )( + q ) ( + q + + q ) = q q + q q + q q = + (.5) Pierwszy czło zależości (.5) oreśla rawdoodobieństwo dysozycyjości (racy) wszystich jedoste (moc dysozycyja rówa sumie mocy osiągalych - ubyte mocy rówy zeru) a ostati q q q - rawdoodobieństwo iedysozycyjości (awarii) wszystich jedoste (moc dysozycyja rówa zeru - ubyte mocy rówy sumie mocy osiągalych). Pozostałe człoy odają rawdoodobieństwa odowiedich wartości mocy dysozycyjej (ubytu mocy). Po zsumowaiu rawdoodobieństw odowiadających taim samym mocom otrzymuje się rozład rawdoodobieństwa zmieej losowej - mocy dysozycyjej (ubytu mocy) systemu i astęie dystrybuatę tej mocy (jest to dysreta zmiea losowa tyu soowego). Przedstawioa wyżej metoda dołada wyzaczaia dystrybuaty mocy dysozycyjej jest mało efetywa obliczeiowo dla systemów złożoych z dużej liczby jedoste wytwórczych, wymaga bowiem dla modelu dwustaowego rozatrzeia ombiacji. Tworzoe są więc i wyorzystywae metody bardziej efetywe obliczeiowo lub uroszczoe. Dystrybuatę mocy dysozycyjej (odwrócoą dystrybuatę awaryjych ubytów mocy) moża wyzaczać różymi metodami. Najowszechiej są stosowae metody: reurecyja (reursywa), częstości i czasów trwaia, umulat czyli arosymacji dystrybuaty szeregiem Grama - Charliera, symulacyja, rozwiięcia w szereg Edgewortha. Do ratyczego wyorzystaia (w modelu i rogramie ONW - Ocea Niezawodości Wytwarzaia) zostały wybrae cztery metody: reursywa, rozładu ormalego, rozwiięcia w szereg Edgewortha, symulacyja. Główą rzesłaą wyboru było to, że moża je taże stosować do wyzaczaia dystrybuaty mocy dysozycyjej systemu złożoego z wielostaowych jedoste wytwórczych. Metoda reurecyja (reursywa) Metoda jest metodą doładą, ie oiera się jeda a zastosowaiu rozwiięcia iloczyu dwumiaów (wielomiaów). Istota metody olega a zastosowaiu formuły reurecyjej: F = q F ( x) + F ( x P ) (.) W te sosób oczyając od F (x), olejo stosując formułę (.) otrzymuje się F (x) = F z (x). Formuła reurecyja (.) staowi istotę metody reurecyjej. W metodzie tej zatem do systemu zerowego, tj. taiego, tórego moc wytwórcza jest rówa zeru, dodaje się oleje jedosti wytwórcze. Po ażdym zwięszeiu mocy wytwórczej systemu oblicza się wartości dystrybuaty mocy dysozycyjej, idąc w ieruu ich wartości malejących. Obliczeia owtarza się dla oszczególych wrowadzaych jedoste aż do somletowaia ełej mocy wytwórczej. Wartości ońcowe są oszuiwaymi wartościami dystrybuaty mocy dysozycyjej SEE. Ogólą ideę ratyczego obliczaia wsaźiów iezawodości wytwarzaia oazao a rys..8 i.9. Każdy sta (wartość) mocy dysozycyjej systemu P d, (ubytu mocy - U ) jest w waruach stacjoarych rerezetoway rzez wartość rawdoodobieństwa (P d ) i dystrybuaty F(P d, ). Odowiadający -temu staowi czas, w tórym obciążeie rzewyższa moc dysozycyją, ma wartość t (w godziach dla LDC i diach dla DPLVC). Moża też wyzaczyć ilość iedostarczoej eergii A, eergię zaotrzebowaą A i obciążeie szczytowe s. Podstawowe wsaźii iezawodości wytwarzaia eergii eletryczej w SEE są więc oreśloe zależościami: LOLP( ) = F( ) = P{ P < LOEE LOEE = A ( Pd ), EIU =, A d }, LOLE = t ( P ), EIR = - EIU, SM d = LOEE 6. s (.6) Proces losowy zdolości wytwórczej jest stacjoary dla oresu czasu odowiadającemu iezmieej liczbie bloów w remocie laowym (zazwyczaj jede tydzień). 5

