WYKORZYSTANIE METODY BOOTSTRAPU DO BADANIA WPŁYWU POLA MAGNETYCZNEGO NA WŁASNOŚCI MECHANICZNE ŹDŹBEŁ ZBÓś

Wielkość: px
Rozpocząć pokaz od strony:

Download "WYKORZYSTANIE METODY BOOTSTRAPU DO BADANIA WPŁYWU POLA MAGNETYCZNEGO NA WŁASNOŚCI MECHANICZNE ŹDŹBEŁ ZBÓś"

Transkrypt

1 InŜynieria Rolniza 14/2005 Andrzej Bohniak, Mirosława Wesołowska-Janzarek Katedra Zastosowań Matematyki Akademia Rolniza w Lublinie WYKORZYSTANIE METODY BOOTSTRAPU DO BADANIA WPŁYWU POLA MAGNETYCZNEGO NA WŁASNOŚCI MECHANICZNE ŹDŹBEŁ ZBÓś Streszzenie W pray zaproponowano wykorzystanie symulayjnej metody bootstrapu do tworzenia przedziałów ufnośi w elu oeny wpływu przedsiewnej stymulaji polem magnetyznym ziaren zbóŝ na późniejsze własnośi mehanizne źdźbeł. Przedziały ufnośi zostały skonstruowane dla róŝni między średnimi oraz dla róŝni między warianjami otrzymanymi dla modułów spręŝystośi podłuŝnej źdźbeł zbóŝ. Do porównań wykorzystano grupy, któryh ziarna zostały poddane wstępnemu stymulayjnemu oddziaływaniu pola magnetyznego w zasie 8 i 30 sekund oraz grupy kontrolne, któryh takiemu zabiegowi nie poddano. Dokonano takŝe symulaji komputerowyh mająyh na elu potwierdzenie, Ŝe skonstruowane metodą bootstrapu przedziały ufnośi mogą być stosowane do oeny róŝni średnih i warianji dla rozwaŝanej tu ehy. Słowa kluzowe: stymulaja nasion polem magnetyznym, bootstrap, przedziały ufnośi Wstęp i el pray Zadaniem rolnitwa jest produkja odpowiedniej ilośi Ŝywnośi o określonyh ehah jakośiowyh. W elu osiągnięia wysokih plonów koniezne jest wykorzystanie wielu środków produkji. Jedną z metod wpływająyh na poprawę uzyskiwanyh plonów jest zwiększenie ilośi stosowanyh nawozów, o moŝe jednak prowadzić do podwyŝszenia kosztów wytwarzanyh produktów, a takŝe niekorzystnie wpływać na środowisko naturalne. W elu ogranizenia negatywnyh zmian trwają poszukiwania takih sposobów upraw, które są bardziej wskazane ze względów ekologiznyh. W ostatnih latah w dąŝeniu do podwyŝszenia plonów stosowane są metody, do któryh naleŝy zalizyć: hodowanie nowyh odmian, lepiej wykorzystująyh lokalne warunki środowiskowe oraz poddawanie roślin działaniu stymulująyh bodźów elektrofizyznyh takih jak: promieniowanie jonizująe, podzerwone, ultrafioletowe, laserowe, ultradźwięki, mikrofale oraz pola magnetyzne, elektryzne i elektromagnetyzne. 37

2 Andrzej Bohniak, Mirosława Wesołowska-Janzarek W Katedrze Fizyki Akademii Rolnizej w Lublinie od dłuŝszego zasu prowadzone są badania mająe na elu określenie wpływu pola magnetyznego na właśiwośi biologizne materiału siewnego, a takŝe uzyskiwanyh z niego plonów [Pietruszewski i Kornarzyński 1999, 2001]. Celem pray jest przedstawienie metody analizy danyh uzyskanyh przy badaniu wpływu pola magnetyznego na własnośi mehanizne źdźbeł zbóŝ. Pokazano moŝliwość wykorzystania symulayjnej metody bootstrapu do tworzenia przedziałów ufnośi dla dwóh miar rozkładu ehy: średniej i warianji. Przedstawiona metoda nie wymaga dokładnej wiedzy statystyznej, a umoŝliwia przy uŝyiu iągle wzrastająej moy oblizeniowej komputerów, pozwalająej w krótkim zasie na dokonywanie oraz większej lizby oblizeń, wyznazać przedziały ufnośi określająe wielkośi róŝni wartośi populayjnyh średnih i warianji. Dodatkową zaletą metody jest takŝe fakt, Ŝe nie są wymagane załoŝenia o normalnośi rozkładu badanej ehy. Materiał doświadzalny Do badań uŝyto nasion pohodząyh z Instytutu Genetyki i Hodowli Roślin Akademii Rolnizej w Lublinie. Były to trzy odmiany zbóŝ: pszenŝyto Presto, pszenperz PPG 115 oraz mieszanie Presto x PPG 115. Partie nasion wszystkih odmian poddano działaniu zmiennego pola magnetyznego o indukji 30 mt w dwóh zasah ekspozyji 8 i 30 sekund zgodnie z przyjętą metodyką badań [Pietruszewski 1998]. W elah porównawzyh dla poszzególnyh odmian pobrano nasiona kontrolne. W Katedrze Fizyki Akademii Rolnizej w Lublinie zostały przeprowadzone badania mająe na elu określenie eh wytrzymałośiowyh poszzególnyh odmian zbóŝ i wpływu na te ehy stymulaji materiału siewnego. Jako materiał doświadzalny zostało wybranyh w losowy sposób po 20 źdźbeł z kaŝdej grupy badanyh roślin. Wykonano na nih pomiary modułu spręŝystośi podłuŝnej. Do określenia jego wartośi wykorzystano metodę ugięia, w której zbadano odporność próbek o długośi 5 m, wyiętyh ze środkowyh międzywęźli źdźbeł, na działanie siły zginająej. W elu stwierdzenia wpływu stymulaji na nasiona badanyh zbóŝ wykorzystano porównanie średnih modułów spręŝystośi pomiędzy grupą kontrolną a grupami poddanymi 8 i 30 s oddziaływaniu pola magnetyznego. 38

