7. MODELE LUKI KRYTYCZNEJ I AKCEPTOWALNEJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "7. MODELE LUKI KRYTYCZNEJ I AKCEPTOWALNEJ"

Transkrypt

1 Modele luki krytyznej i akeptowalnej MODELE LUKI KRYYCZNEJ I AKCEPOWALNEJ 7.. Przypomnienie o różniah w obrazie statystyznym ruhu samohodowego i kolejowego Lata 9. w Polse są okresem przejśiowym z systemu komunistyznego, w którym na Śląsku wykształiła się speyfizna infrastruktura transportowa, przystosowana do wielkiego wydobyia węgla i pohodnyh dziedzin gospodarzyh, a wię hutnitwa i energetyki węglowej. Dziedziny te jak to stało się w Wielkiej Brytanii, Franji i Niemzeh są likwidowane, jako nieefektywne i zastępowane energetyką jądrową oraz gazową. Do tego obrazu znanego naszym zahodnim sąsiadom, należy dodać niski poziom motoryzaji indywidualnej, który w ostatnih latah gwałtownie wzrasta przy nieprzygotowanej infrastrukturze drogowej. Z drugiej strony, obok bardzo przeiążonej siei dróg samohodowyh, mamy dużą, niewykorzystaną sieć kolejową, która jednak nie ma odpowiednih parametrów tehniznyh, takih jak u naszyh zahodnih sąsiadów. Przeiążone ruhem samohodowym entra miast są zazwyzaj zakorkowane, powodują w ostatnih latah wydłużenie zasu podróży. W miastah już przeiążonyh ruhem transportowym opraowuje się projekty nadająe pierwszeństwo ruhowi zbiorowemu. Stan obeny w końu zostanie przekształony, tak jak u zahodnih sąsiadów, na ałkowite wyłązenia entrów miast dla indywidualnego ruhu pojazdów, jak proponuje Woh (998f). Obserwaje statystyzne odstępów potoków ruhu kolejowego dotyzą na ogół nie zatłozonyh miejs w siei kolejowej, a wię na ogół otrzymuje się przesunięte rozkłady wykładnize, harakterystyzne dla rzadkih potoków ruhu. Natomiast zatłozone drogi samohodowe mają na ogół rozkłady Erlanga wysokiego rzędu, jako efekt sumowania się wielu składników zasu zekania w koleje. Wynika to ze znanej w teorii własnośi rozkładów Erlanga, będąyh w istoie rzezy sumą wielu wykładnizyh strat zasu - zasów zekania.

2 84 Modele luki krytyznej i akeptowalnej 7 Największe różnie są w miejsah ozekiwania, tj. w miejsah tworzenia się kolejek, gdzie sumują się wpływy dużej lizby zasów zekania, a wię wzrasta rząd rozkładu Erlanga opisująego odstęp między pojazdami, jako modelu sumy dużej lizby niezależnyh wykładnizyh zasów zekania. f x x Rys. 7.. Przesunięty rozkład wykładnizy jako model odstępu rzadkiego potoku ruhu f x x Rys. 7.. Przesunięty rozkład Erlanga jako model odstępu gęstego potoku ruhu

3 Modele luki krytyznej i akeptowalnej 7 85 ab.7.. ablia oblizeń wyników obserwaji odstępów zasu w potoku pieszyh whodząyh do sklepu Odstęp w s Lizba obserwaji Oblizenia statystyzne x i i x i i x i i. -.5 x * sek s * sek na podstawie histogramu można postawić hipotezę o przesuniętym rozkładzie wykładnizym i x i Rys.7.3. Histogram odstępu potoku ruhu pieszyh whodząyh do sklepu

4 86 Modele luki krytyznej i akeptowalnej 7 ab. 7.. Pojęia podstawowe modelu akeptowalnej luki podzas włązania się do potoku głównego 3 pas ruhu jednokierunkowego potoku włązanie do potoku głównego (rys. 9. z Drew, 968) pas przyśpieszeń odstęp zasu - rysunek dystans drogi - rysunek luka - rysunek odstęp resztowy - rysunek strata (zas zekania) - rysunek opóźnienie a strata zasu zekania - rysunek pas przyśpieszeń (rampa) dystans odrzuony odstęp resztowy poza r. na rampie A Luka akept. 4 droga ekspr. droga dojazdowa Strata poj. 3 Strata poj. 4 Wykres ruhu w zas A Rys. 7.4 Związki drogowo-zasowe na drodze ekspresowej podzas manewrów włązania wg Drew (968, Rys.9., 95). ab. 7.. Statystyka akeptowalnyh i odrzuonyh luk podzas włązania się do potoku głównego na odinku przyśpieszeń wg Drew (968)

5 Modele luki krytyznej i akeptowalnej 7 87 długość luki w sek zatrzymane pojazdy w ruhu pojazdy akeptująe odrzuająe akept. odrzu. luki < t luki > t luki < t luki >t a3 6 a5 b6 d7 b3 d wszystkie pojazdy akept. odrzu. luki < t luki > t a4 5 b4 d ( a) dt luka krytyzna t + (7.) ( b + ) ( a + d) ( zatrzymane ) 3. ( w' ruhu). 5 ( wszystkie ). 8