6 IV. Niezawodość wytwarzaia eergii eletryczej w SEE (J. Pasa) W ratyczych zastosowaiach istoty jest czas obliczeń. Dla jego ograiczeia moża wyorzystać związi między wsaźiami iezawodości. F(P d) a) LOLP c) ( Moc osiągala Margies mocy LOLP( s) s U A t (P d ) LDC lub DPLVC b) t P d t 5 t 7 t P d, A = ole od rzywą t 5 t 7 s Czas Rys..8. Ilustracja ołączeia modeli zdolości wytwórczej i obciążeia dla obliczeia wsaźiów iezawodości wytwarzaia t Rys..9. Ilustracja obliczaia wsaźia LOLP rzy wyorzystaiu dystrybuaty mocy dysozycyjej i aledarzowego rzebiegu obciążeia: a) dystrybuata mocy dysozycyjej - model zdolości wytwórczej systemu, b) rogozoway rzebieg zaotrzebowaia (aledarzowy), c) wyiowy wyres LOLP Dodatowe czyii uwzględiae w ratyczych obliczeiach wsaźiów iezawodości wytwarzaia eergii eletryczej to: ieoreśloość rogoz obciążeia i arametrów iezawodościowych jedoste wytwórczych, laowa rofilatya, jedosti wytwórcze wyorzystujące odawiale źródła eergii, wrowadzaie rogramów ształtowaia oytu a eergię eletryczą (DSM) i ich efety. Algorytm i rogram obliczeiowy ONW ares rzedmiotowy orogramowaia obejmuje odsystemy wytwórcze systemu eletroeergetyczego złożoe z jedoste dwu i (lub) wielostaowych (liczba staów ie może rzeraczać ) zestawioych w gruy idetyczych jedoste (liczba gru bloów i liczba jedoste wytwórczych w systemie jest ograiczoa jedyie rzez dysoowaą amięć, bowiem rogram oceia zasoby i iformuje użytowia o wyiających stąd możliwościach). Program ozwala wyzaczać dystrybuatę mocy dysozycyjej metodami: reursywą, symulacyją, rozładu ormalego, rozwiięcia w szereg Edgewortha) oraz obliczać astęujące wsaźii iezawodości wytwarzaia eergii eletryczej: o LOLE - oczeiway czas trwaia deficytu mocy w rozatrywaym oresie; o LOLP S - rawdoodobieństwo ie orycia zaotrzebowaia, rzy założeiu że obciążeie jest stałe i rówe szczytowemu - rogram umożliwia też obliczaie wsaźia LOLP dla ażdej wartości obciążeia (ie tylo szczytowej); o LOEE/EENS - wartość oczeiwaa eergii iedostarczoej; o EIR - wsaźi zaewieia eergii, o ECD - wartość oczeiwaa deficytu mocy; o PCD - rawdoodobieństwo deficytu mocy; o XLOL - wartość oczeiwaa ojedyczego deficytu mocy. Przewidywae obciążeie systemu może być obciążeiem: dobowym, tygodiowym, miesięczym lub roczym; a w ażdym z tych oresów może być rozatrywae jao: schodowe, zadae w rańcowym rzyadu rzez wartości dla ażdej godziy lub ółgodziy doby (co odowiadało ratyce rozliczeń w ool u Aglii i Walii oraz rozważaym rozwiązaiom rajowym); arosymowae fucją (zastosowaie dla uorządowaych rzebiegów obciążeia) - wyładiczy model obciążeia lub wielomia 5-tego stoia (możliwość dowolych rerezetacji uorządowaych rzebiegów obciążeia). Dla systemu zawierającego ie więcej iż bloów rogram automatyczie dobiera wartości mocy, dla tórych będą liczoe wartości dystrybuaty; dla więszej liczby jedoste wytwórczych użytowi rogramu musi odać ro obliczeń dystrybuaty. Dla uzysaia doładych wyiów metodą reursywą zaleca się by ro obliczeń był rówy ajwięszemu wsólemu odzieliowi mocy oszczególych bloów. Program ONWWi staowi ową wersję rogramu ONW. ostał aisay rzy użyciu omilatora Borlad Delhi.. Pracuje od otrolą systemów oeracyjych Microsoft Widows w wersji bitowej: Widows 95, 98, NT, Me,, XP, Vista. Program jest obsługiway rzy użyciu myszy oraz lawiatury i omuiuje się z użytowiiem za omocą graficzego iterfejsu użytowia (GUI). 6