3 Wykorzystanie metody bootstrapu... Szaowanie róŝniy dla średniej i warianji Najprostszą metodą wykorzystywaną do porównania wartośi badanej ehy dla pobranyh prób jest porównanie dwóh podstawowyh miar, jakimi są średnia X oraz warianja war (X). Oblizane są one według ogólnie znanyh wzorów. Pierwsza określa punkt, wokół którego skupione są wartośi dla badanej ehy, druga zaś rozrzut poszzególnyh wartośi ehy wokół tego punktu. Wpływ określonego zynnika moŝna badać poprzez porównanie róŝniy tyh miar dla próby X pobranej z grupy poddanej oddziaływaniu tego zynnika oraz próby kontrolnej X, pohodząej z grupy, której nie poddano jego działaniu, a mianowiie RŚ = X X (1) war( X ) war RW = ( ) JeŜeli róŝnia porównywanyh wartośi jest bliska zeru mamy informaję, Ŝe miary są zbliŝone do siebie. Wskazuje to wtedy na to, Ŝe pomiędzy badanymi grupami nie zaobserwowano zróŝniowania. JeŜeli róŝnia odbiega od wartośi 0 to widać, Ŝe rozkłady ehy w próbie dla poszzególnyh grup są róŝne. RóŜnia dodatnia wskazuje, Ŝe wartość ehy wzrosła, a ujemna, Ŝe zmalała. Jednak takie porównanie moŝe okazać się niewystarzająe. WaŜną rolę odgrywa bowiem rząd wielkośi badanej ehy. JeŜeli róŝnia wyniesie 0,1 oznaza to o innego wtedy, gdy wartośi ehy są rzędu 1, a o innego, gdy rzędu W pierwszym przypadku ta róŝnia stanowi 10% wartośi ehy, a w drugim przypadku to tylko 0,1% wartośi. Lepszym rozwiązaniem w tym wypadku jest badanie róŝni względnyh, które uwzględniają rząd badanej wielkośi. RW w = RŚ w = war( X X X X ) war X war( X ) ( X ) Ale i w tym wypadku napotykamy na problem ustalenia, kiedy uznajemy, Ŝe róŝnia ta mówi o istotnym zróŝniowaniu średnih i warianji populayjnyh, a kiedy nie. Dla porównań średnih i warianji lepsze okazują się przedziały ufnośi określająe przedział, w którym powinna znajdować się szaowana róŝnia parametrów dla populaji, z któryh pobrane są próby. Przedziały te oznazane będą jako (2) (RŚ d, RŚ g ) oraz (RW d, RW g ) (3) odpowiednio dla średnih i warianji, gdzie symbol d odnosi się do dolnego końa, a g do górnego końa przedziału. 39

4 Andrzej Bohniak, Mirosława Wesołowska-Janzarek Tworzenie przedziałów ufnośi dla średniej i warianji Istnieje wiele róŝnyh sposobów tworzenia przedziałów ufnośi. Jednym z nih jest zastosowanie metody bootstapu, która wykorzystuje moŝliwośi komputera. W elu zbadania róŝniy między wartośiami średnih i warianji dla poszzególnyh zasów ekspozyji ziaren w polu magnetyznym zastosowano perentylową metodę bootstrapu [Efron i Tibshirani 1991, 1993]. Metoda ta nie wymaga załoŝenia o normalnośi rozkładu badanej ehy. Perentylowa metoda bootstrpu jest najprostszą z uŝywanyh metod do tworzenia bootstrapowyh przedziałów ufnośi. Tehnika bootstrapu szauje wartość interesująej nas statystyki dla pobranej próby poprzez aproksymaję nieznanego rozkładu w dwóh krokah. Najpierw nieznany rozkład ehy dla ałej populaji, z której pohodzi pobrana próba, jest aproksymowany poprzez dyskretną dystrybuantę empiryzną. Następnie na podstawie tego rozkładu dyskretnego losowanyh jest wiele prób bootstrapowyh. Nieznany rozkład ehy dla populaji jest szaowany poprzez rozkład wartośi estymatorów otrzymanyh z prób bootstrapowyh. W przypadku, kiedy statystyka jest uŝyta do badania dwóh populaji potrzebne są dwa równoległe i niezaleŝne proesy próbkowania, jeden dla pierwszej populaji, a kolejny dla drugiej. Próby bootstrapowe są losowane odpowiednio z pierwszej i drugiej dyskretnej populaji w elu wyznazenia pojedynzej wartośi estymatora oszaowująego róŝnię pomiędzy badanymi parametrami, jak np. średnimi zy warianjami dla poszzególnyh populaji. W elu utworzenia przedziału ufnośi metodą bootstrapu potrzebnyh jest przynajmniej 1000 prób powstałyh w wyniku losowania ze zwraaniem elementów z oryginalnej próby. Lizebność kaŝdej z nih jest taka sama jak wyjśiowej, z tą róŝnią, Ŝe niektóre elementy mogą się powtarzać, a niektóre mogą w ogóle nie wystąpić. Aby uzyskać przedział ufnośi na zakładanym poziomie istotnośi α trzeba wyznazyć odpowiednie perentyle z rozkładu wartośi estymatora otrzymanyh w wyniku próbkowania bootstrapu. Np. utworzenie 95% przedziału ufnośi wymaga wyznazenia perentyli rzędu 2,5 i 97,5. Wyznazenie tyh perentyli umoŝliwi uporządkowanie w kolejnośi rosnąej oen parametru otrzymanyh w 1000 powtórzeniah bootstrapu. Perentyl rzędu 2,5 moŝe być oszaowany przez średnią 25-tej i 26-tej wartośi estymatora, zaś 97,5 perentyl podobnie poprzez średnią z wartośi o numerah 975 i 976. Innymi słowy w perentylowej metodzie bootstrapu odrzuamy w przybliŝeniu po 25 wartośi najmniejszyh i największyh otrzymanyh dla prób bootstrapowyh. W pray szaowane są oeny róŝni między średnimi oraz warianjami dla wartośi modułu spręŝystośi otrzymanymi dla źdźbeł zbóŝ poddanyh wstępnemu 40

5 Wykorzystanie metody bootstrapu... oddziaływaniu pola magnetyznemu oraz grupą kontrolną, która nie została poddana jego wpływowi. W pojedynzej operaji bootstrapu losowano po dwie próby, po jednej dla kaŝdej z porównywanyh grup, o liznośi 20 elementów. Następnie wyznazana była róŝnia pomiędzy średnimi lub warianjami otrzymanymi dla pierwszej i drugiej próby. Ta operaja, w elu uzyskania odpowiedniej dla metody perentylowej lizby wartośi, była powtarzana 1000 razy. Następnie otrzymane wartośi ustawiano w kolejnośi rosnąej i wyznazano wartośi odpowiednih perentyli dla przedziału ufnośi na poziomie α=0,05. Na końu sprawdzano zy wyznazony tą metodą przedział zawiera wartość 0, która określa, Ŝe pomiędzy estymowanymi wartośiami parametru nie występuje róŝnia. Jeśli wię przedział zawiera wartość 0 świadzy to, Ŝe pomiędzy porównywanymi parametrami nie ma istotnej statystyznie róŝniy. Przedziały ufnośi zostały utworzone dla wszystkih odmian zbóŝ zarówno dla oddziaływania pola magnetyznego w zasie 8, jak i 30 sekund. Porównań dokonywano z odpowiednimi próbami kontrolnymi dla danej odmiany. W elu zbadania poprawnośi przedziałów ufnośi tworzonyh przy pomoy metody bootstrapu dokonano takŝe symulaji komputerowej mająej określić, na ile dobrze takie przedziały utworzone dla róŝni średnih i warianji pokrywają wartość teoretyzną. Do symulaji uŝyto programu Mirosoft Exel XP z wykorzystaniem oprogramowania Visual Basi for Appliations. W symulaji uŝyto kilku rodzajów rozkładów statystyznyh, z któryh były generowane dane. Z kaŝdego rozkładu, o parametrah wybieranyh takŝe w sposób losowy, losowano dwie próby o liznośi 20 elementów kaŝda. Dla kaŝdej pary tworzono przedział ufnośi z wykorzystaniem perentylowej metody bootstrapu. Dla kaŝdego rodzaju rozkładu losowano po 1000 par prób i badano w ilu proentah utworzone przedziały ufnośi pokrywają wartość 0. Przy załoŝeniu poziomu istotnośi α=0,05 pokryie przedziałów powinno osylować wokół wartośi 95%. Otrzymane wyniki z symulaji dla trzeh przykładowyh rozkładów umieszzono w tabeli 1. Tabela 1. Pokryie bootstrapowyh przedziałów ufnośi dla róŝni średnih i warianji Table 1. Coverage of bootstrap onfidene intervals for differene of means and variane Rozkład Pokryie dla róŝniy średnih Pokryie dla róŝniy warianji Normalny 93,6% 93,8% Gamma 93,4% 92,7% Jednostajny 93,1% 95,2% 41