6 88 Modele luki krytyznej i akeptowalnej 7 Lizba luk 5 Lizba odrzuonyh luk Krytyzna luka,8 s Lizba akeptowanyh luk Długość luki t Rys Wykres akeptowanyh i odrzuonyh luk dla wszystkih pojazdów badanego odinka włązeń do potoku głównego wg Drew (968, Rys. 9.3, 79). 7.. Rząd rozkładu Erlanga jako wskaźnik równomiernośi potoku ruhu Wskaźnik równomiernośi dla przesuniętego rozkładu Erlanga: w E ( X ). (7.) W ruhu samohodowym, im większy jest stopień wykorzystania drogi, tym większy jest stopień równomiernośi potoku. Wniosek ten można uogólnić na wszystkie potoki ruhu transportowego.

7 Modele luki krytyznej i akeptowalnej Związek między rozkładem Poissona a wykładnizym oraz Erlanga Strumień Poissona to proes stohastyzny, w którym lizba zgłoszeń w ustalonym przedziale zasu t ma rozkład Poissona: P P( X k ) k k e λt ( λt) k! k, k,,... (7.3) a odstęp między kolejnymi zgłoszeniami ma rozkład wykładnizy o funkji gęstośi: f ( x) λe λ x, (7.4) natomiast odstęp między o drugim pojazdem ma rozkład Erlanga rzędu - E, między o trzeim pojazdem - rzędu 3 - E 3 i tak dalej, to znazy, że rząd rozkładu Erlanga opisuje lizbę niezależnyh składników wykładnizyh, które złożyły się na dany odstęp, jak niżej. Odstęp o rozkładzie E 3 Odstęp o r. E Odstęp o r. E 4 3 Strumień Poissona pojazdów t zas Rozkład E a wię wykładnizy Lizba zgłoszeń w ustalonym przedziale ma r. Poissona! Potoki ruhu transportowego nie są strumieniami Poissona, ponieważ zmienność jest ogranizona tendenją do utrzymywania bezpieznyh odstępów, a wię w przypadkah dużego ruhu, jest to tendenja do wyrównywania odstępów.

8 9 Modele luki krytyznej i akeptowalnej Rozkład luki krytyznej Wiadomo, że rozkład luki krytyznej nie może być wykładnizy. W literaturze (patrz np. Drew, 968, rys. 9.6, 89) podaje się ztery poniższe rozkłady tej luki. Rozkład równomierny Przesunięty wykładnizy Erlanga f f e a a f ( a )!. (7.5) ( ) ( ) a e. (7.6) a. (7.7) Logarytmo-normalny f s e π ln ln s. (7.8)

9 Modele luki krytyznej i akeptowalnej 7 9 f Rozkład równomierny zęstośi luki krytyznej f f Przesunięty rozkład wykładnizy zęstośi krytyznej luki f e f Rozkład Erlanga zęstośi luki krytyznej a f ( a )! a a e a f Logarytmo-normalny rozkład zęstośi luki krytyznej ( ln ln ) e π f s s Rys Reprezentatywne formy rozkładów luki krytyznej wg Drew (968, Rys. 9.6, 89)

10 9 Modele luki krytyznej i akeptowalnej Inne modele wyboru luki dopuszzalnej Model odstępu krytyznego, w którym każdy ozekująy na włązenie oenia zy dana luka jest większa zy mniejsza od z góry ustalonego jest mono krytykowana, jak podaje Drew (968). Bardziej realistyzny model, to założenie, że każdy kierowa ma ustaloną funkję prawdopodobieństwo akeptaji P() określająą akeptaję luki o długośi, (patrz Drew, 968, rys. 9.6, 89). P Funkja trapezoidalna prawd. akeptaji luki krytyznej P P( ) Przesunięta wykładniza funkja prawd. akeptaji luki ( ) ( ) P e, > P P Funkja Erlanga prawdopodobieństwa akeptaji luki krytyznej a a, wykladniza a a, stala P ( a ) ( a ) Funkja Logarytmo-normalna prawdopodobieństwa akeptaji luki krytyznej a a ay! y e dy ( ln ln ) π P s y e y s dy Rys Różne funkje prawdopodobieństwa akeptaji luki wg Drew (968, Rys. 9.7, 9)

11 Modele luki krytyznej i akeptowalnej 7 93 Funkja trapezoidalna ( ) P ( ) dla < <. (7.9) Przesunięta wykładniza P e dla >. (7.) a a Funkja Erlanga P ( a )! ay a y e dy. (7.) Funkja logarytmo-normalna P s π (7.) e ln yln s y dy. Widać związki między powyższymi funkjami a gęstośią prawdopodobieństwa odstępu krytyznego - są to odpowiednie dystrybuanty. Dwie skrajne: najłatwiejsza oraz najtrudniejsza, w środku - najwłaśiwsza.