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego. Rachue rawdoodobieństwa MAP064 Wydział Eletroii, ro aad. 008/09, sem. leti Wyładowca: dr hab. A. Jurlewicz Wyład 8: Zmiee losowe dysrete. Rozłady Beroulliego (dwumiaowy), Pascala, Poissoa. Przybliżeie

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

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

Bardziej szczegółowo

POLITECHNIKA WARSZAWSKA

POLITECHNIKA WARSZAWSKA opracował: prof. dr hab. inż. Józef Pasa, mgr inż. Piotr Marchel POLITECHNIKA WARSZAWSKA Instytut Eletroenergetyi, Załad Eletrowni i Gospodari Eletroenergetycznej Bezpieczeństwo eletroenergetyczne i niezawodność

Bardziej szczegółowo

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i

Bardziej szczegółowo

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi,

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi, Zadaie aa jest fucja gęstości zmieej losowej X: 9 8 Wyzacz: F (X ; Q ; ; ( X ; 9 9 P X P Zadaie ( Statystya II, X a b F( b F( a X e! P m ( ; m E( X ( X V ( X X R P ( X R ( X V ( X jest fucją gęstości zmieej

Bardziej szczegółowo

W wielu przypadkach zadanie teorii sprężystości daje się zredukować do dwóch

W wielu przypadkach zadanie teorii sprężystości daje się zredukować do dwóch Wykład 5 PŁASKI ZADANI TORII SPRĘŻYSTOŚCI Płaski sta arężeia W wielu rzyadkach zadaie teorii srężystości daje się zredukować do dwóch wymiarów Przykładem może być cieka tarcza obciążoa siłami działającymi

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

Wyższe momenty zmiennej losowej Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla

Bardziej szczegółowo

Wykład 10 Wnioskowanie o proporcjach

Wykład 10 Wnioskowanie o proporcjach Wykład 0 Wioskowaie o roorcjach. Wioskowaie o ojedyczej roorcji rzedziały ufości laowaie rozmiaru róby dla daego margiesu błędu test istotości dla ojedyczej roorcji Uwaga: Będziemy aalizować roorcje odobie

Bardziej szczegółowo

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h() dla dysretej zm. losowej oraz ucji h() dla ciągłej zm. losowej: m E P m E ( ) d Deiicja: Mometem cetralym µ rzędu

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

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

Bardziej szczegółowo

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI CHARAKERYSYKI CZĘSOLIWOŚCIOWE PODSAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUOMAYKI Do podstawowych form opisu dyamii elemetów automatyi (oprócz rówań różiczowych zaliczamy trasmitację operatorową s oraz trasmitację

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

Kongruencje Wykład 4. Kongruencje kwadratowe symbole Legendre a i Jac

Kongruencje Wykład 4. Kongruencje kwadratowe symbole Legendre a i Jac Kogruecje kwadratowe symbole Legedre a i Jacobiego Kogruecje Wykład 4 Defiicja 1 Kogruecję w ostaci x a (mod m), gdzie a m, azywamy kogruecją kwadratową; jej bardziej ogóla ostać ax + bx + c może zostać