6 Andrzej Bohniak, Mirosława Wesołowska-Janzarek Wyniki badań Wyniki oblizeń wykonanyh na materiale doświadzalnym zostały przedstawione w tabelah 2 i 3. W tabeli 2 w poszzególnyh kolumnah pokazano wartość róŝniy bezwzględnej RŚ, lizoną według wzoru (1) i względnej RŚ w (2) średnih modułów spręŝystośi, jaką zaobserwowano między grupą poddaną oddziaływaniu pola magnetyznego a grupą kontrolną. W ostatniej kolumnie umieszzono przedziały ufnośi (RŚ d, RŚ g ) określone wzorem (3) dla róŝniy średnih otrzymane przy pomoy perentylowej metody bootstrapu. Kolumna pierwsza zawiera nazwę badanej odmiany zboŝa oraz zas oddziaływania pola magnetyznego na ziarna. Tabela 2. RóŜnie, róŝnie względne i przedziały ufnośi dla wartośi średnih dla ziaren stymulowanyh polem magnetyznym i kontrolnyh Table 2. Differenes, relative differenes and onfidene intervals for mean values for seeds stimulated with magneti field and ontrol ones Odmiana i zas RóŜnia z kontrolą RŚ RóŜnia względna RŚ w Przedział ufnośi (RŚ d, RŚ g ) pszenŝyto 8s 0,059 0,014-0,553 0,708 pszenŝyto 30s 0,765 0,183-0,162 1,757 pszenperz 8s -4,131-0,494-7,714-0,892 pszenperz 30s -4,527-0,541-8,603-1,515 mieszanie 8s -1,129-0,222-2,492 0,122 mieszanie 30s 0,201 0,040-1,189 1,455 Tabela 3. RóŜnie, róŝnie względne i przedziały ufnośi dla warianji dla ziaren stymulowanyh polem magnetyznym i kontrolnyh Table 3. Differenes, relative differenes and onfidene intervals for variane for seeds stimulated with magneti field and ontrol ones Odmiana i zas RóŜnia z kontrolą RW RóŜnia względna RW w Przedział ufnośi (RW d, RW g ) pszenŝyto 8s 0,629 0,796-0,098 1,266 pszenŝyto 30s 3,237 4,099 1,071 5,595 pszenperz 8s -59,723-0, ,350-5,710 pszenperz 30s -60,320-0, ,856-7,254 mieszanie 8s -2,738-0,435-9,191 2,693 mieszanie 30s -2,658-0,422-8,5499 2,

7 Wykorzystanie metody bootstrapu... Porównania dokonane dla warianji zostały przedstawione w tabeli 3. Tabela ta podobnie jak tabela dla średnih zawiera róŝnie bezwzględną, względną oraz przedział ufnośi dla róŝniy warianji. Wnioski Przedstawiona metoda bootstrapu umoŝliwiła dokonanie odpowiednih porównań przy braku załoŝenia o normalnośi rozkładu badanej ehy. Dodatkowo przy jej uŝyiu nie była potrzebna zaawansowana wiedza statystyzna. Metoda ta pozwoliła wyznazyć przedziały ufnośi dla wybranyh parametrów poprzez wykorzystanie pray komputerów. Wykorzystują przedziały ufnośi wykazano, Ŝe oddziaływanie pola magnetyznego ma róŝny wpływ na wartośi modułu spręŝystośi źdźbeł. Dane z tabeli 2 wskazują, Ŝe dla pszenperzu stwierdzono negatywny wpływ oddziaływania pola magnetyznego na średnią wartość modułu spręŝystośi. Ta odmiana harakteryzuje się jednak duŝą łamliwośią źdźbeł i być moŝe stąd wynika otrzymany wynik. RóŜnie otrzymane w pozostałyh przypadkah nie są istotne statystyznie. Analiza przedziałów ufnośi dla warianji (tabela 3) pozwoliła na zaobserwowanie podobnego faktu. Dla pszenperzu zaobserwowano zmniejszenie rozrzutu wartośi ehy, zaś dla pozostałyh odmian róŝnie wykazano tylko przy 30-sekundowym oddziaływaniu pola magnetyznego na ziarna pszenŝyta. Inazej niŝ przy porównaniu zwykłyh średnih bezwzględnyh i względnyh zastosowanie przedziałów ufnośi dało porównanie populayjnyh średnih i warianji. Zatem w ogólniejszy sposób przeanalizowano, zy nastąpił istotny statystyznie wpływ oddziaływania pola magnetyznego zy teŝ nie. Z tabeli 1 wynika, Ŝe empiryzny poziom ufnośi przedziału dla róŝniy średnih tworzony przy pomoy perentylowej metody bootstrapu jest nieo niŝszy od zakładanego dla wszystkih rozpatrywanyh w pray rozkładów. Przedział ufnośi dla róŝniy warianji wykazuje takŝe nieo niŝszy poziom ufnośi dla prób pohodząyh z populaji o rozkładah normalnym i gamma, a nieznaznie wyŝszy dla rozkładu jednostajnego. Istnieje jednak moŝliwość poprawienia dokładnośi tyh przedziałów poprzez zwiększenie lizby pomiarów lub poprzez zastosowanie bardziej zaawansowanyh metod bootstrapu (Efron i Tibshirani 1993). Bibliografia Efron B., Tibshirani R.J An introdution to the Bootstrap. Chapman & Hall. New York. 43

8 Andrzej Bohniak, Mirosława Wesołowska-Janzarek Efron B., Tibshirani R.J Statistial data analysis in the omputer age. Siene 253, Pietruszewski S Stanowisko do przedsiewnej biostymulaji nasion zmiennym polem magnetyznym. InŜynieria Rolniza 2(3): Pietruszewski S., Kornarzyński K Kiełkowanie nasion pszeniy jarej odmiany Jasna w stałym polu magnetyznym. Fragmenta Agronomia (XVIII), nr 2 (70), Pietruszewski S., Kornarzyński K Wpływ pól magnetyznyh na proes kiełkowania nasion. InŜynieria Rolniza 2(8): APPLICATION OF BOOTSTRAP METHOD TO STUDY OF MAGNETIC FIELD INFLUENCE ON MECHANICAL PROPERTIES OF CORN STALKS Summary Appliation of bootstrap method to reation of onfidene intervals was proposed. This method was used to estimate influene of magneti field stimulation on mehanial properties of orn stalks. These intervals were onstruted for differenes among means and varianes of orn stalk elastiity modulus. Corn seeds, whih were used in omparison with ontrol groups, were stimulated with magneti field during 8 and 30 seonds periods. Computer simulations were done to onfirm that suh onfidene intervals an be used to estimate differenes among means and varianes. Key words: magneti field stimulation, bootstrap, onfidene intervals 44