12 94 Modele luki krytyznej i akeptowalnej 7 Problemy rozdziału 7. Modele probabilistyzne odstępów rzadkih potoków ruhu.. Modele probabilistyzne odstępów gęstyh potoków ruhu. 3. Gdzie powstają odstępy o złożonym obrazie statystyznym? 4. Czy w dzisiejszym ruhu kolejowym powstają duże zakłóenia? 5. Czy odstęp potoku pieszyh whodząyh do sklepu może mieć przesunięty rozkład wykładnizy? 6. Wyjaśnić pojęie luki akeptowalnej. 7. Wyjaśnić pojęie odstępu resztowego. 8. Wyjaśnić pojęie straty (zasu zekania) podzas włązania do ruhu drogi ekspresowej. 9. Wyjaśnić różnię między pojęiem straty (zasu zekania) a opóźnienia w modelah ruhu.. Podać wzór na lukę krytyzną.. Narysować wykresy wyznazająe lukę krytyzną.. Dlazego krytykowane są modele luki krytyznej? 3. Czym różnią się modele luki krytyznej i funkji akeptaji luki? 4. Wskaźnik równomiernośi przesuniętego rozkładu Erlanga. 5. Strumień Poissona a rozkład Poissona. 6. Strumień Poissona a rozkład wykładnizy. 7. Strumień Poissona a rozkład Erlanga. 8. Strumień Poissona a rozkład równomierny. 9. Modele luki krytyznej a luki akeptowalnej.. Jaki model luki krytyznej jest najlepszy?. Jaki model luki akeptowalnej jest najlepszy?

4. ZNACZENIE ROZKŁADU WYKŁADNICZEGO

4. ZNACZENIE ROZKŁADU WYKŁADNICZEGO Znaczenie rozkładu wykładniczego 4 51 4. ZNACZENIE ROZKŁADU WYKŁADNICZEGO 4.1. Rozkład wykładniczy Zmienna losowa X ma rozkład wykładniczy, jeżeli funkcja gęstości prawdopodobieństwa f ( x) = λe λx x 0,

Bardziej szczegółowo

Janusz Woch Instytut Transportu Politechniki Śląskiej w Katowicach. Statystyka procesów transportowych

Janusz Woch Instytut Transportu Politechniki Śląskiej w Katowicach. Statystyka procesów transportowych Janusz Woch Instytut Transportu Politechniki Śląskiej w Katowicach Statystyka procesów transportowych Katowice maj 2000 Wstęp 2 SPIS TREŚCI 2 WSTĘP 4 1. Zakres Statystyki Procesów Transportowych 13 1.1

Bardziej szczegółowo

Przykłady do zadania 6.1 :

Przykłady do zadania 6.1 : Rachunek prawdopodobieństwa MAP64 Wydział Elektroniki, rok akad. 28/9, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 6: Zmienna losowa. Rozkład zmiennej losowej. Dystrybuanta. Przykłady

Bardziej szczegółowo

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka

Rachunek prawdopodobieństwa i statystyka Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk

Bardziej szczegółowo

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji.

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji. Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Centralne Twierdzenie Graniczne 1.1 Twierdzenie Lindeberga Levy'ego 1.2 Dowód 1.2.1 funkcja tworząca sumy zmiennych niezależnych 1.2.2 pochodna funkcji

Bardziej szczegółowo

Wydział Matematyki. Testy zgodności. Wykład 03

Wydział Matematyki. Testy zgodności. Wykład 03 Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy

Bardziej szczegółowo

Funkcje charakteryzujące proces. Dr inż. Robert Jakubowski

Funkcje charakteryzujące proces. Dr inż. Robert Jakubowski Funkcje charakteryzujące proces eksploatacji Dr inż. Robert Jakubowski Niezawodność Niezawodność Rprawdopodobieństwo, że w przedziale czasu od do t cechy funkcjonalne statku powietrznego Ubędą się mieścić

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka

Rachunek prawdopodobieństwa i statystyka Rachunek prawdopodobieństwa i statystyka Przestrzeń probabilistyczna Niech Ω będzie dowolnym zbiorem, zwanym przestrzenią zdarzeń elementarnych. Elementy ω tej przestrzeni nazywamy zdarzeniami elementarnymi.