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

OKREŚLENIE CHARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI

OKREŚLENIE CHARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI Ćwiczeie 5 OKREŚLENIE CARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI Wykaz ważiejszych ozaczeń c 1 rędkość bezwzględa cieczy a wlocie do wirika, m/s c rędkość bezwzględa cieczy a wylocie

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja rzedziałowa - rzedziały ufości Próbę -elemetową charakteryzujemy jej arametrami ( x, s, s ). SłuŜą oe do ocey wartości iezaych arametrów oulacji (m, σ, σ). Nazywamy je estymatorami uktowymi iezaych

Bardziej szczegółowo

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość

Bardziej szczegółowo

Techniczne Aspekty Zapewnienia Jakości

Techniczne Aspekty Zapewnienia Jakości Istytut Techologii Maszy i Automatyzacji Politechii Wrocławsiej Pracowia Metrologii i Badań Jaości Wrocław, dia Ro i ierue studiów. Grupa (dzień tygodia i godzia rozpoczęcia zajęć) Techicze Aspety Zapewieia

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI 2 PEARSONA ROZKŁAD GAUSSA Ćwiczeia rachuowe TEST ZGODOŚCI PEARSOA ROZKŁAD GAUSSA UWAGA: a stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz alulacyjy do programu Calc paietu Ope Office, iezbędy podczas

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

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

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

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

Bardziej szczegółowo

CZ.2. SYNTEZA STRUKTURY MECHANIZMU

CZ.2. SYNTEZA STRUKTURY MECHANIZMU CZ.. SYNTEZA STRUKTURY MECHANIZMU rzystęując do sytezy struktury mechaizmu łaskiego stawiamy astęujące ytaia: jaki ruch ma wykoywać czło lub człoy robocze: ostęowy (w szczególości ostęowy rostoliiowy),

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Pattern Classification

Pattern Classification atter Classificatio All materials i these slides were tae from atter Classificatio d ed by R. O. Duda,. E. Hart ad D. G. Stor, Joh Wiley & Sos, 000 with the permissio of the authors ad the publisher Chapter

Bardziej szczegółowo

Funkcja generująca rozkład (p-two)

Funkcja generująca rozkład (p-two) Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są

Bardziej szczegółowo

4. MODELE ZALEŻNE OD ZDARZEŃ

4. MODELE ZALEŻNE OD ZDARZEŃ 4. MODELE ZALEŻNE OD ZDARZEŃ 4.. Wrowadzeie W sysemach zależych od zdarzeń wyzwalaie określoego zachowaia się układu jes iicjowae rzez dyskree zdarzeia. Modelowaie akich syuacji ma a celu symulacyją aalizę

Bardziej szczegółowo

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011 Dwumia Newtoa Agiesza Dąbrowsa i Maciej Nieszporsi 8 styczia Wstęp Wzory srócoego możeia, tóre pozaliśmy w gimazjum (x + y x + y (x + y x + xy + y (x + y 3 x 3 + 3x y + 3xy + y 3 x 3 + y 3 + 3xy(x + y

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej

Bardziej szczegółowo

Kody Huffmana oraz entropia przestrzeni produktowej. Zuzanna Kalicińska. 1 maja 2004

Kody Huffmana oraz entropia przestrzeni produktowej. Zuzanna Kalicińska. 1 maja 2004 Kody uffmana oraz entroia rzestrzeni rodutowej Zuzanna Kalicińsa maja 4 Otymalny od bezrefisowy Definicja. Kod nad alfabetem { 0, }, w tórym rerezentacja żadnego znau nie jest refisem rerezentacji innego