PROBLEM DOBORU WSPÓLNEJ KRZYWEJ DLA DWÓCH REPLIKACJI NA PRZYKŁADZIE PROCESU KIEŁKOWANIA ZIAREN ZBÓś STYMULOWANYCH POLEM MAGNETYCZNYM

PROBLEM DOBORU WSPÓLNEJ KRZYWEJ DLA DWÓCH REPLIKACJI NA PRZYKŁADZIE PROCESU KIEŁKOWANIA ZIAREN ZBÓś STYMULOWANYCH POLEM MAGNETYCZNYM InŜynieria Rolnicza 5/2006 Andrzej Bochniak, Mirosława Wesołowska-Janczarek Katedra Zastosowań Matematyki Akademia Rolnicza w Lublinie PROBLEM DOBORU WSPÓLNEJ KRZYWEJ DLA DWÓCH REPLIKACJI NA PRZYKŁADZIE

Bardziej szczegółowo

2

2 Acta Agrophysica, 2004, 3(3), WSTĘPNE BADANIA WPŁYWU STAŁEGO I ZMIENNEGO POLA MAGNETYCZNEGO NA SZYBKOŚĆ WZROSTU KIEŁKÓW PSZENICY Krzysztof Kornarzyński, Stanisław Pietruszewski, Zbigniew Segit 2, Krystyna

Bardziej szczegółowo

Matematyka i statystyka matematyczna dla rolników w SGGW

Matematyka i statystyka matematyczna dla rolników w SGGW Było: Testowanie hipotez (ogólnie): stawiamy hipotezę, wybieramy funkcję testową f (test statystyczny), przyjmujemy poziom istotności α; tym samym wyznaczamy obszar krytyczny testu (wartość krytyczną funkcji

Bardziej szczegółowo

Pomiary bezpośrednie Błędy graniczne przyrządów pomiarowych pomiary napięcia i prądu przyrządami analogowymi i cyfrowymi

Pomiary bezpośrednie Błędy graniczne przyrządów pomiarowych pomiary napięcia i prądu przyrządami analogowymi i cyfrowymi Pomiary bezpośrednie Błędy granizne przyrządów pomiarowyh pomiary napięia i prądu przyrządami analogowymi i yfrowymi 1. Cel ćwizenia Poznanie źródeł informaji o warunkah uŝytkowania przyrządów pomiarowyh,

Bardziej szczegółowo

WŁAŚCIWOŚCI GEOMETRYCZNE I MASOWE RDZENI KOLB WYBRANYCH MIESZAŃCÓW KUKURYDZY. Wstęp i cel pracy

WŁAŚCIWOŚCI GEOMETRYCZNE I MASOWE RDZENI KOLB WYBRANYCH MIESZAŃCÓW KUKURYDZY. Wstęp i cel pracy InŜynieria Rolnicza 4/2006 Franciszek Molendowski Instytut InŜynierii Rolniczej Akademia Rolnicza we Wrocławiu WŁAŚCIWOŚCI GEOMETRYCZNE I MASOWE RDZENI KOLB WYBRANYCH MIESZAŃCÓW KUKURYDZY Streszczenie

Bardziej szczegółowo

Skrypt 18. Trygonometria

Skrypt 18. Trygonometria Projekt Innowayjny program nauzania matematyki dla lieów ogólnokształąyh współfinansowany ze środków Unii Europejskiej w ramah Europejskiego Funduszu Społeznego Skrypt 18 Trygonometria 1. Definije i wartośi

Bardziej szczegółowo

1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe

1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe Zjazd 7. SGGW, dn. 28.11.10 r. Matematyka i statystyka matematyczna Tematy 1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe nna Rajfura 1 Zagadnienia Przykład porównania wielu obiektów w

Bardziej szczegółowo

BADANIA WSPÓŁCZYNNIKA TARCIA ZEWNĘTRZNEGO ZIARNA ZBÓś W FUNKCJI WILGOTNOŚCI

BADANIA WSPÓŁCZYNNIKA TARCIA ZEWNĘTRZNEGO ZIARNA ZBÓś W FUNKCJI WILGOTNOŚCI InŜynieria Rolnicza 3/2006 Bronisława Barbara Kram Instytut InŜynierii Rolniczej Akademia Rolnicza we Wrocławiu BADANIA WSPÓŁCZYNNIKA TARCIA ZEWNĘTRZNEGO ZIARNA ZBÓś W FUNKCJI WILGOTNOŚCI Wstęp Streszczenie

Bardziej szczegółowo

MASA WŁAŚCIWA NASION ZBÓś W FUNKCJI WILGOTNOŚCI. Wstęp. Materiał i metody

MASA WŁAŚCIWA NASION ZBÓś W FUNKCJI WILGOTNOŚCI. Wstęp. Materiał i metody InŜynieria Rolnicza 3/2006 Bronisława Barbara Kram Instytut InŜynierii Rolniczej Akademia Rolnicza we Wrocławiu MASA WŁAŚCIWA NASION ZBÓś W FUNKCJI WILGOTNOŚCI Wstęp Streszczenie Określono wpływ wilgotności

Bardziej szczegółowo

Procedura wyznaczania niepewności pomiarowych

Procedura wyznaczania niepewności pomiarowych Proedura wyznazania niepewnośi poiarowyh -0 Zakład Elektrostatyki i Elektroterii Dr inŝ Dorota Nowak-Woźny Proedura wyznazania niepewnośi poiarowyh Wstęp KaŜdy poiar lub obserwaja obarzona jest pewną niepewnośią

Bardziej szczegółowo

Zaliczenie. Ćwiczenia (zaliczenie = min. 15 punktów)

Zaliczenie. Ćwiczenia (zaliczenie = min. 15 punktów) Zaliczenie Ćwiczenia (zaliczenie = min. 15 punktów) Kolokwium (8/10 czerwca) = maks. 30 punktów Dwa zadania z listy pod linkiem = maks. 1 punkt http://www.fuw.edu.pl/~prozanski/ws/upload/20150415-zadania.php

Bardziej szczegółowo

Dokonajmy analizy poniższego przykładu zastosowania analizy zmienności.