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Statystyka i opracowanie danych W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Rozkład Poissona. Zmienna losowa ciągła Dystrybuanta i funkcja gęstości

Bardziej szczegółowo

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w

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

WPROWADZENIE DO BUDOWNICTWA KOMUNIKACYJNEGO WYKŁAD 1

WPROWADZENIE DO BUDOWNICTWA KOMUNIKACYJNEGO WYKŁAD 1 WPROWADZENIE DO BUDOWNICTWA KOMUNIKACYJNEGO WYKŁAD 1 WERSJA 2005 ZAKRES WYKŁADU: 1. DROGOWNICTWO 2. RUCH DROGOWY 3. KOMUNIKACJA ZBIOROWA 4. PIESI I ROWERZYŚCI 5. STEROWANIE RUCHEM Wprowadzenie do Budownictwa

Bardziej szczegółowo

FUNKCJA KWADRATOWA. Poziom podstawowy

FUNKCJA KWADRATOWA. Poziom podstawowy FUNKCJA KWADRATOWA Poziom podstawowy Zadanie ( pkt) Wykres funkji y = ax + bx+ przehodzi przez punkty: A = (, ), B= (, ), C = (,) a) Wyznaz współzynniki a, b, (6 pkt) b) Zapisz wzór funkji w postai kanoniznej

Bardziej szczegółowo

Statystyka opisowa- cd.

Statystyka opisowa- cd. 12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa- cd. Wykład 4 Dr inż. Adam Deptuła HISTOGRAM UNORMOWANY Pole słupka = wysokość słupka x długość przedziału Pole słupka = n i n h h,

Bardziej szczegółowo

Rachunek Prawdopodobieństwa Anna Janicka

Rachunek Prawdopodobieństwa Anna Janicka Rachunek Prawdopodobieństwa Anna Janicka wykład XIV, 24.01.2017 ŁAŃCUCHYMARKOWA CD. KRÓTKIE INFO O RÓŻNYCH WAŻNYCH ROZKŁADACH Plan na dzisiaj Łańcuchy Markowa cd. Różne ważne rozkłady prawdopodobieństwa,

Bardziej szczegółowo

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) = Zestaw : Zmienne losowe. Które z poniższych funkcji są dystrybuantami? Odpowiedź uzasadnij. Wskazówka: naszkicuj wykres. 0, x 0,, x 0, F (x) = x, F (x) = x, 0 x

Bardziej szczegółowo

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi

Bardziej szczegółowo

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Przygotował: Dr inż. Wojciech Artichowicz Katedra Hydrotechniki PG Zima 2014/15 1 TABLICE ROZKŁADÓW... 3 ROZKŁAD

Bardziej szczegółowo

Analiza regresji - weryfikacja założeń

Analiza regresji - weryfikacja założeń Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 3 ZADANIA - ZESTAW 3 ZADANIA - ZESTAW 3 Zadanie 3. L Prawdopodobieństwo trafienia celu w jednym strzale wynosi 0,6. Do celu oddano niezależnie 0 strzałów. Oblicz prawdopodobieństwo, że cel został trafiony: a) jeden raz, b)

Bardziej szczegółowo

STATYSTYKA MAŁYCH OBSZARÓW II.ESTYMATOR HORVITZA-THOMPSONA, ESTYMATOR KALIBROWANY

STATYSTYKA MAŁYCH OBSZARÓW II.ESTYMATOR HORVITZA-THOMPSONA, ESTYMATOR KALIBROWANY STATYSTYKA MAŁYCH OBSZARÓW II.ESTYMATOR HORVITZA-THOMPSONA, ESTYMATOR KALIBROWANY 2.1 Estymator Horvitza-Thompsona 2.1.1 Estymator Horvitza-Thompsona wartości średniej i globalnej w populacji p-nieobciążony

Bardziej szczegółowo

METODA PERT. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski

METODA PERT. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski METODA PERT Maciej Patan Programowanie sieciowe. Metoda PERT 1 WPROWADZENIE PERT (ang. Program Evaluation and Review Technique) Metoda należy do sieci o strukturze logicznej zdeterminowanej Parametry opisujace

Bardziej szczegółowo

ELEMENTY SZCZEGÓLNEJ TEORII WZGLĘDNOŚCI. I. Zasada względności: Wszystkie prawa przyrody są takie same we wszystkich

ELEMENTY SZCZEGÓLNEJ TEORII WZGLĘDNOŚCI. I. Zasada względności: Wszystkie prawa przyrody są takie same we wszystkich ELEMENTY SZCZEGÓLNEJ TEORII WZGLĘDNOŚCI Postulaty Einsteina (95 r) I Zasada względnośi: Wszystkie prawa przyrody są takie same we wszystkih inerjalnyh układah odniesienia lub : Równania wyrażająe prawa

Bardziej szczegółowo

Elektrotechnika II [ Laboratorium Grupa 1 ] 2016/2017 Zimowy. [ Laboratorium Grupa 2 ] 2016/2017 Zimowy

Elektrotechnika II [ Laboratorium Grupa 1 ] 2016/2017 Zimowy. [ Laboratorium Grupa 2 ] 2016/2017 Zimowy Elektrotechnika II [ Laboratorium Grupa ] 206/207 Zimowy Lp Numer indeksu Pkt Kol Suma Popr Ocena Data Uwagi 97574 6 7 Db + 2 9758 ++0,9 5 7,9 Db + 3 99555 0,9+0,9 2,8 Dst + 4 97595 0,8++ 0 2,8 Dst + 5

Bardziej szczegółowo

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji Wykład 11. Metoda najmniejszych kwadratów Szukamy zależności Dane są wyniki pomiarów dwóch wielkości x i y: (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ). Przypuśćmy, że nanieśliśmy je na wykres w układzie

Bardziej szczegółowo

Temat wykładu: Całka nieoznaczona. Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga kursywa komentarz * materiał nadobowiązkowy

Temat wykładu: Całka nieoznaczona. Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga kursywa komentarz * materiał nadobowiązkowy Temat wykładu: Całka nieoznazona Kody kolorów: żółty nowe pojęie pomarańzowy uwaga kursywa komentarz * materiał nadobowiązkowy A n n a R a j f u r a, M a t e m a t y k a Zagadnienia. Terminologia i oznazenia.