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Lista 6. Estymacja punktowa

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

Bardziej szczegółowo

Metody probabilistyczne Rozwiązania zadań

Metody probabilistyczne Rozwiązania zadań Metody robabilistyczne Rozwiązania zadań 6. Momenty zmiennych losowych 8.11.2018 Zadanie 1. Poaż, że jeśli X Bn, to EX n. Odowiedź: X rzyjmuje wartości w zbiorze {0, 1,..., n} z rawdoodobieństwami zadanymi

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch

Bardziej szczegółowo

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

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

Bardziej szczegółowo

RELIABILITY ANALYSIS OF HELICOPTER S SUPPORTINGSTRACTURE WITH SSI AND SST MODELS USED

RELIABILITY ANALYSIS OF HELICOPTER S SUPPORTINGSTRACTURE WITH SSI AND SST MODELS USED Joural o KOBi 1(513 ISS 1895-881 DOI 1.478/jok-13-64 RELIABILITY AALYSIS OF HELICOPTER S SUPPORTIGSTRACTURE ITH SSI AD SST MODELS USED AALIZA IEZAODOŚCIOA STRUKTURY OŚEJ ŚMIGŁOCA MODELAMI SSI ORAZ SST

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

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

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

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

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

Do Szczegółowych Zasad Prowadzenia Rozliczeń Transakcji przez KDPW_CCP

Do Szczegółowych Zasad Prowadzenia Rozliczeń Transakcji przez KDPW_CCP Załączni nr Do Szczegółowych Zasad Prowadzenia Rozliczeń Transacji rzez KDPW_CCP Wyliczanie deozytów zabezieczających dla rynu asowego (ozycje w acjach i obligacjach) 1. Definicje Ileroć w niniejszych

Bardziej szczegółowo

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest

Bardziej szczegółowo

Zatem przyszła wartość kapitału po 1 okresie kapitalizacji wynosi

Zatem przyszła wartość kapitału po 1 okresie kapitalizacji wynosi Zatem rzyszła wartość kaitału o okresie kaitalizacji wyosi m k m* E Z E( m r) 2 Wielkość K iterretujemy jako umowa włatę, zastęującą w rówoważy sosób, w sesie kaitalizacji rostej, m włat w wysokości E

Bardziej szczegółowo

Laboratorium Metrologii I Nr ćwicz. Opracowanie serii wyników pomiaru 4

Laboratorium Metrologii I Nr ćwicz. Opracowanie serii wyników pomiaru 4 Laboratorium Metrologii I olitechika Rzeszowska Zakład Metrologii i Systemów omiarowych Laboratorium Metrologii I Grua Nr ćwicz. Oracowaie serii wyików omiaru 4... kierowik...... 4... Data Ocea I. Cel

Bardziej szczegółowo

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n) ZADANIA - ZESTAW Zadaie.. Wyzaczyć m (), D ( ) dla procesu symetryczego (p = q =,) błądzeia przypadkowego. Zadaie.. Narysuj graf łańcucha Markowa symetrycze (p = q =,) błądzeie przypadkowe z odbiciem.

Bardziej szczegółowo

TENDENCJE ZMIAN WSKAŹNIKÓW NIEZAWODNOŚCIOWYCH KRAJOWEGO SYSTEMU WYTWARZANIA W LATACH

TENDENCJE ZMIAN WSKAŹNIKÓW NIEZAWODNOŚCIOWYCH KRAJOWEGO SYSTEMU WYTWARZANIA W LATACH ENDENCJE ZMIAN WSKAŹNIKÓW NIEZAWODNOŚCIOWYCH KRAJOWEGO SYSEMU WYWARZANIA W LAACH 2000 2016 Autor: Adam WOJACZEK - Istytut Maszy i Urządzeń Eergetyczych, Politechika Śląska, Gliwice 44-100, Koarskiego 18

Bardziej szczegółowo

tek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze

tek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze R o z d z i a l III RÓWNANIA RÓŻNICZKOWE LINIOWE WYŻSZYCH RZE DÓW 12. Rówaie różiczowe liiowe -tego rze du Na pocza te zauważmy, że podobie ja w dziedziie rzeczywistej wprowadzamy dla fucji zespoloych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