Dokonajmy analizy poniższego przykładu zastosowania analizy zmienności. Analiza zmiennośi Analizują rzezywiste wyniki obserwaji różnyh zjawisk prawie zawsze zauważamy, że nie są one jednakowe (tak naprawdę, jedynie wtedy zmiennośi nie obserwujemy, kiedy dane zjawisko jest

Bardziej szczegółowo

OPRACOWANIE WYNIKÓW POMIARU

OPRACOWANIE WYNIKÓW POMIARU OPRACOWANIE WYNIKÓW POMIARU 1. CEL ĆWICZENIA Celem ćwizenia jest poznanie podstawowyh zagadnień związanyh z opraowaniem wyników pomiaru.. WPROWADZENIE.1. Wstęp Umiejętność właśiwego opraowania wyników

Bardziej szczegółowo

Testy nieparametryczne

Testy nieparametryczne Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów

Bardziej szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

Bardziej szczegółowo

WPŁYW POLA MAGNETYCZNEGO I ELEKTRYCZNEGO NA KIEŁKOWANIE NASION WYBRANYCH ROŚLIN KWIATOWYCH

WPŁYW POLA MAGNETYCZNEGO I ELEKTRYCZNEGO NA KIEŁKOWANIE NASION WYBRANYCH ROŚLIN KWIATOWYCH InŜynieria Rolnicza 5/2006 Krzysztof Kornarzyński, Ryszard Łacek Katedra Fizyki Akademia Rolnicza w Lublinie WPŁYW POLA MAGNETYCZNEGO I ELEKTRYCZNEGO NA KIEŁKOWANIE NASION WYBRANYCH ROŚLIN KWIATOWYCH Wstęp

Bardziej szczegółowo

Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście

Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście KASYK Lech 1 Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście Tor wodny, strumień ruchu, Zmienna losowa, Rozkłady dwunormalne Streszczenie W niniejszym artykule przeanalizowano prędkości

Bardziej szczegółowo

I jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek

I jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek ZADANIA statystyka opisowa i CTG 1. Dokonano pomiaru stężenia jonów azotanowych w wodzie μg/ml 1 0.51 0.51 0.51 0.50 0.51 0.49 0.52 0.53 0.50 0.47 0.51 0.52 0.53 0.48 0.59 0.50 0.52 0.49 0.49 0.50 0.49

Bardziej szczegółowo

Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap

Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Magdalena Frąszczak Wrocław, 21.02.2018r Tematyka Wykładów: Próba i populacja. Estymacja parametrów z wykorzystaniem metody

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Streszczenie. Słowa kluczowe: towary paczkowane, statystyczna analiza procesu SPC

Streszczenie. Słowa kluczowe: towary paczkowane, statystyczna analiza procesu SPC Waldemar Samociuk Katedra Podstaw Techniki Akademia Rolnicza w Lublinie MONITOROWANIE PROCESU WAśENIA ZA POMOCĄ KART KONTROLNYCH Streszczenie Przedstawiono przykład analizy procesu pakowania. Ocenę procesu

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

Matematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE

Matematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE Było: Przykład. W doświadczeniu polowym załoŝonym w układzie całkowicie losowym w czterech powtórzeniach porównano

Bardziej szczegółowo

Przedziały ufności. Poziom istotności = α (zwykle 0.05) Poziom ufności = 1 α Przedział ufności dla parametru μ = taki przedział [a,b], dla którego

Przedziały ufności. Poziom istotności = α (zwykle 0.05) Poziom ufności = 1 α Przedział ufności dla parametru μ = taki przedział [a,b], dla którego Przedziały ufności Poziom istotności = α (zwykle 0.05) Poziom ufności = 1 α Przedział ufności dla parametru μ = taki przedział [a,b], dla którego czyli P( μ [a,b] ) = 1 α P( μ < a ) = α/2 P( μ > b ) =

Bardziej szczegółowo

DOKŁADNA METODA BOOTSTRAPOWA NA PRZYKŁADZIE ESTYMACJI ŚREDNIEJ

DOKŁADNA METODA BOOTSTRAPOWA NA PRZYKŁADZIE ESTYMACJI ŚREDNIEJ METOY ILOŚCIOWE W BAANIACH EKONOMICZNYCH Tom XII/2, 20, str. 9 20 OKŁANA METOA BOOTSTRAPOWA NA PRZYKŁAZIE ESTYMACJI ŚRENIEJ Joanna Kisielińska Katedra Ekonomiki Rolnictwa i Międzynarodowych Stosunków Gospodarczych

Bardziej szczegółowo

Matematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 9. TESTOWANIE HIPOTEZ STATYSTYCZNYCH cd.

Matematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 9. TESTOWANIE HIPOTEZ STATYSTYCZNYCH cd. WYKŁAD 9 TESTOWANIE HIPOTEZ STATYSTYCZNYCH cd. Było: Przykład 1. Badano krąŝek o wymiarach zbliŝonych do monety jednozłotowej ze stronami oznaczonymi: A, B. NaleŜy ustalić, czy krąŝek jest symetryczny?

Bardziej szczegółowo

PORÓWNANIE WSPÓŁCZYNNIKÓW GINIEGO JAKO METODA OKRELENIA WPŁYWU STYMULACJI NASION POLEM MAGNETYCZNYM NA MODUŁ SPRYSTOCI DBEŁ ZBÓ

PORÓWNANIE WSPÓŁCZYNNIKÓW GINIEGO JAKO METODA OKRELENIA WPŁYWU STYMULACJI NASION POLEM MAGNETYCZNYM NA MODUŁ SPRYSTOCI DBEŁ ZBÓ Acta Sci. Pol., Technica Agraria 3(1-2) 2004, 105-110 PORÓWNANIE WSPÓŁCZYNNIKÓW GINIEGO JAKO METODA OKRELENIA WPŁYWU STYMULACJI NASION POLEM MAGNETYCZNYM NA MODUŁ SPRYSTOCI DBEŁ ZBÓ Andrzej Bochniak, Mirosława

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich

Bardziej szczegółowo

DZISIAJ. Jeszcze trochę o PROJEKTACH JAK PREZENTOWAĆ: JAK OBLICZAĆ: PROSTE INFORMACJE O PRÓBIE KORELACJE DWÓCH CECH PODSTAWOWE MIARY

DZISIAJ. Jeszcze trochę o PROJEKTACH JAK PREZENTOWAĆ: JAK OBLICZAĆ: PROSTE INFORMACJE O PRÓBIE KORELACJE DWÓCH CECH PODSTAWOWE MIARY PREZENTACJA DANYCH DZISIAJ Jeszcze trochę o PROJEKTACH Następnie metodą prób b i błęb łędów: JAK PREZENTOWAĆ: PROSTE INFORMACJE O PRÓBIE KORELACJE DWÓCH CECH JAK OBLICZAĆ: PRZEDZIAŁY Y UFNOŚCI PODSTAWOWE

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

WPŁYW DAWKI NASION I PRĘDKOŚCI SIEWNIKA NA RÓWNOMIERNOŚĆ RZĘDOWEGO SIEWU NASION PSZENICY

WPŁYW DAWKI NASION I PRĘDKOŚCI SIEWNIKA NA RÓWNOMIERNOŚĆ RZĘDOWEGO SIEWU NASION PSZENICY Adam Lipiński Katedra Maszyn Roboczych i Procesów Separacji Uniwersytet Warmińsko-Mazurski w Olsztynie WPŁYW DAWKI NASION I PRĘDKOŚCI SIEWNIKA NA RÓWNOMIERNOŚĆ RZĘDOWEGO SIEWU NASION PSZENICY Streszczenie