Bardziej szczegółowo

1 Elementy teorii przeżywalności

1 Elementy teorii przeżywalności 1 Elementy teorii przeżywalności Zadanie 1 Zapisz 1. Prawdopodobieństwo, że noworodek umrze nie później niż w wieku 80 lat 2. P-two, że noworodek umrze nie później niż w wieku 30 lat 3. P-two, że noworodek

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

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4 Inne układy doświadczalne 1) Układ losowanych bloków Stosujemy, gdy podejrzewamy, że może występować systematyczna zmienność między powtórzeniami np. - zmienność

Bardziej szczegółowo

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach: Zadanie. O niezależnych zmiennych losowych N, M M, M 2, 3 wiemy, że: N ma rozkład Poissona z wartością oczekiwaną równą 00 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach: 2, 3 Pr( M = )

Bardziej szczegółowo

I.2 Promieniowanie Ciała Doskonale Czarnego

I.2 Promieniowanie Ciała Doskonale Czarnego I. Promieniowanie Ciała Doskonale Czarnego Jan Królikowski Fizyka IVBC 1 CIAŁO DOSKONALE CZARNE (CDCz) CDCz jest to takie iało, którego zdolność absorpyjna a(, T) nie zależy od długośi fali i wynosi 100%.

Bardziej szczegółowo

Jednowymiarowa zmienna losowa

Jednowymiarowa zmienna losowa 1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),

Bardziej szczegółowo

Dla powstania pola magnetycznego konieczny jest ruch ładunków elektrycznych, a więc przepływ prądu elektrycznego, natomiast pole elektryczne powstaje

Dla powstania pola magnetycznego konieczny jest ruch ładunków elektrycznych, a więc przepływ prądu elektrycznego, natomiast pole elektryczne powstaje Pole elektryzne Dla powstania pola magnetyznego koniezny jest ruh ładunków elektryznyh, a wię przepływ prądu elektryznego, natomiast pole elektryzne powstaje zawsze w przestrzeni otazająej ładunki elektryzne,

Bardziej szczegółowo

Równanie przewodnictwa cieplnego (I)

Równanie przewodnictwa cieplnego (I) Wykład 4 Równanie przewodnictwa cieplnego (I) 4.1 Zagadnienie Cauchy ego dla pręta nieograniczonego Rozkład temperatury w jednowymiarowym nieograniczonym pręcie opisuje funkcja u = u(x, t), spełniająca

Bardziej szczegółowo

Krzywe stożkowe. 1 Powinowactwo prostokątne. 2 Elipsa. Niech l będzie ustaloną prostą i k ustaloną liczbą dodatnią.

Krzywe stożkowe. 1 Powinowactwo prostokątne. 2 Elipsa. Niech l będzie ustaloną prostą i k ustaloną liczbą dodatnią. Krzywe stożkowe 1 Powinowatwo prostokątne Nieh l będzie ustaloną prostą i k ustaloną lizbą dodatnią. Definija 1.1. Powinowatwem prostokątnym o osi l i stosunku k nazywamy przekształenie płaszzyzny, które

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

USTAWA 16 kwietnia 2004 r. o czasie pracy kierowców 1)

USTAWA 16 kwietnia 2004 r. o czasie pracy kierowców 1) Typ/organ wydająy Ustawa/Sejm RP Tytuł o zasie pray kierowów Skróony opis zas pray kierowów Data wydania 16 kwietnia 2004 r. Data ogłoszenia 30 kwietnia 2004 r./dz. U. Nr 92, poz. 879 Data obowiązywania/wejśia

Bardziej szczegółowo

Zmienne losowe zadania na sprawdzian

Zmienne losowe zadania na sprawdzian Zmienne losowe zadania na sprawdzian Zad. 1. Podane poniżej dane dotyczą zawartości suchej masy (w %) i sosu (w %) w 24 konserwach ze śledzia w pomidorach: Zawartość suchej masy: 12,0 13,0 14,5 14,0 12,0

Bardziej szczegółowo

4. WYZNACZANIE PARAMETRÓW HYDRAULICZNYCH STUDNI

4. WYZNACZANIE PARAMETRÓW HYDRAULICZNYCH STUDNI 4. WYZNACZANIE PARAMETRÓW HYDRAULICZNYCH STUDNI Na wielkość depresji zwieriadła wody w pompowanej studni wpływ mają zjawiska hydraulizne wywołane przepływem laminarnym, występująym w ujętej warstwie wodonośnej