MODEL RACHUNKU EFEKTÓW CZĄSTKOWYCH W SKRZYNCE NARZĘDZIOWEJ MENEDŻERA

MODEL RACHUNKU EFEKTÓW CZĄSTKOWYCH W SKRZYNCE NARZĘDZIOWEJ MENEDŻERA Prace Nauowe Istytutu Orgaizacji i Zarządzaia Nr 75 Politechii Wrocławsiej Nr 75 Studia i Materiały Nr 7 00 Józe BUĆO * Eleoora ROSMAŃSA ** ss. MODEL RACHUNU EETÓW CZĄSTOWYCH W SRZYNCE NARZĘDZIOWEJ MENEDŻERA

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

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

Bardziej szczegółowo

H brak zgodności rozkładu z zakładanym

H brak zgodności rozkładu z zakładanym WSPÓŁZALEŻNOŚĆ PROCESÓW MASOWYCH Test zgodości H : rozład jest zgody z załadaym 0 : H bra zgodości rozładu z załadaym statystya: p emp i p obszar rytyczy: K ;, i gdzie liczba ategorii p Przyład: Wyoujemy

Bardziej szczegółowo

Wstęp. zbiór wszystkich zdarzeń elementarnych (sample space), S zbiór zdarzeń, (events), P prawdopodobieństwo (probability distribution).

Wstęp. zbiór wszystkich zdarzeń elementarnych (sample space), S zbiór zdarzeń, (events), P prawdopodobieństwo (probability distribution). Wstęp,, S P przestrzeń probabilistycza (Probability space), zbiór wszystich zdarzeń elemetarych (sample space), S zbiór zdarzeń, (evets), P prawdopodobieństwo (probability distributio). P : S R ZMIENNA

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Rachek rawdoodobieństwa i statystyka Wioskowaie statystycze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, ok407 ada@agh.ed.l Estymacja arametrycza Podstawowym arzędziem szacowaia iezaego arametr jest estymator

Bardziej szczegółowo

Rozkład Poissona. I. Cel ćwiczenia. Obowiązujący zakres materiału. Podstawy teoretyczne. Opracował: Roman Szatanik

Rozkład Poissona. I. Cel ćwiczenia. Obowiązujący zakres materiału. Podstawy teoretyczne. Opracował: Roman Szatanik Opracował: Roma Szatai Rozład Poissoa I. Cel ćwiczeia Zapozaie ze statystyczym sposobem opisu zagadień związaych z promieiowaiem jądrowym oraz z rozładami statystyczymi stosowaymi w fizyce jądrowej. Pratycze

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa

Analiza matematyczna i algebra liniowa Aaliza matematycza i algebra liiowa Materiały pomocicze dla studetów do wyładów Rachue różiczowy ucji wielu zmieych. Pochode cząstowe i ich iterpretacja eoomicza. Estrema loale. Metoda ajmiejszych wadratów.

Bardziej szczegółowo

VII. Dane i systemy testowe do obliczeń niezawodnościowych (J. Paska)

VII. Dane i systemy testowe do obliczeń niezawodnościowych (J. Paska) Zbieranie i obróba informacji statystycznej o niezawodności obietów eletroenergetycznych Informacje o niezawodności urządzeń mogą być uzysiwane albo na odstawie secjalnych badań niezawodności albo na odstawie

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub

Bardziej szczegółowo

Twierdzenia o funkcjach ciągłych

Twierdzenia o funkcjach ciągłych Automatya i Robotya Aaliza Wyład 5 dr Adam Ćmiel cmiel@aghedupl Twierdzeia o ucjach ciągłych Tw (Weierstrassa Jeżeli ucja : R [ R jest ciągła a [, to ograiczoa i : ( sup ( i ( i ( [, Dowód Ograiczoość

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Analiza I.1, zima wzorcowe rozwiązania