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 3(89)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 3(89)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 3(89)/2012 Jarosław Zalewski 1 PORÓWNANIE NIEKTÓRYCH WSKAŹNIKÓW WYPADKÓW DROGOWYCH W POLSCE I WYBRANYCH KRAJACH EUROPEJSKICH 1. Wstęp W artykule poruszono wybrane problemy

Bardziej szczegółowo

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III. Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej

Bardziej szczegółowo

Zespół Szkół Technicznych im. J. i J. Śniadeckich w Grudziądzu

Zespół Szkół Technicznych im. J. i J. Śniadeckich w Grudziądzu Zespół Szkół Tehniznyh im. J. i J. Śniadekih w Grudziądzu raownia elektryzna MontaŜ Maszyn nstrukja laboratoryjna omiar moy prądu stałego Opraował: mgr inŝ. Marin Jabłoński Cel ćwizenia: oznanie róŝnyh

Bardziej szczegółowo

Monte Carlo, bootstrap, jacknife

Monte Carlo, bootstrap, jacknife Monte Carlo, bootstrap, jacknife Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej: http://www.ssc.wisc.edu/~bhansen/econometrics/ Monte Carlo: rozdział 8.8, 8.9 Bootstrap: rozdział

Bardziej szczegółowo

LXIV Olimpiada Matematyczna

LXIV Olimpiada Matematyczna LXIV Olimpiada Matematyzna Rozwiązania zadań konkursowyh zawodów stopnia drugiego 22 lutego 203 r. (pierwszy dzień zawodów) Zadanie. Dane są lizby ałkowite b i oraz trójmian f(x) = x 2 +bx+. Udowodnić,

Bardziej szczegółowo

WPŁYW OBRÓBKI TERMICZNEJ ZIEMNIAKÓW NA PRĘDKOŚĆ PROPAGACJI FAL ULTRADŹWIĘKOWYCH

WPŁYW OBRÓBKI TERMICZNEJ ZIEMNIAKÓW NA PRĘDKOŚĆ PROPAGACJI FAL ULTRADŹWIĘKOWYCH Wpływ obróbki termicznej ziemniaków... Arkadiusz Ratajski, Andrzej Wesołowski Katedra InŜynierii Procesów Rolniczych Uniwersytet Warmińsko-Mazurski w Olsztynie WPŁYW OBRÓBKI TERMICZNEJ ZIEMNIAKÓW NA PRĘDKOŚĆ

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów

Bardziej szczegółowo

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.

Bardziej szczegółowo

ROZKŁADY WYBRANYCH BOOTSTRAPOWYCH ESTYMATORÓW MEDIANY ORAZ ZASTOSOWANIE DOKŁADNEJ METODY PERCENTYLI DO JEJ PRZEDZIAŁOWEGO SZACOWANIA

ROZKŁADY WYBRANYCH BOOTSTRAPOWYCH ESTYMATORÓW MEDIANY ORAZ ZASTOSOWANIE DOKŁADNEJ METODY PERCENTYLI DO JEJ PRZEDZIAŁOWEGO SZACOWANIA PRZEGLĄD STATYSTYCZNY R. LXIII ZESZYT 4 2016 JOANNA KISIELIŃSKA 1 ROZKŁADY WYBRANYCH BOOTSTRAPOWYCH ESTYMATORÓW MEDIANY ORAZ ZASTOSOWANIE DOKŁADNEJ METODY PERCENTYLI DO JEJ PRZEDZIAŁOWEGO SZACOWANIA 1.

Bardziej szczegółowo

WPŁYW ZMIENNEGO POLA MAGNETYCZNEGO NA KIEŁKOWANIE NASION O NISKIEJ ZDOLNOŚCI KIEŁKOWANIA

WPŁYW ZMIENNEGO POLA MAGNETYCZNEGO NA KIEŁKOWANIE NASION O NISKIEJ ZDOLNOŚCI KIEŁKOWANIA Acta Agrophysica, 8, 11(2), 429-435 WPŁYW ZMIENNEGO POLA MAGNETYCZNEGO NA KIEŁKOWANIE NASION O NISKIEJ ZDOLNOŚCI KIEŁKOWANIA Krzysztof Kornarzyński, Stanisław Pietruszewski Katedra Fizyki, Akademia Rolnicza,

Bardziej szczegółowo

Próba własności i parametry

Próba własności i parametry Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony

Bardziej szczegółowo

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści

Bardziej szczegółowo

Doświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia

Doświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia Doświadczalnictwo leśne Wydział Leśny SGGW Studia II stopnia Metody nieparametryczne Do tej pory omawialiśmy metody odpowiednie do opracowywania danych ilościowych, mierzalnych W kaŝdym przypadku zakładaliśmy

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Temat Testowanie hipotez statystycznych Kody znaków: Ŝółte wyróŝnienie nowe pojęcie pomarańczowy uwaga kursywa komentarz 1 Zagadnienia omawiane na zajęciach 1. Idea i pojęcia teorii testowania hipotez

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Własności estymatora parametru lambda transformacji potęgowej. Janusz Górczyński, Andrzej Zieliński, Wojciech Zieliński

Własności estymatora parametru lambda transformacji potęgowej. Janusz Górczyński, Andrzej Zieliński, Wojciech Zieliński Własności estymatora parametru lambda transformacji potęgowej Janusz Górczyński, Andrzej Zieliński, Wojciech Zieliński 1. Wstęp Najczęstszym powodem transformowania zmiennej losowej jest jej normalizacja,

Bardziej szczegółowo

PLONOWANIE I JAKOŚĆ TECHNOLOGICZNA KORZENI BURAKA CUKROWEGO W ZALEśNOŚCI OD STYMULACJI NASION

PLONOWANIE I JAKOŚĆ TECHNOLOGICZNA KORZENI BURAKA CUKROWEGO W ZALEśNOŚCI OD STYMULACJI NASION InŜynieria Rolnicza 6/2006 Wójcik Stanisława Katedra Szczegółowej Uprawy Roślin Akademia Rolnicza w Lublinie PLONOWANIE I JAKOŚĆ TECHNOLOGICZNA KORZENI BURAKA CUKROWEGO W ZALEśNOŚCI OD STYMULACJI NASION

Bardziej szczegółowo

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...