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

Drogi i ulice. Materiały do projektowania

Drogi i ulice. Materiały do projektowania Drogi i ulie Materiały do projektowania Nr Lizba pojazdów (%/d) tematu lekkie iężarowe z SDR motoykle osobowe iężarowe maszyny iężarowe przyzepą (poj./d) 1.0 7 15 28 25 20 5 1568 1.1 8 15 23 25 27 2 1890

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

4,5. Dyskretne zmienne losowe (17.03; 31.03)

4,5. Dyskretne zmienne losowe (17.03; 31.03) 4,5. Dyskretne zmienne losowe (17.03; 31.03) Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje wszystkie

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY

MATEMATYKA POZIOM ROZSZERZONY EGZAMIN MATURALNY W ROKU SZKOLNYM 06/07 FORMUŁA OD 05 ( NOWA MATURA ) MATEMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MMA-P CZERWIEC 07 Kluz punktowania zadań zamkniętyh Numer zadania

Bardziej szczegółowo

Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.

Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu

Bardziej szczegółowo

Inżynieria bioreaktorów - Rozkład czasu przybywania w reaktorach (2018/2019)

Inżynieria bioreaktorów - Rozkład czasu przybywania w reaktorach (2018/2019) Inżynieria bioreaktorów - Rozkład zasu przybywania w reaktorah (218/219) CEL Wyznazenie rzezywistego rozkładu zasu przebywania w reaktorze mieszalnikowym metodą skokową i w dwóh reaktorah rurowyh metodą

Bardziej szczegółowo

Dyskretne zmienne losowe

Dyskretne zmienne losowe Dyskretne zmienne losowe dr Mariusz Grządziel 16 marca 2009 Definicja 1. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która

Bardziej szczegółowo

Rozkład zajęć, statystyka matematyczna, Rok akademicki 2015/16, semestr letni, Grupy dla powtarzających (C15; C16)

Rozkład zajęć, statystyka matematyczna, Rok akademicki 2015/16, semestr letni, Grupy dla powtarzających (C15; C16) Rozkład zajęć, statystyka matematyczna, Rok akademicki 05/6, semestr letni, Grupy powtarzających (C5; C6) Lp Grupa C5 Grupa C6 Liczba godzin 0046 w godz 600-000 C03 0046 w godz 600-000 B05 4 6046 w godz

Bardziej szczegółowo

Zmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014

Zmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014 Zmienne losowe dr Mariusz Grządziel Wykład 2; 20 maja 204 Definicja. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje

Bardziej szczegółowo

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k = Matematyka ubezpieczeń majątkowych 0.0.006 r. Zadanie. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k 5 Pr( N = k) =, k = 0,,,... 6 6 Wartości kolejnych szkód Y, Y,, są i.i.d.,

Bardziej szczegółowo

Na podstawie dokonanych obserwacji:

Na podstawie dokonanych obserwacji: PODSTAWOWE PROBLEMY STATYSTYKI MATEMATYCZNEJ Niech mamy próbkę X 1,..., X n oraz przestrzeń prób X n, i niech {X i } to niezależne zmienne losowe o tym samym rozkładzie P θ P. Na podstawie obserwacji chcemy

Bardziej szczegółowo

Rodzaje zadań w nauczaniu fizyki

Rodzaje zadań w nauczaniu fizyki Jan Tomczak Rodzaje zadań w nauczaniu fizyki Typologia zadań pisemnych wg. prof. B. Niemierki obejmuje 2 rodzaje, 6 form oraz 15 typów zadań. Rodzaj: Forma: Typ: Otwarte Rozszerzonej odpowiedzi - czynności

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N = HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki

Bardziej szczegółowo

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Podstawowe rozkłady zmiennych losowych Rozkłady zmiennych skokowych Rozkład zero-jedynkowy Rozpatrujemy doświadczenie, którego rezultatem może

Bardziej szczegółowo

Podziałka liniowa czy logarytmiczna?

Podziałka liniowa czy logarytmiczna? Podziałka liniowa czy logarytmiczna? Bardzo często do graficznego przedstawienia pewnych zależności odpowiednie jest użycie podziałki liniowej na osi x i osi y wykonywanego wykresu. Są jednak przypadki,

Bardziej szczegółowo

Z1/7. ANALIZA RAM PŁASKICH ZADANIE 3

Z1/7. ANALIZA RAM PŁASKICH ZADANIE 3 Z1/7. NLIZ RM PŁSKIH ZNI 3 1 Z1/7. NLIZ RM PŁSKIH ZNI 3 Z1/7.1 Zadanie 3 Narysować wykresy sił przekrojowych w ramie wspornikowej przedstawionej na rysunku Z1/7.1. Następnie sprawdzić równowagę sił przekrojowych