Analiza I.1, zima wzorcowe rozwiązania Aaliza I., zima 07 - wzorcowe rozwiązaia Marci Kotowsi 5 listopada 07 Zadaie. Udowodij, że dla ażdego aturalego liczba 7 + dzieli się przez 6. Dowód. Tezę udowodimy za pomocą iducji matematyczej. Najpierw

Bardziej szczegółowo

PRZETWORNIKI C/A 1. STRUKTURA PRZETWORNIKA C/A

PRZETWORNIKI C/A 1. STRUKTURA PRZETWORNIKA C/A PZETWON C/A. STTA PZETWONA C/A. PZETWON C/A NAPĘCOWE.. PZETWON NAPĘCOWE Z DZELNEM NAPĘCOWYM WYJŚCEM NAPĘCOWYM... Przetwori C/A z drabią rówoległą Deoder z N N N wy stawieia przełącziów dla sytuacji, gdy

Bardziej szczegółowo

Księga Jakości Laboratorium

Księga Jakości Laboratorium 16. Metodyka szacowaia ieewości rozszerzoej Oracował: mgr Jest to szacowaie ieewości o asymetryczych graicach rzedziału ufości względem wartości średiej, co wyika z faktu określaia wartości średiej jako

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Rysunek 1 Przykładowy graf stanów procesu z dyskretnymi położeniami.

Rysunek 1 Przykładowy graf stanów procesu z dyskretnymi położeniami. Procesy Markowa Proces stochastyczny { X } t t nazywamy rocesem markowowskim, jeśli dla każdego momentu t 0 rawdoodobieństwo dowolnego ołożenia systemu w rzyszłości (t>t 0 ) zależy tylko od jego ołożenia

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

Kombinacje, permutacje czyli kombinatoryka dla testera

Kombinacje, permutacje czyli kombinatoryka dla testera Magazie Kombiacje, permutacje czyli ombiatorya dla testera Autor: Jace Oroje O autorze: Absolwet Wydziału Fizyi Techiczej, Iformatyi i Matematyi Stosowaej Politechii Łódziej, specjalizacja Sieci i Systemy

Bardziej szczegółowo

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

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

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rekursja Materiały pomocicze do wykładu wykładowca: dr Magdalea Kacprzak Rozwiązywaie rówań rekurecyjych Jedorode liiowe rówaia rekurecyje Twierdzeie Niech k będzie ustaloą liczbą aturalą dodatią i iech

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie MODELE SCORINGU KREDYTOWEGO Z WYKORZYSTANIEM NARZĘDZI DATA MINING ANALIZA PORÓWNAWCZA Przemysław Jaśko Wydział Ekoomii i Stosuków Międzyarodowych, Uiwersytet Ekoomiczy w Krakowie 1 WROWADZENIE Modele aplikacyjego

Bardziej szczegółowo

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce IV Uiwersyteca Sobota Matematycza 4 wietia 208 Fucje tworzące w ombiatoryce Dla ciągu a 0 a a 2... defiiujemy fucję tworzącą: G(x) = a x = a 0 + a x + a 2 x 2 + a 3 x 3 + =0. Zajdź fucje tworzące dla poiższych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że

Bardziej szczegółowo

Dodatek 10. Kwantowa teoria przewodnictwa I

Dodatek 10. Kwantowa teoria przewodnictwa I Dodate 10 Kwatowa teoria przewodictwa I Teoria lascza iała astępujące aaet: (1) zierzoe wartości średiej drogi swobodej oazał się o ila rzędów wielości więsze iż oczeiwae () teoria ie dawała poprawc zależości

Bardziej szczegółowo

Weryfikacja możliwego poziomu wykrywalności wycieków w zakresie zastosowania zmodyfikowanych uproszczonych metod diagnostycznych