Bardziej szczegółowo

LICZBA REPLIKACJI PRZY ESTYMACJI KONTRASTÓW W DOŚWIADCZENIU Z MODUŁEM SPRĘśYSTOŚCI MIĄśSZU JABŁEK

LICZBA REPLIKACJI PRZY ESTYMACJI KONTRASTÓW W DOŚWIADCZENIU Z MODUŁEM SPRĘśYSTOŚCI MIĄśSZU JABŁEK InŜynieria Rolnicza 7/ Dorota Domagała 1 Mirosława Wesołowska-Janczarek * Tomasz Guz ** * Katedra astosowań Matematyki ** Katedra InŜynierii i Maszyn SpoŜywczych Akademia Rolnicza w Lublinie LICBA REPLIKACJI

Bardziej szczegółowo

LISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów

LISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów LISTA 4 1.Na pewnym obszarze dokonano 40 pomiarów grubości warstwy piasku otrzymując w m.: 54, 58, 64, 69, 61, 56, 41, 48, 56, 61, 70, 55, 46, 57, 70, 55, 47, 62, 55, 60, 54,57,65,60,53,54, 49,58,62,59,55,50,58,

Bardziej szczegółowo

XXXV OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXXV OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXXV OLIMPIADA FIZYCZNA ETAP III Zadanie doświadzalne ZADANIE D1 Nazwa zadania: Wyznazanie iepła pierwiastków (azot, ołów) Wyznaz iepło rowania iekłego azotu oraz iepło właśiwe ołowiu (wartość średnią

Bardziej szczegółowo

Wykład 9 Wnioskowanie o średnich

Wykład 9 Wnioskowanie o średnich Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i

Bardziej szczegółowo

Testy zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11

Testy zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11 Testy zgodności Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej 27. Nieparametryczne testy zgodności Weryfikacja

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2 STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;

Bardziej szczegółowo

REAKCJA NASION WYBRANYCH ODMIAN OGÓRKA NA PRZEDSIEWNĄ BIOSTYMULACJĘ LASEROWĄ. Wstęp

REAKCJA NASION WYBRANYCH ODMIAN OGÓRKA NA PRZEDSIEWNĄ BIOSTYMULACJĘ LASEROWĄ. Wstęp Roczniki Akademii Rolniczej w Poznaniu CCCLXXXIII (2007) DANUTA DROZD, HANNA SZAJSNER REACJA NASION WYBRANYCH ODMIAN OGÓRA NA PRZEDSIEWNĄ BIOSTYMULACJĘ LASEROWĄ Z atedry Hodowli Roślin i Nasiennictwa Uniwersytetu

Bardziej szczegółowo

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Konrad Miziński, nr albumu 233703 31 maja 2015 Zadanie 1 Wartości oczekiwane µ 1 i µ 2 oszacowano wg wzorów: { µ1 = 0.43925 µ = X

Bardziej szczegółowo

STATYSTYKA INDUKCYJNA. O sondaŝach ach i nie tylko

STATYSTYKA INDUKCYJNA. O sondaŝach ach i nie tylko STATYSTYKA INDUKCYJNA O sondaŝach ach i nie tylko DWA DZIAŁY ESTYMACJA Co na podstawie wyników w z próby mogę powiedzieć o wynikach w populacji? WERYFIKACJA HIPOTEZ Czy moje przypuszczenia uczynione przed

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo

w badaniach rolniczych na pszenżycie ozimym w Polsce w latach 2007/2008 (badania rejestracyjne, IUNG Puławy)

w badaniach rolniczych na pszenżycie ozimym w Polsce w latach 2007/2008 (badania rejestracyjne, IUNG Puławy) Nano-Gro w badaniach rolniczych na pszenżycie ozimym w Polsce w latach 2007/2008 (badania rejestracyjne, IUNG Puławy) Celem badań było określenie wpływu stymulatora wzrostu Nano-Gro na wzrost, rozwój,

Bardziej szczegółowo

SPRAWDZIAN NR 1 ROBERT KOPERCZAK, ID studenta : k4342

SPRAWDZIAN NR 1 ROBERT KOPERCZAK, ID studenta : k4342 TECHNIKI ANALITYCZNE W BIZNESIE SPRAWDZIAN NR 1 Autor pracy ROBERT KOPERCZAK, ID studenta : k4342 Kraków, 22 Grudnia 2009 2 Spis treści 1 Zadanie 1... 3 1.1 Szereg rozdzielczy wag kobiałek.... 4 1.2 Histogram

Bardziej szczegółowo

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)

Bardziej szczegółowo

Pole magnetyczne ma tę własność, że jego dywergencja jest wszędzie równa zeru.

Pole magnetyczne ma tę własność, że jego dywergencja jest wszędzie równa zeru. Dywergenja i rotaja pola magnetyznego Linie wektora B nie mają pozątku, ani końa. tąd wynika twierdzenie Gaussa dla wektora B : Φ = B d = B trumień wektora indukji magnetyznej przez dowolną powierzhnię

Bardziej szczegółowo

Elementy mechaniki relatywistycznej

Elementy mechaniki relatywistycznej Podstawy Proesów i Konstrukji Inżynierskih Elementy mehaniki relatywistyznej 1 Czym zajmuje się teoria względnośi? Teoria względnośi to pomiary zdarzeń ustalenia, gdzie i kiedy one zahodzą, a także jaka

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem

Bardziej szczegółowo

DOBÓR PRÓBY. Czyli kogo badać?

DOBÓR PRÓBY. Czyli kogo badać? DOBÓR PRÓBY Czyli kogo badać? DZISIAJ METODĄ PRACY Z TEKSTEM I INNYMI Po co dobieramy próbę? Czym róŝni się próba od populacji? Na czym polega reprezentatywność statystyczna? Podstawowe zasady doboru próby

Bardziej szczegółowo

WPŁYW OBRÓBKI TERMICZNEJ NA SIŁĘ CIĘCIA I SIŁĘ ŚCISKANIA ZIEMNIAKÓW

WPŁYW OBRÓBKI TERMICZNEJ NA SIŁĘ CIĘCIA I SIŁĘ ŚCISKANIA ZIEMNIAKÓW InŜynieria Rolnicza 6/2006 Beata Ślaska-Grzywna Katedra InŜynierii i Maszyn SpoŜywczych Akademia Rolnicza w Lublinie WPŁYW OBRÓBKI TERMICZNEJ NA SIŁĘ CIĘCIA I SIŁĘ ŚCISKANIA ZIEMNIAKÓW Streszczenie W niniejszej

Bardziej szczegółowo

Elementarne metody statystyczne 9

Elementarne metody statystyczne 9 Elementarne metody statystyczne 9 Wybrane testy nieparametryczne - ciąg dalszy Test McNemary W teście takim dysponujemy próbami losowymi z dwóch populacji zależnych pewnej cechy X. Wyniki poszczególnych

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 Podstawy rachunku prawdopodobieństwa 1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący

Bardziej szczegółowo

WPŁYW ZMIAN ZAWARTOŚCI WODY NA TWARDOŚĆ ZIARNA PSZENICY PODCZAS PRZECHOWYWANIA W SILOSIE W WARUNKACH MODELOWYCH

WPŁYW ZMIAN ZAWARTOŚCI WODY NA TWARDOŚĆ ZIARNA PSZENICY PODCZAS PRZECHOWYWANIA W SILOSIE W WARUNKACH MODELOWYCH InŜynieria Rolnicza 7/25 ElŜbieta Kusińska Katedra InŜynierii i Maszyn SpoŜywczych Akademia Rolnicza w Lublinie WPŁYW ZMIAN ZAWARTOŚCI WODY NA TWARDOŚĆ ZIARNA PSZENICY PODCZAS PRZECHOWYWANIA W SILOSIE