Bardziej szczegółowo

Zachowania odbiorców. Grupa taryfowa G

Zachowania odbiorców. Grupa taryfowa G Zachowania odbiorców. Grupa taryfowa G Autor: Jarosław Tomczykowski Biuro PTPiREE ( Energia elektryczna luty 2013) Jednym z założeń wprowadzania smart meteringu jest optymalizacja zużycia energii elektrycznej,

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6 Metody sprawdzania założeń w analizie wariancji: -Sprawdzanie równości (jednorodności) wariancji testy: - Cochrana - Hartleya - Bartletta -Sprawdzanie zgodności

Bardziej szczegółowo

W3 - Niezawodność elementu nienaprawialnego

W3 - Niezawodność elementu nienaprawialnego W3 - Niezawodność elementu nienaprawialnego Henryk Maciejewski Jacek Jarnicki Jarosław Sugier www.zsk.iiar.pwr.edu.pl Niezawodność elementu nienaprawialnego 1. Model niezawodności elementu nienaprawialnego

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM ROZSZERZONY 25 LUTEGO 2017 CZAS PRACY: 180 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT) Liczba 15! jest podzielna

Bardziej szczegółowo

Excel: niektóre rozkłady ciągłe (1)

Excel: niektóre rozkłady ciągłe (1) MS Ecel niektóre rozkłady ciągłe (1) Ecel: niektóre rozkłady ciągłe (1) 1. ROZKŁAD.BETA (tylko dystrybuanta)...1 2. ROZKŁAD.BETA.ODW (kwantyl w rozkładzie beta)...3 3. ROZKŁAD.LIN.GAMMA (to nie jest żaden

Bardziej szczegółowo

6. FUNKCJE. f: X Y, y = f(x).

6. FUNKCJE. f: X Y, y = f(x). 6. FUNKCJE Niech dane będą dwa niepuste zbiory X i Y. Funkcją f odwzorowującą zbiór X w zbiór Y nazywamy przyporządkowanie każdemu elementowi X dokładnie jednego elementu y Y. Zapisujemy to następująco

Bardziej szczegółowo

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p.

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p. Kwantyle Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p, że P(X x p ) p P(X x p ) 1 p Możemy go obliczyć z dystrybuanty: Jeżeli F(x p ) = p, to x p jest kwantylem rzędu p Jeżeli F(x p )

Bardziej szczegółowo

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, że 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

MATEMATYKA II. znaleźć f(g(x)) i g(f(x)).

MATEMATYKA II. znaleźć f(g(x)) i g(f(x)). MATEMATYKA II PAWEŁ ZAPAŁOWSKI Równania i nierówności Zadanie Wyznaczyć dziedziny i wzory dla f f, f g, g f, g g, gdzie () f() =, g() =, () f() = 3 + 4, g() = Zadanie Dla f() = 3 5 i g() = 8 znaleźć f(g()),

Bardziej szczegółowo

18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy.

18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy. 1 Czy iloczyn macierzy, które nie są kwadratowe może być macierzą kwadratową? Podaj przykład 2 Czy każde dwie macierze jednostkowe są równe? Podaj przykład 3 Czy mnożenie macierzy przez macierz jednostkową

Bardziej szczegółowo

= = a na podstawie zadania 6 po p. 3.6 wiemy, że. b 1. a 2 ab b 2

= = a na podstawie zadania 6 po p. 3.6 wiemy, że. b 1. a 2 ab b 2 64 III. Zienne losowe jednowyiarowe D Ponieważ D (A) < D (B), więc należy wybrać partię A. Przykład 3.4. Obliczyć wariancję rozkładu jednostajnego. Ponieważ a na podstawie zadania 6 po p. 3.6 wiey, że

Bardziej szczegółowo

Zwiększenie wartości zmiennej losowej o wartość stałą: Y=X+a EY=EX+a D 2 Y=D 2 X

Zwiększenie wartości zmiennej losowej o wartość stałą: Y=X+a EY=EX+a D 2 Y=D 2 X Własności EX, D 2 X i DX przy przekształceniach liniowych Zwiększenie wartości zmiennej losowej o wartość stałą: Y=X+a EY=EX+a D 2 Y=D 2 X Przemnożenie wartości zmiennej losowej przez wartość stałą: Y=a*X

Bardziej szczegółowo

Na rysunku przedstawiony jest wykres funkcji f(x) określonej dla x [-7, 8].

Na rysunku przedstawiony jest wykres funkcji f(x) określonej dla x [-7, 8]. Zadania 1 28 stanowią przykłady spełniające kryteria na ocenę 3. Zadanie 1 Na rysunku przedstawiony jest wykres funkcji f() określonej dla [-7, 8]. Odczytaj z wykresu i zapisz: a) największą wartość funkcji

Bardziej szczegółowo

Rachunek Prawdopodobieństwa i Statystyka

Rachunek Prawdopodobieństwa i Statystyka Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację

Bardziej szczegółowo

Zmienna losowa. Rozkład skokowy

Zmienna losowa. Rozkład skokowy Temat: Zmienna losowa. Rozkład skokowy Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga * - materiał nadobowiązkowy Anna Rajfura, Matematyka i statystyka matematyczna na kierunku Rolnictwo SGGW 1 Zagadnienia

Bardziej szczegółowo

ANEMOMETRIA LASEROWA

ANEMOMETRIA LASEROWA 1 Wstęp ANEMOMETRIA LASEROWA Anemometria laserowa pozwala na bezdotykowy pomiar prędkośi zastezek (elementów) rozpraszajayh światło Źródłem światła jest laser, którego wiazka jest dzielona się nadwiewiazki

Bardziej szczegółowo

Statystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34

Statystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34 Statystyka Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka 5 marca 2018 1 / 34 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: Baza Demografia : https://bdl.stat.gov.pl/

Bardziej szczegółowo

Deska Galtona. Adam Osękowski. Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski

Deska Galtona. Adam Osękowski. Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski a schemat Bernoulliego Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski XV Festiwal Nauki, 21 września 2011r. a schemat Bernoulliego Schemat Bernoulliego B(n, p)

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej

Bardziej szczegółowo

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2. Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej μ, wariancji momencie centralnym μ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X μ k Pr > μ + t σ ) 0. k k t σ *

Bardziej szczegółowo

Sieć drogowo-uliczna Krakowa

Sieć drogowo-uliczna Krakowa II. TRANSPORT II-1 II.1. System transportowy Transport i komunikacja w Krakowie tworzą wieloelementowy system złożony z sieci drogowo-ulicznej wraz z parkingami, komunikacji zbiorowej tramwajowej i autobusowej,

Bardziej szczegółowo

Laboratorium Inżynierii bioreaktorów Ćwiczenie 2: Rozkład czasu przybywania w reaktorach przepływowych

Laboratorium Inżynierii bioreaktorów Ćwiczenie 2: Rozkład czasu przybywania w reaktorach przepływowych EL Laboratorium Inżynierii bioreaktorów Ćwizenie 2: Rozkład zasu przybywania w reaktorah przepływowyh Wyznazenie rzezywistego rozkładu zasu przebywania w reaktorze mieszalnikowym metodą skokową oraz w

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 1.10.2012 r.

Matematyka ubezpieczeń majątkowych 1.10.2012 r. Zadanie. W pewnej populacji każde ryzyko charakteryzuje się trzema parametrami q, b oraz v, o następującym znaczeniu: parametr q to prawdopodobieństwo, że do szkody dojdzie (może zajść co najwyżej jedna

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną

Bardziej szczegółowo

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 0.0.005 r. Zadanie. Likwidacja szkody zaistniałej w roku t następuje: w tym samym roku z prawdopodobieństwem 0 3, w następnym roku z prawdopodobieństwem 0 3, 8 w roku

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

Podstawy symulacji komputerowej

Podstawy symulacji komputerowej Podstawy symulacji komputerowej Wykład 3 Generatory liczb losowych Wojciech Kordecki wojciech.kordecki@pwsz-legnica.eu Państwowa Wyższa Szkoła Zawodowa im. Witelona w Legnicy Wydział Nauk Technicznych

Bardziej szczegółowo

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe

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

Rozkłady prawdopodobieństwa zmiennych losowych

Rozkłady prawdopodobieństwa zmiennych losowych Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.

Bardziej szczegółowo

Grafy Alberta-Barabasiego

Grafy Alberta-Barabasiego Spis treści 2010-01-18 Spis treści 1 Spis treści 2 Wielkości charakterystyczne 3 Cechy 4 5 6 7 Wielkości charakterystyczne Wielkości charakterystyczne Rozkład stopnie wierzchołków P(deg(x) = k) Graf jest

Bardziej szczegółowo

1 Elementy teorii przeżywalności

1 Elementy teorii przeżywalności 1 Elementy teorii przeżywalności Zadanie 1 Zapisz 1. Prawdopodobieństwo, że noworodek umrze nie później niż w wieku 80 lat 2. P-two, że noworodek umrze nie później niż w wieku 30 lat 3. P-two, że noworodek

Bardziej szczegółowo

Statystyka. Wykład 2. Magdalena Alama-Bućko. 27 lutego Magdalena Alama-Bućko Statystyka 27 lutego / 39

Statystyka. Wykład 2. Magdalena Alama-Bućko. 27 lutego Magdalena Alama-Bućko Statystyka 27 lutego / 39 Statystyka Wykład 2 Magdalena Alama-Bućko 27 lutego 2017 Magdalena Alama-Bućko Statystyka 27 lutego 2017 1 / 39 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: https://bdl.stat.gov.pl/

Bardziej szczegółowo

Przedmiot statystyki. Graficzne przedstawienie danych.

Przedmiot statystyki. Graficzne przedstawienie danych. Przedmiot statystyki. Graficzne przedstawienie danych. dr Mariusz Grządziel 23 lutego 2009 Przedmiot statystyki Statystyka dzieli się na trzy części: -zbieranie danych; -opracowanie i kondensacja danych

Bardziej szczegółowo