Weryfikacja możliwego poziomu wykrywalności wycieków w zakresie zastosowania zmodyfikowanych uproszczonych metod diagnostycznych Dr iż. aweł Ostaowicz Wydział Mechaiczy olitechia Białostoca ul. Wiejsa 45C, 15-351 Białysto, olsa E-mail:.ostaowicz@b.edu.l Mgr iż. Adrzej Brate rzemysłowy Istytut Automatyi i omiarów Al. Jerozolimsie

Bardziej szczegółowo

Sprawozdanie z laboratorium proekologicznych źródeł energii

Sprawozdanie z laboratorium proekologicznych źródeł energii P O L I T E C H N I K A G D A Ń S K A Sprawozdaie z laboratorium proekologiczych źródeł eergii Temat: Wyzaczaie współczyika efektywości i sprawości pompy ciepła. Michał Stobiecki, Michał Ryms Grupa 5;

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów

Bardziej szczegółowo

7. OBLICZENIA WIELKOŚCI ZWARCIOWYCH ZA POMOCĄ KOMPUTERÓW

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

Bardziej szczegółowo

WYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI

WYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI Piotr KOZIERSKI WYKORZYSTAIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDETYFIKACJI UKŁADÓW AUTOMATYKI STRESZCZEIE W artyule przedstawioo sposób idetyfiacji parametryczej obietów ieliiowych zapisaych w przestrzei

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)

Bardziej szczegółowo

A. Cel ćwiczenia. B. Część teoretyczna

A. Cel ćwiczenia. B. Część teoretyczna A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów

Bardziej szczegółowo

Sterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji.

Sterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji. emat ćwiczenia nr 7: Synteza parametryczna uładów regulacji. Sterowanie Ciągłe Celem ćwiczenia jest orecja zadanego uładu regulacji wyorzystując następujące metody: ryterium amplitudy rezonansowej i metodę

Bardziej szczegółowo

Analiza I.1, zima globalna lista zadań

Analiza I.1, zima globalna lista zadań Aaliza I., zima 207 - globala lista zadań Marci Kotowsi 8 styczia 208 Podstawy Zadaie. Udowodij, że dla ażdego aturalego liczby 7 2 + oraz 7 2 dzielą się przez 6. Zadaie 2. Rozstrzygij, czy poiższe liczby

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę

Bardziej szczegółowo

Dydaktyka matematyki III-IV etap edukacyjny (wykłady)

Dydaktyka matematyki III-IV etap edukacyjny (wykłady) Dydaktyka matematyki III-IV etap edukacyjy (wykłady) Wykład r 12: Fukcja wykładicza cd. Ciągłość fukcji. Pochoda fukcji Semestr zimowy 2018/2019 Fukcja wykładicza (cd.) propozycja Podobie jak w przykładach

Bardziej szczegółowo

Kurs Prawdopodobieństwo Wzory

Kurs Prawdopodobieństwo Wzory Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa

Bardziej szczegółowo

SKUTKI ZAWODNOŚCI TRANSFORMATORÓW ROZDZIELCZYCH W SPÓŁCE DYSTRYBUCYJNEJ

SKUTKI ZAWODNOŚCI TRANSFORMATORÓW ROZDZIELCZYCH W SPÓŁCE DYSTRYBUCYJNEJ Prace Naukowe Istytutu Maszy, Napędów i Pomiarów Elektryczych Nr 60 Politechiki Wrocławskiej Nr 60 Studia i Materiały Nr 27 2007 Adrzej STOBIECKI *, Ja C. STĘPIEŃ trasformator, zawodość, koszty, eergia

Bardziej szczegółowo

3. Kinematyka podstawowe pojęcia i wielkości

3. Kinematyka podstawowe pojęcia i wielkości 3. Kinematya odstawowe ojęcia i wielości Kinematya zajmuje się oisem ruchu ciał. Ruch ciała oisujemy w ten sosób, że odajemy ołożenie tego ciała w ażdej chwili względem wybranego uładu wsółrzędnych. Porawny

Bardziej szczegółowo

Zeszyty naukowe nr 9

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

Bardziej szczegółowo