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne Instrukja do ćwizeń laboratoryjnyh z przedmiotu: adania operayjne Temat ćwizenia: Komputerowe wspomaganie rozwiązywania zadań programowania liniowego, dobór struktury asortymentowej Zahodniopomorski Uniwersytet

Bardziej szczegółowo

PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński

PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR Wojciech Zieliński Katedra Ekonometrii i Statystyki SGGW Nowoursynowska 159, PL-02-767 Warszawa wojtek.zielinski@statystyka.info

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechnika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH BADANIE TWORZYW SZTUCZNYCH OZNACZENIE WŁASNOŚCI MECHANICZNYCH PRZY STATYCZNYM ROZCIĄGANIU

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie

Bardziej szczegółowo

InŜynieria Rolnicza 14/2005. Streszczenie

InŜynieria Rolnicza 14/2005. Streszczenie Michał Cupiał Katedra InŜynierii Rolniczej i Informatyki Akademia Rolnicza w Krakowie PROGRAM WSPOMAGAJĄCY NAWOśENIE MINERALNE NAWOZY 2 Streszczenie Przedstawiono program Nawozy 2 wspomagający nawoŝenie

Bardziej szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

Cieplne Maszyny Przepływowe. Temat 6 Przepływ przez sprężarki osiowe. Część I Podstawy teorii Cieplnych Maszyn Przepływowych. 6.1.

Cieplne Maszyny Przepływowe. Temat 6 Przepływ przez sprężarki osiowe. Część I Podstawy teorii Cieplnych Maszyn Przepływowych. 6.1. 73 6.. Wstęp W sprężarkah pole przepływu jednowymiarowego rośnie tj. (α > α ) o prowadzi do: - oderwania warstwy przyśiennej - wzrostu strat i redukji odhylenia strugi - redukją przyrostu iśnienia statyznego.

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych

STATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych STATYSTYKA MATEMATYCZNA WYKŁAD 3 Populacje i próby danych POPULACJA I PRÓBA DANYCH POPULACJA population Obserwacje dla wszystkich osobników danego gatunku / rasy PRÓBA DANYCH sample Obserwacje dotyczące

Bardziej szczegółowo

Estymacja parametro w 1

Estymacja parametro w 1 Estymacja parametro w 1 1 Estymacja punktowa: średniej, odchylenia standardowego i frakcji µ - średnia populacji h średnia z próby jest estymatorem średniej populacji = - standardowy błąd estymacji średniej

Bardziej szczegółowo

PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH

PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W

Bardziej szczegółowo

w badaniach rolniczych na pszenicy ozimej w Polsce w latach 2007/2008 (badania rejestracyjne, IUNG Puławy)

w badaniach rolniczych na pszenicy ozimej w Polsce w latach 2007/2008 (badania rejestracyjne, IUNG Puławy) Nano-Gro w badaniach rolniczych na pszenicy ozimej w Polsce w latach 2007/2008 (badania rejestracyjne, IUNG Puławy) Importowany ze Stanów Zjednoczonych na rynek polski w 2007 r. innowacyjny stymulator

Bardziej szczegółowo

Zobowiązanie do kompletnej usługi. Polski

Zobowiązanie do kompletnej usługi. Polski Polski Wprowadzenie Nasza działalność konentruje się ałkowiie wokół wymagań naszyh klientów - zrozumienie sposobu pray i pomo iągłym doskonaleniu, dla nas to podróż, która nigdy się nie końzy. Nasza działalność

Bardziej szczegółowo

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Statystyka matematyczna. Wykład III. Estymacja przedziałowa Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności

Bardziej szczegółowo

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja

Bardziej szczegółowo

Wnioskowanie bayesowskie

Wnioskowanie bayesowskie Wnioskowanie bayesowskie W podejściu klasycznym wnioskowanie statystyczne oparte jest wyłącznie na podstawie pobranej próby losowej. Możemy np. estymować punktowo lub przedziałowo nieznane parametry rozkładów,

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA LISTA 10 1.Dokonano 8 pomiarów pewnej odległości (w m) i otrzymano: 201, 195, 207, 203, 191, 208, 198, 210. Wiedząc,że błąd pomiaru ma rozkład normalny

Bardziej szczegółowo

S t a t y s t y k a, część 3. Michał Żmihorski

S t a t y s t y k a, część 3. Michał Żmihorski S t a t y s t y k a, część 3 Michał Żmihorski Porównanie średnich -test T Założenia: Zmienne ciągłe (masa, temperatura) Dwie grupy (populacje) Rozkład normalny* Równe wariancje (homoscedasticity) w grupach

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

WPŁYW WIELKOŚCI NASION NA NIEZBĘDNĄ DŁUGOŚĆ PRZEWODU PNEUMATYCZNEGO W PROCESIE EKSPANDOWANIA NASION

WPŁYW WIELKOŚCI NASION NA NIEZBĘDNĄ DŁUGOŚĆ PRZEWODU PNEUMATYCZNEGO W PROCESIE EKSPANDOWANIA NASION InŜynieria Rolnicza / Henryk Konopko Politechnika Białostocka WPŁYW WIELKOŚCI NASION NA NIEZBĘDNĄ DŁUGOŚĆ PRZEWODU PNEUMATYCZNEGO W PROCESIE EKSPANDOWANIA NASION Streszczenie Celem pracy było określenie

Bardziej szczegółowo

Estymacja punktowa i przedziałowa

Estymacja punktowa i przedziałowa Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora

Bardziej szczegółowo

Ćwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy

Ćwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwisko 1. 2. Temat: Rok Grupa Zespół Nr ćwiczenia Data wykonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 2: ZaleŜność okresu

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych

Bardziej szczegółowo

Biostatystyka, # 3 /Weterynaria I/

Biostatystyka, # 3 /Weterynaria I/ Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

WPŁYW PRZEDSIEWNEJ STYMULACJI NASION ZMIENNYM POLEM MAGNETYCZNYM NA PLONOWANIE I JAKOŚĆ TECHNOLOGICZNĄ ZIARNA PSZENICY OZIMEJ

WPŁYW PRZEDSIEWNEJ STYMULACJI NASION ZMIENNYM POLEM MAGNETYCZNYM NA PLONOWANIE I JAKOŚĆ TECHNOLOGICZNĄ ZIARNA PSZENICY OZIMEJ Acta Agrophysica, 2010, 15(2), 233-245 WPŁYW PRZEDSIEWNEJ STYMULACJI NASION ZMIENNYM POLEM MAGNETYCZNYM NA PLONOWANIE I JAKOŚĆ TECHNOLOGICZNĄ ZIARNA PSZENICY OZIMEJ Karol Bujak, Mariusz Frant Katedra Ogólnej

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wprowadzenie

Testowanie hipotez statystycznych. Wprowadzenie Wrocław University of Technology Testowanie hipotez statystycznych. Wprowadzenie Jakub Tomczak Politechnika Wrocławska jakub.tomczak@pwr.edu.pl 10.04.2014 Pojęcia wstępne Populacja (statystyczna) zbiór,

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo